运输
2025 年：自动驾驶汽车成为主流的一年？
Securities.io 秉持严格的编辑标准，并可能通过审核链接获得报酬。我们并非注册投资顾问，本文亦不构成投资建议。请查看我们的 会员披露.
自动驾驶汽车何时会到来？
当谈到似乎指日可待的颠覆性技术时，很少有技术能像自动驾驶那样对整个经济和社会产生如此大的影响，当然，也许 AGI（通用人工智能）除外。
这是因为大量的工作和任务需要人类驾驶车辆。首先是驾驶工作，例如出租车司机、送货司机、卡车司机等等。但更根本的是，世界上大多数人都在无偿地从事这些工作，常常浪费了他们一天中的数小时。 每天，在车轮后面。
这意味着生产力的巨大损失，给经济、日常生活和文化带来沉重负担。正因如此，早在2023年，自动驾驶出租车就预计将产生高达XNUMX%的 兆 美元的收入。
然而，开发真正的自动驾驶汽车并非易事，迄今为止，全自动交通工具尚未上路。我们距离自动驾驶汽车的大规模部署还有多远？
自动驾驶的巨大潜力
早在2023， ARK Invest 的“大创意”报告预测，自动驾驶出租车将带来巨大的潜在收入，预计到 9 年收入将高达 2030 万亿美元.
这个想法背后有一个核心的经济事实：只要乘车费用足够便宜，自动驾驶出租车就可以减少拥有汽车的需求。
这可以形成一个正反馈循环，便宜的票价会增加需求，从而增加自动驾驶出租车的利用率，进一步摊销资本成本，降低价格，从而进一步增加需求，等等。
报告指出，如果服务提供商能够将这一成本降至每英里 0.25 美元，自动驾驶出租车服务将 “比 95% 的短途旅行更具成本效益。”
如果自动驾驶能够解决卡车和轮船等货运问题，其经济效益将更加直接。在这种情况下，如果自动驾驶系统足够可靠，能够取代司机和工作人员，那么他们就只是从业务结构中剔除的成本。
来源: 方舟投资
总的来说，自动驾驶汽车无疑将带来巨大的盈利，这也是众多科技公司投入数百亿美元开发这项技术的原因。但这似乎是一个难以破解的难题。
构建自动驾驶技术栈
支持技术
在讨论自动驾驶汽车的核心——操控它们的人工智能之前，我们可以简要讨论一下为什么过去十年使得自动驾驶汽车、无人机和其他物品具有经济可行性。
原因之一是传感器和计算能力成本的大幅下降。人们很容易忘记，第一代iPhone是在2007年才发布的，而一部拥有出色摄像头、功能类似微型计算机的手机在当时（不到20年前）堪称一场革命。
从那时起，光学、传感器、芯片和其他电子元件变得更便宜、更强大、更可靠。
自2008年第一辆特斯拉Roadster问世以来，电动汽车的兴起也改变了汽车的运作方式。新型电动汽车可以通过其庞大的电池和传动系统提供大量电力，这使得自动驾驶芯片及其传感器的供电变得几乎微不足道。
电动汽车的机械性能也更加可靠，能够行驶更长的距离，磨损更低，而且每英里的燃油成本总体上也更低，这使得电动汽车成为许多用户全天候驾驶的完美“机器人出租车”。相比之下，如果自动驾驶技术不得不依赖内燃机汽车，其经济效益就会差得多。
总的来说，如今的汽车已经相当于一台装在车轮上的计算机，每辆车上装有 300 到 1,000 个芯片，有些电动汽车的芯片数量甚至高达 3,000 个。它只差一个自动驾驶的“大脑”。
来源: 极地半挂车
了解道路
对于最基本的功能，例如识别从 A 点到 B 点的道路，大多数自动驾驶人工智能都能够完美地执行这项任务十多年，特别是自从 GPS 和“地图”应用程序大规模采用并提供所需的数据以来。
棘手的部分是让汽车了解道路上正在发生的变化：天气状况、其他车辆、行人、自行车、动物等。
事实证明，这一普遍问题也能相对较快地得到解决，大多数高端汽车都已配备允许在高速公路上进行“辅助驾驶”的系统，而高速公路的驾驶难度要小得多。
但更复杂的情况，如施工区、市中心区域、行人存在和交通事故，则更难处理。
一般来说，自动驾驶系统会按照一定的等级进行分级，从仅仅提供稳定车速和泊车的辅助，到理想中的完美自动驾驶汽车。最后一个级别，L5，即无需驾驶员的完全自动驾驶，目前仍难以实现。
来源: 移动眼
通常，无法达到 L5 级自动驾驶水平，是因为一些罕见的情况让 AI 感到困惑。例如，计算机可能难以理解多层停车场中汽车的情况：
