美银——迈向自动驾驶之路：美银自动驾驶汽车实地考察
翻译精华
美银于9月中旬在帕洛阿尔托及旧金山湾区举办自动驾驶汽车主题考察，汇集15家公司逾30位高管，通过投资者会议、总部参观、试乘体验及管理层演示，得出核心判断：自动驾驶正从研发验证阶段跨入商业化部署阶段，覆盖乘用车与货运两大市场。美银不认为自动驾驶是"赢家通吃"格局，多种技术路线、合作伙伴关系及商业模式正同步涌现。一个更新的行业辩论焦点在于，自动驾驶究竟是局限于车队运营，还是会延伸至个人自有车辆，这一趋势可能模糊私家车所有权与Robotaxi网络之间的边界。
AI加速推进：进入AV 2.0时代
几乎所有参会企业均强调AI、大规模训练及基础模型是近期自动驾驶进展的核心
驱动力。特斯拉与Wayve明确押注端到端AI模型架构；Aurora、Zoox、Nuro、Kodiak及Rivian则倾向于将AI驱动系统与更高的传感器冗余、仿真能力及软件解释层相结合。行业争论的焦点正从"自动驾驶是否可行"转向"安全验证、车辆可用性及可扩展部署所需的运营基础设施"。
每英里成本下降，扩张自动驾驶总可寻址市场（TAM）
自动驾驶的经济性论证正持续强化：传感器成本下降与AI模型能力提升，叠加司机短缺恶化，共同推动商业案例改善。Robotaxi运营商的目标是将运营成本大幅压低至有人驾驶替代方案以下。特斯拉预计其Cybercab在规模化运营后成本约为每英里30美分；Nuro指出，采用车规级传感器（如固态激光雷达）可使单车硬件技术栈成本控制在1万美元以下。在货运领域，Aurora、Kodiak及Gatik强调，自动驾驶卡车每日可运营约20小时，而人类司机仅有8-9小时有效驾驶时间。这将显著压缩当前需要数日的货运行程，重塑长途供应链与配送中心网络，同时缓解持续的司机短缺问题。自动驾驶带来的低成本与高利用率有望扩大整体出行需求，而非仅仅是蚕食现有交通模式的市场份额。
具身智能与物理AI机遇
自动驾驶已成为物理AI最大的现实世界训练环境之一，推动多家企业利用计算能力、数据及基础模型探索驾驶以外的应用场景。Wayve已设立专门的具身AI实验室；特斯拉正将自动驾驶基础设施复用于Optimus人形机器人开发。尽管各公司对技术可迁移性的程度存在分歧，但多数共识认为自动驾驶很可能是物理AI首个且领先的商业化应用。
Wayve：迈向AV 2.0
采用端到端深度学习策略，追求跨城市、跨车辆平台及跨传感器配置的泛化能力，已在500个城市完成测试，可在极少或零本地训练数据的情况下运行。公司战略核心在于将智能与硬件解耦，软件设计可在不同传感器组合与计算平台上以较低成本运行。商业模式上聚焦向OEM授权软件，而非自有车队或运营网约车服务，形成轻资产模式。短期重心为消费者驾驶辅助系统（L2++），Robotaxi被视为重要但更长期的机会。OEM合作方面，随着车企向软件定义汽车转型，需求预计将上升；公司预计2027年起在日产Leaf上率先搭载相关硬件。Robotaxi策略上，Wayve提供自动驾驶软件，由合作伙伴负责车辆制造、车队运营及客户关系。2026年9月已在伦敦与Uber推出监督式Robotaxi服务，初期投入15辆车。此外，通过Wayve Labs探索具身AI基础模型在制造、物流及人形机器人领域的应用。
Kodiak AI：自动驾驶卡车试乘
目前在二叠纪盆地为Atlas Energy Solutions运营35辆无人驾驶卡车，代表当前最先进的自动驾驶货运部署之一。脱离驾驶员（driver-out）里程比例已从91%提升至93%，剩余工作集中于验证与安全认证。公司覆盖长途卡车、越野工业运输及国防应用，瞄准"枯燥、肮脏与危险"的工作场景。Kodiak认为，在多种环境中训练的大型多样化基础模型优于特定路线专用系统，泛化速度更快。传感器策略上依赖摄像头、雷达与激光雷达组合，认为冗余对高可靠性自动驾驶至关重要。安全框架方面，采用专有安全案例方法论，构建概率风险评估框架以量化安全结果。商业模式演进方向上，Kodiak长期可能过渡至"AI司机即服务"模式，客户购买卡车并订阅自动驾驶软件。
