沙利文：Robotaxi驶入政策与商业化“双加速”通道

本次上海在2025年世界人工智能大会（WAIC）发布了《上海高级别自动驾驶引领区“模速智行”行动计划》（以下简称为“行动计划”），其主要内容可以概括为以下几个关键点：1）自动驾驶规模化，明确制定了L4级自动驾驶的载客量和道路测试目标，规模远超此前小范围、小运力的试点运营；2）应用场景网络化，目标构建区域性的综合运营网络，打破此前点状、块状的测试区域限制；3）产业生态化，推动构建一个涵盖整车、核心零部件、算法、数据和运营服务的自动驾驶产业生态。

从产业发展的角度来看，“行动计划”的发布标志着加速推动中国自动驾驶和Robotaxi行业进一步规模化和商业化的决心。“行动计划”传达了对于自动驾驶技术成熟度持续提升的信心，也透露了对于Robotaxi商业化落地的迫切需求。同时，在上海实现Robotaxi的大规模商业化运营，形成一套包含技术标准、运营规范、安全监管、法规应用的完整“上海方案”，将为进一步推广Robotaxi在全国范围内的落地提供范本，大大提升Robotaxi市场的发展进度。对比此前广州、深圳等城市在特定区域落地Robotaxi的小规模商业化试点，“行动计划”明确了将自动驾驶真正融入城市交通生态系统的政策态度，以及突破区域试点带来的盈利瓶颈、跑通商业化模式的迫切需求。这也将预示着中国自动驾驶政策将朝着更加系统、更加开放的方向发展。

首先，技术能力是中国智能驾驶方案提供商能够成功推进海外市场拓展的基础。从技术能力的角度来看，以小马智行为代表的中国智能驾驶方案提供商通过多年的研发、测试和验证，已经形成了较为成熟的智能驾驶技术方案和服务体系，具备在新地区快速落地运营的能力。

其次，从企业战略的角度来看，走向海外市场是中国智能驾驶方案提供商发展收入增长点、寻求商业化规模扩张的经营选择。更进一步来说，在不同国家、不同法规、不同交通环境下实现Robotaxi的运营，让中国智能驾驶方案提供商有机会参与甚至主导部分区域性乃至全球性的自动驾驶技术标准、安全标准和运营规范的制定。同时，通过与全球或区域性交通巨头的合作，是中国智能驾驶方案提供商探索“技术赋能+本地化运营”商业模式的实践，有助于理解不同市场的用户习惯、支付体系和监管要求，为构建可复制、可扩展的全球化商业模式积累经验。

目前，纵观全球市场，除美国外，中东、东南亚和欧洲等地区对Robotaxi这类新业态表现出较高的市场接受度和商用进展能见度。中东地区以阿联酋为代表，已经将发展智慧城市和未来交通作为重要国家战略。从商业化进程来看，小马智行也与迪拜道路与交通管理局达成协议，于今年启动道路测试。在东南亚市场中，新加坡作为全球首个开展面向公众的Robotaxi试运营的国家，在相关政策和监管体系上一直保持着全球领先的发展进程；小马智行、百度旗下的萝卜快跑于今年均有望落地新加坡，开展商业化运营。在欧洲，德国、法国和英国等国家也在加速推进Robotaxi市场的发展。德国车企如大众、戴姆勒等公司均参与到了本国的Robotaxi项目示范运营之中；文远知行将以战略合作的模式，在法国开展Robotaxi纯无人商业化运营；英国则将在2026年于伦敦展开Robotaxi试点运营。

今年全球和中国Robotaxi市场呈现加速推进状态的动因，主要可以从技术成熟、商业验证和政策推动三个维度来看：

在技术层面上，L4级自动驾驶技术的成熟度进一步提升。以Waymo为代表的“多传感器融合+模块化系统”方案通过大规模的测试，验证了Robotaxi的安全性和可靠性已经逐渐走向商业化门槛；而特斯拉的“端到端模型驱动的纯视觉方案”具备显著的规模经济优势、迭代效率和拓展能力，拥有极高的商业化潜力。在商业验证上，以百度Apollo、小马智行、百度萝卜快跑为代表的中国Robotaxi企业在经历了从技术测试到全无人商业化示范的多重验证后，展示了Robotaxi商业化的可行性。从政策推动来看，美国交通部在2025年4月发布了简化无人驾驶技术测试和报告的相关政策；北京、上海、广州、深圳等一线城市均在今年进一步开放Robotaxi商业运营；包括中东、欧洲、日本等国家和地区也在积极跟进Robotaxi的政策支持。在多重因素的共振下，2025年的Robotaxi市场呈现了“雨后春笋”的态势。

Robotaxi的量产和运维成本的下降趋势具备较强的可预见性。以激光雷达为例。过去激光雷达曾是制约Robotaxi成本的核心瓶颈，主要因素系技术发展初期的产能受限。随着相关产业的技术升级和规模化量产，近年来激光雷达价格出现了大幅度的下降。根据公开资料，小马智行的第七代自动驾驶系统中的激光雷达成本将下降68%。其他核心零部件，如车规级芯片，随着单芯片算力进一步优化和国产化车规级芯片的逐步量产应用，自动驾驶系统的整体计算单元成本也有望迎来大幅优化。预计在今明两年，市场将有望看到Robotaxi的量产和运维成本的显著下降。

从技术层面来看，Robotaxi与Robotruck在底层的技术架构上存在较强的共通性，能够在交通规则、车道线识别、障碍物基础分类等基础感知与规划算法实现一定程度的技术复用。Robotruck在运营中的数据积累，同样可以为Robotaxi在自动驾驶模型的训练（如远距离目标识别、车道保持）提供技术迁移价值。综合来看，Robotruck在干线物流领域的经验积累，无疑对推动Robotaxi发展大有裨益。通过技术复用和数据反哺，Robotruck能够为Robotaxi的发展提供了坚实的基础。

相比于Robotruck，Robotaxi面临的运行场景更加复杂。Robotruck的主要运行场景是高速公路，相比与城市场景，路权相对清晰，交通参与者类型较为单一，场景复杂度相对较低。而Robotaxi主要运行的城市场景复杂度显著提升，面临着如人车混行、复杂路口、动态环境（如临时道路施工、交通管制、路边违章停车）等挑战，对自动驾驶系统的实时感知和规划能力要求极高。此外，城市环境中的误判容忍率极低。自动驾驶系统需要实现低阈值的安全交互，在极短的时间内实现“感知-决策-执行”的全链路流程。这些因素的差异均对Robotaxi的自动驾驶系统提出了更加严格的技术要求。