自动驾驶行业快速发展，Robotaxi进入商业化应用的新阶段。我们认为，Robotaxi新阶段下各自动驾驶公司获取数据以及通过数据迭代算法的能力成为核心竞争力，它们探索了车队运营、技术下探以及场景开拓等多种商业化落地路径。我们积极提示投资者关注自动驾驶及Robotaxi赛道的投资机会。

摘要

Robotaxi进入2.0商业化应用阶段，数据及其带来的算法迭代成为核心驱动因素。自动驾驶行业正快速发展，2020年以来Robotaxi进入2.0商业化应用阶段，政策法规、技术成熟度、应用成本与市场需求四大因素逐渐成熟，为Robotaxi商业化应用奠定良好基础。然而，技术上的长尾问题是其商业化的重要制约因素，获取数据以及通过数据迭代算法的能力成为各自动驾驶公司完善自动驾驶技术、实现Robotaxi商业化应用的核心竞争力。

各自动驾驶公司通过车队运营、技术下探及场景开拓等多种方式积累数据、迭代算法以推进商业化。以AutoX为代表的公司深耕车队测试运营，直接获取场景数据，百度Apollo、小马智行等公司率先尝试商业化运营、规模化收费；以智行者、Momenta、文远知行为代表的公司转向渐进式技术路线，将L4级算法降维至L2+/L3级辅助驾驶功能，利用已交付的产品收集回传数据进行算法迭代；以智行者、元戎启行、文远知行为代表的公司向技术难度更低、商业化进程更快的封闭/半封闭、低速场景拓展，利用各场景数据的通用性，提升自动驾驶基础软件的复用性。

以智行者科技为例：技术下探和场景开拓打通自动驾驶商业化闭环。智行者系2015年成立的通用场景L4解决方案提供商。我们关注到，智行者以自动驾驶操作系统AVOS（通用型的软件底层）、自动驾驶中央计算单元BBOX（适配多场景的硬件）、自动驾驶数据闭环平台AVDC（海量数据支撑）组成的“铁人三项”为支撑，打造自动驾驶大脑，从不同场景的应用过程中以更低成本、更快速度回流丰富的场景数据，以数据反哺算法迭代、软硬件技术持续升级，再赋能更多的场景，实现商业化闭环。   

风险

自动驾驶相关法规出台不及预期，技术发展不及预期，行业竞争加剧。

正文

Robotaxi迈向2.0阶段，商业化应用奠定良好基础

自动驾驶：行业快速发展，2020年来步入Robotaxi 2.0商业化应用阶段

复盘自动驾驶及Robotaxi的发展历程，市场参与者众多，技术积累速度空前，商业化为最终目标。自2009年谷歌开始无人驾驶技术研究以来，2013年百度进入无人驾驶赛道，福特、宝马、日产、沃尔沃等传统整车厂及特斯拉、蔚小理等造车新势力相继入局，2015-2017年图森未来、智行者、小马智行、Momenta、AutoX、文远知行等自动驾驶初创企业成立，互联网企业、整车厂及初创企业纷纷涌入Robotaxi赛道，自动驾驶从实验室研究转向商业研发阶段。2009-2019年，各自动驾驶公司积极在美国加州及国内北上广深多地拿到路测牌照，并开展Robotaxi试运营，路测里程不断积累，自动驾驶技术积累速度空前，我们定义为Robotaxi 1.0阶段。

技术成熟度提升、市场需求释放、政策法规逐步完善、前期入局资本退出要求等因素叠加，Robotaxi步入2.0时代，即商业化应用阶段。2020年以来，各自动驾驶公司加快与整车厂、出行服务平台及各地地方政府之间的合作，探索更具商业化可能的发展路径。

Robotaxi 2.0：政策、技术、成本与市场需求逐渐成熟，奠定商业化基础

我们认为，影响Robotaxi能否实现商业化应用的有四个核心因素：政策法规、技术成熟度、应用成本与市场需求。我们认为，这四个层面的因素正逐渐成熟，推动Robotaxi从1.0商业化研发与技术积累阶段向2.0商业化应用与无人化运营阶段发展。但其中核心痛点在于自动驾驶技术成熟度及能否无人化运营。

