隨著自動駕駛技術(shù)從“多路徑探索”邁向“多模態(tài)傳感器融合+端到端學(xué)習(xí)”的成熟階段，Robotaxi正以技術(shù)可行性與商業(yè)化潛力的雙重驗(yàn)證，掀起出行服務(wù)與汽車產(chǎn)業(yè)的鏈?zhǔn)阶兏?。技術(shù)端，L4級自動駕駛通過替代人力顯著降低網(wǎng)約車運(yùn)營成本，高階智駕系統(tǒng)依賴高質(zhì)量數(shù)據(jù)閉環(huán)持續(xù)迭代；產(chǎn)業(yè)鏈層面，從智駕方案商到主機(jī)廠、運(yùn)營平臺的分工細(xì)化，推動“技術(shù)-硬件-服務(wù)”一體化加速成型。

政策端，國內(nèi)形成“頂層框架+地方試點(diǎn)”的創(chuàng)新探索體系，海外則以差異化規(guī)則釋放商業(yè)化空間，為中國企業(yè)出海構(gòu)建先發(fā)優(yōu)勢。當(dāng)前行業(yè)已邁入高速增長臨界點(diǎn)——車規(guī)級硬件成本隨規(guī)模效應(yīng)持續(xù)下探，運(yùn)營效率與安全性能的提升正打開萬億藍(lán)海市場，頭部企業(yè)通過車型放量與全球布局加速搶占賽道，Robotaxi的規(guī)模化落地正成為重塑出行生態(tài)的核心引擎。

一、Robotaxi 背景：智駕技術(shù)重塑出行服務(wù)行業(yè)

1.1 行業(yè)復(fù)盤：體驗(yàn)升級是需求核心，技術(shù)迭代推動供給變革

回顧出行服務(wù)行業(yè)的發(fā)展，用戶對高效、舒適、高性價比的出行體驗(yàn)需求始終未變，而技術(shù)升級正從供給模式維度重塑這個行業(yè)。

傳統(tǒng)巡游出租車：出行體驗(yàn)受時間與空間限制，線下匹配效率低下。傳統(tǒng)巡游出租車采用線下隨機(jī)匹配乘客與車輛的方式，體驗(yàn)高度依賴運(yùn)氣、地段和時段，充滿不確定性；乘客需在路邊被動等候，空駛車輛與需求方之間存在嚴(yán)重信息不對稱，供需匹配效率極低，造成大量資源浪費(fèi)。移動互聯(lián)網(wǎng)技術(shù)的出現(xiàn)，為解決這一痛點(diǎn)提供了可能，進(jìn)而催生出更高效的網(wǎng)約車模式。

網(wǎng)約車模式：匹配機(jī)制優(yōu)化，出行體驗(yàn)更趨標(biāo)準(zhǔn)化。網(wǎng)約車是移動互聯(lián)網(wǎng) + 定位技術(shù)驅(qū)動的線上供需匹配服務(wù)，核心是通過算法整合乘客與司機(jī)，支持預(yù)估價格、實(shí)時軌跡查看等功能；它解決了巡游車等車時間長、價格不透明的問題，但服務(wù)體驗(yàn)與司機(jī)個體掛鉤，出行體驗(yàn)的標(biāo)準(zhǔn)化程度不足。

Robotaxi：自動駕駛賦能的無人化標(biāo)準(zhǔn)化出行服務(wù)。Robotaxi 是由自動駕駛技術(shù)支撐的無人化出行服務(wù)，核心是依托智駕系統(tǒng)實(shí)現(xiàn)無司機(jī)運(yùn)營，讓服務(wù)流程標(biāo)準(zhǔn)化、響應(yīng)邏輯統(tǒng)一；它消除了網(wǎng)約車的司機(jī)服務(wù)差異，且長期可通過技術(shù)降本實(shí)現(xiàn)更低出行成本，直接解決了前序模式的人力依賴與服務(wù)波動問題，憑借更穩(wěn)定、可持續(xù)的體驗(yàn)，成為出行行業(yè)依托技術(shù)升級完成模式迭代的下一站。

1.2 無人駕駛技術(shù)入局，運(yùn)力價值鏈迎來重構(gòu)

巡游車時代：車輛資產(chǎn)集中于出租車公司，牌照構(gòu)成準(zhǔn)入壁壘。這一階段，車輛資產(chǎn)的所有權(quán)高度集中在出租車公司手中，企業(yè)既是重資產(chǎn)持有者也是運(yùn)營主體；政府通過控制出租車牌照發(fā)放數(shù)量，讓牌照成為稀缺資源，構(gòu)建了行政準(zhǔn)入壁壘，最終導(dǎo)致運(yùn)力供給剛性、市場缺乏競爭活力。

