2024年Robotaxi核心问题三问三答

1. 当下时点 Robotaxi 进展如何？

受政策驱动，各国 Robotaxi 逐步开启商业化落地。利好政策叠加智能驾驶技术 成熟度的提升及成本优化，高阶智能驾驶具备逐步商业化落地的条件。政策端，多国 推出一系列支持自动驾驶发展的产业政策，逐步完善交通法规及监管政策，为 Robotaxi 等自动驾驶核心应用场景打造了更加成熟的政策环境。技术端，在特斯拉、 百度、华为等头部厂商的引领下，智能驾驶技术加速迭代，成熟度持续提升。成本端， 随着高阶智能驾驶规模化落地，产业链相关配套设施成本进一步下降，也推动 Robotaxi 整体成本的下降，全球 Robotaxi 商业化迈入新阶段。当下进展来看， Robotaxi 商业化稳步推进。海外 Waymo 商业化进展顺利，2024 年 6 月，Waymo 每周 付费订单约为 5 万单，营收实现显著提升。国内百度旗下萝卜快跑已经在 11 个城市 开放载人测试运营服务，且在北京、武汉、重庆、深圳、上海等地开展全无人自动驾 驶出行服务测试，预计 2024 年实现武汉单城市的盈亏平衡，商业化落地加速。

1.1 海外：监管力度加强，商业化进度稳步推进

政策：美国 Cruise 事故后监管力度加强。为降低 Robotaxi 常态化测试和运营 的事故率，2024 年 1 月，加州立法允许州内各城市自行制定关于 Robotaxi 的法规。 相关规定主要见于加州 DMV 的相关规定以及加州公用事业委员会（CPUC）实施的“自 动驾驶试验计划”和“自动驾驶第一阶段部署计划”。其中，“自动驾驶第一阶段部署 计划”对于无人自动驾驶车辆提出了更高的要求；此外，2024 年 4 月，加州草拟法 案 AB-3061 要求自 2025 年 7 月 31 日起，自动驾驶出租车生产企业需向加州 DMV 报 告涉及车辆碰撞、交通违规、自动驾驶系统失效，以及对残疾乘客造成的通行障碍或 歧视事件，对于不遵守报告要求的企业，将面临每日高额罚款。

Waymo 第六代 Robotaxi 开启路测。Waymo 第六代 Robotaxi 与极氪携手打造，相 比第五代基于捷豹纯电 I-PACE 改装，Waymo 第六代 Robotaxi 是前装量产车型，未来 将在美国、中国北京和瑞典三地投入商业化运营。传感器配置来看，第六代应该延续 前期视觉、雷达等多传感融合方案。激光雷达方面，配置头顶激光雷达（最远探测距 离 300m）、4 颗近距离激光雷达以及 1 颗车前激光雷达，覆盖了 360 度的视野；视觉 方面，还有覆盖 360 度范围的视觉系统（最远探测距离 500m），并配置超声波雷达。 自研关键传感器，持续推进多传感融合的自动驾驶发展路线。Waymo 自主研发关 键传感器，如激光雷达、毫米波雷达和摄像头，实现了全套传感器的自研，同时与 DeepMind 等企业合作，采用异步优化方法提高传感器识别效率。Waymo 核心优势在于掌握了 AI 算法与 LIDAR 无缝集成技术，通过开发高效的深度学习算法模型和自研芯 片，有效解决深度学习算法模型与硬件的高度捆绑问题，提高硬件利用率并降低成本， 多传感器融合策略也有助于提高自动驾驶系统的整体性能和可靠性。

特斯拉 FSD 持续迭代，引领“端到端”技术发展。特斯拉一直在推进基于纯视觉 的 FSD 技术，目前已经演进到 FSD V12.4.3 版本，在 FSD V12 版本已能实现监管模 式下的端到端大模型上车。特斯拉计划将无人驾驶出租车 Robotaxi 发布时间从 8 月 推迟到 10 月，标志特斯拉加速布局 Robotaxi，成为海外又一 Robotaxi 的重要厂商。

