两座Robotaxi“月球车”：对照Tesla与中国车企自动驾驶路线

Lucid 在 2026-03-12 的投资者日丢出一个很“反常识”的概念车：Lunar，一台只有两座的 Robotaxi。没有方向盘、没有踏板，甚至展示车还“干脆不装门”，把 36 英寸大屏和宽敞座舱直接亮给投资人看。

反常识不在于造型，而在于它把 Robotaxi 的商业化问题讲得足够直白：不是先把自动驾驶做成“最像人开的车”，而是先把运营账算清楚：每一度电、每一分钟停站、每一公斤重量，都要能变成毛利。

这篇文章把 Lucid Lunar 当作一个切口，放进我们这一系列主题——“自动驾驶 AI：Tesla 与中国车企的发展路径对比”——去看三条路线在 2026 年的关键差异：

• Tesla 的 AI-first + 端到端（更像软件平台）
• 中国车企常见的 多传感器 + 多供应商协同（更像系统工程）
• Lucid 这类新提案：为 Robotaxi 运营专门做“效率机器”（更像成本模型驱动的产品定义）

先说我的判断：Robotaxi 真正的门槛，正在从“能不能跑”转向“能不能赚钱且规模化地跑”。 Lunar 的价值，是把这个门槛用工程指标写在了车身上。

Lunar 把Robotaxi做成“只为城市两人出行”的效率机器

答案先给：Lunar 的核心不是两座，而是“极致能效 + 极致可维护性”。 两座只是它对城市出行数据的产品化表达。

Lucid 给出的逻辑很硬：多达 90% 的出租车行程只有 1-2 名乘客。而在人类驾驶时代，前排既是司机工位，也是乘客“心理禁区”。当你把方向盘/踏板/司机都拿掉，传统四座或七座布局的合理性就被重新审视了。

更关键的是能效指标。Lucid 透露其即将推出的中型平台（Cosmos）已经能做到 最高约 7.24 km/kWh（并通过 0.22 风阻系数等工程手段提升效率）。而 Lunar 进一步把电池从 69 kWh 缩到 约 55 kWh，目标能效冲到 9.7 km/kWh。按这个数粗算，单次充电理论上可超过 500 km。

“缩小电池”不是抠门，是一套连锁减重公式

答案先给：小电池带来的不是少装几块电芯，而是一串结构件、底盘件、制动件的级联缩小。

Lucid 前 CEO Peter Rawlinson 曾强调过“收敛级数”式的效率增益：

• 电池更小 → pack 非活性材料更少
• 结构更轻 → 悬架/制动不需要那么“壮”
• 车更轻 → 续航目标不变时，电池还能继续小一点

工程上这很像“滚雪球”——只是方向相反：你在持续把重量滚小。

对 Robotaxi 来说，它的意义更直接：车可能 7×20 小时运营，每一度电、每一次换胎、每一次进站都在侵蚀可用运营时长与单位里程毛利。

这台车真正对标的不是私家车，而是“运营利润表”

答案先给：Robotaxi 的产品经理不是车评人，而是运营负责人；KPI 不是零百加速，而是“每公里成本”和“停站时间”。

Lucid 的 Lunar 在原文里给了几个很“运营导向”的数字：

1. 电池每减少 1 kWh，年运营成本可省约 1000 美元（按高里程、长时间运行假设）。这句话信息量很大：它把电池从“续航焦虑”拉回到“资产回报”。

2. Lucid 声称 Lunar 相比把乘用车“改装成 Robotaxi”的方案，运营成本可降低约 40%。

3. 充电效率同样是“稼动率”问题：Cosmos 可在直流快充 14 分钟增加 200 英里；按 Lunar 更高的 km/kWh 推算，可能接近 10 分钟补进 200 英里。对车队来说，少 4 分钟不是体验优化，是“多跑几单”。

别忽略“自动驾驶系统本身也吃电”

答案先给：进入 L4/L5 的车，车上最贵、也最耗能的部分，可能不是电机，而是传感器和算力。

Lucid 提到一个常被低估的现实：当前 Robotaxi 可能在 20 小时内为“感知与安全运行”消耗 约 24 kWh 的能量，其中大头来自处理器与传感器，尤其是 LiDAR。

这句话把我们这条系列主线拉了出来：

• Tesla 倾向于走 摄像头为主 + 端到端模型，在硬件成本与能耗上更“克制”
• 中国车企常见做法是 激光雷达 + 多摄像头 + 毫米波雷达 + 高精地图/无图方案并行，在安全冗余与可解释性上更“重投入”

而 Lunar 的挑战是：它想做“极致能效”，却又选择了 LiDAR + 摄像头 + 雷达 的多传感器阵列，还搭载 Nvidia Drive Thor（1000 TFLOPS） 这类面向 L4/L5 的高算力 SoC。

