Robotaxi与城市NOA缘何成为2024智驾行业关键词？

智驾最前沿

2025-01-09 08:40发布于江苏

全文3888字，阅读约需12分钟，帮我划重点

划重点

01Robotaxi和城市NOA技术成为2024智驾行业关键词，百度萝卜快跑和小马智行等在中国多个城市实现试点并投入商业运营。

02L4级别自动驾驶技术依赖于高精度地图、传感器融合、计算平台和智能算法，降低成本和提高效率是当前挑战。

03城市NOA技术分为渐进式和一步到位式，特斯拉、小鹏等采用渐进式路径，Waymo和百度等采用一步到位式路径。

04由于技术进步和政策放开，Robotaxi和城市NOA技术将在未来几年内取得重大突破。

05车路协同、5G网络和AI大模型等前沿技术有望推动Robotaxi和城市NOA的商业化前景。

以上内容由腾讯混元大模型生成，仅供参考

近年来，随着自动驾驶技术的加速发展，Robotaxi逐渐成为L4级别自动驾驶技术商业化落地的最佳应用场景之一。科技巨头纷纷布局Robotaxi业务，百度萝卜快跑、小马智行等已在中国多个城市实现试点并投入商业运营。与此同时，城市NOA（Navigate on Autopilot）的技术迭代也在提升驾驶体验，使用户感知的驾驶辅助级别逐渐逼近L3水平。

图片

引言
自动驾驶技术的快速崛起，正重塑全球交通系统。Robotaxi作为L4级别自动驾驶车辆，是自动驾驶技术在共享出行领域的重要应用场景，具有降低出行成本、提升出行效率、减少人为驾驶失误等优势。与此同时，城市NOA技术作为渐进式自动驾驶的重要一步，已经在多个城市逐步落地，成为现阶段智能驾驶应用的重要组成部分。

图片

Robotaxi的技术背景与市场发展
2.1 L4级别技术的核心架构
L4级别自动驾驶技术标志着车辆在特定条件下可以完全自主驾驶，无需驾驶员的干预。这一技术架构依赖于多种核心技术的结合，包括高精度地图、传感器融合、计算平台和智能算法。

图片

高精度地图：高精度地图提供了比传统导航更详细的道路信息，包括车道、交通标识、建筑物等。Robotaxi通过高精度地图能够准确判断自身所处位置，并为路径规划提供支持。与普通导航地图相比，高精度地图可以精确到厘米级，这在城市复杂路况中至关重要。
传感器融合技术：Robotaxi使用激光雷达、摄像头、毫米波雷达等多种传感器，通过多源信息的融合实现对周围环境的感知。激光雷达通过光束反射测距构建三维环境模型，摄像头负责识别视觉信息如交通信号灯、车牌等，而毫米波雷达则在恶劣天气下提供更可靠的距离测量。
计算平台：Robotaxi的“大脑”是基于高性能的计算平台，通过整合各类传感器数据，实时进行环境分析、决策和路径规划。现有计算平台多采用AI芯片进行并行计算，能够实时处理复杂的感知数据并执行智能驾驶算法。
智能算法：依托于深度学习和机器学习，Robotaxi的自动驾驶算法可以通过对大量交通场景数据的学习，不断提高感知和决策能力。这些算法不仅能够实时判断行车路线，还能应对突发情况如行人闯入、突然停车等。
2.2 市场现状与政策驱动
中国在推动自动驾驶商业化方面采取了积极的政策措施，尤其是针对Robotaxi的应用场景，政府通过发放测试牌照、规划智能基础设施等手段，极大地加速了行业发展。
北京市已发放数百张自动驾驶测试牌照，并在超过600平方公里的范围内完成了智能化道路设施的建设。与此同时，武汉、上海等城市也逐步开放了自动驾驶测试路段，并支持Robotaxi的商业化运营。百度萝卜快跑、小马智行、AutoX等企业率先进入这些城市，进行Robotaxi试点运营。

