当前自动驾驶公司的商业化进程怎样？自动驾驶技术先探至L4，大规模商业化停留于L2，L2级辅助驾驶在商业化上已发展成熟，头部车企在此基础上发展高速及城市NOA等覆盖周边环境的自动驾驶，且已有部分公司技术达到L4级别。但大多车企仍不对外声称L3，而是以L2+/L2++等来强调自身产品功能的增强，以规避监管压力以及潜在的事故责任，L4及以上的自动驾驶，系统承担所有驾驶责任。
不同技术路线下的无人驾驶公司算法逻辑有何不同？自动驾驶技术的发展路径可分为渐进式和跃进式两类，两者算法逻辑不同，路线有收敛的趋势，汇集点为Robotaxi。渐进式主张从L1、L2、L3状态的人机共驾逐渐过渡到L4无人驾驶，在量产车上先搭载辅助驾驶并收集数据，利用不断扩大规模的高质量数据持续优化算法，逐步攻克自动驾驶各项核心环节（比如AVP功能），安全、模块化迭代、步步为营；代表厂商为特斯拉以及蔚小理类主机厂；跃进式直接以L4无人驾驶为目标进行研发，通过大规模车队获取路测数据直接来训练无人驾驶算法网络，Topline更高、中间不可控的问题比较多、算法架构起点更高，代表厂商以Waymo和百度类科技企业以及小马智行和文远知行类初创企业为主。
为什么说自动驾驶产业现阶段技术汇集点在于Robotaxi？Robotaxi商业化进程前景不够明朗，跃进式路线引领企业Waymo在多次自动驾驶汽车事故后估值接连下滑，发展疲软暴露跃进式路线商业化空白期长的问题，其他厂商也开始降维寻求过渡期的商业模式；渐进式路线下，城市NOA成为ADAS主战场，所需技术与Robotaxi类似，在城市NOA场景下实现L2+功能对传感器的要求更趋近Robotaxi，为渐进式路线企业入局Robotaxi打下基础。
Robotaxi产业格局怎样？主机厂+自动驾驶企业+运营商三角结构怎么看？“软件定义汽车”趋势深化的产业背景下，给各方势力入局Robotaxi带来可能性。当前“主机厂+自动驾驶解决方案供应商+运营商”为Robotaxi主流合作模式，其中自动驾驶企业能够提供Robotaxi软硬件解决方案，OEM拥有整车量产能力，运营商提供服务场景，比如“Waymo+捷豹+Uber”模式。但中长期是否会被TSL这种一体式替代值得思考，更大的可能性是两种模式并行。
纯视觉VS多传感器融合，不同技术路线的核心竞争力是什么？纯视觉方案仅基于摄像头进行感知，相对多传感器融合有明显的硬件成本优势，同时对软件要求较高，需要依靠强大的算法才能保证感知的准确性与效率，但在纯视觉方案基于深度学习的算法尚未达到全路况覆盖的情况下，其安全性仍存疑，多传感器融合方案更加可靠，因此现有Robotaxi解决方案均采用该路线。我们判断，随着技术的迭代，视觉方案有望凭借性能天花板高及成本可控的特性成为高阶自动驾驶方案中主流的感知路线；但考虑到产品安全问题，仍需要搭载雷达作为冗余设计。
复盘自动驾驶发展历史，当前核心关注点是什么？自动驾驶发展经历了导入期、冷静期、落地期及出清期，冷静期过后市场更加关注落地应用情况。2021年为自动驾驶场景落地和商业应用元年，Robotruck头部公司图森未来上市，地平线、小马、文远股权融资进入中后期。2023年进入产业整合阶段，据加州DMV数据，2023年路测公里数和路测车辆数量相对2021年分别增加52%/37%，而参与公司数量从26家下滑至21家。我们整体判断Robotaxi短期竞争力在于运营规模，长期看技术路径和平台效应：Robotaxi现阶段发展重心在运营落地+抢占份额，牌照资源形成壁垒；后期若要在在城市公开道路中大规模且常态化运行，关键看点是技术，视觉方案与多传感器融合方案的差距或将逐渐显著；主流技术方案明确后，差异化优势将转移至平台/生态层面，中后期滴滴类平台公司有望基于Robotaxi前瞻布局受益。