“车辆以为停在停车场的汽车挡住了路。它想，‘车停了，绕路边走。’
当系统遇到某些情况而不知道该如何处理时，在很多情况下，汽车就会停止移动。”
神经网络硬件
人工智能领域近期取得的大部分进展都是基于 神经网络技术，荣获2024年诺贝尔物理学奖与普通计算不同，普通计算需要针对每种情况制定一套严格的命令，而神经网络可以适应其训练条件，提供适当的响应。
来源: 诺贝尔经济学奖
这使得它们本质上更擅长处理“混乱”的情况，其中输入是高度可变的，并且数据对于计算机来说总是有些混乱（“嘈杂”）。
长期以来，神经网络一直在 GPU 上训练和运行，计算机显卡也因此被重新用作 AI 硬件。近年来，专用于 AI 和神经网络的硬件正在开发中。
在其他 AI 硬件中（ 我们在一份专门的报告中进一步详细讨论了神经网络处理器 (NNP) 对自动驾驶 AI 尤为重要。它们也被称为神经处理单元 (NPU) 或神经形态芯片，只需一次计算即可完成操作，而通用硬件则需要进行数千次计算。
由于这种能源效率，NPU 在所谓的“边缘计算”中很受欢迎，其中计算是在现场而不是在云端完成的。
由于自动驾驶需要可靠、反应迅速且不依赖于连接，因此它主要依赖于在本地运行神经网络的边缘计算，即使之前人工智能的训练是在云端完成的。
选择正确的技术
地理围栏与自由驾驶
为何使用地理围栏
未来自动驾驶汽车公司在技术和商业战略方面的一个重大选择是是否使用地理围栏。
地理围栏是指对自动驾驶系统进行专门训练，使其仅在有限的地理区域内运行，为自动驾驶系统可以运行的区域设置虚拟边界。
这个想法是，通过限制区域，人工智能系统可以学得足够好 这些 道路，尤其值得信赖，可以安全驾驶。
“将区域限制在更‘私密’的位置，甚至是人行道而非道路，可以显著减少车辆与其他物体（如汽车、卡车、骑自行车的人和行人）的互动类型。”
通过减少人工智能需要处理的案例数量以及道路和可能的路径，它大大减少了所需的计算量，这也影响了所需的硬件。
“地理围栏提供的限制对自动驾驶汽车所需的能力有着深远的影响，这会影响自动驾驶系统所需的硬件。”
然而，这严重限制了自动驾驶汽车的部署可能性。这意味着每建设一个新城市，自动驾驶公司都需要创建一套定制的训练数据，通常是在正式投入使用前，在相关区域进行数年的人工驾驶。
这使得这种方法成本相当高昂。
这也使得自动驾驶汽车仅对机器人出租车公司具有吸引力，因为个人可能仍然需要自己的汽车，因为他们偶尔会想开车出地理围栏区域，而地理围栏区域通常仅限于市中心或一座城市。
如果行业仍然停留在这种模式下，那么大规模采用自动驾驶出租车所预期的大部分收益将不会实现。
地理围栏的法律和商业影响
与此同时，选择不受任何限制的直接全自动驾驶可能会适得其反。
这可能会延迟自主服务的部署，因为它需要首先在所有地方都做到完美，而不是首先在有限的几个城市部署，在这些城市它已经可以覆盖数百万用户。
另一个问题是自动驾驶系统的规章制度。监管机构虽然不愿接受地理围栏解决方案的缓慢部署，但还是愿意接受，尤其是在特定区域的安全性已经得到证明的情况下。
但全球范围内对自动驾驶汽车的无限制授权不仅需要地方批准，还需要尚未制定的国家级法律法规。
由于法律的发展速度往往比技术发展慢得多，即使所有技术问题都已得到解决，这对于 L5 级自主权的无限制部署来说也可能是一个严重的问题。
激光雷达 vs. 仅摄像头
业内另一个争论点是激光雷达（LIDAR）的使用。LIDAR 使用激光束探测附近的物体，并创建其周围环境的实时 3D 模型。
来源: 汽车周刊
激光雷达系统通常安装在自动驾驶汽车的顶部，这使得汽车的体积相当庞大。
激光雷达的优势在于它比摄像头视野更广，并且擅长评估距离，这对于避免高速行驶时的事故尤为有用。此外，它在黑暗或弱光条件下也能完美运行。
来源: “福布斯”
通常，激光雷达与雷达结合使用，即使在雾等困难条件下也能探测物体。
大多数自动驾驶技术都依赖激光雷达来提高安全性，但特斯拉除外 (TSLA )，但它也有一些缺点。
