刘劲 段磊 张禛／文
Robotaxi（自动驾驶出租车）被普遍认为是智能驾驶时代最具想象力的赛道之一。一旦 L4/L5 无人驾驶技术真正成熟，它对传统出租车、网约车行业，甚至是整个汽车产业结构都有潜在的颠覆性影响。
市场对 Robotaxi 的市场容量以及发展速度有不同的预测。最激进的预测来自 ARK 基金的明星基金经理凯瑟琳 · 伍德（CathieWood）。她曾估算，到 2030 年前后，全球 Robotaxi 车队规模可能增至 5000 万辆，对应每年 8 — 10 万亿美元的出行收入，总生态有望创造约 34 万亿美元的企业价值。
其它主流机构，如花旗、高盛、弗若斯特沙利文给出的预测要谨慎得多：对中国 Robotaxi 市场的预测，2030 年大致分布在 100 亿至 700 亿美元，2035 年则落在 400 亿至 1000 多亿美元之间；对全球市场，2030 年的预测多集中在 200 亿至千亿美元级，2035 年则提升至数千亿美元量级。即使基于这些相对谨慎的预测，Robotaxi 依然指向了一个体量可观、增速惊人的新兴市场。
要理解这些预测，我们必须了解行业当下的发展情况，找到行业发展的底层逻辑，然后把两者综合起来向前延展、预测将来。
两种模式，两幅图景
在所有人工智能的应用领域，美国和中国都走在世界的前列，Robotaxi 也不例外。
2025 年，美国 Robotaxi 市场规模约为 3 亿美元，约是美国共享出行 580 亿美元整体市场的 0.5%。Waymo 是其中最早系统性推进 Robotaxi 的先驱者。截至 2025 年底，其在旧金山、洛杉矶、凤凰城和奥斯汀 4 个城市提供付费 Robotaxi 服务，车队规模约 2500 辆；计划今年将车队扩展到至少 3500 辆，把服务覆盖扩展到约 12 座美国城市和进行海外城市探索。最新的周订单量达到 50 万左右（2026 年 3 月），约是 3 年前（2023 年 5 月）周订单的 50 倍。截至 2026 年初，Waymo 的完全无人驾驶车队在真实道路上的累计行驶里程超过 1.7 亿英里（约 2.74 亿公里，业界第一），其中仅 2025 年就新增约 7000 – 8000 万英里。
特斯拉则是美国 Robotaxi 版图上一个重要变量。它在战略上沿着两条路径推进：一是通过软件升级，让现有装配 FSD（特斯拉辅助驾驶）的量产车在监管允许的地区接入一个分布式的 Robotaxi 网络；一是开发没有方向盘和踏板的专用 Robotaxi 车型 Cybercab，计划在今年开始量产。但马斯克的计划实施在时间表上往往有较大的不确定性，所以变数较大。
此外，从辅助驾驶到无人驾驶，技术上并非平滑外推，而是需要在长尾处理能力、系统冗余、工程可靠性等方面完成一次梯度跳跃。特斯拉希望今天为监督驾驶服务的 FSD，未来可以在不大改硬件的前提下直接承担无人驾驶任务，这在工程和安全标准上都意味着极大压力。
中国市场则呈现出另一种风貌。根据高盛测算，2025 年中国 Robotaxi 市场规模约为 5400 万美元，同样处于起步阶段，但参与者更为众多，竞争更为热烈。头部玩家包括百度的萝卜快跑、小马智行（Pony.ai）和文远知行（WeRide）。
其中，萝卜快跑依托百度 Apollo，在北京、武汉、重庆、深圳、长沙等地拿到了多种无人化运营许可，在武汉部分区域已经实现 24 小时全无人运营，并对外宣称部分路段单车已实现盈亏平衡，是目前国内订单量和无安全员运营规模最大的 Robotaxi 品牌之一。
小马智行和文远知行则在广州、北京、上海、深圳等城市开展 Robotaxi 试点，同时积极出海，在中东、新加坡等地与当地政府和平台合作，构建"国内试点＋海外商业化"的双线布局。
第二梯队包括元戎启行、滴滴自动驾驶、Momenta 等，它们在部分城市拿到了示范运营资格，也在积极探索业务模式。一些汽车制造企业，如小鹏等，也已启动 Robotaxi 相关业务的技术和运营准备。
中国 Robotaxi 市场的一个鲜明特点是顶层设计和政策驱动。在"中央指引 + 地方试点"的政策思路下，中央会发布顶层战略文件、指引自动驾驶产业的发展，并选取重点城市作为测试示范区，给予当地先行先试的政策空间。
北京、上海、广州、深圳、武汉、重庆等城市推出了分阶段的测试、示范运营和商业化政策，允许企业在特定区域先做有人安全员运营，再逐步放开车内无人、车外远程监控、最终走向完全无人。武汉、北京亦庄等地的管理办法还给出了较明确的收费规则和保险指引，这为早期商业闭环提供了制度基础。
安全之问
安全是 Robotaxi 发展的一个核心考量因素。Robotaxi 在安全上必须超过人类驾驶，才有可能大规模应用。
