一份研报把路况复杂度当成资产来估值，这样的逻辑在自动驾驶赛道并不常见。美银证券重申对 Pony AI 的买入评级和 19 美元目标价，给出的不仅是财务预期，更把天河、黄埔、番禺长隆的密集道路系统，以及新加坡榜鹅的公开运营，看作一种 " 压力测试下的商业信号 "。

分析师 Ming Hsun Lee 在报告中写道，新开拓的运营区域 " 带来的挑战相当复杂，包括密集的办公楼群、高密度车流以及拥挤的行人交通 "。这段话没有停留在风险提示层面，反而被用来印证 Pony AI 技术栈的差异化——因为同样一份路况数据，在对手眼里是劝退的噪声，在小马智行的叙事里，却是其 PonyWorld 与 Virtual Driver 系统的理想训练场。

这种判断背后藏着一层假设：越是混乱的城市毛细血管，越能浇筑可迁移的自动驾驶能力。如果仅看定性逻辑，它符合机器人学习的常识。但落到 robotaxi 的商业闭环上，这套说辞到底是在描述一种真正的护城河，还是把 " 难度 " 包装成了 " 壁垒 "？我们需要把正方和反方的论证摆在同一张桌面上审视。

正方最直接的论据，来自城市扩张的速度和节奏。Pony AI 已经公开的计划是，到 2026 年底在超过 20 座城市部署超过 3500 辆 robotaxi。同时，2025 年 6 月 22 日，与康福德高合作的新加坡榜鹅项目，正式通过 Zig 应用向公众开放，从邀请制内测切换至消费者直接叫车的模式。这意味着，除了国内的一线城市群之外，海外枢纽也在同步运转。支持者认为，这种多点布局能快速累积真实路测里程，从而迭代算法、摊薄单车的研发和运维成本，一旦跨越规模临界点，单位经济便会迅速改善。

另一个重要的正论是，Pony AI 并非纯粹的出行运营公司。它在技术架构上同时覆盖了自动驾驶乘用车、物流运输以及软件授权和车辆工程服务。这种多线并进的业务模型，可以为 robotaxi 车队提供长期输血。换言之，即便出行业务暂时不盈利，城市路网积累的高精度地图和感知决策数据，也能够反哺其他营收板块，形成交叉补贴。在新加坡这样的高成本市场，Zig 平台上线本身就证明了系统的鲁棒性，而非仅仅是政策窗口期的抢先卡位。

反方的质疑则率先指向 " 复杂路况 " 这一核心论据。在正方的叙事里，天河中央商务区复杂的人车混流、黄埔密集的港口集卡交织、番禺长隆节假日爆发的客流洪峰，都是系统迭代的优质素材。但反方指出，城市道路的混乱程度并不等同于商业可扩展性。真实运营中，远程安全员、线下运维调度、保险责任认定等隐性成本会随场景复杂度非线性攀升。BofA 报告里强调的 " 行人拥堵 " 和 " 高密度车流 "，恰恰暗示着每单服务背后可能需要更高的人力介入频次，这与规模经济的目标背道而驰。

盈利路径的模糊是反方不断回抛的论点。靠扩大车队达到规模经济，在交通密度极高的区域本身就面临供给过剩和空驶率上升的双重挤压。一旦 robotaxi 数量从数百辆跃迁至数千辆，城市路权的实时协调、充电或补能基础设施的保障、高峰时段的动态定价能力，都将进入完全没有先例的实操深水区。而 Pony AI 的营收结构虽然多元，但在公开披露中并未展现出非出行板块已经大规模盈利的明确证据。用远期的交叉补贴来支撑近期的现金流消耗，在二级市场很难给出高确定性溢价。

此外，从横向比较的角度看，全球头部自动驾驶公司普遍在收缩探索性运营区域，集中资源攻坚单个城市的稳态盈利，而非迅速扩张城市数量。Pony AI 的 20 城计划倘若如期推进，其管理复杂度将是指数级上升。反方因此判断，当前的扩张速度更像是在兑现资本叙事的期待，而非严格出于单位经济模型的成熟。

把正反两边的意见并置，我们会发现双方其实在 " 城市复杂度是否可转化为商业护城河 " 这一根本命题上存在估值分歧。正方相信，在极限路况下打磨出来的技术栈具备跨城、跨国的可迁移性，因此前期的高成本具备远期折现价值。反方则认为，路况复杂度的提升带来的是边际成本递增，而非边际收益递增，robotaxi 的规模效应仍需要一个清洁、可重复的基线场景才能达成。

我的判断更倾向于优先拆解几个可被验证的中间指标，而不是二选一的站队。首先是运营区域密度的结构化程度。Pony AI 选择的黄埔、番禺等地，虽然交通负荷高，但部分区域已经完成了车路协同的基础设施改造。如果能够在路侧感知和云端调度层面获得市政支持，那么单车智能的负担会显著降低。反方指出的复杂度非线性攀升，在静态路况下成立，但在网联化程度提升后未必完全成立。因此，后续应重点观察这些城市是否同步推进了智能网联道路的升级。

其次，新加坡榜鹅项目提供了一个观察窗口。榜鹅是典型的新市镇，道路规划相对规范，公共交通分担率高，且 Zig 平台已有成熟的出租车调度经验。这次从邀请制到公众开放的转变，实际上是把 robotaxi 嵌入了一个现成的出行服务生态中。如果能在 6 至 12 个月内交出安全运营和用户复购的可信数据，那么正方的 " 技术可迁移性 " 论调就会获得实证支撑。

第三，对于规模经济的计算，必须将远程安全员的配比变化纳入跟踪。目前行业中人车比从 1:1 降到 1:3 甚至更低，会直接决定单均成本的曲线走向。Pony AI 的 Virtual Driver 系统是否真能大幅降低人工介入频次，尚需等待后续运营报告。在没有清晰的安全员人车比披露之前，所有关于规模盈利的前瞻判断，本质上都属于不确定性分布下的概率定价。

最后，从投资机会成本的角度，BofA 的报告也承认，存在其他 AI 股票提供更大的上涨潜力并承担更低的下行风险。这一补充看似自谦，实则点出了当前自动驾驶赛道估值的核心矛盾：技术突破的可见性在加速，但利润兑现的时间表仍然高度离散。Pony AI 的扩张故事是否成立，不完全取决于 2026 年能否跑够 3500 辆车，而更多取决于能否在几个重点城市率先跑通单位经济的正向循环。

在 robotaxi 行业整体仍处于从实验性部署向商业运营过渡的节点，小马智行拿出的是一份高难度、高强度的考题。这份考题的参考答案，不会写在任何研报的目标价里，而只会出现在下一个季度、下一年度的运营数据细节中。当我们热衷于计算车辆数量和城市数字时，可能更需要等待的，其实是某个普通工作日下午，天河区体育西路口的一辆 robotaxi，在没有人接管的状况下，平静而准确地把乘客送达目的地。那样一个被反复演练过的瞬间，才是所有辩论的终点。