来源：市场投研资讯 （来源：东四十条资本） "任何依赖激光雷达的人都注定要失败"马斯克曾如此断言。 12月15日，被看做是美国激光雷达最后一根独苗的Luminar，在官网宣布了破产重组的消息，根据 Luminar 提交的法庭文件，其资产估值在1亿至5亿美元之间，而债务及负债总额则高达5亿至10亿美 元。 受破产消息影响，Luminar当天股价应声暴跌60.82%，降至每股0.35美元，市值仅2744.53万美元。 从天才少年的创业项目，到百亿美元市值的科技新贵，再到现在戏剧性的关门大吉，Luminar的故事也 成为了美国激光雷达发展历史的一个缩影。它的倒下也意味着在激光雷达领域，美国已经被判出局，相 应的，中国厂商占领了绝大部分的市场份额。 溃败 2020年SPAC火热时，Luminar通过这种方式登陆资本市场。上市即巅峰，这句话用在Luminar再合适不 过了。这里的"巅峰"，不光指股价，还有Luminar的业务。 虽然很多车企跟Luminar签了订单，但在实际交付上却一直面临挑战，这使得Luminar一直深陷亏损的漩 涡，长期低于成本价供货导致"卖得越多亏得越多"，2025年第三季度财报显示其运营利润率低 ...

报告行业投资评级 - 强于大市 [2] 报告核心观点 - 特斯拉宣布将在三周内于美国奥斯汀市率先取消Robotaxi随车安全员 标志着其纯视觉自动驾驶方案商业化进程提速 [2] - 大量路测数据支撑安全员退出 截至2025年10月 特斯拉Robotaxi在奥斯汀累计行驶超40万公里 在加州湾区达160万公里 未出现重大事故 [2] - 取消安全员将显著降低运营成本 单车年运营成本节约或超10万美元 为商业模式跑通提供关键支撑 [2] - 特斯拉Robotaxi商业化推广计划明确 预计2025年底开展8-10个美国大都市区运营 专用无人出租车Cybercab目标在2026年第二季度量产 [2] - 纯视觉路线的成功验证 将对依赖高成本激光雷达的技术路径形成压力 [2] 事件概要 - 2025年12月10日 特斯拉首席执行官马斯克宣布 将在三周内于美国奥斯汀市率先取消Robotaxi随车安全员 [2] 技术进展与数据支撑 - 路测数据为无人化验证提供基础 截至2025年10月 特斯拉Robotaxi在奥斯汀累计行驶超40万公里 在加州湾区达160万公里 未出现重大事故 [2] - 全球特斯拉车队每日产生约16亿帧图像数据用于训练神经网络 系统已能覆盖突发障碍避让、应对紧急车辆等主流城市场景 [2] - FSD V14增强了推理能力 在无保护左转、施工区绕行等复杂场景表现提升 [2] - 当前每1000英里仍需0.5次人工接管 但特斯拉认为已满足无人化最低要求 [2] - 取消安全员后 Robotaxi将依赖车内8个摄像头及麦克风实时监控 增强型数据共享功能可通过音视频数据替代人工观察 [2] 成本效益分析 - 取消安全员可大幅节约人力成本 当前行业一级安全员时薪约25.25–27.60美元 二级约28.75–30.60美元 [2] - 按25–31美元的时薪区间测算 结合日间高峰与夜间共计16小时轮班 单车日均人力成本约400–1000美元 全年运营300天对应12.0–14.9万美元 [2] - 取消安全员后 单车年度成本将显著下降 无人化阶段成本主要由折旧、电费、保险、调度及远程接管构成 [2] - 特斯拉在奥斯汀早期试运营阶段采用每单4.2美元的固定价格 过渡阶段上调至6.9美元 [2] - 2025年7月App版本已上线按里程计费的动态定价机制 加速完善商业化定价体系 [2] 