特斯拉CEO埃隆·馬斯克（Elon Musk）再次強調攝影機優於LiDAR（雷射雷達）和雷達的純視覺自動駕駛方案，稱其可避免“感測器衝突”，提升安全性。與此同時，中國新能源車企卻展現出不同選擇，傾向於雷射雷達與攝影機的多感測器融合路線。在8月25日的X帖子中，馬斯克重申，特斯拉的純視覺系統（Tesla Vision）是自動駕駛的最佳方案。他表示：“LiDAR和雷達因感測器衝突降低安全性。如果LiDAR/雷達與攝影機資料不一致，該信那個？這種歧義增加風險，而非減少。這就是Waymo無法在高速路上行駛的原因。我們關閉了雷達以提升安全。攝影機萬歲！”他強調，人類僅靠眼睛和大腦就能駕駛，自動駕駛系統應效仿這一“自然”方式，依賴高精度攝影機和AI神經網路。馬斯克指出，攝影機提供的資料位元率遠超LiDAR和雷達，且在雪、雨或塵土等惡劣環境中表現更優，因為LiDAR的反射散射易受干擾。特斯拉自2021年起逐步移除雷達和超聲波感測器，依靠8個攝影機和Dojo超級電腦訓練的AI模型，打造成本僅約400美元的FSD（全自動駕駛）系統。馬斯克甚至透露，特斯拉曾開發高解析度雷達，但最終關閉，因其“噪聲大於訊號”，無法與攝影機匹敵。他預測，隨著AI進步，純視覺將成為行業主流，LiDAR將被淘汰。與馬斯克的純視覺路線形成鮮明對比，中國新能源車企正加速採用“雷射雷達+攝影機+毫米波雷達”的多感測器融合方案，以兼顧安全性、功能性和市場競爭力。2024年，中國乘用車雷射雷達安裝量超88萬顆，同比增長211.78%，市場規模預計2025年突破431.8億元，滲透率在15萬元以上新能源車中超過21.6%。成本與普及：本土供應商如禾賽科技和速騰聚創通過晶片化技術將雷射雷達價格降至200美元以下，適配10-20萬元車型。比亞迪“天神之眼”系統將雷射雷達下探至7萬元級海鷗智駕版，蔚來ET9則搭載3顆500米探測距離的“獵鷹”雷射雷達。安全性與功能：雷射雷達提供釐米級精度的3D點雲資料，顯著提升AEB（自動緊急制動）在高速（140km/h）和夜間（120km/h）場景的表現，彌補純視覺在惡劣天氣下的短板。多感測器融合通過冗餘設計降低失效風險，滿足L3級自動駕駛的監管要求。蔚來、理想等車企的城市NOA（導航輔助駕駛）功能已實現量產，覆蓋複雜城市路況。消費者認知：雷射雷達被視為“更安全、更智能”的象徵。例如，廣汽AION RT 2025款雷射雷達版銷量佔其總銷量的45%，顯示消費者對高階智駕的溢價接受度。儘管如此，部分中國車企也在探索純視覺方案。小鵬汽車的純視覺AEB宣稱支援130km/h剎停，百度蘿蔔快跑Robotaxi計畫轉向純視覺以降低成本。但業內普遍認為，純視覺在L3及以上場景的可靠性仍需驗證，融合方案仍是主流。馬斯克的純視覺主張引發熱議。支持者認為，特斯拉通過百萬輛車收集的海量資料和AI演算法最佳化，使純視覺系統在成本和泛化能力上佔據優勢。批評者則指出，純視覺在濃霧或夜間場景可能失效，2024年NHTSA對特斯拉FSD的調查也暴露了其侷限性。相比之下，中國車企的多感測器融合方案更注重冗餘安全，符合“零容錯”的自動駕駛要求。馬斯克預測AI驅動的純視覺將主導市場，甚至暗示軍事領域的“隱形”技術因AI攝影機（包括紅外）而失效。然而，中國新能源車企的融合路線正推動雷射雷達成本進一步下降，預計2025年滲透率將超30%。特斯拉的Robotaxi計畫將於10月在奧斯汀揭曉，屆時其純視覺系統的表現將備受考驗，而中國車企的融合方案或將在全球市場中佔據更大份額。 (MaXTe)