網(wǎng)約車時代：全國性牌照降低準(zhǔn)入門檻，車輛資產(chǎn)所有權(quán)分散。平臺本身不持有車輛資產(chǎn)，而是通過技術(shù)整合社會零散運(yùn)力；車輛所有權(quán)歸屬于接入平臺的私家車主或汽車租賃公司，由他們自行承擔(dān)車輛購置、折舊、保險與養(yǎng)護(hù)成本；平臺的核心角色從資產(chǎn)所有者轉(zhuǎn)變?yōu)檩p資產(chǎn)的連接者與調(diào)度者，通過算法高效組織海量社會資產(chǎn)，其價值與權(quán)力來自網(wǎng)絡(luò)效應(yīng)和技術(shù)，而非對實(shí)體運(yùn)力的直接占有。

Robotaxi 時代：運(yùn)力的供應(yīng)、調(diào)度與管理將迎來結(jié)構(gòu)性調(diào)整，催生全新產(chǎn)業(yè)分工。供給端，車輛資產(chǎn)所有權(quán)從網(wǎng)約車時代的分散個體，轉(zhuǎn)移至智駕技術(shù)公司、專業(yè)運(yùn)營公司手中；調(diào)度端，運(yùn)力調(diào)度權(quán)或?qū)木W(wǎng)約車平臺、流量聚合平臺，轉(zhuǎn)向掌握智駕核心技術(shù)的自動駕駛公司與專業(yè)運(yùn)營服務(wù)商聯(lián)盟；管理端，復(fù)雜的車隊(duì)維護(hù)、能源補(bǔ)給與遠(yuǎn)程管控，有望催生出專業(yè)化運(yùn)營服務(wù)這一新業(yè)態(tài)。未來運(yùn)力價值鏈或?qū)⒅貥?gòu)，行業(yè)利潤也有望被重新分配。

1.3 技術(shù)可行性：技術(shù)路徑逐步收斂，頭部企業(yè)事故率低于人類

無人駕駛的技術(shù)路徑在持續(xù)迭代，端到端模型逐漸成為行業(yè)主流：傳統(tǒng)技術(shù)路徑依賴感知、規(guī)劃、控制等獨(dú)立模塊分步處理任務(wù)，模塊銜接易產(chǎn)生誤差，且需對每個環(huán)節(jié)顯式編程，應(yīng)對復(fù)雜路況時靈活性不足；而端到端模型通過單一大型神經(jīng)網(wǎng)絡(luò)，直接將傳感器輸入轉(zhuǎn)化為駕駛指令，以數(shù)據(jù)驅(qū)動的方式自主學(xué)習(xí)路況規(guī)律，無需逐一步驟編程，在復(fù)雜場景處理能力與可擴(kuò)展性上更具優(yōu)勢 —— 不過目前仍面臨可解釋性弱、需高強(qiáng)度測試、依賴高性能硬件的挑戰(zhàn)，為解決這些問題，端到端模型又分化為 VLA 和世界模型兩大路徑。

VLA 模型：整合視覺感知、語言理解與控制動作三大能力到單一神經(jīng)網(wǎng)絡(luò)，通過語言描述學(xué)習(xí)駕駛。其工作流程可概括為 “感知 - 理解 - 執(zhí)行”：模型先通過視覺編碼器處理攝像頭輸入的圖像，同時將人類高層指令（如 “前方路口左轉(zhuǎn)”）或場景描述轉(zhuǎn)化為語言信息嵌入；隨后，基于 Transformer 的融合網(wǎng)絡(luò)對多模態(tài)信息深度交互推理，充分理解場景語義（如交通燈狀態(tài)、行人意圖）；最終，模型基于完整的 “場景理解” 直接輸出車輛控制動作。

世界模型：模擬物理場景并具備預(yù)測能力，通過理解物理世界規(guī)律學(xué)習(xí)駕駛。它的核心是通過學(xué)習(xí)海量駕駛數(shù)據(jù)，構(gòu)建一個編碼物理世界運(yùn)行規(guī)律的內(nèi)部模型；基于當(dāng)前觀察到的場景，模型可以瞬間模擬未來數(shù)秒內(nèi)的多種可能情況（如旁車突然切入、前方行人穿出）；通過在逼真的虛擬仿真中反復(fù)試錯、評估不同決策的后果，自動駕駛系統(tǒng)能夠提前選擇最優(yōu)、最安全的行駛策略。

L4 級自動駕駛技術(shù)的安全性已得到頭部企業(yè)的實(shí)地驗(yàn)證，核心安全指標(biāo)超越人類駕駛員：Waymo 在官網(wǎng)公布了實(shí)際運(yùn)營的事故率數(shù)據(jù) —— 在全無人駕駛車輛累計(jì)行駛超 5670 萬英里的背景下，Waymo 在 11 類核心碰撞場景中的表現(xiàn)顯著優(yōu)于人類駕駛員，其中重事故率較人類降低 91%，行人、自行車、摩托車的受傷率分別下降 92%、78%、89%；該數(shù)據(jù)經(jīng)第三方驗(yàn)證并獲同行評審認(rèn)可，雖復(fù)雜場景仍需更多里程驗(yàn)證，但已充分證明 Waymo L4 技術(shù)的安全落地能力。