Aurora：商业AV卡车放量
2025年4月启动脱离驾驶员货运运营，目前运营25辆载有商业货物的卡车。商业模式为"驾驶员即服务"（Driver-as-a-Service），按每英里向客户收费，而非直接出售自动驾驶硬件。经济性测算显示，Aurora服务成本约为每英里0.85美元，而人类司机工资与福利成本约为每英里1.30美元（尚未计入间接人工成本）。自动驾驶卡车每日可运营约20小时，远高于人类司机的8-9小时有效驾驶时间。OEM合作方面与沃尔沃及PACCAR深度绑定，预计随着OEM伙伴开始规模化交付自动驾驶就绪平台，产量将显著提升。规模路线图显示，2026年退出时约200辆卡车，后续年份车队规模将大幅扩张。监管环境方面，美国整体支持，尤其是德克萨斯等聚焦卡车运输的州。关键约束上，技术就绪度已非主要瓶颈，运营流程的规模化及OEM车辆供应成为更关键的因素。
Zoox：专用Robotaxi产能爬坡
采用围绕专用自动驾驶车辆构建的纵向一体化策略，而非改造传统乘用车。车辆为全自动驾驶双向设计，围绕乘客体验打造。公司控制车辆设计、自动驾驶软件、制造及车队运营全链条，提供端到端的客户体验所有权。近期已在拉斯维加斯产生首笔收入，并正在多个美国城市扩大测试与验证活动。东湾工厂设计年产能达数千辆，对成本与供应链具备更强控制力。Robotaxi经济学上，最大化车辆利用率是关键杠杆，可实现远高于私家车的行驶里程与资产生产率。安全框架上高度依赖仿真，利用大规模数据生成及AWS计算基础设施验证安全案例。车辆安全方面，尽管采用双向设计，平台仍力求达到五星碰撞评级，包括独特的"马蹄形安全气囊"，从车顶棚弹出并环绕乘客。
Lucid/Nuro：AV合作模式
Lucid战略重心包括运营改善、Robotaxi发布、沙特工厂扩建及中型车平台规模化。公司强调行业领先的续航与效率是未来自动驾驶车队的核心竞争优势。Robotaxi平台方面，Lucid将自动驾驶视为超越高端电动车的重大TAM扩张机遇，最终推出Lunar专用Robotaxi概念。Uber承诺在合作框架下至少采购35,000辆自动驾驶车辆，并对Lucid进行战略投资。Nuro定位为第三方自动驾驶供应商，可服务多个OEM及出行平台。AI架构上采用端到端AI结合中间任务解码器与安全叠加层，在纯端到端与常规方法间寻求平衡。硬件成本方面，Nuro估计其自动驾驶硬件栈单车成本约1万美元，显著低于竞争Robotaxi系统的行业估算。商业模式上，Nuro旨在通过授权自动驾驶软件产生高利润经常性收入，同时承担自动驾驶司机产品责任。
特斯拉：进入Cybercab时代
Cybercab从车辆到生产线均为专用设计，旨在实现最低每英里成本并经济地规模化Robotaxi网络。规模化后预期全包成本约每英里30美分，而车队中Model Y约为50美分，Uber/Lyft为2-3美元，使特斯拉具备低于现有运营商的定价能力，同时仍捕获强劲利润率。当前已安装产能125K辆，电池与驱动单元设计寿命达50万英里，有助于保持低折旧成本。车队组合方面，Cybercab预计将随时间成为车队主导部分（约85-90%行程为最多两名乘客），辅以部分Model Y填补需求。商业化部署上，付费Cybercab服务已在奥斯汀上线，新增城市所需工作量预计逐步减少，最终目标为全州范围推广。软件为近期瓶颈，规模化取决于数据反馈循环——在v15版本中验证七个关键技术轨道（当前Robotaxi/Cybercab栈运行v15，消费级FSD为v14）。无人监督里程为最干净的进展追踪指标，从财报电话会时的累计约38万英里升至上周突破100万英里，特斯拉目标年底前实现周环比两位数百分比增长。地理扩张加速，凤凰城与拉斯维加斯为下一站。FSD搭载率上升（二季度北美约55%买家选择付费）强化了数据与需求飞轮。定价方面，当前Robotaxi定价不代表规模化模型，特斯拉优先关注乘客体验与建立 captive客户群，而非近期盈利。
