中国自动驾驶的终极答案：不是百度，而是一张会呼吸的数据网

文｜山自

当百度宣布与 Lyft 合作进军欧洲，德国媒体惊呼 "中国自动驾驶开始技术出口" 时，一个更值得玩味的问题浮出水面：谁真正代表中国自动驾驶？

答案藏在哈尔滨零下 30 度的冰雪路面上，在广州电动车大军 "蚁群算法" 式的穿行里，在亦庄 1600 个智慧路口的神经突触中 ——中国自动驾驶的未来，从不是某家公司的独角戏，而是一张车端感知与路侧智能交织的超级数据网。

百度代表不了中国自动驾驶：这是一场分层创新的混战

把百度等同于中国自动驾驶，就像用故宫代表整个中国建筑史 —— 忽略了 960 万平方公里土地上的多元生态。

上海发放的首批智能网联汽车示范运营牌照上，萝卜快跑只是与大众、小马智行、奇瑞、赛可智能、友道智途、强生、锦江同台竞技的玩家之一。更尴尬的是成本——第六代无人车硬件成本百万级，武汉宣称"盈亏平衡"时，百度自由现金流暴跌至-89亿元。这不是商业模式，是烧钱马拉松。资本市场的反应更直白：文远知行获宇通重卡投资，广汽甚至砸 5 亿成立无人子公司。这种分散性恰恰说明，中国自动驾驶从来不是 "百度 VS 世界"，而是上千个玩家在各自赛道上的分层突破。

萝卜快跑的局限早已显现。武汉早高峰的十字路口，它面对潮水般的电动车流反复试探转向，被后方司机按喇叭催成 "芍萝卜"；其第六代无人车近百万的硬件成本，让单公里运营成本居高不下，而母公司百度 2025 年 Q1 自由现金流暴跌至 - 89 亿元 —— 当一个商业模式需要母公司持续输血才能存活，它显然撑不起 "中国代表" 的招牌。

真正的中国力量藏在更务实的角落：京东物流无人配送车在苏州实现商业化闭环，蘑菇车联的RoboBus已累计安全行驶里程超200万公里，连比亚迪都能用 7 万元的海鸥电动车装载 L2 级辅助驾驶，靠每天 2000 万公里真实路测数据喂养算法。这种 "从港口到乡镇" 的全场景渗透，才是中国自动驾驶的底色。

数据战争：摄像头 + 毫米波雷达只是起点，路侧智能才是终极考场

特斯拉的纯视觉路线在中国注定水土不服，不是因为技术落后，而是它低估了这片土地的"路况复杂度"。

从云南乡镇的机非混行到重庆山城的 "秋名山式" 弯道，从哈尔滨的冰雪路面到成都的暴雨积水，中国道路的 "压力测试集" 全球最丰富。单靠车端的摄像头 + 毫米波雷达，就像用听诊器给大象做体检 —— 永远摸不清全貌。

真正的破局点，在于路侧 24 小时 ×365 天的超视觉感知能力。北京亦庄的 "云控平台" 已经证明：1600 个智慧路口像神经突触般连接车辆，红绿灯能根据车流自动调节时序，实现 "车看灯" 到 "灯看车" 的革命。这种路侧智能不是车端感知的对立面，而是它的延伸 —— 车端负责 "眼前的苟且"，路侧提供"远方的诗和田野"。

Impromptu VLA 数据集的研究更直白：当自动驾驶系统遇到交警临时指挥、道路边界模糊等非结构化场景，仅靠车端传感器会陷入 "决策瘫痪"。而路侧设备能提供全局视角，比如提前 500 米预警突发路况，这正是中国 "车路协同" 路线的核心优势。

技术路线没有对错，但有高低：车路云是单车智能的必然升级

关于 "单车智能 VS 车路协同" 的争论，本质上是 "手机单机模式 VS 移动互联网" 的翻版 —— 前者注定被后者吞噬。

大众押注车路协同，华为搞车路云一体化，不是否定单车智能，而是单车智能的天花板太明显。Waymo 在封闭场景里跑了 3200 万公里就能 L4 落地，而中国随便一个县城的路况复杂度都远超美国郊区，单靠车端算力和算法根本扛不住。

数据不会说谎：华为 ADS 已搭载 50 万辆车实现 "全国都能开"，靠的正是路侧设备提供的额外数据；小鹏 XNGP 覆盖 243 城，背后是对中国特色场景的定向数据采集。就连特斯拉 FSD 入华后，都不得不调整算法适应 "电动车突然横穿" 的本土场景 —— 这哪是路线之争，分明是 "单车智能必须拥抱路侧数据" 的共识。

当萝卜快跑还在纠结十字路口的决策优化时，蘑菇车联早已将MogoMind理解物理世界的AI大模型，深度融合动态实时数据，实现了全局感知、深度认知和实时推理决策能力。这些数据里，路侧感知的贡献占比正在飙升。

Robotaxi 是资本游戏，Robobus 才是民生刚需

百度们痴迷的 Robotaxi 模式，更像一场烧钱的 "技术炫技"，而真正的商业化密码藏在 Robobus 里。

萝卜快跑 140 万单的成绩背后，是每辆车近百万的硬件成本，安全员每月 1.2 万元的刚性支出 —— 武汉订单均价不足网约车 1.5 倍，成本却是 3 倍，这种 "补贴换数据" 的模式注定难以为继。高盛预测中国 Robotaxi 市场十年增长 757 倍至 470 亿美元，但这张远期支票需要天量资金兑换，百度的现金流还能撑多久？

反观 Robobus，在园区、景区、公交专用道等封闭场景里，它不需要应对极端复杂路况，却能直接替代传统公交，单公里成本降到 1 元以下。苏州的无人公交已经跑了 3 年，日均 300 单零事故 ——这种 "小步快跑" 的商业化，比 Robotaxi 的 "大步跃进" 更靠谱。

京东物流的无人配送车、洋山港的无人集卡早已证明：与其在开放道路死磕 L4，不如在限定场景先把钱赚了。Robobus 正是这个逻辑的最佳载体。

中国自动驾驶的答案，写在数据土壤里

当我们谈论中国自动驾驶时，真正该关注的不是哪家公司进军了欧洲，而是 960 万平方公里土地上正在编织的 "数据神经网络"—— 车端摄像头捕捉即时路况，毫米波雷达穿透暴雨浓雾，路侧激光雷达扫描全局，云端大脑实时调度。

百度和萝卜快跑是这场革命的参与者，但绝不是定义者。中国自动驾驶的底色，是华为ADS的车路云协同、蘑菇车联的物理AI大模型、小鹏的本土化数据、京东的场景闭环，是上千家公司在各自赛道上的深耕。

毕竟，能通过中国路况终极考试的，从来不是某辆装着激光雷达的 "精英车"，而是一张能感知冰雪、暴雨、电动车流的超级数据网 ——这才是中国给自动驾驶产业的独特答案。