近日，摩根士丹利發(fā)布最新研究報(bào)告，認(rèn)為自動(dòng)駕駛出租車(chē)(Robotaxi)在經(jīng)歷十余年的波折后，終于迎來(lái)商業(yè)化拐點(diǎn)。在生成式人工智能的飛躍、大模型訓(xùn)練能力的成熟、資本密集押注以及地緣的戰(zhàn)略競(jìng)賽推動(dòng)下，Robotaxi正在從實(shí)驗(yàn)室駛?cè)氍F(xiàn)實(shí)世界。

報(bào)告中提到：“未來(lái)幾年，傳統(tǒng)有方向盤(pán)汽車(chē)可能會(huì)像2006年的黑莓手機(jī)一樣迅速過(guò)時(shí)。”

這不再是一場(chǎng)單純的技術(shù)革命，隨之而來(lái)的則是一次“城市基礎(chǔ)設(shè)施重構(gòu)”的深層變革。

一、Robotaxi真的要來(lái)了?

Adam Jonas 領(lǐng)導(dǎo)的摩根士丹利分析師團(tuán)隊(duì)在報(bào)告中指出，當(dāng)前三大趨勢(shì)正在加速Robotaxi的成熟：

生成式AI加速認(rèn)知能力提升：大模型具備更強(qiáng)的語(yǔ)義理解、空間感知與決策能力，彌補(bǔ)了傳統(tǒng)CV技術(shù)在復(fù)雜路況中的不足;

資本從試點(diǎn)轉(zhuǎn)向規(guī)�；�：Waymo、Cruise在美國(guó)、中國(guó)的蘿卜快跑、小馬智行都在多個(gè)城市進(jìn)行有規(guī)模的試運(yùn)營(yíng);

地緣下的戰(zhàn)略性AI投入：無(wú)人駕駛已成為“科技主權(quán)”的關(guān)鍵組成部分，成為各國(guó)AI能力的展示窗口。

但這場(chǎng)看似屬于自動(dòng)駕駛公司的競(jìng)爭(zhēng)，真正要大規(guī)模落地，卻對(duì)“城市系統(tǒng)”提出了更高的要求。Robotaxi的真正拐點(diǎn)，不是車(chē)載傳感器，不是算法，不是AI模型，而是承接這些車(chē)輛的城市系統(tǒng)。

雖然Robotaxi技術(shù)本身正逐步突破，但“自動(dòng)駕駛車(chē)輛事故頻發(fā)”，依然暴露了一個(gè)核心問(wèn)題：自動(dòng)駕駛車(chē)輛在城市中仍缺乏感知協(xié)同、環(huán)境數(shù)據(jù)，以及系統(tǒng)級(jí)調(diào)度能力。

這不是單車(chē)智能的問(wèn)題，而是“城市不夠智能”。就像智能手機(jī)的普及需要4G網(wǎng)絡(luò)的鋪設(shè)，Robotaxi的真正上路，同樣依賴(lài)一個(gè)覆蓋廣泛、響應(yīng)實(shí)時(shí)、可感知、可控制的AI網(wǎng)絡(luò)系統(tǒng)。

這也是為什么我們必須重新理解“自動(dòng)駕駛”——它不再是單點(diǎn)算法，而是一整套支撐AI與物理世界實(shí)時(shí)互動(dòng)的“智能城市基礎(chǔ)設(shè)施”。

二、為什么自動(dòng)駕駛不僅要“腦子”，還要“身體”

傳統(tǒng)的自動(dòng)駕駛模型依賴(lài)單車(chē)感知，主要依托車(chē)載攝像頭、激光雷達(dá)與毫米波雷達(dá)采集環(huán)境數(shù)據(jù)。雖然技術(shù)日益成熟，但在動(dòng)態(tài)、開(kāi)放、不可預(yù)測(cè)的城市空間中仍面臨三大核心技術(shù)瓶頸：

感知盲區(qū)與數(shù)據(jù)遮擋問(wèn)題：由于城市中存在大量不可預(yù)見(jiàn)的遮擋物(如施工圍欄、大貨車(chē)、臨時(shí)擺放物體)，單車(chē)感知模型往往無(wú)法準(zhǔn)確判斷動(dòng)態(tài)環(huán)境的變化，容易誤判路況或錯(cuò)過(guò)突發(fā)事件。

