2022年机器人出租车行业研究报告 Robotaxi将是未来地面共享出行的理想形态

01、智慧共享出行的远大蓝图

1.1、Robotaxi将是未来地面共享出行的理想形态

随着汽车产业“电气化”“智能化”“网联化”“共享化”进程的不断发展，集“四化”于一身的Robotaxi代表了未来地面共享出行的理想形态。在未来，乘用车对于消费者的不动产属性将逐渐弱化：汽车行业由纯硬件产品的销售向出行服务的供应转型，产业协同共进，通力打造VaaS （Vehicle as a Service）新模式，地面交通的使用效率大幅提升。

1.2、汽车定位开始转变，新基建下的智慧出行将链接贯穿数智生活全场景

基于新一代信息技术打造的智慧生活，将实现人类衣、食、住、行、教育、医疗、养老等各种生活场景与方式的全方位覆盖，大幅提升城市居民生 活品质与效率，而这离不开智慧共享出行的链接赋能 。Robotaxi出行服务将人类时空移动数智化：汽车的价值由出行工具转化为生活伙伴，成为数智生活空间的主脉络之一，链接与融合居家、饮食、 消费、医疗、工作等各种生活场景。

1.3、更稳妥的智慧出行需要协同“聪明的车”和“智慧的路”

单车智能自动驾驶技术多依靠车载传感器与计算单元实现自动化驾驶，但近年来在发展过程中遭遇算法与算力的瓶颈；单纯依靠单车智能技术的自 动化驾驶，车辆的行驶安全难以保证 。Robotaxi是城市综合智慧交通系统的一分子，车路协同融合单车智能技术，实现不同交通参与者的信息交互、协同感知、协同决策以至协同控制， 通过宏观协配的办法，实现高效、节能、安全通行的全局交通最优解。

1.4、地面车辆出行的成本降低是Robotaxi的底层商业价值体现

能够实际降低网约车/出租车运营成本，是产业进一步发展、实现商业化落地的关键因素。经测算对比发现，Robotaxi的经营成本优势凸显，每公里运营成本仅0.81元，较传统油车节省58%，较传统电车节省43%。为Robotaxi经营公司带来收益的同时，智慧交通的建设也将为通行效率、事故发生率、限购限行、地方GDP等带来明显的正面影响。

02、Robotaxi面临的层层桎梏

2.1、Robotaxi的故事怎么圆

在Robotaxi的行业发展中，各类型玩家实则均有自身的痛点、桎梏与顾虑，导致商业化脚步被阻滞 。主要集中在技术、成本、生态、监管四个方面。

2.2、技术桎梏：自动驾驶算法仍需长时间打磨以确保行驶安全

虽然技术发展很快，可实现90%以上场景的自动驾驶，但若10%的长尾问题不妥善解决，自动驾驶就无法真正实现商业化运营。导致自动驾驶系统退出的原因复杂且多样，预计完全解决各类型开放场景的Corner Case难题还需要10年以上的时间。长尾问题制约Robotaxi的商业化进展，所以获取数据以及通过数据迭代算法的能力，将成为自动驾驶企业在商业化进程中的核心竞争力。

2.3、成本桎梏：规模量产前，自动驾驶的安装成本桎梏难突破

对于Robotaxi的运营方来讲，其商业模式落地需建立在整车成本更低的前期下，但当前自动驾驶改装成本高，对于运营方来说难以负担。在上车前装量产车型之前，从自动驾驶软件，到计算芯片，再到激光雷达等关键硬件，综合成本难以下调至可支撑Robotaxi的实际落地。最近两年随着激光雷达等关键硬件的国产化与放量，自动驾驶整体方案价格也逐步走低，最终将走向成本平衡点。

2.4、生态桎梏：“软件定义汽车”环境下衍生出的竞争关系阻滞

软件定义汽车的时代已然来临，汽车智能化进程一方面革新汽车产业，创造新的增长机遇，另一方面也为传统OEM带来焦虑，担心自身沦为互联 网和自动驾驶科技公司的代工厂，彻底丧失汽车的“灵魂”。在这种环境下，车企的角色由硬件销售逐步转向软件及服务，车辆交付从以往“服务的结束”，转型为“服务的开始”；数据及其背后可挖掘的隐 藏价值才是未来智能网联汽车利润的核心。