美国商业化进展：受 Cruise 事故影响，整体商业化进程有所放缓。美国 Robotaxi行业经历了“跨越式、快节奏”的发展后，Cruise 的事故给整个行业带来了深刻的 反思，整体商业化节奏有所放缓。一方面，监管机构在安全事故后加强了监管力度， 另一方面，企业在商业化进程中更加重视安全管理和风险预防，采取更为谨慎的循序 渐进方式，充分考虑城市政策、出行需求、气候和道路情况等因素。 Cruise 商业化进程波折，Waymo 稳步推进。2023 年 10 月，Cruise 旗下一部 Robotaxi 在旧金山发生重大交通事故，导致 Cruise 运营牌照许可被加州机动车管理 局宣布吊销。随后 Cruise 宣布召回 Robotaxi 车辆，并宣布暂停与通用、本田合作开 发的自动驾驶车 ORigin 的生产，组织结构剧烈变动，商业化进程放缓。直到 2024 年 5 月，Cruise 在凤凰城恢复自动驾驶测试，配备人类安全员。Waymo 则在政策支持下 商业化运营区域逐步扩展，落地复杂路况场景。2023 年 8 月，Waymo 获得加州公用事 业委员会（CPUC）批准，在旧金山提供全天候无人驾驶出租车服务，运营 250 辆汽 车。2024 年 3 月 1 日，Waymo 扩张计划获得加州公共事业委员会（CPUC）批准，新增 运营面积超 1200 平方公里，扩展至洛杉矶和旧金山等繁华城市区域。同月 5 日，宣 布在德克萨斯州奥斯汀为员工提供无人驾驶乘服务，覆盖 43 平方英里的区域。

1.2 国内：政策技术双驱动，Robotaxi 加速落地

政策端：明确自动驾驶准入规范，各试点城市落地规范发布。顶层框架和地方法 规相辅相成。整体而言，中国的政策框架旨在确保自动驾驶技术的稳定发展，同时鼓 励创新和商业化应用。而在地方层面，一些城市如北京、上海和广州等，已经开始实 施更为积极的政策措施，以支持自动驾驶技术的测试和应用，推动自动驾驶规模化量 产和商业化运营。截至 2023 年底，全国共建设 17 个国家级测试示范区、7 个车联网 先导区、16 个智慧城市与智能网联汽车协同发展试点城市，开放测试示范道路超 2.2 万公里，发放测试示范牌照超 5200 张。在无人驾驶出租车方面，截至 2024 年 4 月 底，国内发放的无人驾驶出租车试运营牌照总共 6800 张。

各地陆续出台相关政策，加速 Robotaxi 落地。以上海为例，2023 年上海 7 家企 业、30 辆无驾驶人汽车常态化开展测试，4 家企业、13 辆汽车启动高快速路测试与 示范，3 家企业、9 辆汽车获得 L3 级别自动驾驶高快速路测试牌照。截至 2023 年底， 上海累计开放测试区域总面积 912 平方公里，嘉定 464 平方公里和临港 386 平方公 里全域开放，自动驾驶测试（功能测试）里程 743.7 万公里，测试时长 65 万小时。

技术端：全面加码端到端，车路云协同发展。国内多家厂商跟进特斯拉“端到端” 技术线路。特斯拉 FSD V12 系统的全面推出，标志着端到端自动驾驶技术在量产车 型上的应用已成为现实，国内厂商纷纷加码。2024 年 4 月 24 日，华为在京发布华为 乾崑 ADS3.0 全新端到端架构；2024 年 4 月 25 日，商汤绝影发布面向量产的端到端 自动驾驶解决方案（UniAD Unified Autonomous Driving），将感知、决策、规划等 模块都整合到一个全栈 Transformer 端到端模型，实现感知决策一体化；2024 年 5 月 15 日，百度 Apollo 发布了支持 L4 级自动驾驶的大模型 Apollo ADFM（Autonomous Driving Foundation Model），通过隐式传递、联合训练实现端到端无人驾驶；2024 年 5 月 20 日，小鹏汽车发布国内首个量产上车的端到端大模型，包括神经网络 XNet+ 规控大模型 XPlanner+大语言模型 XBrain，分为感知、规控两大功能模块；2024 年 6 月 6 日，AIR 携手百度发布了全球首款支持实车部署的开源端到端自动驾驶系统 AIR ApolloFM。与美国等海外国家采用的单车智能方案不同，国内所采用的车路协同 的“车路云一体化”方案，将车辆、道路与云端进行深度融合，构建全方位、立体化 的智能交通生态系统。在这个系统中，车辆利用道路基础设施的感知能力，辅以云端 大数据和 AI 算法的智能支持，能够作出更精确的决策并实现高效协同，即使在复杂 多变的环境中，也能保持行车的安全性和效率。随着“车路云一体化”技术逐步部署， 智慧城市、智能交通将成为现实，协同自动驾驶系统，有利于高等级自动驾驶实现。

