为什么落地最晚的滴滴,却成了资本最看好的Robotaxi玩家?

导语:滴滴Robotaxi未跑先火,资本看重的是运营生态与数据壁垒
近日,2025年世界智能网联汽车大会(WICV)在北京举办。
大会上,滴滴自动驾驶展示了与广汽埃安联合打造的前装自动驾驶车、Robotaxi智能运维体系等多项创新成果。
这是10月11日滴滴自动驾驶获得D轮融资20亿元以来,在Robotaxi领域的又一消息。
从大会消息来看,滴滴自动驾驶已经步入落地的快车道,和广汽埃安合作的前装车型计划年底交付。
今年以来,Robotaxi领域的竞争逐渐白热化,尤其是年中一辆未经改装的量产Model Y从奥斯汀工厂出发,116公里直达用户家门交付,让Robotaxi的话题在全球闪耀。
特斯拉Robotaxi在奥斯汀的落地,小马智行、文远知行的加速扩张,享道出行、如祺出行等出行平台加速布局L4级自动驾驶领域,还有老玩家萝卜快跑出海,Waymo加速成本进化等,都让Robotaxi成为AI元年里最具话题性的项目之一。
但相较于这些已经落地的Robotaxi项目,滴滴还未真正落地运营,便已经成为行业焦点,屡屡赢得资本青睐。
天眼查APP信息显示,从2020年以来,滴滴自动驾驶已经经历过8轮融资,累计融资金额超百亿人民币。

为什么比起很多已经落地运营的Robotaxi企业,还未真正落地运营的滴滴,就已经赢得了市场的青睐 ?
一、出行的用户粘性与运营经验
目前来说,Robotaxi玩家普遍分为三类,一类是萝卜快跑、Waymo、小马智行这类自研技术与车企合作的独立运营品牌;第二类是特斯拉这种技术+车体自产的车企品牌;还有一种就是Uber、滴滴、曹操出行这类出行平台。
相较于前两者,出行平台做Robotaxi,天然有一定的消费习惯优势。
无论是技术自研企业还是车企,都需要大量的时间与投入来培养用户的消费习惯。
拿特斯拉来说,它的传统用户群是有车一族,天然在打车需求上就少了很多,甚至在一定程度上,特斯拉自动驾驶技术越强,它的原有用户离打车就越远,毕竟以特斯拉Robotaxi的模式来说,酒后打辆无人车,为何不让自己的车自动驾驶呢。
但滴滴不同,本身作为打车出行平台,滴滴在用户习惯上有着最顶尖的契合度,滴滴的用户天然不需要切换第二个APP入口,一键式选择打无人车还是有人车。
用户粘性这个词大家最近几年提得很少,但并不意味着就消失了,它也是护城河、商业壁垒中不可忽视的一环。
而且对于投资者来说,滴滴强大的业务能力与用户积累,也让这笔投资更有底气。
要知道如今的网约车市场,呈现的是一个较为饱和的状态,运力明显多于需求。
据《城市出行的就业韧性:网约车司机就业图景与职业表现(2025)》数据显示,截至2024年,全国网约车持证司机已达748.3万人,较2020年增长了159%。
但相应的市场需求却没能跟上。以打车业务较为成熟的深圳为例。
数据显示,截至6月30日深圳全市拥有网约车运输证的车辆达到了131715辆,平均每17个深圳人就对应着一辆网约车,达到了58.3辆/万人,比国家推荐标准的20辆/万人高出了快两倍。
而且截至6月30日,深圳网约车平均每天完成订单量为12.69单/车。而在2020年,网约车司机每天平均接单量为23.3单。
就如同饮品行业一般,当总需求上涨明显小于市场供给上涨后,奶茶店从几年前的香饽饽变成了最容易熬不过三个月的爆点赛道。
但即使饮品行业竞争激烈,依然能跑出蜜雪冰城、霸王茶姬,在网约车市场寻求增量的阶段,滴滴发展势头依然强劲,稳坐网约车龙头。
2024年全年,滴滴实现营收2068亿元,经调整EBITA(税息折旧及摊销前利润)43.3亿元。对比历年业绩,滴滴2024年营收创下历史新高,首度站上2000亿元大关。
这种出行领域强大的商业化运营能力,正是市场所看好的,也是Robotaxi领域当下的稀缺属性。
当下制约Robotaxi领域的一大痛点就是运营。像小马智行今年一季度净亏损为3738万美元,文远知行同期经调整后的净亏损为2.95亿元。
百度旗下萝卜快跑,去年的目标也是在武汉实现收支平衡,李彦宏在百度2025年一季度财报业绩上所说:“我们已经看到了清晰的盈利路径。”但2025年底能否全面进入盈利期,还犹未可知。
尽管马斯克强调“特斯拉在现实世界AI领域确实处于领先地位。”,但真正落地运营后,特斯拉还是下调了Robotaxi业务的期望值。
在第二季度的财报会上,马斯克曾设定了在年底前将Robotaxi服务覆盖美国一半人口的激进目标,但第三季度财报会上,他的表述变为在年底前将该服务扩展至8到10个城市。
真正落地之后才会发现运营中有多少难点。
定高了当下的服务与传统出行拉不开差距,不方便推广,定低了自己入不敷出,未来形成价格锚点还会损害传统出行领域的生态,伤人伤己,谷贱伤农的事,并不少见。
像外卖、出行这种多边的平台,考虑的也是多边利益,它们的定价及服务,都是实践数据与实例运营经验积累下所敲定的。
