小鹏做Robotaxi，目标是“卖”方案

近日，小鹏召开Robotaxi业务首次全员会议，宣布该业务正式进入员工内测阶段。会上明确，Robotaxi将作为集团物理AI与“机器人汽车”战略的核心载体。

何小鹏在会上的判断值得注意：未来十年，所有具身智能载体本质都会成为机器人，Robotaxi是小鹏从新能源汽车迈向“机器人汽车”的关键一步，也是物理AI版图的重要落子。

基于这一定位，小鹏对Robotaxi的规划重心不在自建车队、直面C端消费者提供打车服务，而是转向全球软硬件方案供应商的角色：将整车平台、自动驾驶算法、后台调度系统打包为成套产品，交付给海外出行企业或本地合作方，由后者负责运营与资质申请。

这一布局契合当前Robotaxi行业“智驾技术公司、整车厂和出行平台构成的金三角协作”主流商业模式。而据TrendForce集邦咨询预测，2035年中国Robotaxi市场规模将达445亿美元，同时中东等地区已成为Robotaxi出海热点，中国头部企业正加速在该地区布局，小鹏的模式也能更好抓住国内外市场机遇。

此次启动的员工内测，正是这一战略框架下关键的技术验证环节。依托园区通勤、城市公共道路等可控场景，小鹏将通过收集真实场景下的行驶数据，持续迭代优化算法的泛化适配能力。车辆调度、人机交互、应急处置等配套系统也将在实测中打磨。这些技术与运营经验的积累，将为后续开放试运营以及海外方案的落地交付筑牢核心基础。

Robotaxi上升为战略支点

将Robotaxi定位为集团战略核心载体，小鹏的布局意图绝非局限于单纯的自动驾驶出行业务。

传统车企通常将自动驾驶视为乘用车的增值功能，业务边界仍围绕车辆销售展开。小鹏的划分逻辑不同：它将Robotaxi定义为移动具身智能的规模化落地场景，是集团布局物理AI的中枢环节。

这一划分背后的商业推演是：整车平台、自动驾驶算法、通用AI底层模型三大板块，将集中向Robotaxi倾斜资源。车辆持续上路运营所产生的路况、交互、调度等多维数据，将反向输入集团通用AI能力的迭代链路。

以小鹏汽车为例，其搭建的云端工厂和全新数据基础设施，让车辆运营数据上传规模提升了22倍，多模态数据的读取和解码带宽增加15倍，依托包含云端算力平台的多层次算力架构，最终将模型训练速度提高了5倍，实现了运营数据对AI能力迭代的有效反哺。

图片来源：小鹏汽车

换言之，Robotaxi的运营不只是为了跑通出行服务本身，更是为AI模型提供持续、高密度的真实世界训练环境。

从资源配置看，这一战略的锚定效应明显。将Robotaxi作为物理AI的落地锚点，意味着集团在技术路线上不再摇摆。其所有研发投入、数据回流、产品定义，都将围绕具身智能载体这一主线定向推进，而非零散分布于多个互不关联的业务单元之中。

商业化路径也随之清晰：小鹏的主攻方向是技术输出。向外交付的是完整解决方案，即包含车、算法、后台三位一体，而非单纯的运力。这套模式的核心竞争力在于：依托自身成熟的整车制造能力与全栈自研技术，将复杂系统标准化，再针对不同市场需求完成适配性调整。

两条路线分野

当前Robotaxi赛道玩家云集，发展路径已清晰分化为两类走向。两类路线背后，是不同企业基于自身资源禀赋做出的取舍，并不存在天然的优劣之分。

第一类是自建车队直营模式。该模式下，企业自行采购车辆、搭建线下运营团队、逐个城市申请出行资质，直接面向消费者提供Robotaxi服务。

百度Apollo Go、小马智行、文远知行等均采用此路线。其优势在于终端体验与数据闭环完整可控，但代价也显而易见。车辆采购、场地运维、人员管理等重资产投入持续消耗现金流。而在跨区域扩张时，各国交通法规、运营资质门槛差异显著，这会制约规模化速度。

图片来源：小鹏汽车

第二类是软硬件方案输出模式，即小鹏选定的方向。依托整车量产能力与自研智驾技术，小鹏将平台、算法、调度系统打包输出，由本地合作方负责运营侧事务。这套打法的优势在于无需背负车队重资产包袱，也不必逐一突破区域资质壁垒。企业通过标准化方案适配不同市场，可实现轻量化全球化扩张。

这一选择与小鹏的核心能力匹配度高。自研芯片、VLA世界模型、整车制造能力三者叠加，使其具备将复杂系统模块化、标准化的基础。技术输出模式能够最大化发挥垂直整合的规模效应，而非将资源消耗在运营端的碎片化事务中。

但这条路的长期考验同样现实。因为不同国家的道路标识、交通法规、出行习惯差异显著。这要求成套方案需要在每个目标市场完成本地化适配。而海外合作方对安全标准、运维成本、系统稳定性的要求不尽相同，叠加方案适配的精细度与效率，都将直接影响全球化推进节奏。

小鹏本次员工内测所积累的真实道路数据，其战略价值正在于此——提升算法对不同场景的泛化能力，为后续海外部署提供实测依据。

显然，小鹏此次全员会议释放的信号已超出单一业务范畴。Robotaxi在其战略版图中，既是物理AI的落地场景，也是技术输出模式的载体。当行业多数玩家仍在自建车队与算法自研之间寻求平衡时，小鹏选择了一条差异化路径：将运营端交由合作方，自身聚焦方案端的标准化输出。

但这一路径的有效性仍有待市场与实践的验证。后续值得关注的核心节点包括：算法迭代的实际进展、海外合作方是否如期落地、标准化方案在不同市场的适应能力。