自动驾驶出租车：从炒作走向现实

March 19, 2025

Fanny Hu

发作者：Carolyn Mathas，贸泽电子专稿

100年前，Francis Houdina将一辆无线电遥控汽车开上了纽约的第五大道和百老汇大街。这就是一些人眼中的史上第一辆“无人驾驶”汽车，它在行驶过程中好几次险些酿成事故，最终还是撞上了另一辆车，结束了它开创历史的旅程^[1]。

在随后的几十年里，人们尝试了许多自主和半自主驾驶技术，但直到20世纪80年代，美国国防部通过其国防高级研究计划局（DARPA）介入这一领域后，自动驾驶技术才引起了广泛关注。2004年，DARPA发起了一项无人驾驶汽车挑战赛（DARPA Grand Challenge），参赛的工程师、学生等人员需要打造出能够穿越沙漠赛道的自主行驶汽车。尽管当时没有一辆车成功跑完了全程，但这项赛事验证了自动驾驶汽车的可行性，于是许多公司开始将目光投向这一领域，希冀日后能够领跑这个市场。此后，自动驾驶技术取得了多项里程碑式的进展，包括谷歌旗下Waymo在2015年首次成功实现公共道路完全自动驾驶。

截至目前，自动驾驶领域的投资规模已超过1000亿美元（图1），其中大部分资金都流向了自动驾驶出租车（robotaxi）领域^[2]。然而，在投入运营五年后，L4级（特定条件下无需人工接管）自动驾驶出租车的运营商仍未实现盈利。本文将探讨自动驾驶出租车的梦想，以及如何将其从炒作变为现实。

图1：约有1000亿美元的资金投入到了出行和自动驾驶汽车领域。（图源：IDTechEx）

自动驾驶出租车背后的技术

根据研究机构IDTechEx的数据，到2045年，全球自动驾驶出租车市场规模将达到1740亿美元，2025至2045年间的年复合年增长率（CAGR）将达到37%^[3]。美国和中国的市场份额预计将占据主导地位。如此迅猛的增长离不开多项技术的支持，包括雷达、激光雷达、超声波传感器和摄像头，这些设备负责提供所需的视觉数据，以实现对车辆、行人和障碍物的检测与识别。此外，处理器、连接协议和执行器也发挥着重要作用；近年来，人工智能（AI）和机器学习（ML）的引入，更使车辆能够利用驾驶经验和复杂算法来解析海量数据并作出合理决策。

AI和ML通过实时分析数据，提高了自动驾驶的准确性和可靠性，使车辆能够识别潜在危险、预测其他驾驶员的行为，从而确定合适的行动方案。得益于这些技术，自动驾驶车辆能够在非常复杂的环境中做出明智决策，逐步提升对各种场景的适应能力。这在一定程度上也要归功于全球定位系统（GPS）接收器，它能够接收多颗卫星的信号，从而确定位置。这些数据与汽车的速度和方向相结合，可以实时记录精确位置。

借助高精度地图系统，自动驾驶车辆可以获得道路布局、车道标线、交通标志和限速等信息。这些数据能够帮助车辆预判即将到来的转弯、交叉路口和可能的障碍物，从而提前规划行驶路线。与此同时，强大的软件系统可以检测和预防传感器读数错误和网络安全威胁等风险和故障，这对于确保自动驾驶的安全性而言至关重要。

在这些技术背后，多家行业巨头正在独立或合作开发自动驾驶汽车技术。其中，Waymo和Apollo在传感器、地图和智能决策方面享有盛誉，他们采用复杂的架构来结合多个AI系统进行决策。相比之下，特斯拉则采用基于摄像头的方案，辅以地图和端到端深度学习系统，通过处理原始传感器数据来做出驾驶决策。这种方法存在一定的争议，一些专家认为，与竞争对手相比，特斯拉的方案在精度上可能存在局限性。

随着自动驾驶汽车上路，商业化的自动驾驶出租车服务在美国和中国正迅速发展。这些地区的主要参与者包括谷歌旗下Waymo、百度旗下萝卜快跑以及亚马逊支持的Zoox，并且服务提供商和运营地点的数量仍在增长。

普及之路上的障碍

虽然自动驾驶技术的精确性有望将事故率降至低于人工驾驶的水平^[4]，但其大规模普及仍然面临诸多挑战。监管和法律问题、安全性和数据隐私保护要求、事故责任认定以及系统认证等都是必须解决的问题，但这些问题的处理成本高昂，而且在不同地区之间存在差异。此外，城市环境对安全性和可靠性提出了更高的要求，因而车辆必须要应对恶劣天气、复杂路况和人类行为。

例如，通用汽车旗下Cruise在2023年发生了一起涉及行人的事故，此后该公司暂停了全部自动驾驶出租车业务^[5]。这一事件引发了关于自动驾驶汽车成熟度的广泛讨论，并凸显了公众认知、安全保障与监管政策之间的微妙关系。