而滴滴这方面是有经验的,它在这么多年的商业化运营中,总能处理好多边的共同利益。
就像8月份滴滴表示今年会将每笔订单最高抽成上限从29%降至27%,超出27%的部分将随单返还。
其实,滴滴动态抽佣是完全透明的,司机可以看到每笔订单的抽成,但大多时候关注的都是较高抽佣的那一单,事实上,2024年滴滴平台所有订单平均抽成为14%。
前不久滴滴司机的座谈会上,一位孙姓司机直言道:“大家关心的是今天跑了多少小时,拉了多少钱。相同的时间,收入能变多,我就拥护你。”
司机们的需求很简单很直白,他们永远支持给他们带来切实利益增长的那一方,沉默的大多数会寻找那个真正能给自己带来切实收益的那一方,不断增长的单量数据,才是真正的战线。
滴滴多年经营下,已经摸索出一套最大化多边利益的打法,它的运营中保证的是对双边伙伴产生价值和吸引力,并建立起符合其定位的平台分工与合理的利润分配机制,保证各方有利可图。
也因此提到出行、提到打车,最先想到的还是滴滴,这种出行的用户粘性与运营经验,对于未来Robotaxi的布局很有利。
二、“不可能三角”下的滴滴路径
最近,IROS 2025官方分论坛上,做激光雷达的禾赛科技CEO李一帆谈论过他们面对的一个挑战,就是要解决质量、性能、成本的“不可能三角”。这也是很多做AI,做Robotaxi企业面临的挑战。
面对这样一个挑战,先解决的一定是质量与性能,最后再做成本。
作为一个新创的业态,第一步一定是解决服务的质量与产品的性能,就像当初网购、外卖、打车,如果基础服务跟不上,新业务很难推广开。
而在自动驾驶技术的研发上,网约车老大的滴滴,也有独特的“燃料”补充。
牵扯到AI技术,数据一定是核心资源之一。
资料显示,滴滴当前日均近5000万的订单量(国内3710万+海外1196万),覆盖400个中国城市及14个海外国家,形成了全球规模较大、场景最多样的出行数据库。
而且滴滴的数据天然聚焦在“载人出行”这一核心Robotaxi场景,使其技术研发更具商业针对性,避免了技术路线与市场需求的脱节。
其实在我看来,滴滴的Robotaxi应该是最早一批落地的,因为滴滴早在2016年就开始布局,再加上手握出行领域最强大的算法能力与数据积累,理论上滴滴应该是最可能落地Robotaxi的那一位。
但这几年来,滴滴自动驾驶虽然融资、研发不断,但宣传方面较为低调。
一方面安全是出行的生死线。多年深耕出行领域的滴滴,比谁都了解安全两字的含金量。
出行安全与食品安全一样,是一个容易被“诛十族”的领域。
就像小米汽车,销量一度如日中天,成为新能源汽车的商业神话之一。但两起车祸就让小米股价受损,甚至连雷军粉丝数都跟着跌。
平心而论,市面上哪个汽车品牌没出过事故呢,但你汽车、出行方面的安全事故,就是敏感,就是会产生各种负面影响。
如同滴滴自动驾驶CEO张博说的那样:“我们运送的是人的生命,我们始终把安全作为最优先不能妥协的优先项。”
另一方面可能是政策原因。自动驾驶毕竟是试运营阶段,目前开放的城市和地区有限。像北京目前仅亦庄允许移除人类司机开展测试与载人示范,太早的落地也没办法大面积铺开,不如在质量与性能上多打磨打磨。
不过放缓脚步的滴滴可能也是歪打正着,避开了Robotaxi的意义风波。
之前萝卜快跑落地武汉的时候,曾经历过一场不小的舆论风波,即自动驾驶的意义何在,是否会压缩司机的生存空间。
从结果来看,苕萝卜成为武汉的一道固定风景线,时代的技术车轮也没有止步。海外的特斯拉、Waymo也经历过类似的时代拷问。
有此前提,滴滴Robotaxi的落地受到的影响会小一些,滴滴也表示自己将采取“混合派单模式”,在保留人类司机订单的基础上,逐步扩大自动驾驶服务范围,既保证司机群体利益,也能在过渡上更顺畅。
而且滴滴Robotaxi的落地也能对原有网约车生态做补充。
比如说在夜间、恶劣天气等运力紧张时段,自动驾驶车辆可以作为有效补充,提升平台整体运力效率和24小时服务能力。
而且Robotaxi也有助于改善网约车服务环境。
最近多地要求整顿“臭车”“差服务”等网约车情况,像广州市出租汽车车容车貌及驾驶员服务规范中,首次将网约车纳入统一管理,明确要求网约车不得以“不认识路”等理由要求乘客取消订单。
自动驾驶也会催生安全员、清洁员、运维员等相关岗位的产生,这些项目未来也可能是网约车司机优先录取。
Robotaxi实现司机与新技术的协同发展,而非简单的“替代”很重要。
当然滴滴尽管优势明显,但未来Robotaxi的发展也需要合理规划研发与运营的平衡挑战,鹿死谁手犹未可知。自动驾驶终归是在加速落地,谁能调和好前沿技术与社会需求的深度融合,谁才有未来的话语权。
免责声明:本文基于公司法定披露内容和已公开的资料信息,展开评论,但作者不保证该信息资料的完整性、及时性。
另:股市有风险,入市需谨慎。文章不构成投资建议,投资与否须自行甄别。






