行业深度 AI应用之Robotaxi:L4级无人驾驶重塑移动出行

■ Robotaxi的市场潜力与三大商业模式。Robotaxi的核心在于通过L4级自动驾驶技术彻底剥离“人类驾驶权”，实现全流程自主运营。预计到2035年，中国Robotaxi市场规模有望达到4000亿元人民币。目前行业确立了三条商业落地路径：一是重资产自营模式，即企业自购定制化车辆并直接运营出行平台。二是轻资产合作模式，即引入第三方资产方租赁车辆，自动驾驶企业专注核心的运力调度与实际落地。三是纯技术赋能模式，即彻底剥离C端运营，纯粹作为系统和硬件供应商（Tier 1/SaaS）向车队或平台收费。

■ 政策、成本与算法是驱动Robotaxi产业爆发的基石。政策护航：中国政策呈现“三步走”战略，目前已进入全无人商业化爆发期，多地（如武汉、北京、上海）明确了无人驾驶车辆的运营资质与收费标准，释放商业潜能。成本优化：目前Robotaxi单公里综合成本约1.14元，已实现了对传统网约车成本的结构性超越。这主要得益于硬件成本大幅下探，以及智能调度使得“人车比”向1:10甚至1:43跃升，极大摊薄了人工监管成本。算法演进：“端到端”大模型成为行业主流，叠加VLA（视觉-语言-动作）模型与世界模型（World Models），使得Robotaxi不仅能感知，还能进行逻辑推理和物理态势预测，从而有效应对高难度的长尾场景。

■ Robotaxi对传统汽车价值链的重塑。整车厂：增长模式从“单车销量”向“MaaS（出行即服务）运营商”转型，利润空间向全生命周期的服务订阅转移。零部件：传统塔式供应链瓦解，算力芯片和高阶雷达成为核心，“软件定义汽车”促使具备软硬一体化能力的Tier 0.5级供应商崛起。后市场与金融：维保需求从分散的4S店向集中化的专业车队管理（重点在三电检测、智驾标定）跃迁。汽车金融则从C端个人信贷，全面转向基于B端重资产车队的高频运营收益资产证券化（ABS）与供应链融资。

■ Robotaxi产业的中美博弈与头部玩家格局。全球市场加速演变为中美两强主导的博弈，并催生出“科技公司提供大脑+车企负责制造+出行平台提供网络”的铁三角合作模式。美国阵营：Waymo采用多传感器融合的“重感知”路线，单车成本虽高但安全性指标优于人类驾驶基准；特斯拉则坚持“纯视觉+极致降本”路线，依靠70亿英里真实数据驱动端到端算法，计划通过Cybercab建立极低成本优势。中国阵营：以全栈自研的初创企业为主导。小马智行（Pony.ai）是国内唯一在四大一线城市全无人商业化运营的企业，凭借第七代系统量产优势大幅降本；文远知行（WeRide）则采取“1+5+N”多场景战略，在中东等海外市场获得国家级全域牌照，成为出海领导者。

■ 风险提示。Robotaxi正处于从“技术验证期”向“规模化商业落地”跨越的关键拐点，需关注商业模式无法闭环、技术路线颠覆、长尾场景安全、合规与数据等风险。（本部分有删减，招商银行各行部请登录“招银智库”查看原文）

正文

掘金无人出行产业，剑指4000亿市场空间

1.1从辅助驾驶到无人出行的技术演进

Robotaxi（无人驾驶出租车）是一种基于L4/L5级自动驾驶技术的无人化共享出行服务。其核心特征在于彻底剥离“驾驶权”，将传统网约车从依赖人类驾驶的模式转变为以算法与高精度传感器为核心的新型交通基础设施。相比L2/L3级辅助驾驶，Robotaxi的关键在于实现全流程自主运营，取消车内安全员，从而重塑移动出行的底层逻辑。截至2026年初，全球已有超过30家企业获得L4级自动驾驶路测许可（涵盖带人路测及商业化试点），但受限于技术瓶颈、软硬件耦合精度及冗余安全架构要求，真正具备全无人驾驶商业化运营能力的企业仍不足10家，行业呈现高度头部集中趋势。

从本质上看，Robotaxi的商业化标志着自动驾驶技术从L3级向L4/L5级的跨越。与仍需驾驶员随时接管、冗余设计有限的L3级系统不同，L4级系统能够在特定运行域内实现完全自主响应，其感知误检率需控制在0.01次/千公里以下，并依托双电源、双制动等硬件冗余以及千万公里级测试验证，成为当前唯一具备商业可行性的技术层级。L5级系统虽然代表全场景、全天候自主，但由于技术复杂度呈指数级上升且法规尚未适配，目前仍处于仿真研发阶段。因此，全球主流企业普遍聚焦L4级，通过多传感器融合与毫秒级决策控制，推动出行市场的深度重塑。

1.2产业链：上中下游的关键环节解析

在产业链上游，核心软硬件供应商及底层基础设施构成了Robotaxi实现高阶自动驾驶的关键支撑。硬件方面，主要包括感知层的激光雷达、高清摄像头、毫米波雷达，以及决策层的车规级算力芯片和域控制器。近年来，上游硬件经历了显著的规模化降本，例如，头部厂商的激光雷达价格已降至约200美元，显著推动了自动驾驶套件整体硬件成本下降。与此同时，为满足庞大的数据处理需求，车载计算平台的算力和集成度持续提升。以小马智行第七代车规级域控制器为例，其内部集成多颗英伟达Orin-X芯片，综合算力高达1016TOPS。在软件与数据基础设施方面，随着智能驾驶算法从传统规则驱动向端到端（E2E）及人工智能世界模型演进，能够自动生成海量复杂路况仿真数据并提供强大云端算力的平台，已成为上游产业链中不可或缺的核心技术资产。

