摩根士丹利稱Robotaxi商業化元年已至，下一步比拼的是城市AI底座

（來源：蚌埠新聞網）

轉自：蚌埠新聞網

近日，摩根士丹利發佈最新研究報告，認為自動駕駛出租車（Robotaxi）在經歷十余年的波折后，終於迎來商業化拐點。在生成式人工智能的飛躍、大模型訓練能力的成熟、資本密集押注以及地緣的戰略競賽推動下，Robotaxi正在從實驗室駛入現實世界。

報告中提到：「未來幾年，傳統有方向盤汽車可能會像2006年的黑莓手機一樣迅速過時。」

這不再是一場單純的技術革命，隨之而來的則是一次「城市基礎設施重構」的深層變革。

一、Robotaxi真的要來了？

Adam Jonas 領導的摩根士丹利分析師團隊在報告中指出，當前三大趨勢正在加速Robotaxi的成熟：

生成式AI加速認知能力提升：大模型具備更強的語義理解、空間感知與決策能力，彌補了傳統CV技術在複雜路況中的不足；

資本從試點轉向規模化：Waymo、Cruise在美國、中國的蘿卜快跑、小馬智行都在多個城市進行有規模的試運營；

地緣下的戰略性AI投入：無人駕駛已成為「科技主權」的關鍵組成部分，成為各國AI能力的展示窗口。

但這場看似屬於自動駕駛公司的競爭，真正要大規模落地，卻對「城市系統」提出了更高的要求。Robotaxi的真正拐點，不是車載傳感器，不是算法，不是AI模型，而是承接這些車輛的城市系統。

雖然Robotaxi技術本身正逐步突破，但「自動駕駛車輛事故頻發」，依然暴露了一個核心問題：自動駕駛車輛在城市中仍缺乏感知協同、環境數據，以及系統級調度能力。

這不是單車智能的問題，而是「城市不夠智能」。就像智能手機的普及需要4G網絡的鋪設，Robotaxi的真正上路，同樣依賴一個覆蓋廣泛、響應實時、可感知、可控制的AI網絡系統。

這也是為什麼我們必須重新理解「自動駕駛」——它不再是單點算法，而是一整套支撐AI與物理世界實時互動的「智能城市基礎設施」。

二、為什麼自動駕駛不僅要「腦子」，還要「身體」

傳統的自動駕駛模型依賴單車感知，主要依託車載攝像頭、激光雷達與毫米波雷達採集環境數據。雖然技術日益成熟，但在動態、開放、不可預測的城市空間中仍面臨三大核心技術瓶頸：

感知盲區與數據遮擋問題：由於城市中存在大量不可預見的遮擋物（如施工圍欄、大貨車、臨時擺放物體），單車感知模型往往無法準確判斷動態環境的變化，容易誤判路況或錯過突發事件。

邊界條件識別能力不足：自動駕駛系統在面對非結構化環境（如施工區域、臨時改道、異常交通事件）時，難以在缺乏語義標註的情況下進行有效應對。

協同能力缺失，孤車作戰：Robotaxi 車隊即使規模部署，在無外部感知和協同調度支持下，依舊像「無網WiFi」狀態，個體智能不等於系統穩定。

為Robotaxi時代鋪設AI地基

作為城市AI網絡建設的先行者，蘑菇車聯不只是單純的讓L4級別的自動駕駛車輛跑起來，或提供自動駕駛方案，而是在打造一個系統級、可部署、可運營的「AI網絡」平臺，讓所有智能體都能實現與世界實時交互。

其AI網絡由三部分構成：

多模態數據感知層：基於路口、道路部署的攝像頭、雷達等傳感器，實時採集環境與交通狀態數據；

MogoMind大模型中樞：具備感知、認知、決策、推理能力的大模型，理解交通語言，完成秒級推理和多車聯動判斷；

智能調度執行：連接信號燈、路側單元、車載系統，實現區域級別的AI協同決策與落地執行。

這意味着，在蘑菇車聯部署AI網絡的區域內，每一輛Robotaxi都不是「孤膽英雄」，而是接入了一個全天候協同運行的智能交通系統。

四、從Robotaxi，到「AI城市操作系統」

事實上，Robotaxi不是終點，而是AI城市的起點。當路端、雲端、車端及未來越來越多的智能體被AI網絡連接起來，一個更具系統智能、資源效率、運行可控性的「城市操作系統」開始顯現。

目前，蘑菇車聯的AI網絡已在全國多個城市部署：在北京亦莊、上海嘉定、浙江桐鄉、海南海口等建成多個數字孿生實時路口；在F1賽事中完成高密度、多人流區域的接駁調度等。

從這些落地案例中可以看出，蘑菇車聯AI網絡不僅僅是自動駕駛的補丁，更是一種新型的城市運行邏輯。

摩根士丹利的報告是一個信號，自動駕駛商業化正在成為不可逆的趨勢，但我們也應該看到，未來的比拼不在模型，而在部署；不在單點突破，而在系統落地。

蘑菇車聯所代表的「物理AI」路徑，為Robotaxi提供了真正可持續、可規模化運行的土壤。

所以，與其等待AI下凡，不如先把城市修成它能落腳的地方。

【廣告】免責聲明：本內容為廣告，不代表蚌埠新聞網的觀點及立場。所涉文、圖、音視頻等資料之一切權力和法律責任歸材料提供方所有和承擔。蚌埠新聞網登載此文出於傳遞更多信息之目的，對此文字、圖片等所有信息的真實性不作任何保證或承諾。文章內容僅供參考，不構成投資、消費建議。據此操作，風險自擔！！！