<mark id="oztn4"></mark>
0
“許多網約車公司沒真正做過Robotaxi，不了解落地有多難，自然會提出激進的目標?！?/p>
幾個月前，一位頭部自動駕駛公司高管評價近兩年陸續下場Robotaxi的出行平臺。
哈啰，就是他口中的其中一家。
2025年，哈啰宣布聯合螞蟻集團、寧德時代成立造父智能，正式進入Robotaxi賽道，并給出了一個讓行業頗感意外的目標：2027年部署1萬輛Robotaxi。
彼時，行業競爭進入盈利比拼。小馬智行宣布Robotaxi實現單城盈利，文遠知行、蘿卜快跑陸續進入海外市場，Waymo則仍在不斷擴大車隊規模。相比這些已經跑了近十年的公司，2025年才入局的哈啰，更像一個后來者。
哈啰Robotaxi聯合創始人、CTO于乾坤博士看來，2025年并不晚，反而是最后一個適合進入Robotaxi的窗口。
他判斷，如果今天再從零開始搭建自動駕駛技術、數據體系和運營能力，已經很難建立優勢；而2025年，產業鏈已經成熟，技術路線開始收斂，反而給后來者留下了一次重新洗牌的機會。
于乾坤博士坦言，哈啰在規?；涞剡M程中仍有持續精進的空間，需要積累的仍是數據規模和多元場景。
哈啰Robotaxi從一開始便放棄規則驅動路線，降低對高精地圖的依賴，直接采用端到端架構，并將AI Coding引入研發，希望用新的技術?？s短追趕時間。
對哈啰Robotaxi來說，進入第一梯隊并不只是意味著擁有更多數量的Robotaxi。
于乾坤告訴雷峰網，團隊內部真正關注的是自動駕駛能力本身，MPI（平均人工接管間隔里程）至少達到數千公里甚至上萬公里，MPCI（碰撞相關人工接管間隔里程）達到十萬公里量級，同時保證車輛舒適性和通行效率，才算真正進入行業第一梯隊。
今年7月24日，哈啰與東風日產啟辰聯合發布首款前裝量產Robotaxi HR1，首批車輛將在廣州、深圳投入常態化運營，并計劃于2026年至2027年拓展至全國10座以上城市。
哈啰Robotaxi HR1
從首款量產車落地，一年部署1萬輛，構成當前Robotaxi領域極具雄心的規?；窂健?/p>
當我們問于乾坤，這個目標究竟建立在什么基礎之上時，他給出的答案是前裝量產體系、端到端技術路線，以及成熟的網格化運營能力。
在他看來，前裝決定交付能力，端到端決定開城效率，而成熟的網格化運營能力決定車輛真正跑起來的能力。
“基于這些基礎條件，我們認為，這個目標具備實現基礎?！?/p>
以下內容是雷峰網等媒體與哈啰Robotaxi聯合創始人&CTO于乾坤的對話，內容經編輯：
Q：哈啰2025年宣布做Robotaxi，同年部分自動駕駛公司已經實現單城盈利，越來越多玩家正布局Robotaxi。現在還是進入這一行業的好時機嗎？
于乾坤：要看以什么方式進入。我們去年進入，我認為那可能是最后一個比較合適的窗口。如果今天才從零搭建自動駕駛技術和運營體系，時機已經偏晚。
但Robotaxi對應的是一個很大的出行市場，不同類型的參與者機會并不一樣。像我們這樣同時做自動駕駛技術、掌握出行運營服務能力的公司，仍然是合適的時機。
比如一家出租車公司已經在廣州擁有5000張網約車牌照，在人力車的基礎上再用Robotaxi去做運力補充，一切就剛剛好。因為它已經具備現成的牌照、車輛和運營資源。
芯片、傳感器和整車等產業鏈公司也還有機會。隨著Robotaxi規?；嚓P需求會持續增長。
