“目标今年下半年正式运营，优先单城大规模投放Robotaxi。”
作者丨田哲
编辑丨李雨晨
“许多网约车公司没真正做过Robotaxi，不了解落地有多难，自然会提出激进的目标。”
几个月前，一位头部自动驾驶公司高管评价近两年陆续下场Robotaxi的出行平台。
哈啰，就是他口中的其中一家。
2025年，哈啰宣布联合蚂蚁集团、宁德时代成立造父智能，正式进入Robotaxi赛道，并给出了一个让行业颇感意外的目标：2027年部署1万辆Robotaxi。
彼时，行业竞争进入盈利比拼。小马智行宣布Robotaxi实现单城盈利，文远知行、萝卜快跑陆续进入海外市场，Waymo则仍在不断扩大车队规模。相比这些已经跑了近十年的公司，2025年才入局的哈啰，更像一个后来者。
哈啰Robotaxi联合创始人、CTO于乾坤博士看来，2025年并不晚，反而是最后一个适合进入Robotaxi的窗口。
他判断，如果今天再从零开始搭建自动驾驶技术、数据体系和运营能力，已经很难建立优势；而2025年，产业链已经成熟，技术路线开始收敛，反而给后来者留下了一次重新洗牌的机会。
于乾坤博士坦言，哈啰在规模化落地进程中仍有持续精进的空间，需要积累的仍是数据规模和多元场景。
哈啰Robotaxi从一开始便放弃规则驱动路线，降低对高精地图的依赖，直接采用端到端架构，并将AI Coding引入研发，希望用新的技术栈缩短追赶时间。
对哈啰Robotaxi来说，进入第一梯队并不只是意味着拥有更多数量的Robotaxi。
于乾坤告诉雷峰网，团队内部真正关注的是自动驾驶能力本身，MPI（平均人工接管间隔里程）至少达到数千公里甚至上万公里，MPCI（碰撞相关人工接管间隔里程）达到十万公里量级，同时保证车辆舒适性和通行效率，才算真正进入行业第一梯队。
今年7月24日，哈啰与东风日产启辰联合发布首款前装量产Robotaxi HR1，首批车辆将在广州、深圳投入常态化运营，并计划于2026年至2027年拓展至全国10座以上城市。
哈啰Robotaxi HR1
从首款量产车落地，一年部署1万辆，构成当前Robotaxi领域极具雄心的规模化路径。
当我们问于乾坤，这个目标究竟建立在什么基础之上时，他给出的答案是前装量产体系、端到端技术路线，以及成熟的网格化运营能力。
在他看来，前装决定交付能力，端到端决定开城效率，而成熟的网格化运营能力决定车辆真正跑起来的能力。
“基于这些基础条件，我们认为，这个目标具备实现基础。”
以下内容是雷峰网等媒体与哈啰Robotaxi联合创始人&CTO于乾坤的对话，内容经编辑：
01
Robotaxi入场窗口已经关闭，
技术不是最深的护城河
Q：哈啰2025年宣布做Robotaxi，同年部分自动驾驶公司已经实现单城盈利，越来越多玩家正布局Robotaxi。现在还是进入这一行业的好时机吗？
于乾坤：要看以什么方式进入。我们去年进入，我认为那可能是最后一个比较合适的窗口。如果今天才从零搭建自动驾驶技术和运营体系，时机已经偏晚。
但Robotaxi对应的是一个很大的出行市场，不同类型的参与者机会并不一样。像我们这样同时做自动驾驶技术、掌握出行运营服务能力的公司，仍然是合适的时机。
比如一家出租车公司已经在广州拥有5000张网约车牌照，在人力车的基础上再用Robotaxi去做运力补充，一切就刚刚好。因为它已经具备现成的牌照、车辆和运营资源。
芯片、传感器和整车等产业链公司也还有机会。随着Robotaxi规模化，相关需求会持续增长。
真正偏晚的，是现在才从零积累自动驾驶技术。这需要大量数据、算力和人才，还要完成测试、硬件设计和运营准备。现在行业技术路线已经逐渐收敛，头部公司也跑得比较靠前，后来者很难建立明显优势。
当然，如果背后有巨头支持，资金和资源足够充足，仍然可以进入。否则，单纯以技术公司或Robotaxi运营平台的身份入场，已经比较晚了。
Q：相比小马智行、文远知行和百度等已经积累近十年的公司，哈啰进入Robotaxi行业更晚。哪些能力需要尽快补齐？后来者又有哪些优势？
于乾坤：我们目前需要积累的是数据规模和场景丰富度，这是客观现实。但后发也有好处，很多坑可以不再踩一遍。
