最近科技圈一個最好笑的段子來自蘿卜快跑：Robotaxi在“短時間內”替代人類司機的可能性，一定小于足療納入醫(yī)保。

起因是由于百度旗下無人駕駛出租車“蘿卜快跑”最低0.8元/公里的收費，讓其成為武漢出租車公敵，加上不久前一則蘿卜快跑撞上闖紅燈行人的視頻，兩者疊加引發(fā)人類司機聯名抗議。

但“抗議”很快就被來自產業(yè)界的興奮取代，券商老爺們以“Robotaxi商業(yè)化提速”為標題的一篇篇研報火速出爐，加之百度股價迎風高漲，仿佛Robotaxi大規(guī)模落地近在眼前。

也不是沒有人潑冷水。何小鵬就在朋友圈以不點名的方式表達了自己的觀點，“Robotaxi能力、法規(guī)、商業(yè)閉環(huán)都還沒有到，說很快能打平是因為很多賬沒有算”。

說的是誰不言而喻。此前百度對外宣稱，預計到2024年底將在武漢實現收支平衡，并在2025年全面進入盈利期。

冷水潑完何小鵬話鋒一轉為端到端造勢去了，徒留百度等一眾Robotaxi運營商在風中凌亂。

1

如何看待Robotaxi盈利？

蘿卜快跑引爆輿論后，除了媒體記者以外，還有一家券商也去體驗了一下，回來發(fā)了一篇研報，詳細記錄了試乘體驗。

最后這家券商給出的評語是：不夠擬人的新手司機，足夠安全運行但博弈偏弱，行駛效率較低。

然后又從技術角度給出了解釋。

蘿卜快跑當前采用的算法架構，是基于高精地圖的模塊化方案，即“感知-決策-控制”分治法。其中感知模塊為“激光雷達+攝像頭+毫米波雷達”多傳感器融合的神經網絡算法，決策歸控模塊為傳統(tǒng)ruled-based算法，即由人工編寫的規(guī)則邏輯。

隨著corner case持續(xù)解決以及遠程安全員監(jiān)控兜底，可以做到安全運行水平，但行駛表現不夠靈活擬人，尤其在較為復雜的路況下博弈能力偏弱，較能夠完全替代人類司機的理想Robotaxi有較大差距。

而與現階段量產乘用車所搭載的智駕方案相比，從算法層面蘿卜快跑較頭部城市無圖NOA性能并未拉開明顯差距。

隨后這家券商又算了一筆賬，將蘿卜快跑和技術成熟的Robotaxi以及網約車放到一起，進行盈利測算。

其中蘿卜快跑主要以當前的第五代車型為主，Robotaxi則假設車輛成本為20萬元。測算條件包含車輛成本、費用計價、運營時長、運營費用等幾個方面，最后得出來的結果是，蘿卜快跑第五代車型在補貼折扣65%的情況下，一年將虧損7.9萬元，而Robotaxi和網約車則是盈利11.3萬元和11萬元。

而造成上述測算結果的原因，一方面是蘿卜快跑目前主要因較低的每單里程和較高補貼折扣而影響總營收，其中低里程主要由當前偏向保守合規(guī)的策略取向以及較弱的博弈能力導致訂單時長較長所致；另一方面則是車輛折舊、遠程安全員和路端地勤支持產生了較高費用。

影響盈利的主要因素在于造車成本和自動駕駛算法的迭代進展，前者根據百度Apollo Day 2024披露第六代車型RT6（頤馳06）成本已經下探至20.46萬元，后者將決定Robotaxi能否從車到人實現運營提效。

至于百度對外宣稱的盈利計劃，如果按照其所言年內完成千臺無人車的部署，其中包括600臺成本更低的第六代車型，特定層面的收支平衡是可以達到的。而且隨著明年第六代車型的持續(xù)投放，盈利也并非難事。

但要注意，有券商測算盈利的基本線是至少5000輛車和城市70%以上的區(qū)域開放。而且如果再算上何小鵬說的“很多賬沒有算”，即此前盈利測算里暫時沒有考慮的平臺運行（如云端計算、運維）和研發(fā)成本。而這些恰恰是Robotaxi中較為重要，也是投入較多的一部分。

2

Robotaxi將往何處？

除了百度，目前全球最惹人矚目的Robotaxi可能非特斯拉莫屬了。但在蘿卜快跑出圈的這段時間，特斯拉卻被傳Robotaxi延期了，代價是一夜蒸發(fā)709億美元市值。

特斯拉的Robotaxi最初于2016年特斯拉“宏圖計劃”第二篇章中，以“共享車隊”的藍圖呈現，2019年馬斯克豪言“明年”會有100萬輛Robotaxi上路。事實證明，馬斯克不僅擅長造車，畫餅功力也是一流。

只不過延期并非取消，而且特斯拉還為Robotaxi引領了一條新的路線。

自動駕駛算法架構的發(fā)展，基本路徑可以描述為基于高精地圖的模塊化方案到無圖模塊化方案，再到剛剛興起的端到端方案，其中端到端就是特斯拉帶的頭。

端到端方案簡單來說可分為兩個階段，其一是通過“Transformer+BEV”感知架構，實現從有圖到無圖的進步，讓感知定位更具有泛化能力；

第二階段在AI大模型技術的浪潮下，深度神經網絡算法從感知進一步拓展至歸控，其對自動駕駛傳統(tǒng)長尾問題所表現出的極強泛化能力有望打破現有主流方案的發(fā)展瓶頸，同時其數據驅動的特性也使該路線迭代速度大幅提升。