真正偏晚的，是現在才從零積累自動駕駛技術。這需要大量數據、算力和人才，還要完成測試、硬件設計和運營準備。現在行業技術路線已經逐漸收斂，頭部公司也跑得比較靠前，后來者很難建立明顯優勢。
當然，如果背后有巨頭支持，資金和資源足夠充足，仍然可以進入。否則，單純以技術公司或Robotaxi運營平臺的身份入場，已經比較晚了。
Q：相比小馬智行、文遠知行和百度等已經積累近十年的公司，哈啰進入Robotaxi行業更晚。哪些能力需要盡快補齊？后來者又有哪些優勢？
于乾坤：我們目前需要積累的是數據規模和場景豐富度，這是客觀現實。但后發也有好處，很多坑可以不再踩一遍。
比如技術路線，我們一開始就放棄了規則驅動，因為這種方式很難真正走向規?；?。同時盡量降低對高精地圖的依賴，很多場景直接使用普通導航地圖。這樣進入新城市時，成本和適配壓力都會更小。
硬件上，我們也可以直接采用更成熟、適合量產的新方案。比如使用固態激光雷達、車規級芯片和車規級域控制器，整車算力達到2000 TOPS。后備箱里沒有大工控機，整個方案從一開始就是按照量產標準設計的，后面不用再走回頭路。
更核心的差異還是端到端路線。端到端依賴高質量數據和自動標注，所以我們從一開始就把數據閉環作為核心基礎設施。目前數據標注精度可以做到0.1度，包括OCC在內的流程也能實現高度自動化，既提高效率，也降低成本。
因此，作為后來者，我們可以吸收前面公司的經驗，直接采用更新的技術架構、硬件方案和數據閉環體系。當然，在歷史數據、測試案例和人才儲備上還需積累，但隨著車隊規模和運營里程增長，這些差距會逐步補上。
Q：對于布局更早、車隊規模更大的第一梯隊，它們最大的優勢是什么？哈啰還有哪些后發優勢？
于乾坤：第一梯隊的優勢要分維度看。單純的車隊規模并不是很難突破，政策和運營環境變化都可能讓規模迅速調整，后來者也有機會追上。
真正難補的是數據和場景積累。頭部公司經過多年運營，積累了大量真實數據和長尾Case，這部分短期內很難追平。但本質上仍是時間問題，隨著車隊規模和運營里程增長，后來者的數據積累也會加快。
技術本身反而越來越難成為長期壁壘。新的模型和算法不斷出現，開源生態也在加速技術擴散。尤其AI Coding普及后，編程、方案調研和知識獲取的門檻都在下降。真正有難度的，是持續提出新的模型架構，而不是跟隨現有技術。
我認為，未來行業更重要的壁壘主要有三類。
第一是牌照資源。城市道路容量有限，共享單車和網約車都已經出現額度和牌照管理。未來Robotaxi規模擴大后，牌照也可能成為稀缺資源。只是目前行業體量還小，這個壁壘尚未充分體現。
第二是運營體系，包括危機處理、現場響應、地勤運維，以及如何以更低成本完成這些工作。比如通過調度提高車輛利用率，通過精細化管理降低人力成本，再通過自動化系統監測車輛狀態。車輛爆胎后能否自動識別并及時處理，背后考驗的都是長期運營能力。
第三仍是自動駕駛的數據和場景積累。后來者最終可以追上，但領先者也會繼續向前。因此，真正的競爭力不是領先一次，而是利用先發優勢持續積累數據和場景，在別人追趕時始終保持一定距離。
Q：過去一年，L2輔助駕駛體驗進步很快。L2玩家升級到L4，是否存在一道很難跨越的門檻？未來雙方會在同一條賽道競爭嗎？
于乾坤：我主要談L2和L4的關系。兩者最大的區別，其實來自產品定義，而不只是技術。