比如技术路线，我们一开始就放弃了规则驱动，因为这种方式很难真正走向规模化。同时尽量降低对高精地图的依赖，很多场景直接使用普通导航地图。这样进入新城市时，成本和适配压力都会更小。
硬件上，我们也可以直接采用更成熟、适合量产的新方案。比如使用固态激光雷达、车规级芯片和车规级域控制器，整车算力达到2000 TOPS。后备箱里没有大工控机，整个方案从一开始就是按照量产标准设计的，后面不用再走回头路。
更核心的差异还是端到端路线。端到端依赖高质量数据和自动标注，所以我们从一开始就把数据闭环作为核心基础设施。目前数据标注精度可以做到0.1度，包括OCC在内的流程也能实现高度自动化，既提高效率，也降低成本。
因此，作为后来者，我们可以吸收前面公司的经验，直接采用更新的技术架构、硬件方案和数据闭环体系。当然，在历史数据、测试案例和人才储备上还需积累，但随着车队规模和运营里程增长，这些差距会逐步补上。
Q：对于布局更早、车队规模更大的第一梯队，它们最大的优势是什么？哈啰还有哪些后发优势？
于乾坤：第一梯队的优势要分维度看。单纯的车队规模并不是很难突破，政策和运营环境变化都可能让规模迅速调整，后来者也有机会追上。
真正难补的是数据和场景积累。头部公司经过多年运营，积累了大量真实数据和长尾Case，这部分短期内很难追平。但本质上仍是时间问题，随着车队规模和运营里程增长，后来者的数据积累也会加快。
技术本身反而越来越难成为长期壁垒。新的模型和算法不断出现，开源生态也在加速技术扩散。尤其AI Coding普及后，编程、方案调研和知识获取的门槛都在下降。真正有难度的，是持续提出新的模型架构，而不是跟随现有技术。
我认为，未来行业更重要的壁垒主要有三类。
第一是牌照资源。城市道路容量有限，共享单车和网约车都已经出现额度和牌照管理。未来Robotaxi规模扩大后，牌照也可能成为稀缺资源。只是目前行业体量还小，这个壁垒尚未充分体现。
第二是运营体系，包括危机处理、现场响应、地勤运维，以及如何以更低成本完成这些工作。比如通过调度提高车辆利用率，通过精细化管理降低人力成本，再通过自动化系统监测车辆状态。车辆爆胎后能否自动识别并及时处理，背后考验的都是长期运营能力。
第三仍是自动驾驶的数据和场景积累。后来者最终可以追上，但领先者也会继续向前。因此，真正的竞争力不是领先一次，而是利用先发优势持续积累数据和场景，在别人追赶时始终保持一定距离。
Q：过去一年，L2辅助驾驶体验进步很快。L2玩家升级到L4，是否存在一道很难跨越的门槛？未来双方会在同一条赛道竞争吗？
于乾坤：我主要谈L2和L4的关系。两者最大的区别，其实来自产品定义，而不只是技术。
L2、L2+被定义为驾驶辅助，第一责任人始终是驾驶员。既然定位是辅助驾驶，技术开发就不会完全按照无人驾驶的标准来做。比如功能安全、极端场景处理等能力，出现问题时可以由驾驶员接管，没有必要全部做到L4水平。
从用户需求看，L2系统也缺乏追求极高MPI和MPCI的动力。对普通用户来说，接管间隔是50公里还是100公里，感知并不明显。很多通勤和高速场景，ACC加车道保持已经能覆盖大部分需求。
商业模式也是一样。很多L2供应商的客户是主机厂，而不是终端乘客。只要主机厂没有提出几万公里、几十万公里MPCI的要求，也不愿意为此支付更高成本，供应商就缺乏持续投入L4的动力。
所以，L2和L4在技术上有共通之处，但驱动力完全不同。这并不意味着L2不能升级到L4，特斯拉就是一个例子。它在决定转向L4后，把研发重心整体切到无人驾驶和功能安全，再用L4能力反哺L2，而不是长期维护两套体系。
因此，从L2走向L4并非做不到，但需要很强的战略决心。企业必须把研发体系真正切到L4方向。对于主要向主机厂提供配套方案的公司来说，这种转型会更难。
Q：不少L2供应商现在也开始布局L4，是出于资本市场的考虑吗？
于乾坤：这里面既有商业现实，也有战略选择。
L4短期内很难贡献营收，很多公司因此既要收入和利润，又希望保留未来的想象空间。但真正困难的地方，也恰恰在这里。
