百度萝卜快跑与Uber达成战略合作，萝卜快跑的运营部署范围将覆盖超过70个国家，有望实现全球一起「打萝卜」。

文丨智驾网 零酱

编辑丨雨来

Robotaxi历经十年的迭代演化终于迎来历史性拐点。

7月15日，萝卜快跑宣布与Uber建立战略合作伙伴关系，将萝卜快跑无人驾驶出行服务拓展至美国和中国大陆以外的全球多个市场。

按照计划，数千辆萝卜快跑无人驾驶汽车将接入Uber全球出行网络，这是迄今为止，史上最大车辆规模的无人驾驶合作。

这也是中国自动驾驶技术首次实现「服务输出」。

01.

史上最大规模的自动驾驶合作

根据约定，今年年底前，萝卜快跑与Uber将率先在亚洲和中东地区部署萝卜快跑第六代无人驾驶汽车，未来将逐步扩展至美国和中国大陆以外的全球多个市场。服务上线后，乘客可通过Uber App呼叫到由萝卜快跑提供服务的无人驾驶车辆。

受此消息影响，百度美股一度大涨近9%。

资本市场对于中国自动驾驶技术首次以「服务输出」模式参与全球竞争十分看好。

百度创始人李彦宏表示：

「与Uber的合作是萝卜快跑在全球范围内部署无人驾驶汽车的一个重要里程碑。我们将与Uber一起，为世界各地的乘客提供安全高效的出行方式。」

今天的Uber其业务覆盖全球70多个国家及地区的1万多个城市、市场份额达32.4%，已是世界最大的出行平台。

对于萝卜快跑而言，与世界最大的出行平台合作，首先可以借助Uber海量的出行服务订单，迅速增加落地车辆数量，既而迅速摊薄车辆成本。

截至目前，萝卜快跑在全球无人驾驶车辆规模超过1000辆，在接入Uber平台之后，萝卜快跑的车辆的体量预计将实现翻倍增长。

根据此前报道，萝卜快跑第六代无人车售价为20.46万元，若继续依托规模化效应降低成本，将有助于用车单价的下降，在价格层面吸引用户使用Robotaxi。

另外，借助Uber在全球市场的运营网络，萝卜快跑也将加速在海外市场落地。

今年一季度，萝卜快跑进入了迪拜和阿布扎比，开始在迪拜公开道路开启验证测试。根据萝卜快跑与迪拜道路交通局(RTA)的合作协议，双方计划将在迪拜部署超过1000台全无人驾驶汽车。

6月18日，香港运输署发布消息称，萝卜快跑已获批在香港东涌的指定路段和时段开展测试，进一步丰富自动驾驶应用场景。这是继4月底，香港运输署更新自动驾驶车辆试行牌照并扩大萝卜快跑自动驾驶车辆在香港的测试区域后，萝卜快跑在港的又一突破。根据香港运输署最新评估，萝卜快跑在不同道路场景中表现稳定，安全行驶里程已超过15000公里。

此外，有报道称百度正积极将「萝卜快跑」业务扩展至瑞士与土耳其。据称，百度已在在瑞士设立实体公司，作为其无人驾驶业务出海欧洲的重要前哨。

此时的Uber及时出现，成为萝卜快跑出海的风帆。

02.  
自动驾驶的先锋军需要安全托底

今天的许多人可能已经忘了，Uber原本是自动驾驶行业的先锋军。

2015年就在Uber在匹兹堡市正式推出了有安全员的自动驾驶服务。但Uber自身的自动驾驶之路发展并不顺利。

但Uber并没有放弃Robotaxi赛道，转而与萝卜快跑、Waymo等全球头部无人驾驶公司开展合作，「曲线救国」。

今天Robotaxi已来到大规模落地的临界点，萝卜快跑在中国千万人口城市实现规模化落地，Waymo在旧金山的市占率已超过Lyft。

同时，越来越多国家和地区开始给无人驾驶开绿灯放行：美国、德国、日本等多个传统汽车制造强国针对自动驾驶立法，并从国家战略层面加速推动Robotaxi从测试向商业落地推进。

作为全球最大的出行平台，此时的Uber需要一个已经完成技术验证、具有大规模部署能力的合作方再次布局无人驾驶，而全球最大自动驾驶服务商萝卜快跑，正是这样一个合格的合作伙伴。

在感知硬件方面，萝卜快跑第六代无人车拥有车顶1颗主雷达（前向长距探测）+ 两侧各1颗补盲雷达（侧向覆盖）+ 后向1颗雷达（盲区消除）共四颗激光雷达，实现5×360°无死角感知，其点云密度是Waymo车型的1.5倍。

另外，萝卜快跑第六代无人车搭载了百度Apollo ADFM大模型——全球首个支持L4级自动驾驶的大模型，其安全性号称"高于人类驾驶员10倍以上。

根据此前报道，Apollo ADFM感知大模型已经实现包括检测、跟踪、理解、建图等基本能力。其中感知大模型中的基础模型通过点云和视觉多模态融合的方式，实现了相机和主动光不同类型传感器的优势互补，兼顾深度、准确性和信息丰富程度。

同时，在数据处理上，感知大模型也实现了更完善的数据自标注，可将原始数据批量自动化转化为粗标数据以及精标数据，极大程度的解决了标注数据获取这一困扰感知效果提升的瓶颈问题。这让感知大模型对超长尾场景的检测能力更为精准，比如不规则障碍物、各种位置关系的行人、非机动车或是施工占道等。

