2016年，反共识彭军创立小马智行时便预判：Robotaxi（自动驾驶出租车）从愿景走向大规模落地，对谈动驾至少需要10年周期。小马这不仅需要等待技术迭代与法律法规的智行完善，更需考量社会接受度。彭军

如今，家自无论是驶公司旧金山街头的Waymo，还是反共识深圳南山闹市区的小马智行车队，均证实了这一判断。对谈动驾自动驾驶车辆已融入社会化车流，小马正式开启商业运营。智行

然而，彭军彭军未曾预料的家自是，制约车队快速扩张的驶公司关键瓶颈并非技术本身，而是反共识去司机化后的一系列琐碎运维工作。在人类驾驶时代，充电、洗车、车辆维护乃至协助乘客搬运行李，均由司机“顺手”完成；而在自动驾驶场景下，这些隐形的小事反而成为了运营痛点。

近日，小马智行CEO彭军接受36氪汽车专访，深入探讨了Robotaxi落地运营、L2量产业务取舍、具身智能布局及技术路线选择等核心议题。

彭军透露，小马智行已组建专门运营团队，探索出一套自动驾驶车辆后勤保障标准，涵盖远程安全员、地面支持及后勤人员。他强调，即便未来车队规模激增，人车比也不会显著增加，从而打破“车多人多”的传统增长逻辑。彭军指出，这正是当前网约车平台及车企进入Robotaxi领域时可能忽视的能力盲区。

历经十年长跑及汽车智能化对供应链的催化，无人车技术已在物流等领域进入实质性商业阶段。以白犀牛、新石器、九识智能为代表的无人物流车已成为中国自动化物流名片，并持续获得资本青睐。

作为想象力最大的市场之一，Robotaxi吸引了特斯拉、小鹏、吉利等车企及网约车平台纷纷下场。尽管行业主流观点认为，拥有整车工程能力及数据闭环的车企将是核心选手，但彭军直言：制造能力在中国已严重溢出，对于无相关经验的玩家而言，Robotaxi起步依然近乎从零开始。

彭军认为，技术能力决定0-1（能否做成），运营能力决定效率（做得多好）。目前，小马智行已跑通第七代车的单车盈利模型，并计划今年将车队规模快速扩张至3500辆。回顾其发展历程，小马智行多次做出“反共识”的战略判断。

彭军表示，公司曾短暂尝试L2辅助驾驶量产业务，但迅速发现该领域因技术门槛低、体验标准缺失且车企掌握话语权，极易陷入价格战，注定是低利润行业。面对车企与网约车平台近期的“反扑”，彭军犀利指出：“宣布容易，做到难。”特斯拉喊了10年，结果如何？

在技术路线上，小马智行并未追随大语言模型构建超大参数一体化算法的趋势，而是采用多小模型策略以提升运行效率、降低算力依赖。针对行业对高精地图的排斥，彭军坚持长期采用轻图路线，并指出“特斯拉也在用图”。而在火热的具身智能赛道，小马智行选择冷静旁观，彭军判断这又是一个“至少10年周期”的领域，需看清、想清楚再入场。

小马智行CEO彭军

以下是36氪汽车与小马智行彭军的对话实录，经编辑整理：

一、 聊Robotaxi落地：车企与网约车平台并非天然优势方

36氪汽车：行业曾预言2020年左右Robotaxi落地，但从Waymo及小马智行的节奏看，实际落地推迟了近五六年。您认为差距何在？

彭军：那是“不懂的人”喊出来的。我一直认为Robotaxi至少需要10年的努力。马斯克每年喊Robotaxi，喊了10年仍未实现，因为L4的复杂度远超常人想象。当初喊得最凶的GM旗下Cruise，如今也已垮台。真正懂行的人清楚，从技术发展、法规成熟到社会接受度，这是一个漫长的过程。

36氪汽车：落地运营中，如Waymo在红绿灯前趴窝或误入轨道，这些是否是最大难点？

彭军：长尾场景无法穷举，总会不断出现，只能逐个补齐。系统通常99.99%是完善的，为了最后的万分之一或十万分之一，必须持续优化。

36氪汽车：解决机制是什么？

彭军：首先是Early Detection（早检测）。我们搭建的世界模型能精准建模车辆周边环境及运动学模型。当检测到新特殊情况时，快速纳入训练样本，提升泛化能力。
其次，必须设置兜底机制。
1. 技术冗余：传感器、控制（加速、刹车、转向、动力、电力、网络）均自带冗余。
2. 三层降级机制：
- 主系统（99.9%时间运行）；
- 若主系统失效，执行靠边停车（高速上可驶离最近出口）；
- 若再失效，在车道线内安全停车。
3. 远端监控：远程人员及时发现问题，调度地勤协助。

