中國自動駕駛的終極答案：不是百度，而是一張會呼吸的數(shù)據(jù)網

當百度宣布與 Lyft 合作進軍歐洲，德國媒體驚呼 "中國自動駕駛開始技術出口" 時，一個更值得玩味的問題浮出水面：誰真正代表中國自動駕駛？

答案藏在哈爾濱零下 30 度的冰雪路面上，在廣州電動車大軍 "蟻群算法" 式的穿行里，在亦莊 1600 個智慧路口的神經突觸中 ——中國自動駕駛的未來，從不是某家公司的獨角戲，而是一張車端感知與路側智能交織的超級數(shù)據(jù)網

百度代表不了中國自動駕駛：這是一場分層創(chuàng)新的混戰(zhàn)

把百度等同于中國自動駕駛，就像用故宮代表整個中國建筑史 —— 忽略了 960 萬平方公里土地上的多元生態(tài)。

上海發(fā)放的首批智能網聯(lián)汽車示范運營牌照上，蘿卜快跑只是與大眾、小馬智行、奇瑞、賽可智能、友道智途、強生、錦江同臺競技的玩家之一。更尷尬的是成本——第六代無人車硬件成本百萬級，武漢宣稱“盈虧平衡”時，百度自由現(xiàn)金流暴跌至-89億元。這不是商業(yè)模式，是燒錢馬拉松。資本市場的反應更直白：文遠知行獲宇通重卡投資，廣汽甚至砸 5 億成立無人子公司。這種分散性恰恰說明，中國自動駕駛從來不是 "百度 VS 世界"，而是上千個玩家在各自賽道上的分層突破

蘿卜快跑的局限早已顯現(xiàn)。武漢早高峰的十字路口，它面對潮水般的電動車流反復試探轉向，被后方司機按喇叭催成 "芍蘿卜"；其第六代無人車近百萬的硬件成本，讓單公里運營成本居高不下，而母公司百度 2025 年 Q1 自由現(xiàn)金流暴跌至 - 89 億元 —— 當一個商業(yè)模式需要母公司持續(xù)輸血才能存活，它顯然撐不起 "中國代表" 的招牌。

真正的中國力量藏在更務實的角落：京東物流無人配送車在蘇州實現(xiàn)商業(yè)化閉環(huán)，蘑菇車聯(lián)的RoboBus已累計安全行駛里程超200萬公里，連比亞迪都能用 7 萬元的海鷗電動車裝載 L2 級輔助駕駛，靠每天 2000 萬公里真實路測數(shù)據(jù)喂養(yǎng)算法。這種 "從港口到鄉(xiāng)鎮(zhèn)" 的全場景滲透，才是中國自動駕駛的底色

數(shù)據(jù)戰(zhàn)爭：攝像頭 + 毫米波雷達只是起點，路側智能才是終極考場

特斯拉的純視覺路線在中國注定水土不服，不是因為技術落后，而是它低估了這片土地的"路況復雜度"。

從云南鄉(xiāng)鎮(zhèn)的機非混行到重慶山城的 "秋名山式" 彎道，從哈爾濱的冰雪路面到成都的暴雨積水，中國道路的 "壓力測試集" 全球最豐富。單靠車端的攝像頭 + 毫米波雷達，就像用聽診器給大象做體檢 —— 永遠摸不清全貌。

真正的破局點，在于路側 24 小時 ×365 天的超視覺感知能力。北京亦莊的 "云控平臺" 已經證明：1600 個智慧路口像神經突觸般連接車輛，紅綠燈能根據(jù)車流自動調節(jié)時序，實現(xiàn) "車看燈" 到 "燈看車" 的革命。這種路側智能不是車端感知的對立面，而是它的延伸 —— 車端負責 "眼前的茍且"，路側提供"遠方的詩和田野"。

Impromptu VLA 數(shù)據(jù)集的研究更直白：當自動駕駛系統(tǒng)遇到交警臨時指揮、道路邊界模糊等非結構化場景，僅靠車端傳感器會陷入 "決策癱瘓"。而路側設備能提供全局視角，比如提前 500 米預警突發(fā)路況，這正是中國 "車路協(xié)同" 路線的核心優(yōu)勢。

