國內Robotaxi技術、政策與成本分析

國內 Robotaxi 進入量產與商業化加速期。

蘿卜快跑構建高冗余“車-路-云”融合體系，強化全局感知與遠程容災能力。其 自動駕駛系統以 Apollo 平臺為基礎，整合高精地圖、多模態傳感器、AI 算法與云端 協同優化，實現人、車、路的高效協同。高精地圖能夠提供精確定位依據，輔助環境 感知；毫米波雷達和激光雷達分別提供中遠距和精細空間定位，具備全天候抗干擾能 力與構建高密度點云圖像的能力。同時我們認為，蘿卜快跑或依托百度的云仿真平臺， 持續訓練感知與規劃模型，提升系統在“長尾問題”下的適應性。

小馬智行以 1016 TOPS 算力平臺構建全場景 L4 級認知閉環。其第七代 Robotaxi 平臺集成四顆 NVIDIA Orin-X 芯片，為多傳感器異構融合與大規模神經網絡推理提 供支撐。感知系統采用全面冗余設計，部署 14 顆高分辨率攝像頭（含遠距+近距）、 9 顆 128 線激光雷達與 4 顆毫米波雷達，具備在雨雪、強光、夜間等惡劣條件下穩定 感知能力。算法層基于自研 BEV 感知算法，提升時空建模能力和動態障礙物預測精 度。小馬智行還建立“虛擬司機+世界模型”體系，虛擬司機作為策略層的行為生成 模塊，世界模型基于自監督訓練模擬現實駕駛環境，可在閉環數據體系中實現每周 100 億英里等效仿真訓練，從而壓縮現實測試成本并提升泛化能力。

文遠知行依托 WeRide One 實現跨車型部署，強化算力壓縮與多場景適應能力。 WeRide One 以自研自動駕駛全棧式軟件算法為核心，涵蓋自動駕駛模塊化硬件解決 方案及自動駕駛云架構平臺，適用于不同場景與車型。平臺基于 Sensor Suite 5.6 部署超 20 顆傳感器，包括高性能激光雷達、高清高動態相機、RTK 高精度組合慣導 模塊，能夠實現高精度定位與 360°無盲區感知。其路徑規劃采用將傳統自動駕駛算 法架構與端到端 AI 大模型相結合的混合架構，提供更高適配性、可靠性與安全性。 同時，WeRide 在 GXR 上搭載八重全冗余系統、八大冗余智能底盤，全方位守護安全 底線。

中國 Robotaxi 政策體系逐步完善，形成以測試規范、場景開放與安全監管為核 心的推進路徑。國家層面通過 2021 年三部委發布的《智能網聯汽車道路測試與示范 應用管理規范（試行）》明確自動駕駛車輛上路測試條件，為技術驗證提供制度基礎。 地方層面，北京、杭州等地相繼立法，開放城市全域或景區、商圈等特定場景，加快 從測試走向示范運營，探索可持續商業模式。同時，工信部等部門出臺數據安全相關 規定，明確乘客信息保護與運營數據合規要求，為產業發展筑牢安全底線。

Robotaxi 國內成本加速下行。核心部件如激光雷達已實現國產替代，價格大幅 下降，如感知部件激光雷達、毫米波雷達、攝像頭等。以激光雷達為例，截至 2025 年 6 月激光雷達成本相比 2024 年降幅超 50%，單價已下降至一千多元。零部件成本 的大幅優化也推動了高階智能輔助駕駛成本顯著下行，億歐智庫預計2025年城市NOA 單車硬件總價低于一萬元，高速 NOA 則有望低于四千元。

Robotaxi 成本也受益于智能駕駛供應鏈成本的優化。小馬智行第七代 Robotaxi 硬件總成本已從 2017 年第一代的 100 萬元降低至 27 萬元，未來三年有望再降低 30- 40%。百度蘿卜快跑第六代無人車整車成本相比于第五代下降 60%，價格約為 20.46 萬元。文遠知行 Robotaxi 車輛已實現不同產品共用 90%的零部件能力，公司預計下 一代 Robotaxi 成本能夠再降低 20%-30%。整體來看，成本端的多重改善將共同推動 Robotaxi 成本加速下降，為其商業化落地奠定堅實基礎。