芝能科技出品
Uber与Lucid和Nuro联合投资超过3亿美元，共同推进2万辆L4级Robotaxi在全球落地运营，正式拉开美国新一轮无人驾驶商业化竞赛的序幕。
随着特斯拉Robotaxi推进，美国的Robotaxi走向量产的关键阶段，平台方、造车方与自动驾驶方案提供者之间的角色定位与协同逻辑。
在对比特斯拉与Waymo的技术路径后，Uber对感知方案的选择更显谨慎与现实，而其同时联手中国萝卜快跑，小马智行和文远，是完全把中国的玩家都收入囊中了。
01 L4级Robotaxi系统架构：从车辆平台到感知硬件的全链路集成
本次由Uber主导的Robotaxi项目，涉及Lucid的电动SUV Gravity平台、Nuro提供的L4级自动驾驶系统，以及Uber的车队运营和调度网络。
◎ 核心车辆平台为Lucid Gravity，在其现有高性能电动架构基础上，通过区域控制架构与冗余底盘系统，为L4级别无人驾驶预留足够算力、电源与信号路径资源。
Lucid的车型采用800V高压平台，具备较高的电子电气带宽，同时原厂车辆已具备冗余转向、制动和动力系统，这为高阶自动驾驶软硬件的接入奠定基础。
相比传统车辆后装改造，基于整车架构预设的“Robotaxi-ready”方案，在热管理、布线与控制器部署上更为高效，能降低系统复杂度与能耗，并提升后期维护性。
◎ 自动驾驶系统方面，Nuro在这次合作中提供其最新的L4级解决方案。
根据披露，该方案基于激光雷达主导的多传感器感知体系，搭配英伟达Thor中央计算平台。系统部署至少4颗激光雷达、多个8M摄像头、毫米波雷达与超声波传感器，实现覆盖全天候与全场景的360度无盲区感知能力。
Thor平台提供超1000 TOPS的AI算力，并支持多任务并行处理，包括语义分割、路径预测、传感器融合与决策控制。Nuro此次部署的软件栈为其从无人配送业务中提炼出的中立化L4软件平台，在低速封闭环境中已有商用验证，现阶段正在扩展至开放道路场景。
为确保系统安全性，整车采用三重冗余机制——主控系统失效时可自动切换至备份通道，刹车与转向控制单元均为双控设计，另配备独立通信总线防止CAN网络冲突。
这样的设计虽然提升了成本，但对于Robotaxi这种无人值守、完全依赖系统决策的运营场景而言，冗余与稳定性是比功能复杂性更优先的考虑因素。
从技术角度来看，Uber联合Lucid与Nuro打造的L4级Robotaxi，不再是单纯堆叠传感器与算法的方案，而是从底层车辆架构、系统冗余、感知算力到平台调度的全栈整合。
◎ Lucid提供的高压平台与区域控制器设计，为硬件开放留足空间；
◎ Nuro提供的多传感器融合与冗余控制系统，则凸显安全性优先；
◎ Uber则负责将这套复杂体系嵌入城市级运营网络中，为全球落地打基础。
02 技术路径的分歧与验证：为何Uber偏向融合方案？
Uber的战略落点并非自建系统，而是选择已有验证能力的方案方联合开发。
在Robotaxi市场日益喧嚣的背景下，这种“平台+外部技术集成”的方式，能够加快落地节奏，也能降低前期研发风险。而Uber同时选择Nuro与百度萝卜快跑的合作案例，也说明了其在关键技术路径选择上的倾向。
当今Robotaxi的感知技术大体可分为两派：
◎ 一派为以特斯拉为代表的纯视觉方案，强调成本可控与高度集成；
◎ 另一派则是Waymo、萝卜快跑等坚持激光雷达+摄像头+毫米波雷达等多模态融合方案，强调系统鲁棒性与安全冗余。
