作者 | 周智宇
編輯 | 張曉玲
2025 年，全球智駕行業正經歷一場範式轉移。過去十年，自動駕駛是實驗室裏的代碼遊戲，是靠 Demo 和 PPT 堆砌的幻夢；而現在，這門生意正式從虛空墜入實地，開始在財務報表上硬碰硬。
當曾經光環滿身的 L4 獨角獸因無法跨越規模生死線而陷入停擺，先行者們已經悄然扣響了盈利的大門。2025 年二季度，百度蘿蔔快跑在武漢實現收支平衡；11 月，小馬智行宣佈其第七代 Robotaxi 在廣州實現單位經濟模型（UE）轉正。
小馬智行聯合創始人、CFO 王皓俊在近期的採訪中對華爾街見聞表示，能夠在廣州實現 UE 轉正，意味着小馬智行在規模上量的過程中，逐漸打磨出一個標準的運營流程，能夠賦能給小馬智行的合作伙伴。
王皓俊認為，前幾年 Robotaxi 的商業化還更多處於 0 到 1 的階段，現在已經逐漸進入到了一個 1 到 100、1 到 1000 的階段。
一張清晰的商業化時間表已經浮出水面：從 2025 年底衝擊千輛級車隊，2026 年提升至 3000 輛，到 2030 年邁向 10 萬輛規模，Robotaxi 將成為人們日常生活的一部分。
這意味着，Robotaxi 的競爭主戰場已經轉移。當單車硬件成本下探至 25 萬人民幣的生死線，一場關於利潤的新競賽已然啓幕，與此同時，則是 AI 正以一種不可逆轉的態勢，重塑着物理世界的運行規則。
<h2>商業閉環</h2>
在廣州實現單位經濟模型（UE）轉正，意味着小馬智行能夠在區域市場上實現商業閉環。這是從 “實驗室研發” 向 “商業閉環” 的驚險一跳。
所謂 UE 轉正，是指在剔除總研發投入後，每一輛在街頭奔跑的車，其收入已能蓋住硬件折舊與運營開支。
在過去，Robotaxi 曾是一個讓投資人頭疼的 “焚鈔爐”，每一輛在街上跑的測試車都揹負着天價的改造費和運營虧損，這種 “投得越多虧得越多” 的邏輯曾是行業揮之不去的陰影。
但王皓俊賬本里的數字表明，拐點已至。小馬智行第七代 Robotaxi 在廣州實現日均 23 單，日均營收約為 299 元。
按照行業常態化運營的對標，當日均單量達到 24 單時，用户端和營收端便能形成極佳的正向循環，而 299 元這一數字，已經足以蓋過包含硬件折舊和所有運營成本在內的支出。
能把賬算平，靠的是對成本的把控以及運營能力的持續優化。
相比第六代，小馬第七代車的自動駕駛套件 BOM 成本驟降 70%。馬徹底摒棄了傳統 Robotaxi 使用的、動輒數萬元且功耗驚人的工控機（IPC），轉而大規模應用了其自研的、基於 4 顆英偉達 Orin X 車規級 SoC 芯片的域控制器，成為業內首個實現此類方案規模化落地的 L4 級玩家。
通過利用中國本土 L2+ 量產車的規模效應，小馬將激光雷達成本壓低了 68%。第七代車不再依賴昂貴的定製化機械式雷達，而是選用瞭如禾賽 AT128 等已進入大規模量產週期的車規級固態雷達。全車 34 個傳感器實現了 100% 車規級零部件。
與此同時是算法的持續優化。王皓俊透露，軟件層面的優化讓系統在面對傳感器 “噪點” 時的處理能力提升了 30 倍。這意味着，小馬可以用更便宜、更標準的硬件，跑出比上一代更安全、更絲滑的表現。
除了硬件，運營費用的每一分錢也要精打細算。王皓俊告訴華爾街見聞，憑藉遠超人類司機的安全記錄，其 Robotaxi 的商保年費比傳統出租車低了整整 50%，這本質上是保險公司用現金為 AI 司機的安全性投下的贊成票。
在遠程協助端，人效槓桿也在提升：目前遠程協助員與車輛的比值已達到 1:20，並計劃在年底前壓向 1:30。而地面維護則通過數字化工單系統實現了標準化，車輛回場後的清潔、保養由支持人員批量處理，也是一個人實現近 20 輛車的維保。
