當地時間 8 月 21 日，紐約市交通局向 Alphabet 旗下的Waymo 發放許可證，曼哈頓 + 布魯克林，8 輛車，9 月底啟動。這一消息瞬間成為全球科技與出行領域矚目的焦點，硅谷與華爾街同時刷屏：這也是繼 5 月完成1000萬次無人駕駛付費行程之后的又一次“倍速前進”。Waymo 由此成為首家獲得在紐約測試自動駕駛汽車許可的公司，也預示著 Robotaxi（自動駕駛出租車）的競爭邁向了新的階段。

但對所有從業者來說，真正的看點不在“首證”，而在“首證”背后的安全門檻：紐約是全球交通密度最高、人類駕駛最野性的城市，沒有之一。Waymo 愿意把傳感器陣列開進這里，等于公開接受全球最難的“安全高考”。

從鳳凰城到紐約：Waymo 的“三級跳”與美國的 Robotaxi 版圖

Waymo 堪稱美國 Robotaxi 領域的拓荒者與領軍者。早在 2009 年，Waymo 的前身谷歌自動駕駛項目就已啟動，開啟了漫長的技術研發與路測征程。歷經十余年的打磨，Waymo 積累了深厚的技術底蘊與海量的運營數據。如今，其運營車輛規模超1500 輛，已完成1000 萬次無人駕駛付費行程，業務覆蓋奧斯汀、洛杉磯、舊金山和鳳凰城等多個城市。近期，Waymo 還宣布將在費城開展路測，并通過與優步合作進入亞特蘭大市場，持續拓展商業版圖。

在技術路徑選擇上，Waymo 采用“多傳感器 + 高精地圖” 的主流方案，以激光雷達作為核心感知元件。其第五代自動駕駛系統配備5 顆激光雷達、8 攝像頭及 4D 毫米波雷達，通過多傳感器融合以及與高精度地圖的協同，車輛能夠實現對周邊環境的全方位、高精度感知，為安全駕駛提供了極高的冗余度。然而，這種技術方案也帶來了高昂的成本，單車成本約為特斯拉的 7 倍，嚴重制約了其規模化推廣的速度。

在商業生態構建方面，Waymo 展現出了多元化的布局思路。核心業務 Robotaxi 已在美國多個城市落地運營，收費標準約為2.5 美元 / 英里（約合人民幣 11.1 元 / 公里），隨著規模效應的逐步顯現，未來價格有望向公共交通靠攏，進一步提升市場競爭力。同時，Waymo 積極與車企開展合作，為其提供自動駕駛技術解決方案并進行技術授權，例如與 Stellantis 集團合作改裝 Pacifica 車型，與捷豹、極氪等車企達成數據共享協議，今年 4 月更是與豐田牽手，拓展了在自動駕駛領域的合作邊界。此外，Waymo 還與優步、Moove 等出行平臺達成合作，通過整合各方資源，擴大服務覆蓋范圍，提升品牌影響力。

不過，Waymo 在美國市場并非毫無對手。特斯拉于 2025 年 6 月 22 日在得州奧斯汀正式推出自動駕駛出租車服務，盡管目前投入運營的車輛數量有限，且僅對部分受邀客戶開放，但憑借其在電動汽車領域的廣泛用戶基礎以及在智能駕駛算法方面的持續投入，特斯拉來勢洶洶。與 Waymo 不同，特斯拉采用純視覺方案，完全依賴攝像頭和人工智能技術，這種技術路徑在降低硬件成本的同時，也面臨著在復雜環境下感知精度不足的挑戰。此外，亞馬遜旗下的Zoox也在大力布局 Robotaxi，其位于加州海沃德的工廠已正式啟用，計劃到 2027 年年產 1 萬輛 Robotaxi，未來將在美國邁阿密、洛杉磯和亞特蘭大等主要市場與 Waymo 展開正面競爭。

國內 Robotaxi 發展現狀：蓬勃發展但問題凸顯

國內的 Robotaxi 發展同樣如火如荼，呈現出百家爭鳴的態勢。小馬智行已在北京、上海、廣州、深圳四大一線城市開展全無人 Robotaxi 收費運營服務，運營總面積超 2000 平方公里。2025 年第二季度，小馬智行總營收同比增長 75.9%，其中 Robotaxi 業務收入同比激增 157.8%，來自乘客端的車費收入同比增長超 300%，商業化進程取得顯著進展。文遠知行也成績斐然，2025 年第二季度營收 1.27 億元，同比增長 60.8%，其中 Robotaxi 業務營收 4590 萬元，同比大幅增長 836.7%，占二季度總營收的 36.1%。文遠知行還積極拓展海外市場，與 Uber、迪拜道路交通管理局簽署合作協議，在迪拜部署商業化 Robotaxi 出行服務，成為全球唯一一家旗下產品擁有六國自動駕駛牌照的科技公司。

