熱門資訊> 正文
2026-05-12 17:52
■ Robotaxi的市場潛力與三大商業模式。Robotaxi的核心在於通過L4級自動駕駛技術徹底剝離「人類駕駛權」,實現全流程自主運營。預計到2035年,中國Robotaxi市場規模有望達到4000億元人民幣。目前行業確立了三條商業落地路徑:一是重資產自營模式,即企業自購定製化車輛並直接運營出行平臺。二是輕資產合作模式,即引入第三方資產方租賃車輛,自動駕駛企業專注核心的運力調度與實際落地。三是純技術賦能模式,即徹底剝離C端運營,純粹作為系統和硬件供應商(Tier 1/SaaS)向車隊或平臺收費。
■ 政策、成本與算法是驅動Robotaxi產業爆發的基石。政策護航:中國政策呈現「三步走」戰略,目前已進入全無人商業化爆發期,多地(如武漢、北京、上海)明確了無人駕駛車輛的運營資質與收費標準,釋放商業潛能。成本優化:目前Robotaxi單公里綜合成本約1.14元,已實現了對傳統網約車成本的結構性超越。這主要得益於硬件成本大幅下探,以及智能調度使得「人車比」向1:10甚至1:43躍升,極大攤薄了人工監管成本。算法演進:「端到端」大模型成為行業主流,疊加VLA(視覺-語言-動作)模型與世界模型(World Models),使得Robotaxi不僅能感知,還能進行邏輯推理和物理態勢預測,從而有效應對高難度的長尾場景。
■ Robotaxi對傳統汽車價值鏈的重塑。整車廠:增長模式從「單車銷量」向「MaaS(出行即服務)運營商」轉型,利潤空間向全生命周期的服務訂閲轉移。零部件:傳統塔式供應鏈瓦解,算力芯片和高階雷達成為核心,「軟件定義汽車」促使具備軟硬一體化能力的Tier 0.5級供應商崛起。后市場與金融:維保需求從分散的4S店向集中化的專業車隊管理(重點在三電檢測、智駕標定)躍遷。汽車金融則從C端個人信貸,全面轉向基於B端重資產車隊的高頻運營收益資產證券化(ABS)與供應鏈融資。
■ Robotaxi產業的中美博弈與頭部玩家格局。全球市場加速演變為中美兩強主導的博弈,並催生出「科技公司提供大腦+車企負責製造+出行平臺提供網絡」的鐵三角合作模式。美國陣營:Waymo採用多傳感器融合的「重感知」路線,單車成本雖高但安全性指標優於人類駕駛基準;特斯拉則堅持「純視覺+極致降本」路線,依靠70億英里真實數據驅動端到端算法,計劃通過Cybercab建立極低成本優勢。中國陣營:以全棧自研的初創企業為主導。小馬智行(Pony.ai)是國內唯一在四大一線城市全無人商業化運營的企業,憑藉第七代系統量產優勢大幅降本;文遠知行(WeRide)則採取「1+5+N」多場景戰略,在中東等海外市場獲得國家級全域牌照,成為出海領導者。
■ 風險提示。Robotaxi正處於從「技術驗證期」向「規模化商業落地」跨越的關鍵拐點,需關注商業模式無法閉環、技術路線顛覆、長尾場景安全、合規與數據等風險。(本部分有刪減,招商銀行各行部請登錄「招銀智庫」查看原文)
正文
1.1從輔助駕駛到無人出行的技術演進
Robotaxi(無人駕駛出租車)是一種基於L4/L5級自動駕駛技術的無人化共享出行服務。其核心特徵在於徹底剝離「駕駛權」,將傳統網約車從依賴人類駕駛的模式轉變為以算法與高精度傳感器為核心的新型交通基礎設施。相比L2/L3級輔助駕駛,Robotaxi的關鍵在於實現全流程自主運營,取消車內安全員,從而重塑移動出行的底層邏輯。截至2026年初,全球已有超過30家企業獲得L4級自動駕駛路測許可(涵蓋帶人路測及商業化試點),但受限於技術瓶頸、軟硬件耦合精度及冗余安全架構要求,真正具備全無人駕駛商業化運營能力的企業仍不足10家,行業呈現高度頭部集中趨勢。
從本質上看,Robotaxi的商業化標誌着自動駕駛技術從L3級向L4/L5級的跨越。與仍需駕駛員隨時接管、冗余設計有限的L3級系統不同,L4級系統能夠在特定運行域內實現完全自主響應,其感知誤檢率需控制在0.01次/千公里以下,並依託雙電源、雙制動等硬件冗余以及千萬公里級測試驗證,成為當前唯一具備商業可行性的技術層級。L5級系統雖然代表全場景、全天候自主,但由於技術複雜度呈指數級上升且法規尚未適配,目前仍處於仿真研發階段。因此,全球主流企業普遍聚焦L4級,通過多傳感器融合與毫秒級決策控制,推動出行市場的深度重塑。
1.2產業鏈:上中下游的關鍵環節解析
在產業鏈上游,核心軟硬件供應商及底層基礎設施構成了Robotaxi實現高階自動駕駛的關鍵支撐。硬件方面,主要包括感知層的激光雷達、高清攝像頭、毫米波雷達,以及決策層的車規級算力芯片和域控制器。近年來,上游硬件經歷了顯著的規模化降本,例如,頭部廠商的激光雷達價格已降至約200美元,顯著推動了自動駕駛套件整體硬件成本下降。與此同時,為滿足龐大的數據處理需求,車載計算平臺的算力和集成度持續提升。以小馬智行第七代車規級域控制器為例,其內部集成多顆英偉達Orin-X芯片,綜合算力高達1016TOPS。在軟件與數據基礎設施方面,隨着智能駕駛算法從傳統規則驅動向端到端(E2E)及人工智能世界模型演進,能夠自動生成海量複雜路況仿真數據並提供強大雲端算力的平臺,已成為上游產業鏈中不可或缺的核心技術資產。