第一个是成本。由于大多数高端激光雷达系统的价格在70,000万到80,000万美元左右，这使得自动驾驶汽车相当昂贵。这种情况可能不会永远持续下去。 有迹象表明，激光雷达最近已经变得便宜很多，特别是对于低端激光雷达，可能使它们更具商业可行性。
“这既关乎产量，也关乎技术本身。汽车行业依靠规模来降低成本。当应用量增加时，成本就会下降。”
例如，一台 LiDAR 设备过去要花费 30,000 万元人民币（约合 4,100 美元），但现在只需花费 1,000 元人民币（约合 138 美元）左右，价格大幅下降。”
LIDAR 是一项相当复杂的技术，具有许多活动部件（旋转微镜），这是其成本高的原因之一，并且会使维护和可靠性变得麻烦。
最后，任何使用激光雷达数据训练的人工智能可能永远都需要这些数据才能表现良好，因为这一要求将深深嵌入神经网络中。因此，任何使用激光雷达训练自动驾驶系统的公司都可能只能继续使用激光雷达。
自动驾驶汽车必须有多安全？
监管机构和用户面临的一个关键问题是自动驾驶汽车需要达到什么样的安全性。理论上，如果自动驾驶汽车的安全性是人类驾驶员的5倍，那么它们应该会迅速被采用，并被视为一种进步。
然而，在实践中，人们往往不愿意相信一台比容易犯错的人类安全一点点的机器。人类也倾向于高估自己的驾驶能力。
因此，即使多年来自动驾驶系统已经比人类驾驶的汽车安全得多（正如特斯拉 2023 年的数据所表明的那样），人们仍然认为任何碰撞都是人工智能的“失败”。
汽车摄像头记录的每一次碰撞以及主流媒体和社交媒体的反应也无济于事。
来源: 方舟投资
因此，要授权在所有道路上进行完全不受限制的 L10 级自动驾驶，很可能需要比人类驾驶员安全 100 倍到 5 倍的极高标准。
自动驾驶公司
滑动滚动→
| 关于我们 | 核心市场 | 技术方法 | 部署状态 |
|---|---|---|---|
| Waymo | 机械人 | 地理围栏，激光雷达 + 雷达 | 在美国部分城市每周约有 250 万次付费乘车 |
| 特斯拉 | 消费级电动汽车 + 自动驾驶出租车 | 仅限相机 | 德克萨斯州飞行员；机上安全驾驶员 |
| 百度 | 机械人 | 多传感器（包括激光雷达） | 中国无人驾驶运营；与 Uber 合作 |
| 动物园 | 定制机器人出租车 | 无轮子/踏板，激光雷达 | NHTSA 豁免；在美国多个城市进行测试 |
| 极光创新 | 货运卡车 | 高速公路自动驾驶 | 首次完全无人驾驶运行（2025 年 XNUMX 月） |
| 我们骑 | 机械人 | 包括高线激光雷达在内的多传感器融合 | 在北京进行全天候试点；拓展阿联酋业务 |
| Mobileye在 | ADAS 和自动驾驶堆栈 | 相机优先，REM 高清地图 | 广泛的 OEM 足迹；不断发展的自主性 |
Waymo
(GOOGL )
在实际部署的自动驾驶出租车方面，一个明显的领导者正在出现：谷歌链接的 Waymo2025 年 XNUMX 月，Waymo 已经 据报道，美国每周有 250,000 万次付费自动驾驶出租车出行主要分布在奥斯汀、菲尼克斯和旧金山湾区，每月行驶里程达一百万英里。
Waymo 的成功源于早期的起步（该公司成立于 2010 年，其技术可追溯到 2005 年）和非常谨慎的方法：其机器人出租车有地理围栏，严重依赖高端激光雷达系统，赢得了安全自动驾驶的竞赛，即使目前仅限于少数地区。
这帮助 Waymo 锁定了宝贵的联盟，例如 与丰田建立战略合作伙伴关系，全球销量最大的汽车制造商（年销量超过 10 万辆）。
丰田和 Waymo 旨在整合各自优势，开发全新的自动驾驶汽车平台。同时，双方还将探索如何利用 Waymo 的自动驾驶技术和丰田的汽车专业知识，提升下一代个人汽车 (POV) 的体验。
丰田致力于实现零交通事故社会，成为一家为所有人提供移动出行服务的移动出行公司。
（你可以阅读 欲了解更多有关丰田的信息，请参阅专门的投资报告)
特斯拉
(TSLA )
自动驾驶汽车和机器人出租车竞赛的另一个主要竞争者是特斯拉。
该公司的一个主要优势是，其所有销售的车辆都配备了摄像头，该公司预计这些摄像头足以训练其人工智能，而无需激光雷达或 甚至雷达.