此外，百度的“蘿卜快跑”已在武漢等 10 個城市落地運營，積累了大量的運營數據和用戶反饋。滴滴自動駕駛在獲得廣汽投資后，加速推進量產進程，有望憑借其在出行市場的海量訂單數據優勢，實現技術的快速迭代。哈啰出行也于 2024 年宣布進軍 Robotaxi 賽道，借助其在共享出行領域積累的用戶資源和運營經驗，試圖在這一新興市場分得一杯羹。

然而，國內 Robotaxi 發展也面臨諸多挑戰。技術層面，部分企業在實際運營中暴露出技術短板。例如，“蘿卜快跑” 在武漢試點時，車輛多次出現因無法準確識別塑料袋、施工路障等物體而導致 “僵停” 的情況，嚴重影響用戶體驗。社會層面，Robotaxi 的低價策略對傳統網約車和出租車行業造成沖擊，引發了司機群體的抗議，同時，自動駕駛技術的普及可能導致大量司機失業，帶來一定的社會就業壓力。政策法規方面，目前存在多頭監管、權責不清的問題，例如交通部、工信部、公安部等多部門交叉管理，但對于遠程安全員資質標準等關鍵問題尚未明確，地方審批流程繁瑣，需經 12 個部門協同，耗時較長。此外，《道路交通安全法》尚未對 L4 級自動駕駛事故責任劃分作出明確規定，企業面臨較大的法律風險和責任界定難題。

自動駕駛安全的重要性：生命至上的技術訴求

全球每年因交通事故導致的死亡人數高達約 130 萬，其中 90% 以上的事故是由駕駛員分心、疲勞駕駛或違規操作引起。自動駕駛技術的誕生，其核心使命便是提升交通安全性，從根源上消除人為因素導致的交通事故。與常見的 L2 級輔助駕駛不同，L4 級高度自動駕駛要求車輛在特定場景內能夠完全自主應對各種復雜情況，無需人類駕駛員干預，真正實現從 “人機共駕” 到 “系統主導” 的安全邏輯轉變，從根本上避免了因人類駕駛員反應不及時或操作失誤而引發的碰撞事故。傳統單車智能的困境主要包含以下幾方面：

感知 < 200 米，遮擋即盲區；

決策 < 50 ms，算力即瓶頸；

更新 < 月級，OTA 來不及。

AI 網絡：把“單車安全”變成“系統安全”

在單車智能駕駛模式下，車輛主要依靠自身搭載的傳感器（如攝像頭、雷達等）來感知周圍環境，但這種感知方式存在諸多局限性。例如，在交叉口、彎道、坡道等視線盲區，車載傳感器的探測范圍和精度會受到嚴重影響，難以提前感知潛在的危險。此外，面對復雜多變的交通場景，如突發事故、行人不規則行為、惡劣天氣等，單車智能的算法往往難以快速、準確地做出決策，導致系統出現誤判或反應遲緩。

AI 網絡的出現，為解決這些問題提供了全新的思路和方案。以蘑菇車聯的 MogoMind 大模型為例，其具備強大的實時全局感知能力，能夠整合路側實時數據，突破車載傳感器的感知局限，精準識別車輛盲區內的行人、非機動車和其他車輛，并通過車聯網技術及時向車輛發出預警，提前為駕駛員或自動駕駛系統提供決策依據。在面對惡劣天氣時，MogoMind 的大模型視覺增強技術可對車載攝像頭采集的圖像進行優化處理，增強圖像的清晰度和辨識度，確保車輛能夠在低光、強光干擾、雨霧等復雜環境下，依然清晰地感知前方道路狀況，保障行車安全。

同時，MogoMind 還具備實時路況分析與信息推送能力，能夠實時監測前方道路的交通狀況，快速識別事故、施工、交通管制等信息，并通過 AI 網絡將這些精準信息及時推送給車輛，幫助駕駛員或自動駕駛系統提前規劃最優行車路線，避免陷入擁堵路段或危險區域。在行人行為認知與預測方面，MogoMind 通過分析行人的身體姿態、步行速度、目光方向等多種因素，能夠定性分析行人是否有橫穿馬路等危險意圖，并給出合理的駕駛行為建議，有效提升交通決策的可靠性和安全性。

Waymo 獲得在紐約測試自動駕駛汽車的許可證，無疑為全球 Robotaxi 發展注入了新的活力，也讓我們看到了自動駕駛技術在商業化進程中的重要突破。然而，無論是美國市場的激烈角逐，還是國內市場的蓬勃發展，自動駕駛安全始終是行業發展的生命線。當 Robotaxi 從硅谷的試驗田開進曼哈頓的鋼鐵森林，規則只有一個：

“先證明你比人類更怕死，才有資格談商業模式。”

未來，隨著技術的不斷進步和完善，Robotaxi 有望真正實現安全、高效、便捷的出行愿景，重塑全球城市交通格局。同時，誰先把安全做成基礎設施，誰就擁有 Robotaxi 的“曼哈頓時刻”。