2026年7月11日凌晨1点14分，广州白云机场T2航站楼的出租车蓄车池里，还排着近百辆等待接单的出租车。但这其中，有12辆没有驾驶员——它们是文远知行的Robotaxi。今夏，北上广深四个城市的机场夜间排班表里，无人驾驶正式撕开了一个口子。但如果你仔细看出行数据就会发现：夜间远途订单根本不是平均分布的，而是极度压缩在三个特定的时段里。
这不是简单的“航班多订单就多”。机场夜间排班是一个被多重物理和制度约束拧紧的发条。要理解订单为什么会在这三个时段爆发，就得拆解背后的调度瓶颈。
订单峰谷：21:45、23:30与01:20的隐秘时钟
今夏多个运营平台的后台数据显示，机场夜间远途订单呈现三个极其 sharp 的尖峰：第一个在21:45-22:15，第二个在23:30-00:00，第三个也是最棘手的一个，在01:20-02:00。
这三个时段并非由单一因素决定。先看第一个高峰，21:45。此时正值国内干线航班最后一波密集着陆，同时恰逢城市传统燃油出租车开始“交班”。在大多数一线城市，传统巡游车的交接班时间设在22:00左右。为了避免接到跨越交接时间的远途单导致错过了交车，许多有人驾驶出租车会在21:30后开始拒绝前往机场蓄车池，或者即便在池中也会以“交班不顺路”为由拒载。
这就留出了一个巨大的运力真空。Robotaxi的优势在这里体现得淋漓尽致——它不会在21:45抱怨“要去交班”，它可以无条件接单。但数据同时暴露出问题：这个时段的订单有极高的比例为30-40公里的中等远途，而非50公里以上的长拖尾。这说明Robotaxi主要在填补近距离的定向接驳，对于极远距离的夜间疏散，尚未形成压倒性的市场占有率。
真正的长距离远途订单，集中在第二个和第三个高峰。23:30的峰值对应的是国际航线的红眼航班集中到达。这批旅客往往携带大量行李，且在深夜对公共交通极为陌生。在这个时段，传统网约车甚至会触发夜间溢价机制，这直接把价格敏感或追求确定性的旅客推向了Robotaxi，毕竟无人车的计价规则在午夜前后通常是固定的，没有人类司机的人工加价。
01:20的接管率悬崖
运营方最头疼的是第三个高峰。01:20-02:00这个时段是远途订单最集中的杀手时刻。航班延误的红眼航班在这个时间段集中清关释放，旅客极度疲惫，前往市郊甚至跨城的远途订单比例陡增。
但这个时间段恰恰是人类生理机能的低谷。这对于完全无人驾驶是个伪命题，但对于现在的商业化落地却是硬约束——远程安全员的负荷在这个时段会迎来极限挑战。当一辆Robotaxi在凌晨01:30的高架桥上行驶时，坐在几十公里外运营中心的远程接管员，其反应速度和接管决策准确率会因生物钟低谷出现明显的“疲劳折损”。
这直接影响了一线调度的真实策略。事实上，用工成本和液冷机房的折旧一样，都是不能靠单一指标算清的总账（参见《万卡集群里的电费账本：液冷、电价分时与折旧如何摊进每张卡》）。在机场夜间运营中，把Robotaxi调度控制在三个时段峰值波谷，不是因为车不够，而是因为远程安全员的算力不够。
这和端侧Agent面临的调度困局如出一辙。在手机终端，连续感知、推理和调用工具耗电分散在各个环节，只谈NPU峰值算力解释不了真实续航（参见《端侧 Agent 先过电量关：手机系统为何必须重做调度》）。同样，对于靠远程监控兜底的Robotaxi，只谈车辆的硬件成本，也解释不了01:20之后的运力断崖。
机场调度算法为什么要“向后退一步”
了解了三个时段的真实分布，就能看清机场调度的复杂性。
一个普遍的误区是：既然有了2026年成熟的端到端大模型，车端能自己处理绝大多数路况，那远程安全中心只要按需兜底就行。但现实是，远程安全员不是按需接管的救火队员，而是一个库珀式的高强度信息处理器。一个熟练的远程接管员通常需要同时看管5-8辆车。
在01:20的高峰期，如果系统为了追求接单量，把十几辆远途Robotaxi同时派向不同方向的远郊高速，一旦遇到夜间施工改道或突发事故，多车同时发起接管请求的“风暴”，会让远程中心的负荷瞬间达到告警红线。此时，系统调度逻辑必须主动触发降级机制——这要求调度算法不只是看向后端派单，更要预先计算“当前所有在途车辆如果同时发起接管，我们的人能不能接得住”。
根据目前实际的技术应用落地数据，当前一线运营方在机场夜间调度的真实策略是“向后退一步”。不再追求01:20时段的全量订单满足，而是通过算法对涌入机场的Robotaxi进行“ taxing order”控制：在派单前30分钟就开始评估远程安全员的剩余算力，一旦达到85%的阈值，就停止向机场池内派发空载车辆，让多余的Robotaxi直接驶向市区做短途。
突破交接班和接管红线的判断框架
不管是做车队运营还是体验上车出行服务，这个夏季给出的一个最直接框架是：机场夜间Robotaxi运力不该按需求曲线调配，而该按“接管曲线”调配。
对于乘客而言，这意味着如果你在深夜01:30落地，系统显示前方排队80人，而Robotaxi候补区空空如也，不要觉得是系统出错了。运营方很可能正在进行运力硬隔离——他们知道，此刻哪怕再放一辆空载的无人车进去，也会打破原本就紧绷的远程监控负荷。
由于商业保险的核保逻辑已经把这类高风险场景做了严格界定（参见《信贷审批列为高风险，AI企业别猜险企核保红线》），过高的远程接管率不仅意味着安全隐患，更直接影响运营方的保费报价。如果强行在01:20-02:00接下所有远途订单，保险费率就会上升。
优化Robotaxi的夜间运营，实际上是对人类司机管理方式的全面复刻和升级。不是不困，而是把对人类疲劳的管理，变成了对系统算力和接管配额的精确切分。
从2019年文远知行在广州黄埔区推出首个全对外开放的运营服务开始，到2026年今夏全面开进机场夜间班，单看技术指标的迭代是飞快的。但当我们把出行数据切到“三个高峰时段”的维度，暴露出来的反而是最朴素的工程和管理约束。谁先把这些约束编入算法，谁就能真正吃下夜间机场这块难啃但利润丰厚的蛋糕。