L2、L2+被定義為駕駛輔助，第一責任人始終是駕駛員。既然定位是輔助駕駛，技術開發就不會完全按照無人駕駛的標準來做。比如功能安全、極端場景處理等能力，出現問題時可以由駕駛員接管，沒有必要全部做到L4水平。
從用戶需求看，L2系統也缺乏追求極高MPI和MPCI的動力。對普通用戶來說，接管間隔是50公里還是100公里，感知并不明顯。很多通勤和高速場景，ACC加車道保持已經能覆蓋大部分需求。
商業模式也是一樣。很多L2供應商的客戶是主機廠，而不是終端乘客。只要主機廠沒有提出幾萬公里、幾十萬公里MPCI的要求，也不愿意為此支付更高成本，供應商就缺乏持續投入L4的動力。
所以，L2和L4在技術上有共通之處，但驅動力完全不同。這并不意味著L2不能升級到L4，特斯拉就是一個例子。它在決定轉向L4后，把研發重心整體切到無人駕駛和功能安全，再用L4能力反哺L2，而不是長期維護兩套體系。
因此，從L2走向L4并非做不到，但需要很強的戰略決心。企業必須把研發體系真正切到L4方向。對于主要向主機廠提供配套方案的公司來說，這種轉型會更難。
Q：不少L2供應商現在也開始布局L4，是出于資本市場的考慮嗎？
于乾坤：這里面既有商業現實，也有戰略選擇。
L4短期內很難貢獻營收，很多公司因此既要收入和利潤，又希望保留未來的想象空間。但真正困難的地方，也恰恰在這里。
前段時間梁文鋒接受了一次長訪談，其中有個觀點我很認同：企業一定要克制、聚焦。很多事情都可以做，但首先要想清楚，自己真正想要的商業模式和核心主線是什么。
對自動駕駛公司來說也是一樣。你究竟是面向主機廠提供配套方案的供應商，還是堅定做L4、提供自動駕駛服務的軟件公司？這是兩條完全不同的路。
如果戰略不堅定，很容易變成既想講L4故事，又想保住L2營收，還要兼顧利潤。我認為，這種“既要、又要、還要”很難成功，企業的業務選擇和長期目標也容易彼此割裂。
Q：小鵬等主機廠正在加快布局Robotaxi。你怎么看主機廠進入這一市場的節奏？未來會不會出現激烈競爭？
于乾坤：現階段還談不上激烈競爭。中國Robotaxi的整體規模，相比網約車市場仍然很小，大家更重要的事情是先把行業做大。在真正實現規?；?，協作會多于競爭。
我們歡迎主機廠進入。它們在供應鏈和整車制造上更有優勢，我們也一直在和多家主機廠及其自動駕駛團隊談合作。
哈啰的定位很明確，不造車，也不自己造芯片，核心能力還是自動駕駛技術和出行運營服務。未來即使其他公司做出了成熟的自動駕駛方案，我們也可以幫助它運營。大家各有優勢，完全可以相互補充。
所以我不認為未來一定會出現非常激烈的競爭，反而可能會有更多合作。當然，這個市場最終也不會由一家公司獨占，更可能像共享單車一樣，形成“三國鼎立”的格局。
我們的目標也不是獨占全國市場，而是成為最終“三國鼎立”中的一方，并盡可能引領行業發展。
Q：哈啰自動駕駛曾提出，希望一年內進入行業第一梯隊。你們目前主要對標哪些公司？要達到第一梯隊，需要滿足哪些條件？
于乾坤：我們的對標對象主要是行業頭部L4公司，也會參考優秀的L2+企業，其中最核心的對標對象是特斯拉。
進入第一梯隊，首先要具備足夠高的自動駕駛能力，核心指標是接管里程。但提升接管里程不能以犧牲舒適性和通行效率為代價，車輛既要開得安全，也要保持與人類司機接近的行駛效率，從A點到B點的耗時差距盡量控制在10%左右。
指標上，我們認為MPI至少要達到數千公里甚至上萬公里，MPCI要達到十萬公里量級，才能進入行業第一梯隊。