“到2027年，兩個路線的選擇可能就不是問題了！”近日，小鵬汽車董事長何小鵬的一番言論，再度激起了純視覺路線與雷射雷達爭論的水花。環境感知兩大技術路線之爭由來已久，卻始終未有定論。如今，技術、成本以及輔助駕駛普及度都不可同日而語，智駕路線之爭真能如何小鵬所言，在2027年塵埃落定嗎？兩條路線各有擁躉如果說此前純視覺路線只是“少數人的堅持”，雷射雷達才是“多數人的選擇”，如今兩條技術路線都收穫了不少擁護者，呈勢均力敵之勢。既有新入局者選擇加入雷射雷達陣營，也有車企選擇“倒戈”純視覺路線。目前來看，仍有不少車企佈局雷射雷達路線。日前上市的全新坦克500便配備了雷射雷達，搭載Coffee Pilot Ultra長城汽車第三代輔助駕駛系統。理想i8則配備了1顆雷射雷達、12顆攝影機、12顆超聲波雷達、1顆毫米波雷達，共26個智能感測器。小米汽車同樣堅定地站在雷射雷達路線上，小米YU7全系標配雷射雷達、4D毫米波雷達。就連傳統跨國車企奧迪也聯合華為乾崑，在其戰略性純電產品Q6L e-tron上配備了“2顆雷射雷達+5顆毫米波雷達+13顆攝影機+12顆超聲波雷達”的感知體系。此外，雷射雷達也不只是中高端車型的專屬。7月上市的零跑B01便推出550雷射雷達版和650雷射雷達版2款搭載雷射雷達的版本，售價最低分別為11.38萬元和11.98萬元。此前，長安汽車也透露，將於8月在10萬元等級車型上搭載雷射雷達。高工智能汽車產業研究院發佈的資料顯示，今年上半年，中國乘用車市場雷射雷達前裝搭載交付量達到104.39萬顆，同比增長83.14%。不過，與此前相比，純視覺路線上不再只有“孤勇者”特斯拉，而是湧現出越來越多的車企和輔助駕駛供應商。去年3月，大疆旗下卓馭科技發佈城市高階智駕方案“成行平台升級版”和“成行平台高配版”。其中，成行平台升級版為7V＋100TOPS搭配，僅依賴7顆攝影機，1顆高通晶片100TOPS算力晶片實現無圖、純視覺城區智駕功能。如今，大眾汽車、上汽通用五菱、奇瑞汽車等車企均與卓馭科技達成輔助駕駛領域的合作。此外，雷射雷達路線代表之一的華為也於去年推出了華為乾崑智駕ADS SE基礎版。該版本不配備雷射雷達，採用以視覺為主的融合感知方案，可實現城域車道巡航輔助LCC+、高速智能輔助駕駛NCA功能，同時提供泊車輔助和全向主動安全功能。據悉，這一版本主要面向15萬元價格區間的車型，以低成本的純視覺路線擴大華為乾崑智駕在中低端車型的市場份額。8月13日正式上市的2026款深藍L07便全系標配華為乾崑智駕ADS SE基礎版，售價僅13.59萬~15.59萬元。蔚來也在其子品牌樂道汽車上採用了純視覺方案。7月上市的樂道L90延續L60的純視覺方案，配備了7顆800萬像素攝影機、4顆300萬像素環視攝影機、1顆4D成像毫米波雷達和12顆超聲波雷達，可實現高速和城市輔助駕駛功能。小鵬則決絕地拋棄雷射雷達，選擇全面轉向純視覺方案。不僅在定價15萬元以下的MONA M03上採用純視覺方案，剛剛完成換代的全新小鵬P7也同樣堅守純視覺方案。不久前，多位小鵬汽車高管更是堅定表態：“絕對不上雷射雷達，堅持純視覺路線。”