前段时间梁文锋接受了一次长访谈，其中有个观点我很认同：企业一定要克制、聚焦。很多事情都可以做，但首先要想清楚，自己真正想要的商业模式和核心主线是什么。
对自动驾驶公司来说也是一样。你究竟是面向主机厂提供配套方案的供应商，还是坚定做L4、提供自动驾驶服务的软件公司？这是两条完全不同的路。
如果战略不坚定，很容易变成既想讲L4故事，又想保住L2营收，还要兼顾利润。我认为，这种“既要、又要、还要”很难成功，企业的业务选择和长期目标也容易彼此割裂。
Q：小鹏等主机厂正在加快布局Robotaxi。你怎么看主机厂进入这一市场的节奏？未来会不会出现激烈竞争？
于乾坤：现阶段还谈不上激烈竞争。中国Robotaxi的整体规模，相比网约车市场仍然很小，大家更重要的事情是先把行业做大。在真正实现规模化之前，协作会多于竞争。
我们欢迎主机厂进入。它们在供应链和整车制造上更有优势，我们也一直在和多家主机厂及其自动驾驶团队谈合作。
哈啰的定位很明确，不造车，也不自己造芯片，核心能力还是自动驾驶技术和出行运营服务。未来即使其他公司做出了成熟的自动驾驶方案，我们也可以帮助它运营。大家各有优势，完全可以相互补充。
所以我不认为未来一定会出现非常激烈的竞争，反而可能会有更多合作。当然，这个市场最终也不会由一家公司独占，更可能像共享单车一样，形成“三国鼎立”的格局。
我们的目标也不是独占全国市场，而是成为最终“三国鼎立”中的一方，并尽可能引领行业发展。
Q：哈啰自动驾驶曾提出，希望一年内进入行业第一梯队。你们目前主要对标哪些公司？要达到第一梯队，需要满足哪些条件？
于乾坤：我们的对标对象主要是行业头部L4公司，也会参考优秀的L2+企业，其中最核心的对标对象是特斯拉。
进入第一梯队，首先要具备足够高的自动驾驶能力，核心指标是接管里程。但提升接管里程不能以牺牲舒适性和通行效率为代价，车辆既要开得安全，也要保持与人类司机接近的行驶效率，从A点到B点的耗时差距尽量控制在10%左右。
指标上，我们认为MPI至少要达到数千公里甚至上万公里，MPCI要达到十万公里量级，才能进入行业第一梯队。
02
L4不缺数据，缺能解决问题的数据
Q：目前哈啰在全国有多少辆测试车？
于乾坤：有几百台。我们更愿意把它们称为测试车或模拟训练车，通过影子模式比较模型输出和人类司机的实际操作。
这些车辆既承担数据采集，也相当于长期运行的测试员，用来验证模型效果，以及它与人类驾驶之间还有多大差距。
Q：现在不少乘用车公司会利用量产车采集的用户行驶数据训练L4系统。这类数据是否会因为传感器配置不同，很难直接用于L4能力提升？
于乾坤：这类数据更适合用于驾驶辅助，直接用于L4训练会有几个限制。
首先，量产车和L4车辆的传感器配置不能相差太大。很多用户车辆只有一个前向激光雷达，而L4车辆可能配备多个激光雷达，感知范围和能力并不一致，量产车数据很难完整适配L4系统。
其次，普通用户的行驶路线比较固定，大多集中在上下班场景，单个用户的数据覆盖度有限。用户规模足够大时，可以通过不同路线叠加弥补一部分，但数据质量仍然参差不齐。
L4需要高水平驾驶数据，但很多用户的驾驶行为并不够规范，甚至属于“脏数据”。量产车虽然数据量很大，真正高质量、能够直接用于训练的比例并不高。
我们的做法主要有两条：一是通过仿真生成所需数据，二是维护自己的采集和测试车队。车队司机中有很多网约车司机，每月行驶上万公里，驾驶经验丰富，能够提供更高效、成熟的驾驶数据。
但网约车司机的风格有时偏激进，所以我们也引入驾驶更舒缓的司机，再通过强化学习等方式微调。最终希望系统既保留较高的通行效率，又不会在复杂场景中过于激进。
Q：目前车辆已经投入测试和数据采集。在实际测试中，哪些长尾场景比较难覆盖？
于乾坤：这类Case很多，而且往往很难在真实道路上稳定复现。
比如施工路段的临时红绿灯，本身出现频率就很低。我们还遇到过信号灯故障：正常应该由绿灯变黄灯、再变红灯，但路口黄灯不亮，直接从绿灯跳到红灯。系统必须判断，是黄灯单独故障，还是整组信号灯失效。前者仍要按正常信号灯通行，后者则可能需要按无信号灯路口处理。