决策规划部分，百度Apollo ADFM实现了合规避障、博弈、预判等基本能力，同时跳出了原有决策规划任务中预测、决策、车道选择等阶段性任务，可以通过全链路模型化综合输出多元环境信息，直接生成执行轨迹。

另外，这套规划决策模型也将人类驾驶员的驾驶数据作为训练数据，从行为拟人到超越人类驾驶，可大大提升系统的安全性。

依靠自动驾驶大模型，萝卜快跑在实现快速规模化落地的同时，还能保证超高安全的运营水平。

截至目前，萝卜快跑已经为全球用户提供了1100 万多次的出行服务，累计安全行驶里程超过1.7亿公里，从未发生过重大伤亡事故。根据出险数据显示，实际车辆出险率仅为人类司机的1/14。

03.  
风头越来越劲的纯视觉，适合现阶段的Robotaxi吗？

百度此次与Uber的合作披露之前，业内有传言「百度转向纯视觉路线」。

这种传言或许是受到特斯拉Robotaxi飞速扩张的影响。

6月22日，特斯拉Robotaxi正式在得克萨斯奥斯汀开启试运营，比他去年10月份Cybercab亮相时的规划早了一年多。

当前，全球各地市场上运营的Robotaxi可以说悉数采用激光雷达方案，但就像特斯拉的FSD一样，马斯克和他的Cybercab又一次站在了整个行业的对立面。

在马斯克对于Robotaxi的设想是，车主的特斯拉车辆在具备自动驾驶能力之后，车辆可以在车主不需要用车时候自己开走加入Robotaxi车队接单赚钱，而在车主需要用车时只需要在APP上「召唤」，车辆则会自行驶回。

这一模式如果可以跑通，意味着世界汽车工业的商业模式从此颠覆。

不久前，特斯拉预演了一次类似的场景。

当地时间6月28日，通过临时更换软件方案，特斯拉将一辆Model Y在工厂下线后自动交付到了用户的手中。 

这台Model Y的自动交付路线涵盖复杂的郊区道路与住宅街区，而以上这些，都是在没有激光雷达的情况下完成的。

而此后的7月14日，马斯克和特斯拉Robotaxi官方又宣布扩大现有运营范围，速度惊人。

那么纯视觉已经真的成熟了吗？很遗憾，答案是否定的。

特斯拉Robotaxi在经过了近一个月的运营之后，更多的问题正陆续暴露出来。

6月24日，在其试运营开始第二天开始有Robotaxi失败的视频出现。

根据博主「DirtyTesla」描述，当时他乘坐一辆全自动驾驶的Model Y测试车前往一家披萨店，车辆多次尝试驶入该店停车场失败后，停在了入口旁。

他下车后拍摄的视频显示，车辆在无人操作的情况下突然自行转动方向盘，径直驶向旁边停放的一辆丰田凯美瑞，轮胎轻微擦碰了对方车门后，特斯拉自动停车并亮起危险警示灯。

虽然此次事故仅造成轻微剐蹭，未导致人员受伤，但由于全程被拍摄上传网络，Robotaxi的安全性和稳定性受到前所未有的质疑。

随后，越来越多的安全事件被曝：

误入对向车道：一辆Robotaxi左转过程中偏离路线，逆行长达数秒；

幽灵刹车频发：车辆在无障碍物情况下突然急停，导致乘客物品散落；

定位混乱：Robotaxi将乘客放下于红绿灯前或车道中央，强制结束行程；

超速行驶：30英里限速区行驶速度接近40英里/时。

目前，针对上述安全问题特斯拉方面始终未披露运营数据，也未主动公布FSD的接管频率或具体故障日志。

这种「不解释、不回应」的态度，正在加剧监管机构与公众的担忧。

在撞车事故发生后，美国国家公路交通安全管理局（NHTSA）已经迅速介入。

据路透社报道，NHTSA已向特斯拉发出正式的信息要求函，要求公司提交事发车辆在碰撞发生时的感知逻辑、控制决策链、异常响应机制，以及Robotaxi当前版本系统的整体运行评估框架。

德州大学交通工程教授在分析Robotaxi指出：

「Robotaxi在夜间、昏暗巷道、静止障碍物密集等场景中表现出根本性的环境理解缺陷，决策逻辑存在结构性漏洞。这不是简单的软件bug，而是纯视觉方案尚无法彻底解决的感知短板。」

2022年起，特斯拉逐步弃用超声波传感器，将近距离泊车与障碍物检测完全交由摄像头与AI模型处理。而上文提到的Robotaxi剐蹭事故正发生于停车场入口这一典型「短距离避障」场景，恰恰暴露了其弱点。

在汽车行业，激光雷达与纯视觉方案的路线之争早已有之，但与Robotaxi的最大不同在于，无论两个方案表现如何，方向盘后都坐着一位驾驶员可以随时接管车辆，有人类驾驶员的托底，自动驾驶的私家车造成的风险基本可控。

而特斯拉的Robotaxi恰恰没有这个最后托底的「解决方案」，只能依赖副驾安全员或云端的监控人员实施紧急接管。

从当前无人驾驶技术发展来看，雷视融合方案依然是满足Robotaxi安全运营的最佳方案。Uber选择与萝卜快跑合作，无疑也是看中萝卜快跑激光雷达路线的安全性。

无人驾驶行业正成为具身智能、生成式AI落地的最佳载体，百度与Uber的此次合作恰在同一时点。

多年之后，当我们回首此次双方的携手，也许正是推动自动驾驶爆发式发展的起点。