当地时间 8 月 21 日，纽约市交通局向 Alphabet 旗下的 Waymo 发放许可证，曼哈顿 + 布鲁克林，8 辆车，9 月底启动。这一消息瞬间成为全球科技与出行领域瞩目的焦点，硅谷与华尔街同时刷屏：这也是继 5 月完成1000万次无人驾驶付费行程之后的又一次“倍速前进”。Waymo 由此成为首家获得在纽约测试自动驾驶汽车许可的公司，也预示着 Robotaxi（自动驾驶出租车）的竞争迈向了新的阶段。

但对所有从业者来说，真正的看点不在“首证”，而在“首证”背后的安全门槛：纽约是全球交通密度最高、人类驾驶最野性的城市，没有之一。Waymo 愿意把传感器阵列开进这里，等于公开接受全球最难的“安全高考”。

从凤凰城到纽约：Waymo 的“三级跳”与美国的 Robotaxi 版图

Waymo 堪称美国 Robotaxi 领域的拓荒者与领军者。早在 2009 年，Waymo 的前身谷歌自动驾驶项目就已启动，开启了漫长的技术研发与路测征程。历经十余年的打磨，Waymo 积累了深厚的技术底蕴与海量的运营数据。如今，其运营车辆规模超 1500 辆，已完成 1000 万次无人驾驶付费行程，业务覆盖奥斯汀、洛杉矶、旧金山和凤凰城等多个城市。近期，Waymo 还宣布将在费城开展路测，并通过与优步合作进入亚特兰大市场，持续拓展商业版图。

在技术路径选择上，Waymo 采用 “多传感器 + 高精地图” 的主流方案，以激光雷达作为核心感知元件。其第五代自动驾驶系统配备 5 颗激光雷达、8 摄像头及 4D 毫米波雷达，通过多传感器融合以及与高精度地图的协同，车辆能够实现对周边环境的全方位、高精度感知，为安全驾驶提供了极高的冗余度。然而，这种技术方案也带来了高昂的成本，单车成本约为特斯拉的 7 倍，严重制约了其规模化推广的速度。

在商业生态构建方面，Waymo 展现出了多元化的布局思路。核心业务 Robotaxi 已在美国多个城市落地运营，收费标准约为 2.5 美元 / 英里（约合人民币 11.1 元 / 公里），随着规模效应的逐步显现，未来价格有望向公共交通靠拢，进一步提升市场竞争力。同时，Waymo 积极与车企开展合作，为其提供自动驾驶技术解决方案并进行技术授权，例如与 Stellantis 集团合作改装 Pacifica 车型，与捷豹、极氪等车企达成数据共享协议，今年 4 月更是与丰田牵手，拓展了在自动驾驶领域的合作边界。此外，Waymo 还与优步、Moove 等出行平台达成合作，通过整合各方资源，扩大服务覆盖范围，提升品牌影响力。

不过，Waymo 在美国市场并非毫无对手。特斯拉于 2025 年 6 月 22 日在得州奥斯汀正式推出自动驾驶出租车服务，尽管目前投入运营的车辆数量有限，且仅对部分受邀客户开放，但凭借其在电动汽车领域的广泛用户基础以及在智能驾驶算法方面的持续投入，特斯拉来势汹汹。与 Waymo 不同，特斯拉采用纯视觉方案，完全依赖摄像头和人工智能技术，这种技术路径在降低硬件成本的同时，也面临着在复杂环境下感知精度不足的挑战。此外，亚马逊旗下的 Zoox 也在大力布局 Robotaxi，其位于加州海沃德的工厂已正式启用，计划到 2027 年年产 1 万辆 Robotaxi，未来将在美国迈阿密、洛杉矶和亚特兰大等主要市场与 Waymo 展开正面竞争。

国内 Robotaxi 发展现状：蓬勃发展但问题凸显

国内的 Robotaxi 发展同样如火如荼，呈现出百家争鸣的态势。小马智行已在北京、上海、广州、深圳四大一线城市开展全无人 Robotaxi 收费运营服务，运营总面积超 2000 平方公里。2025 年第二季度，小马智行总营收同比增长 75.9%，其中 Robotaxi 业务收入同比激增 157.8%，来自乘客端的车费收入同比增长超 300%，商业化进程取得显著进展。文远知行也成绩斐然，2025 年第二季度营收 1.27 亿元，同比增长 60.8%，其中 Robotaxi 业务营收 4590 万元，同比大幅增长 836.7%，占二季度总营收的 36.1%。文远知行还积极拓展海外市场，与 Uber、迪拜道路交通管理局签署合作协议，在迪拜部署商业化 Robotaxi 出行服务，成为全球唯一一家旗下产品拥有六国自动驾驶牌照的科技公司。

