自动驾驶十年,为什么没有等来一次“大爆发”?

过去十年，自动驾驶一直是最容易让人产生“时间错觉”的行业之一。

几乎每隔一段时间，行业都会传来新的突破：城市开放测试道路，车企推出城区领航辅助，L3车型获得准入，Robotaxi订单增长，矿区和港口的无人车开始常态化运营。

消息越来越多，距离似乎越来越近。但很多人的真实感受却是：

为什么自动驾驶还没有迎来一次真正的爆发？为什么至今没有跑出一家定义行业的超级公司？为什么每一年都像是“商业化前夜”？

如果从Google无人车项目算起，自动驾驶已经走过十多年；如果从中国自动驾驶创业潮算起，这个行业同样经历了一个完整周期。

然而，乘用车L2辅助驾驶、L3有条件自动驾驶、L4 Robotaxi和场景化无人运输，并不是同一维度上的四种自动驾驶类型，他们是四条不同的商业化路径。

它们在价值交付对象、驾驶责任分配、系统安全要求、成本构成以及规模化条件上存在显著差异。

因此，所谓自动驾驶迟迟没有“大爆发”，并不是行业没有进展，而是这几条商业化曲线从来没有同步。

第一条曲线：L2已经爆发，只是爆发在汽车里

很多人一谈到自动驾驶，脑海里浮现的仍然是一辆没有司机的出租车。

但从装车规模和用户数量看，最早实现商业化的其实是乘用车上的L2级辅助驾驶。

它的商业逻辑并不复杂。车企把辅助驾驶变成车辆配置和品牌卖点，消费者为更轻松的通勤、更方便的泊车以及更好的高速驾驶体验付费。

自动驾驶技术创造的价值，最终沉淀在整车售价、品牌溢价、芯片和零部件供应链中。

Mobileye是一个典型案例。截至2025年，全球已有超过2.3亿辆汽车搭载其EyeQ技术。仅2025年第四季度，Mobileye就交付了830万套EyeQ及SuperVision系统，平均单套系统价格约为50.8美元。

在国内，地平线2025年交付了401万套征程系列车规级处理硬件，同比增长38.8%；其中支持高速和城区NOA的产品占出货量45%，出货量约为上年的4.8倍。

这些数字很能说明L2的商业形态：技术覆盖的车辆数量可以非常庞大，但它首先表现为一颗芯片、一套软硬件系统或者一项整车功能，而不是一笔独立的自动驾驶服务收入。

对于小鹏、理想、蔚来、特斯拉等整车企业来说，辅助驾驶带来的价值也很难与整车完全分开。

原因在于，在L2阶段，驾驶员仍然承担动态驾驶任务，系统提供的是辅助。消费者购买的不是一项独立的自动驾驶服务，而是一辆“更聪明的汽车”。

L2的爆发，被计入了汽车销量，没有被单独计入“自动驾驶行业”。

L3是自动驾驶发展过程中最容易被低估的一段。

从技术演进看，它似乎只是从L2再向前走一步：在限定条件下，由系统执行动态驾驶任务，驾驶员不再持续观察道路，但在系统提出接管请求时仍需恢复驾驶。

L2的基本逻辑是“系统辅助人”，L4则是在限定运行条件下由系统持续完成驾驶任务。L3处在两者之间，人和系统必须完成一次能够被验证、记录和追责的控制权交接。

系统何时可以启动、何时必须退出？驾驶员应在多长时间内接管？如果驾驶员没有响应，车辆如何进入最小风险状态？事故发生后，如何判断是驾驶员没有及时接管，还是系统本不应发出接管请求？

这些问题同时涉及产品认证、运行规则、事故调查、保险定价和责任分配。

放在全球范围看，L3已经从法规空白走向有限准入，却仍未进入普及阶段。联合国第157号法规建立了共同技术框架；日本本田Legend于2021年以限量方式推出L3功能；德国将奔驰DRIVE PILOT的许可速度提高到95公里；美国则主要通过州级许可推进。

其共同特征是：功能始终与具体车型、道路、速度和监管条件绑定。

中国采取了更谨慎的试点方式。2025年12月，工信部对长安牌和极狐牌两款L3级车型作出附条件许可：前者限定在重庆指定道路和最高50公里时速，后者限定在北京指定道路和最高80公里时速，并由特定使用主体开展上路试点。

工信部装备工业发展中心副主任刘法旺将这种方式概括为“小切口切入、附条件实施”，即“成熟一个、许可一个”。

这意味着，L3市场化的最小单位不再只是一款车型，而是“车型、系统版本、运行条件、具体道路和使用主体”的组合。

2026年发布的强制性国家标准《智能网联汽车 自动驾驶系统安全要求》进一步要求车辆制造商建立覆盖设计开发、生产制造和部署后运行的全生命周期安全保障机制。

所以，L3的推进速度不仅取决于算法进步，也取决于责任体系成熟的速度。

它真正跨越的是从“驾驶辅助功能”走向“系统承担驾驶任务”的制度门槛。

第三条曲线：Robotaxi最像平台，骨子里却是一门重运营生意

Robotaxi承载了自动驾驶行业最多的想象。

它最符合人们熟悉的“终局叙事”：没有司机，按需叫车，全天运行，随着规模扩大不断降低成本。

因此，Robotaxi的进度经常被误认为整个自动驾驶行业的进度。

但Robotaxi只是自动驾驶的一种商业模式，并不等于自动驾驶本身。而且，它恰恰是最难规模化的模式之一。

Robotaxi进入新城市，除了寻找乘客，还要重新解决道路准入、车队部署、停车场站、充换电、维修清洁、远程协助、事故救援、保险以及与地方监管部门的协调。

它不是把一个App复制到另一座城市，而是：在另一座城市重新建立一套交通运输系统。

Waymo已经证明Robotaxi可以形成真实需求。Alphabet披露，截至2026年一季度，Waymo每周完成超过50万次全无人驾驶出行，不到一年翻了一倍，运营范围覆盖美国11个主要城市。

