--- title: "Uber 豪赌 Robotaxi：从 Lucid、Nuro 到萝卜快跑" type: "Topics" locale: "zh-CN" url: "https://longbridge.com/zh-CN/topics/32118938.md" description: "​​芝能科技出品  Uber 与 Lucid 和 Nuro 联合投资超过 3 亿美元，共同推进 2 万辆 L4 级 Robotaxi 在全球落地运营，正式拉开美国新一轮无人驾驶商业化竞赛的序幕。   随着特斯拉 Robotaxi 推进，美国的 Robotaxi 走向量产的关键阶段，平台方、造车方与自动驾驶方案提供者之间的角色定位与协同逻辑。  在对比特斯拉与 Waymo 的技术路径后，Uber 对感知方案的选择更显谨慎与现实..." datetime: "2025-07-23T03:57:47.000Z" locales: - [en](https://longbridge.com/en/topics/32118938.md) - [zh-CN](https://longbridge.com/zh-CN/topics/32118938.md) - [zh-HK](https://longbridge.com/zh-HK/topics/32118938.md) author: "[芝能-烟烟](https://longbridge.com/zh-CN/profiles/11273666.md)" --- # Uber 豪赌 Robotaxi：从 Lucid、Nuro 到萝卜快跑 ​​![图片](https://imageproxy.pbkrs.com/https://wx1.sinaimg.cn/mw1024/64f0c940ly4i3nt2jtnv6j20qa052jrx.jpg) 芝能科技出品 Uber 与 Lucid 和 Nuro 联合投资超过 3 亿美元，共同推进 2 万辆 L4 级Robotaxi在全球落地运营，正式拉开美国新一轮无人驾驶商业化竞赛的序幕。 随着特斯拉 Robotaxi 推进，美国的 Robotaxi 走向量产的关键阶段，平台方、造车方与自动驾驶方案提供者之间的角色定位与协同逻辑。   在对比特斯拉与Waymo的技术路径后，Uber 对感知方案的选择更显谨慎与现实，而其同时联手中国萝卜快跑，小马智行和文远，是完全把中国的玩家都收入囊中了。 ![图片](https://imageproxy.pbkrs.com/https://wx1.sinaimg.cn/mw1024/64f0c940ly4i3nt2mst0pj20u0140di0.jpg) **01**  **L4 级 Robotaxi 系统架构：** **从车辆平台到感知硬件的全链路集成**   本次由 Uber 主导的 Robotaxi 项目，涉及 Lucid 的电动 SUV Gravity 平台、Nuro 提供的 L4 级自动驾驶系统，以及 Uber 的车队运营和调度网络。 ◎ 核心车辆平台为 Lucid Gravity，在其现有高性能电动架构基础上，通过区域控制架构与冗余底盘系统，为 L4 级别无人驾驶预留足够算力、电源与信号路径资源。 Lucid 的车型采用 800V 高压平台，具备较高的电子电气带宽，同时原厂车辆已具备冗余转向、制动和动力系统，这为高阶自动驾驶软硬件的接入奠定基础。 相比传统车辆后装改造，基于整车架构预设的 “Robotaxi-ready” 方案，在热管理、布线与控制器部署上更为高效，能降低系统复杂度与能耗，并提升后期维护性。   ◎ 自动驾驶系统方面，Nuro 在这次合作中提供其最新的 L4 级解决方案。   根据披露，该方案基于激光雷达主导的多传感器感知体系，搭配英伟达 Thor 中央计算平台。系统部署至少 4 颗激光雷达、多个 8M 摄像头、毫米波雷达与超声波传感器，实现覆盖全天候与全场景的 360 度无盲区感知能力。 Thor 平台提供超 1000 TOPS 的 AI 算力，并支持多任务并行处理，包括语义分割、路径预测、传感器融合与决策控制。