產業鏈中游是自動駕駛解決方案與整車製造深度融合的關鍵區域,主要由自動駕駛科技公司與傳統整車廠(OEM)共同主導。在商業化推進過程中,自動駕駛科技公司(如小馬智行、百度Apollo、文遠知行等)作為核心智駕能力的提供者,聚焦於「虛擬司機」軟件棧和自動駕駛套件的持續迭代。然而,為實現Robotaxi的大規模高品質落地,這些科技公司正不斷深化與廣汽、豐田、北汽等主力整車廠的戰略合作。中游合作模式已從早期的后裝改造,全面轉向前裝量產,即科技公司與整車廠聯合開發具備L4級自動駕駛能力的定製化車輛平臺。這種深度協同不僅顯著提升了車輛的系統集成度、冗余設計及車規級安全性,也有效攤薄了整車製造成本。例如,部分新一代量產車型的售價較上一代產品下降近10萬元,為下游商業模式實現盈虧平衡提供了堅實的硬件基礎。
產業鏈下游聚焦於Robotaxi的商業運營與終端出行服務,涵蓋車隊資產管理方、出行網絡平臺及最終乘客出行場景。隨着行業車隊規模不斷擴大,下游商業模式正經歷從企業獨自承擔整車採購的「重資產自營」向多方協作的「輕資產賦能」的深刻轉型。在輕資產模式下,專業第三方資產管理公司或出行服務提供商承擔起車輛採購或租賃,以及日常維保和充換電等運營工作。與此同時,為快速擴大終端用户觸達並提升全天候訂單密度,Robotaxi運力被積極接入高德地圖、如祺出行、曹操出行乃至Uber等成熟的第三方聚合打車平臺。在這一不斷完善的下游生態中,自動駕駛科技公司逐漸將重心轉向技術賦能,通過提供軟硬件系統授權及維護支持獲取收益;而聚合平臺與車隊公司則依託各自在客户網絡和重資產運營上的優勢,共同推動Robotaxi在各大城市的滲透率提升及商業化變現。
1.3商業模式:重資產自營、輕資產合作與純技術賦能
隨着Robotaxi行業從區域性技術測試逐步邁向規模化商業落地,各家自動駕駛科技公司的商業模式正在發生深刻變革。為在資金壓力、運營控制權與規模擴張速度之間尋求平衡,行業逐步探索並確立了三條主流商業化路徑。這三條路徑不僅映射了技術提供商、整車廠(OEM)、車隊公司與出行網絡平臺之間不斷重塑的合作生態,也體現了自動駕駛企業從重資產模式向輕資產模式轉型的必然趨勢。
重資產自營商業模式:Robotaxi參與者同時扮演技術提供商與車隊運營商的雙重角色。商業化初期,為確保軟硬件高度整合以及對乘客體驗的全面掌控,多數自動駕駛科技企業傾向於重資產運營模式。業務通常由技術提供商、整車廠與出行網絡平臺三方聯合開展。自動駕駛科技公司不僅是技術提供者,更是車隊的實際擁有者和直接運營商。企業通過自有資金向合作整車廠採購具備L4級自動駕駛能力的定製化車輛,並部署到自營Robotaxi車隊中。在服務端,企業既可通過自有出行APP直接觸達乘客,也可將運力接入第三方聚合打車平臺。該模式的核心收入來源是乘客支付的打車費用,如接入第三方平臺,則需支付相應的客户獲取及渠道分成費用。重資產模式的優勢在於企業能夠形成完整的數據閉環,加速底層自動駕駛算法迭代;但劣勢同樣顯著——龐大的車輛採購帶來高額資本開支,對企業現金流造成壓力,限制了車隊規模快速擴張及跨地域商業部署。
重資產自營模式下的單車經濟(UE)特徵:高營收、高折舊與規模效應的高彈性。從收入端看,企業可獲取終端乘客支付的全額車費,若通過自有出行平臺獲客,還可省去支付給第三方網約車平臺的渠道抽成或客户獲取費,使單車日均總營收達到最高天花板。然而在成本端,該模式壓力最大:單車UE模型需計提整車及自動駕駛套件(ADK,Autonomous Driving Kit)的高額折舊,同時全額承擔車輛充換電、保險、日常維護、停車及地勤人員等剛性運營成本。在此模型下,單車毛利率對車輛利用率(即日均訂單量和有效行駛里程)及客單價高度敏感。一旦訂單密度突破盈虧平衡點,由於折舊為固定成本,邊際利潤率將呈現極高彈性,使單車在全生命周期內釋放可觀的絕對利潤。
輕資產合作運營模式:為突破資金瓶頸並實現高效擴張,行業逐漸引入第三方資產運營主體,向輕資產合作運營模式轉型。在這一架構下,自動駕駛科技企業不再承擔沉重的車輛採購成本,而由專業資產持有方或車隊公司出資向整車廠購買或租賃車輛。技術提供商通過支付租金及日常維護費用獲得車輛使用權,仍扮演出行服務核心運營商的角色,負責車隊智能調度及網約車服務的實際落地,其營業收入仍來自終端乘客支付的車費。由「重」向「輕」的轉型,將龐大的資本支出轉化為相對靈活的運營支出,使企業在不大量消耗融資現金儲備的前提下,藉助外部資本迅速提升重點城市的運力密度,加速規模效應下的商業飛輪運轉。
輕資產合作運營模式下的單車經濟(UE)特徵:折舊轉租賃,利潤率略降但ROIC顯著提升。在UE測算中,最大的變化是剔除了整車及自動駕駛套件的高額折舊,取而代之為支付給第三方車隊的固定或浮動車輛租賃費。在收入端,企業依然賺取網約車服務的乘客車費。雖然單車絕對毛利率可能較重資產模式略低(因車隊資產方需通過租金獲取自身資本回報),但從財務健康度角度來看,戰略意義重大。該模式顯著削減單車落地的初始資本支出(CapEx),將靜態沉沒成本轉為動態運營支出(OpEx)。在剔除資金佔用成本后,企業單車投入產出比(ROIC)實現質的飛躍,使其在有限現金流下更快地在多城市複製「單車盈利」的成功經驗。
純技術賦能模式:在該模式下,自動駕駛企業徹底剝離面向消費者的出行運營職能,迴歸為純粹的技術賦能者與軟硬件供應商(類似Tier1或SaaS服務商)。Robotaxi車隊的實際運營主體由傳統第三方出行服務提供商或大型交通集團承擔,這些平臺自行採購或租賃已集成自動駕駛套件(ADK)的車輛,並依託自身龐大的用户基礎、成熟的合規調度體系及廣泛市場網絡開展無人駕駛網約車服務。對於自動駕駛科技公司而言,核心商業閉環發生根本性轉變:收入來源不再依賴單車出行車費,而轉向企業端的自動駕駛硬件套件銷售、軟件「虛擬司機」系統授權及項目服務費。這一純輕資產模式賦予系統高度可擴展性,使企業能夠擺脫重資產運營束縛,通過行業結盟快速搶佔市場份額,是行業成熟期實現快速盈利的主要形態。