Robotaxi 2.0：顶层设计+地方试点运行，道路监管政策逐步开放

自动驾驶相关法律法规政策的完善，是Robotaxi规模化、无人化、商业化落地的前提条件。围绕智能网联汽车落地场景、车路协同发展及自动驾驶功能实现，近年来，中央政府先后出台了多项相关政策，提出自动驾驶应用目标，建设安全监管体系、标准建设体系、技术应用体系从而推动产业发展。但现阶段在国家层面政策中，尚未对是否必备安全员、是否可以商业化运营做出明确表述。

地方层面纷纷出台自动驾驶相关政策及管理办法，深圳已率先立法，加速抢占Robotaxi落地先机。目前，北京、上海、广州、深圳、天津、武汉、重庆、杭州、成都、南京、柳州、沧州、长春、青岛、合肥、雄安新区等超过30个城市及地区出台了智能网联汽车道路测试管理办法和实施细则，允许企业展开自动驾驶道路测试和示范运营。其中，北京于今年4月在国内首次开放乘用车无人化运营试点，采用“主驾无人、副驾驶配备安全员”的载人模式；深圳于7月率先推出自动驾驶立法，允许完全自动驾驶的智能网联汽车在限定区域内合法上路，该类汽车可以不配备驾驶员。

Robotaxi 2.0：高阶自动驾驶技术逐渐成熟，低阶L2+/L3功能快速渗透

Robotaxi技术成熟度的关键评价指标主要包括测试里程、测试车队规模以及MPI(Miles Per Intervention)。自动驾驶算法迭代需要海量数据及完善数据驱动平台，测试里程越长、测试车队数量越多，数据量越大，技术先进性越强。MPI系年度平均每次接管的行驶里程间隔，一般MPI越长，自动驾驶的效率越高，但需注意也与公司选择的路测线路复杂度相关。

各Robotaxi公司持续推动关键技术指标优化，高阶自动驾驶技术成熟度逐渐提升。根据2021年加州车辆管理局（DMV）公布的路测数据，海外的Waymo、Cruise与国内的小马智行在当年的测试里程上排名领先，国内企业AutoX、滴滴与海外的Cruise、Argo AI则在MPI指标上表现突出，各公司均在不断提升高阶自动驾驶技术成熟度。整体上，2018-2021年加州自动驾驶累计路测里程突破1000万英里，行业进步显著。

低阶L2+/L3辅助驾驶功能快速渗透，有望实现数据积累，推动高阶自动驾驶技术成熟。现阶段科技公司、Tier 1供应商和车企纷纷布局L2+/L3级智能辅助驾驶功能，纯视觉方案与多传感器融合冗余方案均有量产车型，前装渗透率快速提升，配置车型的价格区间有所下探。我们认为，低阶辅助驾驶功能量产可以获得更多实际车辆驾驶技术应用案例，实现数据积累、带来规模效应，进一步推动技术的成熟；特别是在激光雷达等硬件预埋后，传感器收集到的信息完整度改善，数据有望复用至L4阶段。

Robotaxi 2.0：硬件预埋背景下供应链不断完善，应用成本呈下降趋势

感知和决策是低阶辅助驾驶与高阶自动驾驶方案成本的主要差异领域。感知层毫米波雷达、摄像头、激光雷达等及决策层自动驾驶芯片是L3及以上自动驾驶方案的重要组成硬件，越高的自动驾驶等级，对于芯片算力、感知硬件精准度和算法设计上均有更高的要求，带来了应用成本的迅速上升。根据IHS分析，当前L2+级辅助驾驶解决方案硬件平均成本接近2,000美元，L3级接近4,000美元，而L4级则超过1万美元。

自动驾驶硬件前置预埋，供应链不断完善、应用成本呈下降趋势。为了提升车型在智能化方面的竞争力并保证车辆在全生命周期内具备OTA升级能力，现阶段整车厂一般在L2+级量产车型上预埋激光雷达和大算力芯片等L4级硬件、增加摄像头和毫米波雷达数量，即硬件预埋。我们认为，伴随硬件高配的L2+级车辆大规模批量生产，在主机厂施压和规模效应下L4级硬件的技术路径有望持续优化，供应链成本有望逐步下降。以激光雷达为例，2017年前美国Velodyne公司生产的机械式激光雷达单价达到75,000美元，近年来下游车型量产需求推动激光雷达技术迭代到半固态架构，单价降至5,000-10,000元人民币之间。

