載具紀元新章：技術政策雙輪驅動增長，誰將拿下無人出行的終極門票？

隨著自動駕駛技術從“多路徑探索”邁向“多模態傳感器融合+端到端學習”的成熟階段，Robotaxi正以技術可行性與商業化潛力的雙重驗證，掀起出行服務與汽車產業的鏈式變革。技術端，L4級自動駕駛通過替代人力顯著降低網約車運營成本，高階智駕系統依賴高質量數據閉環持續迭代；產業鏈層面，從智駕方案商到主機廠、運營平臺的分工細化，推動“技術-硬件-服務”一體化加速成型。

政策端，國內形成“頂層框架+地方試點”的創新探索體系，海外則以差異化規則釋放商業化空間，為中國企業出海構建先發優勢。當前行業已邁入高速增長臨界點——車規級硬件成本隨規模效應持續下探，運營效率與安全性能的提升正打開萬億藍海市場，頭部企業通過車型放量與全球布局加速搶占賽道，Robotaxi的規模化落地正成為重塑出行生態的核心引擎。

一、Robotaxi 背景：智駕技術重塑出行服務行業

1.1 行業復盤：體驗升級是需求核心，技術迭代推動供給變革

回顧出行服務行業的發展，用戶對高效、舒適、高性價比的出行體驗需求始終未變，而技術升級正從供給模式維度重塑這個行業。

傳統巡游出租車：出行體驗受時間與空間限制，線下匹配效率低下。傳統巡游出租車采用線下隨機匹配乘客與車輛的方式，體驗高度依賴運氣、地段和時段，充滿不確定性；乘客需在路邊被動等候，空駛車輛與需求方之間存在嚴重信息不對稱，供需匹配效率極低，造成大量資源浪費。移動互聯網技術的出現，為解決這一痛點提供了可能，進而催生出更高效的網約車模式。

網約車模式：匹配機制優化，出行體驗更趨標準化。網約車是移動互聯網 + 定位技術驅動的線上供需匹配服務，核心是通過算法整合乘客與司機，支持預估價格、實時軌跡查看等功能；它解決了巡游車等車時間長、價格不透明的問題，但服務體驗與司機個體掛鉤，出行體驗的標準化程度不足。

Robotaxi：自動駕駛賦能的無人化標準化出行服務。Robotaxi 是由自動駕駛技術支撐的無人化出行服務，核心是依托智駕系統實現無司機運營，讓服務流程標準化、響應邏輯統一；它消除了網約車的司機服務差異，且長期可通過技術降本實現更低出行成本，直接解決了前序模式的人力依賴與服務波動問題，憑借更穩定、可持續的體驗，成為出行行業依托技術升級完成模式迭代的下一站。

1.2 無人駕駛技術入局，運力價值鏈迎來重構

巡游車時代：車輛資產集中于出租車公司，牌照構成準入壁壘。這一階段，車輛資產的所有權高度集中在出租車公司手中，企業既是重資產持有者也是運營主體；政府通過控制出租車牌照發放數量，讓牌照成為稀缺資源，構建了行政準入壁壘，最終導致運力供給剛性、市場缺乏競爭活力。

網約車時代：全國性牌照降低準入門檻，車輛資產所有權分散。平臺本身不持有車輛資產，而是通過技術整合社會零散運力；車輛所有權歸屬于接入平臺的私家車主或汽車租賃公司，由他們自行承擔車輛購置、折舊、保險與養護成本；平臺的核心角色從資產所有者轉變為輕資產的連接者與調度者，通過算法高效組織海量社會資產，其價值與權力來自網絡效應和技術，而非對實體運力的直接占有。

Robotaxi 時代：運力的供應、調度與管理將迎來結構性調整，催生全新產業分工。供給端，車輛資產所有權從網約車時代的分散個體，轉移至智駕技術公司、專業運營公司手中；調度端，運力調度權或將從網約車平臺、流量聚合平臺，轉向掌握智駕核心技術的自動駕駛公司與專業運營服務商聯盟；管理端，復雜的車隊維護、能源補給與遠程管控，有望催生出專業化運營服務這一新業態。未來運力價值鏈或將重構，行業利潤也有望被重新分配。

