载具纪元新章：技术政策双轮驱动增长，谁将拿下无人出行的终极门票？

随着自动驾驶技术从“多路径探索”迈向“多模态传感器融合+端到端学习”的成熟阶段，Robotaxi正以技术可行性与商业化潜力的双重验证，掀起出行服务与汽车产业的链式变革。技术端，L4级自动驾驶通过替代人力显著降低网约车运营成本，高阶智驾系统依赖高质量数据闭环持续迭代；产业链层面，从智驾方案商到主机厂、运营平台的分工细化，推动“技术-硬件-服务”一体化加速成型。

政策端，国内形成“顶层框架+地方试点”的创新探索体系，海外则以差异化规则释放商业化空间，为中国企业出海构建先发优势。当前行业已迈入高速增长临界点——车规级硬件成本随规模效应持续下探，运营效率与安全性能的提升正打开万亿蓝海市场，头部企业通过车型放量与全球布局加速抢占赛道，Robotaxi的规模化落地正成为重塑出行生态的核心引擎。

一、Robotaxi 背景：智驾技术重塑出行服务行业

1.1 行业复盘：体验升级是需求核心，技术迭代推动供给变革

回顾出行服务行业的发展，用户对高效、舒适、高性价比的出行体验需求始终未变，而技术升级正从供给模式维度重塑这个行业。

传统巡游出租车：出行体验受时间与空间限制，线下匹配效率低下。传统巡游出租车采用线下随机匹配乘客与车辆的方式，体验高度依赖运气、地段和时段，充满不确定性；乘客需在路边被动等候，空驶车辆与需求方之间存在严重信息不对称，供需匹配效率极低，造成大量资源浪费。移动互联网技术的出现，为解决这一痛点提供了可能，进而催生出更高效的网约车模式。

网约车模式：匹配机制优化，出行体验更趋标准化。网约车是移动互联网 + 定位技术驱动的线上供需匹配服务，核心是通过算法整合乘客与司机，支持预估价格、实时轨迹查看等功能；它解决了巡游车等车时间长、价格不透明的问题，但服务体验与司机个体挂钩，出行体验的标准化程度不足。

Robotaxi：自动驾驶赋能的无人化标准化出行服务。Robotaxi 是由自动驾驶技术支撑的无人化出行服务，核心是依托智驾系统实现无司机运营，让服务流程标准化、响应逻辑统一；它消除了网约车的司机服务差异，且长期可通过技术降本实现更低出行成本，直接解决了前序模式的人力依赖与服务波动问题，凭借更稳定、可持续的体验，成为出行行业依托技术升级完成模式迭代的下一站。

1.2 无人驾驶技术入局，运力价值链迎来重构

巡游车时代：车辆资产集中于出租车公司，牌照构成准入壁垒。这一阶段，车辆资产的所有权高度集中在出租车公司手中，企业既是重资产持有者也是运营主体；政府通过控制出租车牌照发放数量，让牌照成为稀缺资源，构建了行政准入壁垒，最终导致运力供给刚性、市场缺乏竞争活力。

网约车时代：全国性牌照降低准入门槛，车辆资产所有权分散。平台本身不持有车辆资产，而是通过技术整合社会零散运力；车辆所有权归属于接入平台的私家车主或汽车租赁公司，由他们自行承担车辆购置、折旧、保险与养护成本；平台的核心角色从资产所有者转变为轻资产的连接者与调度者，通过算法高效组织海量社会资产，其价值与权力来自网络效应和技术，而非对实体运力的直接占有。

Robotaxi 时代：运力的供应、调度与管理将迎来结构性调整，催生全新产业分工。供给端，车辆资产所有权从网约车时代的分散个体，转移至智驾技术公司、专业运营公司手中；调度端，运力调度权或将从网约车平台、流量聚合平台，转向掌握智驾核心技术的自动驾驶公司与专业运营服务商联盟；管理端，复杂的车队维护、能源补给与远程管控，有望催生出专业化运营服务这一新业态。未来运力价值链或将重构，行业利润也有望被重新分配。

1.3 技术可行性：技术路径逐步收敛，头部企业事故率低于人类

无人驾驶的技术路径在持续迭代，端到端模型逐渐成为行业主流：传统技术路径依赖感知、规划、控制等独立模块分步处理任务，模块衔接易产生误差，且需对每个环节显式编程，应对复杂路况时灵活性不足；而端到端模型通过单一大型神经网络，直接将传感器输入转化为驾驶指令，以数据驱动的方式自主学习路况规律，无需逐一步骤编程，在复杂场景处理能力与可扩展性上更具优势 —— 不过目前仍面临可解释性弱、需高强度测试、依赖高性能硬件的挑战，为解决这些问题，端到端模型又分化为 VLA 和世界模型两大路径。