Robotaxi 2.0：国内消费者接受度高，远期全球市场规模超2万亿美元

国内消费者对自动驾驶的认可度与信任感较高，市场需求开始释放。根据麦肯锡市场调研显示，中国消费者相较于德国、美国消费者而言对全自动驾驶接受度更高，用户支付意愿高，49%的中国消费者认为全自动驾驶“非常重要”，而持这一观点的德国/美国消费者占比仅为16%/16%，同时中国消费者愿意为购买全自动驾驶车辆支付4,600美元溢价，高于德国/美国消费者的2,900/3,900美元。

我们测算，远期Robotaxi全球市场空间将超过2万亿美元。我们认为，从商业模式而言，自动驾驶将汽车价值从一次性购买产品延伸为持续复购服务，Robotaxi有望改变出行生态，打造“出行即服务”（Mobility as a Service, MaaS）模式。Robotaxi具有市场空间大、盈利模式清晰的特点，是目前高级别自动驾驶在乘用领域商业化落地确定性较强的场景，我们测算得到2030年Robotaxi全球市场空间有望达到2.44万亿美元。

自动驾驶技术成核心痛点，数据是商业化关键驱动因素

L4级路测最低指标未达标，自动驾驶长尾问题阻碍商业化

L4级自动驾驶的路测里程最低指标尚未达标。要实现Robotaxi全无人驾驶、取消驾驶员，Robotaxi的自动驾驶等级需在L4级以上。根据华为数据，L4级自动驾驶的最低路测里程数为10亿公里，相当于100万辆车以每天10小时的频率不间断行驶一年。而截至2021年3月，全球公共道路路测数据最为领先的公司之一Waymo累计路测里程仅为3,219万公里，与十亿量级仍有较大差距。现阶段Robotaxi离L4级别技术水平相差较大，并仍然需要较长时间积累路测里程数据。

路测难以覆盖“最后5%”的长尾问题，制约自动驾驶商业化。在自动驾驶领域，安全性和可靠性始终是核心问题。根据卡耐基梅隆大学Argo Lab首席科学家John Dolan专访，他认为自动驾驶底层架构和大部分技术问题已经被解决，而剩下5%的长尾问题却成为掣肘自动驾驶实现从技术研发、小规模测试到规模化、无人化、商用化的较大挑战，包括各种零碎场景、极端情况和无法预测的人类行为。自动驾驶路测很难收集到所有的长尾问题，如果长尾问题的样本数量过少，那么自动驾驶的神经网络模型学会的可能性则较低。

数据的采集、积累与算法迭代，成Robotaxi商业化的关键驱动因素

数据层是自动驾驶公司打造差异化的关键领域，获取数据以及通过数据迭代算法的能力是Robotaxi商业化的关键驱动因素。我们认为，自动驾驶功能实现依赖于算法、芯片与数据闭环，目前各自动驾驶公司在算法层加大在深度学习上的布局，构建神经网络、增强学习算法迭代，在芯片层已推进大算力芯片预埋、提升智能驾驶算力至500-1000TOPS，但在数据层上车队测试运营里程积累或实际量产上路车型真实场景积累的缺失，导致整体技术迭代周期较长。也就是说，各公司在前两个层面的差异性较小，但在数据层尚存较大差距，数据采集、积累和通过数据迭代算法的能力成为Robotaxi技术成熟、进入商业化应用阶段的关键驱动因素。

多种方式积累场景数据，探索不同商业化落地路径

深耕车队运营，尝试小批量商业化试点、规模化收费

Robotaxi车队测试运营，是积累路测里程、收集场景数据的直接方式。目前各自动驾驶公司均与主机厂、网约车运营平台、当地政府有所合作，进行一定规模的Robotaxi车队运营。

今年起，部分自动驾驶公司尝试小批量商业化运营、规模化收费。国外，今年3月起Waymo和Cruise获Robotaxi商用许可证，开始成规模收费营业；国内，今年6月百度Apollo出行服务平台“萝卜快跑”与小马智行均开启商业化试点，进行收费运营。我们认为，这是Robotaxi商业化的起点，有利于培育用户消费习惯。

