导读：市场这么大，玩家为何就地 " 开战 "？

李彦丨作者

木鱼丨编辑

壹览商业丨出品

豆包 AI 丨头图

伴随着风口一起诞生的，总是资本的长期看好和短期的不断争议，Robotaxi（无人驾驶出租车）也不例外。

近日，高盛发布的一份研报显示，中国 Robotaxi 的潜在市场规模（TAM）预计将从 2025 年的 5400 万美元增长到 2030 年的 120 亿美元，到了 2035 年，这一数值将达 470 亿美元。也就是说，2025-2035 年的十年间，Robotaxi 总市场规模将增长 757 倍。

据高盛预测，到 2035 年，中国 Robotaxi 市场将由一线和二线城市主导。其中，一线城市（北上广深等）预计贡献 42% 的市场份额，规模将达近 195 亿美元；二线城市市场占比更高，达 50%，对应约 231 亿美元。

从车辆规模看，中国的 Robotaxi 将由 2025 年的 4100 辆增至 2035 年的 190 万辆。其中，包括小马智行、文远知行、百度 Apollo 等厂商在内的现任参与者将成为其中主要玩家。

（图源：高盛研报）

研报中还提到，成本端也将因为规模化生产、技术成熟和供应链优化而降低。2025 到 2035 年间，一线城市 Robotaxi 的单车制造成本预计将从 2.01 万美元逐步下降到 1.89 万美元。

那么，在这个将几何倍增长的赛道，头部玩家有谁？

  1

  头部玩家有谁？

根据国际汽车工程师协会（SAE）的分级标准，自动驾驶被划分为从 L0 到 L5 的六个级别。L2 级别的车辆可以同时执行如自动车道保持、自适应巡航等智能驾驶功能，但驾驶责任仍在司机，需时刻专注路况。L3 级则允许车辆在限定条件下实现自动驾驶，比如高速公路或封闭停车场，驾驶员只需在系统提示时接管。

行业关注的真正转折点出现在 L4 及以上级别——在这一阶段，车辆才能实现「真正的无人驾驶」，驾驶员可以完全摆脱操控任务，汽车在普通天气条件下能够自主完成全部驾驶功能。

在这样的技术和资本壁垒下，被视为 Robotaxi 行业有竞争力的玩家并不多，主要有：

小马智行（Pony.ai）

（图源：小马智行公众号）

小马智行是中国 Robotaxi 技术公司中最早一批开展 L4 级自动驾驶研发和商业化试点的企业，主打「激光雷达 + 高精地图」路线。其特点在于全栈自研能力：感知、规划、控制、仿真、云端调度等模块齐全，能够为合作车厂提供高度可复用的 L4 系统解决方案。商业落地上，小马智行在国内已在广州、北京等地获得载人示范运营许可，并正在推进与广汽、丰田、吉利等车企的合作开发定制车型。

其背后的资本阵容包括红杉资本中国、IDG 资本、丰田、一汽、广汽、北汽、加拿大安大略省养老基金、文莱主权财富基金文莱投资局等，既有美元 VC，也有深度绑定的国内外车企和全球主权财富基金，形成典型的「中外混合、产业联盟」派系。

文远知行（WeRide）

（图源：文远知行官网）

文远知行同样是中国自动驾驶领域的重要玩家，专注 Robotaxi、Mini Bus、货运场景的 L4 级自动驾驶技术，采用「多传感器融合 + 高精地图」路线。特点是强调模块化平台，便于与多品牌车型适配，在广州、北京、阿布扎比等地都有试点或商业合作。

文远在融资上主打产业资本合作：除了宇通、广汽等产业资本，其他股东包括博世、Uber、北汽产投、昆仑资本等，呈现「车企和 Tier 1 巨头支持」的产业链派系。

百度 Apollo

（图源：萝卜快跑公众号）

百度 Apollo 主打「激光雷达 + 高精地图」路线，具备端到端全栈自研能力，涵盖高精地图、感知融合、规划控制和云端调度。

「萝卜快跑」是百度 Apollo 面向公众推出的 Robotaxi 出行服务品牌，已经在北京、武汉、重庆、深圳等地实现规模化部署和商业化试点，是目前国内运行规模和城市落地能力领先的自动驾驶出行平台之一。

百度 Apollo 的特点是与地方政府合作最为深入，先后在北京、武汉、重庆、深圳等地取得多次「无安全员」载人牌照试点，形成城市级落地优势。资本背景则以百度本身为绝对控股主体，同时与一汽红旗、北汽极狐等主机厂战略合作，是典型的「大平台 + 本土车厂生态」派系。