VLA 模型：整合视觉感知、语言理解与控制动作三大能力到单一神经网络，通过语言描述学习驾驶。其工作流程可概括为 “感知 - 理解 - 执行”：模型先通过视觉编码器处理摄像头输入的图像，同时将人类高层指令（如 “前方路口左转”）或场景描述转化为语言信息嵌入；随后，基于 Transformer 的融合网络对多模态信息深度交互推理，充分理解场景语义（如交通灯状态、行人意图）；最终，模型基于完整的 “场景理解” 直接输出车辆控制动作。

世界模型：模拟物理场景并具备预测能力，通过理解物理世界规律学习驾驶。它的核心是通过学习海量驾驶数据，构建一个编码物理世界运行规律的内部模型；基于当前观察到的场景，模型可以瞬间模拟未来数秒内的多种可能情况（如旁车突然切入、前方行人穿出）；通过在逼真的虚拟仿真中反复试错、评估不同决策的后果，自动驾驶系统能够提前选择最优、最安全的行驶策略。

L4 级自动驾驶技术的安全性已得到头部企业的实地验证，核心安全指标超越人类驾驶员：Waymo 在官网公布了实际运营的事故率数据 —— 在全无人驾驶车辆累计行驶超 5670 万英里的背景下，Waymo 在 11 类核心碰撞场景中的表现显著优于人类驾驶员，其中重事故率较人类降低 91%，行人、自行车、摩托车的受伤率分别下降 92%、78%、89%；该数据经第三方验证并获同行评审认可，虽复杂场景仍需更多里程验证，但已充分证明 Waymo L4 技术的安全落地能力。

保险理赔数据也显示，Waymo 运营车辆的财产损失与人身伤害索赔远低于人类驾驶水平：在累计超 2500 万英里的自动驾驶里程中，Waymo 的财产损失索赔较人类驾驶下降 88%，人身伤害索赔下降 92%；即便对比 2018-2021 年推出的新一代人类驾驶车辆，Waymo 的财产损失索赔也下降了 86%，人身伤害索赔下降 90%，且数据在统计学上具备显著性。

1.4 商业可行性：理论利润率上限提升，行业盈利路径已清晰

目前 Robotaxi 还处于试点运营阶段，中美两国的参与企业暂时都未实现盈利：Waymo、百度 Apollo、小马智行等行业领军企业，当前仍处于大规模投入期，尚未实现公司层面的盈利；高强度的研发开支、昂贵的传感器硬件成本，以及有限的商业化运营区域，共同制约了其盈利能力 —— 这也反映出行业正处于技术迭代与商业模式验证的关键时期，盈利能力的实现有待运营规模进一步扩大、单位经济模型持续优化。

硬件成本降低、规模化运营降本、网络效应提升订单密度，这三大因素将共同推动行业走向盈利：行业已显现清晰的盈利路径 —— 硬件端，激光雷达、计算芯片等核心硬件的成本逐年下降，降低了单车初始投入；运营端，随着车队规模扩大，维护、保险、充电等运营成本会因规模效应持续摊薄，同时订单密度与车辆日均运营时长有望提升，直接优化了单车收入模型。

行业商业模式仍处于探索阶段，最终主导运营的角色尚未确定：当前行业普遍采用 “技术公司 + 整车厂 + 出行平台” 的 “金三角” 协作模式，但具体利润分配中，各方的话语权与分成比例仍在激烈博弈；同时，未来运营主导权究竟归属于掌握核心技术的自动驾驶公司、拥有流量入口的出行平台，还是持有车辆的专业运营商，目前尚无定论 —— 这种不确定性，让各车企、科技公司及出行平台都在积极布局，以求在未来市场中占据主导地位。

二、产业链结构：智驾技术 + 硬件生产 + 终端运营

目前 Robotaxi 领域的参与者主要采用 “智驾技术 + 硬件生产 + 终端运营” 的三角合作模式：智能驾驶公司输出智驾方案并负责数据收集，主机厂提供车身底盘并完成装配制造，出行服务平台统筹日常运营与安全管理；而政府、基建商、安全机构则从政策、设施、安全评估端提供支持，共同构成了 Robotaxi 商业化落地的协作框架。