产业链中游是自动驾驶解决方案与整车制造深度融合的关键区域，主要由自动驾驶科技公司与传统整车厂（OEM）共同主导。在商业化推进过程中，自动驾驶科技公司（如小马智行、百度Apollo、文远知行等）作为核心智驾能力的提供者，聚焦于“虚拟司机”软件栈和自动驾驶套件的持续迭代。然而，为实现Robotaxi的大规模高品质落地，这些科技公司正不断深化与广汽、丰田、北汽等主力整车厂的战略合作。中游合作模式已从早期的后装改造，全面转向前装量产，即科技公司与整车厂联合开发具备L4级自动驾驶能力的定制化车辆平台。这种深度协同不仅显著提升了车辆的系统集成度、冗余设计及车规级安全性，也有效摊薄了整车制造成本。例如，部分新一代量产车型的售价较上一代产品下降近10万元，为下游商业模式实现盈亏平衡提供了坚实的硬件基础。

产业链下游聚焦于Robotaxi的商业运营与终端出行服务，涵盖车队资产管理方、出行网络平台及最终乘客出行场景。随着行业车队规模不断扩大，下游商业模式正经历从企业独自承担整车采购的“重资产自营”向多方协作的“轻资产赋能”的深刻转型。在轻资产模式下，专业第三方资产管理公司或出行服务提供商承担起车辆采购或租赁，以及日常维保和充换电等运营工作。与此同时，为快速扩大终端用户触达并提升全天候订单密度，Robotaxi运力被积极接入高德地图、如祺出行、曹操出行乃至Uber等成熟的第三方聚合打车平台。在这一不断完善的下游生态中，自动驾驶科技公司逐渐将重心转向技术赋能，通过提供软硬件系统授权及维护支持获取收益；而聚合平台与车队公司则依托各自在客户网络和重资产运营上的优势，共同推动Robotaxi在各大城市的渗透率提升及商业化变现。

1.3商业模式：重资产自营、轻资产合作与纯技术赋能

随着Robotaxi行业从区域性技术测试逐步迈向规模化商业落地，各家自动驾驶科技公司的商业模式正在发生深刻变革。为在资金压力、运营控制权与规模扩张速度之间寻求平衡，行业逐步探索并确立了三条主流商业化路径。这三条路径不仅映射了技术提供商、整车厂（OEM）、车队公司与出行网络平台之间不断重塑的合作生态，也体现了自动驾驶企业从重资产模式向轻资产模式转型的必然趋势。

重资产自营商业模式：Robotaxi参与者同时扮演技术提供商与车队运营商的双重角色。商业化初期，为确保软硬件高度整合以及对乘客体验的全面掌控，多数自动驾驶科技企业倾向于重资产运营模式。业务通常由技术提供商、整车厂与出行网络平台三方联合开展。自动驾驶科技公司不仅是技术提供者，更是车队的实际拥有者和直接运营商。企业通过自有资金向合作整车厂采购具备L4级自动驾驶能力的定制化车辆，并部署到自营Robotaxi车队中。在服务端，企业既可通过自有出行APP直接触达乘客，也可将运力接入第三方聚合打车平台。该模式的核心收入来源是乘客支付的打车费用，如接入第三方平台，则需支付相应的客户获取及渠道分成费用。重资产模式的优势在于企业能够形成完整的数据闭环，加速底层自动驾驶算法迭代；但劣势同样显著——庞大的车辆采购带来高额资本开支，对企业现金流造成压力，限制了车队规模快速扩张及跨地域商业部署。

重资产自营模式下的单车经济（UE）特征：高营收、高折旧与规模效应的高弹性。从收入端看，企业可获取终端乘客支付的全额车费，若通过自有出行平台获客，还可省去支付给第三方网约车平台的渠道抽成或客户获取费，使单车日均总营收达到最高天花板。然而在成本端，该模式压力最大：单车UE模型需计提整车及自动驾驶套件（ADK，Autonomous Driving Kit）的高额折旧，同时全额承担车辆充换电、保险、日常维护、停车及地勤人员等刚性运营成本。在此模型下，单车毛利率对车辆利用率（即日均订单量和有效行驶里程）及客单价高度敏感。一旦订单密度突破盈亏平衡点，由于折旧为固定成本，边际利润率将呈现极高弹性，使单车在全生命周期内释放可观的绝对利润。

轻资产合作运营模式：为突破资金瓶颈并实现高效扩张，行业逐渐引入第三方资产运营主体，向轻资产合作运营模式转型。在这一架构下，自动驾驶科技企业不再承担沉重的车辆采购成本，而由专业资产持有方或车队公司出资向整车厂购买或租赁车辆。技术提供商通过支付租金及日常维护费用获得车辆使用权，仍扮演出行服务核心运营商的角色，负责车队智能调度及网约车服务的实际落地，其营业收入仍来自终端乘客支付的车费。由“重”向“轻”的转型，将庞大的资本支出转化为相对灵活的运营支出，使企业在不大量消耗融资现金储备的前提下，借助外部资本迅速提升重点城市的运力密度，加速规模效应下的商业飞轮运转。

轻资产合作运营模式下的单车经济（UE）特征：折旧转租赁，利润率略降但ROIC显著提升。在UE测算中，最大的变化是剔除了整车及自动驾驶套件的高额折旧，取而代之为支付给第三方车队的固定或浮动车辆租赁费。在收入端，企业依然赚取网约车服务的乘客车费。虽然单车绝对毛利率可能较重资产模式略低（因车队资产方需通过租金获取自身资本回报），但从财务健康度角度来看，战略意义重大。该模式显著削减单车落地的初始资本支出（CapEx），将静态沉没成本转为动态运营支出（OpEx）。在剔除资金占用成本后，企业单车投入产出比（ROIC）实现质的飞跃，使其在有限现金流下更快地在多城市复制“单车盈利”的成功经验。