保險理賠數(shù)據(jù)也顯示，Waymo 運(yùn)營車輛的財(cái)產(chǎn)損失與人身傷害索賠遠(yuǎn)低于人類駕駛水平：在累計(jì)超 2500 萬英里的自動駕駛里程中，Waymo 的財(cái)產(chǎn)損失索賠較人類駕駛下降 88%，人身傷害索賠下降 92%；即便對比 2018-2021 年推出的新一代人類駕駛車輛，Waymo 的財(cái)產(chǎn)損失索賠也下降了 86%，人身傷害索賠下降 90%，且數(shù)據(jù)在統(tǒng)計(jì)學(xué)上具備顯著性。

1.4 商業(yè)可行性：理論利潤率上限提升，行業(yè)盈利路徑已清晰

目前 Robotaxi 還處于試點(diǎn)運(yùn)營階段，中美兩國的參與企業(yè)暫時都未實(shí)現(xiàn)盈利：Waymo、百度 Apollo、小馬智行等行業(yè)領(lǐng)軍企業(yè)，當(dāng)前仍處于大規(guī)模投入期，尚未實(shí)現(xiàn)公司層面的盈利；高強(qiáng)度的研發(fā)開支、昂貴的傳感器硬件成本，以及有限的商業(yè)化運(yùn)營區(qū)域，共同制約了其盈利能力 —— 這也反映出行業(yè)正處于技術(shù)迭代與商業(yè)模式驗(yàn)證的關(guān)鍵時期，盈利能力的實(shí)現(xiàn)有待運(yùn)營規(guī)模進(jìn)一步擴(kuò)大、單位經(jīng)濟(jì)模型持續(xù)優(yōu)化。

硬件成本降低、規(guī)?；\(yùn)營降本、網(wǎng)絡(luò)效應(yīng)提升訂單密度，這三大因素將共同推動行業(yè)走向盈利：行業(yè)已顯現(xiàn)清晰的盈利路徑 —— 硬件端，激光雷達(dá)、計(jì)算芯片等核心硬件的成本逐年下降，降低了單車初始投入；運(yùn)營端，隨著車隊(duì)規(guī)模擴(kuò)大，維護(hù)、保險、充電等運(yùn)營成本會因規(guī)模效應(yīng)持續(xù)攤薄，同時訂單密度與車輛日均運(yùn)營時長有望提升，直接優(yōu)化了單車收入模型。

行業(yè)商業(yè)模式仍處于探索階段，最終主導(dǎo)運(yùn)營的角色尚未確定：當(dāng)前行業(yè)普遍采用 “技術(shù)公司 + 整車廠 + 出行平臺” 的 “金三角” 協(xié)作模式，但具體利潤分配中，各方的話語權(quán)與分成比例仍在激烈博弈；同時，未來運(yùn)營主導(dǎo)權(quán)究竟歸屬于掌握核心技術(shù)的自動駕駛公司、擁有流量入口的出行平臺，還是持有車輛的專業(yè)運(yùn)營商，目前尚無定論 —— 這種不確定性，讓各車企、科技公司及出行平臺都在積極布局，以求在未來市場中占據(jù)主導(dǎo)地位。

二、產(chǎn)業(yè)鏈結(jié)構(gòu)：智駕技術(shù) + 硬件生產(chǎn) + 終端運(yùn)營

目前 Robotaxi 領(lǐng)域的參與者主要采用 “智駕技術(shù) + 硬件生產(chǎn) + 終端運(yùn)營” 的三角合作模式：智能駕駛公司輸出智駕方案并負(fù)責(zé)數(shù)據(jù)收集，主機(jī)廠提供車身底盤并完成裝配制造，出行服務(wù)平臺統(tǒng)籌日常運(yùn)營與安全管理；而政府、基建商、安全機(jī)構(gòu)則從政策、設(shè)施、安全評估端提供支持，共同構(gòu)成了 Robotaxi 商業(yè)化落地的協(xié)作框架。

當(dāng)前多數(shù)智駕公司以自主開展終端運(yùn)營為主，便于收集數(shù)據(jù)訓(xùn)練模型。Waymo、小馬智行、文遠(yuǎn)知行等智駕公司推出的 Robotaxi 車型，目前均由自身負(fù)責(zé)運(yùn)營。在行業(yè)發(fā)展初期，技術(shù)公司自主運(yùn)營的優(yōu)勢在于能直接掌控運(yùn)營閉環(huán)，持續(xù)獲取真實(shí)、復(fù)雜場景下的高質(zhì)量數(shù)據(jù) —— 這些數(shù)據(jù)可直接反哺算法訓(xùn)練，形成 “數(shù)據(jù)收集 - 模型迭代 - 體驗(yàn)優(yōu)化” 的循環(huán)，是加速產(chǎn)品成熟、實(shí)現(xiàn)商業(yè)閉環(huán)的戰(zhàn)略性考量。