还有一些更少见的场景。比如郊区出现牛群横穿道路，车辆不仅要停车，还要判断如何与动物保持安全距离，因为牛也可能主动撞上来。我们也遇到过卡车拖着很长的树，树冠横跨多个车道，车辆既要识别障碍，也要判断如何绕行。
此外，前车行驶中掉落货物也比较常见，比如垃圾运输车辆一路掉东西。路面上的头盔也越来越多，成人头盔相对容易识别，儿童头盔尺寸很小，即使人类驾驶员也可能忽略。
这类Corner Case数量非常多，真正困难的不是知道它们存在，而是如何在真实道路上遇到、采集并反复验证。
Q：过去这些Corner Case往往需要依靠实车遇到，现在是否可以通过仿真和生成数据来补充？
于乾坤：可以。我们已经在端到端系统中使用大量仿真和生成数据。
比如儿童头盔掉落，如果完全依靠实车采集，可能一年也遇不到几次。我们的测试车辆运行量已经很大，但过去一年也只遇到过一次。这类低频场景，通过生成数据补充效率最高。
最近我们还遇到一种特殊的箭头灯。按照常见标准，箭头灯通常分别对应直行、左转或右转，但有些路口会用一个箭头同时表示直行和左转。人能够理解红灯亮起时两种方向都不能通行，但机器如果从未见过，就可能无法正确处理。
因此，我们不仅会生成“直行加左转”的数据，也会进一步推演“直行加右转”等尚未遇到、但理论上可能存在的场景，提前用于训练。
不过，生成数据始终可能存在失真。我们的原则是仿真数据和真实数据结合使用，等实车数据积累足够后，仍然会以真实道路数据为主。
Q：哈啰已经拥有万卡集群和百亿参数模型，这会带来很高的训练成本。你们如何平衡资源投入和商业效果？会不会出现技术提升有限、成本却大幅增加的情况？
于乾坤：现阶段，只要是AI模型训练所必需的成本，我们认为就应该投入，不能过度节省。
万卡集群每个月的成本确实很高，但为了加快模型迭代，让工程师持续尝试不同的模型结构和训练方法，我们仍会保持较高投入。
当前最重要的是不断实验、快速验证，把模型能力做上去。对我们来说，算力和模型训练仍然是值得投入的方向。
Q：最近有消息称，字节跳动也在布局自动驾驶、世界模型等方向。你怎么看这类基础模型公司进入智能驾驶赛道？它们会对现有玩家形成威胁吗？
于乾坤：字节虽然公开表示不做自动驾驶，但确实在布局智能座舱、辅助驾驶等方向。更重要的是，不只是字节，所有基础模型公司如果进入自动驾驶，都要解决几个核心问题。
第一是安全。基础模型回答错一个问题，可以重新再问，但自动驾驶容错率极低，一次错误就可能导致事故，因此模型结构和整个安全机制都需要重新设计。
第二是车端部署。基础模型依赖云端的大算力，而车端算力、功耗都有限，还要满足至少10Hz的实时推理要求，现有的大模型基本无法直接部署，需要重新压缩和适配。
第三是任务不同。基础模型主要处理语言，而自动驾驶处理更多的是视觉深度信息，两者关注的问题完全不同，因此不能直接迁移。
我认为，基础模型公司在模型能力上有优势，但真正进入自动驾驶，仍然需要大量工程化改造，很可能最终已经不是原来的那套模型。相比直接做车端自动驾驶，它们在仿真、数据生成等上游环节，优势可能更明显。
03
Robotaxi运营城市不在多，而是单城足够深
Q：今天Robotaxi已经正式交付，什么时候会开始运营？目前的推进计划是什么？
于乾坤：我们的目标是今年下半年正式运营。
但正式运营前，必须先满足各地Robotaxi的法规和安全要求。从今年元旦开始，我们一直在推进测试、考试和认证，达到当地准入标准后，才会提交运营申请。
不同城市的政策要求不一样。有些城市要求先做示范运营，免费开放体验，累计一定里程和订单后再收费；有些城市满足监管要求后，就可以直接进入收费运营。
所以，我们已经做好了运营准备，但具体收费时间还要看各地监管节奏。整体上，我们会按照不同城市的要求逐一推进。
Q：Robotaxi的发展很大程度上受到政策影响。如果明年要部署1万辆车，你们会如何选择城市？会全国铺开吗？
于乾坤：我们的策略还是尽可能聚焦，而不是撒胡椒面式铺开。
一方面是技术原因。虽然整体技术方案在不同城市是一致的，但每个城市都有独特的交通场景，需要针对性适配。城市越多，研发压力越大，所以我们更希望先集中在少数城市，把单城做深。