当前多数智驾公司以自主开展终端运营为主，便于收集数据训练模型。Waymo、小马智行、文远知行等智驾公司推出的 Robotaxi 车型，目前均由自身负责运营。在行业发展初期，技术公司自主运营的优势在于能直接掌控运营闭环，持续获取真实、复杂场景下的高质量数据 —— 这些数据可直接反哺算法训练，形成 “数据收集 - 模型迭代 - 体验优化” 的循环，是加速产品成熟、实现商业闭环的战略性考量。

2.1 技术端：强调安全冗余，相关企业多处于试运营阶段

自动驾驶技术按成熟度可分为 L0 至 L5 等级，Robotaxi 的商业化落地必须以 L4（高度自动驾驶）或 L5（完全自动驾驶）为前提：

L0：完全由人类驾驶；L1（部分驾驶辅助）：系统可在特定条件下提供纵向 / 横向单一方向的持续控制（如定速巡航）；L2（组合驾驶辅助）：能同时控制横向与纵向运动（如自适应巡航结合车道居中）；L3（有条件自动驾驶）：是技术分水岭，特定条件下系统可执行全部驾驶任务，驾驶员仅在系统请求时接管；L4（高度自动驾驶）：特定条件下无需用户接管，且能自动将车辆调整至最小风险状态（如无人出租车）；L5（完全自动驾驶）：无任何设计运行范围限制，可实现全场景自动驾驶。

与家用车的 L2/L2 + 辅助驾驶不同，Robotaxi 的智驾系统强调 “安全冗余”，因此增加了额外硬件成本：家用车辅助驾驶（L2/L2+）的核心定位是 “辅助”，系统遇到无法处理的场景时会将控制权交还给驾驶员；而 Robotaxi（L4 及以上）系统自身是驾驶责任的完全承担者，因此在硬件与软件层面均做了全面冗余设计 —— 硬件上，L4 的感知系统比辅助驾驶更复杂，通常结合激光雷达、摄像头、毫米波雷达协同工作，配备双芯片计算平台与冗余执行架构，确保任一部件突发故障时，备份系统能立即接管。

同样以 L4/L5 为目标，技术公司分为 “渐进式（以特斯拉为代表）” 与 “跨越式（以 Waymo 为代表）” 两种路径：渐进式路径：依托量产 L2/L3 车型推进，前期投入相对平缓，通过规模效应分摊成本；采用低成本纯视觉传感器方案，依赖极强的车端算力实现实时感知决策；优势是通过海量用户车辆形成高效数据闭环，但收集的数据质量相对普通，以常见场景为主；代表玩家包括特斯拉、地平线、小鹏等。跨越式路径：直接研发 L4，需巨额前期投入自建车队；依赖高精度传感器融合（如激光雷达）确保安全冗余，对车端算力要求极高；数据闭环高度定向且优质，能主动采集极端案例，但数据规模与采集效率是潜在瓶颈；代表玩家包括 Waymo、小马智行、文远知行、萝卜快跑等。

智驾系统此前以模块化体系为主，边界效应明显制约规模化部署：自动驾驶技术初期，模型能力不足促使开发者采用多模块串联架构 —— 感知依赖传感器与高精地图提取环境信息，决策基于预设规则生成路径，控制层执行动作输出；这种分层设计需通过人工定义的接口衔接，导致系统难以实现端到端优化；面对千万级复杂场景，人工规则的维护成本呈指数级增长，优化效能局限于单模块迭代；同时，传感器受天气干扰、高精地图更新周期长的特性，会造成时空感知与现实世界的错位，进而形成技术边界效应，制约了 Robotaxi 的大规模落地进程。

端到端架构提升系统上限与可复制性，现已成为行业技术方向共识：端到端自动驾驶架构能从传感器数据直接输出车辆控制指令，同步完成环境感知、行为预测与安全规划；其信息传递的无损性、追求全局最优解的特性，显著增强了对动态交通场景的适应能力与决策智能，已成为明确的技术演进方向，且展现出更高的性能潜力；不过该架构的挑战在于，现实世界的长尾复杂场景远超训练数据的覆盖范围。

智驾技术大方向收敛，后续迭代的关键在于高质量数据与数据闭环：当前智能驾驶技术路线呈现显著收敛态势，行业竞争重点逐步转向数据驱动的效率比拼；后续迭代的核心壁垒，在于能否构建高效的数据闭环体系，以持续获取覆盖真实复杂场景的高质量数据 —— 该体系可将实际路况中的长尾问题快速转化为算法解决方案，是持续优化系统性能、推动技术向更高阶自动驾驶迈进的关键要素。

