过去几年，中国自动驾驶企业的出海叙事，更多集中在中东、东南亚和美国。相比之下，欧洲看起来并不是最热闹的市场——监管复杂，国家碎片化，道路差异大，公众对安全和隐私也更敏感。
但最近几个信号值得注意。文远知行（WeRide）与 Renault 已经连续三年在法国网球公开赛 Roland-Garros 提供自动驾驶 Robobus 接驳服务，2025 年又在法国 Drôme 地区推出欧洲首个 fully driverless L4 Robobus 商业部署；小马智行（Pony.ai）与 Stellantis 宣布合作开发 L4 自动驾驶车辆，以 Peugeot e-Traveller 为测试车型，从卢森堡起步逐步扩展；Momenta 与 Uber 则计划在慕尼黑测试 L4 robotaxi。
这些案例背后有一个共同逻辑：欧洲不是没有自动驾驶机会，而是机会的打开方式和中国完全不同。在中国，企业往往先强调测试里程、城市覆盖和商业化进展。但在欧洲，真正的问题不是"车能不能跑"，而是这些车在欧洲跑出来的数据，能不能合法、持续、可解释地变成训练资产。
一、欧洲是高标准验证场，不是普通海外市场
自动驾驶出海，不能简单理解为把中国验证过的算法搬到海外。
欧洲不是一个统一的道路场景。德国有高速公路和严格的车辆规则，法国有大量环岛和高密度摩托车混行，荷兰有极强的自行车文化，北欧有冰雪低温和长时间弱光，英国还是左行。在上海、深圳跑顺了的模型，到巴黎或慕尼黑需要重新理解完全不同的道路文化和交通逻辑。
这意味着进入欧洲，表面上是市场进入，实质上是场景再训练。
WeRide 的欧洲路径很有代表性。它没有一上来就做城市开放robotaxi，而是从赛事接驳、园区通勤、区域公共交通这类场景切入。Roland-Garros不是封闭展示，而是真实乘客、高安全要求、夜间运营的公共场景；Drôme项目则在开放道路上连接商业园区与TGV 火车站，更贴近欧洲真实的"最后一公里"需求。
这个路径说明了一件事：欧洲很多城市真正缺的，未必是替代出租车的robotaxi，而是解决公共交通盲区、司机短缺、低密度区域接驳的工具。自动驾驶小巴进入这个空间，阻力更小，场景更稳定，也更容易积累持续运营数据。
二、欧洲真正关心的，是数据从哪里来、能不能用
自动驾驶公司最重要的资产是数据，但在欧洲，数据不是"我们有很多"就能解决的问题。
欧洲监管关心的是一套完整的追问：这些数据是谁采集的？采集时是否知情？原始目的是什么？后续能不能用于训练？是否跨境传输？是否做了匿名化？测试数据是否真正代表欧洲本地场景？
这不是抽象的法律问题。欧盟2022 年通过的自动驾驶型式认证规则（Regulation 2022/1426），要求企业明确系统的Operational Design Domain——在哪些道路、天气、速度条件下可以运行，哪些场景属于能力边界，出现异常时如何接管。AI Act 又进一步要求高风险AI 系统的训练、验证和测试数据必须与使用场景相关、具有代表性。两套框架叠在一起，意味着企业不能只展示demo，而要拿出一套可以被审计、被监管独立核查的数据治理体系。
测试车辆采集的数据，往往同时涉及车外摄像头拍到的行人图像、道路车牌、乘客上下车位置、行程轨迹、接管时间点，以及远程协助的操作记录。从技术角度看，这些都是训练材料；从欧洲监管角度看，它们可能同时涉及个人信息、位置数据、公共空间监控和第三方行人隐私。一辆自动驾驶测试车在慕尼黑街头跑一圈，采集的数据在法律性质上可能比想象中复杂得多。
把这些数据传回中国训练，在技术上不是绝对不可行，但需要满足GDPR 的跨境传输机制——标准合同条款（SCC）或充分性认定——同时还要满足数据最小化、目的限制、安全保护等一系列要求。这不是算法团队自己能解决的事，而是法务、合规、IT安全和本地运营共同参与的问题。很多企业低估了这一点：以为拿到测试许可就是拿到了数据权利，但许可证和数据使用权是两回事。
Pony.ai 通过卢森堡实体管理欧洲运营，说明自动驾驶出海不会是"从中国总部远程指挥"——它需要本地法人、本地合规接口，以及一个真正能处理数据边界问题的本地团队。真正值得观察的，不是第一批车什么时候跑，而是测试数据如何处理、模型训练在哪里完成、Stellantis在数据责任中扮演什么角色。这些问题决定了合作能不能从"测试项目"变成"欧洲能力"。
三、数据闭环，才是真正的入场券