纯技术赋能模式：在该模式下，自动驾驶企业彻底剥离面向消费者的出行运营职能，回归为纯粹的技术赋能者与软硬件供应商（类似Tier1或SaaS服务商）。Robotaxi车队的实际运营主体由传统第三方出行服务提供商或大型交通集团承担，这些平台自行采购或租赁已集成自动驾驶套件（ADK）的车辆，并依托自身庞大的用户基础、成熟的合规调度体系及广泛市场网络开展无人驾驶网约车服务。对于自动驾驶科技公司而言，核心商业闭环发生根本性转变：收入来源不再依赖单车出行车费，而转向企业端的自动驾驶硬件套件销售、软件“虚拟司机”系统授权及项目服务费。这一纯轻资产模式赋予系统高度可扩展性，使企业能够摆脱重资产运营束缚，通过行业结盟快速抢占市场份额，是行业成熟期实现快速盈利的主要形态。

纯技术赋能模式下的单车经济（UE）特征：规避运营损耗，转向高毛利SaaS与硬件销售。在此模式中，单车收入不再与日均订单量、客单价或空驶率直接挂钩，而由两部分构成：前端一次性销售的自动驾驶硬件套件（ADK）毛利，以及后端按里程或订阅收取的“虚拟司机”软件系统授权费。成本端，企业摆脱了充换电、保险、维修、停车及安全员等日常物理运营支出，仅承担软件后期维护及研发摊销。该模式下的单车UE具有极强抗风险能力，不受天气、交通管制或区域供需波动影响。由于软件授权几乎零边际成本，单车毛利率远高于直接提供出行服务，且收入高度可预测，是自动驾驶技术向泛化赋能演进的终极盈利形态。

1.4抢占Robotaxi蓝海，4000亿市场在望

Robotaxi市场规模的计算主要基于单车经济模型（Unit Economics，UE）与宏观渗透率模型。核心公式可概括为：市场规模=Robotaxi车队规模×单车日均订单量×平均客单价×年运营天数。具体逻辑拆解如下：

▶ 车队规模：市场空间的基础在于Robotaxi能够替代多少现有出行运力？一是对网约车/出租车的存量替代，未来Robotaxi主要集中在一、二线城市运行。据测算，中国一、二线城市现有网约车/出租车约430-500万辆。假设到2030年，Robotaxi渗透率达到5-10%。二是对私家车的部分替代。除替代传统打车外，Robotaxi凭借成本优势，也有可能替代部分入门级私家车的出行需求。

▶ 运营时长：人类司机每日平均工作10-12小时，而Robotaxi理论上可全天候运营22-24小时（扣除充电与清洁时间），显著提升车辆使用效率。

▶ 单车日均订单量：当前在成熟区域的Robotaxi（如百度、小马智行）单车日均订单约为15单，略低于人类司机水平。随着运营区域扩大、调度算法优化及全天候运营，未来单车日均订单量预计可提升至25单以上，高于传统人类司机水平。

▶ 价格模型：目前Robotaxi定价通常与高端网约车相当，长期计算逻辑假设Robotaxi的每公里定价将低于网约车。中国：预计从当前的补贴价格逐步回归正常，长期稳定在2~3元/km（持平或略低于目前一线城市网约车价格）；美国：Waymo目前定价较高（约2美金/英里），但在特斯拉Cybercab等低成本车型入局后，长期目标是降至1美金/英里。

据弗若斯特沙利文数据，2024年中国一、二线城市网约+出租车辆保有量约为365万辆。预计到2030年，Robotaxi车队规模可达40万辆，对应渗透率约11%。若届时单车年均营运里程约6.6万公里、平均车费2.1元/km，则中国Robotaxi市场规模有望达到约550亿元，2035年市场空间可达4000亿。

政策护航、成本优化与算法进化，筑就Robotaxi腾飞基石

2.1政策护航释放Robotaxi商业潜能

法规与政策不仅是Robotaxi商业化落地的前提，也为其技术验证、车辆准入与道路运营设定了明确的安全底线和责任框架，直接影响商业模式的可扩展性与投资回报周期。从道路测试许可，到数据安全合规，再到精细化运营资质管理，一套系统化且前瞻性的政策体系既是行业稳健发展的“稳定器”，也是推动技术从局部示范向大规模商业应用跃升的核心动力。

中国已建立了从国家到地方的完整政策支持体系，是目前全球Robotaxi测试和商业化最活跃的市场之一。

国家层面看，回顾过去五年，中国自动驾驶政策呈现出清晰的“三步走”战略。第一阶段（2020-2022）：示范区设立期。以2020年9月北京高级别自动驾驶示范区（亦庄）的设立为标志，监管重点在于封闭场地和特定路段的有安全员测试。第二阶段（2023-2024）：去安全员尝试期。政策开始允许“主驾无人，副驾有人”，进而过渡至“车内无人，远程监控”。这一阶段的核心在于验证安全员（1：N）模式的可行性。第三阶段（2025-至今）：全无人商业化爆发期。2025年是分水岭，交通运输部与地方政府明确了无人驾驶车辆的运营资质、收费标准，标志着Robotaxi正式从“科研项目”转变为“商业服务”。

地方层面看，不同城市在Robotaxi的开放尺度上展开激烈竞争。武汉作为百度Apollo Go的大本营，2025年实现了全域、全天候、跨江通行，允许全无人车辆混入早晚高峰车流，成为全球最大的自动驾驶运营区；北京采取“小步快跑”策略，从亦庄核心区逐步向大兴机场、北京南站等交通枢纽渗透，强调政策的严谨性与安全性；上海依托浦东立法优势，于2025年7月发放首批无驾驶人智能网联汽车示范运营证，允许在浦东特定区域进行收费运营，强调商业闭环。

美国的监管呈现碎片化特征，但联邦层面正在寻求统一和放松管制以促进产业发展。联邦层面，目前缺乏统一的联邦自动驾驶标准，NHTSA（国家公路交通安全管理局）主要提供指导意见。但在特朗普政府时期，交通部计划在2026年春季提出新规，放宽对FMVSS（联邦机动车安全标准）的要求，允许没有方向盘、踏板等手动控制装置的车辆上路。州级层面，对自动驾驶的监管趋严。得克萨斯州早期政策宽松，只需备案即可上路，但2025年9月通过新法案，要求Robotaxi运营商在部署前获得DMV（车辆管理局）许可，并于执法部门建立事故响应机制，监管力度有所收紧。加利福尼亚州的监管最为严格，DMV（车辆管理局）负责车辆许可，CPUC（公用事业委员会）负责运营许可，此外企业还需提交详细的Disengagement Reports。

