Autonomous vehicle commercial deployment：自动驾驶汽车正从演示走向乘用车和货运市场的商业部署

概览

这份主题实地考察报告研究自动驾驶在自动驾驶出租车、乘用车和货运领域如何从技术开发走向商业应用。BofA认为，机会广泛且存在多方参与者，但安全验证、车辆供给和车队运营能力将决定规模化进程。

核心观点

BofA通过与15家公司的30多位高管会谈、演示和试乘后得出的核心结论是，自动驾驶汽车正从开发阶段迈向乘用车和货运市场的商业部署。该机构不认为自动驾驶是赢家通吃：企业正在采用端到端AI、具备传感器冗余的模块化系统、垂直整合车队、合作伙伴关系及软件授权模式。讨论重点已从自动驾驶是否可行，转向运营商能否验证安全性、获取适配自动驾驶的车辆，并建设充电、维护、制图、远程运营和监管能力等规模化所需基础设施。 AI和基础模型是共同的技术驱动因素。Tesla和Wayve偏好在大规模真实世界数据上训练的端到端架构；Aurora、Zoox、Nuro、Kodiak和Rivian则将AI与冗余传感器、仿真和安全层相结合。Wayve的AV2.0战略寻求打造适用于不同车型、地区和传感器配置的通用驾驶模型；其援引2025年在500个城市进行的测试，车辆在许多地点几乎不需要或完全不需要本地预训练数据即可行驶。Wayve计划向OEM授权软件，近期先聚焦L2++驾驶辅助，之后再拓展自动驾驶出租车；其预计从2027年起在Nissan Leaf上部署，并于2026年9月在伦敦推出由15辆车组成的Uber监督式自动驾驶出租车服务。 报告认为，改善的经济性是重要推动因素。传感器成本下降、模型能力提升和司机短缺共同增强了自动化的商业逻辑。Tesla预计Cybercab规模化后的全包成本约为$0.30 per mile，相比Model Y车队车辆约为$0.50 per mile，以及Uber或Lyft约为$2-3 per mile。Tesla提到现有安装产能为125,000辆，电池和驱动单元的设计寿命最长可达500,000英里。其无人监督里程从财报电话会时累计约380,000英里增至前一周超过100万英里，并计划在年末前实现每周两位数百分比增长。报告将围绕版本15中七项关键技术轨道的软件验证及数据反馈循环视为近期瓶颈；Tesla则优先考虑乘客体验和车队建设，而非短期自动驾驶出租车盈利。 货运自动驾驶提供了另一种生产率逻辑。Aurora估计Driver-as-a-Service成本约为$0.85 per mile，而人类司机工资和福利约为$1.30 per mile，尚未计入间接劳动力成本；其强调自动驾驶卡车每日潜在运营时间约为20小时，而人类司机约为8-9个有效驾驶小时。Aurora于2025年4月启动无人驾驶卡车运营，目前有25辆卡车承运商业货物；其预计2026年末约有200辆卡车，随后随着OEM供给改善实现更大规模扩张。公司估计卡车运输的长期可服务市场为$1 trillion，但表示车辆供给和可规模化运营目前比技术成熟度更重要。Kodiak在Permian Basin为Atlas Energy Solutions运营35辆无人驾驶卡车，并称无驾驶员行驶里程比例从91%升至93%；其强调摄像头、雷达和LiDAR、概率风险评估、仿真及真实世界验证。 报告还强调不同的商业模式。Zoox围绕专为自动驾驶出租车设计的双向车辆，垂直整合车辆设计、自动驾驶软件、制造和车队运营；其已在Las Vegas获得初始收入，并在San Francisco和Las Vegas运营。Lucid、Nuro和Uber代表生态系统模式：Uber承诺购买至少35,000辆自动驾驶汽车，Nuro估计其硬件堆栈成本约为$10,000 per vehicle，并寻求经常性软件授权收入，同时承担自动驾驶系统的产品责任。Rivian计划从驾驶辅助走向自动驾驶网约车，采用多模态感知、自研AI、可提供1,600 TOPS的自研芯片，并与Uber合作，目标部署最多50,000辆自动驾驶汽车。Gatik聚焦中程物流，预计年末部署约100辆无人驾驶车辆，提到超过$600 million的合同积压，并表示典型合同每辆卡车每年可带来约$200,000收入。 除车辆之外，BofA认为自动驾驶是具身AI最大的真实世界训练环境之一。Wayve正通过其具身AI实验室探索制造、物流和人形机器人应用，Tesla则利用自动驾驶基础设施开发Optimus。不过，报告记录了对可迁移性的不同观点：Rivian警示，因商业环境和所需数据不同，自动驾驶模型未必能轻易迁移至人形机器人。更广泛的生态系统讨论强调，随着自动驾驶汽车利用率上升，制图、充电、维护、停车、车队运营和远程监管可能成为重要价值池。个人拥有的自动驾驶汽车也可能与车队自动驾驶出租车融合，从而在替代现有运输模式之外扩大需求。