商业化进展：目前，受政府政策推动，中国 Robotaxi 正进入商业化落地阶段。 各企业获得了包括路测牌照、无人化测试许可、商业化运营许可在内的多项政策支持， 逐步由从小规模试点测试扩展至小规模商业化运营，不断扩展服务区域，集中于包括 北京、上海、广州、深圳、武汉等在内的多个核心城市区域。随着相关法规的完善和 市场的进一步开放，Robotaxi 有望在未来实现更大规模的商业运营，为公众提供更 加安全、便捷、高效的出行服务。

百度引领国内 Robotaxi 商业化落地。2024 年 Q1，百度的自动驾服务萝卜快跑 提供的自动驾驶订单约 82.6 万单，同比增长 25%；截至 2024 年 4 月 19 日，萝卜快 跑累计为公众提供的自动驾驶出行服务订单超 6 百万次。小马智行获多地区无人商 业化试点许可，与多个大规模出行平台合作。2023 年 9 月，小马智行获得深圳市级 首个无人化商业化示范应用许可，获准在深圳核心城区向公众提供 L4 级无人化自动驾驶出行服务（Robotaxi）。2024 年 7 月，小马智行又获上海市首批无人驾驶智能网 联汽车示范应用许可，提供 Robotaxi 服务。文远知行与传统出租车公司合资，集中 于京广两域进行测试。早在 2018 年初，文远知行在广州生物岛开启国内首个 L4 级 别自动驾驶常态化试运行。2019 年 6 月，文远知行获颁 20 张广州自动驾驶路测牌 照，占广州总牌照数超过 80%，数量位居全国第二；同年 12 月，在广州正式开启运 营服务，服务范围覆盖黄埔区核心的 144.65 平方公里的城市开放道路。2024 年 2 月， 文远知行在北京大兴国际机场至经开区之间开展 Robotaxi 载人示范活动，并于 5 月 获准在北京南站进行自动驾驶测试。整车厂进展来看，小鹏汽车、长安汽车均开始布 局 Robotaxi 等方向的最新进展，逐步拓宽高阶智能驾驶数据获取的边界。

2. Robotaxi 什么时候可以达到盈亏平衡点？

Robotaxi 短期内成本仍处高位，成本端有望持续优化。自动驾驶经过多年发展， 技术相对成熟，高阶智能驾驶渗透率快速提升。但 Robotaxi 的难点在于大规模商业 化运营且持续保证安全，行业常规做法是搭载昂贵的硬件配置并配备安全员。过去多 年行业持续降本，传感器如激光雷达成本大幅降低，安全员也从主驾挪到远程监控， 人工成本也得以降低。短期来看，单车成本仍在高位，预计到 2026 年 Robotaxi 的单车成本接近传统出租车/网约车成本。从城市来看，武汉萝卜快跑当前成本仍处高位， 单车仍处于亏损状态，不过随着整车硬件、运营等成本的降低，预计到 2025 年武汉 萝卜快跑可实现单车盈利。