正是有了這一系列的成本的壓降，才讓小馬智行在廣州實現 UE 轉正。王皓俊表示，這也讓小馬智行有信心去投放更多車輛，進一步通過網絡效應，帶來財報上的增長。
王皓俊認為，從全球市場來看，眼下最值得看的是中東市場。隨着該市場進入示範運營階段，中東會成為產生可持續收入的市場。
跑通樣板的同時，小馬也在從重資產轉向輕資產。王皓俊直言，公司不能死磕自營，因為持有 10 萬台車輛所需的資本支出（CAPEX）對任何初創公司來説都是 “財務自殺”。
於是，小馬構建了一個 “利益均沾” 的價值鏈：主機廠生產車輛，資產公司如西湖集團、陽光出行購買並持有，流量平台如高德、如祺負責訂單分發，小馬則輸出核心的 “AI 司機” 大腦。
在這種模式下，小馬的收入轉變為銷售收入、技術授權費（License）以及每筆訂單的服務分成。這標誌着小馬正式從重資產探險者轉變為生態賦能者。其目標直指 2026 年車隊擴容至 3000 台的全新規模。
<h2>行業混戰</h2>
2025 年的 Robotaxi 賽道，已然成為一場由科技巨頭、出行平台與主機廠共同捲入的行業亂戰。在這個萬億級的賭桌上，所有人都在通過結盟、降維打擊與生態重組搶奪決賽圈的入場券。
Waymo 代表了美國式的 “工程完美主義” 高地。新一輪 150 億美元的募資計劃，將這個先行者的估值推向了千億美元關口。
Waymo 追求的是極致的冗餘與標準化方案，其周訂單突破 45 萬單、2025 年至今出行量超 1400 萬次的戰報，向資本市場證明了 “長期現金流” 敍事的可行性，但這種模式也伴隨着沉重的財務包袱。
王皓俊指出，Waymo 即將投放的新車型成本依然是中國同類車型的 4 到 5 倍以上。這種重資產打法雖然構築了技術壁壘，卻也為具備強大供應鏈韌性的中國玩家留下了性價比突襲的窗口。
特斯拉的 Robotaxi 也在加速落地。馬斯克在奧斯汀正式去掉安全員，試圖通過極低成本的純視覺方案與 100 萬輛規模的野心，徹底重塑物理世界的調度規則。特斯拉之所以敢入場，本質上也是在雲端訓練框架上轉向了強化學習和生成式數據的陣營。
甚至連一度退出自研大腦的 Uber，也迴歸了 “神經網絡” 調度平台的角色，與 Waymo、文遠知行、小馬智行等多方建立合作。這種 “主機廠 + 技術商 + 平台” 的三位一體協作網絡，正在對孤立的技術公司形成包圍之勢。
國內新入者的 “圍獵” 正日趨激烈。小鵬汽車宣佈 2026 年量產三款無需激光雷達的純視覺 Robotaxi，並採用第二代 VLA+VLM 技術在廣州等地開啓運營。哈囉則聯手東風啓辰與地平線，試圖在 2027 年鋪開 5 萬輛規模。
一旁，百度蘿蔔快跑周訂單已超 25 萬單，累計服務單量突破 1700 萬次。
而曹操出行、享道出行等玩家通過與千里科技、Momenta 深度跨界，也在快速切入一線城市的核心區運營。
這一輪混戰標誌着行業邏輯的徹底質變：Robotaxi 已經從單純的 “黑科技” 演變為一場資本、供應鏈與運營人效的綜合肉搏戰。
這也是汽車行業進入智能化下半場的側寫。瑞銀投資銀行中國汽車行業研究主管鞏旻分析稱，當下 Robotaxi 的車價可以壓縮到 30 萬元以內，頭部公司也實現千輛的規模，並逐漸開始能夠在一定區域內單車層面扭虧為盈。
產業化以及優秀的成本控制所產生的新技術，正逐漸變得人人可負擔。
技術公司如果不能迅速與主機廠、平台達成深度捆綁，就會在數據和資金的雙重枯竭中慢慢萎縮。最終，這不再是關於誰的算法更優美的工程師競賽，而是關於誰能率先佔領城市物理空間、實現百萬級真實運力調度的權力爭奪。
<h2>體系競賽</h2>
Robotaxi 的萬億市場，沒有人會想錯過。尤其是技術已然到了臨界點之後，就會有超速的發展，甚至是一夜間快速普及。
鞏旻向華爾街見聞分析，到 2030 年，如果在中國一線城市部分部署，Robotaxi 市場規模為 80 億美元，如果在中國實現全國部署，可達到 1830 億美元，如果計入除美國以外的海外市場，則為 3940 億美元。
