Robotaxi產業鏈、技術路線與市場空間如何？

中下游邊界模糊化，鐵三角模式和一體化模式并存。

Robotaxi 產業鏈：Robotaxi 行業上游主要為自動駕駛汽車感知、定位、決策和執行 等層面所需的軟硬件，感知層包括激光雷達、攝像頭、毫米波雷達和超聲波雷達等，定 位主要包括高精地圖和定位，決策層主要包括自動駕駛芯片和域控制器，執行層主要包 括轉向、制動、空懸和動力總成等。中游傳統意義上主要為智駕解決方案供應商、整車 廠等，下游為出行平臺等車隊運營企業，在當下中游和下游邊界模糊化，百度和谷歌等 互聯網科技公司自行開發 robotaxi 平臺，傳統出行平臺滴滴也開始參與到中游的技術集 成和優化。

當前 robotaxi 行業主要有兩種模式：第一類是整車廠+自動駕駛企業+出行平臺的 鐵三角合作模式，代表性例子包括 Momenta+上汽+享道出行、文遠知行+廣汽+如祺出 行、小馬智行+吉利+曹操出行等等；另外一類是負責超過 2 個角色甚至一體化，比如特 斯拉的一體化模式，以及百度/滴滴同時兼顧算法+運營平臺再找主機廠合作的模式。

從傳感器的角度看，主要分為多傳感器融合和純視覺方案兩種技術路線，在 robotaxi 等對安全性要求較高的應用中，多傳感器融合模式為業界主流： 1）多傳感器融合方案，除了特斯拉外，其他主要 robotaxi 玩家均采取該技術路線， 通過攝像頭、激光雷達、毫米波雷達等多種傳感器獲取數據，每一種傳感器都有各自的 優點和不足，多種傳感器融合可以一定程度上保證運營安全冗余； 2）純視覺方案，特斯拉是該方案的代表性企業，馬斯克認為按照第一性原理，人只 需要使用視覺那么無人駕駛最終也只需要視覺，該方案僅用攝像頭進行感知，雖然相比 多傳感器融合有一定的硬件成本優勢，但是對于軟件算法的技術要求更高，當前算法仍 在逐步成熟過程中，因此純視覺方案的安全性相比多傳感器方案較低。

從地圖方案的角度，主要分為高精地圖和輕量化地圖兩種技術路線，未來隨著技術 成熟，輕量化地圖方案可能會逐步向無圖方案演進： 1）高精地圖，是精度更高、數據維度更多的電子地圖，精度更高體現在精確到厘米 級別，數據維度更多體現在其包括了除道路信息之外的與交通相關的周圍靜態信息，可 以說高精地圖是一種具備“超視距”感知能力的傳感器。主要優點包括：a 可彌補普通 傳感器的性能邊界、提供重要先驗信息；b 很多靜態信息可以預先存留在高精地圖上， 極大減輕了感知實時檢測的算力負擔，使得感知有更多資源進行動態物體的識別與跟蹤。 主要缺點包括：a 目前大部分圖商只能做到 3 個月更新一次高精地圖，而對于自動駕駛 理想狀態是日更乃至小時級的更新。b 高精地圖成本高昂，市場上分米級地圖的測繪成 本約為每公里 10 元，厘米級地圖的測繪成本高達每公里千元。 2）輕量化地圖，是智能駕駛領域為降低對高精度地圖（HD Map）依賴而提出的解 決方案，其核心在于“重感知、輕地圖”，即通過攝像頭、激光雷達等傳感器實時感知環 境，結合導航地圖或簡化版高精地圖。與傳統方案相比，它不再完全依賴高精地圖的厘 米級精度，而是利用算法和實時數據彌補地圖信息的不足。主要優點包括：a 傳統高精 地圖僅覆蓋部分高速和城市主干道，輕地圖方案可擴展至全國 530 萬公里公路。b 城市 道路變化頻繁，輕地圖通過實時感知應對臨時施工、突發障礙等場景，泛化能力更強。 c 高精地圖涉及測繪資質和國家安全審核，輕地圖方案減少合規壓力。主要缺點包括： a 輕量化地圖缺乏這種長距離精確信息，主要依賴實時感知，可能導致緊急決策。b 在 惡劣天氣（雨雪霧）、隧道、地下車庫等傳感器受限場景，輕量化地圖依賴實時感知，在 這些場景風險更高。c 輕量化地圖精度不足，在 GNSS 信號丟失時（高樓區、立交橋） 定位能力較弱。d 高精地圖可作為獨立于實時感知的安全冗余層，提供靜態環境"真值"， 而輕量化地圖方案缺乏這種冗余機制。