图片

Robotaxi玩家运营情况梳理
根据华西证券的研究数据，百度萝卜快跑目前已在中国11个城市实现商业运营，截至2024年4月，订单量超过600万单。滴滴、如祺出行、小马智行等也正在加速推动Robotaxi在其他城市的落地。随着政策的进一步放开和基础设施的完善，Robotaxi有望在未来几年内迅速扩大其市场占有率。
2.3 Robotaxi的技术挑战与解决方案
虽然Robotaxi已经进入了试点和商业化运营的阶段，但在大规模落地的过程中仍面临着不少挑战，特别是在技术层面。
感知与决策的复杂性：城市中的交通状况复杂多变，Robotaxi需要应对各种不可预测的情况，如行人突然横穿马路、非机动车逆行等。这要求自动驾驶系统具备极高的环境感知能力和快速反应能力。
解决方案：通过融合激光雷达、摄像头和毫米波雷达等多种传感器的数据，可以实现对环境的全方位感知。此外，依托AI大模型技术，Robotaxi的智能决策系统能够通过学习海量数据，更好地应对复杂场景。
高精度地图的更新问题：自动驾驶依赖的高精度地图需要频繁更新，尤其是面对城市道路的变化，如新建道路、封闭路段等。
解决方案：使用基于车队的实时地图更新技术，车辆能够在行驶过程中将周围环境变化上传至云端，并对地图进行实时更新。此外，部分企业如特斯拉正在探索通过大规模视觉感知技术来减少对高精度地图的依赖。
成本控制：高昂的传感器和计算平台成本是Robotaxi商业化的一个主要障碍。目前，激光雷达等关键部件的价格居高不下，影响了整车的经济性。
解决方案：通过与供应链企业合作，如百度与禾赛科技合作推出价格更为低廉的激光雷达AT128，车辆的硬件成本得到了显著降低。同时，随着自动驾驶技术的不断成熟，企业可以通过规模化生产进一步降低成本。

图片

城市NOA技术的演进与应用
3.1 渐进式与一步到位式技术路径的差异
城市NOA（Navigate on Autopilot）技术是目前L2+级别智能驾驶的重要表现形式，通过这项技术，车辆能够在城市道路中进行自动导航与行驶。根据不同企业的技术策略，城市NOA的发展大致可以分为两大路径：渐进式和一步到位式。
渐进式路径：如特斯拉、小鹏、理想等车企通过逐步迭代的方式，不断升级现有的驾驶辅助功能。这类企业从L2级别辅助驾驶开始，逐步向L3、L4过渡。特斯拉的FSD（Full Self-Driving）系统正是通过不断推送OTA升级包，逐步增强车辆的自动驾驶能力。

图片

“渐进式”智能驾驶技术实现路径经历多次迭代
一步到位式路径：以Waymo和百度Apollo为代表的企业则采取了直接研发L4+级别技术的策略，力求在固定区域或特定条件下实现完全自动驾驶。这类路径虽然技术要求更高，但一旦实现，能够快速推广至特定应用场景，如Robotaxi和无人物流。

图片

智驾技术演进路径分为“渐进式”与“一步到位式”两类
3.2 城市NOA的技术突破与应用场景
城市NOA的主要应用场景是复杂的城市道路环境，通过NOA技术，车辆能够在设定范围内实现自动驾驶。这一技术在过去几年取得了长足进展，特别是在感知、决策和控制等方面。

图片

国内城市NOA智驾方案落地加速推进
感知层面：过去的NOA技术主要依赖高精度地图来规划路径和进行环境感知，而随着大模型技术的引入，企业逐步摆脱了对地图的依赖。例如，小鹏汽车通过感知技术的升级，逐步推广“无图”自动驾驶，减少了对高精度地图的依赖性，并提升了开城速度。
决策控制层面：AI大模型的应用是城市NOA技术的关键突破之一。以特斯拉FSD为代表的技术，已经开始将AI大模型应用于感知和决策。通过BEV（Bird’s Eye View，鸟瞰图）+Transformer的深度学习模型，特斯拉能够实时处理大量数据并做出智能决策。
3.3 用户体验与市场反馈
随着技术的逐步完善，城市NOA的用户体验显著提升。例如，小鹏汽车的城市NGP（Navigate on Pilot）系统，已覆盖了包括广州、深圳、上海等243座城市，提供了接近L3级别的自动驾驶体验。华为也推出了支持全国范围内城市NOA的智能驾驶方案，其搭载的HarmonyOS系统能够实现OTA远程升级，让用户随时享受最新的驾驶体验。
此外，消费者的接受度也在逐步提升。根据市场调查，搭载NOA功能的智能汽车逐渐成为购车者的重要考虑因素，特别是对于一线城市的年轻用户而言，智能驾驶能力已经成为影响购车决策的关键因素之一。