純技術賦能模式下的單車經濟(UE)特徵:規避運營損耗,轉向高毛利SaaS與硬件銷售。在此模式中,單車收入不再與日均訂單量、客單價或空駛率直接掛鉤,而由兩部分構成:前端一次性銷售的自動駕駛硬件套件(ADK)毛利,以及后端按里程或訂閲收取的「虛擬司機」軟件系統授權費。成本端,企業擺脫了充換電、保險、維修、停車及安全員等日常物理運營支出,僅承擔軟件后期維護及研發攤銷。該模式下的單車UE具有極強抗風險能力,不受天氣、交通管制或區域供需波動影響。由於軟件授權幾乎零邊際成本,單車毛利率遠高於直接提供出行服務,且收入高度可預測,是自動駕駛技術向泛化賦能演進的終極盈利形態。
1.4搶佔Robotaxi藍海,4000億市場在望
Robotaxi市場規模的計算主要基於單車經濟模型(Unit Economics,UE)與宏觀滲透率模型。核心公式可概括為:市場規模=Robotaxi車隊規模×單車日均訂單量×平均客單價×年運營天數。具體邏輯拆解如下:
▶ 車隊規模:市場空間的基礎在於Robotaxi能夠替代多少現有出行運力?一是對網約車/出租車的存量替代,未來Robotaxi主要集中在一、二線城市運行。據測算,中國一、二線城市現有網約車/出租車約430-500萬輛。假設到2030年,Robotaxi滲透率達到5-10%。二是對私家車的部分替代。除替代傳統打車外,Robotaxi憑藉成本優勢,也有可能替代部分入門級私家車的出行需求。
▶ 運營時長:人類司機每日平均工作10-12小時,而Robotaxi理論上可全天候運營22-24小時(扣除充電與清潔時間),顯著提升車輛使用效率。
▶ 單車日均訂單量:當前在成熟區域的Robotaxi(如百度、小馬智行)單車日均訂單約為15單,略低於人類司機水平。隨着運營區域擴大、調度算法優化及全天候運營,未來單車日均訂單量預計可提升至25單以上,高於傳統人類司機水平。
▶ 價格模型:目前Robotaxi定價通常與高端網約車相當,長期計算邏輯假設Robotaxi的每公里定價將低於網約車。中國:預計從當前的補貼價格逐步迴歸正常,長期穩定在2~3元/km(持平或略低於目前一線城市網約車價格);美國:Waymo目前定價較高(約2美金/英里),但在特斯拉Cybercab等低成本車型入局后,長期目標是降至1美金/英里。
據弗若斯特沙利文數據,2024年中國一、二線城市網約+出租車輛保有量約為365萬輛。預計到2030年,Robotaxi車隊規模可達40萬輛,對應滲透率約11%。若屆時單車年均營運里程約6.6萬公里、平均車費2.1元/km,則中國Robotaxi市場規模有望達到約550億元,2035年市場空間可達4000億。
2.1政策護航釋放Robotaxi商業潛能
法規與政策不僅是Robotaxi商業化落地的前提,也為其技術驗證、車輛准入與道路運營設定了明確的安全底線和責任框架,直接影響商業模式的可擴展性與投資回報周期。從道路測試許可,到數據安全合規,再到精細化運營資質管理,一套系統化且前瞻性的政策體系既是行業穩健發展的「穩定器」,也是推動技術從局部示範向大規模商業應用躍升的核心動力。
中國已建立了從國家到地方的完整政策支持體系,是目前全球Robotaxi測試和商業化最活躍的市場之一。
國家層面看,回顧過去五年,中國自動駕駛政策呈現出清晰的「三步走」戰略。第一階段(2020-2022):示範區設立期。以2020年9月北京高級別自動駕駛示範區(亦莊)的設立為標誌,監管重點在於封閉場地和特定路段的有安全員測試。第二階段(2023-2024):去安全員嘗試期。政策開始允許「主駕無人,副駕有人」,進而過渡至「車內無人,遠程監控」。這一階段的核心在於驗證安全員(1:N)模式的可行性。第三階段(2025-至今):全無人商業化爆發期。2025年是分水嶺,交通運輸部與地方政府明確了無人駕駛車輛的運營資質、收費標準,標誌着Robotaxi正式從「科研項目」轉變為「商業服務」。
地方層面看,不同城市在Robotaxi的開放尺度上展開激烈競爭。武漢作為百度Apollo Go的大本營,2025年實現了全域、全天候、跨江通行,允許全無人車輛混入早晚高峰車流,成為全球最大的自動駕駛運營區;北京採取「小步快跑」策略,從亦莊核心區逐步向大興機場、北京南站等交通樞紐滲透,強調政策的嚴謹性與安全性;上海依託浦東立法優勢,於2025年7月發放首批無駕駛人智能網聯汽車示範運營證,允許在浦東特定區域進行收費運營,強調商業閉環。
美國的監管呈現碎片化特徵,但聯邦層面正在尋求統一和放松管制以促進產業發展。聯邦層面,目前缺乏統一的聯邦自動駕駛標準,NHTSA(國家公路交通安全管理局)主要提供指導意見。但在特朗普政府時期,交通部計劃在2026年春季提出新規,放寬對FMVSS(聯邦機動車安全標準)的要求,允許沒有方向盤、踏板等手動控制裝置的車輛上路。州級層面,對自動駕駛的監管趨嚴。得克薩斯州早期政策寬松,只需備案即可上路,但2025年9月通過新法案,要求Robotaxi運營商在部署前獲得DMV(車輛管理局)許可,並於執法部門建立事故響應機制,監管力度有所收緊。加利福尼亞州的監管最為嚴格,DMV(車輛管理局)負責車輛許可,CPUC(公用事業委員會)負責運營許可,此外企業還需提交詳細的Disengagement Reports。
