摘要
2025年，RoboTaxi重燃商業(yè)化熱潮，但距離產(chǎn)業(yè)成熟仍存在技術(shù)安全、用戶心智、監(jiān)管合規(guī)、運(yùn)營效率、商業(yè)回報(bào)五大難關(guān)。我們認(rèn)為，現(xiàn)階段RoboTaxi無需達(dá)到盡善盡美，即可通過切入晴天城市非擁堵路段等最小落地場景/MVP（Minimum Viable Product）實(shí)現(xiàn)破局?！盎旌线\(yùn)營”模式將成為全球RoboTaxi商業(yè)化的主流路徑。該模式整合無人與有人駕駛運(yùn)力，借助出行平臺的全局調(diào)度能力，在統(tǒng)一界面、快速接單等方面提升用戶體驗(yàn)的同時(shí)，通過降低獲客成本、減少空駛率、復(fù)用運(yùn)維網(wǎng)絡(luò)等手段實(shí)現(xiàn)降本增效。
一、RoboTaxi商業(yè)化的五大難關(guān)
我們在《無人駕駛系列一： 2030，千萬輛無人駕駛出租車來襲》中描述2025年是RoboTaxi大規(guī)模商業(yè)化的一年，然而，距真正成熟仍存五大難關(guān)：
1、技術(shù)安全過關(guān)
“門派之爭”：中國車企開始“倒戈”純視覺，但特斯拉的作業(yè)“不好抄”
純視覺與多傳感器方案是自動(dòng)駕駛領(lǐng)域一直以來的路線之爭：特斯拉堅(jiān)持的純視覺方案在惡劣天氣，例如暴雨、大霧等情況下識別能力顯著下降，出現(xiàn)車輛逆行、無故急剎、擦碰靜止車輛等，技術(shù)長尾效應(yīng)攻克緩慢；而國內(nèi)百度、小馬智行等采用的多傳感器融合方案多種傳感器相互備份，雖然理論上可靠性更高，但仍然存在多傳感器數(shù)據(jù)沖突導(dǎo)致決策延遲等風(fēng)險(xiǎn)。
然而進(jìn)入2025年，中國企業(yè)的技術(shù)路線開始出現(xiàn)動(dòng)搖：6月的未來汽車先行者大會上，何小鵬明確表示小鵬汽車已經(jīng)堅(jiān)定選擇純視覺方案，在 2024 年推出的多款車型中已全面采用純視覺方案； 7月，李彥宏也正式宣布，百度旗下“蘿卜快跑”放棄多傳感器融合轉(zhuǎn)向純視覺路線，并表示純視覺路線可實(shí)現(xiàn)單車超40%的成本下降；華為雖始終強(qiáng)調(diào)多傳感器融合是保障安全的核心，但也對智駕方案采取了分層策略，推出純視覺方案降低門檻，如2024年8月發(fā)布的問界 M7 Pro。
但我們需要看到，特斯拉通過低成本+規(guī)模化部署形成的數(shù)據(jù)飛輪，是純視覺路線的追隨者難以逾越的壁壘，其純視覺方案的核心優(yōu)勢在于全球600萬輛車隊(duì)規(guī)模，日均生成數(shù)億公里真實(shí)路況數(shù)據(jù)逐步解決長尾問題。而中國車企并不具備這樣的規(guī)模，即使切換到相同的技術(shù)路線仍可能被特斯拉不斷拉大差距。正如李彥宏坦言：若不能在2026年前將車隊(duì)規(guī)模擴(kuò)至10萬輛級，百度將被特斯拉“甩開代際差距”。
新技術(shù)應(yīng)用：VLA與世界模型開啟新一輪“軍備競賽”，但尚未形成共識唯一解
以往的端到端方案，包括純視覺和多傳感器，其決策邏輯是從數(shù)據(jù)直接映射到動(dòng)作，容易混淆因果，例如無法判斷停車是因?yàn)榧t燈還是前車減速；而 2025 年備受關(guān)注的 VLA（Visual-Language-Action）模型引入了語言理解能力，將決策鏈路轉(zhuǎn)變?yōu)椤皵?shù)據(jù) → 語義理解 → 語言推理 → 動(dòng)作生成”，讓 AI 像人類一樣解讀場景語義，例如在十字路口停車時(shí)能識別具體原因是紅燈還是行人穿行，甚至支持語音指令，如“下個(gè)路口掉頭”，大幅提升決策透明度和人機(jī)交互能力。小鵬汽車在 7 月發(fā)布的 G7 車型率先量產(chǎn)搭載 VLA，理想汽車首搭該模型的 i8 車型也已在 7 月底正式發(fā)布。