成本和安全仍是核心爭論點此前，行業關於純視覺與雷射雷達兩條技術路線的爭論焦點主要在安全與成本兩大方面。一方面，純視覺方案攝影機感測器相對成熟且成本低廉，規模量產具有可行性；另一方面，由於攝影機的技術限制，其無法真正像人眼那樣隨時變換焦距和景深，純視覺方案在複雜路況和天氣環境下的識別精準性受限。“攝影機＋雷達”的多感測器融合方案雖然在複雜天氣環境下的表現優於純視覺方案，但成本高，給普及帶來較大難度。幾年過去，隨著技術不斷成熟、硬體成本不斷下降，如今二者爭論的焦點有何變化？在中科院戰略諮詢院產業科技創新中心汽車行業特聘研究員鹿文亮看來，兩大技術路線的爭論焦點依然是成本與安全。採用純視覺方案的車企往往看重了純視覺方案的成本最優，便於大規模推廣。同時，在BEV＋Transformer、佔用網路技術（OCC）等先進技術的加持下，純視覺技術的精準度也大大提升。而採用雷射雷達方案的車企則是優先考慮極端環境下的安全問題，認為雷射雷達感知能力更強，適用場景更多，更安全。值得一提的是，雷射雷達成本也出現了較大幅度的下降。據瞭解，雷射雷達頭部廠商禾賽科技當前用於L2級智能輔助駕駛的主雷射雷達價格已降至200美元（約合人民幣1434元）左右，相較於三四年前的20萬~30萬元，雷射雷達價格已下降99.5%以上。儘管都有所改進，但兩條技術路線的擁護者們依然“相看兩厭”。小鵬汽車自動駕駛產品高級總監袁婷婷便從物理特性、環境適應性及資訊處理效率3個維度提出雷射雷達看得遠實則是“偽命題”。例如，在極端天氣識別上，袁婷婷表示，實測資料顯示，暴雨環境下雷射雷達有效探測距離驟降至30米以內，且近場噪點增加5倍。此外，何小鵬認為，純視覺方案的上限遠超雷射雷達。“將來視覺能識別路上可能扎胎的釘子、被挪動的井蓋，雷射雷達很難做到。”他表示。對此，有業內人士回應，當前雷射雷達主要解決大視場角下的障礙物檢測，但通過技術最佳化，雷射雷達同樣可以滿足特定場景下的高精度識別需求。也有業內人士提出，純視覺方案在攝影機“看不見”或“看不清”的情況下仍存在侷限性，如強光照射、夜晚弱光環境、前景物體與背景顏色相同導致無法區分等情況，會出現障礙物識別不及時、不到位的問題。與此同時，工業和資訊化部電子第五研究所首席研究員胡堅耀指出，純視覺方案在硬體方面固然更簡潔、成本更低，但也存在一定侷限，惟有算力迭代、資料閉環，該方案才能極大程度彌補硬體上的缺陷。“車企的算力需求每年都要增長，而且一直要訓練海量的路況資料，這就使得車企可能要花較大代價去建立超算中心，這種間接成本可能會更高。”胡堅耀稱。融合前進 平行發展“過去視覺方案表現不佳，是因為算力太弱，既沒有足夠的像素點陣，又沒有足夠影格率，還沒有時空的邏輯。”在何小鵬看來，隨著算力的迅速提升，純視覺方案的潛力將得到極大釋放，該技術路線會成為車企首選。鹿文亮同樣認為，純視覺方案當前主要受制於算力。“攝影機技術已經比較成熟了，除了攝影機，純視覺方案就只有算力和演算法了。算力和演算法是相互依賴的，算力的提升可以彌補演算法的不足。高效的演算法也可以減少對算力的需求。”鹿文亮稱。何小鵬表示，當前汽車輔助駕駛的算力較5年前提高了10倍，5~10年後的算力將提高10倍甚至更高。如今，除特斯拉外，小鵬、長城、吉利、理想等多家車企及華為、商湯科技等供應商都已拉開算力軍備競賽，自建超算中心，無疑為純視覺方案的發展帶來極大裨益。