中美以外国家普遍缺乏本土无人驾驶公司，政策上鼓励与约束并重。欧盟主要遵循UNECE（联合国欧洲经济委员会）的法规，侧重于L3级，对L4级Robotaxi的开放较为谨慎。英国通过《2024年自动驾驶汽车法案》，确立了L4级车辆的法律框架，明确了无驾驶员情况下的责任主体为授权实体而非个人，目标是2026年实现自动驾驶汽车上路。而中东地区（阿联酋和沙特）的政策较为激进，阿布扎比于2025年10月向文远知行颁发了联邦层面的全无人驾驶Robotaxi商业运营牌照，这也是中东首个此类牌照。

2.2成本优化触发Robotaxi商业化临界效应

2.2.1 成本端测算

Robotaxi的成本结构与传统的网约车存在显著差异，呈现出“高固定资产折旧、低可变边际成本”的特征。具体成本构成测算如下：

▶ Robotaxi车辆成本

整车及智驾系统：随着前装量产车（如Apollo RT6）的下线，L4级车辆制造成本（含冗余底盘、固态激光雷达、大算力域控制器等）已从早期的百万元级别大幅下探。本模型假设单车采购成本为250000元。

日均折旧摊销：按5年折旧、5%残值计算，单车年折旧额为47500元，折合单日折旧成本约144元/天。

▶ 运营及维护成本

能源成本：假设单车电耗为16kWh/100km，综合电价平均为0.8元/kWh，300公里/天的能源成本为38.4元/天。

保险费用：考虑到L4级车辆保险目前处于探索期，费率高于普通营运车辆，设定年保险费为15000元，折合单日成本为45元/天。

维保与清洁：重度运营下硬件损耗较快，设定年维保清洁费用为18000元，折合单日成本为54元/天。

云代驾与通信服务费：按现行法规及安全冗余要求，需配备远程安全员。假设1名安全员可同时监管10台Robotaxi（人车比1:10），安全员综合人力成本10000元/月。单车分摊的云代驾人工成本为1000元/月，折合单日30元/天。5G/V2X高带宽通信费单日约10元/天。

停车与场地费：夜间充电及整备场地租赁，预估单日20元/天。

单车日均总成本（TCO）合计：144+38.4+45+54+30+10+20=341.4元/天。按日均300公里计算，综合单公里成本约为1.14元/公里。

2.2.2 收入端测算

为了建立严密的UE模型，本测算基于目前行业头部企业的公开数据及产业链调研，设定以下在2026-2027年规模化运营阶段的中性假设：

运营负荷：假设单车全年无休或仅受限于基础维保，年运营天数为330天。得益于无需司机休息的特性，单车日均行驶里程设定为300公里/天。

有效里程利用率：即计费里程占总行驶里程的比例。考虑到空驶调度、寻客及充电时间，设定稳态下有效里程利用率为60%，即日均载客计费里程为180公里。

定价体系：为加速渗透率提升并保持对传统网约车的竞争优势，假设Robotaxi终端客单价较传统网约车（约2.2-2.5元/公里）存在一定折扣，设定综合计费标准为1.8元/公里。

车辆生命周期：考虑到Robotaxi属于重度运营资产，且电子电气架构迭代极快，折旧年限按保守估计设定为5年，残值为5%。

基于上述假设，对单车的收入与利润空间进行测算：

日均营业收入：日均计费里程（180公里）×综合单价（1.8元/km）=324元/天。

单车日均毛利：营业收入（324元）-日均总成本（341.4元）=-17.4元/天。

阶段性测算结论：在25万元的整车成本与60%的有效载客率下，Robotaxi单车尚未完全实现正向毛利，处于盈亏平衡线的边缘。这也解释了为何当前行业仍需依赖资本输血及整车补贴。然而，UE模型的魅力在于其对规模与技术迭代的极强弹性。一旦突破核心阈值，其盈利能力将呈指数级释放。

2.2.3 持续降本，UE有望转正

传统燃油及新能源网约车的日均总成本中，司机薪酬通常占总收入的50-60%，属于极其刚性且随通胀逐年上升的核心支出。相比之下，传统网约车的单公里成本普遍在1.5-1.8元（含人力成本）。当前，Robotaxi的单公里成本已降至约1.14元，从根本上实现了对人类驾驶成本的结构性超越。

为了实现UE模型的全面转正，产业未来的边际改善路径主要集中在以下三个维度：

一是硬件摩尔定律深化。随着自动驾驶产业链日益成熟及规模效应显现，Robotaxi整车及核心硬件成本正快速下降，为规模化商业落地提供了核心驱动力。整车方面，以小马智行为代表的头部智驾企业通过持续迭代显著降本，其2025年推出的第七代车型单车成本预计降至27万元，相较2020年第五代车型的100万元，实现约73%降幅。这一趋势背后，上游核心感知硬件的降价作用不可或缺。以禾赛科技为例，激光雷达价格自2022年的5200元迅速下降，预计2025年降至2500元，并在2030年进一步收敛至约2050元。总体来看，上游核心硬件的规模化量产与技术降本正持续向下游传导，推动Robotaxi整车制造成本优化，加速行业跨越商业化盈亏平衡点。

二是调度优化提升效率。从运营效率优化角度来看，降低空驶率是Robotaxi实现商业化降本的关键路径之一。数据显示，当前成熟网约车平台（如滴滴、首汽）在北京和深圳的空驶率多在21%至38%区间，而Robotaxi的空驶率约为40%，与传统巡游出租车（37.5%-41.7%）基本持平，处于较高水平。然而，高空驶率也意味着显著的降本潜力。不同于依赖司机经验的传统运力，Robotaxi依托AI驱动的全局统筹与智能调度。随着区域运营密度的提升、海量数据的积累以及调度算法的持续优化，Robotaxi的运力网络将能够实现更精准的时空供需预测和实时匹配。这种系统性AI优化有望大幅减少车辆无效行驶里程，推动空驶率显著下降，从而有效摊薄单车全生命周期运营成本，加速Robotaxi商业模式的盈利闭环。