根据 Waymo 最新披露的数据，与在相同运营城市中的平均人类驾驶员相比，Waymo 自动驾驶系统造成受伤的事故数量减少约为 82%，造成严重伤害或更严重后果的事故数量减少约为 92%。这些数字相当令人鼓舞。
而且，Waymo 的方法论也相对严谨：人类基准不是全国平均，而是基于其运营城市的警方事故和行驶里程数据构建；在对比时，通过重加权方法尽量对齐 Waymo 实际驾驶的道路和区域分布，并对时间段和路况做了相应限制，以便在"相同城市、相似道路和运营时段"条件下比较每百万英里的事故率。这比其它公司做的类似对比要成熟和可信得多。
这说明 Robotaxi 已经比人类驾驶更安全了吗？事实并非如此，它只能说明在当前精心挑选和严格约束的 ODD（运行设计域）内，Robotaxi 的安全表现优于在当地驾驶的人类平均水平。当前主流智能驾驶路线的根本软肋，是对未见过的长尾场景缺乏稳健的泛化能力。
Waymo 在旧金山、凤凰城等城市展现出的优异安全数据，是在精心筛选的 ODD 内取得的。ODD 并不是随便画出来的圈，而是经过人工筛选和工程权衡之后划定的"相对安全区"：选择街区时，优先道路规整、标线清晰、人流车流复杂度相对较低的区域；选择城市时优先气候相对温和、极端天气相对较少的地方；遇到恶劣天气则可以选择主动收缩运营或暂停服务。一旦把运营范围扩展到全美、全年、全路况，长尾场景的数量会呈指数级上升，"没见过"的组合会变成常态而非例外。
"世界模型"可能是从根本上缓解这一难题的长期方向，但更现实的问题在于：在世界模型短期难以突破之前，依托真实数据积累和仿真扩增，把对长尾的覆盖尽量逼近，能否在技术和社会两个层面，成为一个可接受的规模化运营解法。
中国一些方案中采取的"车路云一体化"路径就可以看成是压缩长尾问题的一种方法：一些试点地区并不完全依赖车端感知，而是同步铺设路侧传感器、信号优先机制、专用车道及云控平台，通过 V2X（VehicletoEverything，车对外界的信息交换）把部分"视野"和"判断"前移到基础设施层面，在一定程度上弥补单车智能的短板，探索的车路云协同，通过路侧设备和 V2X 把超视距、遮挡、盲区等关键信息前置给车辆，本质上是用基础设施"外挂"补足单车智能的短板。
即使有了内生和外挂的智能驾驶的加持，Robotaxi 仍然无法完全去除长尾问题。目前终极解决方案是当 Rob－otaxi 遇到解决不了的长尾问题时，就用人来远程接管。这在某种程度上算是 Robotaxi 作为无人驾驶的一个"作弊"配置，可能不是理想中无人驾驶状态，但在实操中这对工程可靠性是一个聪明的加持，是目前做到"故障可控、退场有序"的必要手段。
跨越技术、成本与制度的鸿沟
Robotaxi 所依托的无人驾驶技术，相比辅助驾驶不是简单的功能增强，而是一种运行范式的转变。
Robotaxi 真正要跨越的不只是单一的技术门槛，而是从实验性业务走向社会基础服务的整套门槛：在技术和工程上，它能否在更广的 ODD 内把长尾风险压缩到社会可接受的水平，并建立足够稳健的系统可靠性和降级机制；在经济上，它能否摆脱长期补贴和资本输血，跑通盈利模型；在制度上，法规、责任划分、保险机制和伦理共识是否能同步跟进；在社会上，被部分替代的职业驾驶员群体是否有可承接的退出和转岗安排。
只有在这几方面同时取得进展，Robotaxi 才有可能从今天的有限场景商业化，逐步走向广泛意义上的大规模商业化。
首先，在技术和工程上，Robotaxi 从"能跑"到"能规模化、安全地跑"，中间隔着巨大鸿沟。工程可靠性是一个容易被低估的挑战。一辆 Robotaxi 每天要运营十几个小时、数百公里，要在各种工况下保持极低的故障率和极快的故障恢复能力。这涉及传感器冗余与退化检测、算力平台的热管理与长期稳定性、OTA 升级的安全验证、车队调度系统的鲁棒性等一整套工程体系。
其次，Robotaxi 的大规模商业化，最终要回归到经济账本是否行得通。从单车看，增加的是高精度的传感器套件、大算力计算平台、高昂的研发投入和初期运营的安全员成本等；最大的成本减少来自驾驶员的人力成本。在成本项中，一个非常关键、且常被低估的变量，是远程安全员能够覆盖的车辆数量——这直接决定了人力成本能被摊薄到什么程度。