然而，面向更高等級自動駕駛，不少人仍認為雷射雷達是“必選項”。法雷奧中國首席技術官顧劍民便表示，對於L3及以上自動駕駛來說，雷射雷達必不可少，起到感知融合和安全冗餘作用。華為智能汽車解決方案BU首席執行官靳玉志也認為，行業要走向L3、L4自動駕駛，雷射雷達是必需的。對於雷射雷達方案，成本則需進一步突破。鹿文亮表示，雷射雷達路線的成本不僅僅涵蓋其本身的硬體成本，還要從系統級的成本來考量。“有的車型會搭載多顆雷射雷達，有的高性能雷射雷達成本依然很高。此外，有了雷射雷達後，也需要配備高性能處理晶片、匯流排、域控製器等。”鹿文亮稱。對此，胡堅耀認為，雷射雷達的成本會隨著技術迭代與規模效應而持續下降。在他看來，未來雷射雷達成本會降到80美元以下。就純視覺方案究竟能否在2027年勝過雷射雷達，鹿文亮認為，雷射雷達在特定場景下的環境感知能力依然是攝影機所不能及的，因此大機率是兩條技術路線平行發展。胡堅耀也表示，若後期成本趨向一致，兩條技術路線可以考慮從不同場景出發，融合發展。“在城市通勤場景下，純視覺方案已經夠用了，複雜路況可以用雷射雷達，承擔安全冗餘的角色。”胡堅耀稱。 (中國汽車報)

2025 年 6 月，Google的 Waymo 與特斯拉的 Robotaxi，將首次在真實街頭 “正面交匯”。Waymo 已在舊金山、鳳凰城累完成超 1000 萬次無人駕駛出行，車隊不再配備安全員，服務範圍持續擴大。特斯拉則將在奧斯汀推出首批 Robotaxi，進入路面驗證階段。它們駛向的是同一條街，走法卻大不相同。01｜技術路徑之爭：雷達地圖 vs. 純視覺神經網路｜Waymo：多感測器 + 高精地圖一座城市一座城市打下來Waymo 的路線非常穩健：依靠雷射雷達（LiDAR）、毫米波雷達與攝影機組合，配合提前繪製的高精地圖，為每一輛車建構一個 “已知世界”。它強調安全、冗餘、可控 —— 多套感知系統彼此補位，即使某類元件失效，車輛仍可穩定運行。這意味著，每進入一座新城市，Waymo 都需重建地圖、模擬驗證，並逐步放開營運範圍。這種方式成本高，但穩定性強。Waymo 的這一模式，已經在多個核心城市穩定落地，安全記錄也成為其最有力的護城河。但也因此擴張緩慢——每開拓一座城市，都是一場持久戰。｜特斯拉：純視覺 + AI 神經網路不靠地圖，一次訓練跑遍所有城市？與 Waymo 的工程路徑幾乎相反，特斯拉選擇了一條激進路線：只依靠攝影機感知環境，通過神經網路進行 “端到端” 決策，不使用雷射雷達，也不依賴高精地圖或詳盡規則庫。它的目標是模仿人類駕駛 ——靠 “看” 和 “學”，從真實世界中訓練出具泛化能力的模型，使系統可適應不同城市、天氣與道路。如果這條路徑成立，特斯拉就能：通過 OTA（線上更新），把 FSD 能力推送到全球數百萬輛已售車輛上，部署速度遠超 Waymo 的重感測器模式。但截至目前，特斯拉仍未實現真正意義上的無人駕駛。首個 Robotaxi 服務將於 2025 年 6 月 12 日在奧斯汀上線，初期投入 10–20 輛車，營運區域有限，仍需遠端團隊支援。儘管馬斯克聲稱測試中曾實現 “連續數天無事故”，但業界普遍認為，其演算法在複雜城市場景中仍存在尾部風險。