2025年汽车智驾行业的思考与梳理：Robotaxi加速落地，智驾精进前行

Robotaxi商业化落地加速

Robotaxi商业化落地加速，规模上量拐点临近

从2H24至今，全球Robotaxi头部公司的订单量、对外合作均取得重大突破：1）国外：2024/11 Waymo在 旧金山网约车订单市占率约20%，接近美国第二大网约车公司Lyft；截至2025/5，Waymo车队规模已达1,500 辆，每周接单数约25万单（vs. 2024年每周接单数约10万单）。2）国内：小马智行已陆续接入高德地图、支 付宝、微信出行服务等出行平台接口，并于2025/5与Uber达成战略合作（预计将于2H25E接入Uber平台）。 我们判断，2025E全球Robotaxi商业化落地加速，车队规模与订单量正在逐步扩大（2025E小马智行车队规 模或将达1,000辆、2026E Waymo车队规模或将达3,500辆），预计规模上量拐点临近。

L2+ vs. L4，差异点有哪些

Robotaxi定位L4，L4或跨越L3率先实现商业化

Robotaxi定位L4，为可摈弃驾驶员/车内安全员、可在城市指定场景下2B运营的高阶无人驾驶。我们判断，1）L3仅为L2+升级至L4的过渡（L3仍要求驾驶员在必要时进行接管）；相比之下，L4的定位+应 用场景+责任界定更为清晰，预计L4为跨越L3、继L2+之后可率先实现商业化落地的高阶智能驾驶（vs. L5要求 在任意时刻/任意地点均可实现无人驾驶，或为智能驾驶的终极理想状态）。

L2+ vs. L4差异点：责任界定、运营区域、牌照

我们判断，L4与L2+相比的差异点主要包括：1）责任界定：L4无人驾驶系统无需驾驶员接管、主要事故责任 由车企/运营厂商负责（vs. L2+仅为辅助驾驶，驾驶员需全程手握方向盘且为事故第一责任人）；2）运营区域： L4主要针对特定区域、指定上下车的无人驾驶（vs. L2+可以在任意路段/区域行驶）；3）牌照：现阶段L4无 人驾驶车辆上路牌照主要分为测试、免费运营、商业运营三大类，每一类又按主副驾是否有人细分为12个等级 （vs. L2+无需特殊牌照即可上路）。

L2+ vs. L4，何为核心突破点

从L2+至L4：或存在理念与方法论的巨大变革

我们分析，1）L2+定位于辅助驾驶（驾驶员需全程手握方向盘）、L4定位于无人驾驶（可摒弃车内安全员）。 L4的核心突破点在于如何处理长尾场景（系统自动处理 vs. L2+司机兜底），预计两者之间存在着基于理念与 方法论的巨大变革。2）预计L4或以强化学习为主（vs. L2+以模仿学习为主）；其中，为满足全场景覆盖+系 统自动处理的安全性，L4对数据的要求（极端天气+极小概率事件的长尾场景覆盖，世界大模型） 、算法的要 求（感知+决策+执行算法） 、算力+带宽的要求（车端/云端算力）均在大幅增加。 我们判断，1）L4无人驾驶能否落地的最大挑战在于长尾场景处理。2）鉴于模仿学习中获取的数据或呈正态 分布且成本高+效率低，预计强化学习+世界大模型或为实现L4无人驾驶技术落地的核心方法论。

从L2+至L4： 从模仿学习切换至强化学习

当前智驾系统训练方法论包括：1）模仿学习：主要通过模仿现有数据集，通过算法优化找到与现有数据集 差距最小的自动驾驶系统策略，使自动驾驶系统策略与现有数据集无限接近（系统模拟人类司机，更适合 L2+）；2）强化学习：系统通过与环境的反复互动进行学习，根据环境提供的信号不断更新策略，找到最优化 的自动驾驶策略（通过世界大模型涵盖更多长尾场景，更贴合L4的要求）。 我们判断，1）与模仿学习相比，强化学习只需少量初始训练数据即可开始学习，泛化能力更强+具备更高的 模型上限能力（vs. 模仿学习对数据依赖程度更高，系统或可无限接近人类但难以突破人类上限）。2）强化学 习训练过程更为复杂；其中，我们预计L4落地的复杂难度依次为：数据（构建世界大模型，创造逼近真实世界 的训练环境用于模拟长尾场景）、算法（设立与环境交互学习中的信号机制） 、算力+带宽（大量计算资源） 。