技术下探，L4级自动驾驶公司降维转向L2级渐进式路线

Robotaxi 1.0阶段下两种技术路径实现无人驾驶。Robotaxi 1.0阶段，存在以主机厂为代表的“由下至上渐进式演进至L4/L5”和以互联网公司、自动驾驶初创企业为代表的“一步到位式无人驾驶”两条典型技术路径。前者跟随技术渐进式发展，技术难度相对较低、成本优势明显；后者考虑到不同等级自动驾驶对应的软硬件配置不同，直接开发L4级以上无人驾驶方案，但技术开发难度较大、研发投入较大、资金回流速度慢。

Robotaxi 2.0阶段L4级自动驾驶公司技术下探至辅助驾驶领域。当前受限于技术、安全性、法律法规等问题，完全的L4级自动驾驶暂时无法实现商业化应用，但L4级算法却可以率先产生商业应用价值。“一步到位式无人驾驶”公司纷纷技术“降维”，通过L4级自动驾驶算法和硬件，在乘用车上实现L2+/L3级辅助驾驶功能。例如，威马W6车型配备百度Apollo ANP，上汽智己L7配备Momenta Mpilot，文远知行获得博世集团战略投资、联合研发L2-3级高阶辅助驾驶系统方案等等。

我们认为，相较于“由下至上渐进式”主机厂，Robotaxi公司降维优势包括：（1）更强的数据闭环能力：L4级自动驾驶路测的场景更为复杂，要求更好地利用数据闭环；（2）更好的系统流畅性：L4级厂商提供相对完整的系统解决方案，避免L2到L2+系统切换的流畅性损失；（3）更高的性能天花板：相对于L2级辅助驾驶，更适应城市场景的复杂性。

我们认为，L2率先落地可以反哺L4数据闭环，缓解公司资金压力。考虑到L2+级辅助驾驶车型部分预埋L4级硬件后传感器收集到的数据维度提升，渐进式路径可以帮助自动驾驶公司利用已交付的产品收集回传数据，持续积累迭代高级别算法、训练模型，从而小步快跑落地L4级自动驾驶。同时，公司借量产上市的L2+系统获得现金流，缓解L4研发带来的资金压力。

场景开拓，Robotaxi公司向封闭/半封闭、低速等商用场景拓展

自动驾驶服务潜在落地应用场景广阔，自动驾驶商业化规模化的次序或将是从低速到高速、从载物到载人、从商用到民用。根据应用场景自动驾驶可分为商用车、乘用车。在乘用车中，高速场景的商业模式较成熟，主要对现有网约车做无人化改造；城区场景复杂度高，落地难度高，初期可在特定区域内运行。在商用车中，高速货运自动驾驶可有效降低司机成本、提升货运效率，潜力待释放；特定场景的低速商用车需求明确，技术难度较低，我们预计能更快商业化落地。场景开放度更高的全无人自动驾驶仍在大规模路测、算法迭代中，我们预计其未来有望重塑驾乘体验。

部分Robotaxi公司开拓商用场景，积累多场景应用数据。考虑到封闭/半封闭场景和低速自动驾驶技术难度低、有望最先实现商业化落地，而Robotaxi尚在大规模路测、算法迭代中，以智行者、毫末智行、文远知行为代表的部分Robotaxi公司向Robovan、Robobus、无人配送、无人接驳、无人环卫、无人清洁等封闭/半封闭式场景、低速商用场景拓展。我们认为，各场景数据和所需自动驾驶技术在一定程度上具有通用性，场景开放度越高、对各种自动驾驶落地场景的复用性越强，多种场景拓展有利于积累自动驾驶数据，推动自动驾驶基础软件与各场景应用软件解耦，从而打造数据闭环、驱动算法升级迭代。此外，低速商用场景商业化落地帮助公司获得营收及现金流，缓解资金压力。