三是算法演进提升“人车比”。人力成本的边际递减也是Robotaxi优化盈利模型的核心驱动力，其关键路径在于提升“车人比”（即单人可监管车辆数），以大幅摊薄单车的云端安全员或远程代驾成本。行业发展初期，由于技术尚不成熟及国内早期政策的强制安全要求，头部企业（如萝卜快跑、小马智行）的人车比普遍为1:3，Waymo甚至高达1:1。近两年来，随着自动驾驶端到端模型对长尾场景（Corner Case）处理能力显著增强，系统对人工接管的依赖大幅下降。预计到2026年，Waymo、小马智行与萝卜快跑的人车比有望分别提升至1:43、1:20和1:10，实现跨越式优化。这一由技术演进驱动的人效比飞跃，将彻底打破传统出行服务中人力成本刚性的桎梏，为Robotaxi实现单车经济模型（UE）转正提供坚实支撑。

2.3算法演进赋能Robotaxi性能飞跃

随着无人驾驶技术的不断迭代，高集成度的“端到端”大模型已逐渐成为行业主流。相比传统架构中感知、预测、规划与控制模块分立所带来的信息损耗与规则局限，“端到端”模型通过单一神经网络直接将传感器原始数据映射为驾驶指令。凭借数据驱动的自主学习能力，该模型在复杂路况下展现出卓越的泛化性与可扩展性，加速了Robotaxi的商业化落地，使其能够更加从容地应对高难度城区场景。然而，在可解释性、算力消耗及安全性验证等方面的挑战仍然存在，促使行业进一步探索VLA（视觉-语言-动作）模型与世界模型（World Model）两条技术路径。

VLA（Vision-Language-Action，视觉-语言-动作）模型：在Robotaxi迈向全无人化规模运营的过程中，VLA模型成为突破长尾场景认知瓶颈的核心动力。不同于传统模块化架构或纯视觉端到端模型，VLA模型引入大规模多模态预训练技术，使车辆具备深度语义理解与逻辑推理能力。它将视觉感知的物理特征与人类语言的常识背景深度融合，使Robotaxi不仅能够识别“路边施工”，还能理解告示牌含义或交警手势，在无图城区及复杂人机博弈环境中实现类人决策。这种从“感知”到“认知”的范式跃迁，有效缩短了不同城市间的适配周期，为L4级自动驾驶提供更强的泛化能力与安全性保障。

世界模型（World Models）：如果说VLA模型是Robotaxi的“大脑”，世界模型则是具备前瞻预测能力的“小脑”。其核心在于对物理规律的深度建模与未来态势生成模拟。世界模型通过学习海量驾驶轨迹及环境交互数据，构建内部物理仿真逻辑，能够预测未来数秒内可能发生的交通演化路径，例如儿童可能冲出街道的场景。它不仅作为高保真“模拟器”显著降低Corner Case数据获取成本，还通过时空一致的推理能力，支持系统在复杂动态环境中进行闭环演算与风险评估。这种对现实物理世界的深刻洞察，是Robotaxi摆脱安全员干预、实现高置信度自主运行的关键技术基石。

根据Waymo发布的安全影响数据，“任一车辆安全气囊弹出率”与“任一人员受伤报告率”是评估自动驾驶系统（ADS）对道路安全实际贡献的核心量化指标。前者以气囊弹出这一物理刚性指标为依据，有效消除了人为报告偏差，客观反映系统在规避中高烈度碰撞事故中的能力——Waymo相比人类驾驶基准降低约82%；后者通过对轻伤、中度伤及重伤事故的全面统计，验证了ADS在降低公共健康风险方面的社会价值——较人类驾驶基准降低约81%。两项指标相互印证，不仅表明Waymo Driver在全场景驾驶中显著优于人类平均水平的安全性，也显示自动驾驶技术通过减少因驾驶员分心、疲劳或判断失误导致的致伤冲突，正成为提升城市交通安全韧性的关键路径。

Robotaxi如何影响传统汽车价值链？

在Robotaxi商业化加速落地的背景下，传统汽车产业链正经历一场从“硬件制造”向“软硬一体化运营”的深层范式转移。

3.1车企：从产品制造商向MaaS运营商的转型

Robotaxi的兴起正在重塑传统汽车行业以“单车销量”为核心的增长模式。在自动驾驶时代，车辆属性正从消费品向生产资料转变，主机厂的角色也将出现显著分化。具备全栈自研能力的头部车企可通过“制造+算法+运营”的闭环，转型为出行平台运营商，并通过全生命周期的服务订阅与运营分成获取高利润，实现估值逻辑从制造业向互联网服务业的跃升。而缺乏核心算法能力的车企，则可能沦为“代工厂”，在产业链中的话语权被大幅压缩，利润空间受制于标准化硬件的激烈竞争。与此同时，产品设计逻辑将由“驾驶员中心”转向“乘客中心”，座舱智能化、舒适性及硬件冗余安全性将成为新的核心竞争维度。

3.2零部件：硬件标准化与“算法+数据”驱动的供应体系重塑

传统汽车供应链的塔式结构正逐渐瓦解，取而代之的是以算力与传感器为核心的扁平化新生态。在Robotaxi体系中，感知层的激光雷达（LiDAR）、4D毫米波雷达，以及决策层的高算力智驾芯片，已成为新的增量核心。随着技术成熟，硬件将趋于标准化与规模化，以禾赛为代表的领军企业通过产能扩张与工艺优化降低单车成本，成为行业的“硬通货”。与此同时，Tier 0.5级供应商（系统方案提供商）的地位日益凸显，软件定义汽车（SDV）正在成为现实。作为自动驾驶的物理执行层，线控底盘的双重冗余设计正从高端配置演变为标准刚需，这对传统转向和制动系统供应商提出了更高的电子化与安全性要求。

