2025年智能驾驶行业专题：Robo_X的产业趋势、市场空间和产业链拆解

R o bo-X :政策+技术+成本催化下，L 4预计在2 0 26年迎元年时刻

技术：强化学习+世界模型构建L4技术底层，2026年预计 迎来元年时刻

强化学习（Reinforcement Learning，RL）和模仿学习（Imitation Learning，IL）是机器学习中的两种重要方法。模仿学习通过监督的方式训练模型，以模拟人类驾驶 行为，该方法旨在从专家演示中学习驾驶风格，这些演示作为模型训练的案例。强化学习是一种通过智能体与环境进行交互来学习最优策略的机器学习方法，智能体在环 境中执行动作，环境会根据智能体的动作反馈一个奖励信号，智能体的目标是通过不断尝试不同的动作，以最大化长期累积奖励。基于模仿学习的自动驾驶系统在训练过 程中无法覆盖所有可能的驾驶情景，而强化学习通过与环境的互动，随着时间的推移最大化累计奖励，智能体根据自身行为做出驾驶决策，以获取奖励或避免惩罚。另一 方面，强化学习通过探索与利用的策略来改进驾驶模型。强化学习是智能体与环境不断交互学习的过程，因此不存在模块化自动驾驶系统中各个模块之间的相互依赖问题， 以及模仿学习中对专家行为的依赖问题，也避免了数据稀缺，数据不平衡等间题。

从L2级辅助驾驶到L4级无人驾驶，要求智能驾驶系统具备"远超人类驾驶员"的场景处理能力。传统L2级模仿学习存在以下局限：1）能力边界固化：L2级优化越精细，系统 越依赖特定场景的统计规律，与L4级"泛化决策"需求背道而驰；2）意图理解缺失：模仿学习仅能复现"驾驶动作"，无法推导"驾驶意图"（如变道的时机选择、对行人意图 的预判）；3）开环训练缺陷：端到端模型的"感知-控制"直接映射缺乏"中间推理"环节，无法模拟人类基于经验的直觉判断。世界模型通过构建"虚拟驾驶沙盒"，让策略 在仿真环境中完成"假设-验证-优化"的闭环："世界模型是生产车端模型的数字工厂，L4级技术的核心差异在于'工厂'的仿真精度"），从根本上解决了上述问题。此外， 参考全球计算机视觉学术顶会 ICCV 2025 上，理想汽车自动驾驶高级算法专家詹锟《世界模型：让我们从数据闭环走向训练闭环》观点，在辅助驾驶任务上，很多场景的 数据是稀疏的，自然采集到的数据不足以训练 AI，但这些少见的场景（CornerCase）正是辅助驾驶需要改进的重点，在构建 L4 级的自动驾驶系统时，这些问题都需要得 到解决，有了世界模型的合成数据能力后，AI 模型在训练的数据配比上更为合理，理想的辅助驾驶系统在实际道路表现的稳定性和能力的泛化上均有了很大的改善。

政策：各国政策在不断放开对自动驾驶的限制，逐步明确监管框架

中国方面，2024年6月，工业和信息化部等四部门发布《关于开展智能网联汽车准入和上路通行试点工作的通知》，确定了首批9个进入 试点的联合体，车辆运行所在城市为重庆市、广东省广州市和深圳市、上海市、北京市、海南省儋州市、河南省郑州市，首批试点企业 包括比亚迪、上汽、广汽、北汽蓝谷、中国一汽、上汽红岩、宇通客车、蔚来科技、长安汽车九家企业。2025年4月，工业和信息化部、 市场监管总局发布《关于进一步加强智能网联汽车产品准入、召回及软件在线升级管理的通知》，提出汽车生产企业要深刻领会《通知》 要求，充分开展组合驾驶辅助测试验证，明确系统功能边界和安全响应措施，不得进行夸大和虚假宣传，严格履行告知义务，切实担负 起生产一致性和质量安全主体责任，切实提升智能网联汽车产品安全水平。

中东方面，近年来，阿联酋政府制定了一系列政策，包括阿布扎比地面交通整体规划、迪拜自动驾驶交通运输战略等，推进自动驾驶汽 车发展。迪拜曾于2016年提出目标，2030年该市25%的交通出行将由自动驾驶车辆完成。2023年7月阿联酋授予文远知行首个自动驾驶路 跑牌照，这也是中东首个国家级全域自动驾驶路跑牌照。