Rivian：从R2到自动驾驶路线图
计划从点对点驾驶辅助逐步迈向完全自动驾驶网约车能力。传感器策略上增加激光雷达以补充摄像头与雷达，认为多模态感知优于纯视觉方案。端到端AI开发方面，Rivian正使用类似现代生成式AI系统的技术训练日益复杂的内部模型。驾驶策略调优上，采用强化学习与人类反馈塑造驾驶行为，避免从原始客户数据中习得不良结果。定制芯片方面，Rivian正开发自有AI芯片，当前自动驾驶系统通过双处理器配置提供1,600 TOPS算力。Uber承诺未来部署量最终可达50,000辆自动驾驶车辆。商业模式上收入将包括车辆销售及与自动驾驶软件利用率挂钩的经常性软件授权费。验证为当前主要挑战，即通过仿真与现实世界测试证明性能，而非底层AI能力开发。数据质量辩论上，管理层认为高质量多模态数据在弥合最终性能差距方面可能与纯规模同等重要。架构不依赖高清地图，提升跨部署环境的可扩展性。对机器人迁移持怀疑态度，认为自动驾驶基础模型与人形机器人所需数据及商业运营环境不同，可迁移性存疑。
Gatik：中程AV物流
已部署完全无人驾驶卡车（无 onboard司机或观察员），预计年底前部署约100辆车。积压订单超6亿美元，由主要客户的长期照付不议协议支撑。聚焦大型零售商、杂货商及消费品公司的中程物流，而非长途卡车。独特商业模式为通过固定费用运输合同产生收入，而非按里程定价。典型合同单车年营收约20万美元，附带最低利用率承诺。轻资产结构下，客户实质购买运输服务，融资与租赁伙伴支持车队所有权。进入新市场通常需3-4个月完成路线测绘、运营设置及急救响应协调。可扩展运营方面，一名远程监督员可同时监控多辆自动驾驶卡车。技术哲学上描述为"可解释的AV 2.0"，结合端到端学习与比纯黑盒方法更高的模型透明度。制造合作方面，Magna与五十铃提供显著产能，支撑雄心勃勃的车队扩张计划。监管前景上，公司在美国多数州看到有利的自动驾驶法规，不认为监管是近期增长的实质性障碍。
行业晚宴：生态视角
• HERE Technologies：高清地图先驱，正聚焦AI如何增强地图创建、实时定位及位置数据分发。随着AI自动驾驶系统对传统高清地图依赖降低但仍需位置智能与验证基础设施，地图策略正在演变。
• Terawatt Infrastructure：专为商业电动车队开发的充电与车队基础设施开发商。随着自动驾驶车队规模化，充电、维护、停车及运营管理基础设施成为日益重要的瓶颈。随着利用率较私家车显著提升，车队运营可能成为自动驾驶出行生态中最大的价值池之一。
• KPMG：分享自动驾驶如何在交通、物流及出行服务中创造新商业模式，聚焦从车辆所有权向出行即服务模式的转变、车队经济学演变，以及OEM、基础设施提供商、保险公司与物流运营商的战略影响。
• IntBot：聚焦智能机器人系统的物理AI公司，讨论自动驾驶与人形机器人之间日益重叠的领域，两者均日益利用基础模型、仿真环境、强化学习及具身AI的进展。
• 前百度Apollo国际业务负责人：聚焦中国自动驾驶生态的竞争动态，包括中国AV开发商的国际野心、技术发展速度，以及西方AV公司面临全球扩张加速的竞争影响。
• Tensor：展示世界首款个人自有Robocar，提供实车演示。公司追求差异化模式，聚焦个人拥有的自动驾驶车辆，而非 exclusively车队运营的Robotaxi服务。已宣布与Lyft及VinFast制造合作关系。演示突显Robotaxi与个人自有自动驾驶车辆的潜在融合，提供了可随时间大幅扩张自动驾驶机遇的替代路径。
Waymo试乘补充
考察期间，团队在旧金山体验了Waymo最新Ojai Robotaxi平台（基于极氪车型），提供了与考察中多家AV方案的有用现实对比。Waymo目前在美国运营逾4,000辆自动驾驶车