滴滴自动驾驶

（图源：滴滴自动驾驶公众号）

滴滴自动驾驶，主打「多传感器融合 + 高精地图」路线，具备感知、定位、高精地图、规划控制及远程调度等全栈自研能力。早在 2016 年，滴滴就启动自动驾驶布局，由联合创始人张博带队组建研发团队，2019 年将业务升级为独立公司，专注核心技术开发与商业拓展。

2020 年，滴滴在上海首次向公众开放 Robotaxi 服务。目前车队已在北京、上海、广州等地的示范区稳定运营。2024 年，滴滴自动驾驶与广汽埃安成立合资公司 " 广州安滴科技 "，2025 年首款全球适应能力的前装量产 L4 车型在广汽科技日上亮相。

资本背景方面，滴滴自动驾驶自独立以来已完成多轮融资，包括软银愿景基金、高瓴资本、IDG 资本、中俄投资基金、国泰君安等在内的国内外重量级投资方支持。政企合作层面，滴滴与广州市政府签署战略合作框架协议，进一步推动自动驾驶、智慧交通等领域的深度协同，为 Robotaxi 在广州及更多城市的规模化、商业化落地奠定基础。当然一旦规模化商用，其最大的优势是滴滴占据网约车 70% 以上的市场份额，在流量端和服务经验方面绝对领先。

特斯拉（Tesla）

（图源：特斯拉官网）

特斯拉是全球自动驾驶领域最具争议也最具突破力的玩家。与传统「高精地图 + 激光雷达」路线不同，特斯拉走的是「纯视觉端到端」路线，完全依赖摄像头输入和超大规模神经网络模型（FSD）。

特斯拉是高度自营的美股上市公司，属于「硬件 + 软件 + 服务」全自研，强调极致轻资产扩张和车主加盟模式。上个月，特斯拉的 Robotaxi 开始在美国奥斯汀试点，试点成熟后，估计进入中国市场也会经历一段时间。毕竟 FSD 在今年初才在国内初步落地，并且接管率较高，偏向辅助驾驶，而美版更接近完全自动驾驶。

Waymo

（图源：Waymo 官网）

Waymo 是全球公认的 Robotaxi「第一梯队」玩家，技术路线以「多传感器融合 + 高精地图」为主，车辆配备高线束激光雷达、摄像头、毫米波雷达，依赖精细建图和区域运营来保证安全性。Waymo 特点是安全冗余设计成熟，已在美国部分城市开展「无安全员」Robotaxi 运营。

该集团资本背景以母公司 Alphabet（谷歌）为主控，同时吸引了外部大额融资，包括银湖资本、安大略教师养老金、穆巴达拉（阿布扎比主权基金）等，是典型的「科技巨头 + 主权基金」派系。Waymo 一直在谋求进军中国，但进度似乎却不甚理想。有别于特斯拉在国内已经经营多年，Waymo 想追赶本土企业和特斯拉，难度不小。

这些头部玩家，既是 Robotaxi 技术路线分歧的代表，也是全球资本和产业链博弈的核心标的。它们在技术、资金、政府合作和车厂整合四条战线上展开竞争，决定着未来这个预计「十年 700 倍增长」市场的主导权归属。

  2

特斯拉的技术是「独一档」吗？

在自动驾驶行业内，特斯拉被普遍视为对标对象。

比如华为智能驾驶解决方案产品线总裁李文广在访谈中就坦言，特斯拉 FSD 在道路感知能力、车辆控制丝滑度等方面做得是 " 行业最好的 "，华为也在 " 走这样的路 "。当然，他也指出纯视觉路线未来在更高等级的无人驾驶阶段仍有问号。但即便是竞争对手，也得承认当下特斯拉在量产自动驾驶系统的成熟度、用户规模、持续迭代方面处于领先。

这也引出一个核心问题：Robotaxi 的主流技术路线都有哪些？特斯拉究竟有什么不一样？

需要注意的是，Robotaxi 的门槛不仅是能做出能跑的车，更在于全链条的系统能力。

首先是算法和算力，决定了车辆能否实时感知环境并做出安全决策；其次是传感器融合，需要把摄像头、激光雷达、毫米波雷达等多源数据精准整合，保证在雨雾等复杂天气下也能「看清」路况。此外，大规模部署前必须经过海量仿真测试和真实路况验证，覆盖无数长尾极端场景。

即便技术成熟，还要解决车队管理和运维成本问题，包括车辆调度、清洁、保养和远程监控。同时，能否和政府、高效取得运营牌照，以及与车厂合作开发具备 L4 能力的量产车型，也是落地的关键。地图和高精定位能力则是城市运营中的核心基础设施。法规落地、用户接受度、安全冗余设计，每一个环节都需要巨额投入，且没有哪一步能被轻易抄作业或省略。