1.3 技術可行性：技術路徑逐步收斂，頭部企業事故率低于人類

無人駕駛的技術路徑在持續迭代，端到端模型逐漸成為行業主流：傳統技術路徑依賴感知、規劃、控制等獨立模塊分步處理任務，模塊銜接易產生誤差，且需對每個環節顯式編程，應對復雜路況時靈活性不足；而端到端模型通過單一大型神經網絡，直接將傳感器輸入轉化為駕駛指令，以數據驅動的方式自主學習路況規律，無需逐一步驟編程，在復雜場景處理能力與可擴展性上更具優勢 —— 不過目前仍面臨可解釋性弱、需高強度測試、依賴高性能硬件的挑戰，為解決這些問題，端到端模型又分化為 VLA 和世界模型兩大路徑。

VLA 模型：整合視覺感知、語言理解與控制動作三大能力到單一神經網絡，通過語言描述學習駕駛。其工作流程可概括為 “感知 - 理解 - 執行”：模型先通過視覺編碼器處理攝像頭輸入的圖像，同時將人類高層指令（如 “前方路口左轉”）或場景描述轉化為語言信息嵌入；隨后，基于 Transformer 的融合網絡對多模態信息深度交互推理，充分理解場景語義（如交通燈狀態、行人意圖）；最終，模型基于完整的 “場景理解” 直接輸出車輛控制動作。

世界模型：模擬物理場景并具備預測能力，通過理解物理世界規律學習駕駛。它的核心是通過學習海量駕駛數據，構建一個編碼物理世界運行規律的內部模型；基于當前觀察到的場景，模型可以瞬間模擬未來數秒內的多種可能情況（如旁車突然切入、前方行人穿出）；通過在逼真的虛擬仿真中反復試錯、評估不同決策的后果，自動駕駛系統能夠提前選擇最優、最安全的行駛策略。

L4 級自動駕駛技術的安全性已得到頭部企業的實地驗證，核心安全指標超越人類駕駛員：Waymo 在官網公布了實際運營的事故率數據 —— 在全無人駕駛車輛累計行駛超 5670 萬英里的背景下，Waymo 在 11 類核心碰撞場景中的表現顯著優于人類駕駛員，其中重事故率較人類降低 91%，行人、自行車、摩托車的受傷率分別下降 92%、78%、89%；該數據經第三方驗證并獲同行評審認可，雖復雜場景仍需更多里程驗證，但已充分證明 Waymo L4 技術的安全落地能力。

保險理賠數據也顯示，Waymo 運營車輛的財產損失與人身傷害索賠遠低于人類駕駛水平：在累計超 2500 萬英里的自動駕駛里程中，Waymo 的財產損失索賠較人類駕駛下降 88%，人身傷害索賠下降 92%；即便對比 2018-2021 年推出的新一代人類駕駛車輛，Waymo 的財產損失索賠也下降了 86%，人身傷害索賠下降 90%，且數據在統計學上具備顯著性。

1.4 商業可行性：理論利潤率上限提升，行業盈利路徑已清晰

目前 Robotaxi 還處于試點運營階段，中美兩國的參與企業暫時都未實現盈利：Waymo、百度 Apollo、小馬智行等行業領軍企業，當前仍處于大規模投入期，尚未實現公司層面的盈利；高強度的研發開支、昂貴的傳感器硬件成本，以及有限的商業化運營區域，共同制約了其盈利能力 —— 這也反映出行業正處于技術迭代與商業模式驗證的關鍵時期，盈利能力的實現有待運營規模進一步擴大、單位經濟模型持續優化。