以智行者科技为例：铁人三项技术战略为支撑，打通多场景落地的商业化闭环

智行者：聚焦无人驾驶车辆大脑，做通用场景L4解决方案提供商

智行者成立于2015年，聚焦无人驾驶车辆大脑的研发，致力于成为通用场景L4解决方案提供商。智行者完整打造了以软件、硬件、数据为核心的铁人三项，自主研发的无人驾驶大脑已赋能智能出行、智慧生活、特种应用等多个领域，截至2022年6月累计落地场景超过2800个点位，商业化应用里程超500万公里，商业化能力位于国内自动驾驶公司前列。

以智行者为代表的自动驾驶企业在通过开拓多重落地场景为算法进行迭代优化、实现商业化落地的同时，反哺自动驾驶技术。智行者从商用车入手，将通用型无人驾驶大脑与特种车、环卫车、物流车等专业场景结合，再将其通用型无人驾驶大脑延伸至Robotaxi等乘用车领域，在不同场景下对无人驾驶大脑进行验证与训练。

智行者打造的“铁人三项”是指：自动驾驶操作系统AVOS（软件）、自动驾驶中央计算单元BBOX（硬件）、自动驾驶数据闭环平台AVDC（数据）。智行者以“铁人三项”技术发展战略为支撑从而构建通用型无人驾驶大脑idriverbrain，实现软件与硬件、软硬件与场景双重解耦，节选多种落地场景进行数据回流，打造数据闭环、支撑软件迭代，最终反复进行无人驾驶大脑的落地测试与应用，为多场景落地的商业化闭环奠定了坚实的基础。

AVOS：通用型软件底层是智行者赋能多场景的底层支撑

智行者自研的通用型自动驾驶操作系统AVOS可实现软硬件解耦，实现全栈式赋能。AVOS系统采用系统软件、功能软件、应用软件的分层解耦架构，实现功能高内聚、业务低耦合。以AVOS为通用型软件底层，公司围绕不同场景需求研发不同算力、不同配置的硬件解决方案，充分实现软硬件解耦、算法与应用场景解耦，赋能多场景全工况的自动驾驶。

BBOX：多级别硬件适配智行者不同落地场景需求

智行者自研的自动驾驶中央计算单元BBOX集成多传感器数据采集接口和通信互联功能，是终端实现自动驾驶的核心硬件。Brainbox搭载多种类IP架构的微处理IC构建异构计算单元，搭载高性能实时的底层MCU，支持安全岛锁步核，支持功能安全认证，构建可靠的控制单元；并集成了丰富的传感器数据采集接口；实现5G通信、V2X通信和RTK高精度定位，实现完整单车智驾和网联智驾域功能。

智行者根据不同落地场景需求，研发了多级别算力、多级别尺寸的硬件配套BBOX产品。目前，公司已打造了商业级、车规级等多系列Brainbox，可覆盖L2-L4多个级别和低速商用车、中高速乘用及特种应用等多种场景的不同需求。

AVDC：多场景互为补充，数据闭环反哺软硬件持续升级

AVDC通过高价值数据挖掘-数据回流-数据分析-模型优化与迭代-OTA部署等环节，实现高效的数据管理与算法迭代。在车端，AVDC布置模型推理和高价值的数据挖掘，通过人工示教、自动驾驶挖掘、显示安全数据、隐形优化数据等不同的维度，对高价值场景数据进行挖掘；在云端，AVDC布置了数据平台、模型平台和测评平台三大平台，实现半自动化的模型训练与迭代，实现了周迭代的开发效率。

智行者自研车端推理-云端训练的数据闭环系统AVDC用前装量产采集的数据反哺L4数据闭环。AVDC系统用相同的软硬件架构，打通L3和L4的数据壁垒和架构壁垒，通过前装量产采集的数据反哺L4 系统的功能升级。正如我们在第三章提及，硬件预埋后，渐进式路径可以帮助自动驾驶公司利用已交付的产品收集回传数据，持续积累迭代高级别算法、训练模型。

AVDC在云端建立了三维场景重建方案与仿真场景库，弥补真实道路测试数据源不足。其在云端自动化搭建了三维场景重建方案，支持24小时云端流水线式和自动见图，道路标定精度达到10厘米，可远程实时更新。此外，其建立的仿真场景库包含数百项自动驾驶场景测试案例，覆盖城市道路、高速公路、停车场等典型环境，仿真测试可有效弥补真实道路测试数据源不足。