2.1 单车模型：当前成本仍处高位，长期整体成本有望下降

从单车总成本来看，Robotaxi 的成本主要分为个部分：（1）整车制造成本，主 要包括自动驾驶模块所需的软件、硬件成本，以及整车其他模块的制造成本。（2）安 全运营成本，现阶段主要为车上安全员所需薪资及培训费用，后期逐步转向远程安全 员，同时涉及远程监控平台运维成本等其他安全运营成本。（3）运力运营成本，主要 涉及售后维保、补能、管理服务等。后续的成本分析中我们也将围绕这三个部分进行。

整车制造成本先行下探，长期随政策放松及远程监控技术加强安全运维成本逐 渐下降。目前，整车制造成本（车辆硬件成本）和安全运维成本占比较大。短期，预 计 2025 年左右，随着技术突破和规模量产，整车制造成本将率先下降；车上安全员 转为远程监控，但此时自动驾驶技术尚不成熟，政策对远程监控安全员的人车比管控 较强。长期，预计 2030 年左右，随着单车智能和远程监控技术进步，对远程安全员 的需求减弱，政策放松，远程安全员人车比下降，安全运维成本将进一步下降。

短期：三大成本制约，单车总成本仍在高位。成本测算来看，Robotaxi 主要成 本包括整车制造成本、运营成本、安全运维成本等。（1）整车制造成本：主流 Robotaxi 车型主要使用依赖高精地图和激光雷达的感知技术方案，需要装配高价值的激光雷 达，加之高算力芯片供给紧缺，整车制造成本居高不下。（2）运营成本： 对比普通 网约车和出租车公司，Robotaxi 的日常运营成本更高，一方面，Robotaxi 涉及缴纳 无人驾驶汽车的商业险，需要缴纳更高保费；另一方面，需要定期支付维修保养成本 和零部件更换成本，涉及针对电动汽车的小保养和大保养，包括路况检查和电路检测， 定期更换轮胎、刹车片等易损件。（3）安全运维成本：包括地勤人员成本和远程监管 与监控成本。当前安全员配备形式仍为车上安全员为主，每辆车需要安排 1 名安全 员，以应对车辆接管的情况。以萝卜快跑为例，根据招聘网站，一名安全员的薪资大 约在 6 千到 8 千，假设萝卜快跑在北京试点测试 200 辆 Robotaxi，则每月将会产生 120 万到 160 万的安全员成本。

长期：预计 2026 年左右 Robotaxi 单车成本接近出租车/网约车。未来，随着车 上安全员转为远程模式，自动驾驶技术成熟、核心供应链稳定，Robotaxi 单车成本 将会不断下降，预计于 2026 年逐渐达到盈亏平衡拐点。（1）整车制造成本：预计到 2030 年，随着自动驾驶技术的完善和核心硬件供应链的成熟，前装 Robotaxi 车型的 整车制造成本有望下降 50%-65%。随着半固态激光雷达方案及固态激光雷达技术的普 及，大规模生产将实现规模经济，将减少对昂贵旋转轴的需求，有助于降低成本。（2） 安全运维成本：未来，安全员的角色将由车内转移到远程，并且人车比将降低，这将 大幅削减与安全相关的运维开支。一方面，目前，一些远程安全员需要具备编程技能， 以便对出现故障的 Robotaxi 进行实时控制，这导致他们的薪酬略高于传统车上安全 员，但随着监控和调度程序的不断优化，未来对安全员的技术要求将降低；另一方面， 根据现行的《自动驾驶车辆运输安全服务指南（试行）》（“《服务指南》”），远程安全 员的人车比至少为 1:3。然而，随着车辆智能化和远程监控技术的提升，对远程安全 员的依赖将减少。预计到 2030 年，人车比可能达到 1:15 至 1:20，甚至更低，这样 每辆车分摊的安全运营成本将大幅低于配置车上安全员的情况。

2.2 城市模型：订单增长较快，有望在 2025 年实现盈亏平衡

在城市模型来看，我们选取武汉的萝卜快跑进行单个城市模型的测算。截至 2024 年 5 月，萝卜快跑在武汉的服务面积已经扩展到 3000 平方公里，覆盖 770 万人口。 目前，萝卜快跑已在武汉投放了 400 多台 Robotaxi 提供无人驾驶出租车服务，计划 在 2024 年投放至 1000 辆。订单层面，截至 4 月 19 日萝卜快跑全国累计向公众提供 乘车服务 600 万次，其中武汉“全无人驾驶”订单比例已超 55%，并在 4 月份继续上 升至 70%，预计未来几个季度将快速上升至 100%。