｜技術路徑對比小結：Waymo：強調控制與安全，一步步吃透每座城市；特斯拉：押注演算法泛化，一旦跑通可快速複製。一個靠地圖，一個靠模型；一個穩，一個快。02｜商業模式博弈：自營重資產 vs. 輕平台生態｜Waymo：車是自己的，營運也是自己的。Waymo 改採用的是一種 “新型出行公司” 模式：不賣車、不加盟，而是自營完整的 Robotaxi 車隊，通過 Waymo One App 提供服務。這種模式帶來兩方面結果：一方面，Waymo 擁有從硬體選型、感測器安裝，到調度、維護、客服的全流程控制權，服務一致、安全可控；另一方面，營運成本極高，每進一城都需重新部署地圖、系統與團隊。截至 2024 年底，Waymo 尚未實現盈利。“Other Bets” 類股全年虧損超 40 億美元。即使每周訂單已超 25 萬，要支撐這套重資產結構，仍需更高的利用率與更廣的落地。｜特斯拉：Airbnb of Cars？不是你開車賺錢，而是讓車自己去賺錢。特斯拉設想的是 Robotaxi 平台：使用者買車後，將其接入 Tesla Network，在空閒時接單接人。車主和平台分成，類似 Airbnb 的模式。這種結構的兩個好處：不必自建龐大車隊，靠使用者完成 “地面鋪設”；所有 Tesla 都是 “潛在節點”，通過 OTA 升級即可加入網路。此外，特斯拉通過售賣 FSD 軟體（一次性 $8,000 / 每月 $99）已實現前置收入。未來如放開私家車營運，還可進一步收取抽佣。但現實仍存門檻：L4 自動駕駛尚未落地、服務一致性難控、法規尚不明朗。這一模式目前仍停留在結構構想階段，尚未真正驗證。｜商業模式對比小結：Waymo 自營，像傳統航空公司：車輛自有、服務閉環、強調控制力；特斯拉做平台，更像 Airbnb + Uber 的結合：使用者供車、平台抽佣、結構輕。一方在解決 “怎麼自己開得更安全”，一方在設計 “如何讓別人也能來開”。03｜成本結構對比：誰能跑得更便宜？｜Waymo：高感測器、高人工、高起步Waymo 的成本結構來自三個關鍵詞：硬體貴、部署慢、人力多。每輛車需安裝多顆雷射雷達、毫米波雷達與攝影機，配合旋轉穹頂、冗餘控制系統與高算力平台。根據 2025 年 5 月分析師估算，整車成本仍在 15–20 萬美元之間。此外，每進入一座城市，Waymo 都需重建地圖、偵錯系統，並配備遠端支援團隊。雖然營運規模帶來一定效率提升，但整體仍屬 “重營運結構”。這套結構雖然安全穩定，但擴張難度高，模式要真正跑通，仍需時間與密度的雙重驗證。｜特斯拉：通用硬體 + 平台分攤 + 量產效應特斯拉的 Robotaxi 戰略建立在三項假設上：攝影機 + 神經網路可替代雷射雷達；所有車輛都可通過 OTA 升級為 Robotaxi；特斯拉具備全球最強的電動車量產能力。這意味著，robotaxi 的硬體結構與 Model Y 接近，不需額外採購高成本感測器。Ark Invest 預測，未來特斯拉專用 Robotaxi（Cybercab）整車成本可低至 1.5 萬美元，約為 Waymo 的 1/6。平台結構決定了更高的擴展槓桿，邊際成本遠低於 Waymo 的自營體系。但這個 “便宜” 的前提，是技術真的成立。如果 FSD 仍需遠端人工干預，或在複雜場景中頻繁失敗，維護成本和責任風險都將快速上升。