VLA+世界模型或为当前主流趋势

VLA（Vision Language Action，视觉-动作-语言）模型融合空间、语言、行为，并可与世界大模型进行交互， 实现强化学习的算法模型；VLA四大核心模块包括：1）空间智能：通过传感器输入的信息，形成开车环境和 自我理解，并将这些信息token化（形成AI语言）；2）语言智能：通过大语言模型统一进行类似语言的推理； 3）行为智能：与人类驾驶员类似，在推理出当前环境和车端情况后，生成驾驶路径；4）强化学习：将生成路 径与世界大模型进行交互，找到最优路径反馈给模型。 

我们判断，1）与传统的端到端模型相比，VLA可实现对周围环境的理解、并能直接输出控制指令（进一步提 升模型的可解释性）；此外，VLA的推理时长可达几十秒，可应对更多复杂场景。2）随着L2+头部新势力车企 陆续布局VLA+世界模型，我们预计VLA+世界大模型方法论有望逐步成为当前智驾行业的主流趋势。

L2+车企陆续引入VLA+世界模型的理念，体验升级

2025E头部新势力车企陆续搭载高算力芯片、引入VLA+世界模型的理念：1）VLA：当前尚未真正落地；核心 难点在于如何将传感器信息与语言/文本信息、以及执行决策进行融合/训练，将环境+语言/文本的理解转换为 平滑且自然的驾驶轨迹；预计首个VLA模型将于2025/7搭载于理想i8；2）世界模型：蔚来已导入世界模型 （或引入强化学习理念，模型与环境交互的自主学习能力提升），行车体验升级。

我们判断L2+车企通过高算力、引入VLA+世界模型等理念带动驾乘体验升级，但与L4仍有本质区别：1）L2+ 搭载激光雷达的大部分车企仅配置1-2颗激光雷达（局部场景数据采集/训练），安全冗余性存在不足（vs. L4 至少搭载4颗以上激光雷达，小马智行第七代搭载9颗激光雷达）；2）L2+世界模型的构建难度较低（仿真数 据生成难度+应用比例降低 vs. L4需借助世界大模型需生成各类极端+罕见场景的数据，用于应对长尾场景）。

国内外头部智驾厂商进展梳理

特斯拉：Robotaxi共享平台，结合Airbnb+Uber

马斯克指引特斯拉的Robotaxi将结合Airbnb+Uber的运营模式。1）Airbnb模式：轻资产平台+信息互相匹配模 式；不拥有任何房屋或其他资产，将多余房间、公寓和旅行者的需求进行匹配，充分利用互联网技术和数据进行 信息匹配。2）Uber模式：不限制旗下车辆的定位、也不限制所服务人群，针对不同的时间段给出租车制定不同 的服务价格；用户不用出门就可以在手机上通过应用叫车，车辆即可抵达用户所在的当前位置。

预计特斯拉Robotaxi，1）借鉴Airbnb匹配住房的模式，利用互联网技术和数据将闲置车辆和用车需求进行匹 配（2C）；2）借鉴Uber根据地理位置将消费者需求和现有车辆作匹配，并按时段制定租车服务价格（2B）。

特斯拉：全球L2+引领者，L4纯视觉或再掀技术变革

美国当地时间6/22，特斯拉Robotaxi开启试运营；马斯克指引2026E量产首款无人驾驶汽车Cybercab。

特斯拉沿用L2+纯视觉技术路径方案至L4，进一步验证纯视觉的可行性。我们预计，1）软件算法或搭载FSD V14（vs. 当前L2+最新版本为FSD V13.2.8）、Cybercab智驾芯片或搭载HW5.0（vs. 当前全自动驾驶MY搭载 HW4.0）。2）特斯拉Robotaxi或仍以2B市场为主，单车盈利的核心在于后台运营管理费用、后台车辆维护费 用，预计具备更高的商业经济性+市场扩容潜力。3） Robotaxi产品落地仅为第一步，核心在于能否跑通+商业 化上量。我们看好特斯拉的技术降本能力（自研芯片设计+纯视觉+Unboxed process组装工艺等），聚焦算法 /算力+带宽升级、不同区域运营资质等政策推进、以及指定上下车地点/路线规划等提前布局。