目前萝卜快跑定价较高，扩张阶段优惠力度大。我们以 15km 的订单来对比萝卜 快跑和滴滴的价格。订单耗时方面，由于萝卜快跑在实际运行过程中驾驶策略偏于保 守，因此在完成距离均为 15km 左右的订单情况下，滴滴完成订单的时间预计是萝卜 快跑的 75%。我们实际测算 15km 订单萝卜快跑大约耗时 40 分钟，则滴滴快车大约耗 时 30 分钟。结合萝卜快跑以及滴滴收费规则可以发现，在使用优惠折扣之前，萝卜 快跑的价格远高于滴滴快车。滴滴每公里价格最低约为 2.1 元，最高为 2.8 元；而相 同距离情况下，萝卜快跑每公里最低单价约为 4.6 元，最高约为 6.2 元。由于当前萝 卜快跑处于前期市场拓展阶段，为用户推广提供了较大优惠力度。根据我们体验订单 数据来看，订单总额 85.22 元，其中优惠减免 55.40 元，实际支付 29.82 元，折扣力 度约为 3.5 折。若按 3.5 折来对比，则萝卜快跑每公里实际支付价格约为 1.61 元， 比滴滴最低价格便宜约 30%。

当前萝卜快跑盈利情况或不如预期，尚未实现盈亏平衡。日均成本约 416.1 元， 日均收入约 272.7 元左右，日均亏损 143.3 元。 成本侧：单车制造成本较高，城市政策红利降低安全运维成本。（1）单车制造成 本：目前，萝卜快跑在武汉使用的主流车型是百度旗下 Apollo（阿波罗）第五代车， 一辆车的成本为 48 万元，成本较高，折算至每日成本约 263 元。（2）日常运营成本： 主要包括日常维修保养费用，保险费用和补能成本，共计 88.75 元每日。①日常维修 保养费用方面，包括日常保养和元器件更换。日常保养，假设两年小保，一年大保， 则三年保养费用约为 2000 元，折算至每日成本约 1.8 元；元器件更换，一年大约两 次换胎，折算至每日成本约 6.6 元，两次换刹车片，折算至每日成本约 2.2 元；②保 险费用，一年每车约 4000 元，折算至每日成本约 11 元 ③补能成本，每日续航 300 公里，使用换电模式，假设换电时段的日夜比为 3:7，每日成本约 67.2 元。（3）安全运维成本：萝卜快跑在武汉运营时远程安全员的人车比较低，一名安全员最多可以 监测20辆Robotaxi,大大降低了安全运维成本。这主要是由于武汉相关要求的放松： 武汉 2022 年出台的《武汉市智能网联汽车道路测试和示范应用管理实施细则（试行）》 把对安全员的要求弱化为远程测试时每辆车“应配备一名远程安全员”，而没有对 这名安全员是否能同时监控其他车辆做出约束。假设远程安全员人车比为 1:20，地 勤人员人车比为 1:7，每日安全运维成本大约为 64 元。日均成本 416.1 元。

收入侧：优惠补贴力度较大，订单单价较低。近期萝卜快跑在武汉每车日均峰值 订单 20 单左右，假设平均每天订单 15 单，每单 10 公里，按常规计价规则，最高客 单价为 59.7 元，最低客单价为 44.2 元，平均价格约为 52 元。由于当前萝卜快跑优 惠力度较大，用户通过拉新可获得 1 折、3 折、5 折优惠券。假设用户普遍获得 3.5 折优惠券，客单价约为 18.2 元，平均每公里收费 1.82 元，每日收入共 272.7 元左 右，日均亏损 143.3 元。