3.3后市场：从分散式服务向集中化、专业化车队管理的跃迁

Robotaxi的规模化商业落地不仅有望重塑出行市场的运力格局，其作为高度资本密集型的运营模式和新能源出行先锋，也将对传统汽车售后维保市场产生深刻的结构性冲击。不同于私家车低频、分散的使用模式，Robotaxi处于24小时高强度运营，对车辆耐用性、维保频次及响应效率提出了严苛要求，使现有分散式4S店体系难以适应，催生出集自动化清洗、高效补能与精准预防性维护于一体的高度集中化专业车队服务商。同时，随着Robotaxi渗透率提升，其基于纯电平台的车辆设计剔除了内燃机及复杂机械部件，直接压缩了传统维保业务空间。2025年中国部分售后零部件销售数据已显现这一趋势：润滑油类（机油-6%、自动变速箱油-7%）、过滤系统（燃油滤清器-12%）、点火系统（火花塞-4%）及制动系统等传统燃油车耗材普遍萎缩。在运营模式与硬件底座的双重变革下，维保市场的价值重心正快速重构——从零散修理件销售转向全生命周期资产保值与运营保障，核心业务集中于“三电”系统检测、智驾传感器标定及OTA软件运维等高附加值服务。这不仅迫使传统汽修门店加速转型，也使具备大规模车队运维与保障能力的企业构筑起极高的行业准入壁垒。

3.4汽车金融：资产属性切换带来的投融资逻辑变革

随着Robotaxi商业化加速，汽车金融市场的底层逻辑与业务形态将迎来结构性重塑。核心驱动力在于出行模式正从“拥有车辆”向“出行即服务（MaaS）”发生根本性转变。这一趋势将压缩传统基于个人信用的C端零售汽车信贷规模，同时催生B端重资产车队运营商的大额融资需求。面对Robotaxi企业高昂的初始采购成本及日常现金流压力，商业银行和金融机构的信贷投放与产品供给将加速从标准化消费金融向经营性租赁、供应链金融，以及基于车队未来高频运营收益的资产证券化（ABS）、项目融资等定制化、机构化工具倾斜。风险定价与资产管理的核心评估指标也将发生转变：从“驾驶员行为与个人信用”，实质性迁移至“自动驾驶算法可靠性、车队调度效率及单车经济模型（UE）”。总体来看，Robotaxi的规模化落地将推动汽车金融由单纯购车资金周转升级为覆盖出行产业周期的综合资产管理与动态风险定价体系。能够实现大规模B端资产穿透管理，并基于高频、海量运营数据进行精准风控的金融机构，将在这一轮产业范式更迭中构建全新的竞争壁垒。

Robotaxi的中美博弈，重点玩家竞争力分析

全球Robotaxi行业竞争正加速演变为中美两强主导的系统性博弈，已超越单纯自动驾驶算法，扩展至顶层政策设计、供应链韧性及商业化落地规模的综合竞争。美方依托先发优势，通过头部企业在算法迭代与高端算力芯片领域建立技术壁垒；中方则凭借“车路云一体化”的制度优势、海量复杂数据场景及极致产业链成本控制，快速构建差异化竞争力。随着行业迈入从技术验证向规模化运营的关键“深水区”，博弈焦点将从单车智能突破转向商业闭环效率与监管准入标准的争夺。谁能率先在安全红线与创新速度间找到最优平衡，谁就将掌握全球智能出行产业价值链重构的话语权。

4.1美国：硅谷巨头领跑，单车智能筑基

4.1.1 Waymo：多模态传感堆砌，单车成本高企

Waymo起源于2009年的谷歌自动驾驶项目，并于2016年分拆为独立子公司。公司总部位于美国加利福尼亚州，专注于研发L4级全自动驾驶解决方案“Waymo Driver”。凭借Alphabet（谷歌母公司）强大的资金支持与技术积淀，Waymo在自动驾驶领域积累了数百亿英里的模拟仿真里程，是全球首家实现无安全员全无人驾驶商业化运营的企业。在资本市场层面，Waymo展现出极强的融资能力，继2024年完成56亿美元融资后，于2026年初再次完成160亿美元融资，投后估值攀升至1260亿美元，稳居全球自动驾驶独角兽估值榜首。

在Robotaxi细分赛道，Waymo目前处于绝对的全球领导地位，被视为行业的“金标准”。截至2025年底，Waymo在美国运营着一支约2500辆规模的全无人驾驶车队，主要由捷豹I-PACE车型组成，并计划引入极氪和现代IONIQ 5等新一代车型以扩大规模。其商业化运营网络已覆盖凤凰城、旧金山、洛杉矶、奥斯汀和亚特兰大等核心城市，并正向迈阿密、华盛顿特区以及国际市场（如东京、伦敦）积极扩张。在运营数据方面，Waymo表现出强劲的增长势头，其在加州的Robotaxi投放数量从2023年8月的82辆迅猛攀升至2025年11月的1700辆。伴随规模扩张，其单车日均订单量也从2023年8月的起步阶段稳步增长至2025年11月的25单。此外，Waymo车队的运营效率也在持续优化：单车日均等待时间从2023年8月的13.1小时大幅缩短至2025年11月的7.4小时，且加州车队的空驶率也由同期的55.7%降至2025年底的43.8%。

技术路径上，Waymo坚持“多传感器融合”的重感知路线。其车辆配备高精度的LiDAR、雷达和摄像头阵列，构建了极高的安全冗余，近期更是引入了多模态大模型（Waymo Foundation Model）以提升对长尾场景的泛化能力。商业模式方面，Waymo正从早期的重资产自营向“混合运营”模式演进。在旧金山和洛杉矶，公司主要通过自有的Waymo One应用程序提供服务；而在奥斯汀和亚特兰大等新市场，Waymo则采取了与Uber等出行平台深度绑定的策略，利用Uber庞大的流量入口解决需求密度问题，同时将车辆运维外包给第三方，从而优化单车经济模型。尽管其单车硬件成本（约10-16万美元）目前仍显著高于特斯拉及中国竞争对手，但Waymo正通过与极氪等车企的合作加速新一代低成本平台的量产，以期在2026年实现更大规模的盈亏平衡。