硬件成本降低、規模化運營降本、網絡效應提升訂單密度，這三大因素將共同推動行業走向盈利：行業已顯現清晰的盈利路徑 —— 硬件端，激光雷達、計算芯片等核心硬件的成本逐年下降，降低了單車初始投入；運營端，隨著車隊規模擴大，維護、保險、充電等運營成本會因規模效應持續攤薄，同時訂單密度與車輛日均運營時長有望提升，直接優化了單車收入模型。

行業商業模式仍處于探索階段，最終主導運營的角色尚未確定：當前行業普遍采用 “技術公司 + 整車廠 + 出行平臺” 的 “金三角” 協作模式，但具體利潤分配中，各方的話語權與分成比例仍在激烈博弈；同時，未來運營主導權究竟歸屬于掌握核心技術的自動駕駛公司、擁有流量入口的出行平臺，還是持有車輛的專業運營商，目前尚無定論 —— 這種不確定性，讓各車企、科技公司及出行平臺都在積極布局，以求在未來市場中占據主導地位。

二、產業鏈結構：智駕技術 + 硬件生產 + 終端運營

目前 Robotaxi 領域的參與者主要采用 “智駕技術 + 硬件生產 + 終端運營” 的三角合作模式：智能駕駛公司輸出智駕方案并負責數據收集，主機廠提供車身底盤并完成裝配制造，出行服務平臺統籌日常運營與安全管理；而政府、基建商、安全機構則從政策、設施、安全評估端提供支持，共同構成了 Robotaxi 商業化落地的協作框架。

當前多數智駕公司以自主開展終端運營為主，便于收集數據訓練模型。Waymo、小馬智行、文遠知行等智駕公司推出的 Robotaxi 車型，目前均由自身負責運營。在行業發展初期，技術公司自主運營的優勢在于能直接掌控運營閉環，持續獲取真實、復雜場景下的高質量數據 —— 這些數據可直接反哺算法訓練，形成 “數據收集 - 模型迭代 - 體驗優化” 的循環，是加速產品成熟、實現商業閉環的戰略性考量。

2.1 技術端：強調安全冗余，相關企業多處于試運營階段

自動駕駛技術按成熟度可分為 L0 至 L5 等級，Robotaxi 的商業化落地必須以 L4（高度自動駕駛）或 L5（完全自動駕駛）為前提：

L0：完全由人類駕駛；L1（部分駕駛輔助）：系統可在特定條件下提供縱向 / 橫向單一方向的持續控制（如定速巡航）；L2（組合駕駛輔助）：能同時控制橫向與縱向運動（如自適應巡航結合車道居中）；L3（有條件自動駕駛）：是技術分水嶺，特定條件下系統可執行全部駕駛任務，駕駛員僅在系統請求時接管；L4（高度自動駕駛）：特定條件下無需用戶接管，且能自動將車輛調整至最小風險狀態（如無人出租車）；L5（完全自動駕駛）：無任何設計運行范圍限制，可實現全場景自動駕駛。

與家用車的 L2/L2 + 輔助駕駛不同，Robotaxi 的智駕系統強調 “安全冗余”，因此增加了額外硬件成本：家用車輔助駕駛（L2/L2+）的核心定位是 “輔助”，系統遇到無法處理的場景時會將控制權交還給駕駛員；而 Robotaxi（L4 及以上）系統自身是駕駛責任的完全承擔者，因此在硬件與軟件層面均做了全面冗余設計 —— 硬件上，L4 的感知系統比輔助駕駛更復雜，通常結合激光雷達、攝像頭、毫米波雷達協同工作，配備雙芯片計算平臺與冗余執行架構，確保任一部件突發故障時，備份系統能立即接管。

同樣以 L4/L5 為目標，技術公司分為 “漸進式（以特斯拉為代表）” 與 “跨越式（以 Waymo 為代表）” 兩種路徑：漸進式路徑：依托量產 L2/L3 車型推進，前期投入相對平緩，通過規模效應分攤成本；采用低成本純視覺傳感器方案，依賴極強的車端算力實現實時感知決策；優勢是通過海量用戶車輛形成高效數據閉環，但收集的數據質量相對普通，以常見場景為主；代表玩家包括特斯拉、地平線、小鵬等。跨越式路徑：直接研發 L4，需巨額前期投入自建車隊；依賴高精度傳感器融合（如激光雷達）確保安全冗余，對車端算力要求極高；數據閉環高度定向且優質，能主動采集極端案例，但數據規模與采集效率是潛在瓶頸；代表玩家包括 Waymo、小馬智行、文遠知行、蘿卜快跑等。

