他的无人驾驶出租车就在10月12日上线了！
当然啦，这在国内现已不是什么新鲜事了。
咱们的萝卜快跑早现已在国内的许多城市落地了。像武汉、深圳、广州、北京都现已进行测验或许开放了。
并且啊，萝卜快跑是我国培养出来的一棵土生土长的“土萝卜”。
你可别小看了这棵土萝卜，也是这两天爆出来的音讯，说是这棵土萝卜现已计划在海外推出自动驾驶出租车服务。
萝卜快跑现已十分活跃地和国外的轿车制作网约车渠道以及相关的科技公司，讨论土萝卜出海的或许性。
在这个时刻点官宣出海，可是跟特斯拉的Robotaxi撞了个正着。
其实在海外商场啊——当然也主要是美国啦，比特斯拉的Robotaxi更早上线的是谷歌的Waymo。
再加上最近正在活跃出海的萝卜快跑，国外无人驾驶商场很有或许迎来三强争霸，国产土萝卜1V2的状况。
咱们这棵土萝卜拿下海外的地盘，压力仍是很大的。
可是！胜算也不是没有。 这当然不是盲目自傲啊！
第一个原因，信任咱们都知道，这两年国内的自动驾驶技能发展地很快。
由于是自动驾驶技能，必定会涉及到上路测验实践。 这就必定离不开咱们国家方针的支撑和相关工业的配套。
我去查了一下，说是国务院办公厅现已发动《路途交通安全法》《路途运送法令》等相关法规的修订作业。
国内也有10多个城市在推动地方性立法，像深圳、杭州、广州、武汉、上海大城市，都有了很大的发展。
有了杰出的技能发展环境之后呢，便是我要说的第二点。
咱们的轿车相关商场满足巨大，有了方针的支撑能够较快地完成商业化。
就拿萝卜快跑来说，自从2021年连续在各大城市测验上线以来，到目前为止，现已累积了700多万个订单和超越1亿公里的测验运营路程。
很多的订单背面是什么？是任何一个大模型都需求的实况数据。
700多万个订单，阐明萝卜快跑现现已过了700多万次的不同路况，大到气候道路，小到行人斑马线，没有一次的路况会是完全相同的。
这样巨大的数据样本信息量，是不或许经过测验堆集的。
最终一点，便是不管什么技能都要落地，都要商业化，尤其是像无人驾驶这样的技能，现已谈了这么多年，更是要落地，要商业化。
除了我刚刚讲的两点，一个是方针支撑，能够短时刻内执行完成；一个是技能，也主要是在实验室或许部分实地场景。
那无人驾驶真实要大规模落地的必定条件是完善的基础设施。 这个基础设施分两个概念。
第一个概念，咱们都想得到，实际中的路途交通基础设施，这点信任不必我多说，咱们国家便是以基建狂魔著称的。
那第二个概念实际上是配套技能的基础设施也要跟上。 像什么高精地图、激光雷达、车载芯片，这些配套技能咱们都现已到达要求了。
在这两个基建的配套下，咱们国家的无人驾驶技能是真实完成了车路云一体化。
所以你看，不管是环境、方针，仍是技能堆集，实际上萝卜快跑现已堆集地比国外的两棵洋萝卜深很多了。
现在走出国门，和他们掰一掰手腕，较一较高低，最终的胜算必定是有的。
本文源自：锌财经
新品发布的热烈退去后，争议也随之而来。业界人士开端揣摩特斯拉Robotaxi的研制细节、商业化落地发展等，但是，这些未能在发布会里找到翔实的答案。特斯拉股价也在发布会后敏捷跌落。
无人驾驭出租车是特斯拉画下的“大饼”仍是会成为无人驾驭工业的“鲶鱼”？多位业内人士在承受证券时报·e公司记者采访时给出了不同观点。不过，受访人士普遍以为，特斯拉无人驾驭出租车对智驾职业会有必定催化作用，但无人驾驭的规模化运用落地仍需给予耐性。
两大焦点引重视
从产品形状上看，特斯拉此次共发布了两款无人驾驭产品。CyberCab是由特斯拉彻底主动驾驭驱动的双门两座电动轿车，不设置侧后视镜、方向盘、加速踏板、充电接口。别的，特斯拉推出无人驾驭厢式卡车Robovan，可搭乘20人。
在硬件上，CyberCab将运用“AI+计算机视觉”计划，与Model系列乘用车的FSD（特斯拉彻底主动驾驭体系）计划一脉相承。“我以为FSD可以完结的安全水平可以超越人类驾驭十倍左右。”发布会上，特斯拉CEO马斯克标明，主动驾驭将大幅下降人们的出行本钱。他以为，CyberCab的运营本钱或许会跟着公司事务的进一步铺开，下降到0.2美元/英里左右，包含税费或许为0.3美元—0.4美元/英里，车辆本钱在3万美元以下。
“马斯克发表了有关无人驾驭出租车的车辆本钱和运营本钱，特别运营本钱，应该算是给了职业比较好的决心。”中欧协会智能网联轿车分会秘书长林示对证券时报·e公司记者标明，从发布的数字来看，特斯拉无人驾驭出租车本钱方面仍是操控得比较低的。
“如果说特斯拉无人驾驭出租车有立异的当地，或许便是配备了无线感应充电技能。”有不签字的轿车职业人士告知记者，与传统充电桩比较，无线充电方法优势在于可以省去人工插拔充电枪的环节，流通无感地完结充电进程，更好地适配主动驾驭、主动泊车等场景。
