自動駕駛計程車競逐：中國市場崛起，誰將在全球領跑？

你曾幻想過，搭乘一台沒有司機的計程車，穿梭在繁忙的城市街道中嗎？這曾被視為遙不可及的科幻場景，但隨著科技的飛速發展，自動駕駛計程車（Robotaxi）正以前所未有的速度從概念走向現實。在我們生活周遭，這些無人駕駛的車輛已經開始提供商業服務，逐步改變我們的出行方式。那麼，在這場全球性的無人駕駛競賽中，究竟是美國的 Waymo、特斯拉，還是中國的百度、小馬智行、文遠知行等企業將脫穎而出，成為未來的領跑者呢？本文將深入剖析各方勢力，帶你一探究竟。

我們將會探討：

中國自動駕駛計程車「三巨頭」如何在本土市場崛起，並積極佈局海外？
自動駕駛技術的革新，特別是成本下降，如何加速商業化進程？
全球市場競爭格局中，各家企業的優勢與挑戰在哪裡？
特斯拉的純視覺方案在Robotaxi領域的進展如何？
自動駕駛計程車大規模普及還面臨哪些法規、信任與盈利上的考驗？

中國自動駕駛計程車三巨頭的崛起

在自動駕駛計程車的商業化進程中，中國市場的發展速度絕對是全球焦點。以百度（Baidu）旗下的「蘿蔔快跑（Apollo Go）」、小馬智行（Pony.ai）以及文遠知行（WeRide）為代表的中國「三巨頭」，在本土市場取得了令人矚目的成績。

以下表格展示了中國自動駕駛計程車三巨頭的主要數據：

公司名稱	服務城市數	運營車輛數量	2024年第一季乘車次數
百度蘿蔔快跑	15+	1000+	140萬次
小馬智行	多個一線城市	270輛	—
文遠知行	多個一線城市	500輛	—

以百度為例，其「蘿蔔快跑」服務已經在中國超過15個城市投入營運，擁有超過1000輛自動駕駛車輛。單就2024年第一季，其乘車次數就達到了驚人的140萬次，顯示出巨大的市場潛力。你可能會好奇，在如此密集的城市道路環境中，這些自動駕駛計程車是如何應對自如的？這正是中國廠商的優勢所在。

中國複雜且多變的城市道路環境，為自動駕駛系統提供了絕佳的訓練場。這些企業在海量的真實數據中不斷學習、優化，使得其系統在應對各種「邊角案例」（edge cases，指不常見但可能發生的特殊交通情境）時更為成熟。此外，中國強大的製造能力也賦予了這些企業在成本控制上的顯著優勢，例如百度就曾表示，其目標是將自動駕駛車輛的製造成本降到3萬美元以下，這對於大規模商業化至關重要。

以下是中國自動駕駛計程車三巨頭的主要優勢：

豐富的城市運營經驗，能夠快速適應不同的城市環境。
強大的製造能力，實現大規模生產並降低成本。
先進的數據處理技術，提升系統的安全性和可靠性。

小馬智行和文遠知行也不甘示弱，它們同樣在中國多個一線城市提供服務，並積極探索更廣闊的應用場景。目前，小馬智行擁有約270輛自動駕駛車輛，而文遠知行則有約500輛。他們不僅在技術上持續精進，更在服務模式上不斷創新，逐步贏得消費者的信任。

技術革新與成本優勢：商業化加速器

自動駕駛計程車能從實驗室走向現實，背後最大的推手莫過於技術的突破和成本的顯著下降。還記得幾年前，一台搭載光達等高階感測器的自動駕駛車輛造價高昂，動輒數十萬美元嗎？但現在情況已經大不相同了。

以下表格比較了自動駕駛技術的主要感測器及其成本變化：

感測器類型	過去成本（美元）	現今成本（美元）	成本下降幅度
光達（Lidar）	10,000	3,200	68%
鏡頭（Camera）	1,500	700	53%
雷達（Radar）	2,000	800	60%
GPS	500	200	60%