行业处于规模化前的试点阶段，L4 技术公司主要靠自持车队运营：试点阶段，技术公司自持车队运营，能更完整高效地进行数据采集与闭环训练；同时 Robotaxi 车辆的造价正处于下降通道，专业运营商预计将在整车成本降至具备经济吸引力的临界点后，再大规模入场。

头部企业进展：Waymo（美国）Waymo 是美国规模领先的 Robotaxi 公司，已在多个城市开展商业化运营：Waymo 自发展初期便锁定 L4 自动驾驶目标，坚持多传感器融合的技术路线；目前 Waymo 在美国运营着规模最大的自动驾驶车队，每周在旧金山、凤凰城等多个城市提供超 45 万次出行服务，且正加速向拉斯维加斯、底特律等新城市拓展。

Waymo 的订单与车队规模双维度高增，规模化复制摊薄成本：周单量从 2023 年 5 月的 1 万单，升至 2025 年 8 月的 36 万单，对应其在自动驾驶出行市场的份额持续扩大；2025 年 5-11 月，车队总规模从 1500 辆增至 2500 辆，旧金山、洛杉矶等重点城市的车队同步扩容，运力匹配市占率随增长节奏提升；二者联动下，其运营模式已具备多城复制基础，商业化规模化进程提速。

Waymo 的实际定价高于传统网约车，规模化后成本有望摊薄：为实现全无人驾驶的安全目标，Waymo 选择了高成本的多传感器融合方案，导致单车硬件与运营投入较高；且在商业化初期，运营规模有限，目标客群并非价格敏感的大众市场，而是聚焦愿意为新技术支付溢价的早期用户 ——Waymo 以技术领先构建差异化定位，通过高溢价覆盖技术投入并塑造高端形象；未来随着技术成熟、规模扩张，成本有望逐步下降。

头部企业进展：小马智行（国内）

小马智行是国内 Robotaxi 领先企业，致力于 L4 无人驾驶服务：公司成立于 2016 年，2018 年推出国内首个 Robotaxi 服务平台 Pony Pilot，2020 年推出自动驾驶系统 Pony Alpha X，2021 年获准在北京开展自动驾驶无人化测试，2022 年成为国内首个获得出租车经营许可的自动驾驶公司；目前，公司已在北京、广州、深圳、上海等城市开展面向公众的自动驾驶出行服务，拥有一支超过 680 辆自有自动驾驶出租车的车队，累计自动驾驶里程超过 4790 万公里。

小马智行：Robotaxi 收入占比提升，规模化后有望成核心收入来源。公司营业收入持续增长，从 2021 年的 812 万美元增长至 2024 年的 7503 万美元。盈利端，2021 年归母净利润亏损 2.25 亿美元，2023 年亏损收窄至 1.25 亿美元，但 2024 年亏损幅度再度扩大 —— 主因是按绩效规则向员工授予股份奖励带来薪酬支出增加，以及与主机厂合作推进第七代 Robotaxi 导致研发投入上升。2025 年前三季度，公司 Robotaxi 运营规模进一步扩大，业务收入占比提升至 16%；随着运营逐步规模化，Robotaxi 有望成为公司未来的主要收入与利润来源。

小马智行：毛利率随业务结构调整波动，2025 前三季度逐步向盈利靠拢。2021-2024 年，公司毛利率从 77.7% 逐步下滑至 15.2%，核心原因是低毛利率的自动驾驶卡车物流业务营收占比持续提升。研发费用方面，2024 年因推进第七代车型开发，研发费率攀升至 320%；2025 年前三季度，研发费率回落至 258%。销售及行政等费用率近年维持在 70% 左右。后续随着车队规模化投放提升运营效率、第七代车型量产降本，以及安全员监管效率优化，公司的成本与费率均具备较大优化空间。

文远知行：L4 领域多线布局，积极拓展海外市场。公司成立于 2017 年，专注于 L4 级无人驾驶服务，是全球领先的自动驾驶科技公司，业务已覆盖全球 11 个国家、30 座城市，且率先达成了自动驾驶的规模化商业化运营。目前公司布局了包含 Robotaxi 在内的五大产品矩阵，车队总规模超 1600 台，累计自动驾驶里程约 5500 万公里。