商业化进程与规划 - 特斯拉计划于2025年底开展8-10个美国大都市区运营 包括内华达、佛罗里达、亚利桑那等地 [2] - 美国多数州对自动驾驶持开放态度 支持测试和部署 实际落地进度取决于监管审批节奏 [2] - 当前特斯拉Robotaxi基于Model Y改装 单车改装成本或在4.5万美元左右 [2] - 公司规划2026年第二季度量产专用无人出租车Cybercab 目标将单车成本降至3万美元 以支撑更大规模的商业化推广 [2] - 若奥斯汀试点顺利 将验证纯视觉路线的商业化可行性 [2] 投资建议 - 报告认为 Robotaxi商业模式落地跑通的重要前提是安全可靠、成本可控且易于泛化推广的高阶智驾方案的真正成熟 [2] - 智能化领先且产业链管控力强的整车企业和高阶智驾核心零部件供应商会优先受益 [2] - 整车建议关注小鹏汽车、理想汽车-W、小米集团、零跑汽车 [2] - 零部件建议关注地平线机器人-W [2]

特斯拉首席执行官埃隆·马斯克（Elon Musk）不久前在 X 上发文，对竞争对手 Waymo 予以暗讽，称该 公司"从来就没有真正胜出的机会"，并表示"这一点事后回看将显而易见"。 目前，特斯拉与谷歌旗下的 Waymo 是美国自动驾驶领域的两大主要推动者，双方均在美国运营无人驾 驶网约车服务。不过，特斯拉在得克萨斯州奥斯汀的车辆中仍配备有"安全监督员"（Safety Monitor）， 而在旧金山湾区的运营中则安排人员坐在驾驶座上。，到今年年底，奥斯汀的运营将完全取消所有安全 监督员。 作为美国无人驾驶浪潮中的两大核心企业，双方的竞争关系显而易见。两家公司已在奥斯汀和旧金山湾 区就地理围栏（geofence，即服务区域）展开多次交锋。 Waymo 的战略聚焦于大型城市，而特斯拉则表示其自动驾驶能力将扩展至全球每一辆特斯拉车辆。这 正是两者之间真正的差异所在。此外，特斯拉使用自有车型，而 Waymo 的车队则包含多个制造商提供 的不同车型。 在技术路线上，双方也存在根本分歧：特斯拉坚持纯视觉（vision-only）方案，而 Waymo 则依赖包括 激光雷达（LiDAR）在内的多种传感器，马斯克曾将激光雷达称 ...

自动驾驶技术路线之争 - 纯视觉方案以摄像头为核心传感器，模拟人类视觉感知道路，而融合感知方案则综合采用激光雷达、摄像头、毫米波雷达等多种传感器构建更强大的感知系统[5] - 行业存在技术路线选择分歧，核心在于对传感器能力上限、成本、以及系统长远发展的不同考量[5][6] 纯视觉方案的技术优势 - 摄像头提供的信息频率更高，每秒可达30帧，而激光雷达通常只有每秒10帧，视觉传感器在信息丰富度和获取频率上具有明显优势[7][11] - 视觉方案的能力上限更高，因其输入信息更丰富，对于需要快速博弈和迅速反应的场景处理能力更强[11] - 特斯拉的视觉处理能力达到每秒20多帧，而国内头部厂商基本在每秒10帧左右，显示出技术领先性[17] 融合感知方案的应用现状 - 激光雷达能让智驾系统快速实现量产上车，是目前一些厂商采用的“捷径”，但可能限制系统的长远性能天花板[6][10] - 在一些融合感知方案中，当不同传感器信息冲突时，智驾系统倾向于更相信激光雷达，这侧面反映了厂商视觉处理能力的不足[5][17] - 增加激光雷达线数（如从128线到800线）可以提高点云密度，改善对小物体的识别效果，但相应成本也会上升[18] 技术发展的核心挑战 - 充分利用摄像头海量信息的技术难点在于算法先进性以及在车端有限计算资源上的高效运行[9] - 