这会导致一个非常现实的矛盾：

• 多传感器更容易过安全验证，但增加成本与能耗
• 低能耗更利于单位里程毛利，但可能压缩安全冗余空间

Robotaxi 商业化，往往就是在这两者之间做“可规模化的折中”。

对照Tesla：AI-first 的优点是扩张速度，缺点是验证压力

答案先给：Tesla 的强项是“数据飞轮 + 统一平台迭代”，但在 Robotaxi 上，越统一越需要把安全边界讲清楚。

把 Lunar 放到 Tesla 的语境里看，会出现两层对照：

1) 产品定义：面向“量产平台”还是面向“车队运营”

Tesla 往往希望用同一套感知与决策框架覆盖更多车型与更多场景，这种平台化有利于：

• 数据规模增长快
• OTA 迭代路径清晰
• 成本随规模下降

而 Lunar 的起点恰恰是“为车队而生”：两座、减少不必要的结构、删掉驾驶硬件、把 NVH 和舒适性作为运营口碑指标。

我的看法是：Tesla 的路线更像“先把通用智能做出来，再找业务承接”；Lunar 更像“先把业务模型钉死，再倒逼技术配置”。

2) 传感器哲学：少传感器靠模型，多传感器靠冗余

Robotaxi 的事故成本不是“一个用户退订”，而是监管、保险、舆情、城市合作全线收紧。于是：

• Tesla 路线的压力在于：需要证明“更少硬件也能达到同等安全”
• 多传感器路线的压力在于：需要证明“成本与能耗上升依然能赚钱”

Lunar 站在中间：它采用多传感器，但用极致能效去抵消一部分运营成本。

对照中国车企：系统工程更容易落地，但供应链协同决定上限

答案先给：中国车企在 L2+/城市 NOA 的落地速度很快，但 Robotaxi 要跨到 L4，关键变成“谁对系统最终安全负责”。

中国车企（以及不少国内自动驾驶公司/方案商）更常见的路径是：

• 传感器堆栈更完整（LiDAR 常见）
• 多供应商协同（域控、感知、定位、地图、数据闭环）
• 更强调功能边界内的稳定交付

这套打法的优点是工程可控：某个模块性能不够，就用冗余或替代方案补齐；落地节奏可分阶段推进。

但走到 Robotaxi 规模化阶段，会碰到两个“系统责任”问题：

1. 故障归因复杂：是传感器、融合、定位、还是策略？多供应商意味着多接口。
2. 持续迭代成本高：每次升级都要做跨供应商联调与验证，时间就是钱。

Lunar 反而给中国车企一个提醒：如果目标真是车队运营，产品定义要更“从利润表出发”。 两座不一定适合所有城市，但“为 90% 的 1-2 人行程做专门车”这类思路值得认真评估。

给想做Robotaxi的人：三条能落地的判断标准

答案先给：别先争论“纯视觉 vs 激光雷达”，先把“每公里成本、稼动率、安全冗余”三个指标算明白。

我建议用下面三组问题做路线筛选（也适合投资/BD/产品负责人内部对齐）：

1. 每公里成本（Cost per km）

• 车辆折旧摊到每公里多少？
• 传感器与算力的能耗摊到每公里多少？（别只算驱动能耗）
• 轮胎/制动/悬架等易损件的维护周期是多少？

1. 稼动率（Utilization）

• 快充补能的“进站-排队-充电-出站”总时长是多少？
• 高峰期是否需要换班/清洁/远程接管支持？
• 软件更新与回归测试是否会让车队被迫停运？

1. 安全冗余与可验证性（Safety & Verifiability）

• 单点失效时，系统如何降级？是否能安全停车？
• 在本城市的极端天气/施工/混行条件下，OEDR 边界怎么写？
• 事故后，数据链路能否支撑快速复盘与责任认定？

如果这三项答不出来，讨论“端到端是不是未来”基本等于吵架。

结尾：Lunar 证明Robotaxi的下一阶段是“效率战”，不是噱头战

Lucid Lunar 目前还是概念车，但它展示了一个更接近现实的趋势：Robotaxi 的竞争正从“演示视频”走向“单位经济模型”。 9.7 km/kWh、55 kWh 电池、200 英里 10 分钟补能、传感器与算力 20 小时 24 kWh 的能耗，这些数字背后都是同一个问题——能否在城市里长期运行并稳定盈利。

放回我们这一系列的主线：Tesla 的 AI-first 追求平台化扩张，中国车企的多传感器路线追求工程可控与冗余安全，而 Lunar 这种“专用车 + 极致能效”的提案，则把商业化焦点拉回到成本、稼动率、可验证性。

接下来最值得观察的是：当 Robotaxi 在更多城市试运营，哪条路线能最快把“安全”写进监管语言，同时把“利润”写进运营报表？这才是真正的分水岭。