芝能科技出品

Uber與Lucid和Nuro聯(lián)合投資超過3億美元，共同推進2萬輛L4級Robotaxi在全球落地運營，正式拉開美國新一輪無人駕駛商業(yè)化競賽的序幕。

隨著特斯拉Robotaxi推進，美國的Robotaxi走向量產(chǎn)的關(guān)鍵階段，平臺方、造車方與自動駕駛方案提供者之間的角色定位與協(xié)同邏輯。

在對比特斯拉與Waymo的技術(shù)路徑后，Uber對感知方案的選擇更顯謹慎與現(xiàn)實，而其同時聯(lián)手中國蘿卜快跑，小馬智行和文遠，是完全把中國的玩家都收入囊中了。

01 L4級Robotaxi系統(tǒng)架構(gòu)：從車輛平臺到感知硬件的全鏈路集成

本次由Uber主導的Robotaxi項目，涉及Lucid的電動SUV Gravity平臺、Nuro提供的L4級自動駕駛系統(tǒng)，以及Uber的車隊運營和調(diào)度網(wǎng)絡。

◎ 核心車輛平臺為Lucid Gravity，在其現(xiàn)有高性能電動架構(gòu)基礎上，通過區(qū)域控制架構(gòu)與冗余底盤系統(tǒng)，為L4級別無人駕駛預留足夠算力、電源與信號路徑資源。

Lucid的車型采用800V高壓平臺，具備較高的電子電氣帶寬，同時原廠車輛已具備冗余轉(zhuǎn)向、制動和動力系統(tǒng)，這為高階自動駕駛軟硬件的接入奠定基礎。

相比傳統(tǒng)車輛后裝改造，基于整車架構(gòu)預設的“Robotaxi-ready”方案，在熱管理、布線與控制器部署上更為高效，能降低系統(tǒng)復雜度與能耗，并提升后期維護性。

◎ 自動駕駛系統(tǒng)方面，Nuro在這次合作中提供其最新的L4級解決方案。

根據(jù)披露，該方案基于激光雷達主導的多傳感器感知體系，搭配英偉達Thor中央計算平臺。系統(tǒng)部署至少4顆激光雷達、多個8M攝像頭、毫米波雷達與超聲波傳感器，實現(xiàn)覆蓋全天候與全場景的360度無盲區(qū)感知能力。

Thor平臺提供超1000 TOPS的AI算力，并支持多任務并行處理，包括語義分割、路徑預測、傳感器融合與決策控制。Nuro此次部署的軟件棧為其從無人配送業(yè)務中提煉出的中立化L4軟件平臺，在低速封閉環(huán)境中已有商用驗證，現(xiàn)階段正在擴展至開放道路場景。

為確保系統(tǒng)安全性，整車采用三重冗余機制——主控系統(tǒng)失效時可自動切換至備份通道，剎車與轉(zhuǎn)向控制單元均為雙控設計，另配備獨立通信總線防止CAN網(wǎng)絡沖突。

這樣的設計雖然提升了成本，但對于Robotaxi這種無人值守、完全依賴系統(tǒng)決策的運營場景而言，冗余與穩(wěn)定性是比功能復雜性更優(yōu)先的考慮因素。

從技術(shù)角度來看，Uber聯(lián)合Lucid與Nuro打造的L4級Robotaxi，不再是單純堆疊傳感器與算法的方案，而是從底層車輛架構(gòu)、系統(tǒng)冗余、感知算力到平臺調(diào)度的全棧整合。

◎ Lucid提供的高壓平臺與區(qū)域控制器設計，為硬件開放留足空間；

◎ Nuro提供的多傳感器融合與冗余控制系統(tǒng)，則凸顯安全性優(yōu)先；

◎ Uber則負責將這套復雜體系嵌入城市級運營網(wǎng)絡中，為全球落地打基礎。

02 技術(shù)路徑的分歧與驗證：為何Uber偏向融合方案？

Uber的戰(zhàn)略落點并非自建系統(tǒng)，而是選擇已有驗證能力的方案方聯(lián)合開發(fā)。

在Robotaxi市場日益喧囂的背景下，這種“平臺+外部技術(shù)集成”的方式，能夠加快落地節(jié)奏，也能降低前期研發(fā)風險。而Uber同時選擇Nuro與百度蘿卜快跑的合作案例，也說明了其在關(guān)鍵技術(shù)路徑選擇上的傾向。

當今Robotaxi的感知技術(shù)大體可分為兩派：

◎ 一派為以特斯拉為代表的純視覺方案，強調(diào)成本可控與高度集成；

◎ 另一派則是Waymo、蘿卜快跑等堅持激光雷達+攝像頭+毫米波雷達等多模態(tài)融合方案，強調(diào)系統(tǒng)魯棒性與安全冗余。

從美國加州車管局發(fā)布的數(shù)據(jù)看，Waymo使用融合方案的人工接管率遠低于特斯拉的純視覺方案。尤其在夜間、惡劣天氣及復雜道路條件下，激光雷達的可靠性、識別準確率都更為突出。

例如在夜間識別行人場景中，激光雷達識別率可達98.5%，而純視覺僅為82.3%。

蘿卜快跑的Apollo RT6為典型代表，其采用四顆128線激光雷達，掃描距離達200米，點云密度超每秒153萬點，配合12顆800萬像素攝像頭、5個毫米波雷達和12個超聲波雷達，構(gòu)建了5層360度全景感知系統(tǒng)。

這種多冗余感知架構(gòu)，雖然成本更高，但能顯著提升L4級自動駕駛在復雜城市道路、突發(fā)場景（如施工區(qū)域、臨時交通改道）中的應對能力。

蘿卜快跑還疊加了大模型能力，其Apollo ADFM模型具備針對動態(tài)交通環(huán)境的意圖識別、行為預測與路徑協(xié)同能力，進一步增強Robotaxi的適應性。這種結(jié)合傳統(tǒng)感知堆棧與AI大模型的新型結(jié)構(gòu)，也正在成為行業(yè)探索的新趨勢。

Uber之所以選擇與Nuro、蘿卜快跑等堅持融合路線的方案方合作，核心在于當前技術(shù)階段，純視覺方案仍存在在極端工況下可靠性不足的問題。

激光雷達主導的多模態(tài)感知盡管成本更高，但安全邊界更明確、系統(tǒng)容錯更強，特別適合大規(guī)模Robotaxi的部署。同時，這些方案已有多城市、多氣候帶落地運營的經(jīng)驗，對于Uber構(gòu)建全球運營網(wǎng)絡提供了可復制樣本。

小結(jié)

Uber一波操作，匯集了全球的玩家，圍繞單車智能水平，平臺、硬件、軟件三方深度協(xié)同的綜合博弈。

從底層電子架構(gòu)到感知堆棧、再到運營調(diào)度，Uber構(gòu)建了一套以穩(wěn)定性與安全性優(yōu)先的Robotaxi部署體系。中國在高階自動駕駛領(lǐng)域的工程能力、系統(tǒng)集成度與運營成熟度正被主流平臺認可。

       原文標題 : Uber豪賭Robotaxi：從Lucid、Nuro到蘿卜快跑