Uber加码文远知行：迪拜Robotaxi揭示AI出海新格局

2026-03-31，一条不算“汽车圈八卦”、却足够改变行业叙事的消息出现了：Uber把对中国自动驾驶公司文远知行（WeRide）的持股提高到5.82%，按当日收盘价估算这笔股权价值约4亿美元。更关键的是——双方在迪拜上线了**“无车内安全员”的Robotaxi**，乘客可直接在Uber App下单，服务覆盖工业区、商业区与港口等更“难”的场景。

我一直觉得，判断自动驾驶竞赛不能只看某家车企的宣传视频，而要看三件更硬的指标：是否收费运营、是否去安全员、是否能在海外持续复制。迪拜这次集齐了前两项，并且把第三项“复制能力”摆在台面上：Uber提供网络、派单与运营方法论，WeRide提供自动驾驶AI与车队技术，落地则交给阿联酋本地车队运营商Tawasul。

这件事放到本系列《自动驾驶 AI：Tesla 与中国车企的发展路径对比》里看，意义更明确：自动驾驶的长期优势，越来越像“AI+运营系统”的复合优势，而不是单一车企闭门造车。Tesla与中国车企（以及自动驾驶公司）在路线与组织方式上的差异，正在通过这种跨国合作被放大。

迪拜“去安全员”意味着什么：从试点到商业化的分水岭

答案先说在前面：去掉车内安全员，代表监管信任、技术稳定性和运营成本三项同时过线。

2025年底，Uber与WeRide在迪拜做的是试点：不收费、车内有安全员。到了2026年3月，迪拜道路交通管理局（RTA）发放了无人车试验许可后，双方开始在真实订单里跑无人化，并覆盖Dubai Silicon Oasis、Dubai Investment Park Second、Jabal Ali Industrial First、Al Hamriya Port等区域。

为什么“收费+去安全员”是门槛，而不是噱头

对Robotaxi来说，安全员不仅是安全措施，更是成本结构的一部分：

• 有人=成本不可能下降到能规模化：车里坐一个安全员，本质上还在付“司机工资”。
• 有人=责任链条更复杂：出了事故是系统责任还是人工介入责任？监管往往更谨慎。
• 有人=无法验证真正的系统鲁棒性：边界条件一多，人工会下意识“补救”，数据会被“美化”。

所以迪拜这次的节点，很像自动驾驶行业的一条潜规则：能去安全员的地方，才可能跑出可复制的商业模型。

为什么迪拜是理想的“国际样板间”

中东城市（尤其是迪拜）有几个天然优势：政策效率高、基础设施新、城市规划相对清晰、对智慧交通有强意愿。对需要“运营闭环”的Robotaxi而言，这些优势能显著缩短从试点到收费运营的时间。

Uber为何加码WeRide：它押注的不是车，而是“自动驾驶供给链”

答案先说：Uber持股提升到5.82%，更像是对“自动驾驶供给稳定性”的保险，而不是单纯财务投资。

自动驾驶的产业结构正在变得像云计算：

• 平台方（Uber）掌握用户入口、派单调度、动态定价、供需平衡。
• 技术方（WeRide/Waymo等）掌握感知、预测、规划与安全冗余。
• 运营方（如Tawasul）掌握车队、维护、充电/补能、现场响应。

这次合作的描述也很直白：关系类似Uber与Waymo的合作——Uber负责网络路由与车队运营体系，自动驾驶公司对AV技术负责。平台想要的不是“某一台车”，而是持续可靠的“自动驾驶运力”。

股权加深绑定，解决的是三类长期问题

1. 供给优先级：当自动驾驶公司同时服务多个平台时，谁先拿到更稳定的车辆与技术支持？
2. 路线图一致性：平台要扩城市、要更高可用率；技术方要迭代、安全验证。股权能减少博弈成本。
3. 数据与运营协同：Robotaxi的价值不止在模型，还在运营数据（高频路线、拥堵模式、接驳点效率）。更深绑定更易形成闭环。

回到主线：Tesla与中国路线的差别，正在被“全球运营”检验

答案先说：自动驾驶的胜负，越来越取决于“AI系统能否在不同城市、不同法规、不同道路文化中快速适配”。

本系列一直在对比两条路线：

• Tesla：强调端到端（E2E）模型、尽量依赖视觉，追求“一套模型走天下”。
• 中国车企/自动驾驶公司：更常见的是多传感器（摄像头+雷达+激光雷达）、多供应商协同，以及“工程化+运营化”并行推进。