邊界條件識(shí)別能力不足：自動(dòng)駕駛系統(tǒng)在面對(duì)非結(jié)構(gòu)化環(huán)境(如施工區(qū)域、臨時(shí)改道、異常交通事件)時(shí)，難以在缺乏語(yǔ)義標(biāo)注的情況下進(jìn)行有效應(yīng)對(duì)。

協(xié)同能力缺失，孤車(chē)作戰(zhàn)：Robotaxi 車(chē)隊(duì)即使規(guī)模部署，在無(wú)外部感知和協(xié)同調(diào)度支持下，依舊像“無(wú)網(wǎng)WiFi”狀態(tài)，個(gè)體智能不等于系統(tǒng)穩(wěn)定。

為Robotaxi時(shí)代鋪設(shè)AI地基

作為城市AI網(wǎng)絡(luò)建設(shè)的先行者，蘑菇車(chē)聯(lián)不只是單純的讓L4級(jí)別的自動(dòng)駕駛車(chē)輛跑起來(lái)，或提供自動(dòng)駕駛方案，而是在打造一個(gè)系統(tǒng)級(jí)、可部署、可運(yùn)營(yíng)的“AI網(wǎng)絡(luò)”平臺(tái)，讓所有智能體都能實(shí)現(xiàn)與世界實(shí)時(shí)交互。

其AI網(wǎng)絡(luò)由三部分構(gòu)成：

多模態(tài)數(shù)據(jù)感知層：基于路口、道路部署的攝像頭、雷達(dá)等傳感器，實(shí)時(shí)采集環(huán)境與交通狀態(tài)數(shù)據(jù);

MogoMind大模型中樞：具備感知、認(rèn)知、決策、推理能力的大模型，理解交通語(yǔ)言，完成秒級(jí)推理和多車(chē)聯(lián)動(dòng)判斷;

智能調(diào)度執(zhí)行：連接信號(hào)燈、路側(cè)單元、車(chē)載系統(tǒng)，實(shí)現(xiàn)區(qū)域級(jí)別的AI協(xié)同決策與落地執(zhí)行。

這意味著，在蘑菇車(chē)聯(lián)部署AI網(wǎng)絡(luò)的區(qū)域內(nèi)，每一輛Robotaxi都不是“孤膽英雄”，而是接入了一個(gè)全天候協(xié)同運(yùn)行的智能交通系統(tǒng)。

四、從Robotaxi，到“AI城市操作系統(tǒng)”

事實(shí)上，Robotaxi不是終點(diǎn)，而是AI城市的起點(diǎn)。當(dāng)路端、云端、車(chē)端及未來(lái)越來(lái)越多的智能體被AI網(wǎng)絡(luò)連接起來(lái)，一個(gè)更具系統(tǒng)智能、資源效率、運(yùn)行可控性的“城市操作系統(tǒng)”開(kāi)始顯現(xiàn)。

目前，蘑菇車(chē)聯(lián)的AI網(wǎng)絡(luò)已在全國(guó)多個(gè)城市部署：在北京亦莊、上海嘉定、浙江桐鄉(xiāng)、海南�？诘冉ǔ啥鄠�(gè)數(shù)字孿生實(shí)時(shí)路口;在F1賽事中完成高密度、多人流區(qū)域的接駁調(diào)度等。

從這些落地案例中可以看出，蘑菇車(chē)聯(lián)AI網(wǎng)絡(luò)不僅僅是自動(dòng)駕駛的補(bǔ)丁，更是一種新型的城市運(yùn)行邏輯。

摩根士丹利的報(bào)告是一個(gè)信號(hào)，自動(dòng)駕駛商業(yè)化正在成為不可逆的趨勢(shì)，但我們也應(yīng)該看到，未來(lái)的比拼不在模型，而在部署;不在單點(diǎn)突破，而在系統(tǒng)落地。

蘑菇車(chē)聯(lián)所代表的“物理AI”路徑，為Robotaxi提供了真正可持續(xù)、可規(guī)模化運(yùn)行的土壤。

所以，與其等待AI下凡，不如先把城市修成它能落腳的地方。

(新媒體責(zé)編：wa12)