据华鑫证券研报，在2023年投资者日中，特斯拉曾展现其无线充电配备，标明其在无线充电方面已有深沉研制根底。短期来看，Robotaxi是无线充电商场的首要破局者，长时刻看好家充场景的无线充电代替趋势。相较于有线充电，Robotaxi选用无线充电计划有望为单车节约运营本钱。一起，无线充电可以使得Robotaxi在补能时有序运转，随充随走，可以充沛灵敏运用载客空隙补能。
量产时刻表不明
至于投资者重视的量产时刻，特斯拉发布会上说到，估计在2026年开端出产无人驾驭出租车CyberCab。记者在采访中了解到，让商场忧虑的正是量产时刻等细节问题的不确定性。
“作为投资者，我更想了解轿车自身的研制细节、商业化发展以及上市详细时刻，但如同都没有切当信息。”有特斯拉投资者向记者标明，发布会上供给的要害信息并不算多。
北方工业大学轿车工业立异研究中心研究员张翔对记者称，特斯拉在此次发布会中并未泄漏CyberCab的详细商业计划。这使得外界对特斯拉主动驾驭出租车何时可以真实上路仍持张望情绪。
林示坦言，商场忧虑的应该便是量产时刻表，别的，FSD的底层技能能否支撑彻底主动驾驭也没有验证。“我以为特斯拉无人驾驭出租车，从这次发布会来说不能说有什么打破，它并未发表详细量产时刻表，展出车型是概念车仍是挨近量产状况都不知道。非要说打破也便是没有方向盘、踏板，阐明这是奔着彻底主动驾驭去的，但说究竟，现在或许也仅仅概念。”他标明。
那么，影响特斯拉无人驾驭出租车量产时刻的要素又是什么呢？有轿车职业人士告知记者，首先是CyberCab的方针价格或许低于3万美元，那么就需求特斯拉推出更廉价的车型来匹配，而不是运用现有的存量车型，因而需求必定的研制出产周期。别的，CyberCab没有方向盘和脚踏板，配备方面或许也会有相应的改造，这也需求投入时刻。
“特斯拉FSD在辅佐驾驭（L2）中的体现很好，但间隔无人驾驭（L4）要求的技能和安全目标方面还有很大间隔。”职业人士进一步指出，特斯拉Robotaxi要到达无监督运转还要等候美国监管组织的批阅，批阅的时刻及进程也有不确定性。
商业化落地仍有几道坎
安身当下，Robotaxi商业化前奏缓缓敞开，全球整车厂及工业链上下流行将打开剧烈比赛。
今年以来，谷歌旗下主动驾驭公司Waymo敞开扩张，与网约车Uber以及现代轿车等整车企业打开协作。国内商场，萝卜快跑先后在北京、重庆、武汉、深圳等城市开通了商业化运营服务。文远知行、小马智行、如祺出行等一系列在主动驾驭范畴锋芒毕露的企业，也在活跃推进主动驾驭技能的商业化运用。
有券商研报指出，国内Robotaxi企业首要分为主动驾驭互联网厂商及传统厂商两类，现在主动驾驭互联网厂商发展较为抢先。别的，Robotaxi所触及工业链较长。从上中下流来看，Robotaxi的上游首要为包含主动驾驭和整车制作两个层面技能的相关工业链；中游首要为造车企业以及互联网造车实力；下流首要为Robotaxi运营渠道以及相关服务方。
“Robotaxi这波热潮，整车厂和运营商是最直承获益的。”有轿车职业分析师向记者标明，估计Robotaxi有望逐渐完结商业化，将部分代替B端出租车和网约车，将加速轿车智能化进程，工业链中的驾驭计划供货商和整车企业有望获益，供给智能化硬件、软件的上游公司也有望获益。别的，主动驾驭根底设施车路云相关企业也会获得更多重视。
张翔以为，全球范围内的车企在主动驾驭技能的研制上仍处于探究阶段，间隔真实的商业化还有很长的路要走。特斯拉虽然是最早研制量产主动驾驭技能的新实力车企之一，但在主动驾驭技能的商业化方面也相同面临着许多应战。“我以为特斯拉此次发布活动更像是一次技能展现和概念推行，而非真实的商业化落地。跟着商场竞争的加重和技能的不断进步，特斯拉能否在主动驾驭技能的商业化方面获得打破，仍需时刻验证。”张翔称。
谈及特斯拉新品发布后能否成为智驶职业的“鲶鱼”，林示以为，特斯拉无人驾驭出租车对智驾职业会有必定催化作用，究竟特斯拉在智能驾驭方面还算是标杆。但其商业化落地还有几道坎：首先是技能能否到达彻底主动驾驭的水平；其次，商场承受度究竟高仍是低，信赖度问题不容易处理；最终，方针是否会答应无人驾驭快速落地等。“总归，高阶智能驾驭或许正在落地，但无人驾驭现在还不好说。”林示标明。
依据媒体取得的电子邮件，特斯拉的一名职工至少从5月份开端就一向在于奥斯汀市的自动驾驭轿车特别工作组进行交流，以确认得克萨斯州州府能否成为第一个选用特斯拉无人驾驭车队的城市。
这位职工在11月份的一封电子邮件中表明，“特斯拉仍在得克萨斯州寻觅一个能够布置的城市……奥斯汀市显然在咱们的道路图上，但咱们没有决议首要布置在哪里，由于咱们有许多挑选。”
报导称，这位特斯拉职工曾表明，公司有爱好参加奥斯汀市的自动驾驭轿车工作组。这位职工表明，公司的方针是满意奥斯汀的安全希望，并训练急救人员怎么与车辆互动。
据了解，奥斯汀的自动驾驭轿车工作组于上一年建立，主要由该市的交通部门和急救人员组成，使命是与自动驾驭轿车公司和居民协作，搜集反应和事端数据，并拟定安全训练和程序。
