Robotaxi产业链、技术路线与市场空间如何?

最佳答案 匿名用户编辑于2025/08/01 09:04

中下游边界模糊化,铁三角模式和一体化模式并存。

Robotaxi 产业链:Robotaxi 行业上游主要为自动驾驶汽车感知、定位、决策和执行 等层面所需的软硬件,感知层包括激光雷达、摄像头、毫米波雷达和超声波雷达等,定 位主要包括高精地图和定位,决策层主要包括自动驾驶芯片和域控制器,执行层主要包 括转向、制动、空悬和动力总成等。中游传统意义上主要为智驾解决方案供应商、整车 厂等,下游为出行平台等车队运营企业,在当下中游和下游边界模糊化,百度和谷歌等 互联网科技公司自行开发 robotaxi 平台,传统出行平台滴滴也开始参与到中游的技术集 成和优化。

当前 robotaxi 行业主要有两种模式:第一类是整车厂+自动驾驶企业+出行平台的 铁三角合作模式,代表性例子包括 Momenta+上汽+享道出行、文远知行+广汽+如祺出 行、小马智行+吉利+曹操出行等等;另外一类是负责超过 2 个角色甚至一体化,比如特 斯拉的一体化模式,以及百度/滴滴同时兼顾算法+运营平台再找主机厂合作的模式。

从传感器的角度看,主要分为多传感器融合和纯视觉方案两种技术路线,在 robotaxi 等对安全性要求较高的应用中,多传感器融合模式为业界主流: 1)多传感器融合方案,除了特斯拉外,其他主要 robotaxi 玩家均采取该技术路线, 通过摄像头、激光雷达、毫米波雷达等多种传感器获取数据,每一种传感器都有各自的 优点和不足,多种传感器融合可以一定程度上保证运营安全冗余; 2)纯视觉方案,特斯拉是该方案的代表性企业,马斯克认为按照第一性原理,人只 需要使用视觉那么无人驾驶最终也只需要视觉,该方案仅用摄像头进行感知,虽然相比 多传感器融合有一定的硬件成本优势,但是对于软件算法的技术要求更高,当前算法仍 在逐步成熟过程中,因此纯视觉方案的安全性相比多传感器方案较低。

从地图方案的角度,主要分为高精地图和轻量化地图两种技术路线,未来随着技术 成熟,轻量化地图方案可能会逐步向无图方案演进: 1)高精地图,是精度更高、数据维度更多的电子地图,精度更高体现在精确到厘米 级别,数据维度更多体现在其包括了除道路信息之外的与交通相关的周围静态信息,可 以说高精地图是一种具备“超视距”感知能力的传感器。主要优点包括:a 可弥补普通 传感器的性能边界、提供重要先验信息;b 很多静态信息可以预先存留在高精地图上, 极大减轻了感知实时检测的算力负担,使得感知有更多资源进行动态物体的识别与跟踪。 主要缺点包括:a 目前大部分图商只能做到 3 个月更新一次高精地图,而对于自动驾驶 理想状态是日更乃至小时级的更新。b 高精地图成本高昂,市场上分米级地图的测绘成 本约为每公里 10 元,厘米级地图的测绘成本高达每公里千元。 2)轻量化地图,是智能驾驶领域为降低对高精度地图(HD Map)依赖而提出的解 决方案,其核心在于“重感知、轻地图”,即通过摄像头、激光雷达等传感器实时感知环 境,结合导航地图或简化版高精地图。与传统方案相比,它不再完全依赖高精地图的厘 米级精度,而是利用算法和实时数据弥补地图信息的不足。主要优点包括:a 传统高精 地图仅覆盖部分高速和城市主干道,轻地图方案可扩展至全国 530 万公里公路。b 城市 道路变化频繁,轻地图通过实时感知应对临时施工、突发障碍等场景,泛化能力更强。 c 高精地图涉及测绘资质和国家安全审核,轻地图方案减少合规压力。主要缺点包括: a 轻量化地图缺乏这种长距离精确信息,主要依赖实时感知,可能导致紧急决策。b 在 恶劣天气(雨雪雾)、隧道、地下车库等传感器受限场景,轻量化地图依赖实时感知,在 这些场景风险更高。c 轻量化地图精度不足,在 GNSS 信号丢失时(高楼区、立交桥) 定位能力较弱。d 高精地图可作为独立于实时感知的安全冗余层,提供静态环境"真值", 而轻量化地图方案缺乏这种冗余机制。