端到端算法处于迭代验证阶段，技术瓶颈怎么看？自动驾驶架构从多模块向端到端融合发展，端到端模型的核心优势在于信息的无损传递，能够基于完整数据进行全局任务优化，在单一网络中直接生成车辆的控制指令或运动规划，这种设计使得整个系统针对最终目标进行优化，而非仅仅针对某个独立的子任务，从而实现自动驾驶性能的全局最优化。随着高质量数据的积累和模型的优化，端到端架构能实现的性能天花板高于模块化架构。端到端模型迭代对算力和数据的要求高，资源竞赛形成进入壁垒；国内厂商中，商汤/百度/华为算力储备丰富，且均有底层大模型（Sensecore/文心/盘古）支撑自动驾驶模型训练。
泛化能力角度，UE打平何时到来？按照萝卜快跑在武汉的收费标准（1km内起步价18元，超出起步价范围后每公里2.7元）以及补贴力度（~5折）计算，单均收入为14.85元；成本方面，按照Apollo RT6 20.46万价格以及6年折旧期计算，单均折旧约为7.19元。运营成本中大头来自安全员，按照安全员和车辆1：1的配比计算，单均安全员成本达到16.44元。再加上电力、保险、维护等费用，最终单均成本为27.80元。商业化角度，UE的关键变量是单位车占用的安全员数量及单量，随着单个安全员覆盖无人车数量增加以及单量提升，Robotaxi UE模型有望实现打平。
Robotaxi产业，政策进一步放开的最底层逻辑是什么？中美为自动驾驶第一梯队，竞相出台自动驾驶政策，为加快Robotaxi商业化落地释放积极信号。我们认为当前全球和Robotaxi相关的政策体系政府方都在尽力给到最大的支持，但尚未进行全道路商业化的最底层政策瓶颈还在于安全，技术日新月异，但安全方面的要求几乎是零容忍。因此从根本上来说，Robotaxi产业发展在等待的关键还是技术的进一步更迭。
消费者认知研究：对自动驾驶容错率低，对Robotaxi运营方意味着什么？消费者认知瓶颈在于安全感不足。消费者愿意承担自己开车时的小概率伤亡风险，但是对于其他人（或者无人）掌控方向盘时，会有更高的安全标准。根据百度Apollo Day披露，自动驾驶车辆的安全性现已能达到驾驶员人工操控的10倍；但只要发生一起严重的事故，想要公众普遍认可自动驾驶的难度会大幅增长。这一点中外同步，但整体消费者对Robotaxi的接受度正在提升。
重点公司——滴滴：携“数据+生态+运营”战略瞄准Robotaxi，强化网约车龙头地位。滴滴于2016年组建自动驾驶研发部门，专注L4软硬件解决方案研发，主要商业模式为与OEM合作开发Robotaxi，当前深度捆绑广汽埃安打造“技术+制造+运营”L4商业生态闭环，首款L4量产车型预计于25年发布。滴滴数据规模+质量优势明显，助力提升模型训练效率， 依托滴滴平台实现混合派单，可降低冷启动资金要求。而丰富运营经验，可以很大程度上提高商业效率。
重点公司——小鹏：本土化版“特斯拉”，坚定端到端。OEM中智能驾驶的第一梯队，在持续研发投入下，小鹏汽车成为全国首个提出视觉融合泊车、融合高精地图SR的高速领航辅助、城市导航等智能驾驶功能的车企。首发端到端自动驾驶大模型，强调“AI智驾全球开创者及普及者”定位，感知技术方面，推出全国首个量产BEV感知，渐进路线稳扎稳打，强大体系能力构筑护城河。公司预计2024年将投入35亿元用于智能研发，并新招募4000名专业人才，今后每年将投入超过7亿元用于算力训练；并预计于2025年，在中国实现类L4级智驾体验。
重点公司——百度：生态赋能、研发积淀，为什么说百度是Robotaxi产业的头部玩家？百度于2013年开始自动驾驶研发，于2017年将无人驾驶业务命名为Apollo计划，并将平台开源。Apollo涵盖自动驾驶车辆的研发、测试和部署，提供一整套开源的解决方案，支持包括感知、决策、规划、执行在内多个功能模块。百度研发积淀深，L4与L2共生成长。当前看萝卜快跑是中国Robotaxi头部公司，中长期看核心竞争力明显，高精地图+文心一言大模型+昆仑AI芯片合力都将驱动自动驾驶技术发展，助力百度在Robotaxi产业链中脱颖。