4.1.2 特斯拉：纯视觉的极致路线，数据驱动算法演进

特斯拉在Robotaxi领域选择了与Waymo截然不同的发展路径——“单车智能+纯视觉+极致成本”。2024年10月，特斯拉正式发布了专为该赛道打造的Cybercab车型，该车取消了方向盘与电踏板，支持无线感应充电，预计售价低于3万美元，成为其向移动出行服务运营商转型的核心载体。在传感器硬件方案上，特斯拉将“纯视觉”理念贯彻到底。例如，Model 3仅依靠8个摄像头，总传感器数量仅为8个；而Waymo的第五代捷豹I-Pace则采用多传感器融合方案，包括29个摄像头、6个毫米波雷达及5个激光雷达，总计40个传感器。

在软件与算法层面，特斯拉的核心竞争力来源于其庞大的真实世界数据积累。截至2026年初，搭载FSD（Full-Self-Driving）的特斯拉车辆累计行驶里程已超过70亿英里，这种海量数据规模在业内无可比拟。基于这些独有数据，特斯拉采用模仿人类神经网络的端到端（End-to-End）控制逻辑，将感知到的视觉信号直接映射为车辆操作指令，从而显著提升车辆在非结构化复杂环境下的灵活性与应对能力。

在商业模式与运营方面，特斯拉计划打造“Tesla Network”共享出行平台。该网络不仅包含特斯拉自营的Cybercab车队，还允许现有Model 3和Model Y车主在车辆闲置时接入平台共享分成。通过这种无需增加资产负担的分布式运营模式，特斯拉能够快速扩张Robotaxi车队规模，同时在服务费价格上保持明显优势。预计到2026年，特斯拉将在旧金山、奥斯汀等地开展数千辆规模的试点运营，其单英里运营成本有望降至0.20美元的极低水平。

4.2中国：车路网云协同，初创企业主导

4.2.1 小马智行：全栈自研驱动的中国Robotaxi先锋

小马智行（Pony.ai）成立于2016年，由彭军和楼天城共同创立，是全球领先的L4级自动驾驶技术公司。公司通过全栈自研的“虚拟司机”技术，构建了自动驾驶出行（Robotaxi）、自动驾驶卡车（Robotruck）及智能驾驶辅助（POV）三大业务板块。在资本市场方面，小马智行于2024年和2025年先后在纳斯达克和香港联交所完成上市，进一步巩固了其全球自动驾驶“独角兽”的地位。在Robotaxi细分市场中，公司与百度Apollo并称中国行业“双雄”，核心竞争优势在于极高的合规准入壁垒，目前是国内唯一在北、上、广、深四个一线城市均获准开展“全无人”商业化运营的企业。截至2025年底，小马智行累计自动驾驶测试里程超过5500万公里，其中全无人测试里程突破1000万公里，构建了难以逾越的监管与技术护城河。

在商业化推进方面，公司持续关注Robotaxi车队规模的扩张及单车日均营收表现，同时收入来源日益多元化。除了核心的Robotaxi运营，POV业务通过域控制器销售贡献重要营收，其销量和售价的变化反映了公司在硬件前装量产领域的渗透能力。通过与丰田、广汽及北汽的深度合作，小马智行推出第七代自动驾驶系统（Gen7）并实现车规级量产。该系统BOM成本已降至约27~30万元人民币，较上一代下降约70%，显著低于美国同行Waymo第六代车型约16万美元的成本水平。得益于对供应链的深度整合，如采用NVIDIA Orin或Thor芯片及半固态激光雷达，公司成本控制能力显著增强，车队在广州等城市已率先实现单车毛利转正，为大规模商业化奠定财务基础。

在国际化布局上，小马智行已在韩国、中东、东南亚及欧洲等地获得多项测试或运营许可。2025年，公司与Uber达成战略合作，计划将Robotaxi服务接入Uber平台，并首站落地中东，标志海外业务进入实质性创收阶段。市场普遍预期，随着车队规模进一步扩大，小马智行有望在2029至2030年实现整体盈利，巩固其在全球自动驾驶产业的领先地位。

4.2.2 文远知行：多场景布局的Robotaxi全生态探索者

文远知行（WeRide）成立于2017年，总部位于广州，由前百度自动驾驶首席科学家韩旭创立。凭借核心通用型自动驾驶平台“WeRide One”，公司在技术上确立了行业领先地位，并于2024年10月在纳斯达克上市，随后于2025年11月在香港联交所完成双重上市，成为“全球通用自动驾驶第一股”。通过与博世、广汽集团、宇通集团及雷诺-日产-三菱联盟等顶级Tier 1供应商和车企的深度战略合作，文远知行成功构建了稳固的产业生态壁垒。

在商业模式上，公司采取差异化的“1+5+N”战略，不局限于单一赛道，而是布局涵盖Robotaxi、Robobus、Robovan、Robosweeper及ADAS的五大产品矩阵，实现城市出行、物流配送及市政环卫等多场景覆盖。技术端，公司推出的新一代Robotaxi车型GXR，搭载高性能计算平台HPC 3.0及Sensor Suite 5.6，将单车硬件成本压低至约4万美元（约28万元人民币），具备显著量产优势。在中国市场，文远知行稳居Robotaxi第一梯队，已在北京、上海、广州、深圳开展业务，并在广州和北京获得“全无人”商业化运营许可，截至2026年1月，运营车队规模突破1000辆。通过Robobus和Robosweeper的城市公共服务落地，公司在商业化渗透上展现独特优势，并已与如祺出行等平台实现混合派单运营。