预计 2025 年第六代无人车投产降低单车成本，开始盈亏平衡。根据测算，第六 代无人车部署后，萝卜快跑将扭亏为盈，日均成本约 265.3 元，日均收入约 311.7 元， 日均盈利约 46.4 元，预计 2025 年盈亏平衡。 成本侧：假设新一代无人车成本降低超 50%。（1）单车制造成本：2025 年，百度 第六代无人车投入使用，完成大规模部署，车辆硬件成本由 48 万下降至 20.48 万元， 大大降低单车成本，折算至每日成本约 112 元。（2）日常运营成本：维修保养费用约 每日 10.6 元，保险费用约每日 11 元，补能成本约每日 67.2 元，共计 88.75 元每日。 （3）安全运维成本：假设远程安全员人车比为 1:20，地勤人员人车比为 1:7，每日 安全运维成本大约为 64 元。日均成本 265.3 元。

收入侧：优惠力度或小幅调整。由于第六代车整体成本大幅下降，预计萝卜快跑 定价也出现较大调整，预计每公里成本与网约车成本接近。测算过程中我们假设萝卜 快跑定价暂不调整，维持较低折扣以吸引用户。假设平均每天订单 15 单，假设每单 10 公里，优惠力度方面有所下降，假设平均 4 折。则平均客单价约为 20.8 元，单均 收入 2.08 元，日均收入 311.7 元，2025 年开始盈利，日均盈利约为 46.4 元。

长期车型持续升级，预计 2030 年单车日均利润破百元。根据测算，随着整车成 本的持续优化以及运营成本的降低，预计到 2030 年萝卜快跑日均成本约 207.8 元， 日均收入约 311.7 元，每日单车盈利约 104 元。 成本侧：车型更新换代，单车成本继续降低。（1）单车制造成本：预计到 2030 年，Robotaxi 产业链逐步成熟，整车成本进一步下降，甚至接近当前网约车成本， 假设 2030 年萝卜快跑网约车成本约为 10 万元，折算至每日成本 54.8 元。（2）日常 运营成本：维修保养费用约每日 10.6 元，保险费用约每日 11 元，补能成本约每日 67.2 元，共计 88.75 元每日。（3）安全运维成本：假设远程安全员人车比为 1:20， 地勤人员人车比为 1:7，每日安全运维成本大约为 64 元。日均成本约 207.8 元。 收入侧：订单优惠力度减少，单价有望提升。2030 年，Robotaxi 用户心智培养 成熟，市场较为稳定，预计优惠力度将会减少，当然萝卜快跑的定价也有望大幅下调， 整体费用低于网约车。考虑到各厂商纷纷入局后竞争激烈，叠加成本端的优化，假设 萝卜快跑定价规则不变，仍以较低折扣抢占市场及用户。假设日均订单量仍保持在 15 单，每单平均里程为 10 公里，平均与 2025 年萝卜快跑水平持平，约为 20.8 元，每 日收入约 311.7 元，盈利 104 元左右。

3. 如何看待 Robotaxi 与单车智能、车路云的关系？

3.1 Robotaxi 和单车智能：渐进式和跃进式探索高阶智能驾驶

Robotaxi 采用“跃进式”方式，即针对 L4/L5 级别智能驾驶功能完成工程化落 地，其中 Waymo 为最典型的代表。单车智能，即乘用车智能化，主要采用“渐进式” 方式，策略是在量产车上优先搭载 L2/L3 级辅助驾驶，通过超配算力及传感器和影子 模式完成低成本收集数据，训练算法迭代技术，最终做到 L4/L5 功能的落地。

数据获取来看，Robotaxi 单日获取数据内容更丰富，数据范围集中在单一城市。 （1）数据内容对比来看，单车智能积累的数据主要集中在高频出现的道路，包括主 干道路、城市快速路等；Robotaxi 积累的数据内容更加分散，多维度的开放路线和 非主干道路的里程数据成为主要方向。（2）数据范围来看，单车智能在经历 2023 年 开城后可以实现全国范围内的数据获取，Robotaxi 则更集中地完成针对一个城市内 部累计里程的数据内容获取。