技術路線沒有對錯，但有高低：車路云是單車智能的必然升級

關于 "單車智能 VS 車路協(xié)同" 的爭論，本質上是 "手機單機模式 VS 移動互聯(lián)網" 的翻版 —— 前者注定被后者吞噬。

大眾押注車路協(xié)同，華為搞車路云一體化，不是否定單車智能，而是單車智能的天花板太明顯。Waymo 在封閉場景里跑了 3200 萬公里就能 L4 落地，而中國隨便一個縣城的路況復雜度都遠超美國郊區(qū)，單靠車端算力和算法根本扛不住。

數(shù)據(jù)不會說謊：華為 ADS 已搭載 50 萬輛車實現(xiàn) "全國都能開"，靠的正是路側設備提供的額外數(shù)據(jù)；小鵬 XNGP 覆蓋 243 城，背后是對中國特色場景的定向數(shù)據(jù)采集。就連特斯拉 FSD 入華后，都不得不調整算法適應 "電動車突然橫穿" 的本土場景 —— 這哪是路線之爭，分明是 "單車智能必須擁抱路側數(shù)據(jù)" 的共識。

當蘿卜快跑還在糾結十字路口的決策優(yōu)化時，蘑菇車聯(lián)早已將MogoMind理解物理世界的AI大模型，深度融合動態(tài)實時數(shù)據(jù)，實現(xiàn)了全局感知、深度認知和實時推理決策能力。這些數(shù)據(jù)里，路側感知的貢獻占比正在飆升

Robotaxi 是資本游戲，Robobus 才是民生剛需

百度們癡迷的 Robotaxi 模式，更像一場燒錢的 "技術炫技"，而真正的商業(yè)化密碼藏在 Robobus 里。

蘿卜快跑 140 萬單的成績背后，是每輛車近百萬的硬件成本，安全員每月 1.2 萬元的剛性支出 —— 武漢訂單均價不足網約車 1.5 倍，成本卻是 3 倍，這種 "補貼換數(shù)據(jù)" 的模式注定難以為繼。高盛預測中國 Robotaxi 市場十年增長 757 倍至 470 億美元，但這張遠期支票需要天量資金兌換，百度的現(xiàn)金流還能撐多久？

反觀 Robobus，在園區(qū)、景區(qū)、公交專用道等封閉場景里，它不需要應對極端復雜路況，卻能直接替代傳統(tǒng)公交，單公里成本降到 1 元以下。蘇州的無人公交已經跑了 3 年，日均 300 單零事故 ——這種 "小步快跑" 的商業(yè)化，比 Robotaxi 的 "大步躍進" 更靠譜

京東物流的無人配送車、洋山港的無人集卡早已證明：與其在開放道路死磕 L4，不如在限定場景先把錢賺了。Robobus 正是這個邏輯的最佳載體。

中國自動駕駛的答案，寫在數(shù)據(jù)土壤里

當我們談論中國自動駕駛時，真正該關注的不是哪家公司進軍了歐洲，而是 960 萬平方公里土地上正在編織的 "數(shù)據(jù)神經網絡"—— 車端攝像頭捕捉即時路況，毫米波雷達穿透暴雨濃霧，路側激光雷達掃描全局，云端大腦實時調度。

百度和蘿卜快跑是這場革命的參與者，但絕不是定義者。中國自動駕駛的底色，是華為ADS的車路云協(xié)同、蘑菇車聯(lián)的物理AI大模型、小鵬的本土化數(shù)據(jù)、京東的場景閉環(huán)，是上千家公司在各自賽道上的深耕。

畢竟，能通過中國路況終極考試的，從來不是某輛裝著激光雷達的 "精英車"，而是一張能感知冰雪、暴雨、電動車流的超級數(shù)據(jù)網 ——這才是中國給自動駕駛產業(yè)的獨特答案。