海外市场方面，文远知行是中国自动驾驶企业中布局最广的“出海领头羊”，在中国、阿联酋、新加坡、美国、法国、沙特阿拉伯及比利时等7个国家获得测试或运营牌照。尤其在中东市场，公司占据主导地位，获得阿联酋首张国家级全域自动驾驶牌照，并与Uber合作，于2025年在阿布扎比上线中东首个全无人Robotaxi服务。通过与新加坡Grab等本地平台的合作，文远知行形成“技术出海+本地化运营”模式，使其在海外市场的商业化进程和收入结构上均优于多数国内同行。

4.3 “铁三角”合作模式：科技公司+整车制造+运营服务

Robotaxi行业的高技术门槛和重资产属性，决定了单一企业难以通吃全产业链。当前，中国市场已形成了清晰的“铁三角”合作模式，市场的参与者主要由三大阵营构成：L4及自动驾驶技术公司、整车制造企业和出行服务平台。这三类主体凭借各自在算法技术、运营网络和车辆制造方面的核心优势，通过独立研发或通过合资合作与战略联盟的形式共同切入这千亿级市场。为此，我们对此三类参与者做了如下SWOT分析：

自动驾驶科技公司：这一类公司是Robotaxi技术的供给源头，拥有行业最高的护城河——L4及算法与数据积累，代表性企业如Waymo（谷歌旗下）、萝卜快跑（百度旗下）、小马智行和文远知行等。优势（Strengths）：具备极高的技术壁垒，尤其是在处理Corner Case（长尾场景）方面具有压倒性优势。早期积累的高精度路测数据是其核心资产，算法迭代速度远超传统车企。劣势（Weaknesses）：普遍缺乏硬件制造基因，需依赖车企代工，导致对车辆成本的控制力较弱。此外，作为初创型科技公司，面临巨大的研发与车队投入双重资金压力，自我造血能力还未建立。机遇（Opportunities）：商业模式可灵活切换。既可寻求独立运营自有车队，也可转型Tier 1模式向车企输出技术解决方案（Inside模式），有望成为自动驾驶时代的Android。挑战（Threats）：面临头部车企自研的挤压。若无法在资金链断裂前跑通商业闭环，或被特斯拉纯视觉低成本方案降维打击，将面临生存危机。

整车制造企业：车企掌握着移动空间的物理载体，是成本控制和规模化生产的主力，代表企业如：北汽、广汽埃安、Cruise（通用汽车旗下）、小鹏等。优势（Strengths）：拥有成熟的供应链体系与前装量产能力，可以将Robotaxi整车成本压缩到极致，且传统卖车业务提供稳定的现金流，抗风险能力强。劣势（Weaknesses）：软件基因先天不足，组织架构也难以适应AI的快速迭代。在涉及安全责任界定与品牌声誉时，决策往往趋于保守，拖慢路测进度。机遇（Opportunities）：从“卖硬件”的低毛利模式向“卖服务”的高毛利模式转型的历史机遇。通过定制化Robotaxi车型，可挖掘全生命周期价值。挑战（Threats）：若在智能化下半场失守，极易沦为科技公司或平台的硬件附庸，丧失产业链话语权。

出行服务平台：平台连接出行服务的供需两端，掌握着核心的流量入口和运营网络，代表企业如Uber、滴滴、高德等。优势（Strengths）：拥有海量的C端用户和极低的获客成本。此外，其独有的“混合（有人/无人）调度”能力是Robotaxi过渡期的关键，能有效解决初期运力不足与区域覆盖有限的问题。劣势（Weaknesses）：存在技术空心化的风险。若缺乏自研自动驾驶技术，长期将受制于上游技术方。且作为轻资产平台，在Robotaxi重资产运营时代，其价值链占比可能被压缩。机遇（Opportunities）：可进化为“超级聚合平台”。无论谁造车、谁做算法，最终都要通过平台触达用户，平台或转型为Robotaxi车队的专业运营商，通过精细化运营赚取管理费。挑战（Threats）：若特斯拉建立独立且强大的流量入口，平台可能面临被旁路的危机。面临被旁路的危机。

特斯拉不同于上述任何一方，它代表了Robotaxi行业的另一种终局形态——全栈垂直整合。特斯拉打通了“芯片+算法+数据+制造”。

短期格局：“铁三角”合作是主流。在Robotaxi尚未实现全无人、全区域覆盖的当下，科技公司的“大脑”+车企的“身体”+平台的“网络”是最务实的落地路径。从长期来看，随着技术成熟度的提升，行业壁垒将发生转移

业务建议和风险提示

5.1产业发展阶段判断

全球自动驾驶行业正处于从早期的技术验证与封闭测试期，向规模化商业运营与盈利模式探索期过渡的关键历史阶段。过去十年，自动驾驶高度依赖风险投资（VC）与私募股权（PE）进行“烧钱”续命，属于典型的高风险、无正向现金流的早期科技赛道。然而，随着政策合规化、技术成熟度提升以及商业收费模式的跑通，Robotaxi正逐渐演变为一个具备可预测现金流、重资产运营特征的新型基础设施产业。

5.2业务建议

（本部分有删减，招商银行各行部请登录“招银智库”查看原文）

5.3风险提示

（一）商业模式闭环与现金流断裂风险：这是目前悬在Robotaxi企业头顶最大的“达摩克利斯之剑”。商业化拐点尚未完全到来，企业普遍处于“失血”状态。

（二）技术路线颠覆与抵押资产贬值风险：自动驾驶技术正处于快速迭代期（如从规则驱动向端到端大模型演进，纯视觉与多传感器融合路线之争），技术资产极易贬值。

（三）长尾场景（Corner Case）导致的安全与声誉风险：无论算法多强大，都无法穷尽所有路况。严重的安全事故是该行业的“黑天鹅”。

（四）政策合规与数据安全风险：Robotaxi运营涉及海量高精地图、道路环境视频以及乘客隐私，是国家数据安全的重点监管领域。（本部分有删减，招商银行各行部如需报告原文，请参照首页方式联系研究院）