这些挑战持续阻碍着自动驾驶出租车的市场渗透，延缓了这个行业实现可行的盈利模式。政府和私营企业仍需投入大量资金，以支持长期解决方案的落地。

盈利难题

将自动驾驶汽车用于出租车服务仍然是一件难以盈利的事情。投资和收入必须要带来足够的毛利，才能覆盖研发和运营成本，以及最大的支出项——人员成本。Cruise的商业模式需要每辆车配备1.5名人员来协助无人驾驶运营^[6]，这些人员包括呼叫中心员工、接管自动驾驶车辆的远程操作人员、负责车辆救援的道路救援团队，以及负责车辆维护与充电的场内运维人员。

按照该模式的成本来计算的话，即使每辆车只配备一名支持人员，企业仍将面临每辆车约34000美元的亏损^[7]。虽然自动驾驶技术的性能正持续提升，但盈利能力才是推动自动驾驶汽车大规模部署的关键。目前，自动驾驶出租车的盈利困境阻碍了车队规模的扩大，致使成本难以降低，也就无法进一步推广普及。不过，百度表示旗下Apollo有望在2025年实现盈利，领先于美国的同行^[8]。

特斯拉进军自动驾驶出租车市场

特斯拉正在通过积累行驶里程来证明其自动驾驶出租车方案的可行性。截至2024年4月，特斯拉在FSD模式下的行驶里程已超过13亿英里，并以每两个月10亿英里的速度持续增加^[9]。目前，特斯拉的FSD模式已在美国和加拿大上线，并预计于2025年在中国推出。

2024年10月，该公司正式发布了备受期待的自动驾驶出租车Cybercab，并预计该产品将在2027年前投入生产，售价低于3万美元^[10]。这些车辆依赖比雷达和激光雷达传感器更便宜的摄像头方案，并依托通过从数百万辆汽车中收集的原始数据进行训练的AI来教会车辆如何驾驶。特斯拉还展示了另一款Robovan原型车，未来该车可搭载多达20名乘客。然而，就在Cybercab发布后不久，美国国家公路交通安全管理局（NHTSA）宣布对特斯拉FSD展开调查，原因是该公司报告了四起在低能见度条件下的碰撞事故^[11]。

市场接受度

三大巨头的行动及其策略和成功经验，将有助于确定市场对自动驾驶出租车的接受度。Waymo拥有先发优势、巨额投资、专利储备和数百万英里的自动驾驶里程记录，在地图绘制、数据分析、测试和部署方面表现出色，但仍然面临传感器融合、突发场景应对以及硬件可靠性等方面的挑战。Waymo正与极氪合作开发电动汽车（EV），并与Uber携手拓展市场影响力。中国科技巨头百度的萝卜快跑自动驾驶出租车服务已覆盖多个中国城市，其优势在于先进的AI和地图绘制能力，面临的挑战包括复杂的路况和严格的监管要求。特斯拉专注于提升其自动驾驶和FSD功能，以推动完全自动驾驶出租车的发展，并向可持续能源转型。然而，就其现有车队而言，特斯拉在完善FSD技术方面面临诸多挑战，包括复杂路况、恶劣天气、突发故障的应对，车辆利用率、充电基础设施、维护成本、政治格局等方面的问题，以及承诺过多、兑现不足带来的影响。

公众对自动驾驶汽车的接受度取决于安全性、可及性以及正确认识这项技术所需教育程度的影响。美国汽车协会（AAA）近期的一项调查发现，68%的美国人对于乘坐完全自动驾驶汽车仍持犹豫态度，主要原因就是对其信任不足^[12]。Waymo等公司正尝试在特定城市提供免费试乘服务，以此来提高公众接受度；而特斯拉则依托其庞大的车队收集数据，并希望借此逐步改善市场认知。

在自动驾驶出租车实现广泛应用之前，监管障碍、道德考量以及公众接受度不稳定都是必须解决的问题。自动驾驶汽车的安全标准必须达到或超过人类驾驶汽车的标准。此外，事故责任认定问题也需要在各方之间加以厘清，包括自动驾驶出租车本身、车辆制造商和运营商，同时保险单也需要涵盖技术故障甚至网络威胁。基础设施方面，规划者需要确保可靠的5G和车联网（V2X）通信，以支持实时数据传输，并根据交通流量的变化设立上下车区域，并提供足够的充电支持。

结语

自动驾驶出租车的未来仍然面临复杂的挑战。虽然Waymo、特斯拉和百度正加速推进生产和测试，但仍有许多障碍阻止着自动驾驶出租车实现盈利和普及。这些变化的实现速度将取决于公众的信心和接受度、监管合规性和可持续扩展能力。随着行业的发展，最终只有少数几家公司能够主导新一代自动驾驶交通出行方式。在取得必要的进步之前，没有人知道1000亿美元的投资是否物有所值，但它无疑将推动众多创新技术的发展，从而重新定义未来交通出行方式。

作者简介

Carolyn Mathas曾是EDN、EE Times等多家媒体以及数家公司的自由撰稿人和网站编辑，担任过SecureLink和Micrium公司的营销总监，并且为飞利浦、Altera、Boulder Creek Engineering和Lucent Technologies等公司提供过公关、营销和撰稿服务。她拥有纽约理工学院的MBA学位和凤凰城大学的市场营销学士学位。