而世界模型有望解決智能駕駛在數(shù)據(jù)量與數(shù)據(jù)質(zhì)量上的瓶頸：它通過生成擬真的虛擬場景——如暴雨、碰撞——讓自動(dòng)駕駛系統(tǒng)進(jìn)行物理推演，例如急剎后是否會追尾，并以此加速學(xué)習(xí)極端狀況。2025年1月，NVIDIA推出了首個(gè)世界基礎(chǔ)模型Cosmos，7月阿里巴巴達(dá)摩院提出了 WorldVLA, 首次將世界模型 (World Model) 和動(dòng)作模型 (Action Model/VLA Model) 融合到了一個(gè)模型中。蔚來從2024年起就探索通過世界模型提升智能駕駛能力的方案。小馬智行CTO樓天城更是認(rèn)為，世界模型將是通往自動(dòng)駕駛的“唯一解”，PonyWorld 世界模型將是其核心技術(shù)支柱。
但是，世界模型目前仍處于早期階段，其本身的物理規(guī)則建模能力仍然不足，也面臨著算力需求大、數(shù)據(jù)泛化難度高等問題，其大規(guī)模應(yīng)用仍面臨多重技術(shù)瓶頸與成本挑戰(zhàn)，目前行業(yè)內(nèi)尚未形成共識方案。
2、用戶心智過關(guān)：技術(shù)長尾問題推高安全風(fēng)險(xiǎn)，"零容忍"態(tài)度易引發(fā)信任危機(jī)
安全、體驗(yàn)和價(jià)格是構(gòu)建無人駕駛用戶心智的核心元素，而安全性作為用戶關(guān)注度遠(yuǎn)高于其它的核心影響要素，被賦予了更加嚴(yán)苛的審視態(tài)度：雖然統(tǒng)計(jì)意義上，對比無人駕駛和人類司機(jī)，均應(yīng)采用“億公里事故/死亡率”等客觀數(shù)據(jù)，但在目前無人駕駛應(yīng)用早期，公眾和監(jiān)管者往往采取一種“零容忍”的審視標(biāo)準(zhǔn)，一次事故可能被放大，成為整個(gè)技術(shù)“不安全”的象征，使公眾信任瞬間倒退。特斯拉在2023~2024年數(shù)次因大霧造成的事故，以及中國智駕車企2025年的事故，都曾讓用戶對智駕的信任出現(xiàn)了明顯搖擺。
數(shù)據(jù)來源：汽車之家研究院《中國智能駕駛商業(yè)化發(fā)展白皮書（2025）》
3、監(jiān)管合規(guī)過關(guān)：技術(shù)缺陷和用戶疑慮放大了法規(guī)滯后性，重大事故或讓業(yè)務(wù)“歸零”
“積極但謹(jǐn)慎”成為政府對待RoboTaxi的普遍態(tài)度，但國家層面頂層設(shè)計(jì)和責(zé)任認(rèn)定細(xì)則仍需完善。在2025年7月召開的中國汽車論壇上，中國科學(xué)技術(shù)協(xié)會主席萬鋼表示，關(guān)于自動(dòng)駕駛技術(shù)政策的制定需要讓“子彈再飛一會兒”，既要積極參與WP1和WP29等國際自動(dòng)駕駛標(biāo)準(zhǔn)環(huán)節(jié)的制定，也希望把中國車企的經(jīng)驗(yàn)充分應(yīng)用到其中；美國聯(lián)邦層面更新安全法規(guī)為L4準(zhǔn)入“松綁”，但核心路權(quán)與運(yùn)營監(jiān)管權(quán)在州政府，導(dǎo)致政策碎片化，進(jìn)展快慢不一。兩國都在努力填補(bǔ)空白，但距離建立成熟、普適的監(jiān)管體系仍有差距。
