Robotaxi，離盈利又近了一步

　　來源 | 伯虎財經(bohuFN)

　　作者 | 楷楷

　　2026年春天，自動駕駛行業迎來了“分水嶺”。

　　去年以來，智能駕駛領域多個關鍵性標準相繼出臺。近日發布的《復雜道路智能駕駛》，定義了系統在復雜道路環境下的組成、功能及運行要求;

　　今年2月，相關部門發布《智能網聯汽車自動駕駛系統安全要求》征求意見稿，成為首部針對L3級和L4級自動駕駛系統的強制性國家標準。

　　從“無法可依”到“試點落地”，再到如今進入全國性立法的關鍵窗口，這套組合拳打下來，釋放的信號再明確不過——政策層面對自動駕駛的態度已經從“謹慎觀望”轉向了“有序放行”。

　　具體到企業層面，小馬智行和文遠知行都拿出了具有積極意義的成績單。場外的小鵬也成立一級Robotaxi業務部，下半年將開啟Robotaxi載客示范運營。

　　AI時代，自動駕駛的地位被進一步拉高。不少業內人士都認為，自動駕駛將是通向通用人工智能(AGI)的關鍵路徑，未來將成為重塑未來出行、產業和就業格局的核心驅動力。

　　Robotaxi這個被質疑了十年的賽道，好像終于聞到了春天的味道。

　　01 擺脫“燒錢時代”

　　最近，小馬智行、文遠知行的兩份成績單，給行業打了一劑強心針。

　　數據顯示，2025年小馬智行實現總營收6.29億元，同比增長20%; Robotaxi業務收入達到1.16億元，同比激增128.6%;乘客車費收入全年增幅接近400%。

　　比營收增長更引人注目的，是小馬智行已在廣州和深圳相繼實現了單車盈利(UE)轉正，也是國內唯一一家在一線城市實現 UE 轉正的Robotaxi公司。

　　另一家自動駕駛公司文遠知行也交出了一份亮眼的成績單。2025年，公司實現收入6.85億元，同比增長近90%;Robotaxi收入約1.48億元，同比暴漲209.6%。其中，文遠知行在阿布扎比的Robotaxi車隊，在取消車內安全員后，已經跑通單車盈利模型。

　　盡管小馬智行、文遠知行兩家企業在2025年尚未實現整體盈利，但已經看見了盈利的曙光——兩者分別在國內和海外市場，驗證了Robotaxi商業模式的可行性與盈利能力。

　　蘿卜快跑則跑得更快，2025年8月，百度董事長李彥宏透露蘿卜快跑已在武漢實現單車收支平衡，累計服務次數居“全球第一”。

　　除了自動駕駛企業之外，出行平臺也迎來了好消息。近日，曹操出行在2025年第四季度，首次實現調整后凈利潤轉正，年度虧損同比大幅收窄50.8%。

　　需要指出的是，曹操出行的季度盈利跟Robotaxi業務并沒有直接關系，主要靠AI提效以及定制車降本等精細化運營實現的。

　　但對于自動駕駛行業而言，出行平臺作為承接Robotaxi落地的“底盤”，其能夠具備“造血能力”，才能為Robotaxi提供更廣闊的商業化想象空間。

　　自動駕駛的商業化不再只是紙上談兵，源于幾大瓶頸的突破，其中，最直接的原因是收入增加了，成本降低了。

　　小馬智行CFO王皓俊提到了小馬智行UE轉正的計算方式：收入(每天接多少單×每單跑多遠×每公里收費)能覆蓋成本(折舊成本+運營成本)，UE就能轉正。

　　從收入端來看，消費者對Robotaxi的接受度正穩步攀升，2025年，小馬智行APP注冊用戶規模同比提升近3倍，文遠知行國內注冊用戶規模四季度同比增長超9倍。

　　使用頻率提高也刺激收入增長，Robotaxi的日均有效運營時長是傳統網約車約1.5倍，以小馬智行為例，其日均單量達到23單，深圳單日車均凈收入達到394元的歷史新高。