中美以外國家普遍缺乏本土無人駕駛公司,政策上鼓勵與約束並重。歐盟主要遵循UNECE(聯合國歐洲經濟委員會)的法規,側重於L3級,對L4級Robotaxi的開放較為謹慎。英國通過《2024年自動駕駛汽車法案》,確立了L4級車輛的法律框架,明確了無駕駛員情況下的責任主體為授權實體而非個人,目標是2026年實現自動駕駛汽車上路。而中東地區(阿聯酋和沙特)的政策較為激進,阿布扎比於2025年10月向文遠知行頒發了聯邦層面的全無人駕駛Robotaxi商業運營牌照,這也是中東首個此類牌照。
2.2成本優化觸發Robotaxi商業化臨界效應
2.2.1 成本端測算
Robotaxi的成本結構與傳統的網約車存在顯著差異,呈現出「高固定資產折舊、低可變邊際成本」的特徵。具體成本構成測算如下:
▶ Robotaxi車輛成本
整車及智駕系統:隨着前裝量產車(如Apollo RT6)的下線,L4級車輛製造成本(含冗余底盤、固態激光雷達、大算力域控制器等)已從早期的百萬元級別大幅下探。本模型假設單車採購成本為250000元。
日均折舊攤銷:按5年折舊、5%殘值計算,單車年折舊額為47500元,摺合單日折舊成本約144元/天。
▶ 運營及維護成本
能源成本:假設單車電耗為16kWh/100km,綜合電價平均為0.8元/kWh,300公里/天的能源成本為38.4元/天。
保險費用:考慮到L4級車輛保險目前處於探索期,費率高於普通營運車輛,設定年保險費為15000元,摺合單日成本為45元/天。
維保與清潔:重度運營下硬件損耗較快,設定年維保清潔費用為18000元,摺合單日成本為54元/天。
雲代駕與通信服務費:按現行法規及安全冗余要求,需配備遠程安全員。假設1名安全員可同時監管10台Robotaxi(人車比1:10),安全員綜合人力成本10000元/月。單車分攤的雲代駕人工成本為1000元/月,摺合單日30元/天。5G/V2X高帶寬通信費單日約10元/天。
停車與場地費:夜間充電及整備場地租賃,預估單日20元/天。
單車日均總成本(TCO)合計:144+38.4+45+54+30+10+20=341.4元/天。按日均300公里計算,綜合單公里成本約為1.14元/公里。
2.2.2 收入端測算
爲了建立嚴密的UE模型,本測算基於目前行業頭部企業的公開數據及產業鏈調研,設定以下在2026-2027年規模化運營階段的中性假設:
運營負荷:假設單車全年無休或僅受限於基礎維保,年運營天數為330天。得益於無需司機休息的特性,單車日均行駛里程設定為300公里/天。
有效里程利用率:即計費里程佔總行駛里程的比例。考慮到空駛調度、尋客及充電時間,設定穩態下有效里程利用率為60%,即日均載客計費里程為180公里。
定價體系:為加速滲透率提升並保持對傳統網約車的競爭優勢,假設Robotaxi終端客單價較傳統網約車(約2.2-2.5元/公里)存在一定折扣,設定綜合計費標準為1.8元/公里。
車輛生命周期:考慮到Robotaxi屬於重度運營資產,且電子電氣架構迭代極快,折舊年限按保守估計設定為5年,殘值為5%。
基於上述假設,對單車的收入與利潤空間進行測算:
日均營業收入:日均計費里程(180公里)×綜合單價(1.8元/km)=324元/天。
單車日均毛利:營業收入(324元)-日均總成本(341.4元)=-17.4元/天。
階段性測算結論:在25萬元的整車成本與60%的有效載客率下,Robotaxi單車尚未完全實現正向毛利,處於盈虧平衡線的邊緣。這也解釋了為何當前行業仍需依賴資本輸血及整車補貼。然而,UE模型的魅力在於其對規模與技術迭代的極強彈性。一旦突破核心閾值,其盈利能力將呈指數級釋放。
2.2.3 持續降本,UE有望轉正
傳統燃油及新能源網約車的日均總成本中,司機薪酬通常佔總收入的50-60%,屬於極其剛性且隨通脹逐年上升的核心支出。相比之下,傳統網約車的單公里成本普遍在1.5-1.8元(含人力成本)。當前,Robotaxi的單公里成本已降至約1.14元,從根本上實現了對人類駕駛成本的結構性超越。
爲了實現UE模型的全面轉正,產業未來的邊際改善路徑主要集中在以下三個維度:
一是硬件摩爾定律深化。隨着自動駕駛產業鏈日益成熟及規模效應顯現,Robotaxi整車及核心硬件成本正快速下降,為規模化商業落地提供了核心驅動力。整車方面,以小馬智行為代表的頭部智駕企業通過持續迭代顯著降本,其2025年推出的第七代車型單車成本預計降至27萬元,相較2020年第五代車型的100萬元,實現約73%降幅。這一趨勢背后,上游核心感知硬件的降價作用不可或缺。以禾賽科技為例,激光雷達價格自2022年的5200元迅速下降,預計2025年降至2500元,並在2030年進一步收斂至約2050元。總體來看,上游核心硬件的規模化量產與技術降本正持續向下遊傳導,推動Robotaxi整車製造成本優化,加速行業跨越商業化盈虧平衡點。
二是調度優化提升效率。從運營效率優化角度來看,降低空駛率是Robotaxi實現商業化降本的關鍵路徑之一。數據顯示,當前成熟網約車平臺(如滴滴、首汽)在北京和深圳的空駛率多在21%至38%區間,而Robotaxi的空駛率約為40%,與傳統巡遊出租車(37.5%-41.7%)基本持平,處於較高水平。然而,高空駛率也意味着顯著的降本潛力。不同於依賴司機經驗的傳統運力,Robotaxi依託AI驅動的全局統籌與智能調度。隨着區域運營密度的提升、海量數據的積累以及調度算法的持續優化,Robotaxi的運力網絡將能夠實現更精準的時空供需預測和實時匹配。這種系統性AI優化有望大幅減少車輛無效行駛里程,推動空駛率顯著下降,從而有效攤薄單車全生命周期運營成本,加速Robotaxi商業模式的盈利閉環。