另一方面，政府對無人駕駛黑天鵝事件持安全優(yōu)先態(tài)度，會采取果斷嚴(yán)格的措施以保障公眾安全。這可能使長期積累的技術(shù)進(jìn)步和數(shù)據(jù)優(yōu)勢因?yàn)槟炒我馔馐录皻w零”——2023年，一輛Cruise RoboTaxi在發(fā)生碰撞后，未能正確識別現(xiàn)場情況，將一名被撞倒后卷入車底的行人拖行了約6米才停下，造成二次傷害，且應(yīng)急處理人員沒有第一時(shí)間趕到現(xiàn)場。這起事故讓加州機(jī)動(dòng)車管理局立即暫停了Cruise在加州的運(yùn)營許可，甚至直接導(dǎo)致了Cruise暫停了全美運(yùn)營；2018年Uber自動(dòng)駕駛測試車撞死行人的事件也使得Uber暫停了全球自動(dòng)駕駛測試，并關(guān)閉了亞利桑那州的測試中心。
4、運(yùn)營效率過關(guān)：安全冗余堆高運(yùn)營成本，對極致效率的追求呼喚全新車型
在現(xiàn)行政策要求下，遠(yuǎn)程駕駛員和道路救援團(tuán)隊(duì)仍是必要配置。特斯拉的純遠(yuǎn)程監(jiān)控模式下，每趟行程需支付0.8美元的遠(yuǎn)程監(jiān)管成本，占此前固定單程車費(fèi)6.9美元的11.6%（7月31日起車費(fèi)調(diào)整為根據(jù)里程動(dòng)態(tài)定價(jià)）；Waymo在服務(wù)城市部署的專用拖車隊(duì)，年投入超2000萬美元，占運(yùn)營成本12%；小馬智行2024財(cái)報(bào)也顯示單車運(yùn)營維護(hù)成本高達(dá)10萬元/年；而隨著美國特斯拉在奧斯汀試點(diǎn)RoboTaxi，德州出臺SB 2807法案，規(guī)定所有無人工干預(yù)的完全自動(dòng)駕駛車輛若想在公共道路上行駛，必須事先向州機(jī)動(dòng)車管理部門申請?jiān)S可，特斯拉為避免觸發(fā)“全自動(dòng)”監(jiān)管，讓所有RoboTaxi仍由一名“安全員”陪同，使得運(yùn)營成本大幅提升。
此外，對運(yùn)營效率的極致追求可能催生全新車型的誕生。特斯拉研發(fā)中的新車CyberCab(參數(shù)|詢價(jià))就是瞄準(zhǔn)高效運(yùn)營的典范：車輛采用雙門兩座設(shè)計(jì)雙門可降低成本，雙座即可覆蓋 80% 以上共享出行場景（一至兩名乘客）；減重 15% 以提升能效；無需太大的電池（預(yù)計(jì)配備~50千瓦時(shí)電池），續(xù)航近500公里，每日一充即可滿足大部分市內(nèi)共享出行里程需求；充電時(shí)會前往特斯拉專屬的充電清潔中心，無線感應(yīng)充電系統(tǒng)無需插頭即可快速充電；專利技術(shù)支持車輛感知臟污并啟動(dòng)自動(dòng)清潔；機(jī)器人執(zhí)行內(nèi)外清潔，確保車輛隨時(shí)可用。這些設(shè)計(jì)在預(yù)示著RoboTaxi正在驅(qū)動(dòng)一種極致低成本的標(biāo)準(zhǔn)化小型車型（單排座無需司機(jī)）誕生，其效果有待市場檢驗(yàn)，汽車之家研究院未來也會針對無人駕駛乘用車車型的變化進(jìn)行專門探討。
特斯拉CyberCab
5、商業(yè)回報(bào)過關(guān)：尚未跨越盈利線
高昂的研發(fā)費(fèi)用，設(shè)備成本與安全冗余成本，使得目前全球主要的RoboTaxi玩家均未能跨越盈利線。2024年及2025年一季度，小馬智行的營收分別5.38億元和1.00億元，虧損分別為19.62億元及3.08億元，累計(jì)虧損超42億元；文遠(yuǎn)知行的營收分別為3.61億元和0.72億元，虧損分別為25.17億元、3.85億元，累計(jì)虧損超61億元。雖然文遠(yuǎn)知行在 2025 年一季度財(cái)報(bào)中表示RoboTaxi業(yè)務(wù)已進(jìn)入單車盈虧平衡階段，小馬智行也在特定區(qū)域?qū)崿F(xiàn)了單月盈利，但若攤分總部及研發(fā)成本，至今仍然無人能做到穩(wěn)定盈利。美國Waymo等玩家也仍處在常年虧損狀態(tài)。