2.1 技術(shù)端：強(qiáng)調(diào)安全冗余，相關(guān)企業(yè)多處于試運(yùn)營階段

自動駕駛技術(shù)按成熟度可分為 L0 至 L5 等級，Robotaxi 的商業(yè)化落地必須以 L4（高度自動駕駛）或 L5（完全自動駕駛）為前提：

L0：完全由人類駕駛；L1（部分駕駛輔助）：系統(tǒng)可在特定條件下提供縱向 / 橫向單一方向的持續(xù)控制（如定速巡航）；L2（組合駕駛輔助）：能同時控制橫向與縱向運(yùn)動（如自適應(yīng)巡航結(jié)合車道居中）；L3（有條件自動駕駛）：是技術(shù)分水嶺，特定條件下系統(tǒng)可執(zhí)行全部駕駛?cè)蝿?wù)，駕駛員僅在系統(tǒng)請求時接管；L4（高度自動駕駛）：特定條件下無需用戶接管，且能自動將車輛調(diào)整至最小風(fēng)險狀態(tài)（如無人出租車）；L5（完全自動駕駛）：無任何設(shè)計(jì)運(yùn)行范圍限制，可實(shí)現(xiàn)全場景自動駕駛。

與家用車的 L2/L2 + 輔助駕駛不同，Robotaxi 的智駕系統(tǒng)強(qiáng)調(diào) “安全冗余”，因此增加了額外硬件成本：家用車輔助駕駛（L2/L2+）的核心定位是 “輔助”，系統(tǒng)遇到無法處理的場景時會將控制權(quán)交還給駕駛員；而 Robotaxi（L4 及以上）系統(tǒng)自身是駕駛責(zé)任的完全承擔(dān)者，因此在硬件與軟件層面均做了全面冗余設(shè)計(jì) —— 硬件上，L4 的感知系統(tǒng)比輔助駕駛更復(fù)雜，通常結(jié)合激光雷達(dá)、攝像頭、毫米波雷達(dá)協(xié)同工作，配備雙芯片計(jì)算平臺與冗余執(zhí)行架構(gòu)，確保任一部件突發(fā)故障時，備份系統(tǒng)能立即接管。

同樣以 L4/L5 為目標(biāo)，技術(shù)公司分為 “漸進(jìn)式（以特斯拉為代表）” 與 “跨越式（以 Waymo 為代表）” 兩種路徑：漸進(jìn)式路徑：依托量產(chǎn) L2/L3 車型推進(jìn)，前期投入相對平緩，通過規(guī)模效應(yīng)分?jǐn)偝杀?；采用低成本純視覺傳感器方案，依賴極強(qiáng)的車端算力實(shí)現(xiàn)實(shí)時感知決策；優(yōu)勢是通過海量用戶車輛形成高效數(shù)據(jù)閉環(huán)，但收集的數(shù)據(jù)質(zhì)量相對普通，以常見場景為主；代表玩家包括特斯拉、地平線、小鵬等。跨越式路徑：直接研發(fā) L4，需巨額前期投入自建車隊(duì)；依賴高精度傳感器融合（如激光雷達(dá)）確保安全冗余，對車端算力要求極高；數(shù)據(jù)閉環(huán)高度定向且優(yōu)質(zhì)，能主動采集極端案例，但數(shù)據(jù)規(guī)模與采集效率是潛在瓶頸；代表玩家包括 Waymo、小馬智行、文遠(yuǎn)知行、蘿卜快跑等。

智駕系統(tǒng)此前以模塊化體系為主，邊界效應(yīng)明顯制約規(guī)?；渴穑鹤詣玉{駛技術(shù)初期，模型能力不足促使開發(fā)者采用多模塊串聯(lián)架構(gòu) —— 感知依賴傳感器與高精地圖提取環(huán)境信息，決策基于預(yù)設(shè)規(guī)則生成路徑，控制層執(zhí)行動作輸出；這種分層設(shè)計(jì)需通過人工定義的接口銜接，導(dǎo)致系統(tǒng)難以實(shí)現(xiàn)端到端優(yōu)化；面對千萬級復(fù)雜場景，人工規(guī)則的維護(hù)成本呈指數(shù)級增長，優(yōu)化效能局限于單模塊迭代；同時，傳感器受天氣干擾、高精地圖更新周期長的特性，會造成時空感知與現(xiàn)實(shí)世界的錯位，進(jìn)而形成技術(shù)邊界效應(yīng)，制約了 Robotaxi 的大規(guī)模落地進(jìn)程。

端到端架構(gòu)提升系統(tǒng)上限與可復(fù)制性，現(xiàn)已成為行業(yè)技術(shù)方向共識：端到端自動駕駛架構(gòu)能從傳感器數(shù)據(jù)直接輸出車輛控制指令，同步完成環(huán)境感知、行為預(yù)測與安全規(guī)劃；其信息傳遞的無損性、追求全局最優(yōu)解的特性，顯著增強(qiáng)了對動態(tài)交通場景的適應(yīng)能力與決策智能，已成為明確的技術(shù)演進(jìn)方向，且展現(xiàn)出更高的性能潛力；不過該架構(gòu)的挑戰(zhàn)在于，現(xiàn)實(shí)世界的長尾復(fù)雜場景遠(yuǎn)超訓(xùn)練數(shù)據(jù)的覆蓋范圍。