分析框架

报告综合了自动驾驶出行生态系统中的管理层会议、实地考察和试乘演示，对乘用车自动驾驶出租车、消费者ADAS和自动驾驶卡车在技术架构、安全验证方式、部署进展、单位经济性、利用率、车辆供给、运营模式和基础设施需求方面进行了比较。

方法论与常识提炼

• 行业/产业分析框架供需框架

  通过司机短缺、车辆供给、运营成本和利用率评估自动驾驶出行的经济性。

  报告将不断加剧的司机供给约束和自动驾驶更长的运营时间，与更低的每英里成本及潜在更高的运输需求联系起来。

• 行业/产业分析框架产业链上中下游传导

  自动驾驶出行生态系统分析。

  报告将AI和车辆平台与实现商业部署所需的制图、充电、制造、车队运营、物流和网约车网络联系起来。

• 其他

  通过仿真、真实世界测试、冗余设计和概率风险评估进行安全验证。

  企业运用这些方法证明自动驾驶系统具备足够安全性以实现规模化部署；报告将验证视为关键门槛。

标的映射与对比

研报将主题/逻辑映射到具体标的时的结构化摘要（优势、劣势、对比与风险）。

• Wayve

  采用OEM授权模式的自动驾驶软件提供商。

  优势

  端到端通用AI架构、硬件灵活性和轻资产授权策略。

  劣势

  相较于近期ADAS重点，自动驾驶出租车仍是更长期的机会。

  对比

  其单一端到端神经网络与传统模块化、规则驱动的自动驾驶堆栈形成对比。

  风险

  OEM采用、部署验证以及从驾驶辅助向自动驾驶出租车扩展。

• Aurora

  采用Driver-as-a-Service模式的自动驾驶卡车提供商。

  优势

  商业化无人驾驶运营、OEM合作关系及其所述的较低每英里成本优势。

  劣势

  车队规模取决于适配自动驾驶的车辆供给。

  对比

  强调可验证AI和安全约束，而非纯粹的端到端自动驾驶。

  风险

  运营规模化、OEM车辆供给和安全验证。

• Tesla

  推进Cybercab模式的自动驾驶出租车及消费者自动驾驶平台。

  优势

  大规模真实世界数据反馈循环、较低的Cybercab目标成本和耐用的车辆部件。

  劣势

  当前自动驾驶出租车定价并不代表预期的规模化模式。

  对比

  目标每英里成本显著低于Model Y车队车辆以及Uber/Lyft。

  风险

  在扩大车队之前进行软件验证并扩展无人监督里程数据循环。

• Gatik

  商业化自动驾驶中程物流运营商。

  优势

  已有无人驾驶运营、合同积压、照付不议合同和固定费用收入模式。

  劣势

  聚焦中程物流，而非更广泛的长途运输市场。

  对比

  采用固定费用运输合同，而非按里程计费。

  风险

  路线设置、运营扩张和制造合作伙伴执行。

关键数据

• 实地考察参与规模>30 executives across 15 companiesBofA自动驾驶汽车实地考察
• Wayve泛化测试500 cities globally2025年测试；车辆在许多地点仅需很少或无需本地预训练数据即可运行
• Tesla Cybercab成本目标~$0.30 per mile规模化后的预期全包成本
• Aurora Driver-as-a-Service成本~$0.85 per mile相比人类司机工资和福利约为$1.30 per mile
• 自动驾驶卡车运营时间~20 hours per day相比人类司机约8-9个有效驾驶小时
• Kodiak无人驾驶车队35 trucks在Permian Basin为Atlas Energy Solutions运营
• Tesla无人监督里程>1 million cumulative miles从财报电话会时约380,000英里增加
• Gatik合同积压>$600 million由与客户签订的长期照付不议协议支持

影响与含义

BofA认为，自动驾驶将在乘客出行、卡车运输、物流、车辆平台、AI软件和车队基础设施领域创造机会。更低的每英里成本和更高的利用率可能扩大出行需求，但商业规模化取决于安全证明、监管执行、车辆生产和运营基础设施，而非仅仅取决于软件进步。