编者语：后台回复“入群”，加入「智驾最前沿」微信交流群
随着人工智能、大数据、车联网等技术的深度融合，智能驾驶技术正在迈入快速发展的关键阶段。作为高级别自动驾驶的典型应用场景，Robotaxi通过其车路云协同的独特优势，推动了自动驾驶技术从试点向商业化的过渡。
智能驾驶作为未来交通发展的核心方向，不仅改变了传统的汽车制造与使用模式，还推动了城市交通管理从人工操作向智能协同的转型。在这一背景下，Robotaxi因其在技术实现与商业化探索中的重要地位，成为高级别自动驾驶落地的重点场景。其集中化的运营模式和特定区域的试点实践，不仅有效规避了技术与法规尚未完善的风险，也为高级别自动驾驶技术的积累和优化提供了宝贵的数据支持。然而，Robotaxi的大规模推广仍面临多重挑战。从技术层面看，高级别自动驾驶对感知、计算与决策提出了极高要求；从产业链层面看，硬件成本居高不下、生态体系尚未完全成型；从政策层面看，法规与标准的制定仍需时日。因此，如何通过政策支持、技术突破与商业模式创新，推动Robotaxi的规模化发展，成为当前智能驾驶领域的重要议题。
政策是智能驾驶产业发展的重要推手。在过去几年中，我国政府在智能网联汽车领域制定了一系列支持政策，从试点示范到标准规范，再到技术研发，为行业提供了良好的发展环境。2023年发布的《智能网联汽车准入与上路通行试点工作通知》中明确要遴选具备量产条件的搭载自动驾驶功能的智能网联汽车产品，开展准入试点；对取得准入的智能网联汽车产品，在限定区域内开展上路通行试点，车辆用于运输经营的需满足交通运输主管部门运营资质和运营管理要求。
车路云协同作为推动智能驾驶规模化应用的重要路径，也得到了政策的高度重视。以《智能网联汽车车路云一体化应用试点城市名单》为例，该政策推动了全国20个试点城市加速部署车路协同技术，包括智能路侧设备、5G通信网络和边缘计算平台的全面覆盖。政策的驱动下，智能驾驶从技术试验阶段向商业化应用迈出了重要一步。特别是在Robotaxi试点中，政策支持使其在高频使用场景中积累了宝贵经验，逐渐形成了技术—法规—商业的良性循环。高级别自动驾驶（L3及以上）的实现，是智能驾驶产业的重要技术里程碑。L3技术允许车辆在特定条件下实现完全自动驾驶，仅在系统无法应对的场景下才需人工接管，这一技术的跨越需要在感知、决策、执行三大核心环节实现质的飞跃。此前，由于车载计算能力不足、算法优化程度有限以及数据采集不足，高级别智驾技术的发展长期受限。近年来，随着BEV（基于视觉的环境表征）和Transformer等前沿算法的成熟，以及NVIDIA Orin等高算力车载芯片的广泛应用，L3技术的突破成为可能。百度Apollo、小马智行等技术公司已在Robotaxi试点中展示了L4级别的技术能力，并将部分技术下放至量产车型。技术突破的另一个关键点在于数据的规模化积累。自动驾驶系统的性能优化高度依赖于海量的真实场景数据，这不仅需要单车智能的高效采集，也需要车路协同的全局感知。通过Robotaxi的试点运行，技术公司可以收集多种复杂路况下的数据，为未来的大规模推广奠定坚实基础。