三是算法演進提升「人車比」。人力成本的邊際遞減也是Robotaxi優化盈利模型的核心驅動力,其關鍵路徑在於提升「車人比」(即單人可監管車輛數),以大幅攤薄單車的雲端安全員或遠程代駕成本。行業發展初期,由於技術尚不成熟及國內早期政策的強制安全要求,頭部企業(如蘿卜快跑、小馬智行)的人車比普遍為1:3,Waymo甚至高達1:1。近兩年來,隨着自動駕駛端到端模型對長尾場景(Corner Case)處理能力顯著增強,系統對人工接管的依賴大幅下降。預計到2026年,Waymo、小馬智行與蘿卜快跑的人車比有望分別提升至1:43、1:20和1:10,實現跨越式優化。這一由技術演進驅動的人效比飛躍,將徹底打破傳統出行服務中人力成本剛性的桎梏,為Robotaxi實現單車經濟模型(UE)轉正提供堅實支撐。
2.3算法演進賦能Robotaxi性能飛躍
隨着無人駕駛技術的不斷迭代,高集成度的「端到端」大模型已逐漸成為行業主流。相比傳統架構中感知、預測、規劃與控制模塊分立所帶來的信息損耗與規則侷限,「端到端」模型通過單一神經網絡直接將傳感器原始數據映射為駕駛指令。憑藉數據驅動的自主學習能力,該模型在複雜路況下展現出卓越的泛化性與可擴展性,加速了Robotaxi的商業化落地,使其能夠更加從容地應對高難度城區場景。然而,在可解釋性、算力消耗及安全性驗證等方面的挑戰仍然存在,促使行業進一步探索VLA(視覺-語言-動作)模型與世界模型(World Model)兩條技術路徑。
VLA(Vision-Language-Action,視覺-語言-動作)模型:在Robotaxi邁向全無人化規模運營的過程中,VLA模型成為突破長尾場景認知瓶頸的核心動力。不同於傳統模塊化架構或純視覺端到端模型,VLA模型引入大規模多模態預訓練技術,使車輛具備深度語義理解與邏輯推理能力。它將視覺感知的物理特徵與人類語言的常識背景深度融合,使Robotaxi不僅能夠識別「路邊施工」,還能理解告示牌含義或交警手勢,在無圖城區及複雜人機博弈環境中實現類人決策。這種從「感知」到「認知」的範式躍遷,有效縮短了不同城市間的適配周期,為L4級自動駕駛提供更強的泛化能力與安全性保障。
世界模型(World Models):如果説VLA模型是Robotaxi的「大腦」,世界模型則是具備前瞻預測能力的「小腦」。其核心在於對物理規律的深度建模與未來態勢生成模擬。世界模型通過學習海量駕駛軌跡及環境交互數據,構建內部物理仿真邏輯,能夠預測未來數秒內可能發生的交通演化路徑,例如兒童可能衝出街道的場景。它不僅作為高保真「模擬器」顯著降低Corner Case數據獲取成本,還通過時空一致的推理能力,支持系統在複雜動態環境中進行閉環演算與風險評估。這種對現實物理世界的深刻洞察,是Robotaxi擺脫安全員干預、實現高置信度自主運行的關鍵技術基石。
根據Waymo發佈的安全影響數據,「任一車輛安全氣囊彈出率」與「任一人員受傷報告率」是評估自動駕駛系統(ADS)對道路安全實際貢獻的核心量化指標。前者以氣囊彈出這一物理剛性指標為依據,有效消除了人為報告偏差,客觀反映系統在規避中高烈度碰撞事故中的能力——Waymo相比人類駕駛基準降低約82%;后者通過對輕傷、中度傷及重傷事故的全面統計,驗證了ADS在降低公共健康風險方面的社會價值——較人類駕駛基準降低約81%。兩項指標相互印證,不僅表明Waymo Driver在全場景駕駛中顯著優於人類平均水平的安全性,也顯示自動駕駛技術通過減少因駕駛員分心、疲勞或判斷失誤導致的致傷衝突,正成為提升城市交通安全韌性的關鍵路徑。
在Robotaxi商業化加速落地的背景下,傳統汽車產業鏈正經歷一場從「硬件製造」向「軟硬一體化運營」的深層範式轉移。
3.1車企:從產品製造商向MaaS運營商的轉型
Robotaxi的興起正在重塑傳統汽車行業以「單車銷量」為核心的增長模式。在自動駕駛時代,車輛屬性正從消費品向生產資料轉變,主機廠的角色也將出現顯著分化。具備全棧自研能力的頭部車企可通過「製造+算法+運營」的閉環,轉型為出行平臺運營商,並通過全生命周期的服務訂閲與運營分成獲取高利潤,實現估值邏輯從製造業向互聯網服務業的躍升。而缺乏核心算法能力的車企,則可能淪為「代工廠」,在產業鏈中的話語權被大幅壓縮,利潤空間受制於標準化硬件的激烈競爭。與此同時,產品設計邏輯將由「駕駛員中心」轉向「乘客中心」,座艙智能化、舒適性及硬件冗余安全性將成為新的核心競爭維度。
3.2零部件:硬件標準化與「算法+數據」驅動的供應體系重塑
傳統汽車供應鏈的塔式結構正逐漸瓦解,取而代之的是以算力與傳感器為核心的扁平化新生態。在Robotaxi體系中,感知層的激光雷達(LiDAR)、4D毫米波雷達,以及決策層的高算力智駕芯片,已成為新的增量核心。隨着技術成熟,硬件將趨於標準化與規模化,以禾賽為代表的領軍企業通過產能擴張與工藝優化降低單車成本,成為行業的「硬通貨」。與此同時,Tier 0.5級供應商(系統方案提供商)的地位日益凸顯,軟件定義汽車(SDV)正在成為現實。作為自動駕駛的物理執行層,線控底盤的雙重冗余設計正從高端配置演變為標準剛需,這對傳統轉向和制動系統供應商提出了更高的電子化與安全性要求。