文远知行：收入分产品销售与技术服务，2025 前三季度进入减亏阶段。公司收入由产品销售、技术服务两大板块组成：产品销售业务涵盖 L4 级自动驾驶车辆（含无人车、智能公交、物流车及清洁设备）及配套传感装置的供应；技术服务则延伸至智能出行解决方案、高级驾驶辅助系统开发及数据处理领域。当前商业化进程尚处早期，2025 年前三季度产品销售贡献约 40% 营收，技术服务占比 60%；随着 Robotaxi 运营逐步规模化，营收结构将向出行服务端倾斜。

文远知行：前期毛利率波动较大，2025 前三季度费用率迎来拐点。公司毛利率历史波动明显，主要受产品结构、定价策略和运营成本的共同影响：2020-2021 年因部署服务的人力成本增加，毛利率从 74% 降至 37%；2021-2023 年受益于 ADAS 研发服务及运营支持收入增长，毛利率回升至 46%；2024 年毛利率降至 31%，主因低毛利产品销量上升、价格策略调整及博世项目人力成本上涨。费用率方面，2020-2022 年随收入增长有所下降，2023-2024 年因团队扩张、研发投入及股权激励费用增加连续攀升；2025 年前三季度费用率整体下降，尤其是管理费用率降幅显著。

2.2 硬件端：L4 级自动驾驶核心硬件聚焦车载芯片与激光雷达

L4 级自动驾驶对传感器与域控制器的要求更高，核心硬件集中于高算力车规芯片与激光雷达—— 通过高精度环境感知与实时决策计算，支撑复杂场景下的完全自动驾驶，冗余设计则保障了系统安全。

车载芯片嵌入车辆电子系统中，承担着控制、计算、通信、安全及娱乐等多维度功能，技术壁垒较高：需满足车规级严苛要求（涵盖耐高温、抗振动、长寿命等特性），且要通过汽车电子委员会（AEC）认证。相较于消费级芯片，车规芯片需适配更复杂的车载工况，可靠性、安全性标准更严格，认证周期更长，进入车企及 Tier1 供应链的壁垒较高；按功能差异，可分为控制、计算、功率等类别。

国内车载芯片领域参与者较多，但国产化率仍有较大提升空间：目前国内涉足该领域的企业已超过 200 家，其中约半数已实现量产；不过多数企业规模较小、产品矩阵单薄，核心技术与性能和国际头部产品仍有明显差距，整体国产化率与技术成熟度有待进一步突破。

英伟达与特斯拉合计占据智驾域控芯片超 60% 的市场份额，国产芯片市占率逐步提升：2023 年特斯拉 FSD（37%）、英伟达 Orin-X（34%）领跑市场；2024 年英伟达反超成为榜首（40%），特斯拉份额回落至 25%。国产芯片成长显著：华为昇腾 610 装机量从 2023 年的 6.1 万跃升至 2024 年的 50 万，市占率升至 10%、排名第三；地平线征程 5 装机量增至 27 万，份额维持在 5% 以上，国产芯片在智驾域控市场的渗透率与竞争力均明显提升。

国内大厂入局车载芯片，行业竞争格局加速重构：国际巨头仍占据主导地位，欧洲企业在传统车规领域优势稳固、技术与安全壁垒较高，但优势已出现分化；本土企业正快速崛起。

在 L4 级智驾的安全冗余要求下，激光雷达是多传感器体系的核心补位组件：它通过主动发射激光脉冲生成厘米级精度的点云，能够弥补摄像头、毫米波雷达的感知短板，在空间精度与几何确定性上优势突出；且无需依赖大规模深度学习模型，即可输出物理维度的真值感知结果，为决策层提供稳定可验证的环境输入，是 L4 级自动驾驶安全冗余的必要支撑。

Robotaxi 普遍采用硬件冗余设计与多传感器融合方案。和 L2 辅助驾驶不同，在需要安全冗余的 L4 领域，Robotaxi 主流厂商多选择传感器融合方案，这也推动了激光雷达的放量：Waymo 第六代传感器套件搭载 13 颗摄像头、6 颗雷达及 4 颗激光雷达，并配套外部音频接收设备；小马智行第七代车型配备 9 颗激光雷达、14 颗摄像头、4 颗毫米波雷达，辅以 4 颗麦克风、2 颗涉水传感器及 1 套碰撞传感器，实现 360° 无盲区覆盖，可检测 650 米范围内的环境与物体。

