Waabi 10亿美元押注卡车与Robotaxi：自动驾驶AI商业化的分水岭

自动驾驶行业的一个现实是：技术路线之争往往最后会被“怎么赚钱、怎么规模化”来裁判。2026-02-03 这个时间点上，Waabi 披露的融资与合作动作就很典型——一边拿下约 7.5亿美元 C 轮融资继续推进自动驾驶卡车，另一边又获得 Uber 约 2.5亿美元的投入承诺，计划在 Uber 平台 独家部署 25,000 辆 robotaxi。把两件事放在一起看，它不是“从卡车跨到打车”这么简单，而是在用资本与平台协议，把自动驾驶从研发竞赛推向商业化竞速。

我一直认为，多数公司对自动驾驶的误判在于：把它当成单一产品。事实上它更像一套“AI 驾驶能力 + 车端软件 + 平台运营 + 用户体验”的组合拳。Waabi 这次的动作，正好能拿来对照我们系列主题——“自动驾驶 AI：Tesla 与中国车企的发展路径对比”：一端是 Tesla 偏端到端、强自研闭环；另一端是新势力与生态玩家偏“能力模块化 + 平台协作 + 场景切分”。

一句话概括：卡车强调可控场景的效率回报，robotaxi 强调规模运营与用户体验；两者共用同一套 AI，但商业化打法完全不同。

这笔钱真正买到的是什么：不是算法，而是“规模化门票”

Waabi 这轮“总计约 10 亿美元级别”的资金与承诺，核心价值不止是算力与研发经费，更像两张门票：

• **卡车门票：**进入干线物流的可量化 ROI 赛道，用可控 ODD（运行设计域）换取更快的落地。
• **robotaxi 门票：**通过 Uber 的平台分发、运营体系、支付与客服，直接获得规模化的“城市出行入口”。

为什么卡车常被视为更容易先赚钱

答案很直接：路况更可预测、路线更固定、运营方更理性。

• 干线运输以高速/国道为主，长距离、相对规则化。
• 车队运营关注的是“每公里成本、出勤率、事故率、保费、司机成本”，指标清晰。
• 一旦自动驾驶能把“单车利用率”做上去，回报会非常硬。

因此，自动驾驶卡车往往走“先 L3/L4 辅助编队与特定线路，再逐步扩大覆盖”的路径。资本愿意投，是因为它更像工程项目：慢，但可算账。

为什么 robotaxi 的钱更像“烧运营”，但仍值得押注

robotaxi 的难点不是让车能跑，而是让它能长期稳定地跑、并且用户愿意坐：

• 城市道路“长尾”多：临停、施工、外卖电动车、复杂交互。
• 运营更重：调度、充电、保养、清洁、远程协助、事故处理、客服。
• 体验更敏感：一次“急刹”“绕路”“上车找不到车”，就会掉复购。

这也是为什么与 Uber 的绑定值得关注：它把“流量获取 + 订单匹配 + 定价机制 + 乘客端体验”这些最贵的环节外包给平台。对技术公司来说，这是用股权/独家协议换取时间与规模。

从卡车到 robotaxi：同一套 AI，两个完全不同的产品经理

先给结论：自动驾驶不是只有“能不能开”，而是“在这个场景里怎么把体验做成产品”。

卡车产品经理盯的是 KPI：准点率、油耗、接管率

卡车的用户体验（UX）不是“坐得舒不舒服”，而是“车队老板能不能省钱、司机能不能安心”。因此软件侧更像 B2B 系统：

• 车队管理后台：线路、时效、能耗、风险事件回放
• 司机交互：接管提示、疲劳监测、风险分级告警
• 安全闭环：事件标注、模型回归测试、版本灰度

这里 AI 的价值是减少波动：每趟运输时间更稳定、事故率更低、保费更可控。

robotaxi 产品经理盯的是“可解释的安心感”

robotaxi 的 UX 细节会直接决定转化：

• 上车前：车辆定位是否准确、是否能在复杂路边安全停靠
• 行程中：是否频繁急刹、是否“犹豫不决”、是否绕路
• 行程后：费用透明、问题处理速度、是否愿意复购

我见过最有效的策略之一是：把 AI 的不确定性“翻译”成用户能理解的提示。比如“前方施工，预计绕行 3 分钟”“为避让行人，车辆将减速”。这不是花哨，而是降低恐惧感的刚需。

对照 Tesla：端到端闭环更快，但也更“重资产”