3.3后市場:從分散式服務向集中化、專業化車隊管理的躍遷
Robotaxi的規模化商業落地不僅有望重塑出行市場的運力格局,其作為高度資本密集型的運營模式和新能源出行先鋒,也將對傳統汽車售后維保市場產生深刻的結構性衝擊。不同於私家車低頻、分散的使用模式,Robotaxi處於24小時高強度運營,對車輛耐用性、維保頻次及響應效率提出了嚴苛要求,使現有分散式4S店體系難以適應,催生出集自動化清洗、高效補能與精準預防性維護於一體的高度集中化專業車隊服務商。同時,隨着Robotaxi滲透率提升,其基於純電平臺的車輛設計剔除了內燃機及複雜機械部件,直接壓縮了傳統維保業務空間。2025年中國部分售后零部件銷售數據已顯現這一趨勢:潤滑油類(機油-6%、自動變速箱油-7%)、過濾系統(燃油濾清器-12%)、點火系統(火花塞-4%)及制動系統等傳統燃油車耗材普遍萎縮。在運營模式與硬件底座的雙重變革下,維保市場的價值重心正快速重構——從零散修理件銷售轉向全生命周期資產保值與運營保障,核心業務集中於「三電」系統檢測、智駕傳感器標定及OTA軟件運維等高附加值服務。這不僅迫使傳統汽修門店加速轉型,也使具備大規模車隊運維與保障能力的企業構築起極高的行業准入壁壘。
3.4汽車金融:資產屬性切換帶來的投融資邏輯變革
隨着Robotaxi商業化加速,汽車金融市場的底層邏輯與業務形態將迎來結構性重塑。核心驅動力在於出行模式正從「擁有車輛」向「出行即服務(MaaS)」發生根本性轉變。這一趨勢將壓縮傳統基於個人信用的C端零售汽車信貸規模,同時催生B端重資產車隊運營商的大額融資需求。面對Robotaxi企業高昂的初始採購成本及日常現金流壓力,商業銀行和金融機構的信貸投放與產品供給將加速從標準化消費金融向經營性租賃、供應鏈金融,以及基於車隊未來高頻運營收益的資產證券化(ABS)、項目融資等定製化、機構化工具傾斜。風險定價與資產管理的核心評估指標也將發生轉變:從「駕駛員行為與個人信用」,實質性遷移至「自動駕駛算法可靠性、車隊調度效率及單車經濟模型(UE)」。總體來看,Robotaxi的規模化落地將推動汽車金融由單純購車資金周轉升級為覆蓋出行產業周期的綜合資產管理與動態風險定價體系。能夠實現大規模B端資產穿透管理,並基於高頻、海量運營數據進行精準風控的金融機構,將在這一輪產業範式更迭中構建全新的競爭壁壘。
全球Robotaxi行業競爭正加速演變為中美兩強主導的系統性博弈,已超越單純自動駕駛算法,擴展至頂層政策設計、供應鏈韌性及商業化落地規模的綜合競爭。美方依託先發優勢,通過頭部企業在算法迭代與高端算力芯片領域建立技術壁壘;中方則憑藉「車路雲一體化」的制度優勢、海量複雜數據場景及極致產業鏈成本控制,快速構建差異化競爭力。隨着行業邁入從技術驗證向規模化運營的關鍵「深水區」,博弈焦點將從單車智能突破轉向商業閉環效率與監管准入標準的爭奪。誰能率先在安全紅線與創新速度間找到最優平衡,誰就將掌握全球智能出行產業價值鏈重構的話語權。
4.1美國:硅谷巨頭領跑,單車智能築基
4.1.1 Waymo:多模態傳感堆砌,單車成本高企
Waymo起源於2009年的谷歌自動駕駛項目,並於2016年分拆為獨立子公司。公司總部位於美國加利福尼亞州,專注於研發L4級全自動駕駛解決方案「Waymo Driver」。憑藉Alphabet(谷歌母公司)強大的資金支持與技術積澱,Waymo在自動駕駛領域積累了數百億英里的模擬仿真里程,是全球首家實現無安全員全無人駕駛商業化運營的企業。在資本市場層面,Waymo展現出極強的融資能力,繼2024年完成56億美元融資后,於2026年初再次完成160億美元融資,投后估值攀升至1260億美元,穩居全球自動駕駛獨角獸估值榜首。
在Robotaxi細分賽道,Waymo目前處於絕對的全球領導地位,被視為行業的「金標準」。截至2025年底,Waymo在美國運營着一支約2500輛規模的全無人駕駛車隊,主要由捷豹I-PACE車型組成,並計劃引入極氪和現代IONIQ 5等新一代車型以擴大規模。其商業化運營網絡已覆蓋鳳凰城、舊金山、洛杉磯、奧斯汀和亞特蘭大等核心城市,並正向邁阿密、華盛頓特區以及國際市場(如東京、倫敦)積極擴張。在運營數據方面,Waymo表現出強勁的增長勢頭,其在加州的Robotaxi投放數量從2023年8月的82輛迅猛攀升至2025年11月的1700輛。伴隨規模擴張,其單車日均訂單量也從2023年8月的起步階段穩步增長至2025年11月的25單。此外,Waymo車隊的運營效率也在持續優化:單車日均等待時間從2023年8月的13.1小時大幅縮短至2025年11月的7.4小時,且加州車隊的空駛率也由同期的55.7%降至2025年底的43.8%。
技術路徑上,Waymo堅持「多傳感器融合」的重感知路線。其車輛配備高精度的LiDAR、雷達和攝像頭陣列,構建了極高的安全冗余,近期更是引入了多模態大模型(Waymo Foundation Model)以提升對長尾場景的泛化能力。商業模式方面,Waymo正從早期的重資產自營向「混合運營」模式演進。在舊金山和洛杉磯,公司主要通過自有的Waymo One應用程序提供服務;而在奧斯汀和亞特蘭大等新市場,Waymo則採取了與Uber等出行平臺深度綁定的策略,利用Uber龐大的流量入口解決需求密度問題,同時將車輛運維外包給第三方,從而優化單車經濟模型。儘管其單車硬件成本(約10-16萬美元)目前仍顯著高於特斯拉及中國競爭對手,但Waymo正通過與極氪等車企的合作加速新一代低成本平臺的量產,以期在2026年實現更大規模的盈虧平衡。
