必一運動科技：Robotaxi與城市NOA緣何成為2024智駕行業關鍵詞？
近年來，隨著自動駕駛技術的加速發展，Robotaxi逐漸成為L4級別自動駕駛技術商業化落地的最佳應用場景之一。科技巨頭紛紛布局Robotaxi業務，百度蘿卜快跑、小馬智行等已在中國多個城市實現試點并投入商業運營。與此同時，城市NOA（Navigate on Autopilot）的技術迭代也在提升駕駛體驗，使用戶感知的駕駛輔助級別逐漸逼近L3水平。
自動駕駛技術的快速崛起，正重塑全球交通系統。Robotaxi作為L4級別自動駕駛車輛，是自動駕駛技術在共享出行領域的重要應用場景，具有降低出行成本、提升出行效率、減少人為駕駛失誤等優勢。與此同時，城市NOA技術作為漸進式自動駕駛的重要一步，已經在多個城市逐步落地，成為現階段智能駕駛應用的重要組成部分。
L4級別自動駕駛技術標志著車輛在特定條件下可以完全自主駕駛，無需駕駛員的干預。這一技術架構依賴于多種核心技術的結合，包括高精度地圖、傳感器融合、計算平臺和智能算法。
高精度地圖：高精度地圖提供了比傳統導航更詳細的道路信息，包括車道、交通標識、建筑物等。Robotaxi通過高精度地圖能夠準確判斷自身所處位置，并為路徑規劃提供支持。與普通導航地圖相比，高精度地圖可以精確到厘米級，這在城市復雜路況中至關重要。
傳感器融合技術：Robotaxi使用激光雷達、攝像頭、毫米波雷達等多種傳感器，通過多源信息的融合實現對周圍環境的感知。激光雷達通過光束反射測距構建三維環境模型，攝像頭負責識別視覺信息如交通信號燈、車牌等，而毫米波雷達則在惡劣天氣下提供更可靠的距離測量。
計算平臺：Robotaxi的“大腦”是基于高性能的計算平臺，通過整合各類傳感器數據，實時進行環境分析、決策和路徑規劃。現有計算平臺多采用AI芯片進行并行計算，能夠實時處理復雜的感知數據并執行智能駕駛算法。
智能算法：依托于深度學習和機器學習，Robotaxi的自動駕駛算法可以通過對大量交通場景數據的學習，不斷提高感知和決策能力。這些算法不僅能夠實時判斷行車路線，還能應對突發情況如行人闖入、突然停車等。
中國在推動自動駕駛商業化方面采取了積極的政策措施，尤其是針對Robotaxi的應用場景，政府通過發放測試牌照、規劃智能基礎設施等手段，極大地加速了行業發展。
北京市已發放數百張自動駕駛測試牌照，并在超過600平方公里的范圍內完成了智能化道路設施的建設。與此同時，武漢、上海等城市也逐步開放了自動駕駛測試路段，并支持Robotaxi的商業化運營。百度蘿卜快跑、小馬智行、AutoX等企業率先進入這些城市，進行Robotaxi試點運營。
Robotaxi玩家運營情況梳理根據華西證券的研究數據，百度蘿卜快跑目前已在中國11個城市實現商業運營，截至2024年4月，訂單量超過600萬單。滴滴、如祺出行、小馬智行等也正在加速推動Robotaxi在其他城市的落地。隨著政策的進一步放開和基礎設施的完善，Robotaxi有望在未來幾年內迅速擴大其市場占有率。
雖然Robotaxi已經進入了試點和商業化運營的階段，但在大規模落地的過程中仍面臨著不少挑戰，特別是在技術層面。
感知與決策的復雜性：城市中的交通狀況復雜多變，Robotaxi需要應對各種不可預測的情況，如行人突然橫穿馬路、非機動車逆行等。這要求自動駕駛系統具備極高的環境感知能力和快速反應能力。
解決方案：通過融合激光雷達、攝像頭和毫米波雷達等多種傳感器的數據，可以實現對環境的全方位感知。此外，依托AI大模型技術，Robotaxi的智能決策系統能夠通過學習海量數據，更好地應對復雜場景。
高精度地圖的更新問題：自動駕駛依賴的高精度地圖需要頻繁更新，尤其是面對城市道路的變化，如新建道路、封閉路段等。
解決方案：使用基于車隊的實時地圖更新技術，車輛能夠在行駛過程中將周圍環境變化上傳至云端，并對地圖進行實時更新。此外，部分企業如特斯拉正在探索通過大規模視覺感知技術來減少對高精度地圖的依賴。
成本控制：高昂的傳感器和計算平臺成本是Robotaxi商業化的一個主要障礙。目前，激光雷達等關鍵部件的價格居高不下，影響了整車的經濟性。
解決方案：通過與供應鏈企業合作，如百度與禾賽科技合作推出價格更為低廉的激光雷達AT128，車輛的硬件成本得到了顯著降低。同時，隨著自動駕駛技術的不斷成熟，企業可以通過規模化生產進一步降低成本。
城市NOA（Navigate on Autopilot）技術是目前L2+級別智能駕駛的重要表現形式，通過這項技術，車輛能夠在城市道路中進行自動導航與行駛。根據不同企業的技術策略，城市NOA的發展大致可以分為兩大路徑：漸進式和一步到位式。
