近年來，隨著自動(dòng)駕駛技術(shù)的加速發(fā)展，Robotaxi逐漸成為L4級別自動(dòng)駕駛技術(shù)商業(yè)化落地的最佳應(yīng)用場景之一。科技巨頭紛紛布局Robotaxi業(yè)務(wù)，百度蘿卜快跑、小馬智行等已在中國多個(gè)城市實(shí)現(xiàn)試點(diǎn)并投入商業(yè)運(yùn)營。與此同時(shí)，城市NOA（Navigate on Autopilot）的技術(shù)迭代也在提升駕駛體驗(yàn)，使用戶感知的駕駛輔助級別逐漸逼近L3水平。

　　自動(dòng)駕駛技術(shù)的快速崛起，正重塑全球交通系統(tǒng)。Robotaxi作為L4級別自動(dòng)駕駛車輛，是自動(dòng)駕駛技術(shù)在共享出行領(lǐng)域的重要應(yīng)用場景，具有降低出行成本、提升出行效率、減少人為駕駛失誤等優(yōu)勢。與此同時(shí)，城市NOA技術(shù)作為漸進(jìn)式自動(dòng)駕駛的重要一步，已經(jīng)在多個(gè)城市逐步落地，成為現(xiàn)階段智能駕駛應(yīng)用的重要組成部分。

　　L4級別自動(dòng)駕駛技術(shù)標(biāo)志著車輛在特定條件下可以完全自主駕駛，無需駕駛員的干預(yù)。這一技術(shù)架構(gòu)依賴于多種核心技術(shù)的結(jié)合，包括高精度地圖、傳感器融合、計(jì)算平臺和智能算法。

　　高精度地圖：高精度地圖提供了比傳統(tǒng)導(dǎo)航更詳細(xì)的道路信息，包括車道、交通標(biāo)識、建筑物等。Robotaxi通過高精度地圖能夠準(zhǔn)確判斷自身所處位置，并為路徑規(guī)劃提供支持。與普通導(dǎo)航地圖相比，高精度地圖可以精確到厘米級，這在城市復(fù)雜路況中至關(guān)重要。

　　傳感器融合技術(shù)：Robotaxi使用激光雷達(dá)、攝像頭、毫米波雷達(dá)等多種傳感器，通過多源信息的融合實(shí)現(xiàn)對周圍環(huán)境的感知。激光雷達(dá)通過光束反射測距構(gòu)建三維環(huán)境模型，攝像頭負(fù)責(zé)識別視覺信息如交通信號燈、車牌等，而毫米波雷達(dá)則在惡劣天氣下提供更可靠的距離測量。

　　計(jì)算平臺：Robotaxi的“大腦”是基于高性能的計(jì)算平臺，通過整合各類傳感器數(shù)據(jù)，實(shí)時(shí)進(jìn)行環(huán)境分析、決策和路徑規(guī)劃。現(xiàn)有計(jì)算平臺多采用AI芯片進(jìn)行并行計(jì)算，能夠?qū)崟r(shí)處理復(fù)雜的感知數(shù)據(jù)并執(zhí)行智能駕駛算法。

　　智能算法：依托于深度學(xué)習(xí)和機(jī)器學(xué)習(xí)，Robotaxi的自動(dòng)駕駛算法可以通過對大量交通場景數(shù)據(jù)的學(xué)習(xí)，不斷提高感知和決策能力。這些算法不僅能夠?qū)崟r(shí)判斷行車路線，還能應(yīng)對突發(fā)情況如行人闖入、突然停車等。

　　中國在推動(dòng)自動(dòng)駕駛商業(yè)化方面采取了積極的政策措施，尤其是針對Robotaxi的應(yīng)用場景，政府通過發(fā)放測試牌照、規(guī)劃智能基礎(chǔ)設(shè)施等手段，極大地加速了行業(yè)發(fā)展。