想像一下，一輛自動駕駛汽車就像一個擁有「眼睛」、「耳朵」和「大腦」的機器人。它的「眼睛」就是各種感測器，包括光達（Lidar）、鏡頭（Camera）、雷達（Radar）和全球定位系統（GPS）。這些感測器的成本在過去幾年顯著下降，例如光達的成本降幅就達到了68%。這意味著，打造一台配備完整感測器的自動駕駛車輛，不再是天文數字。

另一個圖表顯示了自動駕駛系統運算能力的增長：

年份	運算能力（每秒運算次數）	增長率
2018	10億次	—
2020	50億次	400%
2022	200億次	300%
2024	800億次	300%

而自動駕駛系統的「大腦」——運算能力，也隨著人工智慧（AI）的發展而突飛猛進。尤其是近年來生成式人工智慧（Generative AI）的應用，讓車輛能在虛擬模擬環境中進行數百萬甚至數億次的訓練，大大加速了系統的學習與適應性。這種「虛擬練兵」的方式，不僅安全、高效，還能處理更多真實世界中難以遇到的複雜情境。

另一個關鍵點是車輛製造成本的大幅降低。高盛（Goldman Sachs）預估，到了2030年，專用的自動駕駛車輛成本將降至約5萬美元。而像百度這樣的中國廠商，甚至把目標訂得更低，希望未來能將整車成本壓到3萬美元以下。這對盈利模式的建立至關重要，因為車輛成本是營運開支中的一大筆。

以下表格比較了不同技術路線的優缺點：

技術路線	優點	缺點
純視覺方案	成本較低、維護簡單	在極端天氣和光照變化下表現不佳
多元感測器融合	全面的感知能力、更高的安全性	成本較高、維護複雜
端到端系統	決策流程流暢、一體化運作	開發難度高、需要大量數據支持

在技術路線上，你可能會注意到一些有趣的分歧。特斯拉（Tesla）主要採用純視覺方案，也就是只依賴攝影鏡頭來感知周遭環境。但許多中國廠商，包括小馬智行和文遠知行，則更傾向於多元感測器融合技術，綜合運用光達、雷達和鏡頭的優勢，以提供更全面的感知能力。同時，中國業者也在積極發展所謂的「端到端（End-to-End）系統」，旨在讓自動駕駛系統從感知到決策的整個過程更加流暢、一體化。這兩種方案各有優劣，但共同的目標都是為了讓自動駕駛更安全、更可靠。

全球市場競逐：中國廠商的海外佈局

自動駕駛計程車的競爭從來不是單一市場的獨角戲，而是一場全球性的競逐。在美國市場，Waymo（Alphabet旗下公司）無疑是領頭羊。它在鳳凰城、舊金山、洛杉磯等多個城市提供商業服務，且已完成超過1000萬次自動駕駛旅程，每週付費旅程更高達25萬次，市場份額甚至超越了一些傳統叫車應用程式。這顯示了Waymo在技術成熟度與商業化規模上的領先地位。

然而，中國的自動駕駛計程車廠商們也正積極將目光投向海外，展現出強烈的國際化野心。他們不僅在國內市場站穩腳跟，更利用其成本優勢與在複雜城市路況下積累的豐富經驗，積極拓展全球版圖。

以下是中國廠商海外佈局的一些亮點：

中東市場： 小馬智行與文遠知行都已在中東地區，特別是阿布達比和杜拜，進行自動駕駛測試和部署。這些城市對新興技術持開放態度，且擁有較為規律的道路環境，為自動駕駛車輛的落地提供了有利條件。
東南亞與歐洲： 百度、小馬智行和文遠知行也開始探索新加坡、馬來西亞、南韓等亞洲市場，甚至將觸角伸向歐洲，例如瑞士和英國的部分城市。他們透過與當地企業合作，或是在特定示範區提供服務，逐步建立國際聲譽。

以下表格展示了中國廠商在海外市場的主要佈局：

市場	相關廠商	主要活動
中東	小馬智行、文遠知行	自動駕駛測試與部署
東南亞	百度、小馬智行、文遠知行	市場探索與合作
歐洲	百度、小馬智行、文遠知行	與當地企業合作、示範區服務

你或許會問，中國廠商如何在海外競爭中脫穎而出？除了前文提到的成本優勢外，他們在應對亞洲、歐洲等地區獨特的交通習慣與道路條件方面，可能比純粹在北美測試的系統具備更強的適應性。他們的目標不僅僅是提供服務，更希望能將中國在自動駕駛領域的技術和經驗標準化，推向全球。

