Robotaxi（自動駕駛出租車）被普遍認為是智能駕駛時代最具想象力的賽道之一。一旦L4/L5無人駕駛技術真正成熟，它對傳統出租車、網約車行業，甚至是整個汽車產業結構都有潛在的顛覆性影響。

市場對Robotaxi的市場容量以及發展速度有不同的預測。最激進的預測來自ARK基金的明星基金經理凱瑟琳·伍德（CathieWood）。她曾估算，到2030年前后，全球Robotaxi車隊規模可能增至5000萬輛，對應每年8—10萬億美元的出行收入，總生態有望創造約34萬億美元的企業價值。

其它主流機構，如花旗、高盛、弗若斯特沙利文給出的預測要謹慎得多：對中國Robotaxi市場的預測，2030年大致分布在100億至700億美元，2035年則落在400億至1000多億美元之間；對全球市場，2030年的預測多集中在200億至千億美元級，2035年則提升至數千億美元量級。即使基于這些相對謹慎的預測，Robotaxi依然指向了一個體量可觀、增速驚人的新興市場。

要理解這些預測，我們必須了解行業當下的發展情況，找到行業發展的底層邏輯，然后把兩者綜合起來向前延展、預測將來。

兩種模式，兩幅圖景

在所有人工智能的應用領域，美國和中國都走在世界的前列，Robotaxi也不例外。

2025年，美國Robotaxi市場規模約為3億美元，約是美國共享出行580億美元整體市場的0.5%。Waymo是其中最早系統性推進Robotaxi的先驅者。截至2025年底，其在舊金山、洛杉磯、鳳凰城和奧斯汀4個城市提供付費Robotaxi服務，車隊規模約2500輛；計劃今年將車隊擴展到至少3500輛，把服務覆蓋擴展到約12座美國城市和進行海外城市探索。最新的周訂單量達到50萬左右（2026年3月），約是3年前（2023年5月）周訂單的50倍。截至2026年初，Waymo的完全無人駕駛車隊在真實道路上的累計行駛里程超過1.7億英里（約2.74億公里，業界第一），其中僅2025年就新增約7000–8000萬英里。

特斯拉則是美國Robotaxi版圖上一個重要變量。它在戰略上沿著兩條路徑推進：一是通過軟件升級，讓現有裝配FSD（特斯拉輔助駕駛）的量產車在監管允許的地區接入一個分布式的Robotaxi網絡；一是開發沒有方向盤和踏板的專用Robotaxi車型Cybercab，計劃在今年開始量產。但馬斯克的計劃實施在時間表上往往有較大的不確定性，所以變數較大。

此外，從輔助駕駛到無人駕駛，技術上并非平滑外推，而是需要在長尾處理能力、系統冗余、工程可靠性等方面完成一次梯度跳躍。特斯拉希望今天為監督駕駛服務的FSD，未來可以在不大改硬件的前提下直接承擔無人駕駛任務，這在工程和安全標準上都意味著極大壓力。

中國市場則呈現出另一種風貌。根據高盛測算，2025年中國Robotaxi市場規模約為5400萬美元，同樣處于起步階段，但參與者更為眾多，競爭更為熱烈。頭部玩家包括百度的蘿卜快跑、小馬智行（Pony.ai）和文遠知行（WeRide）。

其中，蘿卜快跑依托百度Apollo，在北京、武漢、重慶、深圳、長沙等地拿到了多種無人化運營許可，在武漢部分區域已經實現24小時全無人運營，并對外宣稱部分路段單車已實現盈虧平衡，是目前國內訂單量和無安全員運營規模最大的Robotaxi品牌之一。

小馬智行和文遠知行則在廣州、北京、上海、深圳等城市開展Robotaxi試點，同時積極出海，在中東、新加坡等地與當地政府和平臺合作，構建“國內試點+海外商業化”的雙線布局。

第二梯隊包括元戎啟行、滴滴自動駕駛、Momenta等，它們在部分城市拿到了示范運營資格，也在積極探索業務模式。一些汽車制造企業，如小鵬等，也已啟動Robotaxi相關業務的技術和運營準備。

中國Robotaxi市場的一個鮮明特點是頂層設計和政策驅動。在“中央指引+地方試點”的政策思路下，中央會發布頂層戰略文件、指引自動駕駛產業的發展，并選取重點城市作為測試示范區，給予當地先行先試的政策空間。

北京、上海、廣州、深圳、武漢、重慶等城市推出了分階段的測試、示范運營和商業化政策，允許企業在特定區域先做有人安全員運營，再逐步放開車內無人、車外遠程監控、最終走向完全無人。武漢、北京亦莊等地的管理辦法還給出了較明確的收費規則和保險指引，這為早期商業閉環提供了制度基礎。

安全之問

安全是Robotaxi發展的一個核心考量因素。Robotaxi在安全上必須超過人類駕駛，才有可能大規模應用。

根據Waymo最新披露的數據，與在相同運營城市中的平均人類駕駛員相比，Waymo自動駕駛系統造成受傷的事故數量減少約為82%，造成嚴重傷害或更嚴重后果的事故數量減少約為92%。這些數字相當令人鼓舞。