智駕技術(shù)大方向收斂，后續(xù)迭代的關(guān)鍵在于高質(zhì)量數(shù)據(jù)與數(shù)據(jù)閉環(huán)：當(dāng)前智能駕駛技術(shù)路線呈現(xiàn)顯著收斂態(tài)勢，行業(yè)競爭重點(diǎn)逐步轉(zhuǎn)向數(shù)據(jù)驅(qū)動的效率比拼；后續(xù)迭代的核心壁壘，在于能否構(gòu)建高效的數(shù)據(jù)閉環(huán)體系，以持續(xù)獲取覆蓋真實(shí)復(fù)雜場景的高質(zhì)量數(shù)據(jù) —— 該體系可將實(shí)際路況中的長尾問題快速轉(zhuǎn)化為算法解決方案，是持續(xù)優(yōu)化系統(tǒng)性能、推動技術(shù)向更高階自動駕駛邁進(jìn)的關(guān)鍵要素。

行業(yè)處于規(guī)?；暗脑圏c(diǎn)階段，L4 技術(shù)公司主要靠自持車隊(duì)運(yùn)營：試點(diǎn)階段，技術(shù)公司自持車隊(duì)運(yùn)營，能更完整高效地進(jìn)行數(shù)據(jù)采集與閉環(huán)訓(xùn)練；同時 Robotaxi 車輛的造價正處于下降通道，專業(yè)運(yùn)營商預(yù)計(jì)將在整車成本降至具備經(jīng)濟(jì)吸引力的臨界點(diǎn)后，再大規(guī)模入場。

頭部企業(yè)進(jìn)展：Waymo（美國）Waymo 是美國規(guī)模領(lǐng)先的 Robotaxi 公司，已在多個城市開展商業(yè)化運(yùn)營：Waymo 自發(fā)展初期便鎖定 L4 自動駕駛目標(biāo)，堅(jiān)持多傳感器融合的技術(shù)路線；目前 Waymo 在美國運(yùn)營著規(guī)模最大的自動駕駛車隊(duì)，每周在舊金山、鳳凰城等多個城市提供超 45 萬次出行服務(wù)，且正加速向拉斯維加斯、底特律等新城市拓展。

Waymo 的訂單與車隊(duì)規(guī)模雙維度高增，規(guī)?；瘡?fù)制攤薄成本：周單量從 2023 年 5 月的 1 萬單，升至 2025 年 8 月的 36 萬單，對應(yīng)其在自動駕駛出行市場的份額持續(xù)擴(kuò)大；2025 年 5-11 月，車隊(duì)總規(guī)模從 1500 輛增至 2500 輛，舊金山、洛杉磯等重點(diǎn)城市的車隊(duì)同步擴(kuò)容，運(yùn)力匹配市占率隨增長節(jié)奏提升；二者聯(lián)動下，其運(yùn)營模式已具備多城復(fù)制基礎(chǔ)，商業(yè)化規(guī)?；M(jìn)程提速。

Waymo 的實(shí)際定價高于傳統(tǒng)網(wǎng)約車，規(guī)?；蟪杀居型麛偙。?/strong>為實(shí)現(xiàn)全無人駕駛的安全目標(biāo)，Waymo 選擇了高成本的多傳感器融合方案，導(dǎo)致單車硬件與運(yùn)營投入較高；且在商業(yè)化初期，運(yùn)營規(guī)模有限，目標(biāo)客群并非價格敏感的大眾市場，而是聚焦愿意為新技術(shù)支付溢價的早期用戶 ——Waymo 以技術(shù)領(lǐng)先構(gòu)建差異化定位，通過高溢價覆蓋技術(shù)投入并塑造高端形象；未來隨著技術(shù)成熟、規(guī)模擴(kuò)張，成本有望逐步下降。

頭部企業(yè)進(jìn)展：小馬智行（國內(nèi)）

小馬智行是國內(nèi) Robotaxi 領(lǐng)先企業(yè)，致力于 L4 無人駕駛服務(wù)：公司成立于 2016 年，2018 年推出國內(nèi)首個 Robotaxi 服務(wù)平臺 Pony Pilot，2020 年推出自動駕駛系統(tǒng) Pony Alpha X，2021 年獲準(zhǔn)在北京開展自動駕駛無人化測試，2022 年成為國內(nèi)首個獲得出租車經(jīng)營許可的自動駕駛公司；目前，公司已在北京、廣州、深圳、上海等城市開展面向公眾的自動駕駛出行服務(wù)，擁有一支超過 680 輛自有自動駕駛出租車的車隊(duì)，累計(jì)自動駕駛里程超過 4790 萬公里。