智行者无人驾驶大脑idriverbrain在AVOS、BBOX、AVDC组成的“铁人三项”支撑下为多场景落地提供技术基础，并通过多场景数据互为补充以反哺技术。我们认为，获取数据以及通过数据迭代算法的能力是自动驾驶技术的核心竞争力，是Robotaxi商业化应用的关键驱动因素。公司从不同场景的应用过程中以更低成本、更快速度回流丰富的场景数据，以数据反哺算法迭代、软硬件技术持续升级，再赋能更多的场景，实现商业化闭环。

例如，公司先在充满非结构化道路的特种车应用场景中实现“重感知轻地图”技术突破，然后将这一算法复用到其他场景的结构化道路、农村场景的非结构化道路等；公司利用封闭园区内规则性较差的人车混流场景数据对规则道路中Robotaxi数据进行有效补充；环卫场景下，无人驾驶环卫车要求实现沿马路贴边清扫的功能、需具备厘米级的定位和控制，可复用至Robotaxi定位与控制等等。

多场景应用落地叠加技术下探，助力Robotaxi商业化

公司在特种应用、智慧生活、智能出行等多种应用场景均有相应产品落地。在特种车领域，公司目前主要产品包括Xpatrol系列无人安防巡逻车、物资保障无人车平台等，已与东风越野、重庆嘉陵达成合作，2021年公司无人驾驶巡逻车订单超百台。在低速自动驾驶领域，公司推出了智慧清洁解决方案“蜗小白系列产品”和智慧物流解决方案“蜗必达无人驾驶物流车”，在公园景区、交通枢纽、办公/工业厂区、商场、医院等全国多个场所落地。在智慧出行领域，公司赋能的多款Robobus已落地成都、合肥、北京等多地。

公司自研Robotaxi自动驾驶解决方案，与T3出行试点商业化落地新模式。公司于2019年获得北京市自动驾驶路测T3牌照，自研的无人驾驶解决方案已经在北京、武汉、苏州等城市推广。2021年公司获得T3出行百台Robotaxi订单，在苏州试点“自动驾驶+正常驾驶”的商业化混运模式，即在指定自动驾驶测试区域采用自动驾驶，超出自动驾驶测试区域的其他区域由安全员担任驾驶司机接手驾驶。目前公司发布1Q22运营报告，报告数据显示，近一成乘客乘坐了超 30 次, 近八成乘客给出了好评。

公司向L2+/L3级辅助驾驶功能技术下探。公司亦推出自动驾驶辅助系统解决方案，主要包括面向高速公路、城市快速路的高速领航系统H-INP和面向高速公路、城市快速路以及普通城区道路的高级别领航系统C-INP。这是为主机厂提供的前装配套量产产品，采用车规级BrainBox硬件平台，搭载自动驾驶核心算法和实时操作系统RTOS，结合故障诊断、功能安全、OTA等设计，实现L2至L3+自动驾驶辅助系统功能。2021年，公司与广汽研究院达成战略合作，以L4级别自动驾驶框架降维赋能L3级别自动驾驶。

风险提示

自动驾驶相关法规出台不及预期。自动驾驶相关法律法规政策的完善，是Robotaxi商业化落地的前提条件。现阶段在国家层面政策中尚未对是否必备安全员、是否可以商业化运营做出明确表述，如果自动驾驶相关法规进展慢于预期，那么自动驾驶行业发展受到负面影响。

技术发展不及预期。目前全球自动驾驶及Robotaxi技术发展较快，全球科技巨头与科技初创企业在该领域的投入均较大。若未来全球科技巨头和初创公司相对国内技术进步更快，Robotaxi商业化率先落地，可能对国内市场参与者的发展造成不利影响。

行业竞争加剧。目前全球互联网科技巨头、自动驾驶初创公司、造车新势力、传统主机厂等均在积极布局Robotaxi领域，且不断有新的初创公司参与市场竞争，未来行业竞争情况可能会进一步加剧。

文章来源

本文摘自：2022年8月16日已经发布的《Robotaxi深度：数据驱动商业化应用，探索多种自动驾驶落地路径》