而且，Waymo的方法論也相對嚴謹：人類基準不是全國平均，而是基于其運營城市的警方事故和行駛里程數據構建；在對比時，通過重加權方法盡量對齊Waymo實際駕駛的道路和區域分布，并對時間段和路況做了相應限制，以便在“相同城市、相似道路和運營時段”條件下比較每百萬英里的事故率。這比其它公司做的類似對比要成熟和可信得多。

這說明Robotaxi已經比人類駕駛更安全了嗎？事實并非如此，它只能說明在當前精心挑選和嚴格約束的ODD（運行設計域）內，Robotaxi的安全表現優于在當地駕駛的人類平均水平。當前主流智能駕駛路線的根本軟肋，是對未見過的長尾場景缺乏穩健的泛化能力。

Waymo在舊金山、鳳凰城等城市展現出的優異安全數據，是在精心篩選的ODD內取得的。ODD并不是隨便畫出來的圈，而是經過人工篩選和工程權衡之后劃定的“相對安全區”：選擇街區時，優先道路規整、標線清晰、人流車流復雜度相對較低的區域；選擇城市時優先氣候相對溫和、極端天氣相對較少的地方；遇到惡劣天氣則可以選擇主動收縮運營或暫停服務。一旦把運營范圍擴展到全美、全年、全路況，長尾場景的數量會呈指數級上升，“沒見過”的組合會變成常態而非例外。

“世界模型”可能是從根本上緩解這一難題的長期方向，但更現實的問題在于：在世界模型短期難以突破之前，依托真實數據積累和仿真擴增，把對長尾的覆蓋盡量逼近，能否在技術和社會兩個層面，成為一個可接受的規模化運營解法。

中國一些方案中采取的“車路云一體化”路徑就可以看成是壓縮長尾問題的一種方法：一些試點地區并不完全依賴車端感知，而是同步鋪設路側傳感器、信號優先機制、專用車道及云控平臺，通過V2X（VehicletoEverything，車對外界的信息交換）把部分“視野”和“判斷”前移到基礎設施層面，在一定程度上彌補單車智能的短板，探索的車路云協同，通過路側設備和V2X把超視距、遮擋、盲區等關鍵信息前置給車輛，本質上是用基礎設施“外掛”補足單車智能的短板。

即使有了內生和外掛的智能駕駛的加持，Robotaxi仍然無法完全去除長尾問題。目前終極解決方案是當Rob-otaxi遇到解決不了的長尾問題時，就用人來遠程接管。這在某種程度上算是Robotaxi作為無人駕駛的一個“作弊”配置，可能不是理想中無人駕駛狀態，但在實操中這對工程可靠性是一個聰明的加持，是目前做到“故障可控、退場有序”的必要手段。

跨越技術、成本與制度的鴻溝

Robotaxi所依托的無人駕駛技術，相比輔助駕駛不是簡單的功能增強，而是一種運行范式的轉變。

Robotaxi真正要跨越的不只是單一的技術門檻，而是從實驗性業務走向社會基礎服務的整套門檻：在技術和工程上，它能否在更廣的ODD內把長尾風險壓縮到社會可接受的水平，并建立足夠穩健的系統可靠性和降級機制；在經濟上，它能否擺脫長期補貼和資本輸血，跑通盈利模型；在制度上，法規、責任劃分、保險機制和倫理共識是否能同步跟進；在社會上，被部分替代的職業駕駛員群體是否有可承接的退出和轉崗安排。

只有在這幾方面同時取得進展，Robotaxi才有可能從今天的有限場景商業化，逐步走向廣泛意義上的大規模商業化。

首先，在技術和工程上，Robotaxi從“能跑”到“能規模化、安全地跑”，中間隔著巨大鴻溝。工程可靠性是一個容易被低估的挑戰。一輛Robotaxi每天要運營十幾個小時、數百公里，要在各種工況下保持極低的故障率和極快的故障恢復能力。這涉及傳感器冗余與退化檢測、算力平臺的熱管理與長期穩定性、OTA升級的安全驗證、車隊調度系統的魯棒性等一整套工程體系。

其次，Robotaxi的大規模商業化，最終要回歸到經濟賬本是否行得通。從單車看，增加的是高精度的傳感器套件、大算力計算平臺、高昂的研發投入和初期運營的安全員成本等；最大的成本減少來自駕駛員的人力成本。在成本項中，一個非常關鍵、且常被低估的變量，是遠程安全員能夠覆蓋的車輛數量——這直接決定了人力成本能被攤薄到什么程度。