自动驾驶不是一次性交付的软件，而是一个持续学习系统。它需要不断从真实道路中学习：哪里容易误判行人，哪类环岛最容易产生接管，雨雪天气下传感器表现如何，本地驾驶员有什么特殊让行习惯，自行车和摩托车与汽车如何互动。这些来自真实运营数据、接管记录和事故复盘，而不是实验室。
所以，自动驾驶企业进入欧洲后，真正要建立的是一套完整的数据闭环：车辆上路采集本地场景数据，安全员或系统标记接管事件，工程师筛选长尾问题场景，人工或半自动完成数据标注，仿真环境复现边缘案例，触发模型再训练，经过安全验证后形成监管报告，再次推送到真实路测。每一个环节都不能断。断在哪里，模型就停止在哪里进化。
在Roland-Garros，车辆积累的是赛事人流、临时交通和短距离高频接驳数据；在Drôme，积累的是开放道路、通勤接驳和公共交通衔接数据。这些数据如果能持续沉淀进训练体系，欧洲就不只是销售市场，而是训练市场——每一次运营都在让模型更理解欧洲道路。
Momenta 与Uber 在慕尼黑的合作，测试的正是这套闭环能不能跑通——自动驾驶系统能否适应德国城市道路，Uber 的平台能否把自动驾驶车辆接入真实出行网络，测试数据能否形成可持续的本地训练资产。慕尼黑不是低门槛试验场，而是带有产业背书意义的验证场：能在德国跑出结果，本身就是一种面向欧洲高标准市场的能力证明。
这也意味着，自动驾驶进入欧洲会改变企业的组织结构。数据训练不再只是算法团队和工程团队的事，而会变成一个跨部门系统：合规团队定义数据边界，本地运营团队管理采集场景，法务团队处理数据协议，安全团队管理访问权限，标注团队保证数据质量。真正的欧洲本地化，不是把官网翻译成法语德语，而是把欧洲的数据规则写进产品和运营系统里。
四、不只是Robotaxi：无人配送的闭环，从道路延伸到电梯门口
自动驾驶进入欧洲，不只有载人出行，也包括无人配送。新石器无人车（Neolix）主打 L4 无人配送车，目前正在德国、葡萄牙等市场推进本地化部署。这条路径和WeRide、Pony.ai、Momenta 都不同——它进入的不是出行网络，而是城市物流场景。
但它面临的核心问题，仍然不是"车能不能跑"。
公共道路只是第一段。真正复杂的是车辆到达之后：能不能进入园区、医院、大学、机场的内部道路？能不能和物业系统、门禁、电梯、楼宇地图打通？收件人不在时，数据和责任如何记录？如果车辆停在楼下，最后50 米谁来完成？这些问题在中国一些园区和社区可以通过相对集中的管理来协调，但欧洲的城市空间、物业权属和公共道路管理更加分散，一辆无人配送车要真正跑起来，需要的是一套跨越城市、楼宇和客户触点的运营系统。
这也决定了无人配送在欧洲最现实的切入场景，不会是完全开放的城市街道，而更可能是边界清晰、需求稳定、管理主体明确的地方：园区、医院、大学、机场、大型物流仓储、商业综合体。这些场景的共同点是路线相对固定、车速较低、运营边界清楚，责任主体也更容易协调。
从数据角度看，无人配送积累的也是一套完全不同于Robotaxi 的本地资产——不只是道路数据，还有园区地图、楼宇入口、电梯和门禁的交互记录、收件人行为、异常配送记录和物业规则数据。这些数据看起来不如Robotaxi 炫，但对商业化至关重要。无人配送真正解决的不是技术展示，而是末端物流的履约效率。谁能把车辆、楼宇、物业、收件人和异常处理连接成一个闭环，谁才有可能在欧洲形成可复制的模式。
三种场景，三套闭环：Robotaxi的闭环是车辆、乘客、平台、道路和监管；Robobus的闭环是公共交通、固定路线、站点和运营调度；无人配送的闭环则从道路一直延伸到园区、楼宇、电梯和签收。
场景不同，但底层逻辑一致——车能跑只是第一步，数据和运营能不能闭合，才决定能不能真正落地。
结语
中国自动驾驶企业进入欧洲，技术优势是真实的——中国道路复杂度高、工程迭代速度快、新能源产业链完整，已经积累了大量真实场景经验。但欧洲的合规周期、数据跨境敏感性和公众对隐私的高度关注，也是真实的约束。
欧洲不会是自动驾驶最快商业化的市场，但它可能是含金量最高的市场。不是因为订单规模，而是因为验证标准。能在欧洲完成数据采集、模型训练、合规证明和本地运营闭环的企业，拿到的不只是一个测试许可，而是一套面向全球高标准市场的能力证明。
测试许可只是开始。真正的竞争，从数据闭环能不能建立起来的那一刻才算开始。
如果你也关注中国企业如何真正落地欧洲，欢迎关注「出海欧洲观察」。这里记录中国企业出海欧洲的一线商业观察，关注市场进入、本地化、客户体验、售后服务、多语言运营、AI应用与欧洲商业环境。不追热点结论，更关注企业真正落地欧洲时会遇到的问题。