4.1.2 特斯拉:純視覺的極致路線,數據驅動算法演進
特斯拉在Robotaxi領域選擇了與Waymo截然不同的發展路徑——「單車智能+純視覺+極致成本」。2024年10月,特斯拉正式發佈了專為該賽道打造的Cybercab車型,該車取消了方向盤與電踏板,支持無線感應充電,預計售價低於3萬美元,成為其向移動出行服務運營商轉型的核心載體。在傳感器硬件方案上,特斯拉將「純視覺」理念貫徹到底。例如,Model 3僅依靠8個攝像頭,總傳感器數量僅為8個;而Waymo的第五代捷豹I-Pace則採用多傳感器融合方案,包括29個攝像頭、6個毫米波雷達及5個激光雷達,總計40個傳感器。
在軟件與算法層面,特斯拉的核心競爭力來源於其龐大的真實世界數據積累。截至2026年初,搭載FSD(Full-Self-Driving)的特斯拉車輛累計行駛里程已超過70億英里,這種海量數據規模在業內無可比擬。基於這些獨有數據,特斯拉採用模仿人類神經網絡的端到端(End-to-End)控制邏輯,將感知到的視覺信號直接映射為車輛操作指令,從而顯著提升車輛在非結構化複雜環境下的靈活性與應對能力。
在商業模式與運營方面,特斯拉計劃打造「Tesla Network」共享出行平臺。該網絡不僅包含特斯拉自營的Cybercab車隊,還允許現有Model 3和Model Y車主在車輛閒置時接入平臺共享分成。通過這種無需增加資產負擔的分佈式運營模式,特斯拉能夠快速擴張Robotaxi車隊規模,同時在服務費價格上保持明顯優勢。預計到2026年,特斯拉將在舊金山、奧斯汀等地開展數千輛規模的試點運營,其單英里運營成本有望降至0.20美元的極低水平。
4.2中國:車路網雲協同,初創企業主導
4.2.1 小馬智行:全棧自研驅動的中國Robotaxi先鋒
小馬智行(Pony.ai)成立於2016年,由彭軍和樓天城共同創立,是全球領先的L4級自動駕駛技術公司。公司通過全棧自研的「虛擬司機」技術,構建了自動駕駛出行(Robotaxi)、自動駕駛卡車(Robotruck)及智能駕駛輔助(POV)三大業務板塊。在資本市場方面,小馬智行於2024年和2025年先后在納斯達克和香港聯交所完成上市,進一步鞏固了其全球自動駕駛「獨角獸」的地位。在Robotaxi細分市場中,公司與百度Apollo並稱中國行業「雙雄」,核心競爭優勢在於極高的合規准入壁壘,目前是國內唯一在北、上、廣、深四個一線城市均獲准開展「全無人」商業化運營的企業。截至2025年底,小馬智行累計自動駕駛測試里程超過5500萬公里,其中全無人測試里程突破1000萬公里,構建了難以逾越的監管與技術護城河。
在商業化推進方面,公司持續關注Robotaxi車隊規模的擴張及單車日均營收表現,同時收入來源日益多元化。除了核心的Robotaxi運營,POV業務通過域控制器銷售貢獻重要營收,其銷量和售價的變化反映了公司在硬件前裝量產領域的滲透能力。通過與豐田、廣汽及北汽的深度合作,小馬智行推出第七代自動駕駛系統(Gen7)並實現車規級量產。該系統BOM成本已降至約27~30萬元人民幣,較上一代下降約70%,顯著低於美國同行Waymo第六代車型約16萬美元的成本水平。得益於對供應鏈的深度整合,如採用NVIDIA Orin或Thor芯片及半固態激光雷達,公司成本控制能力顯著增強,車隊在廣州等城市已率先實現單車毛利轉正,為大規模商業化奠定財務基礎。
在國際化佈局上,小馬智行已在韓國、中東、東南亞及歐洲等地獲得多項測試或運營許可。2025年,公司與Uber達成戰略合作,計劃將Robotaxi服務接入Uber平臺,並首站落地中東,標誌海外業務進入實質性創收階段。市場普遍預期,隨着車隊規模進一步擴大,小馬智行有望在2029至2030年實現整體盈利,鞏固其在全球自動駕駛產業的領先地位。
4.2.2 文遠知行:多場景佈局的Robotaxi全生態探索者
文遠知行(WeRide)成立於2017年,總部位於廣州,由前百度自動駕駛首席科學家韓旭創立。憑藉核心通用型自動駕駛平臺「WeRide One」,公司在技術上確立了行業領先地位,並於2024年10月在納斯達克上市,隨后於2025年11月在香港聯交所完成雙重上市,成為「全球通用自動駕駛第一股」。通過與博世、廣汽集團、宇通集團及雷諾-日產-三菱聯盟等頂級Tier 1供應商和車企的深度戰略合作,文遠知行成功構建了穩固的產業生態壁壘。
在商業模式上,公司採取差異化的「1+5+N」戰略,不侷限於單一賽道,而是佈局涵蓋Robotaxi、Robobus、Robovan、Robosweeper及ADAS的五大產品矩陣,實現城市出行、物流配送及市政環衞等多場景覆蓋。技術端,公司推出的新一代Robotaxi車型GXR,搭載高性能計算平臺HPC 3.0及Sensor Suite 5.6,將單車硬件成本壓低至約4萬美元(約28萬元人民幣),具備顯著量產優勢。在中國市場,文遠知行穩居Robotaxi第一梯隊,已在北京、上海、廣州、深圳開展業務,並在廣州和北京獲得「全無人」商業化運營許可,截至2026年1月,運營車隊規模突破1000輛。通過Robobus和Robosweeper的城市公共服務落地,公司在商業化滲透上展現獨特優勢,並已與如祺出行等平臺實現混合派單運營。