儘管Waymo在美國市場持續領先，但中國自動駕駛計程車企業的海外佈局，正為全球自動駕駛市場帶來更多變數與活力。這場全球性的技術與市場競賽，才剛剛進入白熱化階段。

挑戰與突破：盈利、法規與基礎設施之困

儘管自動駕駛計程車的發展勢頭迅猛，但要實現大規模普及和持續盈利，仍有許多「硬骨頭」需要啃。這些挑戰不僅考驗著技術的成熟度，更考驗著企業的營運智慧和政策的適應性。

挑戰一：法規環境的碎片化

缺乏統一標準： 你會發現，全球各地對於自動駕駛的法規碎片化現象非常嚴重。美國各州有不同的規定，中國各城市也有各自的政策。有些地方允許完全無人駕駛，有些則要求必須有安全員在車上待命。這種「各自為政」的局面，讓企業難以快速擴大規模，因為每到一個新地方，就可能面臨新的審批和適應過程。
公共安全疑慮： 法規的建立，很大程度上也受到公共對安全信任度的影響。還記得2023年底發生的Cruise（通用汽車旗下自動駕駛公司）事故嗎？一台自動駕駛計程車撞倒行人後，又將其拖行，這類事件會嚴重打擊消費者對自動駕駛技術的信心，進而影響政府的審批進度。

挑戰二：盈利能力的壓力

成本高昂： 儘管車輛製造成本在下降，但早期的研發、測試、營運、維護以及遠端安全操作員（例如小馬智行遠端人車比約為1:12）等成本仍舊不低。目前的自動駕駛計程車服務大多仍處於補貼階段，尚未實現盈利。這就像一場馬拉松，誰能撐到最後，誰才能看到盈利的曙光。
何時盈利？： 華泰證券預計，自動駕駛計程車服務需在每輛車每年承載超過10萬公里里程，並降低安全操作員成本，才有可能實現盈利。小馬智行和文遠知行則分別預計在2029年和2027年實現淨利潤，這顯示了實現盈利所需的時間和投入。

挑戰三：基礎設施的不足與晶片依賴

城市道路適應性： 自動駕駛車輛需要精準的地圖數據和良好的通訊訊號。在一些道路狹窄、擁擠、標線不明顯的舊城區，或是5G覆蓋不均的地區，自動駕駛系統的效能可能會受到影響。這就需要城市基礎設施，例如智慧交通號誌、V2X（車輛與萬物互聯）技術等進一步完善。
晶片供應鏈風險： 你會發現，許多中國自動駕駛企業，例如小馬智行，高度依賴特定國家供應商的晶片，特別是輝達（NVIDIA）等高性能晶片。這種高度依賴性，在高科技領域的地緣政治緊張局勢下，構成了一定的供應鏈風險，也促使中國業者積極尋求本土替代方案。

挑戰四：社會經濟衝擊

就業問題： 自動駕駛計程車的普及，勢必會引發傳統計程車和網約車司機的就業擔憂。這不僅是技術問題，更是一個社會問題，需要政府和企業共同思考如何轉型和安置相關從業人員。

這些挑戰雖然艱鉅，但自動駕駛公司們也正在積極尋求突破。例如，透過提升載客量和營運效率來攤薄成本，透過與政府合作推動法規落地，以及持續提升技術穩定性和安全性來贏得大眾信任。每克服一個挑戰，自動駕駛計程車的未來就更清晰一步。

特斯拉的追趕與未來展望

當我們談論自動駕駛，很難不提及特斯拉（Tesla）。作為電動車領域的先驅，特斯拉的自動駕駛技術，特別是其純視覺方案，一直備受關注。最近，特斯拉也已在美國奧斯汀推出了自動駕駛計程車的試點服務，正式加入這場商業化競賽。

特斯拉的純視覺方案是一個大膽的嘗試，它僅依靠車載攝影鏡頭，透過強大的人工智慧演算法來感知和理解環境。相較於 Waymo 或中國廠商所使用的多元感測器融合技術（包含光達、雷達等），純視覺方案的優勢在於成本較低、維護相對簡單。伊隆·馬斯克（Elon Musk）曾多次強調，純視覺方案最終將超越其他感測器融合方案，因為人類駕駛也是主要依靠視覺。