漸進式路徑：如特斯拉、小鵬、理想等車企通過逐步迭代的方式，不斷升級現有的駕駛輔助功能。這類企業從L2級別輔助駕駛開始，逐步向L3、L4過渡。特斯拉的FSD（Full Self-Driving）系統正是通過不斷推送OTA升級包，逐步增強車輛的自動駕駛能力。
一步到位式路徑：以Waymo和百度Apollo為代表的企業則采取了直接研發L4+級別技術的策略，力求在固定區域或特定條件下實現完全自動駕駛。這類路徑雖然技術要求更高，但一旦實現，能夠快速推廣至特定應用場景，如Robotaxi和無人物流。
城市NOA的主要應用場景是復雜的城市道路環境，通過NOA技術，車輛能夠在設定范圍內實現自動駕駛。這一技術在過去幾年取得了長足進展，特別是在感知、決策和控制等方面。
感知層面：過去的NOA技術主要依賴高精度地圖來規劃路徑和進行環境感知，而隨著大模型技術的引入，企業逐步擺脫了對地圖的依賴。例如，小鵬汽車通過感知技術的升級，逐步推廣“無圖”自動駕駛，減少了對高精度地圖的依賴性，并提升了開城速度。
決策控制層面：AI大模型的應用是城市NOA技術的關鍵突破之一。以特斯拉FSD為代表的技術，已經開始將AI大模型應用于感知和決策。通過BEV（Birds Eye View，鳥瞰圖）+Transformer的深度學習模型，特斯拉能夠實時處理大量數據并做出智能決策。
隨著技術的逐步完善，城市NOA的用戶體驗顯著提升。例如，小鵬汽車的城市NGP（Navigate on Pilot）系統，已覆蓋了包括廣州、深圳、上海等243座城市，提供了接近L3級別的自動駕駛體驗。華為也推出了支持全國范圍內城市NOA的智能駕駛方案，其搭載的HarmonyOS系統能夠實現OTA遠程升級，讓用戶隨時享受最新的駕駛體驗。
此外，消費者的接受度也在逐步提升。根據市場調查，搭載NOA功能的智能汽車逐漸成為購車者的重要考慮因素，特別是對于一線城市的年輕用戶而言，智能駕駛能力已經成為影響購車決策的關鍵因素之一。
目前，Robotaxi的商業模式主要包括自主運營、與出行平臺合作、與主機廠合資等方式。以下是幾種常見的商業模式：
自主運營模式：企業獨立運營自己的Robotaxi車隊，負責車輛的調度、運營和維護。百度蘿卜快跑就是這種模式的典型代表。自主運營模式的優勢在于企業可以掌控整個服務鏈，但運營成本相對較高，尤其是車輛折舊和維護費用。
與出行平臺合作模式：部分Robotaxi公司選擇與現有的出行平臺合作，如小馬智行與滴滴的合作。這種模式通過利用現有平臺的用戶和運營體系，減少了前期市場拓展的難度，同時也降低了企業的運營成本。
與主機廠合作模式：例如文遠知行選擇與主機廠合資，通過整合主機廠的生產資源和自動駕駛技術，既提升了車輛的自動駕駛能力，也能減少硬件成本。
盡管Robotaxi的商業化試點取得了一定進展，但其盈利模式仍然面臨挑戰。當前，Robotaxi的主要成本包括車輛折舊、安全員薪資、充電費用和維護成本。以百度蘿卜快跑為例，單車每日的運營成本高達370元，而每日接單量的收入不足以覆蓋這一成本。
未來，如何實現盈利是Robotaxi面臨的主要問題之一。降低硬件成本、提高單車接單量、減少安全員成本等都是實現Robotaxi商業化盈利的關鍵。
硬件成本的下降：隨著激光雷達、計算平臺等關鍵組件成本的逐漸下降，Robotaxi的制造成本將大幅降低。例如，禾賽科技推出的AT128激光雷達價格較傳統激光雷達低很多，這將使Robotaxi的成本結構更加合理。
提高運營效率：通過智能調度系統優化車輛的行駛路線、減少空駛時間和提高單車利用率，可以顯著提升Robotaxi的運營效率。此外，安全員的去除或減少將進一步降低運營成本，實現更好的盈利表現。
隨著5G技術的普及和車路協同技術的逐步推廣，未來Robotaxi和城市NOA技術的融合將更加緊密。車路協同通過實現車輛與道路基礎設施的實時數據交換，能夠大幅提高自動駕駛車輛的反應速度和安全性。特別是在復雜的城市路況下，車路協同技術可以提供更多的道路信息，幫助Robotaxi和NOA系統更好地進行路徑規劃和風險規避。
除了車路協同外，量子計算和云計算的快速發展也有望在未來幾年內顯著提升自動駕駛技術的計算能力。量子計算的高并行處理能力將大幅縮短自動駕駛算法的計算時間，而云計算能夠提供更大規模的實時數據處理支持，使得Robotaxi和城市NOA系統能夠更快地做出反應。
Robotaxi和城市NOA技術的迅速發展，標志著自動駕駛行業正在進入大規模商業化落地的關鍵時期。盡管面臨技術、成本和法規等多重挑戰，但隨著技術的不斷進步和政策的逐步放開，Robotaxi和城市NOA將在未來幾年內取得重大突破。尤其是通過車路協同、5G網絡和AI大模型等前沿技術的推動，Robotaxi和城市NOA的商業化前景更加廣闊，未來智能駕駛將成為全球交通體系的重要組成部分。
Mediatom程序化廣告變現：API和SDK接入為開發者提供更多控制權