这意味着特斯拉可以“免费”获得数百万英里的训练数据，这些数据由特斯拉汽车的买家在真实路况下驾驶提供。相比之下，几乎所有其他自动驾驶公司都需要向驾驶员付费，让他们在每个地理围栏区域的真实街道上行驶数年，这大大增加了成本。
来源: 方舟投资
然而，特斯拉推出的全自动驾驶（FSD） 一个永远“很快”的公告，然后又被推迟了好几年 （根据对 2018 年自动驾驶汽车的预期），导致 对设定不切实际的期望提出了一些严厉的批评.
然而，这种情况最终可能会改变， 德克萨斯州将于 2025 年 XNUMX 月向特斯拉 Robotaxi 发放运营网约车服务的许可证，自 2025 年 XNUMX 月起在奥斯汀进行试运行。目前，特斯拉员工仍在车上担任安全监控员。
因此，特斯拉一如既往地备受争议，一些人认为德克萨斯州的批准是大规模部署 FSD 的第一步，而人类安全监控器只是一个暂时的问题，而另一些人则认为特斯拉永远不会发布真正自动驾驶的机器人出租车。
真相可能介于两者之间。
理论上，如果人类可以只用眼睛驾驶汽车，那么人工智能也可以，所以只使用摄像头应该不会永远是个问题。与此同时，这一雄心勃勃的战略——从长远来看或许是正确的——显然阻碍了特斯拉的短期部署，无论埃隆·马斯克对此表现得多么积极。
（你可以阅读 欲了解更多有关特斯拉的信息，请参阅其专门的投资报告)
百度
中国领先的搜索引擎百度正在追随谷歌的脚步， Apollo Go，自己的自动驾驶汽车。
百度已在中国多个城市实现完全无人驾驶运营，并取消了车辆上的安全驾驶员。
百度于 2025 年 XNUMX 月与 Uber 达成协议 将其无人驾驶汽车推向美国和中国以外的世界。
两家公司表示，通过多年的合作，Uber 将在全球范围内拥有数千辆百度 Apollo Go 自动驾驶汽车。
百度在899,000年第二季度已经提供了2024万次出行服务。到2025年，试点区域将扩大到20个城市。
2024年， 百度开源其自动驾驶技术， 证实了中国人工智能技术走向开源的趋势，正如类似的举措所表明的那样 由通用人工智能轰动人物 DeepSeek 打造.
对于美国市场，在贸易紧张和对用户数据担忧的背景下，百度不太可能取得太大进展，但在海外，它可能是 Waymo 和特斯拉的有力竞争者，尤其是在 Uber 的支持下。
动物园
(AMZN )
Zoox 是亚马逊的子公司，其独特的设计使其易于识别，将其自动驾驶出租车打造为远离普通汽车正常特征的专用车辆。
来源: TechCrunch
该公司只是 获得豁免 美国国家公路交通安全管理局扩大自动驾驶汽车豁免计划使其能够在公共道路上展示其定制的自动驾驶出租车。这是重要的一步，因为 Zoox 自动驾驶出租车缺乏普通汽车的基本功能，例如方向盘和踏板。
Zoox 于 2025 年 XNUMX 月启动了其首条汽车生产线， 旨在生产 每年超过 10,000 辆自动驾驶出租车此前，该测试已在美国多个城市进行，并扩展到更多城市：拉斯维加斯、旧金山湾区、西雅图、奥斯汀、迈阿密、洛杉矶和亚特兰大。
Zoox 目前计划在未来几年内先在拉斯维加斯、旧金山，然后再在奥斯汀和迈阿密推出商业自动驾驶出租车服务。
（你可以阅读 更多关于亚马逊的信息请参阅其专门的投资报告)
我们骑
(WRD )
文远知行WeRide是一家2017年在硅谷成立的公司，总部位于中国。该公司已在世界各地进行过多次测试，尤其是在阿联酋。 由于与 Uber 的合作，该公司正在扩大这一领域. 这也是 目前，该公司正在北京部署 24/7 全天候自动驾驶出租车。
为了解决夜间可能出现的能见度问题，文远知行的自动驾驶出租车在整车范围内配备了超过 20 个传感器，包括高精度、高动态摄像头和高线激光雷达。
结合多传感器融合算法和高性能计算平台，该系统可实现360°无盲点覆盖，探测范围可达200米。
Mobileye在
(INTC )
M双眼 是一家总部位于以色列的公司，于 2017 年被英特尔收购，并于 2022 年重新 IPO。
虽然技术前景光明，但公司内部可能也正在酝酿麻烦， 2025 年 8 月有消息称，英特尔计划裁员并出售其持有的 XNUMX% 的公司股份.