目前全球 Robotaxi 落地的主流路线可以大致分为两种：

激光雷达 + 高精地图派。这一派是目前最主流的技术路线，包括 Waymo、百度 Apollo、小马智行）这一流派的典型特征是：配备多线束激光雷达、毫米波雷达、摄像头等多传感器融合，通过提前绘制并不断更新的高精地图实现定位和决策。在这一技术下，RobotaxI 在提前绘制好的区域内行驶，能提高的路线的可预测性，利于早期商业落地。但同时，也得面对高昂的硬件和建图成本以及地图维护负担大、区域适应性差等痛点。

纯视觉派，以特斯拉 FSD 为代表。它完全放弃激光雷达，硬件上只依赖摄像头输入，通过大规模的端到端神经网络和 Dojo 超级计算机来实现感知和决策。这种路线的最大优势在于硬件配置极其简化，摆脱了本地高精地图的依赖，具备全球范围快速部署和规模化扩张的潜力。但同时，它的技术门槛也非常高，对算法、算力以及高质量驾驶数据的要求极为苛刻，目前承载最多行业期待的，就是特斯拉。

在全球 Robotaxi 的技术路线里，特斯拉的确展现了独一档的突破力。最根本的差异，在于特斯拉自建了一个全球规模最大的真实道路驾驶数据闭环。

凭借数百万辆搭载 FSD 硬件的车辆，特斯拉每天都在全球范围收集各种道路场景、驾驶行为和极端情况。这套系统不是封闭园区里的演示，也不限于少量车队在特定城区的试点，而是依托用户规模在真实世界中持续迭代：推送新版本、收集反馈、调整模型、再推送更新。

正是这种超大规模的真实场景学习，让特斯拉的 FSD 能不断解决长尾问题，逐步接近更高等级的无人驾驶安全要求。相比之下，即便一些玩家已经在城区内开放了无安全员服务，但受限于区域和样本量，它们的数据闭环规模和多样性仍远远不及特斯拉。

特斯拉采用的是「端到端」的神经网络方案，也就是说，它把从摄像头获取图像到最终控制车辆的整个过程，都放在一个统一的模型里来处理。这和传统的自动驾驶方案不太一样，后者通常会把感知、预测、控制分开，靠很多手工设计和模块对接来实现。特斯拉的思路是用非常大的算力和海量驾驶数据来训练这个模型，让它一次性输出驾驶决策。

为了支持这种训练，特斯拉还开发了自己的 Dojo 超级计算机，用来处理来自真实世界的大量驾驶场景，不断优化模型表现，让车辆在复杂路况下的决策更接近人类司机的习惯。

在商业模式上，特斯拉想做的是自营 + 加盟的 Robotaxi 网络。它计划把车辆成本降到大约 3 万美元以下，让车主可以购买 FSD 软件后，把自己的车加入特斯拉的 Robotaxi 平台。平时的充电、清洁、保险、折旧等成本主要由车主承担，而特斯拉则通过软件订阅、收入分成、车内广告等方式获得收益。这样一来，特斯拉可以用更低的资本开支来扩张 Robotaxi 网络，同时获得长期的软件和服务收入。

技术、商业叙事都听着非常美好。但必须承认的是，即便特斯拉的技术能力独一档，这也并不意味着它是 Robotaxi 的完美解法。

纯视觉端到端虽然在成本和扩张潜力上有无可比拟的优势，但安全冗余一直是它的争议点。缺少激光雷达等 " 空间尺 "，在极端光照或复杂天气情况下可能导致感知失真，端到端模型的 " 黑箱 " 特性也让出错时难以解释和追溯根因。在无人驾驶涉及人命安全的场景里，这种不确定性是巨大的技术挑战。

特斯拉在奥斯汀的 Robotaxi 试点，也暴露了这个现实。虽然是一次令人瞩目的行业事件，但本质上还是一个小规模、限定区域、有安全员坐镇的 " 第二阶段 " 项目，远没有达到在多个城市大规模 " 无人驾驶 " 商业化运营的水平。

所以，从今天的角度看，特斯拉确实用独特的数据闭环、端到端网络和轻资产平台构想，走出了一条独一无二的技术路线。但 Robotaxi 最终的成熟解法，还要在安全冗余、成本控制、生态整合等层面做出全面的权衡。Robotaxi 的未来，不会只有一个标准答案。