Q：目前哈啰在全國有多少輛測試車？
于乾坤：有幾百臺。我們更愿意把它們稱為測試車或模擬訓練車，通過影子模式比較模型輸出和人類司機的實際操作。
這些車輛既承擔數據采集，也相當于長期運行的測試員，用來驗證模型效果，以及它與人類駕駛之間還有多大差距。
Q：現在不少乘用車公司會利用量產車采集的用戶行駛數據訓練L4系統。這類數據是否會因為傳感器配置不同，很難直接用于L4能力提升？
于乾坤：這類數據更適合用于駕駛輔助，直接用于L4訓練會有幾個限制。
首先，量產車和L4車輛的傳感器配置不能相差太大。很多用戶車輛只有一個前向激光雷達，而L4車輛可能配備多個激光雷達，感知范圍和能力并不一致，量產車數據很難完整適配L4系統。
其次，普通用戶的行駛路線比較固定，大多集中在上下班場景，單個用戶的數據覆蓋度有限。用戶規模足夠大時，可以通過不同路線疊加彌補一部分，但數據質量仍然參差不齊。
L4需要高水平駕駛數據，但很多用戶的駕駛行為并不夠規范，甚至屬于“臟數據”。量產車雖然數據量很大，真正高質量、能夠直接用于訓練的比例并不高。
我們的做法主要有兩條：一是通過仿真生成所需數據，二是維護自己的采集和測試車隊。車隊司機中有很多網約車司機，每月行駛上萬公里，駕駛經驗豐富，能夠提供更高效、成熟的駕駛數據。
但網約車司機的風格有時偏激進，所以我們也引入駕駛更舒緩的司機，再通過強化學習等方式微調。最終希望系統既保留較高的通行效率，又不會在復雜場景中過于激進。
Q：目前車輛已經投入測試和數據采集。在實際測試中，哪些長尾場景比較難覆蓋？
于乾坤：這類Case很多，而且往往很難在真實道路上穩定復現。
比如施工路段的臨時紅綠燈，本身出現頻率就很低。我們還遇到過信號燈故障：正常應該由綠燈變黃燈、再變紅燈，但路口黃燈不亮，直接從綠燈跳到紅燈。系統必須判斷，是黃燈單獨故障，還是整組信號燈失效。前者仍要按正常信號燈通行，后者則可能需要按無信號燈路口處理。
還有一些更少見的場景。比如郊區出現牛群橫穿道路，車輛不僅要停車，還要判斷如何與動物保持安全距離，因為牛也可能主動撞上來。我們也遇到過卡車拖著很長的樹，樹冠橫跨多個車道，車輛既要識別障礙，也要判斷如何繞行。
此外，前車行駛中掉落貨物也比較常見，比如垃圾運輸車輛一路掉東西。路面上的頭盔也越來越多，成人頭盔相對容易識別，兒童頭盔尺寸很小，即使人類駕駛員也可能忽略。
這類Corner Case數量非常多，真正困難的不是知道它們存在，而是如何在真實道路上遇到、采集并反復驗證。
Q：過去這些Corner Case往往需要依靠實車遇到，現在是否可以通過仿真和生成數據來補充？
于乾坤：可以。我們已經在端到端系統中使用大量仿真和生成數據。
比如兒童頭盔掉落，如果完全依靠實車采集，可能一年也遇不到幾次。我們的測試車輛運行量已經很大，但過去一年也只遇到過一次。這類低頻場景，通過生成數據補充效率最高。
最近我們還遇到一種特殊的箭頭燈。按照常見標準，箭頭燈通常分別對應直行、左轉或右轉，但有些路口會用一個箭頭同時表示直行和左轉。人能夠理解紅燈亮起時兩種方向都不能通行，但機器如果從未見過，就可能無法正確處理。
因此，我們不僅會生成“直行加左轉”的數據，也會進一步推演“直行加右轉”等尚未遇到、但理論上可能存在的場景，提前用于訓練。
不過，生成數據始終可能存在失真。我們的原則是仿真數據和真實數據結合使用，等實車數據積累足夠后，仍然會以真實道路數據為主。