馬斯克曾表示，特斯拉目標是將 Robotaxi 的單位營運成本控制在 $0.30–$0.40/英里，遠低於 Uber 的 $2，也低於當前 Waymo 的結構。｜每英里成本對比：從 “跑得貴” 到 “跑得穩”說明：表中成本為平台側的單位營運支出估算，非使用者實際支付價格。Waymo 含整車折舊、感測器、地圖維護與遠端支援；特斯拉模型基於無人駕駛完全落地後的預期效率；Uber 資料含司機人工與平台抽佣；私人用車則為年化成本/里程。同樣是一英里，不同系統背後是完全不同的成本邏輯與營運結構。｜成本結構對比小結：Waymo 成本高，但已有穩定營運資料支撐；特斯拉成本低，但尚未經過複雜城市場景的驗證；成本不僅關乎 “便宜”，更考驗長期可持續性；誰能在降本的同時守住安全邊界，誰就更可能率先跑出正向循環。04｜誰能更快擴張？信任 vs. 速度｜Waymo：慢，但贏得了監管和社區Waymo 的擴張邏輯一貫謹慎：先小範圍內部測試，再邀請友好使用者，最後才面向公眾開放全無人駕駛。這條路徑的關鍵，是贏得信任。在每個進入的新城市，Waymo 通常會：提前數月繪製高精地圖；與地方政府進行合規接洽；建立遠端支援與應急響應體系；分階段逐步放開載客範圍和時間段。截至 2025 年 5 月，Waymo 已在鳳凰城、舊金山、洛杉磯全面運行，並在奧斯汀、亞特蘭大等地部署，未來還計畫進入邁阿密、D.C. 等地。這種推進節奏雖然緩慢，但確保了極低的事故率，也建立起良性的監管協作關係。｜特斯拉：快，但必須用成績說服質疑特斯拉選擇了更典型的 “矽谷式路徑”：產品先跑；成功後複製；不完美也先上線，邊試邊調。首批 Robotaxi 將在奧斯汀試點，若測試順利，將在數周內擴展至數百台，並計畫數月後進入其他城市。它的優勢在於系統 “通用”：不依賴每個城市重建地圖；所有車輛均可 OTA 升級；城市開放僅需取得交通許可，即可迅速啟動。如能驗證成功，特斯拉的部署速度將遠超城市級重部署邏輯。但截至目前，特斯拉尚未獲得加州等核心區域的無人車營運許可。FSD 曾多次引發爭議，監管和公眾仍在觀望其能否勝任複雜城區。試點中若出現事故或使用者反饋不佳，其擴張節奏將受到實質性阻力。｜誰更像平台型公司？Waymo 的 “複製能力” 仍受限於重部署邏輯；特斯拉的 “部署能力” 則取決於監管門檻與模型穩定性。我們可以這樣理解：Waymo 複製一座城市，要寫幾十萬行地圖程式碼；特斯拉複製一座城市，只要按下 OTA 的按鈕，如果它的模型真的夠強。｜擴張節奏對比小結：Waymo 的擴張像建地鐵：慢，但一旦建好，安全、穩定；特斯拉的擴張像共享電單車：可以一夜鋪滿城市，但前提是 “不會亂撞”。05｜使用者體驗與信任：沉默司機 vs. 會進化的同伴｜Waymo：像一個極度克制的專職司機它不開快車，也不會跟你說話；它非常穩重、克制，甚至有點 “過於守規矩”。許多使用者形容它 “安靜” “穩定” “非常可預測”，這並非巧合，而是系統設定。Waymo 的駕駛風格儘量避免讓乘客感到 “意外” 或 “激進” ——無論並線、加減速還是路口等待，都表現出一種 “過於禮貌” 的風格。這種 “職業感” 在某些場景下甚至顯得 “保守”。比如在複雜路口，Waymo 有時會因重複判斷長時間等待，影響通行效率。但從信任角度看，正是這種 “克制”，讓首次乘客感到安心。