小馬智行：Robotaxi 收入占比提升，規(guī)?；笥型珊诵氖杖雭碓?。公司營業(yè)收入持續(xù)增長，從 2021 年的 812 萬美元增長至 2024 年的 7503 萬美元。盈利端，2021 年歸母凈利潤虧損 2.25 億美元，2023 年虧損收窄至 1.25 億美元，但 2024 年虧損幅度再度擴(kuò)大 —— 主因是按績效規(guī)則向員工授予股份獎勵帶來薪酬支出增加，以及與主機(jī)廠合作推進(jìn)第七代 Robotaxi 導(dǎo)致研發(fā)投入上升。2025 年前三季度，公司 Robotaxi 運(yùn)營規(guī)模進(jìn)一步擴(kuò)大，業(yè)務(wù)收入占比提升至 16%；隨著運(yùn)營逐步規(guī)模化，Robotaxi 有望成為公司未來的主要收入與利潤來源。

小馬智行：毛利率隨業(yè)務(wù)結(jié)構(gòu)調(diào)整波動，2025 前三季度逐步向盈利靠攏。2021-2024 年，公司毛利率從 77.7% 逐步下滑至 15.2%，核心原因是低毛利率的自動駕駛卡車物流業(yè)務(wù)營收占比持續(xù)提升。研發(fā)費(fèi)用方面，2024 年因推進(jìn)第七代車型開發(fā)，研發(fā)費(fèi)率攀升至 320%；2025 年前三季度，研發(fā)費(fèi)率回落至 258%。銷售及行政等費(fèi)用率近年維持在 70% 左右。后續(xù)隨著車隊(duì)規(guī)?；斗盘嵘\(yùn)營效率、第七代車型量產(chǎn)降本，以及安全員監(jiān)管效率優(yōu)化，公司的成本與費(fèi)率均具備較大優(yōu)化空間。

文遠(yuǎn)知行：L4 領(lǐng)域多線布局，積極拓展海外市場。公司成立于 2017 年，專注于 L4 級無人駕駛服務(wù)，是全球領(lǐng)先的自動駕駛科技公司，業(yè)務(wù)已覆蓋全球 11 個國家、30 座城市，且率先達(dá)成了自動駕駛的規(guī)?；虡I(yè)化運(yùn)營。目前公司布局了包含 Robotaxi 在內(nèi)的五大產(chǎn)品矩陣，車隊(duì)總規(guī)模超 1600 臺，累計(jì)自動駕駛里程約 5500 萬公里。

文遠(yuǎn)知行：收入分產(chǎn)品銷售與技術(shù)服務(wù)，2025 前三季度進(jìn)入減虧階段。公司收入由產(chǎn)品銷售、技術(shù)服務(wù)兩大板塊組成：產(chǎn)品銷售業(yè)務(wù)涵蓋 L4 級自動駕駛車輛（含無人車、智能公交、物流車及清潔設(shè)備）及配套傳感裝置的供應(yīng)；技術(shù)服務(wù)則延伸至智能出行解決方案、高級駕駛輔助系統(tǒng)開發(fā)及數(shù)據(jù)處理領(lǐng)域。當(dāng)前商業(yè)化進(jìn)程尚處早期，2025 年前三季度產(chǎn)品銷售貢獻(xiàn)約 40% 營收，技術(shù)服務(wù)占比 60%；隨著 Robotaxi 運(yùn)營逐步規(guī)?；?，營收結(jié)構(gòu)將向出行服務(wù)端傾斜。

文遠(yuǎn)知行：前期毛利率波動較大，2025 前三季度費(fèi)用率迎來拐點(diǎn)。公司毛利率歷史波動明顯，主要受產(chǎn)品結(jié)構(gòu)、定價策略和運(yùn)營成本的共同影響：2020-2021 年因部署服務(wù)的人力成本增加，毛利率從 74% 降至 37%；2021-2023 年受益于 ADAS 研發(fā)服務(wù)及運(yùn)營支持收入增長，毛利率回升至 46%；2024 年毛利率降至 31%，主因低毛利產(chǎn)品銷量上升、價格策略調(diào)整及博世項(xiàng)目人力成本上漲。費(fèi)用率方面，2020-2022 年隨收入增長有所下降，2023-2024 年因團(tuán)隊(duì)擴(kuò)張、研發(fā)投入及股權(quán)激勵費(fèi)用增加連續(xù)攀升；2025 年前三季度費(fèi)用率整體下降，尤其是管理費(fèi)用率降幅顯著。

2.2 硬件端：L4 級自動駕駛核心硬件聚焦車載芯片與激光雷達(dá)

L4 級自動駕駛對傳感器與域控制器的要求更高，核心硬件集中于高算力車規(guī)芯片與激光雷達(dá)—— 通過高精度環(huán)境感知與實(shí)時決策計(jì)算，支撐復(fù)雜場景下的完全自動駕駛，冗余設(shè)計(jì)則保障了系統(tǒng)安全。

車載芯片嵌入車輛電子系統(tǒng)中，承擔(dān)著控制、計(jì)算、通信、安全及娛樂等多維度功能，技術(shù)壁壘較高：需滿足車規(guī)級嚴(yán)苛要求（涵蓋耐高溫、抗振動、長壽命等特性），且要通過汽車電子委員會（AEC）認(rèn)證。相較于消費(fèi)級芯片，車規(guī)芯片需適配更復(fù)雜的車載工況，可靠性、安全性標(biāo)準(zhǔn)更嚴(yán)格，認(rèn)證周期更長，進(jìn)入車企及 Tier1 供應(yīng)鏈的壁壘較高；按功能差異，可分為控制、計(jì)算、功率等類別。