Nuro 此次部署的软件栈为其从无人配送业务中提炼出的中立化 L4 软件平台，在低速封闭环境中已有商用验证，现阶段正在扩展至开放道路场景。 为确保系统安全性，整车采用三重冗余机制——主控系统失效时可自动切换至备份通道，刹车与转向控制单元均为双控设计，另配备独立通信总线防止 CAN 网络冲突。   这样的设计虽然提升了成本，但对于 Robotaxi 这种无人值守、完全依赖系统决策的运营场景而言，冗余与稳定性是比功能复杂性更优先的考虑因素。   从技术角度来看，Uber 联合 Lucid 与 Nuro 打造的 L4 级 Robotaxi，不再是单纯堆叠传感器与算法的方案，而是从底层车辆架构、系统冗余、感知算力到平台调度的全栈整合。 ◎ Lucid 提供的高压平台与区域控制器设计，为硬件开放留足空间；   ◎ Nuro 提供的多传感器融合与冗余控制系统，则凸显安全性优先； ◎ Uber 则负责将这套复杂体系嵌入城市级运营网络中，为全球落地打基础。 **02**  **技术路径的分歧与验证：** **为何 Uber 偏向融合方案？** Uber 的战略落点并非自建系统，而是选择已有验证能力的方案方联合开发。   在 Robotaxi 市场日益喧嚣的背景下，这种 “平台 + 外部技术集成” 的方式，能够加快落地节奏，也能降低前期研发风险。而 Uber 同时选择 Nuro 与百度萝卜快跑的合作案例，也说明了其在关键技术路径选择上的倾向。 当今 Robotaxi 的感知技术大体可分为两派：   ◎ 一派为以特斯拉为代表的纯视觉方案，强调成本可控与高度集成； ◎ 另一派则是 Waymo、萝卜快跑等坚持激光雷达 + 摄像头 + 毫米波雷达等多模态融合方案，强调系统鲁棒性与安全冗余。   从美国加州车管局发布的数据看，Waymo 使用融合方案的人工接管率远低于特斯拉的纯视觉方案。尤其在夜间、恶劣天气及复杂道路条件下，激光雷达的可靠性、识别准确率都更为突出。 例如在夜间识别行人场景中，激光雷达识别率可达 98.5%，而纯视觉仅为 82.3%。 萝卜快跑的Apollo RT6为典型代表，其采用四颗 128 线激光雷达，扫描距离达 200 米，点云密度超每秒 153 万点，配合 12 颗 800 万像素摄像头、5 个毫米波雷达和 12 个超声波雷达，构建了 5 层 360 度全景感知系统。 这种多冗余感知架构，虽然成本更高，但能显著提升 L4 级自动驾驶在复杂城市道路、突发场景（如施工区域、临时交通改道）中的应对能力。   萝卜快跑还叠加了大模型能力，其 Apollo ADFM 模型具备针对动态交通环境的意图识别、行为预测与路径协同能力，进一步增强 Robotaxi 的适应性。这种结合传统感知堆栈与 AI 大模型的新型结构，也正在成为行业探索的新趋势。 Uber 之所以选择与 Nuro、萝卜快跑等坚持融合路线的方案方合作，核心在于当前技术阶段，纯视觉方案仍存在在极端工况下可靠性不足的问题。 激光雷达主导的多模态感知尽管成本更高，但安全边界更明确、系统容错更强，特别适合大规模 Robotaxi 的部署。同时，这些方案已有多城市、多气候带落地运营的经验，对于 Uber 构建全球运营网络提供了可复制样本。   **小结**   Uber 一波操作，汇集了全球的玩家，围绕单车智能水平，平台、硬件、软件三方深度协同的综合博弈。 从底层电子架构到感知堆栈、再到运营调度，Uber 构建了一套以稳定性与安全性优先的 Robotaxi 部署体系。中国在高阶自动驾驶领域的工程能力、系统集成度与运营成熟度正被主流平台认可。​​​​ ### 相关股票 - [UBER.US](https://longbridge.com/zh-CN/quote/UBER.US.md) - [NURO.US](https://longbridge.com/zh-CN/quote/NURO.US.md) - [LCID.US](https://longbridge.com/zh-CN/quote/LCID.US.md)