Waymo 在 UI 上也注重 “可解釋性”：車內乘客可即時看到系統決策狀態與道路判斷，增強對系統的理解。截至 2025 年，Waymo 累計完成超 1000 萬次付費無人駕駛出行，且無重大人員傷亡事故記錄。它靠時間和資料一點點積累信任，而不是靠一次性的 “驚豔體驗”。｜特斯拉：像一個剛畢業但學得很快的新人它還在進化，但你永遠無法判斷它學會了多少。FSD 的風格一向不 “克制”，它的決策方式更接近人類司機 —— 並線迅速、反應直接，路徑偏重 “進攻性”。這對使用者而言意味著更高效率，但也更容易引發緊張。目前 FSD 仍處於 “Beta 測試 + 部分場景開放” 階段。即便 Robotaxi 上線，初期也很可能仍需遠端支援或限定場景營運。特斯拉依靠的是 “資料閉環”：每天上傳數十億英里真實行車資料，用於訓練神經網路。理論上，系統會像人一樣越開越熟練。問題在於：這種能力進化缺乏明確衡量標準，使用者無法判斷系統現在 “學到了什麼”。他們對系統的信任，大多來自品牌感知和體驗直覺，而非內部可解釋機制。此外，若未來向私家車開放 Robotaxi 服務，車輛清潔度、服務一致性、內飾標準等也將成為體驗挑戰。｜誰能贏得那個 “關鍵時刻”？這場競速的真正分水嶺，不在技術，也不在成本，而在：你能不能讓一個普通使用者，放心坐上一輛沒有駕駛員的車？誰先跨過這個心理門檻，誰就先打開真正的市場入口。Waymo 用克制贏得信任；特斯拉靠效率與品牌吸引嘗試。一個讓保守者安心，一個吸引激進者先用。｜使用者體驗對比小結：Waymo 的體驗是 “穩”，像你請的專職司機；特斯拉的體驗是 “快”，像你熟人開的熟車；真正能跑遠的 Robotaxi，要讓你不再關心 “誰在開”。06｜如果 Robotaxi 成為主流，會發生什麼？｜Ark 的預測：10 兆美元的出行重構Ark Invest 是 Robotaxi 市場中最樂觀的一派：到 2030 年，全球Robotaxi 市場規模或達 10 兆美元；出行方式將從 “擁有車輛” 轉向 “按次服務”；成熟後每英里成本可能降至 $0.25，遠低於 Uber 或私家車。在這個設定下，Robotaxi 不只是一次 “技術升級” ，而是一次出行基礎結構的重構。｜使用者真的會切換嗎？個體出行選擇，通常取決於三個因素：價格、可用性與安全感。目前這三者在 Robotaxi 上尚未同時成立。Waymo 成本雖低於 Uber，但使用者價格仍偏高（約 $2–$4/英里）；特斯拉尚未定價，且早期服務範圍有限，也難以形成有效替代。即使未來價格降至 $0.3–$0.4/英里，若調度效率與服務密度不足，仍難改變使用者習慣。換句話說，便宜是前提，但真正驅動切換的，是信任與可獲得性。｜如果 Robotaxi 成為主流，會發生什麼？家庭減少購車台數，轉向 “共享 + 私用” 的組合模式；停車需求下降，城市規劃將被重構；通勤變為可支配時間，而非沉沒成本；汽車從 “資產” 變成 “出行介面”。這不僅是消費方式的變化，也將影響城市結構、物流、保險、金融等多個底層系統。Robotaxi 改變的，不只是 “誰在開車”，而是我們對 “移動” 這件事的定義。選擇 Robotaxi，不只是出行方式的改變，更是你選擇相信那一種 “無人的信任感”：我們會更願意坐上一輛 “規則寫好” 的 Waymo，還是一輛 “演算法自學” 的特斯拉？ (複利貓的慢思考)