全球激光雷达市场爆发式扩容，成长空间广阔。据禾赛科技招股说明书预测：中国市场规模将从 2020 年的 1 亿美元跃升至 2029 年的 97 亿美元，成为市场核心增长引擎；美国、欧盟市场同步扩容，2029 年预测值分别达 30 亿美元、31 亿美元；整体市场预计从 2024 年的约 16 亿美元，扩容至 2029 年的 171 亿美元。

国内激光雷达市场增长强劲、格局集中，自主厂商主导赛道。2024 年国内激光雷达装机量首次突破 150 万颗，同比增长 179.7%；2025 年上半年装机量达 100.2 万颗，同比增长 71%。市场头部效应显著：禾赛科技以 33% 的份额稳居第一，华为（30%）、速腾聚创（28%）紧随其后。

激光雷达价格进入持续下探通道，助力 Robotaxi 降本盈利。激光雷达价格下降的核心驱动力是产业链成熟与规模效应：上游芯片化、模块化技术实现突破，中游制造商产能规模化扩张，单位生产成本被摊薄；同时市场对高阶智能驾驶功能的需求升温，推动车规级激光雷达从前装试水走向规模化量产。激光雷达的持续降价，为 Robotaxi 降本并走向盈利提供了正向推力。

2.3 运营端：Robotaxi 时代，调度管理能力成新考验

网约车时代，绝大多数运力并非由平台直接管控，网络效应带来的流量与用户粘性，是平台维持市占率的核心壁垒 —— 网约车平台的核心功能是信息聚合而非运力持有，头部平台通过高频使用场景、个性化服务及数据驱动的动态调度，强化用户粘性。

网约车平台通过构建网络效应稳固市场份额：司机收入提升、工作灵活性增强，吸引更多司机加盟，完善供给网络；更多司机加入缩短了乘客等待时间，优化出行体验；体验提升推动乘客向平台聚集，增加订单量；订单增长又促进平台派单，进一步提升司机收入。这种供需动态匹配的网络效应，让具备运力与乘客资源优势的网约车平台市场份额更稳固。

滴滴出行市占率超 70%，处于绝对领先地位。截至 2024 年末，按 GTV（交易总额）划分：滴滴在一线、二线城市的布局中，市占率均超 70%；二线市场中 T3 出行占比 10%，略高于一线城市的 6%；曹操出行在一线城市占比 9%，高于二线城市的 8%；其他平台在一线城市占 14%、二线城市占 12%。

滴滴处罚后让出份额，聚合平台顺势扩张。2021 年滴滴受处罚后被动让出市场份额，聚合平台借此扩张，成为共享出行市场的重要力量：聚合平台的竞争力体现在资源整合与效率优化，订单响应时间平均约 3 分钟（比单一平台快 1 分钟），乘客等待时间平均约 6 分钟（比单一平台短 2 分钟），既减少了用户等待成本，又提升了车辆利用率。当前聚合平台的订单占比处于 25%-30% 区间，已是出行市场不可忽视的力量。

二线出行平台：借聚合平台补流量短板。在滴滴占据主导的格局下，二线出行平台接入高德、美团等聚合平台，可低成本获取增量流量，弥补自有平台用户规模不足的短板 —— 这也成为其维持订单密度、提升车辆利用率的关键路径。以曹操出行为例，2022-2024 年聚合平台促成的 GTV 占其总 GTV 的比例从 50% 升至 85%，向聚合平台支付的佣金费率则维持在 7.2%-7.5%。

聚合平台与二线平台：双向赋能，推动市场集中。对于聚合平台而言，与二线出行公司合作可打造自身的网络效应：二线公司提供稳定可靠的规模化运力供给，是聚合生态服务品质与覆盖范围的基础保障；通过深度绑定，聚合平台能优化运力池的结构与效率。对于二线平台而言，获得流量支持后，可凭借更优的运营效率与品牌认知，逐步整合数量众多、更为分散的长尾区域型运力提供商，进而推动市场集中度提升。传统网约车运营盈利空间有限，头部平台盈利周期长

传统网约车市场趋于饱和、运力过剩，平台陷入激烈的同质化与低价竞争；同时司机成本高企，平台需持续补贴用户与司机以维持供需平衡、稳定运力，进一步压缩了盈利空间。

➢ 如欲获取完整版PDF文件，可以关注钛祺汽车官网—>智库，也可以添加钛祺小助理微信，回复“报告名称：载具纪元新章系列：Robotaxi白皮书，技术政策双轮驱动，行业正处高速增长阶段 ”。

点击下方，查看近期热门行业研究报告