核心观点 - 自动驾驶行业的核心问题从技术分级转向安全责任界定 商业化成功的关键在于明确责任归属（车负责）、实现规模化运营并持续降低成本 公司正通过聚焦L4全无人路线 构建涵盖责任体系、监管合规、数据回溯与模型训练的系统能力 并将其复制到出行（Robotaxi）和物流（Robotruck）等多个场景 [2][4][5][11] 行业趋势与竞争焦点 - 行业竞争焦点从技术验证转向商业化验证和规模化运营 真正的挑战在于能否实现低成本的大规模全无人车队运营 [7][8] - 自动驾驶商业化拐点取决于能否以更低成本、更高密度、更可监管的方式让更多无人车进入真实道路 [11] - 监管是全无人车从测试走向日常运营必须跨过的门槛 而非商业化的外部干扰 长期看有利于行业规范发展 [5][6] 公司的战略与商业模式 - 公司坚持清晰的L4全无人驾驶路线 认为只要司机仍是第一责任人就仍是辅助驾驶（“所有的L3都是L2”） 只有车辆承担驾驶责任才进入其专注的领域 [4][5] - 商业化模式进入由责任、成本、监管、车队密度和规模化运营共同决定胜负的阶段 [4] - 致力于将同一套L4能力在出行（Robotaxi）和物流（Robotruck及轻卡）场景中持续复制 实现技术、车规级套件和运营体系的复用 [4][10] 运营与商业化进展 - Robotaxi车辆规模已超过1400台 用户规模突破百万 在广州、深圳已实现单车经济模型转正 [8] - 车队密度是收入端的核心变量 密度高则乘客等待和车辆空载时间短 能提高车辆利用率 [8] - 补能策略注重整体车队运营效率 通过集中调度、集中补能和峰谷电价优化来实现 而非单纯追求单车换电速度 [9] - Robotruck业务2025年收入达2.84亿元 截至2026年3月底自动驾驶路测里程突破740万公里 [10] - 海外业务与Uber、Bolt及当地出租车公司等合作 现阶段以国内为主 海外量较小但增长更快 [10] 成本控制与技术路径 - 2027版Robotaxi整车总成本将下探至23万元以内 成本下降主要来自规模效应、产业链成熟、技术架构优化及与车厂更紧密的正向开发合作 [4][9] - 降本是体系性重构 从改装式工程走向量产协同 软件能力被用于弥补硬件性能下降或方案变化 以实现同等或更好效果 [9] - “世界模型”被定位为一种训练方法 用于提升车辆学习能力 其挑战在于仿真度与精度 是支撑“车负责”背后的能力体系的一部分 [6] 安全与责任体系 - 公司建立可回溯的安全链条 记录车辆行为和360度传感器数据 异常数据用于回放分析并反哺技术训练 [6] - 将责任边界、监管规范、数据回溯和模型训练视为L4全无人商业化必须同时成立的系统能力 [6]