　　北京市已發(fā)放數(shù)百張自動(dòng)駕駛測試牌照，并在超過600平方公里的范圍內(nèi)完成了智能化道路設(shè)施的建設(shè)。與此同時(shí)，武漢、上海等城市也逐步開放了自動(dòng)駕駛測試路段，并支持Robotaxi的商業(yè)化運(yùn)營。百度蘿卜快跑、小馬智行、AutoX等企業(yè)率先進(jìn)入這些城市，進(jìn)行Robotaxi試點(diǎn)運(yùn)營。

　　Robotaxi玩家運(yùn)營情況梳理根據(jù)華西證券的研究數(shù)據(jù)，百度蘿卜快跑目前已在中國11個(gè)城市實(shí)現(xiàn)商業(yè)運(yùn)營，截至2024年4月，訂單量超過600萬單。滴滴、如祺出行、小馬智行等也正在加速推動(dòng)Robotaxi在其他城市的落地。隨著政策的進(jìn)一步放開和基礎(chǔ)設(shè)施的完善，Robotaxi有望在未來幾年內(nèi)迅速擴(kuò)大其市場占有率。

　　雖然Robotaxi已經(jīng)進(jìn)入了試點(diǎn)和商業(yè)化運(yùn)營的階段，但在大規(guī)模落地的過程中仍面臨著不少挑戰(zhàn)，特別是在技術(shù)層面。

　　感知與決策的復(fù)雜性：城市中的交通狀況復(fù)雜多變，Robotaxi需要應(yīng)對各種不可預(yù)測的情況，如行人突然橫穿馬路、非機(jī)動(dòng)車逆行等。這要求自動(dòng)駕駛系統(tǒng)具備極高的環(huán)境感知能力和快速反應(yīng)能力。

　　解決方案：通過融合激光雷達(dá)、攝像頭和毫米波雷達(dá)等多種傳感器的數(shù)據(jù)，可以實(shí)現(xiàn)對環(huán)境的全方位感知。此外，依托AI大模型技術(shù)，Robotaxi的智能決策系統(tǒng)能夠通過學(xué)習(xí)海量數(shù)據(jù)，更好地應(yīng)對復(fù)雜場景。

　　高精度地圖的更新問題：自動(dòng)駕駛依賴的高精度地圖需要頻繁更新，尤其是面對城市道路的變化，如新建道路、封閉路段等。

　　解決方案：使用基于車隊(duì)的實(shí)時(shí)地圖更新技術(shù)，車輛能夠在行駛過程中將周圍環(huán)境變化上傳至云端，并對地圖進(jìn)行實(shí)時(shí)更新。此外，部分企業(yè)如特斯拉正在探索通過大規(guī)模視覺感知技術(shù)來減少對高精度地圖的依賴。

　　成本控制：高昂的傳感器和計(jì)算平臺成本是Robotaxi商業(yè)化的一個(gè)主要障礙。目前，激光雷達(dá)等關(guān)鍵部件的價(jià)格居高不下，影響了整車的經(jīng)濟(jì)性。

　　解決方案：通過與供應(yīng)鏈企業(yè)合作，如百度與禾賽科技合作推出價(jià)格更為低廉的激光雷達(dá)AT128，車輛的硬件成本得到了顯著降低。同時(shí)，隨著自動(dòng)駕駛技術(shù)的不斷成熟，企業(yè)可以通過規(guī)模化生產(chǎn)進(jìn)一步降低成本。

　　城市NOA（Navigate on Autopilot）技術(shù)是目前L2+級別智能駕駛的重要表現(xiàn)形式，通過這項(xiàng)技術(shù)，車輛能夠在城市道路中進(jìn)行自動(dòng)導(dǎo)航與行駛。根據(jù)不同企業(yè)的技術(shù)策略，城市NOA的發(fā)展大致可以分為兩大路徑：漸進(jìn)式和一步到位式。