36氪汽车：今年3500辆的目标是如何测算的？

彭军：生产相对容易，按需求备货。关键在于运营能力的建设。
很多车企和平台忽略了出租车司机除了开车外，还承担了充电、保养、清洗及协助乘客等职责。在无人车场景下，这些琐事需通过高效方案解决。例如，如何优化充电波峰波谷、如何实现20辆车边充边洗。
网约车平台的“运营”与管理司机不同，他们无需处理车辆本身的后勤琐事，因此并不天然具备Robotaxi运营优势。Robotaxi是新物种，不能简单嫁接平台逻辑。

36氪汽车：小马如何构建这些标准？

彭军：先自建标准与平台，掌握核心技术方案（如集中充电、清洗效率优化）。未来可外包，但标准必须掌握在自己手中。

36氪汽车：目前的人车比是多少？

彭军：包含地勤、远端维护、监控员，人车比已很低，人力成本在总运营成本中占比极小。长期看，人车比可能微升，但不会大幅增加。

36氪汽车：运营壁垒在Robotaxi中占比多大？

彭军：技术决定0-1（99%的人因技术不过关被淘汰），运营决定效率（人管30辆车 vs 人管20辆车，成本差异巨大）。技术是入场券，运营是盈利关键。

二、 谈L2业务：陷入价格战的红海

36氪汽车：行业有说法称L2量产难、周期长，所以小马聚焦Robotaxi？

彭军：量产反而简单。L2市场是近且短的红海，最终是无利润行业。Robotaxi市场远且大。
L2技术门槛低，路径趋同，性能差异用户感知不强。由于有驾驶员兜底，车企掌握话语权，竞争聚焦于价格，利润空间被压缩。我们在2021-2022年便看清这一点。

36氪汽车：L2收入体量巨大，一个量产项目可能达1亿美元，而小马Robotaxi目标仅1亿美元左右。

彭军：Robotaxi蛋糕在增长，10年后依然如此；L2蛋糕在缩小。渗透率已达60%，即便到100%也仅翻倍，且单车收费快速下降。

三、 聊车企做Robotaxi：需从零开始

36氪汽车：一线城市网约车约10万辆，Robotaxi覆盖全城需多少辆？

彭军：目标非全城覆盖，而是达到网约车数量的10%-20%，具备承载可能性。

36氪汽车：车辆流程或制造标准需更新吗？

彭军：标准在不断提高，目前几千辆车已100%按车规制造。

36氪汽车：量大时需自造吗？

彭军：不需要。中国车厂生态丰富，合作即可。我们需要的是设计能力，特别是以乘客为核心的座舱设计，而非生产能力。

36氪汽车：国内主力Robotaxi玩家会收敛还是扩大？

彭军：门槛极高，尝试者众，但能坚持者少。

36氪汽车：车企明牌入场，能力差异在哪？

彭军：车企对L4概念、机制及牌照流程尚需探索，基本是从零开始。生产端有优势，但非卡点。

36氪汽车：三五年能追赶上来吗？

彭军：极难。复杂行业非短期可成。以Waymo为例，美国资金雄厚，但后来者因团队耐心耗尽、标准不同而难以追赶。车企内部部门若非全公司之力，难以在Robotaxi领域与头部公司竞争。

四、 谈技术路线：语言模型与智驾模型本质不同

36氪汽车：大语言模型进化快，智驾也趋向大参数，您怎么看？

彭军：语言模型与具身（智驾）模型完全不同。
语言处理依赖认知，认知靠记忆积累；开车依赖行为与协调，无需见过全世界所有路。
开车是认知、能力、协调的结合，而非大模型问题。用大模型开车是忽悠。爱因斯坦是马拉松冠军吗？马斯克能发火箭就能做L4？这很荒谬。

36氪汽车：你们不用One Model吗？

彭军：端侧采用多小模型结合，非一个大模型。
云端训练会加入部分语言模型以增强认知（如推断皮球后有小孩），但车端只需提取与开车相关的信息，无需大模型。

36氪汽车：关于高精地图，你们也坚持轻图？

彭军：坚持轻图，但不会完全无图。人开车也靠记忆（即“图”）。特斯拉也在建图（Cloud Source）。
车企去图多为营销导向。运营模式不同，加图能降低驾驶疲劳，提升效率。

五、 谈具身智能布局：又一个10年周期

36氪汽车：小马在具身智能上很冷静，为何？

彭军：热钱涌入，但落地至少需10年。
机器人门槛比车低，故参与者众。目前多为Demo阶段，规模化落地尚早。要做，需看清、想清楚。

36氪汽车：具身模型有清晰答案吗？

彭军：尚无。开车在物理AI中相对简单，因有车道线和明确规则，本质是二维问题。
具身智能需处理三维复杂环境（如楼梯、软性物体变形、触觉反馈），复杂度完全不同。目前所有Demo均为二维，无人做到真正的三维通用具身。

36氪汽车：自动驾驶能力可迁移到具身吗？

彭军：类似L2到L4，有共性，但差异巨大。如同体育运动员，反应快、肌肉强是基础，但需针对具体项目优化。

封面来源 | 企业供图