Q：哈啰已經擁有萬卡集群和百億參數模型，這會帶來很高的訓練成本。你們如何平衡資源投入和商業效果？會不會出現技術提升有限、成本卻大幅增加的情況？
于乾坤：現階段，只要是AI模型訓練所必需的成本，我們認為就應該投入，不能過度節省。
萬卡集群每個月的成本確實很高，但為了加快模型迭代，讓工程師持續嘗試不同的模型結構和訓練方法，我們仍會保持較高投入。
當前最重要的是不斷實驗、快速驗證，把模型能力做上去。對我們來說，算力和模型訓練仍然是值得投入的方向。
Q：最近有消息稱，字節跳動也在布局自動駕駛、世界模型等方向。你怎么看這類基礎模型公司進入智能駕駛賽道？它們會對現有玩家形成威脅嗎？
于乾坤：字節雖然公開表示不做自動駕駛，但確實在布局智能座艙、輔助駕駛等方向。更重要的是，不只是字節，所有基礎模型公司如果進入自動駕駛，都要解決幾個核心問題。
第一是安全。基礎模型回答錯一個問題，可以重新再問，但自動駕駛容錯率極低，一次錯誤就可能導致事故，因此模型結構和整個安全機制都需要重新設計。
第二是車端部署?；A模型依賴云端的大算力，而車端算力、功耗都有限，還要滿足至少10Hz的實時推理要求，現有的大模型基本無法直接部署，需要重新壓縮和適配。
第三是任務不同。基礎模型主要處理語言，而自動駕駛處理更多的是視覺深度信息，兩者關注的問題完全不同，因此不能直接遷移。
我認為，基礎模型公司在模型能力上有優勢，但真正進入自動駕駛，仍然需要大量工程化改造，很可能最終已經不是原來的那套模型。相比直接做車端自動駕駛，它們在仿真、數據生成等上游環節，優勢可能更明顯。
Q：今天Robotaxi已經正式交付，什么時候會開始運營？目前的推進計劃是什么？
于乾坤：我們的目標是今年下半年正式運營。
但正式運營前，必須先滿足各地Robotaxi的法規和安全要求。從今年元旦開始，我們一直在推進測試、考試和認證，達到當地準入標準后，才會提交運營申請。
不同城市的政策要求不一樣。有些城市要求先做示范運營，免費開放體驗，累計一定里程和訂單后再收費；有些城市滿足監管要求后，就可以直接進入收費運營。
所以，我們已經做好了運營準備，但具體收費時間還要看各地監管節奏。整體上，我們會按照不同城市的要求逐一推進。
Q：Robotaxi的發展很大程度上受到政策影響。如果明年要部署1萬輛車，你們會如何選擇城市？會全國鋪開嗎？
于乾坤：我們的策略還是盡可能聚焦，而不是撒胡椒面式鋪開。
一方面是技術原因。雖然整體技術方案在不同城市是一致的，但每個城市都有獨特的交通場景，需要針對性適配。城市越多，研發壓力越大，所以我們更希望先集中在少數城市，把單城做深。
另一方面是商業模式。Robotaxi本質上是一門規?；?。如果一個城市只有幾十輛、幾百輛車，很難形成規模，也很難跑通商業模式。因此，我們不會把車輛平均分散到很多城市，而是重點布局少數城市，爭取每個城市都達到上千輛，甚至更大的車隊規模。
城市選擇上，我們會優先考慮市場容量大、政策開放度高、經濟發展水平領先的區域，比如長三角、珠三角，以及武漢周邊、長株潭等國家級城市群。
總體思路還是先做深重點區域，再逐步向更多城市擴展，而不是一開始追求覆蓋數量。
Q：哈啰提出2027年部署1萬輛Robotaxi，這個目標挑戰非常大。為了實現這一目標，公司有哪些具體的落地規劃？
于乾坤：我們從去年開始做Robotaxi時，就一直圍繞規模化做準備，主要包括前裝量產、技術路線和運營體系三方面。