國內(nèi)車載芯片領(lǐng)域參與者較多，但國產(chǎn)化率仍有較大提升空間：目前國內(nèi)涉足該領(lǐng)域的企業(yè)已超過 200 家，其中約半數(shù)已實(shí)現(xiàn)量產(chǎn)；不過多數(shù)企業(yè)規(guī)模較小、產(chǎn)品矩陣單薄，核心技術(shù)與性能和國際頭部產(chǎn)品仍有明顯差距，整體國產(chǎn)化率與技術(shù)成熟度有待進(jìn)一步突破。

英偉達(dá)與特斯拉合計(jì)占據(jù)智駕域控芯片超 60% 的市場份額，國產(chǎn)芯片市占率逐步提升：2023 年特斯拉 FSD（37%）、英偉達(dá) Orin-X（34%）領(lǐng)跑市場；2024 年英偉達(dá)反超成為榜首（40%），特斯拉份額回落至 25%。國產(chǎn)芯片成長顯著：華為昇騰 610 裝機(jī)量從 2023 年的 6.1 萬躍升至 2024 年的 50 萬，市占率升至 10%、排名第三；地平線征程 5 裝機(jī)量增至 27 萬，份額維持在 5% 以上，國產(chǎn)芯片在智駕域控市場的滲透率與競爭力均明顯提升。

國內(nèi)大廠入局車載芯片，行業(yè)競爭格局加速重構(gòu)：國際巨頭仍占據(jù)主導(dǎo)地位，歐洲企業(yè)在傳統(tǒng)車規(guī)領(lǐng)域優(yōu)勢穩(wěn)固、技術(shù)與安全壁壘較高，但優(yōu)勢已出現(xiàn)分化；本土企業(yè)正快速崛起。

在 L4 級智駕的安全冗余要求下，激光雷達(dá)是多傳感器體系的核心補(bǔ)位組件：它通過主動發(fā)射激光脈沖生成厘米級精度的點(diǎn)云，能夠彌補(bǔ)攝像頭、毫米波雷達(dá)的感知短板，在空間精度與幾何確定性上優(yōu)勢突出；且無需依賴大規(guī)模深度學(xué)習(xí)模型，即可輸出物理維度的真值感知結(jié)果，為決策層提供穩(wěn)定可驗(yàn)證的環(huán)境輸入，是 L4 級自動駕駛安全冗余的必要支撐。

Robotaxi 普遍采用硬件冗余設(shè)計(jì)與多傳感器融合方案。和 L2 輔助駕駛不同，在需要安全冗余的 L4 領(lǐng)域，Robotaxi 主流廠商多選擇傳感器融合方案，這也推動了激光雷達(dá)的放量：Waymo 第六代傳感器套件搭載 13 顆攝像頭、6 顆雷達(dá)及 4 顆激光雷達(dá)，并配套外部音頻接收設(shè)備；小馬智行第七代車型配備 9 顆激光雷達(dá)、14 顆攝像頭、4 顆毫米波雷達(dá)，輔以 4 顆麥克風(fēng)、2 顆涉水傳感器及 1 套碰撞傳感器，實(shí)現(xiàn) 360° 無盲區(qū)覆蓋，可檢測 650 米范圍內(nèi)的環(huán)境與物體。

全球激光雷達(dá)市場爆發(fā)式擴(kuò)容，成長空間廣闊。據(jù)禾賽科技招股說明書預(yù)測：中國市場規(guī)模將從 2020 年的 1 億美元躍升至 2029 年的 97 億美元，成為市場核心增長引擎；美國、歐盟市場同步擴(kuò)容，2029 年預(yù)測值分別達(dá) 30 億美元、31 億美元；整體市場預(yù)計(jì)從 2024 年的約 16 億美元，擴(kuò)容至 2029 年的 171 億美元。

國內(nèi)激光雷達(dá)市場增長強(qiáng)勁、格局集中，自主廠商主導(dǎo)賽道。2024 年國內(nèi)激光雷達(dá)裝機(jī)量首次突破 150 萬顆，同比增長 179.7%；2025 年上半年裝機(jī)量達(dá) 100.2 萬顆，同比增長 71%。市場頭部效應(yīng)顯著：禾賽科技以 33% 的份額穩(wěn)居第一，華為（30%）、速騰聚創(chuàng)（28%）緊隨其后。

激光雷達(dá)價格進(jìn)入持續(xù)下探通道，助力 Robotaxi 降本盈利。激光雷達(dá)價格下降的核心驅(qū)動力是產(chǎn)業(yè)鏈成熟與規(guī)模效應(yīng)：上游芯片化、模塊化技術(shù)實(shí)現(xiàn)突破，中游制造商產(chǎn)能規(guī)?；瘮U(kuò)張，單位生產(chǎn)成本被攤?。煌瑫r市場對高階智能駕駛功能的需求升溫，推動車規(guī)級激光雷達(dá)從前裝試水走向規(guī)?；慨a(chǎn)。激光雷達(dá)的持續(xù)降價，為 Robotaxi 降本并走向盈利提供了正向推力。