　　漸進(jìn)式路徑：如特斯拉、小鵬、理想等車企通過逐步迭代的方式，不斷升級現(xiàn)有的駕駛輔助功能。這類企業(yè)從L2級別輔助駕駛開始，逐步向L3、L4過渡。特斯拉的FSD（Full Self-Driving）系統(tǒng)正是通過不斷推送OTA升級包，逐步增強(qiáng)車輛的自動(dòng)駕駛能力。

　　一步到位式路徑：以Waymo和百度Apollo為代表的企業(yè)則采取了直接研發(fā)L4+級別技術(shù)的策略，力求在固定區(qū)域或特定條件下實(shí)現(xiàn)完全自動(dòng)駕駛。這類路徑雖然技術(shù)要求更高，但一旦實(shí)現(xiàn)，能夠快速推廣至特定應(yīng)用場景，如Robotaxi和無人物流。

　　城市NOA的主要應(yīng)用場景是復(fù)雜的城市道路環(huán)境，通過NOA技術(shù)，車輛能夠在設(shè)定范圍內(nèi)實(shí)現(xiàn)自動(dòng)駕駛。這一技術(shù)在過去幾年取得了長足進(jìn)展，特別是在感知、決策和控制等方面。

　　感知層面：過去的NOA技術(shù)主要依賴高精度地圖來規(guī)劃路徑和進(jìn)行環(huán)境感知，而隨著大模型技術(shù)的引入，企業(yè)逐步擺脫了對地圖的依賴。例如，小鵬汽車通過感知技術(shù)的升級，逐步推廣“無圖”自動(dòng)駕駛，減少了對高精度地圖的依賴性，并提升了開城速度。

　　決策控制層面：AI大模型的應(yīng)用是城市NOA技術(shù)的關(guān)鍵突破之一。以特斯拉FSD為代表的技術(shù)，已經(jīng)開始將AI大模型應(yīng)用于感知和決策。通過BEV（Bird’s Eye View，鳥瞰圖）+Transformer的深度學(xué)習(xí)模型，特斯拉能夠?qū)崟r(shí)處理大量數(shù)據(jù)并做出智能決策。

　　隨著技術(shù)的逐步完善，城市NOA的用戶體驗(yàn)顯著提升。例如，小鵬汽車的城市NGP（Navigate on Pilot）系統(tǒng)，已覆蓋了包括廣州、深圳、上海等243座城市，提供了接近L3級別的自動(dòng)駕駛體驗(yàn)。華為也推出了支持全國范圍內(nèi)城市NOA的智能駕駛方案，其搭載的HarmonyOS系統(tǒng)能夠?qū)崿F(xiàn)OTA遠(yuǎn)程升級，讓用戶隨時(shí)享受最新的駕駛體驗(yàn)。

　　此外，消費(fèi)者的接受度也在逐步提升。根據(jù)市場調(diào)查，搭載NOA功能的智能汽車逐漸成為購車者的重要考慮因素，特別是對于一線城市的年輕用戶而言，智能駕駛能力已經(jīng)成為影響購車決策的關(guān)鍵因素之一。

　　目前，Robotaxi的商業(yè)模式主要包括自主運(yùn)營、與出行平臺合作、與主機(jī)廠合資等方式。以下是幾種常見的商業(yè)模式：

　　自主運(yùn)營模式：企業(yè)獨(dú)立運(yùn)營自己的Robotaxi車隊(duì)，負(fù)責(zé)車輛的調(diào)度、運(yùn)營和維護(hù)。百度蘿卜快跑就是這種模式的典型代表。自主運(yùn)營模式的優(yōu)勢在于企業(yè)可以掌控整個(gè)服務(wù)鏈，但運(yùn)營成本相對較高，尤其是車輛折舊和維護(hù)費(fèi)用。

　　與出行平臺合作模式：部分Robotaxi公司選擇與現(xiàn)有的出行平臺合作，如小馬智行與滴滴的合作。這種模式通過利用現(xiàn)有平臺的用戶和運(yùn)營體系，減少了前期市場拓展的難度，同時(shí)也降低了企業(yè)的運(yùn)營成本。