迪拜案例给了一个现实提醒：国际化扩张时，技术路线只是基础，真正拉开差距的是系统工程能力。

在海外落地，最难的往往不是模型精度

我见过不少团队在实验场景里表现很好，但一出海就“水土不服”。原因通常集中在：

• 地图与道路规则差异：合流、环岛、临停、港区重卡等都需要策略库与验证。
• 本地监管与责任框架：测试许可、事故上报、远程接管标准、数据合规。
• 运维与补能体系：车辆清洁、传感器校准、轮胎与刹车维护、充电排班。

这也是为什么Uber这种平台会成为关键变量：它在多个国家长期做出行网络，知道“怎么把一项技术变成持续可用的服务”。

一个更尖锐的判断：未来优势可能属于“平台+AI能力的联盟”

如果把Robotaxi看成“城市级产品”，单一车企想靠自建网络在每个国家复制，成本和监管压力都很高。反而是平台方联合多家自动驾驶供给方，形成“混合运力网络”（Uber在声明里也提到hybrid world），更可能快速铺开。

这对Tesla与中国玩家的启示很直接：

• Tesla的强项在于垂直整合与数据规模，但在某些市场，平台合作可能更快打开局面。
• 中国玩家（车企或自动驾驶公司）如果能把“工程化交付能力”与“平台分发能力”绑定，更容易在海外形成规模效应。

读者最关心的三个问题：Robotaxi的商业化到底靠什么跑通？

答案先说：Robotaxi商业化靠三张表——成本表、可用率表、事故率表。缺一张都不算跑通。

1）成本表：去安全员只是开始

Robotaxi的成本不只是传感器和算力，还包括：

• 车队折旧与保险
• 远程运营中心（tele-ops）人力
• 维护与标定
• 充电/补能与停车场地

去安全员能显著降低单车边际成本，但真正决定盈亏的是每车每天能跑多少有效订单。

2）可用率表：运营效率比“单次演示”更重要

平台最在意的指标是：

• 接单成功率
• 平均到达时间（ETA）
• 取消率
• 高峰期供给稳定性

Uber这种平台的价值就在这里：它能用调度算法与供需机制，把Robotaxi当成网络里的“一个运力节点”来优化。

3）事故率表：安全是可量化的“品牌资产”

自动驾驶安全不是一句口号，而是一套可审计的指标体系：

• 事故率（按百万公里）
• 责任判定结构
• 关键场景的接管/远程介入频次

迪拜发放许可并允许无安全员上路，本质上是对这套体系的一次“制度背书”。

一句话概括：Robotaxi不是把车做出来就赢了，而是把“车+AI+运营”做成可复制的网络服务才算赢。

给企业与从业者的行动建议：如何评估“AI决定长期优势”

答案先说：别只问“模型多强”，要问“能否跨城、跨国、跨法规复制”。

如果你在做车企战略、供应链决策、或关注自动驾驶投资，我建议用下面这份清单复盘任何一家玩家（Tesla、国内车企、自动驾驶公司都适用）：

1. 是否有真实收费运营数据：没有收入，很多问题会被延后暴露。
2. 是否完成去安全员/远程运营标准化：这是成本与规模的拐点。
3. 是否具备本地化交付能力：包括合规、运维、事故响应机制。
4. 是否有平台级合作伙伴：能带来订单、调度与城市扩张能力。
5. 是否能在“更难区域”运行：港区、工业区、夜间、复杂合流等场景最验真。

把这五条对照迪拜案例看，你会发现：Uber+WeRide走的是一条“先把网络跑起来”的路，而不是先把所有技术细节讲到完美。

下一步会发生什么：从迪拜到欧洲，AI出海进入“拼体系”阶段

Uber在2025年5月向WeRide投资1亿美元，并计划在未来五年扩展到额外15座城市，双方也提到扩张将包含欧洲城市。结合这次在迪拜去安全员的进展，一个更现实的趋势正在形成：自动驾驶的全球扩张将更像连锁开店——拼的是选址、合规、供应、运营和品牌信任。AI很关键，但AI必须嵌进体系里。

对《自动驾驶 AI：Tesla 与中国车企的发展路径对比》这条主线而言，我的判断很明确：

• Tesla的端到端路线若要赢到最后，需要证明它在不同城市的“快速适配”和“可运营性”。
• 中国玩家的多传感器与工程化路线若要形成长期优势，需要把“交付能力”升级为“全球网络能力”，并与平台或渠道形成稳定绑定。

如果你正评估自动驾驶、Robotaxi或车企AI战略，迪拜这件事值得你记住一个坐标：2026年，竞争不再只是谁的模型更炫，而是谁能把AI变成跨国可复制的运力。

你更看好哪种长期优势——Tesla式的端到端统一模型，还是中国玩家擅长的多传感器+平台合作的体系化打法？