从算法架构角度看,主要有模块化、端到端以及模块化和端到端结合的路线,在当 下业界采取模块化和端到端结合并逐步向端到端架构迈进,特斯拉的一段式端到端相对 较为成熟: 1)端到端,设计理念为单一神经网络直接输出控制指令,技术特点为数据驱动、全 局优化。优点包括:a 全局优化能力强,通过单一神经网络直接从传感器数据映射到控 制指令,避免模块间信息损耗和误差累积,提升系统整体效率;b 计算效率高,共享特 征提取骨干网络(如 BEV+Transformer),减少冗余计算,响应速度更快;c 长尾问题处 理更优,数据驱动模式能学习复杂场景(如非规则道路、突发障碍),泛化能力显著优于 规则系统。缺点包括:a 黑盒特性导致可解释性差,决策过程难以追溯,调试困难(如 误判红绿灯时无法定位故障层);b 数据与算力需求极高,需千万级视频片段训练;c 安 全冗余不足,极端场景(如传感器失效)依赖单一模型,缺乏预设规则兜底。 2)模块化,设计理念为分模块处理(感知→决策→控制),技术特点为规则驱动、 模块独立优化。优点包括:a 可解释性与易调试,模块独立(感知/决策/控制),故障可 快速定位(如感知错误则优化检测算法);b 开发分工明确,团队可按模块并行开发,降 低协作复杂度;c 安全冗余完善,各模块可嵌入规则校验(如 AEB 紧急制动规则),提 升极端场景可靠性。缺点包括:a 信息传递损耗,模块间接口导致误差累积(如感知漏 检→规划路径碰撞风险提升);b 规则难以穷尽场景,依赖人工编码规则,无法覆盖所有 Corner Case(如罕见交通标志误读);c 计算冗余,各模块独立特征提取,算力利用率低 (端到端计算效率高 30%以上)。 3)端到端和模块化结合,设计理念,在常规场景下使用端到端模型快速响应(如车 道保持、跟车),而在极端场景下规则或次级模型介入(如施工路段切换模块化路径规 划)。技术特点为数据与规则协同。优点包括:a 平衡性能与安全,端到端提升效率,规 则系统提供兜底(如误识别行人时触发 AEB);b 渐进式技术升级,可从模块化逐步迁 移(如特斯拉 FSD V9→V12 逐步端到端化)。缺点包括:a 系统复杂度高,需解决数据流协同问题(如端到端与规则引擎冲突时的仲裁机制);b 开发成本双重叠加,需同时维 护神经网络训练和规则引擎迭代。

VLA 可能是下一代自动驾驶主流的算法架构。当前的(a)端到端模型缺乏可解释性; (b) VLM 模型以感知为中心,但语言输出和实际控制存在脱节;(c) VLA 模型整合了感 知、推理与行动,可能成为下一代主流的自动驾驶算法架构。

主流 robotaxi 玩家在技术路线上采取多传感器融合+高精地图+模块化和端到端融 合的算法架构,特斯拉采取纯视觉+无图+端到端的算法架构。百度、小马、文远和 waymo 等主流玩家均采取多传感器融合叠加高精地图的技术路线,且在算法架构方面逐步采取 模块化和端到端结合的技术方案。其中 waymo 虽然有端到端的技术但为了安全的商业 化运营仍然主要采用模块化的算法架构。由于高精地图较高的成本和较差的泛化性,部 分厂商正在逐步减轻对高精地图的依赖,转向轻量化地图。特斯拉传感器层面采取纯视觉的技术方案,算法架构采用端到端的技术路线,地图方面倾向于使用无图模式,利用 BEV+Occupancy 网络+NeRF 技术实现动态重建道路结构。 Waymo 和百度在商业化较为领先,小马、文远和 waymo 技术实力较为领先,文远 海外拓展能力较为突出。Waymo 和百度的累计订单都超过 1000 万次,运营车队规模也 均超过 1000 台,在商业化进程上走在世界前列。从技术实力上来看,小马、文远和 waymo 技术实力较为领先。文远在除了 robotaxi 外的各类无人场景都有较强的产品和技术储备, 且 25Q1 运营车队已经超过 1200 台,在海外拓展和获取海外运营牌照方面展现了较强 的竞争力和行动力。

全球 Robotaxi 市场空间有望在 2030 年达到 666 亿美元,2025-2030 年 CAGR 有望 达到 195.6%。全球 Robotaxi 市场规模有望在 2030 年达到 666 亿美元,在 2035 年达到 3526 亿美元,2025-2030 年和 2030-2035 年的 CAGR 分别有望达到 195.6%和 39.6%。 中国 Robotaxi 市场空间有望在 2030 年达到 390 亿美元,2025-2030 年 CAGR 有望 达到 199.6%。中国 Robotaxi 市场规模有望在 2030 年达到 390 亿美元,在 2035 年达到 1794 亿美元,2025-2030 年和 2030-2035 年的 CAGR 分别有望达到 199.6%和 35.7%。

Robotaxi 行业快速发展的主要驱动因素主要包括技术成熟、政策支持和成本下降: 1)技术逐步成熟,自动驾驶安全性提高:在事故发生的追因调研中,驾驶员的失 误操作是导致事故发生的主要因素,而 Robotaxi 技术逐步成熟,可以帮助规避由人为导 致的大部分事故风险,降低事故发生率,保障驾驶员和乘客安全。

2)robotaxi 成本端有望逐步下降:自动驾驶减少了对司机的依赖,从而节省人工成 本,当前的 Robotaxi 仍需要安全员,但随着技术的成熟,单个安全员逐步可以监管更多 台车辆,带来成本下降。此外,随着无人驾驶车队规模的增长,各类硬件也将因为规模 效应持续降本,带来车辆成本的下降。

3)中美两国政策端均大力支持 robotaxi 产业发展:美国在自动驾驶政策方面起步 较早,其政策环境相对宽松,鼓励创新。中国在自动驾驶领域的发展策略则更注重安全 稳定和渐进式推进。在中国运营 robotaxi,需要经过测试、示范和商业化三个阶段:测 试阶段需要接管里程等数据达标,以及车辆等硬件进行资质检测等;示范阶段需要积累 安全运营里程,准备安全相关的评估和保障方案;商业化阶段需要配备相关保险,并且接受监管定期的数据审查。