从部分公司披露的数据看，单车经济模型在局部 ODD 内已经开始触及盈亏平衡点。例如，小马智行管理层在 2025 年三季报会上披露，其在广州投放的第七代 Robotaxi，在当年 11 月日均订单约 23 单 / 辆的情况下，已经实现城市级别的单车盈利转正。人车比方面，2024 年百度萝卜快跑在武汉出圈时，曾公开过" 1：3 "的水平，即每名远程安全员同时监控约 3 辆 Robotaxi。到 2025 年，通过让车辆在棘手场景下具备更好的自处能力，如自动减速、靠边停车进入最小风险状态等，远程安全员不再需要时刻做好随时接管的准备，而是更多在车辆遇到疑难场景时提供决策建议，帮助车辆驶离局部复杂路段。这样，人车比显著提升。目前头部 Robotaxi 企业已经可以在部分城市做到约 1：20 的水平，大幅降低每辆车摊到的运营人力成本。
Robotaxi 的经济性很大程度上依赖于规模效应，只有车队规模足够大，才能摊薄高额的研发投入、车辆采购成本和运营维护成本。同时，足够高的市场渗透率才能带来高频次的订单，确保车辆的利用率最大化，从而降低每单服务的成本。这需要技术上的成熟度足以支持广泛区域的稳定运营，也需要消费者对 Robotaxi 服务的广泛接受和信任。大规模投放和运营，将为运营企业带来数据积累和算法迭代的良性循环，进一步优化运营效率和降低成本。
第三，Robotaxi 要大规模上路，光有技术和经济性还不够，还必须有一整套相匹配的治理结构，从法律责任、监管机制、伦理边界再到社会接受度，都需要重新设计和持续调整。Robotaxi 是一项同时涉及公共安全与道路使用权的新型业务，其商业化深度高度依赖法规与治理体系的完备程度。
当 Robotaxi 发生事故时，责任认定将是一个核心法律问题：是制造商的责任，软件开发商的责任，还是运营方的责任？在某些特殊情况下，是否存在路侧基础设施或交通管理系统的责任？不同环节承担怎样的过错责任或无过错责任，直接关系到各方在安全投入上的激励结构，这些都需要清晰的法律界定。
因为 Robotaxi 持续运营的特点，又涉及复杂的技术，技术还有黑盒特点，这令监管的复杂度和难度相比对网约车和汽车制造业的监管难度都要高，涉及准入标准、运营许可、数据管理、网络安全等方面：如什么样的安全指标、测试里程和 ODD 定义才有资格商业化；软件和模型每一次版本升级，需不需要重新验证并备案；数据应该保存多久、以何种方式向监管和事故调查开放。
伦理层面的问题则直接关系到社会对 Robotaxi 的信任边界。经典的"电车难题"只是极端抽象的版本，现实中更常见的争议包括：系统在不确定条件下应该多保守还是多激进，这种取舍会不会在事实上对某些群体形成算法歧视；在不可避免的碰撞场景下，系统是否被允许为了保护车内乘客而增加车外个体的风险；这些策略是由企业自行决定，还是需要在某种公开透明的社会协商框架下确定。
只有当这些问题被拿到明面上讨论，并在算法设计、产品说明和监管规则中留有清晰的"伦理痕迹"，Robotaxi 才有可能获得真正意义上的社会授信。
第四，Robotaxi 大规模商业化意味着出租车和网约车行业将发生结构性变革，数百万甚至上千万的职业驾驶员可能面临失业。如何设计一个有序、可承受的退出与转型机制，以应对这种大规模就业替代带来的社会冲击，是必须提前思考和系统谋划的社会公平问题。
综合数据估算，中国目前活跃的网约车 / 车租车从业者规模在 1000 万左右。如果 Robotaxi 的发展情境是快速取代传统的出行服务，就业市场的自发调整很可能跟不上，缺乏妥善的应对方案，大规模的就业冲击可能引发社会问题。
随着 AI 的全面快速发展，对就业的潜在冲击实际上会影响到各行各业，社会保障体系需要提早做准备，以应对这种结构性失业。这可能包括完善失业保险制度、探索普遍基本收入（UBI）等新型社会福利模式，才能构建一个能够缓冲技术冲击、促进劳动力有序转型的社会机制。
宏观来看，Robotaxi 的普及也会对城市规划、交通基础设施和商业生态带来深远影响。例如，停车场的减少、公共交通模式的演变等。在推动技术进步的同时，必须同步考虑其可能引发的社会问题，并通过顶层设计来确保技术发展能够惠及更广泛的社会群体。
协同进化下的出行革命
Robotaxi 的大规模商业化不是一个技术问题的单线推进，而是一场多维度、多利益相关方的协同进化过程。从当前 ODD "温室试点"走向真正的规模化落地，需要同时突破技术与工程、经济优势、法规与伦理、社会责任这四道关键门槛。
技术的突破和工程的保障为经济性提供基础，经济的可行性为规模化运营创造条件，法规、伦理和社会公正则为整个生态提供合法性和社会认可。只有这四个层面的约束同时被逐步化解，Robotaxi 才有可能从今天的前沿试验和局部突破，演变为一个真正改变出行产业结构的大规模商业现实。
（刘劲系大湾区人工智能应用研究院理事、特聘专家，长江商学院会计与金融学教授、投资研究中心主任；段磊系大湾区人工智能应用研究院研究总监；张禛系大湾区人工智能应用研究院研究员）
牛策略提示：文章来自网络，不代表本站观点。