图片

Robotaxi的商业模式探索与盈利挑战
4.1 多元化的商业模式
目前，Robotaxi的商业模式主要包括自主运营、与出行平台合作、与主机厂合资等方式。以下是几种常见的商业模式：
自主运营模式：企业独立运营自己的Robotaxi车队，负责车辆的调度、运营和维护。百度萝卜快跑就是这种模式的典型代表。自主运营模式的优势在于企业可以掌控整个服务链，但运营成本相对较高，尤其是车辆折旧和维护费用。
与出行平台合作模式：部分Robotaxi公司选择与现有的出行平台合作，如小马智行与滴滴的合作。这种模式通过利用现有平台的用户和运营体系，减少了前期市场拓展的难度，同时也降低了企业的运营成本。
与主机厂合作模式：例如文远知行选择与主机厂合资，通过整合主机厂的生产资源和自动驾驶技术，既提升了车辆的自动驾驶能力，也能减少硬件成本。
4.2 盈利模式的探索与挑战
尽管Robotaxi的商业化试点取得了一定进展，但其盈利模式仍然面临挑战。当前，Robotaxi的主要成本包括车辆折旧、安全员薪资、充电费用和维护成本。以百度萝卜快跑为例，单车每日的运营成本高达370元，而每日接单量的收入不足以覆盖这一成本。
未来，如何实现盈利是Robotaxi面临的主要问题之一。降低硬件成本、提高单车接单量、减少安全员成本等都是实现Robotaxi商业化盈利的关键。
硬件成本的下降：随着激光雷达、计算平台等关键组件成本的逐渐下降，Robotaxi的制造成本将大幅降低。例如，禾赛科技推出的AT128激光雷达价格较传统激光雷达低很多，这将使Robotaxi的成本结构更加合理。
提高运营效率：通过智能调度系统优化车辆的行驶路线、减少空驶时间和提高单车利用率，可以显著提升Robotaxi的运营效率。此外，安全员的去除或减少将进一步降低运营成本，实现更好的盈利表现。

图片

技术协同与未来展望
5.1 车路协同技术的发展
随着5G技术的普及和车路协同技术的逐步推广，未来Robotaxi和城市NOA技术的融合将更加紧密。车路协同通过实现车辆与道路基础设施的实时数据交换，能够大幅提高自动驾驶车辆的反应速度和安全性。特别是在复杂的城市路况下，车路协同技术可以提供更多的道路信息，帮助Robotaxi和NOA系统更好地进行路径规划和风险规避。
5.2 未来技术突破的可能性
除了车路协同外，量子计算和云计算的快速发展也有望在未来几年内显著提升自动驾驶技术的计算能力。量子计算的高并行处理能力将大幅缩短自动驾驶算法的计算时间，而云计算能够提供更大规模的实时数据处理支持，使得Robotaxi和城市NOA系统能够更快地做出反应。

图片

结论
Robotaxi和城市NOA技术的迅速发展，标志着自动驾驶行业正在进入大规模商业化落地的关键时期。尽管面临技术、成本和法规等多重挑战，但随着技术的不断进步和政策的逐步放开，Robotaxi和城市NOA将在未来几年内取得重大突破。尤其是通过车路协同、5G网络和AI大模型等前沿技术的推动，Robotaxi和城市NOA的商业化前景更加广阔，未来智能驾驶将成为全球交通体系的重要组成部分。

-- END --