从美国加州车管局发布的数据看，Waymo使用融合方案的人工接管率远低于特斯拉的纯视觉方案。尤其在夜间、恶劣天气及复杂道路条件下，激光雷达的可靠性、识别准确率都更为突出。
例如在夜间识别行人场景中，激光雷达识别率可达98.5%，而纯视觉仅为82.3%。
萝卜快跑的Apollo RT6为典型代表，其采用四颗128线激光雷达，扫描距离达200米，点云密度超每秒153万点，配合12颗800万像素摄像头、5个毫米波雷达和12个超声波雷达，构建了5层360度全景感知系统。
这种多冗余感知架构，虽然成本更高，但能显著提升L4级自动驾驶在复杂城市道路、突发场景（如施工区域、临时交通改道）中的应对能力。
萝卜快跑还叠加了大模型能力，其Apollo ADFM模型具备针对动态交通环境的意图识别、行为预测与路径协同能力，进一步增强Robotaxi的适应性。这种结合传统感知堆栈与AI大模型的新型结构，也正在成为行业探索的新趋势。
Uber之所以选择与Nuro、萝卜快跑等坚持融合路线的方案方合作，核心在于当前技术阶段，纯视觉方案仍存在在极端工况下可靠性不足的问题。
激光雷达主导的多模态感知尽管成本更高，但安全边界更明确、系统容错更强，特别适合大规模Robotaxi的部署。同时，这些方案已有多城市、多气候带落地运营的经验，对于Uber构建全球运营网络提供了可复制样本。
小结
Uber一波操作，汇集了全球的玩家，围绕单车智能水平，平台、硬件、软件三方深度协同的综合博弈。
从底层电子架构到感知堆栈、再到运营调度，Uber构建了一套以稳定性与安全性优先的Robotaxi部署体系。中国在高阶自动驾驶领域的工程能力、系统集成度与运营成熟度正被主流平台认可。
原文标题 : Uber豪赌Robotaxi：从Lucid、Nuro到萝卜快跑
芝能科技出品
Uber与Lucid和Nuro联合投资超过3亿美元，共同推进2万辆L4级Robotaxi在全球落地运营，正式拉开美国新一轮无人驾驶商业化竞赛的序幕。
随着特斯拉Robotaxi推进，美国的Robotaxi走向量产的关键阶段，平台方、造车方与自动驾驶方案提供者之间的角色定位与协同逻辑。
在对比特斯拉与Waymo的技术路径后，Uber对感知方案的选择更显谨慎与现实，而其同时联手中国萝卜快跑，小马智行和文远，是完全把中国的玩家都收入囊中了。
01 L4级Robotaxi系统架构：从车辆平台到感知硬件的全链路集成
本次由Uber主导的Robotaxi项目，涉及Lucid的电动SUV Gravity平台、Nuro提供的L4级自动驾驶系统，以及Uber的车队运营和调度网络。
◎ 核心车辆平台为Lucid Gravity，在其现有高性能电动架构基础上，通过区域控制架构与冗余底盘系统，为L4级别无人驾驶预留足够算力、电源与信号路径资源。
Lucid的车型采用800V高压平台，具备较高的电子电气带宽，同时原厂车辆已具备冗余转向、制动和动力系统，这为高阶自动驾驶软硬件的接入奠定基础。
相比传统车辆后装改造，基于整车架构预设的“Robotaxi-ready”方案，在热管理、布线与控制器部署上更为高效，能降低系统复杂度与能耗，并提升后期维护性。
◎ 自动驾驶系统方面，Nuro在这次合作中提供其最新的L4级解决方案。
根据披露，该方案基于激光雷达主导的多传感器感知体系，搭配英伟达Thor中央计算平台。系统部署至少4颗激光雷达、多个8M摄像头、毫米波雷达与超声波传感器，实现覆盖全天候与全场景的360度无盲区感知能力。