传感器融合本身存在技术挑战，特别是当摄像头和激光雷达识别结果不一致时，如何决策成为难点[13][17] - 智驾系统的算力需求不仅取决于TOPS指标，还要考虑内存带宽、NPU对算子的支持力度等因素[10] 数据与算法的发展方向 - 行业趋势是从实际采集数据转向通过AIGC生成数据，这对于覆盖极限场景和危险场景尤为重要[18] - 产生有效数据的能力本质上是算法能力，而非单纯依靠大量采集数据，这可以大幅降低算力需求[19] - 特斯拉的成功在于坚持第一性原理，即使有挑战也坚持走正确的技术路线，把视觉AI能力作为核心[19] 成本与产品定义的平衡 - 汽车作为消费品需要考虑成本和价位差异，传感器选择需要综合性能、成本等多方面因素[7] - 激光雷达的采用不仅涉及价格因素，还包括车辆造型布置等工程考量[17] - 产品需要明确边界定义，如根据国家智能驾驶标准，视觉加4D毫米波雷达的方案能够解决多数问题，并不一定需要激光雷达[15]

自动驾驶技术路线：纯视觉与融合感知 - 文章核心观点：自动驾驶领域存在纯视觉与融合感知的技术路线之争，但无论采用何种方案，都必须将视觉感知作为最核心、最优先发展的能力，视觉方案具有更高的性能上限[3][4][10] - 纯视觉方案的优势在于摄像头提供的信息更丰富、频率更高，摄像头帧率可达每秒30帧，而激光雷达通常只有每秒10帧[4][9] - 融合感知方案中，若过度依赖激光雷达而视觉处理能力不足，会限制系统的长远发展，当传感器信息冲突时，系统倾向于更相信激光雷达，这侧面印证了厂商视觉处理能力的不足[3][4][16] 传感器性能与技术难点 - 摄像头属于被动感知，能提供分辨率更高的图像、颜色和纹理特征等丰富信息，但关键在于如何充分利用这些海量信息[4][6] - 激光雷达能主动发射激光进行测距，但点云密度和分辨率较低，信息量少，观测间隔长达100毫秒，而摄像头每33毫秒就能提供800万像素的图像[4][9] - 充分利用摄像头的技术难点主要在于算法本身的技术先进性，以及如何在车端计算资源有限的嵌入式平台上高效运行[7] 成本、冗余与产品定义考量 - 传感器选择需要综合考虑性能、成本等多方面因素，汽车作为消费品需考虑成本和价位差异[5] - 激光雷达方案可能是个捷径，能快速让系统量产上车，但上限相对较低，增加激光雷达线数（如从128线到800线）可提升性能但成本也会上升[8][16] - 产品需要定义边界，例如在恶劣天气下是否行驶，根据国家智能驾驶标准，视觉加4D毫米波雷达的方案能够解决相关问题，并不一定要上激光雷达[11] 行业现状与领先者实践 - 特斯拉的视觉处理能力领先行业，其视觉处理帧率至少达到20多FPS，而国内头部厂商基本在10FPS左右[14] - 特斯拉坚持第一性原理，即使有挑战也坚持走正确的路，其选择在发展过程中先做好视觉，同时考虑到成本因素[10][17] - 数据使用方面，越往后通过AIGC生成数据更重要，因为对于极限场景，实际采集的数据有限，产生有效数据的能力本质上是算法能力[16][17]

自动驾驶技术路线 - 自动驾驶领域核心分歧在于纯视觉与多传感器融合的技术路线博弈，特斯拉在奥斯汀的纯视觉FSD实测被视为行业关键转折点[4] - 纯视觉方案最大优势在于成本，高端激光雷达单价高达数千美元而摄像头成本仅数十美元，成本优势可能形成降维打击[6] - 纯视觉方案面临恶劣天气和低光照条件下的可靠性挑战，其核心是通过AI弥补物理传感器不足，需要模型具备强大推理能力[7] 行业发展阶段与商业化进程 - 自动驾驶已进入从L4向L5过渡的关键节点，行业正从技术验证期进入规模化扩张阶段[9][11] - 