從算法架構角度看，主要有模塊化、端到端以及模塊化和端到端結合的路線，在當 下業界采取模塊化和端到端結合并逐步向端到端架構邁進，特斯拉的一段式端到端相對 較為成熟： 1）端到端，設計理念為單一神經網絡直接輸出控制指令，技術特點為數據驅動、全 局優化。優點包括：a 全局優化能力強，通過單一神經網絡直接從傳感器數據映射到控 制指令，避免模塊間信息損耗和誤差累積，提升系統整體效率；b 計算效率高，共享特 征提取骨干網絡（如 BEV+Transformer），減少冗余計算，響應速度更快；c 長尾問題處 理更優，數據驅動模式能學習復雜場景（如非規則道路、突發障礙），泛化能力顯著優于 規則系統。缺點包括：a 黑盒特性導致可解釋性差，決策過程難以追溯，調試困難（如 誤判紅綠燈時無法定位故障層）；b 數據與算力需求極高，需千萬級視頻片段訓練；c 安 全冗余不足，極端場景（如傳感器失效）依賴單一模型，缺乏預設規則兜底。 2）模塊化，設計理念為分模塊處理（感知→決策→控制），技術特點為規則驅動、 模塊獨立優化。優點包括：a 可解釋性與易調試，模塊獨立（感知/決策/控制），故障可 快速定位（如感知錯誤則優化檢測算法）；b 開發分工明確，團隊可按模塊并行開發，降 低協作復雜度；c 安全冗余完善，各模塊可嵌入規則校驗（如 AEB 緊急制動規則），提 升極端場景可靠性。缺點包括：a 信息傳遞損耗，模塊間接口導致誤差累積（如感知漏 檢→規劃路徑碰撞風險提升）；b 規則難以窮盡場景，依賴人工編碼規則，無法覆蓋所有 Corner Case（如罕見交通標志誤讀）；c 計算冗余，各模塊獨立特征提取，算力利用率低 （端到端計算效率高 30%以上）。 3）端到端和模塊化結合，設計理念，在常規場景下使用端到端模型快速響應（如車 道保持、跟車），而在極端場景下規則或次級模型介入（如施工路段切換模塊化路徑規 劃）。技術特點為數據與規則協同。優點包括：a 平衡性能與安全，端到端提升效率，規 則系統提供兜底（如誤識別行人時觸發 AEB）；b 漸進式技術升級，可從模塊化逐步遷 移（如特斯拉 FSD V9→V12 逐步端到端化）。缺點包括：a 系統復雜度高，需解決數據流協同問題（如端到端與規則引擎沖突時的仲裁機制）；b 開發成本雙重疊加，需同時維 護神經網絡訓練和規則引擎迭代。

VLA 可能是下一代自動駕駛主流的算法架構。當前的(a)端到端模型缺乏可解釋性； (b) VLM 模型以感知為中心，但語言輸出和實際控制存在脫節；(c) VLA 模型整合了感 知、推理與行動，可能成為下一代主流的自動駕駛算法架構。

主流 robotaxi 玩家在技術路線上采取多傳感器融合+高精地圖+模塊化和端到端融 合的算法架構，特斯拉采取純視覺+無圖+端到端的算法架構。百度、小馬、文遠和 waymo 等主流玩家均采取多傳感器融合疊加高精地圖的技術路線，且在算法架構方面逐步采取 模塊化和端到端結合的技術方案。其中 waymo 雖然有端到端的技術但為了安全的商業 化運營仍然主要采用模塊化的算法架構。由于高精地圖較高的成本和較差的泛化性，部 分廠商正在逐步減輕對高精地圖的依賴，轉向輕量化地圖。特斯拉傳感器層面采取純視覺的技術方案，算法架構采用端到端的技術路線，地圖方面傾向于使用無圖模式，利用 BEV+Occupancy 網絡+NeRF 技術實現動態重建道路結構。 Waymo 和百度在商業化較為領先，小馬、文遠和 waymo 技術實力較為領先，文遠 海外拓展能力較為突出。Waymo 和百度的累計訂單都超過 1000 萬次，運營車隊規模也 均超過 1000 臺，在商業化進程上走在世界前列。從技術實力上來看，小馬、文遠和 waymo 技術實力較為領先。文遠在除了 robotaxi 外的各類無人場景都有較強的產品和技術儲備， 且 25Q1 運營車隊已經超過 1200 臺，在海外拓展和獲取海外運營牌照方面展現了較強 的競爭力和行動力。

全球 Robotaxi 市場空間有望在 2030 年達到 666 億美元，2025-2030 年 CAGR 有望 達到 195.6%。全球 Robotaxi 市場規模有望在 2030 年達到 666 億美元，在 2035 年達到 3526 億美元，2025-2030 年和 2030-2035 年的 CAGR 分別有望達到 195.6%和 39.6%。 中國 Robotaxi 市場空間有望在 2030 年達到 390 億美元，2025-2030 年 CAGR 有望 達到 199.6%。中國 Robotaxi 市場規模有望在 2030 年達到 390 億美元，在 2035 年達到 1794 億美元，2025-2030 年和 2030-2035 年的 CAGR 分別有望達到 199.6%和 35.7%。

Robotaxi 行業快速發展的主要驅動因素主要包括技術成熟、政策支持和成本下降： 1）技術逐步成熟，自動駕駛安全性提高：在事故發生的追因調研中，駕駛員的失 誤操作是導致事故發生的主要因素，而 Robotaxi 技術逐步成熟，可以幫助規避由人為導 致的大部分事故風險，降低事故發生率，保障駕駛員和乘客安全。

2）robotaxi 成本端有望逐步下降：自動駕駛減少了對司機的依賴，從而節省人工成 本，當前的 Robotaxi 仍需要安全員，但隨著技術的成熟，單個安全員逐步可以監管更多 臺車輛，帶來成本下降。此外，隨著無人駕駛車隊規模的增長，各類硬件也將因為規模 效應持續降本，帶來車輛成本的下降。

3）中美兩國政策端均大力支持 robotaxi 產業發展：美國在自動駕駛政策方面起步 較早，其政策環境相對寬松，鼓勵創新。中國在自動駕駛領域的發展策略則更注重安全 穩定和漸進式推進。在中國運營 robotaxi，需要經過測試、示范和商業化三個階段：測 試階段需要接管里程等數據達標，以及車輛等硬件進行資質檢測等；示范階段需要積累 安全運營里程，準備安全相關的評估和保障方案；商業化階段需要配備相關保險，并且接受監管定期的數據審查。