只是當技術跨越了可行性門檻，算法便不再是唯一的王牌。Robotaxi 正無可爭議地進入了以運營效率為核心的 “下半場”。
為什麼運營變得如此重要？瑞銀研報預測，隨着硬件成本下降，運營費用（維保、保險、補能）在單車成本結構中的佔比將從目前的 48% 左右升至 55%。這意味着，未來真正的競爭主導權，正從寫代碼的工程師手中，移交給那些最懂城市調度的構建者。
規模效應的 “黃金節點” 被定在 10 萬台。王皓俊預判，到 2030 年，小馬的目標是 10 萬輛規模，這對應了中國一線城市出行市場 5%~10% 的份額。達到這一閾值後，強大的網絡效應會產生質變，無論是用户接受度，還是規模繼續往上走，會有更大的變化。
為了迎接這一時刻，頭部玩家正在堅決摒棄 “模仿學習” 的死衚衕。王皓俊強調，L4 的使命是比人類安全 10 倍，這必須依靠強化學習和生成式的 “世界模型”。這種算法不僅是為了開好車，更是為了訓練一個具備思維鏈（COT）和邏輯推理能力的通用 AI 大腦。
從更宏大的敍事視角來看，智駕公司在車輪上打響的，其實是 AGI（通用人工智能）的先哨戰。今天的智能汽車，本質上就是長了四個輪子的機器人。地平線的 “直覺系統” 旨在讓 AI 擁有類人的直覺，而元戎啓行的 VLA 模型則賦予了機器理解路牌、推理複雜潮汐車道的能力。
他們殊途同歸地指向了同一個終局：讓 AI 像生物一樣，通過對物理規則的深度理解而非單純的指令執行，去感知並博弈交互。
Robotaxi 是 AGI 在真實世界中規模最大、實時性最高、容錯率最低的實戰演習場。在這個 “絞肉機” 裏淬鍊出的邏輯推理能力與博弈算法，最終都將複用至更廣闊的具身智能領域。搶佔了 Robotaxi 的高地，就意味着拿到了重塑物理世界智能規則的終極船票。
在這場關乎生存主權的殘酷較量中，握住破局之鑰的，註定是那些既能深刻理解產業縱深、又具備極致運營效率的生態構建者。眼下，變革已然開始。
 
以下為華爾街見聞與王皓俊對話實錄（經編輯）：
問：小馬智行為什麼要當下選擇推行 “輕資產模式”？收入分成怎麼算？
王皓俊： 這其實還要回到 L4 和 L2+ 的差別，當你是一個 L2+ 產品的時候，提供的是部分駕駛的功能，就功能本身來説，它到底有多大價值，其實不同用户有不同的想法。但是對於 L4 來看，我提供的是一個完整的駕駛功能，也就是説把開車的活給幹了。
我們預計在 L4 領域， License（許可）也好，分成也好，這部分 recurring（反覆發生）非常重要。而我覺得這個本身一定是會有。
隨着當下 UE 轉正，會有更多企業願意來做這個事情。這個過程中，我們關注的一點是，能不能通過一個更有效的資本運作方式，用更少的資本能夠投放更多的車。我們也意識到，傳統意義上有很多的運營公司就是重資產的。對於它來説，因為它歷史上就是重資產的。這個新的商業模式不是對它的破壞，而是對它比較好的延伸。
至於説分成，現在還是在早期探索階段，從小馬智行的經濟利益上來看，脱離不了車輛銷售收入、技術授權（License）費、以及服務營收分成這三塊。
問：目前業內關於 L3 與 L4 的界限討論很多，您認為未來會是一個怎樣的演進趨勢？
王皓俊： L3 很難像 L4 那樣提供服務。L3 到最後還是需要人類司機，只要人類司機在那兒，跑 Robotaxi 的人力成本就省不掉，UE（單車經濟）就不可能轉正。 
L3 本身確實提供了一個私家車再往上走，能體現智能化進展的思路。L3 如果成功，那麼未來可能在 Robotaxi 成功的基礎上，會有更多人願意接受包含 L4 功能的私家車。
問：小馬未來會做面向消費市場的 L4 嗎？
王皓俊：商業上永遠不會説不可能，但是目前來看，對我們來説還太早了。