今年2月，特斯拉基于端到端架構的FSD V12向部分用戶推送，就是端到端路線的首次大規(guī)模部署，性能表現已然超越迭代多年的模塊化方案，在駕駛平順度和博弈能力上表現亮眼，表現更為擬人。

短短幾個月后，小鵬、理想、華為、元戎啟行、商湯等國內智駕玩家也陸續(xù)發(fā)布了全新端到端自動駕駛架構，標志著國內頭部玩家技術路徑全面轉型。

過去L4和L2級別自動駕駛分別由初創(chuàng)公司/軟件大廠和供應商/整車廠領導發(fā)展，而在技術路徑上均采用分治法思路，近年來隨著模塊化方案瓶頸逐步顯現，雙方技術差距持續(xù)縮小。

而在端到端新路徑下，玩家格局或將大幅改變：

1）首先，傳統(tǒng)主流方案下頭部玩家在感知模塊基本均實現“Transformer+BEV”的無圖方案落地，差距主要取決于歸控模塊的規(guī)則代碼積累，端到端路徑將所有玩家拉到統(tǒng)一起跑線；

2）端到端路徑實現了自動駕駛算法從規(guī)則驅動到數據驅動的轉變，甚至使之從技術問題轉化為工程問題，因而數據和算力成為競爭的重點。

因此，頭部整車廠和華為系依托其大量智能汽車帶來巨量數據和其更大的資金體量得以支持算力開支，在端到端時代有望占據發(fā)展的主動權。

但也有消息指出，特斯拉推遲發(fā)布Robotaxi的原因可能是其視覺系統(tǒng)仍存在一些問題，需要增加激光雷達或其他輔助設備。

特斯拉目前采用的是L2或L2+的自動駕駛模型，能夠解決大部分日常駕駛問題。但L4自動駕駛要求車輛在特定位置停靠，且不需要司機接管，這對端到端模型提出了更高的數據需求和安全挑戰(zhàn)。

也就是說，現階段Robotaxi仍以L4級別技術路線為主，其中具有高精地圖資質的公司在Robotaxi領域又具有一定優(yōu)勢。

3

提升智駕認知度

Robotaxi跳票歸跳票，但畫餅不能停。就在上個月的特斯拉股東大會，馬斯克還在描繪更多細節(jié)。

特斯拉Robotaxi的運營模式，類似于Uber和Airbnb的結合，公司自營大部分車輛，用戶自有車輛在閑時可以隨時加入Robotaxi車隊，車主每月參加車隊運營所得收益甚至可能會超過購車的月供。

重點是，馬斯克預計未來Robotaxi的預期營業(yè)收入將會占特斯拉商業(yè)條線總營收的63%，但不久后就傳來特斯拉Robotaxi推遲到10月的消息。

特斯拉推遲Robotaxi有各種各樣的原因，FSD落地、原型車規(guī)劃、Corner Case還沒有辦法徹底解決等等，其中一個傳言是，馬斯克為了讓參與該項目的團隊能有更多時間打造原型車，才將Robotaxi發(fā)布時間推遲。

而此處蘿卜快跑的出圈，雖然是運營范圍擴大引發(fā)了體驗浪潮，但核心還是民眾恐慌情緒蔓延導致的輿論危機。

實際上，目前自動駕駛對就業(yè)的影響其實并不大�，F階段自動駕駛車輛的數量非常有限，比如蘿卜快跑目前在武漢投放無人駕駛汽車數量約400余輛，接單能力也有限，加之因為這些車都是電動車行駛里程受限。

而且根據武漢市交通運輸局5月披露當前武漢市日均運營網約車2.94萬輛，兩者相差較大，同時考慮到當前Robotaxi在接單數量和每單里程的表現，現階段其消費者仍以體驗為主，很難對網約車、出租車造成實質影響。

盡管蘿卜快跑在武漢的大規(guī)模全無人運營并非是真正的商業(yè)化拐點，但這對消費者有極大教育意義，有利于提高消費者對智能駕駛的認知和接受度，提高乘用車消費中對智駕的考量比重，推動高階智能駕駛的加速滲透，一眾靠智駕包盈利的車企半夜都能笑醒了。

4

尾聲

從商業(yè)模式的角度來看，百度在Robotaxi領域的成本控制策略主要依賴于其在乘用車前裝量產方面的經驗，通過優(yōu)化算力和算法來降低成本，這使得百度能夠在成本控制上有更大的空間。

廣汽資本曾聯合滴滴、麥肯錫等做過一個調查，顯示配備安全員的改裝無人出租車整體成本高達107萬，遠高于安全員+前裝車的81萬和無安全員+前裝車的43萬。

從這份調研來看，無安全員+前裝車是Robotaxi降本的關鍵。對百度來說，學習特斯拉有兩條路線，一條是自主生產車輛，目前來說并不現實，只能通過與車企合作，比如吉利來實現L4自動駕駛的前裝量產；

另一條是開放社會合作，即用戶自有車輛在閑時可以隨時加入Robotaxi車隊，也就是與周鴻祎給的辦法，將Robotaxi車輛賣/租給第三方。

但對百度而言，主機廠大規(guī)模前裝才能讓飛輪再次轉起來，也就是繼續(xù)走此前的合作路線。甚至在華為之后，百度如果只做好智駕服務提供商這一個角色，或許傳統(tǒng)主機廠也就不那么擔心“靈魂論”了。

所以到百度這里，極越的重要性不言而喻，或者也可以在極越之外綁定更多種子客戶。

免責聲明:本文基于已公開的資料信息或受訪人提供的信息撰寫，但解碼Decode及文章作者不保證該等信息資料的完整性、準確性。在任何情況下，本文中的信息或所表述的意見均不構成對任何人的投資建議。

       原文標題 : 百度當學特斯拉