從部分公司披露的數據看，單車經濟模型在局部ODD內已經開始觸及盈虧平衡點。例如，小馬智行管理層在2025年三季報會上披露，其在廣州投放的第七代Robotaxi，在當年11月日均訂單約23單/輛的情況下，已經實現城市級別的單車盈利轉正。人車比方面，2024年百度蘿卜快跑在武漢出圈時，曾公開過“1：3”的水平，即每名遠程安全員同時監控約3輛Robotaxi。到2025年，通過讓車輛在棘手場景下具備更好的自處能力，如自動減速、靠邊停車進入最小風險狀態等，遠程安全員不再需要時刻做好隨時接管的準備，而是更多在車輛遇到疑難場景時提供決策建議，幫助車輛駛離局部復雜路段。這樣，人車比顯著提升。目前頭部Robotaxi企業已經可以在部分城市做到約1：20的水平，大幅降低每輛車攤到的運營人力成本。

Robotaxi的經濟性很大程度上依賴于規模效應，只有車隊規模足夠大，才能攤薄高額的研發投入、車輛采購成本和運營維護成本。同時，足夠高的市場滲透率才能帶來高頻次的訂單，確保車輛的利用率最大化，從而降低每單服務的成本。這需要技術上的成熟度足以支持廣泛區域的穩定運營，也需要消費者對Robotaxi服務的廣泛接受和信任。大規模投放和運營，將為運營企業帶來數據積累和算法迭代的良性循環，進一步優化運營效率和降低成本。

第三，Robotaxi要大規模上路，光有技術和經濟性還不夠，還必須有一整套相匹配的治理結構，從法律責任、監管機制、倫理邊界再到社會接受度，都需要重新設計和持續調整。Robotaxi是一項同時涉及公共安全與道路使用權的新型業務，其商業化深度高度依賴法規與治理體系的完備程度。

當Robotaxi發生事故時，責任認定將是一個核心法律問題：是制造商的責任，軟件開發商的責任，還是運營方的責任？在某些特殊情況下，是否存在路側基礎設施或交通管理系統的責任？不同環節承擔怎樣的過錯責任或無過錯責任，直接關系到各方在安全投入上的激勵結構，這些都需要清晰的法律界定。

因為Robotaxi持續運營的特點，又涉及復雜的技術，技術還有黑盒特點，這令監管的復雜度和難度相比對網約車和汽車制造業的監管難度都要高，涉及準入標準、運營許可、數據管理、網絡安全等方面：如什么樣的安全指標、測試里程和ODD定義才有資格商業化；軟件和模型每一次版本升級，需不需要重新驗證并備案；數據應該保存多久、以何種方式向監管和事故調查開放。

倫理層面的問題則直接關系到社會對Robotaxi的信任邊界。經典的“電車難題”只是極端抽象的版本，現實中更常見的爭議包括：系統在不確定條件下應該多保守還是多激進，這種取舍會不會在事實上對某些群體形成算法歧視；在不可避免的碰撞場景下，系統是否被允許為了保護車內乘客而增加車外個體的風險；這些策略是由企業自行決定，還是需要在某種公開透明的社會協商框架下確定。

只有當這些問題被拿到明面上討論，并在算法設計、產品說明和監管規則中留有清晰的“倫理痕跡”，Robotaxi才有可能獲得真正意義上的社會授信。

第四，Robotaxi大規模商業化意味著出租車和網約車行業將發生結構性變革，數百萬甚至上千萬的職業駕駛員可能面臨失業。如何設計一個有序、可承受的退出與轉型機制，以應對這種大規模就業替代帶來的社會沖擊，是必須提前思考和系統謀劃的社會公平問題。

綜合數據估算，中國目前活躍的網約車/車租車從業者規模在1000萬左右。如果Robotaxi的發展情境是快速取代傳統的出行服務，就業市場的自發調整很可能跟不上，缺乏妥善的應對方案，大規模的就業沖擊可能引發社會問題。

隨著AI的全面快速發展，對就業的潛在沖擊實際上會影響到各行各業，社會保障體系需要提早做準備，以應對這種結構性失業。這可能包括完善失業保險制度、探索普遍基本收入（UBI）等新型社會福利模式，才能構建一個能夠緩沖技術沖擊、促進勞動力有序轉型的社會機制。

宏觀來看，Robotaxi的普及也會對城市規劃、交通基礎設施和商業生態帶來深遠影響。例如，停車場的減少、公共交通模式的演變等。在推動技術進步的同時，必須同步考慮其可能引發的社會問題，并通過頂層設計來確保技術發展能夠惠及更廣泛的社會群體。

協同進化下的出行革命

Robotaxi的大規模商業化不是一個技術問題的單線推進，而是一場多維度、多利益相關方的協同進化過程。從當前ODD“溫室試點”走向真正的規模化落地，需要同時突破技術與工程、經濟優勢、法規與倫理、社會責任這四道關鍵門檻。

技術的突破和工程的保障為經濟性提供基礎，經濟的可行性為規模化運營創造條件，法規、倫理和社會公正則為整個生態提供合法性和社會認可。只有這四個層面的約束同時被逐步化解，Robotaxi才有可能從今天的前沿試驗和局部突破，演變為一個真正改變出行產業結構的大規模商業現實。

（劉勁系大灣區人工智能應用研究院理事、特聘專家，長江商學院會計與金融學教授、投資研究中心主任；段磊系大灣區人工智能應用研究院研究總監；張禛系大灣區人工智能應用研究院研究員）