R o bo ta xi

Robotaxi全球主要区域目前进展

目前，全球Robotaxi业务持续推进，中东地区，政策支持下，Robotaxi商业化落地快；欧洲地区，政策逐步开放，人口老龄化趋势下， Robotaxi发展潜力大；亚洲地区，国内北上广深已开启Robotaxi服务，迪拜、利雅得、东南亚等地区也加速推进Robotaxi发展。

Robotaxi行业市场空间

行业端，预计2030年全球Robotaxi市场规模超5000亿美元。参考文远知行招股说明书，全球和中国的Robotaxi市场规模预计到2030年分别 达到5450亿美元和2010亿美元，2025-2030年复合年增长率分别为106%和111%。

我们根据出租车、网约车数量以及Robotaxi车队规模进行如下测算： 2023年，国内出租车保有量137万辆，2016-2023年的出租网约新车总销量数据423万辆，假设2025年国内网约车、出租车保有量分别450、 140万辆，按照车5年折旧年限，预计国内网约车、出租车年销量分别90、28万辆，假设每台出租车/网约车售价20万元，对应国内出租车 和网约车年化市场规模合计2360亿元，2025年假设国内Robotaxi车队规模7000台，对应Robotaxi在共享出行里面占比0.6%，Robotaxi潜在 可替代空间大。

Robotaxi商业模式、竞争格局和产业链

Robotaxi凭借城市交通革新提效，创造广泛应用场景，低成本有望打开产业加速渗透空间。一方面Robotaxi提供了更安全可靠的驾驶，而 大规模的实施可以大大提升城市交通的秩序性和效率。另一方面，Robotaxi服务的部署还可能通过减少公共停车场和释放更多城市空间来 重塑城市交通规划。此外，从成本角度来看，参考盖世汽车，Robotaxii造车成本是传统网约车的3倍左右，配有安全员的Robotaxi的经营 成本高于传统电动网约车，无安全员的Robotaxi每公里运营成本仅0.81元，比传统燃油网约车低58%，比传统电动网约车低43%。

R o bo va n

Robovan的必要性

Robovan，即无人驾驶物流车，是一种无人化运载货物工具，具有自动驾驶功能，在物流运输场景中应用。市内货运通常指在 100 公里 范围内，大型配送中心之间的运输，且位于同一省份或城市；城际运输指城市之间的运输，行程超过 100 公里。参考《车联网 无人快 递车运营管理规范》定义，无人快递车指的是具有在封闭区域和城市道路上自动行驶功能，可实时监测周围环境能正确别和响应各种交 通标志、标线、信号灯及各种障碍物，具备一定的网联通信功能，适用于包裹快递配送服务的无人驾驶的车辆，最高行驶速度不大于 40km/h。

从应用场景来看，物流无人车是具备自动驾驶功能的新型物流运载工具，主要应用场景为电商快递配送，类似场景也包括即时城配、商 超零售配送、生鲜配送等。随着应用场景拓展，相关无人车还应用于工业园区配送、安防巡检等场景。

快递的流转一般包括一套完整的“揽收-中转-运输-派送”流程，目前物流无人车主要应用场景是承担快递网点到社区（驿站/快递柜） 之间的快递配送服务。Robovan无人物流车具有低速、短驳特征，通常单程进行 5-20 公里的短距离运输，实现多点之间的接驳功能，可 以取代常规的微型面包车/微型卡车/轻型卡车/货运三轮车，节约人力投入，起到降本增效的作用。相比快递员，无人配送车更多地是解 决快递运输环节，快递员依然需要配合完成前后两端的货物搬运、装卸、投递等环节，否则无法实现两端衔接。

R o bo tr uc k

Robotruck的必要性

干线物流指在公路运输网中起骨干作用的线路运输，运输线路以高速公路为主、日均行驶里程在200km以上的省际与跨省运输，其运输车 型以重型载货车、牵引车为主的物流用途重卡。干线物流场景具备如下特征：1）半封闭环境：主要依托省际高速公路网络，相较于复杂 的城市遵路，具有更规范的道路条件和更简单的交通环境；2）中高速运行：不受红绿订等交通信号影响，通常车辆平均时速80-100km/h； 3）中长距离运输：主要服务于跨区域、跨省际的货物运输，单次运输距离通常在200公里以上。2016年-2023年，公路货运一直占国内总 货运量的70%以上，是国内最主要的运输方式。