放到我们系列的主线里看，Waabi 与 Tesla 的差别不在于“谁更聪明”，而在于商业系统的结构。

Tesla：端到端 + 车队数据飞轮，追求通用能力

Tesla 的优势在于：

• 自有大规模量产车队带来数据闭环
• OTA 迭代快，端到端模型更容易统一优化目标
• 从“辅助驾驶体验”开始培养用户习惯，逐步提升能力上限

但代价是：需要长期维持自有闭环、强控制硬件与软件栈，并承担更高的监管、舆论与安全压力。端到端路线一旦遇到边界问题，解释与验证成本也更高。

Waabi：场景切分 + 平台合作，把规模交给生态

Waabi 的打法更像“选两条最能产生现金流/规模效应的赛道”：

• 卡车：用可控 ODD 换落地与收入确定性
• robotaxi：用 Uber 平台换分发与运营能力

这条路更轻，但也有约束：独家平台意味着议价权、数据归属、产品体验标准都要谈。尤其是 robotaxi，数据与运营细节决定模型进化速度，平台合作既是加速器，也可能成为边界。

放在中国车企语境里：多传感器、多供应商协同更考验“体验一致性”

中国市场的典型路径，往往是“多传感器（激光雷达+毫米波雷达+摄像头）+ 多供应商（域控、感知、地图、云）”的协同方案。它在安全冗余与落地速度上有优势，但会遇到一个经常被低估的问题：

体验的一致性，难度不亚于算法本身。

体验一致性为什么会成为关键瓶颈

当你的栈被拆成多个模块与供应商：

• 同一类场景（加塞、无保护左转、施工锥桶），不同模块可能产生不一致策略
• OTA 更新受制于多个版本依赖，灰度周期变长
• 车端与云端的日志、标注、回归测试口径不统一

最后呈现给用户的就是“这台车今天很好开，明天又变得犹豫”。这对 robotaxi 尤其致命，因为它是高频服务产品。

更可行的做法：把“体验指标”当作统一的技术约束

想把协同路线跑通，我建议把 UX 指标前置到系统工程里，形成可量化约束：

1. 舒适度指标：急加速/急刹阈值、横向加速度、刹停次数/公里
2. 效率指标：平均时速、绕行率、无谓等待时间
3. 信任指标：接管/远程协助频次、乘客投诉率、异常停靠率
4. 安全指标：近失事件（near-miss）分级、风险场景覆盖率

当这些指标成为“跨供应商统一验收标准”，协同才不会变成各自为战。

读者最关心的三个问题：这对行业意味着什么？

1）robotaxi 会比我们想的更快普及吗？

会更快，但不是“全国铺开”，而是“从少数城市、少数区域的高密度运营开始”。平台型合作（类似 Uber）会让冷启动更容易，先把订单密度做起来，再谈扩张。

2）自动驾驶的核心竞争力到底是什么？

我更愿意用一个偏产品的答案：核心竞争力是“可验证的安全 + 可复制的运营 + 可持续的体验”。

算法只是其中一部分。缺运营，robotaxi 就像没有地勤的航空公司；缺体验，用户就不会复购；缺安全验证，规模就无从谈起。

3）中国车企能从 Waabi 身上学到什么？

两点最实用：

• 把场景当产品线经营：卡车、城区 NOA、robotaxi、园区物流，目标、指标、交付节奏完全不同。
• 把生态合作当增长引擎：与出行平台、充电网络、地图与云服务的合作，不只是 BD，而是体验与数据闭环的一部分。

下一步怎么走：把“AI 在汽车软件与用户体验”落到可执行清单

如果你在做智能驾驶、座舱或出行服务，我建议从这三件事开始：

1. 建立“体验回归测试”：每次模型/策略更新，除了安全回放，还要做舒适度与效率的自动化回归。
2. 定义可解释交互：把系统意图用一句人话表达清楚，减少乘客不安（robotaxi）或司机误解（卡车）。
3. 把数据闭环与商业闭环绑在一起：运营 KPI（出勤率、投诉率、远程协助成本）直接决定你需要采什么数据、怎么标注、怎么迭代。

自动驾驶的下一阶段不会只看“路测视频有多丝滑”，而是看谁能把 AI 变成稳定可复制的服务。Waabi 从卡车走向 robotaxi，并绑定 Uber 平台，本质上是在押注这一点：规模化不是技术的副产品，而是产品与生态的设计结果。

你更看好哪条路：Tesla 式端到端闭环，还是 Waabi 式“场景切分 + 平台合作”？2026 年会给出更清晰的答案。