　　除此以外，政策放行也打開了規模化的空間。

　　目前，全國各地正加速推動自動駕駛全域開放，包括北京、上海、廣州、深圳、武漢等10余個城市已放開全無人商業化運營，相關部門也積極推進技術要求、責任分級等標準落地。

　　政策“松綁”，Robotaxi得以加速跑馬圈地。截至目前，文遠知行全球Robotaxi車隊規模達1125輛;小馬智行突破1400臺;蘿卜快跑則已達到2500輛。

　　而在成本端，文遠知行和小馬智行都提到了運營成本的下降，比如遠程人效比大大提高等。不過，最核心的原因還是整車成本的下降。

　　文遠知行與吉利合作的前裝量產Robotaxi GXR，整車成本下降15%;小馬智行第七代Robotaxi自動駕駛套件總成本較前代下降70%。目前，Robotaxi的單車造價基本已降至26-32萬元。

　　而在2022年以前， Robotaxi的單車造價普遍超過100萬元，激光雷達、計算平臺等占六成以上成本，這從根源上就決定了Robotaxi基本不可能實現盈利。

　　但現在，Robotaxi的收入和成本，都翻過了最難的山。

　　02 從“輔助”到“自動”

　　不過，這也只是故事的一半，另一半，則藏在技術路線的演變里。

　　2025年之前，自動駕駛行業仍是“純視覺”“激光雷達”等技術路線之爭，但這些都屬于感知技術，“能看”只是輔助，汽車還需要一個“大腦”，才能真正實現完全自動駕駛。

　　來到2026年，端到端大模型成為了行業共識，技術路線開始收斂，多家車企和自動駕駛企業都實現了技術突破。

　　小鵬推出了VLA2.0模型，實現了從視覺信號到動作指令的端到端直接生成，對標L4級能力;理想發布的基座模型MindVLA-o1實現了原生3D ViT，能更準確判斷距離和空間關系。

　　特斯拉CyberCab取消了方向盤和踏板，證明純視覺方案和端到端大模型可以支撐車輛在沒有人工干預的情況下實現長時間、長距離運行。

　　相較于“純視覺”或“激光雷達”路線，端到端大模型相當于為汽車裝上一個“大腦”，其不需要模仿人眼視覺做出判斷，而是讓大模型看懂世界，學會開車，再告訴司機該怎么開。

　　但對于怎樣讓大模型學習和決策，行業則產生了分歧——以小鵬、理想為代表的車企主張VLA大模型，華為、蔚來、Momenta等則支持世界模型。

　　VLA(視覺-語言-動作模型)大模型信奉能力“涌現”，認為只要模型足夠大、數據足夠多，AI就能自己從零開始學會駕駛的一切細節和規則。在這之后，VLA大模型就能模擬人類駕駛的邏輯，在“看見”后進行推理和決策，以處理路況中的突發情況。

　　世界模型的底層邏輯是基于物理引擎的動態模擬，在駕駛時是先構建環境認知模型，再分步推演決策，雖然適用場景范圍沒有VLA模型寬泛，但在標準化場景下精度極高。

　　不過，兩種技術路線都有各自的痛點，世界模型需要實時完成大規模的數據推演，對智駕芯片的要求極高，對下沉車型不太友好;VLA大模型則需要海量的極端場景數據進行訓練，數據標注成本是一大挑戰。

　　因此，兩種技術路線各有優劣，當下還難以判斷。

　　文遠知行CEO韓旭曾在采訪中提到，“行業中沒有必贏的技術路線，選擇什么路線跟企業的目標、品控、軟件流程都有關系。” 韓旭認為，與其糾結VLA與世界模型路線誰更好，倒不如說能實現目標的技術就是更好的路線。