智駕系統此前以模塊化體系為主，邊界效應明顯制約規模化部署：自動駕駛技術初期，模型能力不足促使開發者采用多模塊串聯架構 —— 感知依賴傳感器與高精地圖提取環境信息，決策基于預設規則生成路徑，控制層執行動作輸出；這種分層設計需通過人工定義的接口銜接，導致系統難以實現端到端優化；面對千萬級復雜場景，人工規則的維護成本呈指數級增長，優化效能局限于單模塊迭代；同時，傳感器受天氣干擾、高精地圖更新周期長的特性，會造成時空感知與現實世界的錯位，進而形成技術邊界效應，制約了 Robotaxi 的大規模落地進程。

端到端架構提升系統上限與可復制性，現已成為行業技術方向共識：端到端自動駕駛架構能從傳感器數據直接輸出車輛控制指令，同步完成環境感知、行為預測與安全規劃；其信息傳遞的無損性、追求全局最優解的特性，顯著增強了對動態交通場景的適應能力與決策智能，已成為明確的技術演進方向，且展現出更高的性能潛力；不過該架構的挑戰在于，現實世界的長尾復雜場景遠超訓練數據的覆蓋范圍。

智駕技術大方向收斂，后續迭代的關鍵在于高質量數據與數據閉環：當前智能駕駛技術路線呈現顯著收斂態勢，行業競爭重點逐步轉向數據驅動的效率比拼；后續迭代的核心壁壘，在于能否構建高效的數據閉環體系，以持續獲取覆蓋真實復雜場景的高質量數據 —— 該體系可將實際路況中的長尾問題快速轉化為算法解決方案，是持續優化系統性能、推動技術向更高階自動駕駛邁進的關鍵要素。

行業處于規模化前的試點階段，L4 技術公司主要靠自持車隊運營：試點階段，技術公司自持車隊運營，能更完整高效地進行數據采集與閉環訓練；同時 Robotaxi 車輛的造價正處于下降通道，專業運營商預計將在整車成本降至具備經濟吸引力的臨界點后，再大規模入場。

頭部企業進展：Waymo（美國）Waymo 是美國規模領先的 Robotaxi 公司，已在多個城市開展商業化運營：Waymo 自發展初期便鎖定 L4 自動駕駛目標，堅持多傳感器融合的技術路線；目前 Waymo 在美國運營著規模最大的自動駕駛車隊，每周在舊金山、鳳凰城等多個城市提供超 45 萬次出行服務，且正加速向拉斯維加斯、底特律等新城市拓展。

Waymo 的訂單與車隊規模雙維度高增，規模化復制攤薄成本：周單量從 2023 年 5 月的 1 萬單，升至 2025 年 8 月的 36 萬單，對應其在自動駕駛出行市場的份額持續擴大；2025 年 5-11 月，車隊總規模從 1500 輛增至 2500 輛，舊金山、洛杉磯等重點城市的車隊同步擴容，運力匹配市占率隨增長節奏提升；二者聯動下，其運營模式已具備多城復制基礎，商業化規模化進程提速。

Waymo 的實際定價高于傳統網約車，規模化后成本有望攤薄：為實現全無人駕駛的安全目標，Waymo 選擇了高成本的多傳感器融合方案，導致單車硬件與運營投入較高；且在商業化初期，運營規模有限，目標客群并非價格敏感的大眾市場，而是聚焦愿意為新技術支付溢價的早期用戶 ——Waymo 以技術領先構建差異化定位，通過高溢價覆蓋技術投入并塑造高端形象；未來隨著技術成熟、規模擴張，成本有望逐步下降。