然而，在全自動駕駛的商業化規模上，特斯拉目前仍被許多業界分析師和競爭對手視為存在數年差距。Waymo和中國的百度、小馬智行、文遠知行等公司，已經積累了數百萬甚至上千萬次的真實載客經驗，處理了大量複雜路況和「邊角案例」。純視覺方案在極端天氣、光照變化劇烈等情境下，仍面臨技術上的挑戰。

下列表格比較了特斯拉與中國廠商的技術路線：

公司	技術路線	主要優勢	主要挑戰
特斯拉	純視覺方案	成本低、維護簡單	在極端條件下表現不穩定
百度、小馬智行、文遠知行	多元感測器融合	全面感知能力、更高安全性	成本較高、系統複雜

那麼，自動駕駛計程車的未來將走向何方？

技術持續迭代： 生成式人工智慧、端到端系統的應用將會更加廣泛，讓自動駕駛系統的決策能力和應變能力更接近人類，甚至超越人類。
成本持續優化： 隨著規模化生產和技術進步，車輛製造成本、感測器成本、營運成本將會進一步下降，使自動駕駛計程車服務更具經濟效益，推動其普及。
法規逐步完善： 各國政府將會從目前的試點階段逐步走向建立更統一、更明確的國家級法規，為自動駕駛計程車的大規模部署創造有利的法律環境。
跨界合作深化： 自動駕駛公司將會與汽車製造商、科技巨頭、地圖服務商、城市管理者等進行更緊密的合作，共同構建未來的智慧交通生態系統。

以下圖表展示了自動駕駛計程車未來發展的主要趨勢：

趨勢	描述
技術迭代	持續進步的AI技術將提升決策與應變能力
成本優化	規模化生產和技術進步降低總成本
法規完善	建立統一、明確的國家級法規支持部署
跨界合作	與多方合作夥伴共同打造智慧交通生態

特斯拉的加入無疑為這場競賽增添了更多懸念，而中國廠商在全球市場的積極佈局，也讓競爭格局更加白熱化。最終的勝利者，將是那些能在技術、營運、安全與政策適應性上取得最佳平衡的企業。這不僅是一場技術革命，更是一場深刻的社會變革。

結論

自動駕駛計程車正從遙不可及的科幻夢想，一步步走向我們的現實生活。無論是美國的Waymo，還是中國的百度、小馬智行、文遠知行，都在這場交通革命中扮演著關鍵角色。我們看到，中國廠商憑藉強大的製造能力、在複雜城市路況下積累的豐富經驗，以及積極的海外擴張策略，在全球自動駕駛計程車市場展現出強勁的競爭實力。

然而，要實現自動駕駛計程車的大規模普及與持續盈利，產業仍需克服重重挑戰，包括全球各地碎片化的法規、消費者對安全性的信任度問題，以及持續高昂的營運成本。未來的路雖然充滿機會，但也伴隨著考驗。誰能更好地整合技術、營運、安全與政策適應性，誰就能在未來的智慧出行領域佔據主導地位。

【免責聲明】本文僅為財經知識與產業趨勢分析，不構成任何投資建議。讀者在進行任何投資決策前，應自行研究判斷並尋求專業意見。

常見問題（FAQ）

Q：自動駕駛計程車在中國有多普及？

A：目前，中國已有超過15個城市提供自動駕駛計程車服務，主要由百度、小馬智行和文遠知行等三大企業推動，車輛數量達數千輛。

Q：自動駕駛技術的主要成本來源是什麼？

A：主要成本來源包括感測器（如光達、雷達）、運算系統、車輛製造以及持續的研發與維護費用。隨著技術進步，這些成本正在逐步下降。

Q：自動駕駛計程車面臨哪些主要挑戰？

A：主要挑戰包括法規環境的碎片化、盈利能力的壓力、基礎設施的不足與晶片供應鏈的依賴，以及社會經濟衝擊如就業問題等。

自動駕駛計程車競逐：中國市場崛起，誰將在全球領跑？