　　必一運(yùn)動(dòng)

　　與主機(jī)廠合作模式：例如文遠(yuǎn)知行選擇與主機(jī)廠合資，通過整合主機(jī)廠的生產(chǎn)資源和自動(dòng)駕駛技術(shù)，既提升了車輛的自動(dòng)駕駛能力，也能減少硬件成本。

　　盡管Robotaxi的商業(yè)化試點(diǎn)取得了一定進(jìn)展，但其盈利模式仍然面臨挑戰(zhàn)。當(dāng)前，Robotaxi的主要成本包括車輛折舊、安全員薪資、充電費(fèi)用和維護(hù)成本。以百度蘿卜快跑為例，單車每日的運(yùn)營成本高達(dá)370元，而每日接單量的收入不足以覆蓋這一成本。

　　未來，如何實(shí)現(xiàn)盈利是Robotaxi面臨的主要問題之一。降低硬件成本、提高單車接單量、減少安全員成本等都是實(shí)現(xiàn)Robotaxi商業(yè)化盈利的關(guān)鍵。

　　硬件成本的下降：隨著激光雷達(dá)、計(jì)算平臺等關(guān)鍵組件成本的逐漸下降，Robotaxi的制造成本將大幅降低。例如，禾賽科技推出的AT128激光雷達(dá)價(jià)格較傳統(tǒng)激光雷達(dá)低很多，這將使Robotaxi的成本結(jié)構(gòu)更加合理。

　　提高運(yùn)營效率：通過智能調(diào)度系統(tǒng)優(yōu)化車輛的行駛路線、減少空駛時(shí)間和提高單車?yán)寐剩梢燥@著提升Robotaxi的運(yùn)營效率。此外，安全員的去除或減少將進(jìn)一步降低運(yùn)營成本，實(shí)現(xiàn)更好的盈利表現(xiàn)。

　　隨著5G技術(shù)的普及和車路協(xié)同技術(shù)的逐步推廣，未來Robotaxi和城市NOA技術(shù)的融合將更加緊密。車路協(xié)同通過實(shí)現(xiàn)車輛與道路基礎(chǔ)設(shè)施的實(shí)時(shí)數(shù)據(jù)交換，能夠大幅提高自動(dòng)駕駛車輛的反應(yīng)速度和安全性。特別是在復(fù)雜的城市路況下，車路協(xié)同技術(shù)可以提供更多的道路信息，幫助Robotaxi和NOA系統(tǒng)更好地進(jìn)行路徑規(guī)劃和風(fēng)險(xiǎn)規(guī)避。

　　除了車路協(xié)同外，量子計(jì)算和云計(jì)算的快速發(fā)展也有望在未來幾年內(nèi)顯著提升自動(dòng)駕駛技術(shù)的計(jì)算能力。量子計(jì)算的高并行處理能力將大幅縮短自動(dòng)駕駛算法的計(jì)算時(shí)間，而云計(jì)算能夠提供更大規(guī)模的實(shí)時(shí)數(shù)據(jù)處理支持，使得Robotaxi和城市NOA系統(tǒng)能夠更快地做出反應(yīng)。

　　Robotaxi和城市NOA技術(shù)的迅速發(fā)展，標(biāo)志著自動(dòng)駕駛行業(yè)正在進(jìn)入大規(guī)模商業(yè)化落地的關(guān)鍵時(shí)期。盡管面臨技術(shù)、成本和法規(guī)等多重挑戰(zhàn)，但隨著技術(shù)的不斷進(jìn)步和政策的逐步放開，Robotaxi和城市NOA將在未來幾年內(nèi)取得重大突破。尤其是通過車路協(xié)同、5G網(wǎng)絡(luò)和AI大模型等前沿技術(shù)的推動(dòng)，Robotaxi和城市NOA的商業(yè)化前景更加廣闊，未來智能駕駛將成為全球交通體系的重要組成部分。