頭部企業進展：小馬智行（國內）

小馬智行是國內 Robotaxi 領先企業，致力于 L4 無人駕駛服務：公司成立于 2016 年，2018 年推出國內首個 Robotaxi 服務平臺 Pony Pilot，2020 年推出自動駕駛系統 Pony Alpha X，2021 年獲準在北京開展自動駕駛無人化測試，2022 年成為國內首個獲得出租車經營許可的自動駕駛公司；目前，公司已在北京、廣州、深圳、上海等城市開展面向公眾的自動駕駛出行服務，擁有一支超過 680 輛自有自動駕駛出租車的車隊，累計自動駕駛里程超過 4790 萬公里。

小馬智行：Robotaxi 收入占比提升，規模化后有望成核心收入來源。公司營業收入持續增長，從 2021 年的 812 萬美元增長至 2024 年的 7503 萬美元。盈利端，2021 年歸母凈利潤虧損 2.25 億美元，2023 年虧損收窄至 1.25 億美元，但 2024 年虧損幅度再度擴大 —— 主因是按績效規則向員工授予股份獎勵帶來薪酬支出增加，以及與主機廠合作推進第七代 Robotaxi 導致研發投入上升。2025 年前三季度，公司 Robotaxi 運營規模進一步擴大，業務收入占比提升至 16%；隨著運營逐步規模化，Robotaxi 有望成為公司未來的主要收入與利潤來源。

小馬智行：毛利率隨業務結構調整波動，2025 前三季度逐步向盈利靠攏。2021-2024 年，公司毛利率從 77.7% 逐步下滑至 15.2%，核心原因是低毛利率的自動駕駛卡車物流業務營收占比持續提升。研發費用方面，2024 年因推進第七代車型開發，研發費率攀升至 320%；2025 年前三季度，研發費率回落至 258%。銷售及行政等費用率近年維持在 70% 左右。后續隨著車隊規模化投放提升運營效率、第七代車型量產降本，以及安全員監管效率優化，公司的成本與費率均具備較大優化空間。

文遠知行：L4 領域多線布局，積極拓展海外市場。公司成立于 2017 年，專注于 L4 級無人駕駛服務，是全球領先的自動駕駛科技公司，業務已覆蓋全球 11 個國家、30 座城市，且率先達成了自動駕駛的規模化商業化運營。目前公司布局了包含 Robotaxi 在內的五大產品矩陣，車隊總規模超 1600 臺，累計自動駕駛里程約 5500 萬公里。

文遠知行：收入分產品銷售與技術服務，2025 前三季度進入減虧階段。公司收入由產品銷售、技術服務兩大板塊組成：產品銷售業務涵蓋 L4 級自動駕駛車輛（含無人車、智能公交、物流車及清潔設備）及配套傳感裝置的供應；技術服務則延伸至智能出行解決方案、高級駕駛輔助系統開發及數據處理領域。當前商業化進程尚處早期，2025 年前三季度產品銷售貢獻約 40% 營收，技術服務占比 60%；隨著 Robotaxi 運營逐步規模化，營收結構將向出行服務端傾斜。

文遠知行：前期毛利率波動較大，2025 前三季度費用率迎來拐點。公司毛利率歷史波動明顯，主要受產品結構、定價策略和運營成本的共同影響：2020-2021 年因部署服務的人力成本增加，毛利率從 74% 降至 37%；2021-2023 年受益于 ADAS 研發服務及運營支持收入增長，毛利率回升至 46%；2024 年毛利率降至 31%，主因低毛利產品銷量上升、價格策略調整及博世項目人力成本上漲。費用率方面，2020-2022 年隨收入增長有所下降，2023-2024 年因團隊擴張、研發投入及股權激勵費用增加連續攀升；2025 年前三季度費用率整體下降，尤其是管理費用率降幅顯著。