单城市数据里程来看，特斯拉领先，百度领跑其他新势力。针对数据保有量和累 计里程的计算，我们借鉴《如何评级车企端到端能力》对累计里程的回测方式，完成 以武汉为例的 Robotaxi 和单车智能累计里程数据对比。保有量来看，结果来看，特 斯拉受益于车型保有量实现规模上的领先，百度（萝卜快跑）受益于运营车辆高里程 数实现累计里程数据规模上的领先。未来整车厂有望受益于车型销量的增加实现累 计里程数据的反超。

功能迭代上，单车智能采用分类的方式解决中高频问题，Robotaxi 需要针对特 定场景和边缘数据变化完成功能的及时迭代。从功能落地方式来看，单车智能通过将 场景库分类的方式进行功能升级，以理想汽车的 NOA 迭代模式为例，公司绘制出高 中低频和高中低危的九宫格，针对全国范围内的功能进行升级，强调的重点是适用范 围，而后是功能效果。Robotaxi 则更加专注于本地化功能的完善与使用效果的提升。 以萝卜快跑为例，2024 年 2 月百度萝卜快跑全无人自动驾驶汽车驶过武汉杨泗港长 江大桥和武汉白沙洲大桥，完成了自动驾驶的“万里长江第一跨”。

评价函数要求来看，Robotaxi 安全优先，单车智能效率优先。单车智能目前仍 处在发展阶段，L2+级别车辆在运行过程中，驾驶员可以随时接管车辆驾驶权，针对 功能的评价函数更偏向于功能的执行效率和从感知到规划的时间。Robotaxi 目前可实现驾驶位上无安全员的运营模式，评价函数中偏向轨迹稳定和安全优先。

3.2 Robotaxi 与单车智能互补，车路云完成数据补偿和监管

高阶智能驾驶阶段后技术具备互通性。以端到端大模型为例，特斯拉、新势力车 企、百度等车企均加速布局端到端大模型，减少人工特征提取的需要，并识别出数据 中关联性，打通从感知到决策的全过程。端到端神经网络通过多层神经元结构，将输 入数据逐步转化为更高层次的特征表示，网络通过反向传播算法自动调整权重，降低 预测输出和实际输出的差值。各家均加速布局端到端大模型的落地，去除“感知—决 策—执行”的传统智能驾驶链路，充分提升数据和训练效率。

Robotaxi 与单车智能有望实现“1+1＞2”的效果。未来高阶智能驾驶解决方式 /技术路线有望互通，加速高阶功能落地。单车智能受益于保有量的领先，有望实现 数据规模上的领先。Robotaxi 由于功能效果领先，以及在数据认知、任务模型构建 等环节具有较强开发能力，可以针对低频场景和特殊城市地区完成场景库的搭建与 丰富，从而在高阶智能驾驶功能中实现互补。

车企智能驾驶数据获取体系：“路测车队+Robotaxi+家用车”的结构。车企端智 能驾驶发展路线来看，在功能超越 L3 级别后，路测车队+Robotaxi+家用车的结构有 望成为数据获取与成本探索的最优解：一方面，功能初期由路测车辆完成，经过 Robotaxi 验证后逐步 OTA 给乘用车；另一方面，硬件成本边界的探索未来同样为整 车厂需要解决的问题，增加 Robotaxi 运营后，可以逐步探索家用车的 Bom 成本边界。

未来车路云、单车智能、Robotaxi 有望成为加速高阶智能驾驶落地的三驾马车，端到端等大模型应用有望加速高阶智能驾驶功能落地。分工来看，车路云作为智能 驾驶的底座，在未来高阶智能驾驶落地的作用中起到至关重要的作用：一方面需要给 予单车智能与 Robotaxi 路端数据补偿，充分补充视野盲区；另一方面，保证功能落 地需要确定的监管体系，车路云可以通过多维度数据获取的方式完成安全性监督。同 时，Robotaxi 和单车智能作为不同实现高阶智能的两种方式，数据范围和功能路径 上互补，受益于端到端等大模型的加速落地，有望加速 L4/L5 功能的持续推进。

编辑：火腿肠