相比激光雷达方案，强视觉技术以摄像头为核心的感知方案因其成本低、易于量产等优势，逐渐成为自动驾驶感知系统的重要方向。通过高效的深度学习算法，强视觉技术能够识别包括车道线、交通标志和动态目标在内的多种信息，从而为车辆的路径规划和决策提供支持。百度推出的Apollo Lite方案，通过多摄像头的协同感知和高效计算平台，实现了对复杂城市道路的精准感知和实时决策。与传统激光雷达方案相比，Apollo Lite不仅显著降低了硬件成本，还在算法优化和算力需求上实现了更加高效的资源配置。然而，强视觉技术在光线不足或极端天气条件下的表现仍存在一定局限性。未来的技术发展可能会以多传感器融合为方向，通过结合激光雷达、毫米波雷达和摄像头，构建一个多维感知系统，从而进一步提升系统的可靠性和适应性。Robotaxi的商业化成功离不开合理的运营模式和持续优化的成本结构。目前，行业内主要存在三种Robotaxi运营模式：
1. 聚合平台模式：以需求方为入口，整合多方车辆资源，实现统一调度和服务。2. 混合运营模式：平台既拥有自营车辆，又接入外部运力资源，以提高车辆利用率。3. 全自营模式：平台完全掌控车辆和运营服务，通过集中化管理实现服务标准化。以萝卜快跑的“颐驰06”为例，其在架构、计算、转向、制动、通讯、电源、传感器等设计上采取了高冗余配置，确保了运营的安全性与可靠性，同时通过规模化量产有效降低了单车成本。测算数据显示，在商业模式逐步成熟的情况下，Robotaxi的单位运营成本预计将低于传统出租车和网约车。Robotaxi的盈利模式也呈现出多样化趋势。除了传统的客运收入外，运营商还可以通过广告投放、增值服务（如车内娱乐）以及数据授权等方式实现收入多元化。这种复合型的盈利模式，不仅为运营商提供了更大的发展空间，也为整个行业的商业化提供了新的思路。
单车智能作为智能驾驶的起点，依赖车载摄像头、激光雷达和毫米波雷达等感知设备，通过独立计算实现车辆的自动驾驶功能。然而，在实际交通场景中，单车智能面临感知范围有限、计算能力瓶颈和协同效率不足等问题，尤其是在如视线盲区内的行人突然出现、恶劣天气导致感知误差等城市复杂道路环境中，单车智能难以快速准确应对突发状况。为了解决这些问题，车路协同（V2X）应运而生。车路协同通过车与车（V2V）、车与基础设施（V2I）、车与云端（V2C）的实时通信，实现信息的快速共享与动态反馈，为单车智能提供全局感知和决策支持。在交叉路口场景中，路侧设备单元可以通过实时感知交通流量、信号灯状态和行人活动，将这些信息传输给接近的车辆，帮助其提前制定通行策略，从而减少车辆刹车和停车的频率，提高交通效率。
车路云一体化智能网联汽车示意图
车路协同还能有效弥补单车感知的局限性。在交通事故多发路段，路侧通信单元可以提前将事故信息发送至后方车辆，提醒驾驶员和自动驾驶系统调整速度和行驶路径，降低二次事故发生的风险。这种基于超视距感知的信息交互能力，大幅提升了智能驾驶系统的安全性与稳定性。从实际效果来看，车路协同的引入极大地优化了交通管理效率。在城市交通中，传统的信号灯控制仅能基于预设规则运行，而车路协同技术通过动态分析实时交通数据，可以实现更精准的信号灯优化，从而显著降低拥堵发生的概率。随着V2X技术的不断完善，车路协同将成为高级别自动驾驶的核心技术支撑，为Robotaxi等智能驾驶应用场景的推广提供关键保障。车路协同技术的广泛应用，依赖于V2X基础设施的全面部署和持续优化。V2X技术通过搭建车辆与外部世界的信息通信网络，连接车端、路端和云端，构建一个高度集成的智能交通系统。目前，我国在V2X基础设施建设方面已取得显著成果，为智能驾驶的商业化应用创造了良好的环境条件。截至2023年底，中国信息通信研究院数据显示，全国已累计建成8500套路侧通信单元，覆盖了多个试点城市的主要交通路段。同时，5G通信网络的高速发展为V2X技术提供了低延时、高带宽的通信环境。如在京沪高速公路（G2）项目中，已完成710公里的网联化改造，成为国内首条“车联网1号高速”。