二、破局希望：無需“盡善盡美”，可優(yōu)先最小落地場景實(shí)現(xiàn)規(guī)模應(yīng)用
盡管無人駕駛距離成熟仍面臨多重挑戰(zhàn)，但以現(xiàn)有的技術(shù)水平，已經(jīng)足夠形成商業(yè)化的“破局點(diǎn)”。
晴天城市道路無人駕駛技術(shù)趨于成熟，無人駕駛在該場景安全性已經(jīng)超過有人駕駛：特斯拉數(shù)據(jù)顯示，2023 年其高階智駕方案 FSD每行駛400萬英里左右會發(fā)生一次事故；2025年，配備交通感知巡航控制和車道保持功能的特斯拉 Autopilot 每行駛 700 萬英里才有一次事故；而在美國人類駕駛員平均每行駛 60 萬至 70 萬英里就會發(fā)生一次事故。其在晴天城市道路的成熟場景中，安全性已經(jīng)達(dá)到了有人駕駛的10倍；Waymo L4 RoboTaxi在特定區(qū)域內(nèi)，每英里事故率也比人類司機(jī)低64%以上。
數(shù)據(jù)來源：特斯拉官網(wǎng)、高盛報(bào)告《Can new AI technology help accelerate AV deployments? Updating our global ADAS and AV forecast（2024.07）》
因此RoboTaxi無需等待所有問題解決才可規(guī)?；逃茫耆梢酝ㄟ^切入最小落地場景實(shí)現(xiàn)破局突圍——即暫時(shí)放棄全天候全場景策略，主攻白晝晴天場景，通過成熟業(yè)務(wù)場景落地積累用戶安全感，培養(yǎng)用戶心智，再隨著技術(shù)的不斷完善，不斷拓展黑天下雨等服務(wù)場景。
而從經(jīng)濟(jì)賬來看，RoboTaxi可能僅需較少市占率即可實(shí)現(xiàn)盈利：2024年12月小馬智行媒體溝通會上，小馬智行 RoboTaxi 業(yè)務(wù)負(fù)責(zé)人張寧曾指出一線城市車隊(duì)達(dá)到1000輛規(guī)模即能跑通盈利模型，即相比一線城市5~6萬輛的出租車運(yùn)力，僅需搶占2%的份額即可盈虧平衡，開城門檻遠(yuǎn)低于當(dāng)年的出行平臺。
但不可否認(rèn)的是，RoboTaxi若以單城千臺左右的規(guī)模開城，運(yùn)力很難滿足出行用戶的最低體驗(yàn)要求，勢必面臨著多個(gè)APP來回切換、接單慢、等待長等痛點(diǎn)。當(dāng)用戶的“體驗(yàn)嘗鮮”期過去，對于效率的追求可能會讓用戶再次放棄RoboTaxi。此時(shí)，與現(xiàn)有出行平臺協(xié)同優(yōu)勢開始顯現(xiàn)。
三、協(xié)同無人駕駛+有人駕駛運(yùn)力的“混合運(yùn)營”模式將成為最優(yōu)解
2024年底文遠(yuǎn)知行與Uber在阿布扎比開始合作，2025年5月至7月，小馬智行、Momenta和蘿卜快跑相繼宣布與Uber建立合作關(guān)系，借助Uber覆蓋的全球城市網(wǎng)絡(luò)快速實(shí)現(xiàn)全球化布局；2025年8月，蘿卜快跑與Lyft也達(dá)成戰(zhàn)略合作，計(jì)劃率先在歐洲提供無人駕駛出行服務(wù)；而美國的Waymo與Uber早在2022年即開始合作，2025年則將合作范圍進(jìn)一步擴(kuò)展。
