易航智能给自动驾驶“找外快”

这家成立约十年的自动驾驶公司，正在把业务边界从乘用车智能驾驶，延展至Robotaxi、商用车AEB以及特定场景机器人。

这背后对应着自动驾驶产业的新变化。

过去十年，自动驾驶公司的竞争主要围绕汽车场景展开。从早期AEB、ACC，到高速NOA、城市辅助驾驶，再到端到端和大模型，行业技术门槛持续抬高，供应商也经历了多轮淘汰。近两年，智能汽车与物理AI、具身智能之间的关系开始被更多企业提及。理想汽车创始人李想也曾提到，汽车的终极形态是“物理世界的具身智能产品”。

在易航智能这里，这一判断落到了Robotaxi、商用车AEB和特定场景机器人上。它的逻辑是，感知、决策、控制和工程化能力在汽车场景中跑通之后，可以继续向更多物理世界场景迁移。Robotaxi和机器人因此不再是完全陌生的新业务，而是自动驾驶能力向外延展后的结果。

易航智能相关负责人在交流中表示，如果从AI角度看，自动驾驶和机器人“其实就是一件事情”，前者是人工智能进入物理世界的第一个台阶，后者则是第二个台阶。

这也是易航智能此次交流中最值得关注的变化。过去，智驾供应商的重心多是为车企提供功能和方案；现在，易航智能开始把自动驾驶能力放到更宽的场景中重新评估。Robotaxi、商用车AEB和特定场景机器人，分别对应无人出行、商用车主动安全和具身智能三类方向。

Robotaxi并不是新概念。过去几年，行业经历过一轮高热度投入，也经历过商业化困难、成本过高和落地缓慢带来的降温。但易航智能认为，当前Robotaxi重新具备落地条件。

首先是成本端出现变化。随着量产车城市辅助驾驶逐步普及，激光雷达、计算平台和传感器等关键零部件成本持续下降，Robotaxi的车辆与系统成本结构正在改善。易航智能判断，在一定区域和运营模式下，Robotaxi已经开始具备初步盈利可能。

技术路线也在发生收敛。陈禹行回顾称，早期自动驾驶只是把深度学习引入感知模块，之后进入BEV、城市智驾、端到端阶段。到今天，从人工智能角度看，智能驾驶的终极框架已经大体形成，端到端方案也已经明显改善用户体验。

但全国范围内的真正无人驾驶，仍然需要很长时间。开放道路场景过于复杂，极少数长尾场景仍然难以彻底解决。这也是Robotaxi机会重新出现的原因。

与面向全国所有道路、所有用户的量产辅助驾驶不同，出租车业务通常运行在一个城市或局部区域内。地理边界、道路环境和运营规则相对清晰，企业可以在这个范围内把自动驾驶能力、调度体系和安全冗余做成闭环。对易航智能而言，这类场景比普通L2辅助驾驶更接近无人驾驶，又比全国泛化的L4目标更容易落地。

这种变化也反映出自动驾驶公司的思路调整。过去，供应商更多围绕“给车企提供什么功能”展开竞争；现在，企业开始重新评估技术能力在哪些场景中能够产生更高商业价值。

不过，易航智能对商用车无人驾驶保持谨慎。其判断是，Robotruck、无人物流车等场景的商业价值直观，但法规、安全性和社会风险更复杂。乘用车出问题更多是单车安全问题，商用车尤其是重卡出问题，则可能影响周边更大范围交通安全。因此，商用车无人驾驶可能需要在乘用车充分验证后，再逐步放开。

这也解释了易航智能的选择。Robotaxi位于成本下降、法规探索、技术成熟和商业闭环之间，既具备无人驾驶想象空间，也保留了阶段性落地的可能性。

Robotaxi之外，商用车AEB是易航智能另一个明确发力方向。

这背后有政策和市场的双重驱动。AEB在乘用车市场已经普及多年，并被证明能够提升主动安全水平。相比乘用车，营运车辆尤其是重卡一旦发生事故，潜在人员伤亡和社会影响更大，因此强制标准落地被视为重要机会。

但商用车AEB并不好做。商用车载荷变化大、制动距离长、使用场景复杂，和乘用车有明显差异。更关键的是，AEB不同于普通预警功能。双预警系统即便误报，更多影响的是体验；AEB一旦误刹，后果可能很严重。因此，AEB不是双预警的简单升级，而是一个对感知、决策、控制和工程验证要求都更高的系统。