Thor平台提供超1000 TOPS的AI算力，并支持多任务并行处理，包括语义分割、路径预测、传感器融合与决策控制。Nuro此次部署的软件栈为其从无人配送业务中提炼出的中立化L4软件平台，在低速封闭环境中已有商用验证，现阶段正在扩展至开放道路场景。
为确保系统安全性，整车采用三重冗余机制——主控系统失效时可自动切换至备份通道，刹车与转向控制单元均为双控设计，另配备独立通信总线防止CAN网络冲突。
这样的设计虽然提升了成本，但对于Robotaxi这种无人值守、完全依赖系统决策的运营场景而言，冗余与稳定性是比功能复杂性更优先的考虑因素。
从技术角度来看，Uber联合Lucid与Nuro打造的L4级Robotaxi，不再是单纯堆叠传感器与算法的方案，而是从底层车辆架构、系统冗余、感知算力到平台调度的全栈整合。
◎ Lucid提供的高压平台与区域控制器设计，为硬件开放留足空间；
◎ Nuro提供的多传感器融合与冗余控制系统，则凸显安全性优先；
◎ Uber则负责将这套复杂体系嵌入城市级运营网络中，为全球落地打基础。
02 技术路径的分歧与验证：为何Uber偏向融合方案？
Uber的战略落点并非自建系统，而是选择已有验证能力的方案方联合开发。
在Robotaxi市场日益喧嚣的背景下，这种“平台+外部技术集成”的方式，能够加快落地节奏，也能降低前期研发风险。而Uber同时选择Nuro与百度萝卜快跑的合作案例，也说明了其在关键技术路径选择上的倾向。
当今Robotaxi的感知技术大体可分为两派：
◎ 一派为以特斯拉为代表的纯视觉方案，强调成本可控与高度集成；
◎ 另一派则是Waymo、萝卜快跑等坚持激光雷达+摄像头+毫米波雷达等多模态融合方案，强调系统鲁棒性与安全冗余。
从美国加州车管局发布的数据看，Waymo使用融合方案的人工接管率远低于特斯拉的纯视觉方案。尤其在夜间、恶劣天气及复杂道路条件下，激光雷达的可靠性、识别准确率都更为突出。
例如在夜间识别行人场景中，激光雷达识别率可达98.5%，而纯视觉仅为82.3%。
萝卜快跑的Apollo RT6为典型代表，其采用四颗128线激光雷达，扫描距离达200米，点云密度超每秒153万点，配合12颗800万像素摄像头、5个毫米波雷达和12个超声波雷达，构建了5层360度全景感知系统。
这种多冗余感知架构，虽然成本更高，但能显著提升L4级自动驾驶在复杂城市道路、突发场景（如施工区域、临时交通改道）中的应对能力。
萝卜快跑还叠加了大模型能力，其Apollo ADFM模型具备针对动态交通环境的意图识别、行为预测与路径协同能力，进一步增强Robotaxi的适应性。这种结合传统感知堆栈与AI大模型的新型结构，也正在成为行业探索的新趋势。
Uber之所以选择与Nuro、萝卜快跑等坚持融合路线的方案方合作，核心在于当前技术阶段，纯视觉方案仍存在在极端工况下可靠性不足的问题。
激光雷达主导的多模态感知尽管成本更高，但安全边界更明确、系统容错更强，特别适合大规模Robotaxi的部署。同时，这些方案已有多城市、多气候带落地运营的经验，对于Uber构建全球运营网络提供了可复制样本。
小结
Uber一波操作，汇集了全球的玩家，围绕单车智能水平，平台、硬件、软件三方深度协同的综合博弈。
从底层电子架构到感知堆栈、再到运营调度，Uber构建了一套以稳定性与安全性优先的Robotaxi部署体系。中国在高阶自动驾驶领域的工程能力、系统集成度与运营成熟度正被主流平台认可。
原文标题 : Uber豪赌Robotaxi：从Lucid、Nuro到萝卜快跑