RoboTaxi與Uber等出行平臺的合作，本質(zhì)是通過無人駕駛+有人駕駛“混合運(yùn)營”將全局效率與用戶體驗(yàn)達(dá)到最優(yōu)（包括降低用戶在不同出行平臺/APP之間的切換成本、減少空駛時(shí)間、提高響應(yīng)速度等）、以運(yùn)力全網(wǎng)優(yōu)化+復(fù)雜場景的有人駕駛車輛服務(wù)兜底，大幅提高RoboTaxi用戶體驗(yàn)，加速推動(dòng)運(yùn)營商突破“達(dá)到盈虧平衡前規(guī)模過小、用戶體驗(yàn)差”的困局。
對用戶：
無縫接入現(xiàn)有平臺，漸進(jìn)式培養(yǎng)使用習(xí)慣：用戶無需切換獨(dú)立App或適應(yīng)新操作流程，可在原有平臺如 Uber、滴滴、高德等直接呼叫車輛，平臺會根據(jù)需求智能匹配RoboTaxi或有人駕駛網(wǎng)約車。同時(shí)，可通過手動(dòng)開啟智駕體驗(yàn)功能等方式篩選高意向用戶，通過補(bǔ)貼激勵(lì)等手段，優(yōu)先派單給愿意嘗試RoboTaxi的用戶，逐步培養(yǎng)信任感，加速RoboTaxi的普及。
確保時(shí)效需求，提供全天候無間斷服務(wù)：對用戶而言，“第一時(shí)間接單”與“快速駛達(dá)”是出租車出行最基礎(chǔ)需求（如上班早高峰）。而利用出行平臺的調(diào)度能力，可根據(jù)全網(wǎng)運(yùn)力分布情況，在適合的時(shí)段/天氣情況條件下，將RoboTaxi調(diào)度至適合無人駕駛運(yùn)營的區(qū)域，減少高意向用戶等待時(shí)間，也可通過有人駕駛運(yùn)力進(jìn)行服務(wù)兜底，確保出行用戶能在全時(shí)段全天候全地域享受到及時(shí)的履約服務(wù)。
對運(yùn)營方：
提高全局效率，降低空駛時(shí)間：出行平臺擁有海量用戶出行熱力圖和駕駛行為數(shù)據(jù)?；旌险{(diào)度模式可大幅提高RoboTaxi的運(yùn)營效率，降低車輛空駛時(shí)間。也可通過交通熱力情況與天氣識別，準(zhǔn)確判斷適合RoboTaxi的“晴天城市非擁堵路段場景”進(jìn)行優(yōu)先派單，幫助RoboTaxi達(dá)到最低利用率要求。
降低獲客與運(yùn)營成本，加速跑通盈虧平衡：獨(dú)立運(yùn)營RoboTaxi需要自建平臺和用戶群，獲客成本高。而接入現(xiàn)有出行平臺可以共享其出行用戶資源，降低獲客成本。同時(shí)，出行平臺還可通過現(xiàn)有運(yùn)維網(wǎng)絡(luò)的復(fù)用，幫助無人車隊(duì)進(jìn)一步降低成本。2025年3月和6月，Waymo 與 Uber 在奧斯汀與亞特蘭大推出“Waymo on Uber”服務(wù)，用戶能夠通過Uber應(yīng)用訪問Waymo的機(jī)器人出租車，同時(shí)Uber負(fù)責(zé)Waymo 車輛的充電、清潔、維修及車隊(duì)調(diào)度，例如在奧斯汀設(shè)立專門的維護(hù)中心，確保車輛狀態(tài)符合運(yùn)營標(biāo)準(zhǔn)。雙方還通過共享成本與收入分?jǐn)傔\(yùn)營壓力。
結(jié)語
RoboTaxi仍不完美，仍面臨“過五關(guān)”的挑戰(zhàn)，但可通過切入晴天城市非擁堵路段等最小落地場景實(shí)現(xiàn)商業(yè)化破局。同時(shí)通過整合無人/有人駕駛運(yùn)力，采用“混合運(yùn)營”模式，借助出行平臺全局調(diào)度能力，在提升用戶出行體驗(yàn)的同時(shí)，降本增效。我們認(rèn)為，“混合運(yùn)營”模式將成為全球RoboTaxi商業(yè)化的主流路徑。
（文/汽車之家研究院）