2024年Robotaxi行业专题报告：Robotaxi商业化进展提速，智能化行业β加速向上

如何看待国内Robotaxi进展？

萝卜快跑：全国已覆盖12座城市，目前武汉已部署400辆运营车（规划部署1000辆）

萝卜快跑全国已覆盖12座城市，截至4月19日累计订单量已突破600万单。2021年8月，百度发布萝卜快跑时预计三年内完成30座城市覆盖，截至 最新App统计已达12座，运行时间特征呈现工作日时间拉长+部分周末停运，日常通勤需求倾向明显。截至4月19日，萝卜快跑累计服务量超过 600万单，近两个季度服务量稳定在80万单+（4Q23/1Q24分别 84/83万单），其中武汉全无人驾驶订单比例由4Q23 45%提升至2024年4月70%。

萝卜快跑：收费标准高于当地出租标准，补贴后实际费用与网约车基本一致

萝卜快跑收费标准高于武汉当地出租车。以10公里路程测算，萝卜快跑合计费用约为43元（以常规日9：00-17：00测算），对应武汉出租车在 不考虑等待时间费情况下，合计费用约为30元，萝卜快跑约为出租车费用1.4倍。

萝卜快跑当前补贴力度大，实际产生费用与网约车基本一致，优于出租车实际 费用。我们选择湖北人民医院（洪山院区）至上岸·茶庄相同时间相同路线。萝 卜快跑计价模式下，合计费用高达87元，优惠后实际价格仅为30元，与网约车 平台最低价格基本一致，优于出租车实际费用表现。 我们认为，当前Robotaxi规模化效应尚未体现，计价规则仍不完善，后续调整 空间较大。根据罗兰贝格调查，消费者要求Robotaxi价格低于网约车的群体占 比52%。因此，在当前测试&试运行阶段下，Robotaxi通过大幅补贴拉平实际 费用，才能更好的完成早期消费者教育。

如何看待Robotaxi商业化？

单车成本拆分：技术成熟+规模效应是降本关键路径

Robotaxi单车全生命周期总成本显著高于同级别网约车，技术成熟+规模效应是降本关键路径。目前，萝卜快跑现运行车辆以第五代车型Apollo Moon为主， 通过百度Apollo与北汽极狐联合打造；第六代车型Apollo RT6由公司设计研发，定价约20万元，整车制造成本实现进一步优化。该车型属于紧凑型MPV，对 比网约车主流车型AION Y起售价9.98万元，整车制造层面仍然具备较高降本空间；此外，伴随Robotaxi技术成熟+规模化，安全运营成本和运力运营成本有 望实现优化和分摊，带动全生命周期成本下降。

预计远期大规模商业化运营单车成本降至0.8元/km，单车成本回收期3.3年

预计远期大规模商业化运营单车成本降至0.8元/km，单车成本回收期3.3年。考虑单车全生命周期成本，我们预计当前单日行驶300公里情况下，单公里单 车成本约为1.47元/km，远期大规模商业化运营后预计成本可降至0.8元/km，降本幅度达46%；同时假设客单价2元/km情况下，预计单车年收入/盈利可达 20/12万元，对应成本回收期约3.3年。

商业模式：技术推进政策配套，商业化运营反哺技术进步，完成开城规划

obotaxi商业化1.0阶段：技术推进政策配套，并通过商业化运营反哺技术进步，完成开城规划。当前阶段，以政策为导向，核心关注技术层 面突破，为后续阶段实现大规模量产先决条件。 伴随技术安全得到市场充分验证后，倒逼政策进一步放开，降本和消费者教育将成为行业大规模量产关键要素，后续采取第三方运营公司形成 布局，未来具备成本效率优势的企业有望引领行业格局，国内关注萝卜快跑、小马智行等。

空间测算：预计2030年国内Robotaxi市场规模有望达到7013亿元，运营数量384万辆

国内网约车市场近年保持较高增速：伴随市场逐步规范化，根据交通运输部统计，截至2023年末网约车司机累计注册量达657万辆，较去年增 长29%，2020-2023年CAGR达31%。在仅考虑注册网约车市场情况下：基本假设：2030年Robotaxi替代率20%，网约车司机总规模达925万人。预计Robotaxi运营数量将达到185万辆，对应市场规模3375亿元。 乐观假设：2030年Robotaxi替代率30%，网约车司机总规模达1281万人。预计Robotaxi运营数量将达到384万辆，对应市场规模7013亿元。

如何看待特斯拉Robotaxi竞争？

特斯拉 VS.国内：FSD全栈自研+迭代效率有望构建Robotaxi核心优势

特斯拉FSD采用纯视觉智驾方案：通过BEV+Transformer取代2D+CNN，大幅改善感知效果，V12（Supervised）版本实现端到端自动驾驶； 感知层基于Occupancy Network，使BEV空间从2D走向3D，完成对物体空间位置、语义及运动信息的准确判断；同时，Lanes神经网络摆脱高 精地图的关键算法，实现对车道拓扑连接的预测。

国内道路相对北美更为复杂，本土化训练模型+算力中心适配为关键。1)地图采集：BEV生成涉及地图测绘行为，根据《测绘法》规定，需要 与国内具备甲级制图资质的图商合作，同时BEV需要完全在车端生成实时局部地图，不进行云端全局拼接，以规避《关于导航电子地图管理有 关规定的通知》的限制。根据财联社消息，特斯拉将使用百度提供的高级辅助驾驶地图用于中国版FSD。2）数据闭环：特斯拉需要在中国境 内对模型进行训练，特斯拉在国内搭建数据中心，将国内业务产生的所有数据存储至中国境内，同时通过数据加密、鉴权、访问控制等技术手 段确保存储安全。此外，特斯拉需要构建本土化算力中心保障训练效率、本地数据闭环团队以支持算法适配及长尾场景优化。

FSD全栈自研+迭代效率有望构建Robotaxi核心优势。特斯拉相对国内厂商较量集中在FSD训练效率与多融合传感器方案降本。特斯拉舍弃激 光雷达等高昂硬件，有效降低硬件成本，同时国内Robotaxi芯片依赖外部采购，受制裁影响，采购价格昂贵，FSD自研进一步突显成本优势； 但纯视觉路线对图像的处理更依赖大量数据采集和模型训练，特斯拉在美国自建超算中心Dojo并自研D1芯片，实现FSD训练效率的大幅提升。 我们认为，特斯拉若想复制北美FSD训练效率，仍需要在国内搭建本土化算力中心，引入Dojo超算平台或者外采英伟达服务器，确保FSD在国 内的训练效率。

报告节选：