另一方面是商业模式。Robotaxi本质上是一门规模化生意。如果一个城市只有几十辆、几百辆车，很难形成规模，也很难跑通商业模式。因此，我们不会把车辆平均分散到很多城市，而是重点布局少数城市，争取每个城市都达到上千辆，甚至更大的车队规模。
城市选择上，我们会优先考虑市场容量大、政策开放度高、经济发展水平领先的区域，比如长三角、珠三角，以及武汉周边、长株潭等国家级城市群。
总体思路还是先做深重点区域，再逐步向更多城市扩展，而不是一开始追求覆盖数量。
Q：哈啰提出2027年部署1万辆Robotaxi，这个目标挑战非常大。为了实现这一目标，公司有哪些具体的落地规划？
于乾坤：我们从去年开始做Robotaxi时，就一直围绕规模化做准备，主要包括前装量产、技术路线和运营体系三方面。
首先是前装量产。如果继续采用后装改装，基本无法支撑明年一万辆的目标。所以我们很早就判断，规模化的第一步必须走前装路线。即便当时方案还很初步，车甚至还不能跑，我们也已经开始和启辰谈合作，希望直接在线生产Robotaxi，而不是等技术成熟后再找整车厂。只有把前装体系建立起来，未来才有可能大规模交付。
第二是技术路线。我们的方案尽量降低对高精地图的依赖，这样进入新城市时，不会受地图覆盖限制，开城速度会更快。
同时，我们选择端到端路线。每个城市都有独特的交通场景，如果依赖规则驱动，每进入一个城市都要重新编写和调整大量规则，成本很高。端到端则可以提前采集当地典型场景数据，加入现有模型训练，通常不需要太多人工调整，就能适应当地交通特点。
第三是运营体系。哈啰从共享两轮业务起家，已经建立了成熟的地勤、调度和现场保障能力。未来Robotaxi除了云端安全员，还需要网格化运营人员，在车辆遇到特殊情况时，几分钟内赶到现场。
我们的思路不是重新搭建一套体系，而是把Robotaxi和现有共享单车运营体系打通，尽可能复用已有资源。
所以，从前装量产、技术路线到运营体系，我们都已经提前布局。哈啰目前能够运营全国上千万辆共享单车，这套体系已经证明可以支撑大规模运营。基于这些基础条件，我们认为，2027年一万辆Robotaxi的目标具备实现基础。
Q：从长期来看，你认为Robotaxi每公里收费大概达到什么水平，能够实现商业上的盈亏平衡？
于乾坤：Robotaxi的收费要根据不同城市的成本水平来定。目前广州出租车约每公里两块多，武汉约一块八。我们长期希望把出行成本降到每公里1元以内，甚至几毛钱一公里。
出行成本下降后，也会改变用户的出行需求。原本不会去的地方，因为出行更便宜、更方便，大家会更愿意去，就像近年来旅游业受交通便利带动一样。
我认为，Robotaxi进一步普及后，不仅会改变出行方式，也会催生新的消费场景和产业机会，只是现在还很难预测具体会是什么。
Q：你认为当Robotaxi占出租车或网约车的比例超过多少后，市场会进入快速普及阶段？
于乾坤：Robotaxi占比达到30%左右，用户体验可能就已经明显改善。但如果达到50%甚至更高，影响的就不只是出租车和网约车行业，而是整个乘用车市场。
当Robotaxi足够普及，叫车变得随时可得，很多人会重新考虑是否还有必要买车。现在大多数私家车每天真正行驶的时间很短，却要长期承担停车、保险、保养和折旧等成本。按一辆车持有八到十年、每年行驶一万公里计算，实际每公里成本可能达到四五元，未必比打车便宜。大家仍然买车，核心还是因为现阶段打车不够便利。
如果Robotaxi能够补充现有的运力，让出行便利性足够高，用户不再需要长期独占一辆车。未来甚至可能出现一种模式：个人仍然拥有车辆，但闲置时交给平台运营，用运营收入分摊持有成本。
这和共享单车类似。过去每个人都买一辆自行车，但每天只使用很短时间；共享单车提高了单车利用率，也降低了个人持有的必要性。汽车同样如此，一旦Robotaxi显著提高车辆利用率，用户对汽车的持有方式就会改变。
所以，Robotaxi占比达到50%之后，重塑的反而是家庭汽车消费和整个乘用车市场。
自动驾驶行业动态，雷峰网将持续关注，欢迎添加作者微信：tz--hh ，获取更多信息。