首先是前裝量產。如果繼續采用后裝改裝，基本無法支撐明年一萬輛的目標。所以我們很早就判斷，規模化的第一步必須走前裝路線。即便當時方案還很初步，車甚至還不能跑，我們也已經開始和啟辰談合作，希望直接在線生產Robotaxi，而不是等技術成熟后再找整車廠。只有把前裝體系建立起來，未來才有可能大規模交付。
第二是技術路線。我們的方案盡量降低對高精地圖的依賴，這樣進入新城市時，不會受地圖覆蓋限制，開城速度會更快。
同時，我們選擇端到端路線。每個城市都有獨特的交通場景，如果依賴規則驅動，每進入一個城市都要重新編寫和調整大量規則，成本很高。端到端則可以提前采集當地典型場景數據，加入現有模型訓練，通常不需要太多人工調整，就能適應當地交通特點。
第三是運營體系。哈啰從共享兩輪業務起家，已經建立了成熟的地勤、調度和現場保障能力。未來Robotaxi除了云端安全員，還需要網格化運營人員，在車輛遇到特殊情況時，幾分鐘內趕到現場。
我們的思路不是重新搭建一套體系，而是把Robotaxi和現有共享單車運營體系打通，盡可能復用已有資源。
所以，從前裝量產、技術路線到運營體系，我們都已經提前布局。哈啰目前能夠運營全國上千萬輛共享單車，這套體系已經證明可以支撐大規模運營。基于這些基礎條件，我們認為，2027年一萬輛Robotaxi的目標具備實現基礎。
Q：從長期來看，你認為Robotaxi每公里收費大概達到什么水平，能夠實現商業上的盈虧平衡？
于乾坤：Robotaxi的收費要根據不同城市的成本水平來定。目前廣州出租車約每公里兩塊多，武漢約一塊八。我們長期希望把出行成本降到每公里1元以內，甚至幾毛錢一公里。
出行成本下降后，也會改變用戶的出行需求。原本不會去的地方，因為出行更便宜、更方便，大家會更愿意去，就像近年來旅游業受交通便利帶動一樣。
我認為，Robotaxi進一步普及后，不僅會改變出行方式，也會催生新的消費場景和產業機會，只是現在還很難預測具體會是什么。
Q：你認為當Robotaxi占出租車或網約車的比例超過多少后，市場會進入快速普及階段？
于乾坤：Robotaxi占比達到30%左右，用戶體驗可能就已經明顯改善。但如果達到50%甚至更高，影響的就不只是出租車和網約車行業，而是整個乘用車市場。
當Robotaxi足夠普及，叫車變得隨時可得，很多人會重新考慮是否還有必要買車?，F在大多數私家車每天真正行駛的時間很短，卻要長期承擔停車、保險、保養和折舊等成本。按一輛車持有八到十年、每年行駛一萬公里計算，實際每公里成本可能達到四五元，未必比打車便宜。大家仍然買車，核心還是因為現階段打車不夠便利。
如果Robotaxi能夠補充現有的運力，讓出行便利性足夠高，用戶不再需要長期獨占一輛車。未來甚至可能出現一種模式：個人仍然擁有車輛，但閑置時交給平臺運營，用運營收入分攤持有成本。
這和共享單車類似。過去每個人都買一輛自行車，但每天只使用很短時間；共享單車提高了單車利用率，也降低了個人持有的必要性。汽車同樣如此，一旦Robotaxi顯著提高車輛利用率，用戶對汽車的持有方式就會改變。
所以，Robotaxi占比達到50%之后，重塑的反而是家庭汽車消費和整個乘用車市場。雷峰網(公眾號：雷峰網)雷峰網雷峰網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