2.5、监管桎梏：政策审慎，规模限制与技术迭代的矛盾

自动驾驶技术打磨与监管侧政策放开是相辅相成的：算法模型越成熟稳定，监管者就越有信心持续放开政策管控，进一步加速模型的训练与演进。解决算法上的长尾问题需要数据来驱动：需通过扩大车队试运营规模，积累更多路测里程数据，以加快自动驾驶算法的研发与迭代 。现阶段政策制定若盲目求快，可能的负面事件会成为行业发展的拦路虎，将尚处商业化萌芽发展期的Robotaxi行业置于不利位置。

03、建设智能汽车共享的理想国

3.1、政策规划导向，新基建与智慧交通体系下的共享出行

当单车智能遇到发展瓶颈，通过“人车路云”智慧交通的共建，为区域统一智慧交通体系中的Robotaxi提供支撑 。让“聪明的车”跑在“智慧的路”上，绕过corner case带来的技术桎梏，通过路端建设为行车提供安全冗余，加快Robotaxi的实际落地。

3.2、各路玩家建立统一的商业视界，围绕乘客进行协作创新

Robotaxi多方参与者的协同合作，需要建立统一视界，各司其职，将政府监管机构、从业者、资本与股东、生态伙伴等多方的需求达成新的统一 平衡，进行业务模式的创新 。统一视界中寻求组织协同模式的创新，以数据协作为基础，带动多种创新模式生成，形成产业多方的战略协作、业务协作、管理协作，更好地为 乘客提供出行服务，打造数智化生活。

3.3、产业与需求对齐，数据高效流通与共享的世界

在统一视界的背景下，以“数据”为触媒，推动产业互联与消费互联的双轮驱动，建立地面共享出行的新模式。

3.4、基础设施持续进步，支撑AI算法训练与应用，贯穿自动驾驶全流程

人工智能与深度学习的使用贯穿自动驾驶技术应用的近乎所有环节，人工智能与大数据底层技术的发展支撑着自动驾驶算法的演进。算力的增长与释放，关系着车载端和数据中心端核心基础能力对自动驾驶技术发展和突破的支撑力度。

04、产业协同探索商业落地之路

4.1、实践-车路云一体化加速自动驾驶落地，蘑菇车联衡阳模式成为样板

车路云一体化将“单车智能、车路协同、AI云平台”有机融合，实现多重冗余+全局管控，大幅提升自动驾驶安全性、稳定性和可靠性。以城市场景为切入口，打造城市级车路云一体化方案，实现包括Robotaxi在内的多种自动驾驶车辆的落地运营，带来巨大社会经济效益。

4.2、实践-协同合作，优势互补，打造自动驾驶生态合作圈

Robotaxi本质上还是服务于C端消费者的智慧共享出行方式，而负责车辆管理、调度的运营工作堪称Robotaxi落地后的“胜负手”，但自动驾驶 公司却普遍缺少共享出行的流量入口和运营经验。

4.3、实践-场景和技术下探，采集数据，迭代算法

如何高效、低成本地获取优质可用的数据，是自动驾驶企业在算法模型训练过程中面临的难题。针对此类痛点，国内自动驾驶领先企业智行者通过场景与算法的深度解耦，构建了以无人驾驶大脑为核心，多场景落地的发展架构，对不同场景采 集的数据进行高效“差异化”复用，加快其无人驾驶系统的迭代。

4.4、实践-AI训练平台助力智能驾驶算法研发

智能驾驶企业初期专注于个人算法研发，缺乏对IT资源的统一管理手段；随着企业快速扩张，算法工程师人数和资源需求在成倍增长，但运维团队 人力有限，出现资源管理难、利用率低、无统一监控告警等问题。

4.5、实践-高精度定位上车，支撑自动驾驶规模化落地

汽车行业正在进入智能驾驶高速发展的阶段，高精地图、高精度GNSS定位技术融合其他传感器技术，是实现自动驾驶位置感知、路径规划、安全 行驶的基础。

报告节选：

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）