易航智能的说法是，其AEB从2019年前后开始量产，已积累数十万辆搭载车辆和上百亿公里测试里程，并曾在欧洲市场实现量产，完成ENCAP、C-NCAP相关五星要求。陈禹行认为，AEB必须具备全栈能力，不能简单由感知供应商和规控供应商拼接完成，因为AEB的反应时间极短，对误检、漏检和控制策略都非常敏感。

这也是易航智能切入商用车AEB的逻辑。商用车主动安全过去长期存在成本高、体验差、难规模化等问题。若强制标准推动市场打开，真正能把误刹率、可靠性和成本同时压下来的供应商，才可能获得机会。

机器人业务则是另一条更具想象力、但也更早期的延展线。

易航智能没有选择直接做人形机器人，而是倾向于从特定场景机器人切入，尤其是运输类机器人。其判断是，人形机器人可能是长期终局，但在通向终局的过程中，会出现大量特定场景机器人。这些机器人未必具备人形形态，却有明确的高频需求和商业模式。

这种选择延续了易航智能在自动驾驶上的渐进式路线。公司并未一开始就冲向最高阶形态，而是先找可落地、可验证、可收费的场景。陈禹行认为，部分特定场景机器人在工程复杂度上甚至低于汽车，关键在于是否存在真实订单、真实场景和可持续商业模式。

从能力继承看，机器人业务可以复用自动驾驶早期积累的感知、决策、控制、工程化和系统集成能力。但陈禹行也承认，机器人行业还处在较早阶段，不能简单照搬汽车行业的端到端路径。对于安全要求高、场景明确的机器人，传统工程化能力和全栈算法能力仍然重要。

这套逻辑也解释了为什么越来越多自动驾驶公司开始进入机器人领域。自动驾驶行业过去十年积累了人才、供应链、算法体系和工程能力，而机器人产业正好需要这些能力。行业边界看似变宽，底层能力却有延续性。

易航智能对行业竞争的判断相对直接。智能驾驶供应商已经很难再依靠单点能力生存。

早期阶段，一些企业可以基于Mobileye芯片完成量产；之后，供应商可以围绕国产芯片做工程化和成本优化；再往后，企业只要具备一定感知能力，也能通过外部合作拼出方案。但随着城市智驾、端到端和大模型进入主流，车企对供应商的要求明显提高。

陈禹行认为，现在如果没有全栈开发能力，供应商甚至很难获得机会。所谓全栈，不只包括算法，也包括感知、规控、控制、数据闭环、工程化、量产交付和快速迭代能力。对一家智驾公司而言，核心竞争力不再是某个单项技术，而是持续穿越技术周期的能力。

这也是易航智能能够存活至今的原因之一。过去十年，自动驾驶行业多次技术转向，从工程集成，到规控能力，再到感知能力，再到端到端和AI框架。每一轮变化都会淘汰一批停留在上一阶段的公司。易航智能的自我定位，是通过快速迭代跟上行业范式变化。

智驾供应商也面临新的压力。一方面，智能驾驶技术逐渐成熟后，价格下行不可避免；另一方面，车企自研能力增强，供应商必须证明自身不只是外包执行方，而能在算法、工程和量产效率上持续创造价值。对于易航智能这样的公司而言，Robotaxi、商用车AEB和机器人业务，既是能力外溢，也是对单一乘用车智驾市场价格压力的对冲。

在芯片算力问题上，易航智能的态度较为务实。随着BEV、端到端、VLA和世界模型等技术引入，智驾对算力的需求持续增加。但算力并非越大越好，最终仍要回到车型定位、成本承受能力和用户体验之间的匹配。低阶、中阶和高阶车型都会存在，不同车企会选择不同算力方案，供应商需要提供多层级产品，而不是只押注高算力平台。

对于外界热议的L3，易航智能则倾向于“跳过”。其理由是，L2责任由驾驶员承担，L4责任由系统承担，而L3处在中间状态，既不能真正释放用户，也要承担更高系统成本和更复杂场景约束。在高速等相对封闭场景中，现有L2体验已经足够好，L3的实际增量价值并不清晰。

这种判断背后，是一家智驾供应商对产业节奏的重新评估。辅助驾驶继续量产，无人驾驶寻找局部闭环，机器人寻找特定场景，商用车安全功能等待法规驱动。它们看上去分散，底层都指向同一件事，即把自动驾驶过去十年的算法、工程和量产能力，迁移到更多物理世界场景中。

从这个角度看，易航智能的变化，也是中国自动驾驶行业的一个缩影。经历过融资热潮、量产竞争和价格下探后，行业正在从“讲技术故事”转向“找商业闭环”。谁能在真实场景里跑通成本、体验和安全，谁才有机会进入下一轮竞争。