当前，传统干线物流体系在成本、效率与安全等方面仍面临诸多痛点，如成本方面，人力与燃油两项刚性支出占比超50%，制约盈利空间： 效率方面，存在运营效率低下和运力资源分散等现象，资产利用率低下：安全方面，存在疲劳驾驶、恶劣天气与视距言区等问题，行车 安全面临严峻挑战，这些问题超能制约行业进一步升级的关键瓶颈，也为自动驾驶技术的应用提供了切入点。 

当前传统干线物流行业中的较多痛点，比如成本高、司机短缺、交通事故频发等，每一个痛点均直接或间接与司机长时间重负荷工作有 关。传统商用车每辆车配备2名司机，安装L3级自动驾驶系统每辆车可减少1名司机，未来L4级自动驾驶系统甚至可取消司机，大幅降低 人力成本。此外自动驾驶系统可优化驾驶路线、驾驶习惯，减少燃油、车辆损耗等。自动驾驶软硬件系统可减少货车盲区、扩大车辆感 知范围，并预测危险与紧急情况，减少事故发生，或降低事故死亡率。

R o bo bu s

Robobus的必要性

对于城市居民而言，公交车是他们日常出行的重要交通工具。在公交领域，司机短缺以及劳动力老龄化的问题正在制约大城市公交服务 的发展。2021年，欧洲有7% 的公交车和长途客车司机职位空缺。Robobus无人驾驶巴士能够在没有人类司机的情况下安全运行，并且每 天可以长时间运营，是解决此类痛点的理想方案。由于公交线路大多已预先确定， Robobus有望成为自动驾驶技术最早实现商业化的领 域之一。早在2018 年，Robobus就在封闭道路环境中开始部署， 2020年在开放道路环境中投入使用，并于2021年实现无人驾驶。

Robobus大体可以分为两种应用场景，一种为主要应用于机场、园区、景区、校园、社区等场景，一般车速在25-45km/h；一种应用于交 通枢纽、城市主干线道路等开放场景，提供城市公交服务，代表产品有MOGO BUS M2等，车速在40-60km/h。文远知行的Robobus专为在城 市开放道路上提供公共交通服务而设计， 能够在各种天气条件下运行。

近年来，Robobus相关的支持政策频出。1）东南亚、中东、欧洲等海外地区支持Robobus发展。2025年6月，新加坡交通部代部长萧振祥 在参访文远知行时就宣布，新加坡计划在2025年底前将自动驾驶接驳车纳入全国公共交通体系，并将从今年第四季度开始在榜鹅组屋区 （Punggol）启动试用，充分发挥自动驾驶技术在出行领域的应用价值。2）国内市场，以北京市为例，2023年6月，《北京经济技术开发 区深化改革创新打造营商环境综合示范区工作方案》提出，要扩大无人接驳车等自动驾驶场景应用及商业化运营范围，增加运营车辆数 里，提升出行便利度。

R o bo sw ee p er

Robosweeper的必要性

城市环卫主要指的是对市政道路、广场、水域、公厕、垃圾中转站等各类城乡公共区域的环境卫生进行综合管理，主要服务内容包括但 不限于，垃圾清扫、收集、垃圾清运、绿化带养护、公厕和垃圾中转站等环卫设施运营管理、市容管理、垃圾分类、重大活动环卫保障 等。智慧环卫是一个依托物联网、大数据、云计算、移动互联网与地理信息G1S技术等先进技术手段，对环卫管理所涉及到的人、车、物、 事进行全过程实时管理的综合解决方案，其核心理念在于通过智能化、信息化手段提升环卫作业质量，降低环卫运营成本，进而实现城 市环境卫生管理的精细化可视化和实时化。Robosweeper是无人驾驶环卫车产品，主要用于道路清扫、垃圾清理等环卫作业，从功能上可 以分为无人驾驶扫路车、无人驾驶洗地车、无人驾驶吸尘车、无人驾驶洒水车等。

目前，传统环卫存在人口老龄化与劳动力短缺等问题，行业对兼具无人化、智能化等特点的无人驾驶环卫车被重视并应用推广起来。街 道清洁是一项劳动密集型工作，存在固有的健康和安全风险，城市街道清洁行业的工人需要长时间工作， 工作环境往往危险，有时还要 在极端天气条件下作业，无人环卫能直接解决一线环卫工人劳动力短缺问题，减少环卫安全事故，并且车辆全天候、全时段作业，能显 著降低人员和管理成本。

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。）