百度也披露，萝卜快跑在2026年第一季度提供了320万次全无人运营出行服务，3月单周服务量峰值超过35万次。

小马智行则开始把披露重点从测试里程转向单车经济性。公司称，第七代Robotaxi已在广州和深圳实现城市级单位经济性盈亏平衡，车队规模超过1400辆。不过，城市级单位经济性转正，并不等于整个公司已经实现持续盈利。研发、城市拓展和总部管理等成本，仍然需要更大的运营规模消化。

这正是Robotaxi最关键的分界线：有乘客，不等于有利润；单车经营为正，也不等于公司整体商业闭环已经完成。

这个行业同时存在两个看似矛盾的投资判断。

2023年，硅谷投资机构Andreessen Horowitz合伙人Martin Casado曾提醒，行业已经投入巨额资金，但Robotaxi的“单位经济性仍无法与人类网约车司机相比”，因此这项业务长期停留在少数大型公司的能力范围内。

而在Waymo最新一轮融资中，红杉资本合伙人Konstantine Buhler给出了明显更乐观的判断，认为Waymo已经“从研究里程碑走向运营卓越”，数据优势正在形成复利效应。

前者强调Robotaxi为什么长期难以产生创业公司的爆发式回报，后者则认为Waymo可能已经接近跨越临界点。

其实，资本真正争论的是，它能不能形成比传统出租车更好的经济模型。

只有当订单密度足够高、车辆利用率足够高、空驶率和远程协助频率足够低时，省掉司机才会真正转化为利润。

Robotaxi看起来像互联网平台，骨子里却更接近一家由算法驱动的交通运营企业。

相比Robotaxi，矿区、港口和园区物流中的无人运输，往往更早进入常态化运营。

原因很直接：道路边界相对清晰，运输路线相对固定，参与者较少，运营主体集中，安全验证和责任划分也更加明确。

在这些场景中，客户购买无人驾驶不是为了体验一项新技术，而是为了减少安全风险、降低人工成本、提高车辆利用率。

只要一套系统能够完成稳定运输，并且全生命周期成本低于人工驾驶，客户就有明确的采购动力。

力拓在澳大利亚皮尔巴拉矿区的实践，是工业自动化比Robotaxi更早成熟的典型案例。目前，其当地矿区约90%的矿用运输卡车已经实现自动运行；自动重载铁路系统AutoHaul每天可以运输超过100万吨铁矿石。

车辆、铁路、矿山、港口和远程运营中心共同组成了一套完整生产系统。

在港口场景，中国企业西井科技的Q-Truck也已进入实际生产流程。根据企业披露，其无人驾驶车辆在泰国林查班港与有人驾驶车辆混行，截至2025年累计完成超过75万标准箱运输，运营效率提升约30%。

矿区客户购买的是更稳定的采矿运输能力，港口客户购买的是集装箱位移效率。自动驾驶车辆只是整个生产系统中的一个执行节点，真正决定效果的还包括调度系统、道路组织、能源补给、远程接管、设备维护和异常处置。

因此，这些场景可能没有Robotaxi那么受关注，却更容易形成真实收入。

不过，它们面临的另一个问题是市场高度碎片化。

矿山、港口、园区和干线物流的车辆、道路、调度规则和安全要求并不相同。即使同样使用无人驾驶技术，一个矿区中验证成功的方案，也未必能直接复制到另一个矿区，更不能原封不动地迁移到开放高速公路。

尤其是干线货运，虽然路线相对固定，但车辆运行在开放道路上，仍要面对复杂交通参与者、跨区域监管和运输责任等问题，不能简单归入“封闭场景”。

这就形成了一个长期存在的矛盾：

最容易算清账的场景，往往是一个个具体项目；最容易讲出万亿故事的市场，却需要突破城市、区域和行业边界。

场景化无人运输可能较早实现盈利，却未必最先长成一家横跨所有行业的超级平台。但从另一面看，碎片化市场，其实容易出隐形冠军。

结语：没有“总爆发”，也未必会有同一种超级公司

自动驾驶至今没有跑出一家统摄全行业的超级公司，并不是因为它没有创造价值，而是价值流向了不同的利润池：

Mobileye和地平线通过芯片与系统获得收入，车企通过车辆销售和品牌溢价获得回报，Robotaxi企业从每一次出行中寻找利润，矿区和港口客户获得的则是运输成本下降与生产效率提升。

这些商业化不在同一时间、以同一种方式爆发。

自动驾驶能通过数据、算法和供应链形成规模效应，但每进入一座新城市、一类道路或者一个新场景，仍要重新支付技术适配、运营建设和合规成本。

因此，未来的自动驾驶巨头未必是一家纯粹出售“自动驾驶技术”的公司。它可能是一家更强的汽车企业、一家城市交通运营商，或者一家深入具体产业的无人运输解决方案公司。

但真正的临界点在于：增加一辆车、进入一座城市或复制一个项目时，不再像重新创业一次。