海外市場方面,文遠知行是中國自動駕駛企業中佈局最廣的「出海領頭羊」,在中國、阿聯酋、新加坡、美國、法國、沙特阿拉伯及比利時等7個國家獲得測試或運營牌照。尤其在中東市場,公司佔據主導地位,獲得阿聯酋首張國家級全域自動駕駛牌照,並與Uber合作,於2025年在阿布扎比上線中東首個全無人Robotaxi服務。通過與新加坡Grab等本地平臺的合作,文遠知行形成「技術出海+本地化運營」模式,使其在海外市場的商業化進程和收入結構上均優於多數國內同行。
4.3 「鐵三角」合作模式:科技公司+整車製造+運營服務
Robotaxi行業的高技術門檻和重資產屬性,決定了單一企業難以通吃全產業鏈。當前,中國市場已形成了清晰的「鐵三角」合作模式,市場的參與者主要由三大陣營構成:L4及自動駕駛技術公司、整車製造企業和出行服務平臺。這三類主體憑藉各自在算法技術、運營網絡和車輛製造方面的核心優勢,通過獨立研發或通過合資合作與戰略聯盟的形式共同切入這千億級市場。為此,我們對此三類參與者做了如下SWOT分析:
自動駕駛科技公司:這一類公司是Robotaxi技術的供給源頭,擁有行業最高的護城河——L4及算法與數據積累,代表性企業如Waymo(谷歌旗下)、蘿卜快跑(百度旗下)、小馬智行和文遠知行等。優勢(Strengths):具備極高的技術壁壘,尤其是在處理Corner Case(長尾場景)方面具有壓倒性優勢。早期積累的高精度路測數據是其核心資產,算法迭代速度遠超傳統車企。劣勢(Weaknesses):普遍缺乏硬件製造基因,需依賴車企代工,導致對車輛成本的控制力較弱。此外,作為初創型科技公司,面臨巨大的研發與車隊投入雙重資金壓力,自我造血能力還未建立。機遇(Opportunities):商業模式可靈活切換。既可尋求獨立運營自有車隊,也可轉型Tier 1模式向車企輸出技術解決方案(Inside模式),有望成為自動駕駛時代的Android。挑戰(Threats):面臨頭部車企自研的擠壓。若無法在資金鍊斷裂前跑通商業閉環,或被特斯拉純視覺低成本方案降維打擊,將面臨生存危機。
整車製造企業:車企掌握着移動空間的物理載體,是成本控制和規模化生產的主力,代表企業如:北汽、廣汽埃安、Cruise(通用汽車旗下)、小鵬等。優勢(Strengths):擁有成熟的供應鏈體系與前裝量產能力,可以將Robotaxi整車成本壓縮到極致,且傳統賣車業務提供穩定的現金流,抗風險能力強。劣勢(Weaknesses):軟件基因先天不足,組織架構也難以適應AI的快速迭代。在涉及安全責任界定與品牌聲譽時,決策往往趨於保守,拖慢路測進度。機遇(Opportunities):從「賣硬件」的低毛利模式向「賣服務」的高毛利模式轉型的歷史機遇。通過定製化Robotaxi車型,可挖掘全生命周期價值。挑戰(Threats):若在智能化下半場失守,極易淪為科技公司或平臺的硬件附庸,喪失產業鏈話語權。
出行服務平臺:平臺連接出行服務的供需兩端,掌握着核心的流量入口和運營網絡,代表企業如Uber、滴滴、高德等。優勢(Strengths):擁有海量的C端用户和極低的獲客成本。此外,其獨有的「混合(有人/無人)調度」能力是Robotaxi過渡期的關鍵,能有效解決初期運力不足與區域覆蓋有限的問題。劣勢(Weaknesses):存在技術空心化的風險。若缺乏自研自動駕駛技術,長期將受制於上游技術方。且作為輕資產平臺,在Robotaxi重資產運營時代,其價值鏈佔比可能被壓縮。機遇(Opportunities):可進化為「超級聚合平臺」。無論誰造車、誰做算法,最終都要通過平臺觸達用户,平臺或轉型為Robotaxi車隊的專業運營商,通過精細化運營賺取管理費。挑戰(Threats):若特斯拉建立獨立且強大的流量入口,平臺可能面臨被旁路的危機。面臨被旁路的危機。
特斯拉不同於上述任何一方,它代表了Robotaxi行業的另一種終局形態——全棧垂直整合。特斯拉打通了「芯片+算法+數據+製造」。
短期格局:「鐵三角」合作是主流。在Robotaxi尚未實現全無人、全區域覆蓋的當下,科技公司的「大腦」+車企的「身體」+平臺的「網絡」是最務實的落地路徑。從長期來看,隨着技術成熟度的提升,行業壁壘將發生轉移
5.1產業發展階段判斷
全球自動駕駛行業正處於從早期的技術驗證與封閉測試期,向規模化商業運營與盈利模式探索期過渡的關鍵歷史階段。過去十年,自動駕駛高度依賴風險投資(VC)與私募股權(PE)進行「燒錢」續命,屬於典型的高風險、無正向現金流的早期科技賽道。然而,隨着政策合規化、技術成熟度提升以及商業收費模式的跑通,Robotaxi正逐漸演變為一個具備可預測現金流、重資產運營特徵的新型基礎設施產業。
5.2業務建議
(本部分有刪減,招商銀行各行部請登錄「招銀智庫」查看原文)
5.3風險提示
(一)商業模式閉環與現金流斷裂風險:這是目前懸在Robotaxi企業頭頂最大的「達摩克利斯之劍」。商業化拐點尚未完全到來,企業普遍處於「失血」狀態。
(二)技術路線顛覆與抵押資產貶值風險:自動駕駛技術正處於快速迭代期(如從規則驅動向端到端大模型演進,純視覺與多傳感器融合路線之爭),技術資產極易貶值。
(三)長尾場景(Corner Case)導致的安全與聲譽風險:無論算法多強大,都無法窮盡所有路況。嚴重的安全事故是該行業的「黑天鵝」。
(四)政策合規與數據安全風險:Robotaxi運營涉及海量高精地圖、道路環境視頻以及乘客隱私,是國家數據安全的重點監管領域。(本部分有刪減,招商銀行各行部如需報告原文,請參照首頁方式聯繫研究院)