問：小馬智行在海外市場的佈局邏輯是怎樣的？哪些地區是重點？
王皓俊： 海外和國內 Robotaxi 容量還是在兩個不同的量級，我預期明年海外允許示範運營的總量，大概是小几百輛。
海外市場目前處於早期拓展階段，沒有到真正商業化起步階段。至少要有千輛的規模才有商業化的機會。Robotaxi 是強監管行業，必須在當地積累里程。因此在海外的佈局都需要前置去做，先把安全記錄做好。
地區上來説，中國和美國是最大的市場，其次就是歐盟。此外，包括日本、韓國、澳大利亞這些人力成本高、出行需求高的國家也是優先選擇。
中東市場非常獨特。雖然出行需求不是最大，但有自上而下的政策意志，歡迎高科技落地，政策推動力最強，明年可能就能進入示範運營階段。
在進軍海外市場的過程中，很重要的一個點是我們能不能找到當地的好的合作伙伴。在海外市場小馬智行不會説一個個去做垂直運營，但是可以賦能給當地有資源、有意願的合作伙伴，走輕資產的模式。
問：Robotaxi 盈利近在眼前，小馬智行是否會以行業首個實現盈利的企業作為目標？
王皓俊：這一塊不是我現在首要考慮的。在我看來，我們今天做到的是 UE 轉正，UE 轉正之後，我確實有更大的信心去投放更多的車。但是你問我下一個增長目標，我覺得更重要的是量，是增長本身，而不是 Breakeven（收支平衡）本身。
問：最近關於無人駕駛技術路線方面的討論很多，你對 VLA、世界模型這兩個模型的走向和優劣怎麼看？
王皓俊： 對小馬智行來説，車端包括 BEV 也好，包括端到端，其實 VLA 本身可以作為一條線。另外一條線就是關於世界模型，它本身是強化學習和模仿學習本身不同的思路。
小馬智行從兩到三年前就開始説，小馬智行認為非常重要的一點就是在雲端的訓練框架上，作為 L4 的要求非常明確，安全性實際上是要比人類司機高很多的，只有當安全性上達到高很多的能力以上，監管才會允許你進入到一個示範運營的階段。
因為有這個要求，我們認為模仿學習本身是不 work 的，所以需要強化學習，只有通過強化學習，才能使得某一方面的性能能夠比人類司機要厲害很多。
這就是為什麼我們五六年前就轉到強化學習作為訓練框架，這和當下説的世界模型一脈相承。從 L4 或者是 Robotaxi 的安全性要求來看，最重要的一塊就是世界模型，或者是強化學習。
問：如何看待車企（如特斯拉、小鵬）進入 L4 賽道？
王皓俊： 更多玩家進來是好事，説明大家看好這個行業，商業化即將來臨。
但 L4 最關鍵的是安全性，最近馬斯克自己也承認 FSD 現在有兩個版本，一個 FSD for Robotaxi，一個 FSD for Model Y，意味着他原來的想法，同樣一套東西，從 L2+ FSD 就變成 L4 的能力這個是不成立的。小鵬也要做相同的考慮。
此外，L4 是強監管行業，即便車企在 L2+ 有很多安全記錄，但這並不能直接幫助拿 L4 牌照。監管要求的是 L4 系統本身積累的里程。新玩家需要重新花時間、花資本去積累 L4 里程來證明安全性，這給小馬智行留下了窗口期。
問：車企講的比較多的是數據優勢，這塊會是小馬智行的短板麼？
王皓俊：如果還是講數據的優勢，意味着他還是在走模仿學習，就是拿更多的數據從實際的道路基礎上來做模仿。從 L2+ 的角度來説，這沒問題，因為 L2+ 的最終目標就是開得像一個人類司機，而能力上限能類似一個人類司機，這就是一個好產品。
但 L4 的話，模仿學習本身不奏效。關鍵是有沒有一個好的生成式數據的架構。

小馬智行-W

小馬智行

- 小馬智行在廣州實現單位經濟模型（UE）轉正，標誌着商業閉環形成。  
- 整體行業競爭加劇，各大玩家快速入場爭奪市場份額。  
- 未來增速和運營效率將是 Robotaxi 成功的關鍵。

對話小馬智行王皓俊：Robotaxi 正進入 1 到 1000 的階段