人类每年在汽车中消耗时间高达8200万年，自动驾驶对驾驶时间的释放意味着巨大经济价值，未来3-5年是商业化落地黄金期[9] - Waymo计划在2026年将无人驾驶服务扩展至15个城市并开始提供高速公路自动驾驶服务，印证技术成熟度提升[9] 机器人领域发展 - 对人形机器人持谨慎态度，市场过度预期替代人类劳动力的总潜在市场规模而严重低估技术落地难度[12] - 更看好空中机器人发展潜力，认为其数量将远超地面机器人，支撑3D空间完全自动操作的技术已基本成熟[14] - 空中机器人系统需解决高精度定位与导航、避障路径规划、集群协同控制及与现有航空管制系统集成等关键问题[20] Waymo发展历程与运营理念 - Waymo前身是谷歌内部自动驾驶moonshot项目，启动契机源于对交通安全关注，全球每年因交通事故死亡人数超百万[16] - 团队建设核心哲学包括成员需对解决大问题有强烈热情、鼓励试错文化、注重跨学科协作[16] - 技术发展采用渐进式迭代路线，从封闭园区测试到城市公开道路运营，逐步积累数据优化算法环境适应性[17] 机器人出租车规模化挑战与未来 - 机器人出租车行业达到改变出行方式的临界点需要三个关键因素：地理位置覆盖、充分竞争和生态系统溢出效应[19] - 面临的挑战包括复杂城市环境导航能力、极端天气可靠性、与其他交通参与者交互及网络安全保障[23] - 随着技术成熟和成本下降，未来3-5年机器人出租车将在特定区域实现规模化商用，但彻底改变出行方式需更长时间[21]

自动驾驶行业现状与前景 - 自动驾驶技术的“莱特兄弟时刻”已在2005年DARPA挑战赛时发生 目前技术普及率正处于向L4/L5级别全面过渡的拐点 [2] - 人类每年在汽车中度过的时间总计高达8200万年 释放驾驶时间的经济价值巨大 [2] - 在峰会现场约500名与会者中 约有三分之一的人已经乘坐过自动驾驶汽车 其中绝大多数体验的是Waymo [2] 自动驾驶技术路线之争 - 特斯拉在奥斯汀的纯视觉FSD方案如能实现安全的商业化Robotaxi服务 将是巨大成就 并对依赖激光雷达的多传感器融合路线构成成本效率上的严峻挑战 [2][5] - 当前市场对于多传感器融合与纯视觉方案的争论尚未结束 纯视觉方案的低成本优势可能形成降维打击 [2][5] 人形机器人领域评估 - 人形机器人赛道同时存在“过度炒作”和“未被充分重视”的悖论 [3] - 市场对人形机器人替代人类劳动力的总潜在市场规模预期过高 但严重低估了执行开放式任务和实现“灵巧手”的实际工程挑战 [3][5] - 距离真正的通用人形机器人落地仍有巨大技术鸿沟需要跨越 尤其是在物理交互层面 [3] 空中机器人发展前景 - 未来空中机器人的数量将大大超过地面机器人 [4][5][6] - 在3D空间中实现完全自动操作所需的技术已经存在 但限制领域爆发的关键在于基础设施 [6] - 美国的空中交通管制系统急需进行重大改造以适应趋势 这为eVTOL及相关基础设施建设板块提供了长期投资逻辑 [5][6] 行业整体发展阶段 - 尽管投资者感到焦虑 但科学仅解决了1%的问题 99%仍待探索 [5] - 自动驾驶正处于从L4向L5过渡的边缘 [2][5]