2.2 硬件端：L4 級自動駕駛核心硬件聚焦車載芯片與激光雷達

L4 級自動駕駛對傳感器與域控制器的要求更高，核心硬件集中于高算力車規芯片與激光雷達—— 通過高精度環境感知與實時決策計算，支撐復雜場景下的完全自動駕駛，冗余設計則保障了系統安全。

車載芯片嵌入車輛電子系統中，承擔著控制、計算、通信、安全及娛樂等多維度功能，技術壁壘較高：需滿足車規級嚴苛要求（涵蓋耐高溫、抗振動、長壽命等特性），且要通過汽車電子委員會（AEC）認證。相較于消費級芯片，車規芯片需適配更復雜的車載工況，可靠性、安全性標準更嚴格，認證周期更長，進入車企及 Tier1 供應鏈的壁壘較高；按功能差異，可分為控制、計算、功率等類別。

國內車載芯片領域參與者較多，但國產化率仍有較大提升空間：目前國內涉足該領域的企業已超過 200 家，其中約半數已實現量產；不過多數企業規模較小、產品矩陣單薄，核心技術與性能和國際頭部產品仍有明顯差距，整體國產化率與技術成熟度有待進一步突破。

英偉達與特斯拉合計占據智駕域控芯片超 60% 的市場份額，國產芯片市占率逐步提升：2023 年特斯拉 FSD（37%）、英偉達 Orin-X（34%）領跑市場；2024 年英偉達反超成為榜首（40%），特斯拉份額回落至 25%。國產芯片成長顯著：華為昇騰 610 裝機量從 2023 年的 6.1 萬躍升至 2024 年的 50 萬，市占率升至 10%、排名第三；地平線征程 5 裝機量增至 27 萬，份額維持在 5% 以上，國產芯片在智駕域控市場的滲透率與競爭力均明顯提升。

國內大廠入局車載芯片，行業競爭格局加速重構：國際巨頭仍占據主導地位，歐洲企業在傳統車規領域優勢穩固、技術與安全壁壘較高，但優勢已出現分化；本土企業正快速崛起。

在 L4 級智駕的安全冗余要求下，激光雷達是多傳感器體系的核心補位組件：它通過主動發射激光脈沖生成厘米級精度的點云，能夠彌補攝像頭、毫米波雷達的感知短板，在空間精度與幾何確定性上優勢突出；且無需依賴大規模深度學習模型，即可輸出物理維度的真值感知結果，為決策層提供穩定可驗證的環境輸入，是 L4 級自動駕駛安全冗余的必要支撐。

Robotaxi 普遍采用硬件冗余設計與多傳感器融合方案。和 L2 輔助駕駛不同，在需要安全冗余的 L4 領域，Robotaxi 主流廠商多選擇傳感器融合方案，這也推動了激光雷達的放量：Waymo 第六代傳感器套件搭載 13 顆攝像頭、6 顆雷達及 4 顆激光雷達，并配套外部音頻接收設備；小馬智行第七代車型配備 9 顆激光雷達、14 顆攝像頭、4 顆毫米波雷達，輔以 4 顆麥克風、2 顆涉水傳感器及 1 套碰撞傳感器，實現 360° 無盲區覆蓋，可檢測 650 米范圍內的環境與物體。

全球激光雷達市場爆發式擴容，成長空間廣闊。據禾賽科技招股說明書預測：中國市場規模將從 2020 年的 1 億美元躍升至 2029 年的 97 億美元，成為市場核心增長引擎；美國、歐盟市場同步擴容，2029 年預測值分別達 30 億美元、31 億美元；整體市場預計從 2024 年的約 16 億美元，擴容至 2029 年的 171 億美元。

國內激光雷達市場增長強勁、格局集中，自主廠商主導賽道。2024 年國內激光雷達裝機量首次突破 150 萬顆，同比增長 179.7%；2025 年上半年裝機量達 100.2 萬顆，同比增長 71%。市場頭部效應顯著：禾賽科技以 33% 的份額穩居第一，華為（30%）、速騰聚創（28%）緊隨其后。