2.3 運(yùn)營端：Robotaxi 時代，調(diào)度管理能力成新考驗(yàn)

網(wǎng)約車時代，絕大多數(shù)運(yùn)力并非由平臺直接管控，網(wǎng)絡(luò)效應(yīng)帶來的流量與用戶粘性，是平臺維持市占率的核心壁壘 —— 網(wǎng)約車平臺的核心功能是信息聚合而非運(yùn)力持有，頭部平臺通過高頻使用場景、個性化服務(wù)及數(shù)據(jù)驅(qū)動的動態(tài)調(diào)度，強(qiáng)化用戶粘性。

網(wǎng)約車平臺通過構(gòu)建網(wǎng)絡(luò)效應(yīng)穩(wěn)固市場份額：司機(jī)收入提升、工作靈活性增強(qiáng)，吸引更多司機(jī)加盟，完善供給網(wǎng)絡(luò)；更多司機(jī)加入縮短了乘客等待時間，優(yōu)化出行體驗(yàn)；體驗(yàn)提升推動乘客向平臺聚集，增加訂單量；訂單增長又促進(jìn)平臺派單，進(jìn)一步提升司機(jī)收入。這種供需動態(tài)匹配的網(wǎng)絡(luò)效應(yīng)，讓具備運(yùn)力與乘客資源優(yōu)勢的網(wǎng)約車平臺市場份額更穩(wěn)固。

滴滴出行市占率超 70%，處于絕對領(lǐng)先地位。截至 2024 年末，按 GTV（交易總額）劃分：滴滴在一線、二線城市的布局中，市占率均超 70%；二線市場中 T3 出行占比 10%，略高于一線城市的 6%；曹操出行在一線城市占比 9%，高于二線城市的 8%；其他平臺在一線城市占 14%、二線城市占 12%。

滴滴處罰后讓出份額，聚合平臺順勢擴(kuò)張。2021 年滴滴受處罰后被動讓出市場份額，聚合平臺借此擴(kuò)張，成為共享出行市場的重要力量：聚合平臺的競爭力體現(xiàn)在資源整合與效率優(yōu)化，訂單響應(yīng)時間平均約 3 分鐘（比單一平臺快 1 分鐘），乘客等待時間平均約 6 分鐘（比單一平臺短 2 分鐘），既減少了用戶等待成本，又提升了車輛利用率。當(dāng)前聚合平臺的訂單占比處于 25%-30% 區(qū)間，已是出行市場不可忽視的力量。

二線出行平臺：借聚合平臺補(bǔ)流量短板。在滴滴占據(jù)主導(dǎo)的格局下，二線出行平臺接入高德、美團(tuán)等聚合平臺，可低成本獲取增量流量，彌補(bǔ)自有平臺用戶規(guī)模不足的短板 —— 這也成為其維持訂單密度、提升車輛利用率的關(guān)鍵路徑。以曹操出行為例，2022-2024 年聚合平臺促成的 GTV 占其總 GTV 的比例從 50% 升至 85%，向聚合平臺支付的傭金費(fèi)率則維持在 7.2%-7.5%。

聚合平臺與二線平臺：雙向賦能，推動市場集中。對于聚合平臺而言，與二線出行公司合作可打造自身的網(wǎng)絡(luò)效應(yīng)：二線公司提供穩(wěn)定可靠的規(guī)?；\(yùn)力供給，是聚合生態(tài)服務(wù)品質(zhì)與覆蓋范圍的基礎(chǔ)保障；通過深度綁定，聚合平臺能優(yōu)化運(yùn)力池的結(jié)構(gòu)與效率。對于二線平臺而言，獲得流量支持后，可憑借更優(yōu)的運(yùn)營效率與品牌認(rèn)知，逐步整合數(shù)量眾多、更為分散的長尾區(qū)域型運(yùn)力提供商，進(jìn)而推動市場集中度提升。傳統(tǒng)網(wǎng)約車運(yùn)營盈利空間有限，頭部平臺盈利周期長

傳統(tǒng)網(wǎng)約車市場趨于飽和、運(yùn)力過剩，平臺陷入激烈的同質(zhì)化與低價競爭；同時司機(jī)成本高企，平臺需持續(xù)補(bǔ)貼用戶與司機(jī)以維持供需平衡、穩(wěn)定運(yùn)力，進(jìn)一步壓縮了盈利空間。

? 如欲獲取完整版PDF文件，可以關(guān)注鈦祺汽車官網(wǎng)—>智庫，也可以添加鈦祺小助理微信，回復(fù)“報(bào)告名稱：載具紀(jì)元新章系列：Robotaxi白皮書，技術(shù)政策雙輪驅(qū)動，行業(yè)正處高速增長階段 ”。

點(diǎn)擊下方，查看近期熱門行業(yè)研究報(bào)告