除了硬件设施的扩展，V2X的软硬件技术生态也在快速完善。路侧设备单元的升级不仅提升了数据采集和传输的精准度，还实现了对车流轨迹、动态交通事件的高效处理；边缘计算节点则将大部分实时计算任务下沉至本地，从而降低了云端计算的负载，进一步缩短了数据处理时延。未来，随着V2X基础设施的进一步普及，其市场前景将更加广阔。研究预测，到2026年，我国乘用车C-V2X设备的前装率将达到9%以上，而路侧设备的部署规模将持续增长。产业链上下游的协同发展也将进一步带动通信模组、芯片、传感器和云控平台等领域的市场扩张，构建一个全方位的智能交通生态系统。从长远来看，V2X基础设施的全面部署不仅是推动Robotaxi大规模落地的必要条件，也将为更广泛的智能网联应用场景（如无人配送车、智慧物流、智慧交通管理系统等）提供支持。
激光雷达作为高级别自动驾驶系统的重要传感器，以其高精度的距离测量和三维环境建模能力，为Robotaxi提供了强大的感知能力。相比摄像头和毫米波雷达，激光雷达在恶劣天气、复杂光照条件下的表现更加可靠，尤其在夜间或雨雪天气中，激光雷达依然能够提供稳定的感知数据，弥补了视觉感知的不足。以第六代百度Apollo Robotaxi为例，其搭载了4个超高清远距激光雷达AT128和多组短距激光雷达，实现了对360°环境的全面感知。这些激光雷达的探测范围可达200米以上，为车辆在复杂城市交通环境中的精准定位与避障提供了支持。激光雷达高昂的成本曾是制约其广泛应用的主要障碍。近年来，随着技术的进步和市场需求的扩大，激光雷达的生产成本逐步下降。禾赛科技和速腾聚创等国内企业通过优化生产工艺和技术方案，将激光雷达的单价显著降低，推动了其在乘用车和Robotaxi中的大规模应用。多传感器融合技术已成为当前感知系统的发展方向。通过将激光雷达、摄像头和毫米波雷达的数据进行深度融合，系统可以获得更加全面、准确的环境信息。例如，摄像头能够识别交通标志、信号灯等静态目标，而激光雷达则在动态目标的精确测距方面具有优势，二者的协同工作显著提升了感知系统的整体性能。自动驾驶技术的实现离不开强大的计算能力，特别是在高级别自动驾驶（L3及以上）场景中，智驾域控制器的性能成为影响系统表现的关键因素。智驾域控制器通过整合感知、决策和执行功能，支持复杂场景下的实时计算与高效协同。以NVIDIA Orin-X为代表的高算力芯片，目前已广泛应用于高级别自动驾驶系统。在百度Apollo的城市领航辅助驾驶方案中，其采用的两枚Orin-X芯片总算力高达508TOPS，为城市复杂道路场景下的实时计算提供了强大支持。这种高性能硬件的应用，不仅提高了系统的计算效率，还显著增强了算法的适配能力和扩展性。与此同时，算法的迭代和芯片的集成化发展，也为智能驾驶技术的普及创造了条件。未来，随着智驾域控制器在成本、功耗和算力上的持续优化，其在自动驾驶产业链中的地位将进一步提升。Robotaxi的规模化落地不仅是高级别自动驾驶技术应用的验证场景，也是推动汽车行业供应链升级的重要动力。从硬件层面看，Robotaxi的感知系统、计算平台和执行机构的复杂度远高于传统乘用车，其大规模部署促使传感器制造商、芯片厂商以及计算平台供应商不断优化产品性能，同时降低制造成本；从软件层面看，Robotaxi对感知算法、路径规划和云端协同能力的需求，推动了车载系统开发平台的标准化与模块化。Robotaxi在感知硬件上的高规格需求直接带动了激光雷达、毫米波雷达等传感器市场的快速增长。据行业预测，到2026年，激光雷达的全球市场规模将突破百亿美元，中国市场的增长尤为迅猛。