技术路线之争：多传感器融合 vs 纯视觉 - 速腾聚创创始人邱纯潮认为，多传感器系统比特斯拉的纯视觉方案更安全、更好，纯视觉系统无法解决很多极端情况[2] - 邱纯潮指出，纯视觉系统无法实现3级或4级自动驾驶能力，需要添加包括激光雷达在内的其他传感器[2] - 在特定场景下，如白色汽车停在高速公路前方或驶向隧道时，纯视觉系统难以准确分辨物体[3] - 特斯拉首席执行官埃隆·马斯克则坚持认为激光雷达“昂贵且不必要”，是实现自动驾驶最“人性化”的方式，并称激光雷达和雷达会因传感器争用而降低安全性[4][5][6] 激光雷达的成本与性能趋势 - 激光雷达系统成本已大幅下降，从每辆车约7万美元降至几百美元左右，且性能持续提升[7] - 据彭博社报道，激光雷达每辆车的成本约为1.2万美元，而摄像头的成本约为每辆车400美元[5] - 市场研究机构Yole Group报告称，速腾聚创将在2024年占据全球乘用车激光雷达系统最大的市场份额[3] 行业实践与市场观点 - Waymo和Zoox等自动驾驶公司采用结合摄像头、雷达和激光雷达的多传感器阵列，例如Waymo最新版本无人驾驶汽车使用了约40个外部摄像头和传感器，而特斯拉仅使用约8个外部摄像头[5] - Uber首席执行官达拉·科斯罗萨西倾向于Waymo的方案，认为为实现超人的安全性，应加装激光雷达[6] - 福特首席执行官吉姆·法利表示激光雷达是“关键任务”，并举例说明在强光等情况下激光雷达比摄像头更可靠[7] - 理想汽车首席执行官李想指出，中美交通状况差异大，在中国夜间驾驶常遇无尾灯卡车等场景，现有摄像系统难以探测，激光雷达更具价值[7]

公司概况 * 文远知行是一家全球领先的L4级自动驾驶公司[3] * 公司业务覆盖11个国家，超过30个城市[3] * 公司拥有全球最大的L4自动驾驶车队之一，总规模超过1,500辆，其中Robotaxi（自动驾驶出租车）为700辆[3] * 公司是唯一一家拥有七国自动驾驶国标牌照的AI公司[3][9] 商业模式与运营策略 * 采用不自持车队的轻资产模式，车辆卖给平台方或独立车队运营公司[10] * 与平台合作分成收入，分成比例为60%至70%[10] * 通过与Uber等大型平台合作，新城市运营首日即可实现日均12至15单，远高于启动初期的6至8单[10] * 技术成熟度支持1名远程安全员监控10台车，未来比例可能提升至1:20或1:30[12][17] * 公司综合毛利率较高，每年约30%左右[25] 商业化进展与财务数据 中东市场（与Uber合作） * 在中东运营除中美以外最大的商业化Robotaxi车队[3] * 阿布扎比已覆盖城市一半区域，年底将覆盖全城，目前运营车辆超过100辆，年底预计达到近200辆[4] * 每公里单价约为1至1.1美元（约合7至8元人民币），是国内单价（约2元人民币）的两倍多[4] * 每辆车日均订单量已超过15单，突破了纯无人驾驶盈亏平衡点（12单）[4] * 运营正向纯无人化过渡，正在等待纯无人运营商业化牌照[4] 单车收益与盈利能力 * 单车年收入：中国市场为4万至5万美元，中东市场为9万至10万美元，欧美市场高达25万美元[8][11][12] * 单车年利润：中国市场为13,000至14,000美元（未扣除平台抽成），中东市场超过5万美元，欧美市场超过15万美元[12] * 海外市场（中东、欧美）利润率在50%到65%之间[12] 未来发展规划与目标 车队规模与收入预期 * **2026年目标**：整体车队规模达到3,000至5,000辆，其中Robotaxi数量增至2,000至3,000辆[2][5] * **2030年目标**：全球范围内拥有25万台Robotaxi，其中国内市场15万台，海外市场10万台[7][8] * **收入目标**：未来1至3年内，预计实现15亿美元的年化收入，其中10亿美元来自自动驾驶出租车服务（对应约2万台的运营规模）[25][28] 市场扩张计划 * **国内**：重心在北京、广州、上海，明年（2026年）将在上海重点推进[5] * **海外**：重点在中东地区，包括迪拜（2026年一季度开始运营）、利雅得等[5] * 与Uber有五年15城计划，预计覆盖15个城市，达到约5万台车的规模[2][8] * 其他合作伙伴包括Grab、TXAI、瑞士铁路局（SBB）等[8] 行业环境与竞争优势 海外市场优势 * 人工成本高，Robotaxi替代需求强[8][22] * 监管环境友好，开放速度快，例如迪拜计划2026年开放全城并发放1,000张牌照[5][17] * 中东国家计划到2030年自动驾驶渗透率超过25%[5] 技术与产业链 * 自研技术平台Viva One支持从L2+到L4全系产品矩阵[3] * 采用多传感器融合方案，认为纯视觉方案存在局限性[16] * 受益于中国成熟的汽车产业链，生产成本较低且各家差异不大[18][21] * Robotaxi车辆前期生产成本约为5万美元/台[21][25] 其他业务线 * Robobus（自动驾驶巴士）产品线已在全球20多个城市部署，近期在广州中标100台，实现常规采购[25] * L2+方案已上线，采用纯视觉端到端方案，表现出色[25] * 其他产品线如Log Buffer、ADS、RoboVac等也在全球市场取得不错成绩[26] 市场潜力与估值 * 公司当前市值约200亿人民币，相对于其收入潜力和市场规模（即使仅占10%份额也能带来数百亿人民币收入）而言估值较低[28] * 公司被认为具备超预期兑现能力，是值得关注的投资标的[28]

小鹏汽车技术路线转向 - 小鹏汽车自动驾驶总监表示公司将放弃激光雷达 转而采用纯视觉技术 因激光雷达数据无法被AI系统吸收 而视觉数据能让系统快速发展[2] - 新AI系统基于大量客户驾驶过程中剪辑的10秒或30秒短视频数据构建[2] - 该决策被网友视为复制马斯克的想法 马斯克本人用"笑哭"表情回应[2] 特斯拉纯视觉方案立场 - 马斯克多次公开力挺纯视觉方案 称激光雷达是"多余的阑尾" 认为多传感器数据冲突会降低安全性[4] - 强调道路规则是为"人眼+大脑"设计 只要摄像头配合端到端神经网络就能在成本和可靠性上碾压融合方案[4] - 特斯拉自2021年取消毫米波雷达后 全系车型押注8颗摄像头的"Tesla Vision"系统[4] 感知技术路线对比 - 视觉方案优势在于成本较低且摄像头性能不断提升 但在恶劣天气条件下感知能力会严重下降[5] - 多传感器融合方案结合激光雷达 摄像头和毫米波雷达优势 激光雷达具有测量精度高 响应时间短和抗干扰能力强特点[7] - 融合方案面临传感器数据融合难度大 不同数据可能冲突导致系统决策复杂 同时增加成本和系统复杂性[7] 激光雷达市场渗透情况 - 全球L2及以上智能驾驶渗透率近三年增加15.1% 国内从2022年0.5%增至2024年5.5%[9] - 2024年1-10月中国乘用车激光雷达安装量TOP5品牌：鸿蒙智行31.8万颗 理想汽车18.6万颗 蔚来16.7万颗 极氪12.0万颗 阿维塔9.1万颗[10] - 激光雷达在中国呈"标配化"趋势 2023年车载激光雷达市场规模超30亿元 五年行业复合增速达124.20%[10] 技术发展现状与趋势 - 当前无论是多传感器融合还是视觉方案都处于研发初步阶段 对外依赖程度高且存在各自需要克服的困难[12] - 视觉方案需提升摄像头在恶劣环境下的性能并优化复杂场景识别算法 融合方案需解决传感器数据融合难题[12] - 未来竞争将更加激烈 能够以最便宜价格提供相同功能产品的方案将成为感知技术的最终发展方向[13]