激光雷達價格進入持續下探通道，助力 Robotaxi 降本盈利。激光雷達價格下降的核心驅動力是產業鏈成熟與規模效應：上游芯片化、模塊化技術實現突破，中游制造商產能規模化擴張，單位生產成本被攤薄；同時市場對高階智能駕駛功能的需求升溫，推動車規級激光雷達從前裝試水走向規模化量產。激光雷達的持續降價，為 Robotaxi 降本并走向盈利提供了正向推力。

2.3 運營端：Robotaxi 時代，調度管理能力成新考驗

網約車時代，絕大多數運力并非由平臺直接管控，網絡效應帶來的流量與用戶粘性，是平臺維持市占率的核心壁壘 —— 網約車平臺的核心功能是信息聚合而非運力持有，頭部平臺通過高頻使用場景、個性化服務及數據驅動的動態調度，強化用戶粘性。

網約車平臺通過構建網絡效應穩固市場份額：司機收入提升、工作靈活性增強，吸引更多司機加盟，完善供給網絡；更多司機加入縮短了乘客等待時間，優化出行體驗；體驗提升推動乘客向平臺聚集，增加訂單量；訂單增長又促進平臺派單，進一步提升司機收入。這種供需動態匹配的網絡效應，讓具備運力與乘客資源優勢的網約車平臺市場份額更穩固。

滴滴出行市占率超 70%，處于絕對領先地位。截至 2024 年末，按 GTV（交易總額）劃分：滴滴在一線、二線城市的布局中，市占率均超 70%；二線市場中 T3 出行占比 10%，略高于一線城市的 6%；曹操出行在一線城市占比 9%，高于二線城市的 8%；其他平臺在一線城市占 14%、二線城市占 12%。

滴滴處罰后讓出份額，聚合平臺順勢擴張。2021 年滴滴受處罰后被動讓出市場份額，聚合平臺借此擴張，成為共享出行市場的重要力量：聚合平臺的競爭力體現在資源整合與效率優化，訂單響應時間平均約 3 分鐘（比單一平臺快 1 分鐘），乘客等待時間平均約 6 分鐘（比單一平臺短 2 分鐘），既減少了用戶等待成本，又提升了車輛利用率。當前聚合平臺的訂單占比處于 25%-30% 區間，已是出行市場不可忽視的力量。

二線出行平臺：借聚合平臺補流量短板。在滴滴占據主導的格局下，二線出行平臺接入高德、美團等聚合平臺，可低成本獲取增量流量，彌補自有平臺用戶規模不足的短板 —— 這也成為其維持訂單密度、提升車輛利用率的關鍵路徑。以曹操出行為例，2022-2024 年聚合平臺促成的 GTV 占其總 GTV 的比例從 50% 升至 85%，向聚合平臺支付的傭金費率則維持在 7.2%-7.5%。

聚合平臺與二線平臺：雙向賦能，推動市場集中。對于聚合平臺而言，與二線出行公司合作可打造自身的網絡效應：二線公司提供穩定可靠的規模化運力供給，是聚合生態服務品質與覆蓋范圍的基礎保障；通過深度綁定，聚合平臺能優化運力池的結構與效率。對于二線平臺而言，獲得流量支持后，可憑借更優的運營效率與品牌認知，逐步整合數量眾多、更為分散的長尾區域型運力提供商，進而推動市場集中度提升。傳統網約車運營盈利空間有限，頭部平臺盈利周期長

傳統網約車市場趨于飽和、運力過剩，平臺陷入激烈的同質化與低價競爭；同時司機成本高企，平臺需持續補貼用戶與司機以維持供需平衡、穩定運力，進一步壓縮了盈利空間。

? 如欲獲取完整版PDF文件，可以關注鈦祺汽車官網—>智庫，也可以添加鈦祺小助理微信，回復“報告名稱：載具紀元新章系列：Robotaxi白皮書，技術政策雙輪驅動，行業正處高速增長階段 ”。

點擊下方，查看近期熱門行業研究報告