这可能反映了英特尔更普遍的问题， 公司还裁减了其他业务的员工.
然而，这对 Mobileye 来说仍然是一个问题，因为它会减少其从母公司获得的资金和支持，使其与 Waymo 或 Zoox 等相比处于劣势。
（你可以阅读 欲了解更多有关英特尔的信息，请参阅专门的投资报告)
极光创新
该公司更加专注于无人驾驶卡车，重点是高速公路驾驶，这占据了卡车行驶里程的绝大部分。
2025 年 10,000 月，Aurora 首次真正意义上实现了无人驾驶运行，目前已累计行驶 XNUMX 万英里，运送客户货物超过 XNUMX 辆。
该公司由谷歌自动驾驶汽车项目早期领导者克里斯·厄姆森 (Chris Urmson) 创立，该项目现以 Waymo 品牌而闻名。
“我以每小时 65 英里的速度在高速公路上行驶，不是坐在方向盘后面，而是坐在后座上，看着沿途的风景展开，一卡车的糕点由我参与研发的技术驱动。”
Aurora 计划到 2025 年底将其无人驾驶服务扩展到德克萨斯州埃尔帕索和亚利桑那州凤凰城。
那些放弃的人
现在，成功的公司似乎只需要坚持不懈就能赢得自动驾驶竞赛，因此，我们值得记住那些在此过程中夭折的项目：
非汽车自动驾驶
有很多公司致力于自动驾驶，但重点不是汽车，而是其他系统。
例如，小型送货机器人，严格来说是自动驾驶汽车，体型足够小，可以避开针对汽车的监管。目前，滚动机器人领域的领先者是 爱沙尼亚星际飞船技术公司由 Skype 联合创始人推出的，以及中国电子商务巨头阿里巴巴；两者都采用了与《星球大战》中的机器人类似的小型无害设计。
来源: 星舰
由于监管原因以及重型车辆事故的巨大影响，自动驾驶卡车仍然依赖于人工输入，像 科迪亚克, 加蒂克和 Pony.ai 跟随 Aurora Innovation 的脚步。
另一个想法是依靠无人机来运送足够小、足够轻的物品。到目前为止，领导者显然 溜索，其次是 翼 以及 Meituan (3690.HK）。这可能是一场真正的革命，但它面临的监管障碍甚至比自动驾驶送货卡车还要多，因此大规模部署的速度可能会更慢。
来源: 方舟投资
结语
尽管埃隆·马斯克和其他该领域的领军人物都希望全自动驾驶汽车“即将”问世，但多年来该技术的发展却一直缓慢，2025 年显然是自动驾驶技术的加速点。
许多早期尝试过的城市现在都已经在街道上常规使用自动驾驶出租车，从而降低了叫车服务的价格。
到目前为止，美国和中国似乎是全球领先的两个国家，无论是在领先的公司方面，还是在更灵活的监管方面，创新和受欢迎的监管框架之间的正反馈循环很可能成为未来经济学家研究的有价值的案例。
目前，有限的、地理围栏的、缓慢部署的、配备全套摄像头、激光雷达、雷达和其他传感器的机器人出租车的愿景似乎是完全不需要司机的成功组合。
这使得 Waymo 选择的谨慎方式受益匪浅，而 Zoox 和许多其他公司则紧随其后并迅速赶上。
与此同时，特斯拉仍在追求其“全自动驾驶”技术的梦想，该技术可以在任何道路上行驶，并且仅依靠摄像头，理想情况下只需对所有现有特斯拉汽车进行简单的软件升级即可实现。这是一个冒险的赌注，但也是一个有趣的想法，似乎是唯一一个可能在短期内实现无限自动驾驶的技术。
地理围栏技术在全球范围内的推广可能非常缓慢，需要一点一点地推进，而且仅限于与大城市的传统出租车服务竞争。这使得“真正的”自动驾驶出租车——能够以超低价、全天候、无处不在的电动汽车取代汽车——所带来的数万亿美元的潜在收益，大部分都无法实现。
特斯拉忠于其公司文化，可能成为最终的赢家，创造一个全新的庞大市场，并再次彻底改变汽车的含义，但前提是它能够解决看似难以克服的技术挑战。