  3

为了占据技术高地，Robotaxi 越做越亏

就在最近，小马智行和文远知行因 " 隔空互怼 " 引发行业关注。小马智行联合创始人、CTO 楼天城在采访中声称，从规模化和无人化来看，能坐在「牌桌」上的只有 Waymo、小马智行和百度 Apollo，其他公司都落后两年半时间。随后，文远知行 CFO 李璇在朋友圈曝光了小马智行在美国软件牌照被吊销、测试车在北京亦庄撞上绿化带起火等「黑料」，并讽刺对方 " 想学文远就做到位，至少真正落地跑几十辆车再说 "。

那么，为什么 Robotaxi 这么有前景好的市场，企业之间还在相互攻击？

从 Robotaxi 目前的发展情况来看，企业还远不到为了争夺市场份额必须短兵相接、血拼价格、在舆论层面互相攻击的阶段。但同时，Robotaxi 厂商的财报也越做越亏。

从最新财报就能看出这一点。

比如小马智行，2023 年全年的研发投入就达到 8.71 亿元，2024 年进一步增长到 17.53 亿元，2025 年第一季度也保持了 3.45 亿元的投入水平。但与此同时，净利润却在持续恶化：2023 年亏损 8.9 亿元，2024 年亏损超过 20 亿元，2025 年一季度也还有接近 3 亿元的亏损。

文远知行同样如此。2023 年研发投入超过 10.5 亿元，2024 年继续增加至 10.91 亿元，而净亏损则从 2023 年的近 20 亿元，扩大到 2024 年的 25.17 亿元，2025 年第一季度仍亏损近 4 亿元。

从营业收入数据来看，小马智行近几年营收一直处于微增状态，而文远知行已经开始逐年下滑，从 2022 年的 5.28 亿下降到了 2024 年的 3.61 亿。

这些数字背后，反映的正是整个无人驾驶行业面临的投入 - 亏损困局。要想真正实现 L4 级别的无人驾驶，不仅需要在传感器、芯片、算法、数据闭环、车队运营等环节全部攻克技术难关，还要持续不断地在真实道路上积累海量的极端和长尾场景。每一个安全冗余的设计、每一次模型迭代、每一次大规模回传和标注数据，都是高昂的投入。

正因为如此，行业里无论是选择「纯视觉端到端」的特斯拉，还是坚持「多传感融合」路线的 Waymo、百度、小马智行、文远知行，最终都要面对同一个挑战：没有巨额且长期的研发投入，就不可能跨越从有人到无人，从小规模试点到城市级规模化运营的难关。

为了应对高昂的研发成本和量产难题，整个 Robotaxi 行业也逐步形成了「主机厂 + 智能驾驶技术公司 + 出行平台」= 的深度协同模式。主机厂负责前装量产和定制化改造，智能驾驶公司提供全栈系统和算法能力，出行平台则聚焦车队调度、运营和用户服务。这样的合作模式可以把无人驾驶从实验室产品变成真正可规模化落地的城市出行方案，同时也有助于分摊风险、整合资金和供应链资源。

而承担起产业链「大脑」角色的智能驾驶企业，可以说是主动寻求支持的一方。企业间表面看是观点之争，实质也是为了抢夺未来发展中至关重要的资源。

首先是资金资源。自动驾驶研发和车队建设是天文数字级别的投入，风险投资、产业资本、主权财富基金都是血脉和弹药。越能被投资人认可为「头部玩家」，越能在烧钱换规模、换数据、换技术迭代的竞争里活得久、跑得远。

其次是技术和供应链资源。无人驾驶是算法、算力、传感器、仿真测试、车身平台、动力电池等全栈合作的系统工程。要让核心零部件供应商（如英伟达、Mobileye、激光雷达厂商）优先支持，要获得车企提供的定制车型平台，都要证明自己的路线最靠谱、最值得合作。

再者是许可资源。地方政府掌握着测试路权和商业化牌照，是 Robotaxi 能不能合法跑起来的「开闸人」。与政府合作越深入，拿到的示范区试点规模越大、落地速度越快，就能先建立城市级数据壁垒。

还有出行生态和用户流量。互联网平台和出行公司手里握着用户入口和订单调度能力，谁能先对接高德、滴滴、美团这样的 App，谁就能更快获得真实的客流和运营经验。

本质上，这是一个比拼「全链条整合能力」的产业。越早被市场、资本、政府、供应链认定为「头部玩家」，就越能获得这些资源的优先倾斜和绑定合作。

这也是为什么，尽管现在行业整体还在技术验证和早期商业化阶段，玩家们已经在台前不断释放战火——因为故事讲得越响，位置卡得越前，才有机会拿到这场赛跑真正需要的「通行证」。

END

推荐阅读