Waymo/小马智行：全球Robotaxi运营先行者

Waymo、小马智行分别为美国、中国的Robotaxi主要运营商；两者均采用相近的L4激光雷达技术路径，车 队规模与订单量正在逐步扩大；其中，现阶段Waymo的车队规模、订单量、数据积累量更为占优。 我们判断，1）如何实现技术升级+技术降本带动大规模量产（车队规模扩大），是决定L4能否实现商业化上 量的关键。2）当前小马智行已通过算法升级+硬件优化，相比Waymo具备更强的降本能力（第七代车型L4系 统成本下降70%、搭载L2+的激光雷达禾赛AT128 vs. Waymo或仍采用成本高昂的机械式激光雷达）。我们看 好小马智行降本、量产/车队规模与订单量扩大+运营范围扩张，驱动基本面改善+市值提振前景。

小鹏汽车：L2+头部地位稳固，L4落地指日可待

我们判断，小鹏汽车为跟进特斯拉技术路径与方案规划最为紧密的新势力，指引将于2026E推出Robotaxi。 当前，基于L2+方案：1）算法升级至自研世界基座模型：2024/5小鹏发布国内首个量产上车的端到端纯视觉 大模型；“小鹏世界基座模型”参数规模达720亿（约为主流VLA模型的35倍），与强化学习结合后或可充分 激发模型性能上限，预计将于年内实现量产。2）车端已实现芯片自研+云端已建成国内最大智驾算力集群：我 们预计小鹏自研图灵芯片将首发搭载于全新SUV车型G7（预计3Q25E量产），预计单颗算力或达700+TOPS； 此外，小鹏算力储备已达10EFLOPS，为当前国内汽车行业最大自动驾驶算力集群。 我们判断，1）世界基座模型升级+芯片自研+算力储备充足有望助力小鹏延续L2+的智驾头部地位，并进一步 增强平价智能化的技术兑现能力（看好Mona M03 Max的爬坡上量前景）；2）L4的最大挑战在于长尾场景处 理、能否商业化上量的关键在于技术升级/降本，看好小鹏通过L2+技术优势赋能L4的落地前景。

理想汽车：围绕家庭用户场景，聚焦L2+体验升级

理想汽车定位于家庭用户（车型规划以中大型SUV、MPV为主）；我们判断，理想汽车将持续深耕L2+家庭 用户市场，智驾的核心在于聚焦L2+体验升级（预计或不涉足Robotaxi 领域）。 当前，基于L2+方案：1）即将推出VLA司机大模型算法：2025/3理想推出新一代自动驾驶方案MindVLA，预 计将于2025/7与首款纯电SUV i8同步首发。理想VLA司机大模型集成空间智能、语言智能、行为智能，实现感 知+理解+车辆控制的端到端连接，系统表现或将更类人化。2）车端+云端算力同步升级：2025/5理想推出L系 列智能焕新版，AD Pro系列芯片由地平线J5升级至J6M（算力128TOPS）、AD Max系列芯片由双英伟达Orin 升级至Thor-U（算力700TOPS）；截至2024/12，理想云端算力已超8EFLOPS。 我们判断，理想通过VLM+端到端、以及下一代VLA模型布局，已明确其在国内L2+的智驾头部竞争力。我们 看好理想通过家庭用户精准定位、L2+体验升级驱动的产品力走强前景（短期聚焦纯电上量爬坡能力）。

蔚来：世界模型上车，持续巩固L2+智驾能力

蔚来旗下涵盖三大品牌。我们判断，1）主品牌（蔚来）定位于中高端纯电市场、乐道品牌或参考理想定位 于家庭用户市场、萤火虫定位于精品小车或主打海外市场。2）预计蔚来或不涉足Robotaxi 领域。当前，基于L2+方案：1）发布世界模型：2024/7蔚来正式发布智驾世界模型NWM（NIO World Model）， 并已于2025/5开启首批推送。NWM可全量理解信息、生成新场景、预测未来可能发生的轨迹（在100毫秒内可 推演216种可能发生的轨迹并寻找最优路径）；进一步提升模型的空间认知能力、后续场景预测能力，海量数 据的利用率也更高效。2）自研芯片上车、云端算力储备：蔚来NT3.0车型将陆续搭载自研芯片神玑NX9301 （5nm车规智驾芯片、单颗芯片算力1,000+TOPS）；截至2024/12，蔚来智能驾驶端云总算力达378.1EOPS。 我们判断基于世界模型，蔚来高速+城区领航等用户体验感已全面升级，有望巩固其L2+智驾能力。

报告节选：

编辑：火腿肠