禾赛科技、速腾聚创等国内企业通过自主研发和成本优化，逐渐占据全球市场的领先地位。这种技术突破不仅推动了Robotaxi的产业化进程，也为其他智能驾驶场景（如无人配送车、智慧物流车）提供了硬件支撑。在算力需求方面，随着高级别自动驾驶算法的不断迭代，Robotaxi的计算平台需要承载复杂的路径规划、多传感器融合和人工智能模型推理任务。NVIDIA Orin平台已成为L4级自动驾驶的主流选择，其强大的算力和灵活的模块化设计能够满足未来更高阶驾驶需求。这种硬件架构的逐步普及，将进一步推动自动驾驶产业链上下游的技术整合与资源共享。Robotaxi运营过程中涉及复杂的感知、决策与执行系统，每一环节都依赖高效的软件算法支持。从感知层面看，多模态数据融合算法已成为主流，通过结合摄像头、激光雷达和毫米波雷达数据，系统能够更全面地感知动态交通环境；从决策层面看，基于强化学习和多目标优化的路径规划算法，正在帮助Robotaxi在复杂城市环境中实现高效的交通流动性。此外，随着Robotaxi运营规模的扩大，云端协同能力的重要性逐渐显现。通过云平台实时分析与监控车辆运行数据，运营方可以动态调整派车策略，优化服务效率。百度Apollo的云控平台能够根据实时交通数据和乘客需求，智能调度Robotaxi，实现车辆利用率与乘客体验的双赢。
Robotaxi的规模化试点和落地标志着高级别自动驾驶从实验室阶段向实际商业化应用的转变。通过车路云协同技术，Robotaxi克服了单车智能在复杂道路环境中的局限性，实现了超视距感知、全局决策优化和动态任务分配。尤其是在城市出行场景中，Robotaxi展现出了在安全性、效率和经济性方面的显著优势，为未来智慧城市建设提供了可靠的技术支撑。尽管Robotaxi在技术路径、商业模式和政策环境等方面取得了重要进展，但其大规模推广仍面临以下挑战：1. 技术瓶颈：自动驾驶系统的可靠性和应对突发事件的能力尚需进一步提升，尤其是在极端天气、复杂交叉路口等场景中，多传感器融合与计算冗余设计仍需优化。2. 法规与伦理：Robotaxi的大规模运营需要配套完善的法律法规框架，例如明确自动驾驶责任划分、数据隐私保护和车辆安全认证等。此外，如何处理社会公众对自动驾驶技术的接受度问题，也是需要长期关注的议题。3. 成本与盈利：尽管硬件成本在逐步下降，但Robotaxi的运营仍需面对高昂的初始投入和长期维护费用。在商业模式上，探索更多元化的盈利方式（如数据服务、广告收益等）将是未来的重要方向。未来，Robotaxi的发展将伴随着以下几个趋势：1. 技术融合加速：随着V2X基础设施的全面覆盖，车路云协同能力将进一步提升，与单车智能形成有机整合，共同构建高效的智能驾驶系统。2. 市场格局明朗：随着政策支持和技术标准化的推进，Robotaxi行业将逐步形成以头部企业为主导的稳定格局，同时推动上下游企业的深度协作与生态优化。3. 全球化发展：中国市场在政策支持和基础设施建设上的优势，将为Robotaxi技术的输出和国际化发展提供强大助力，帮助国内企业在全球智能驾驶领域占据重要位置。综上所述，Robotaxi作为高级别自动驾驶的核心应用场景，其发展不仅推动了技术的不断进步，也加速了智能驾驶的商业化进程。未来，在政策、技术和市场的多重推动下，Robotaxi将为全球交通体系带来深远变革，为智慧出行和绿色交通提供有力支持。
编者语：「智驾最前沿」微信公众号后台回复：C-0629，获取本文参考报告：《Robotaxi 与车路云共振，智驾关键节点已至》pdf下载方式。
-- END --
