Uber 豪賭 Robotaxi：從 Lucid、Nuro 到蘿蔔快跑

芝能科技出品

Uber 與 Lucid 和 Nuro 聯合投資超過 3 億美元，共同推進 2 萬輛 L4 級Robotaxi在全球落地運營，正式拉開美國新一輪無人駕駛商業化競賽的序幕。

隨着特斯拉 Robotaxi 推進，美國的 Robotaxi 走向量產的關鍵階段，平台方、造車方與自動駕駛方案提供者之間的角色定位與協同邏輯。

在對比特斯拉與Waymo的技術路徑後，Uber 對感知方案的選擇更顯謹慎與現實，而其同時聯手中國蘿蔔快跑，小馬智行和文遠，是完全把中國的玩家都收入囊中了。

L4 級 Robotaxi 系統架構：

從車輛平台到感知硬件的全鏈路集成

本次由 Uber 主導的 Robotaxi 項目，涉及 Lucid 的電動 SUV Gravity 平台、Nuro 提供的 L4 級自動駕駛系統，以及 Uber 的車隊運營和調度網絡。

◎ 核心車輛平台為 Lucid Gravity，在其現有高性能電動架構基礎上，通過區域控制架構與冗餘底盤系統，為 L4 級別無人駕駛預留足夠算力、電源與信號路徑資源。

Lucid 的車型採用 800V 高壓平台，具備較高的電子電氣帶寬，同時原廠車輛已具備冗餘轉向、制動和動力系統，這為高階自動駕駛軟硬件的接入奠定基礎。

相比傳統車輛後裝改造，基於整車架構預設的 “Robotaxi-ready” 方案，在熱管理、佈線與控制器部署上更為高效，能降低系統複雜度與能耗，並提升後期維護性。

◎ 自動駕駛系統方面，Nuro 在這次合作中提供其最新的 L4 級解決方案。

根據披露，該方案基於激光雷達主導的多傳感器感知體系，搭配英偉達 Thor 中央計算平台。系統部署至少 4 顆激光雷達、多個 8M 攝像頭、毫米波雷達與超聲波傳感器，實現覆蓋全天候與全場景的 360 度無盲區感知能力。

Thor 平台提供超 1000 TOPS 的 AI 算力，並支持多任務並行處理，包括語義分割、路徑預測、傳感器融合與決策控制。Nuro 此次部署的軟件棧為其從無人配送業務中提煉出的中立化 L4 軟件平台，在低速封閉環境中已有商用驗證，現階段正在擴展至開放道路場景。

為確保系統安全性，整車採用三重冗餘機制——主控系統失效時可自動切換至備份通道，剎車與轉向控制單元均為雙控設計，另配備獨立通信總線防止 CAN 網絡衝突。

這樣的設計雖然提升了成本，但對於 Robotaxi 這種無人值守、完全依賴系統決策的運營場景而言，冗餘與穩定性是比功能複雜性更優先的考慮因素。

從技術角度來看，Uber 聯合 Lucid 與 Nuro 打造的 L4 級 Robotaxi，不再是單純堆疊傳感器與算法的方案，而是從底層車輛架構、系統冗餘、感知算力到平台調度的全棧整合。

◎ Lucid 提供的高壓平台與區域控制器設計，為硬件開放留足空間；

◎ Nuro 提供的多傳感器融合與冗餘控制系統，則凸顯安全性優先；

◎ Uber 則負責將這套複雜體系嵌入城市級運營網絡中，為全球落地打基礎。

技術路徑的分歧與驗證：

為何 Uber 偏向融合方案？

Uber 的戰略落點並非自建系統，而是選擇已有驗證能力的方案方聯合開發。

在 Robotaxi 市場日益喧囂的背景下，這種 “平台 + 外部技術集成” 的方式，能夠加快落地節奏，也能降低前期研發風險。而 Uber 同時選擇 Nuro 與百度蘿蔔快跑的合作案例，也説明了其在關鍵技術路徑選擇上的傾向。

當今 Robotaxi 的感知技術大體可分為兩派：

◎ 一派為以特斯拉為代表的純視覺方案，強調成本可控與高度集成；

◎ 另一派則是 Waymo、蘿蔔快跑等堅持激光雷達 + 攝像頭 + 毫米波雷達等多模態融合方案，強調系統魯棒性與安全冗餘。

從美國加州車管局發佈的數據看，Waymo 使用融合方案的人工接管率遠低於特斯拉的純視覺方案。尤其在夜間、惡劣天氣及複雜道路條件下，激光雷達的可靠性、識別準確率都更為突出。

例如在夜間識別行人場景中，激光雷達識別率可達 98.5%，而純視覺僅為 82.3%。

蘿蔔快跑的Apollo RT6為典型代表，其採用四顆 128 線激光雷達，掃描距離達 200 米，點雲密度超每秒 153 萬點，配合 12 顆 800 萬像素攝像頭、5 個毫米波雷達和 12 個超聲波雷達，構建了 5 層 360 度全景感知系統。

這種多冗餘感知架構，雖然成本更高，但能顯著提升 L4 級自動駕駛在複雜城市道路、突發場景（如施工區域、臨時交通改道）中的應對能力。

蘿蔔快跑還疊加了大模型能力，其 Apollo ADFM 模型具備針對動態交通環境的意圖識別、行為預測與路徑協同能力，進一步增強 Robotaxi 的適應性。這種結合傳統感知堆棧與 AI 大模型的新型結構，也正在成為行業探索的新趨勢。

Uber 之所以選擇與 Nuro、蘿蔔快跑等堅持融合路線的方案方合作，核心在於當前技術階段，純視覺方案仍存在在極端工況下可靠性不足的問題。

激光雷達主導的多模態感知儘管成本更高，但安全邊界更明確、系統容錯更強，特別適合大規模 Robotaxi 的部署。同時，這些方案已有多城市、多氣候帶落地運營的經驗，對於 Uber 構建全球運營網絡提供了可複製樣本。

小結

Uber 一波操作，彙集了全球的玩家，圍繞單車智能水平，平台、硬件、軟件三方深度協同的綜合博弈。

從底層電子架構到感知堆棧、再到運營調度，Uber 構建了一套以穩定性與安全性優先的 Robotaxi 部署體系。中國在高階自動駕駛領域的工程能力、系統集成度與運營成熟度正被主流平台認可。