　　況且，兩種技術路線也不一定要“非此即彼”。

　　比如特斯拉目前的算法研發體系中，已把VLA模型和世界模型同時納入其中;小鵬VLA大模型2.0引入了具備物理世界理解能力的視覺推理機制。

　　兩種技術路線的融合，讓長尾場景數據得以通過世界模型“人工合成”，即便VLA基座模型，也能依托大規模仿真訓練提升決策效率與可靠性，推動L3/L4級智能駕駛加速上路。

　　去年12月，我國首批L3級有條件自動駕駛車型已獲準上路;目前，已有多家車企和自動駕駛企業獲得L4級示范運營和測試牌照。

　　雖然技術路線不同，但行業的目標是一致的，那就是沖向L4級以上的高階智駕，讓無人駕駛的幻想能夠照進現實。

　　03 商業化只差一步?

　　不過，即便自動駕駛行業已經逐漸走出成本、規模以及技術的“瓶頸”，但距離真正的規模化盈利，還有很長的路要走。

　　首先，告別燒錢，不等于已經賺錢。2025年，小馬智行全年GAAP凈虧損收窄至約5.31億元人民幣，但非GAAP經營虧損卻從上年的1.585億美元擴大至2.301億美元，四季度的單季盈利主要來自交易性金融資產公允價值變動收益，是投資收益，而非運營收益。

　　文遠知行的情況也類似。雖然2025年全年凈虧損約為17億元，同比收窄34.2%，但絕對值依然龐大。而且，文遠知行2025年股權激勵費用較2024年大幅下降，如果把這部分剔除掉，其經調整凈虧損是12.47億元，比2024年擴大了55%。

　　而且，兩家公司收入高速增長的同時，“燒錢”速度也同樣快。2025年，文遠知行的研發開支為13.72億元，占營收約200%;小馬智行的研發開支為15.2億元，占營收的241.7%，要保持技術領先和全球拓展，這場持續十年的“燒錢競賽”似乎還未能終結。

　　其次，L4級及以上無人駕駛的落地仍面臨壓力。

　　一方面，UE轉正只是證明了在一線城市的高密度場景中，Robotaxi的經濟模型是成立的，但如果要實現全國規模化運營，運營復雜度指數級上升。

　　比如車輛調度、遠程協助、事故處理等環節都需要增加人力投入;隨著運營規模擴大，占大頭的固定成本開支也會同步增加，但全域訂單密度能否覆蓋成本，賬本還要重算一遍。

　　另一方面，目前，Robotaxi的落地普遍采取區域性試點模式，這類試點往往與企業所在地及地方政策支持力度密切相關，城市區域運營尚未開放大規模的互認機制，導致Robotaxi企業每進入一個新城市，都需要經歷從道路測試到純無人駕駛商業化運營的全流程。

　　這意味著車隊越早進入某個城市，其先發優勢就會越大。但適合Robotaxi運營的一二線城市數量終究有限，Robotaxi企業要從區域發展到全國運營，城市壁壘才是真正的攔路虎。

　　最后，安全問題依然不容有失。在社交平臺上，關于Robotaxi感知失效、無故剎車等事件也不時發生，除了駕駛安全之外，Robotaxi的穩定運行和應急處置能力也還需要持續打磨。

　　顯然，當下要談Robotaxi取代人類網約車，似乎還太早。這不僅僅是Robotaxi企業成本賬的問題，也是“機器取代人”的技術倫理問題，本身就是一道需要審慎回答的命題。

　　目前，行業的主流觀點是，L4級自動駕駛將會在2027年落地，但對于何時能實現大部分場景的規模化應用，技術本身依然是關鍵變量。

　　Robotaxi行業正站在一個微妙的節點上，企業確實開始掙錢了，但從單城到多城、從百輛到千輛，再到實現完整的商業閉環，每一步都仍然充滿了不確定性。

　　在此之前，保持理性、關注本質，或許才是穿越周期的唯一路徑。Robotaxi長跑十年才終于迎來拐點，這個彎拐得慢一點，又如何呢?