此外，百度的 “萝卜快跑” 已在武汉等 10 个城市落地运营，积累了大量的运营数据和用户反馈。滴滴自动驾驶在获得广汽投资后，加速推进量产进程，有望凭借其在出行市场的海量订单数据优势，实现技术的快速迭代。哈啰出行也于 2024 年宣布进军 Robotaxi 赛道，借助其在共享出行领域积累的用户资源和运营经验，试图在这一新兴市场分得一杯羹。

然而，国内 Robotaxi 发展也面临诸多挑战。技术层面，部分企业在实际运营中暴露出技术短板。例如，“萝卜快跑” 在武汉试点时，车辆多次出现因无法准确识别塑料袋、施工路障等物体而导致 “僵停” 的情况，严重影响用户体验。社会层面，Robotaxi 的低价策略对传统网约车和出租车行业造成冲击，引发了司机群体的抗议，同时，自动驾驶技术的普及可能导致大量司机失业，带来一定的社会就业压力。政策法规方面，目前存在多头监管、权责不清的问题，例如交通部、工信部、公安部等多部门交叉管理，但对于远程安全员资质标准等关键问题尚未明确，地方审批流程繁琐，需经 12 个部门协同，耗时较长。此外，《道路交通安全法》尚未对 L4 级自动驾驶事故责任划分作出明确规定，企业面临较大的法律风险和责任界定难题。

自动驾驶安全的重要性：生命至上的技术诉求

全球每年因交通事故导致的死亡人数高达约 130 万，其中 90% 以上的事故是由驾驶员分心、疲劳驾驶或违规操作引起。自动驾驶技术的诞生，其核心使命便是提升交通安全性，从根源上消除人为因素导致的交通事故。与常见的 L2 级辅助驾驶不同，L4 级高度自动驾驶要求车辆在特定场景内能够完全自主应对各种复杂情况，无需人类驾驶员干预，真正实现从 “人机共驾” 到 “系统主导” 的安全逻辑转变，从根本上避免了因人类驾驶员反应不及时或操作失误而引发的碰撞事故。传统单车智能的困境主要包含以下几方面：

感知 < 200 米，遮挡即盲区；

决策 < 50 ms，算力即瓶颈；

更新 < 月级，OTA 来不及。

AI 网络：把“单车安全”变成“系统安全”

在单车智能驾驶模式下，车辆主要依靠自身搭载的传感器（如摄像头、雷达等）来感知周围环境，但这种感知方式存在诸多局限性。例如，在交叉口、弯道、坡道等视线盲区，车载传感器的探测范围和精度会受到严重影响，难以提前感知潜在的危险。此外，面对复杂多变的交通场景，如突发事故、行人不规则行为、恶劣天气等，单车智能的算法往往难以快速、准确地做出决策，导致系统出现误判或反应迟缓。

AI 网络的出现，为解决这些问题提供了全新的思路和方案。以蘑菇车联的 MogoMind 大模型为例，其具备强大的实时全局感知能力，能够整合路侧实时数据，突破车载传感器的感知局限，精准识别车辆盲区内的行人、非机动车和其他车辆，并通过车联网技术及时向车辆发出预警，提前为驾驶员或自动驾驶系统提供决策依据。在面对恶劣天气时，MogoMind 的大模型视觉增强技术可对车载摄像头采集的图像进行优化处理，增强图像的清晰度和辨识度，确保车辆能够在低光、强光干扰、雨雾等复杂环境下，依然清晰地感知前方道路状况，保障行车安全。

同时，MogoMind 还具备实时路况分析与信息推送能力，能够实时监测前方道路的交通状况，快速识别事故、施工、交通管制等信息，并通过 AI 网络将这些精准信息及时推送给车辆，帮助驾驶员或自动驾驶系统提前规划最优行车路线，避免陷入拥堵路段或危险区域。在行人行为认知与预测方面，MogoMind 通过分析行人的身体姿态、步行速度、目光方向等多种因素，能够定性分析行人是否有横穿马路等危险意图，并给出合理的驾驶行为建议，有效提升交通决策的可靠性和安全性。

Waymo 获得在纽约测试自动驾驶汽车的许可证，无疑为全球 Robotaxi 发展注入了新的活力，也让我们看到了自动驾驶技术在商业化进程中的重要突破。然而，无论是美国市场的激烈角逐，还是国内市场的蓬勃发展，自动驾驶安全始终是行业发展的生命线。当 Robotaxi 从硅谷的试验田开进曼哈顿的钢铁森林，规则只有一个：

“先证明你比人类更怕死，才有资格谈商业模式。”

未来，随着技术的不断进步和完善，Robotaxi 有望真正实现安全、高效、便捷的出行愿景，重塑全球城市交通格局。同时，谁先把安全做成基础设施，谁就拥有 Robotaxi 的“曼哈顿时刻”。