引言
当英国《经济学人》都开始为中国自动驾驶“着急”，西方世界终于意识到，这场竞赛的规则正在被彻底改写。
中国自动驾驶正在上演一场令西方瞠目的“速度与激情”。英国《经济学人》杂志近日连续刊文，道出了西方面对中国科技创新时的复杂情绪——在紧盯中国电动汽车和AI之后，他们不得不面对另一个“坏消息”：中国在自动驾驶领域同样在快速崛起。
高盛预测，到2035年中国自动驾驶出租车营收将达近500亿美元，届时190万辆自动驾驶出租车将占据网约车总量的四分之一。
而瑞银的预测更为乐观，预计到2030年代末市场规模有望达到约1800亿美元。
更让西方坐立不安的是，中国的自动驾驶出租车制造成本仅为美国Waymo的三分之一，这一“成本杀”正在全球范围内重写竞争规则。
无人车来也（公众号：无人车来也）和大伙儿聊聊这个事！
（参考阅读请点击：《英国《经济学人》：从50城路测到500亿美元市场，中国自动驾驶出租车为何领先世界？》）
一、成本革命：从激光雷达到整车制造的“中国价格”
中国自动驾驶的成本优势并非凭空而来，而是建立在完整的产业链基础之上。
《经济学人》在报道中指出，凭借完善的产业链，中国不仅降低了整车制造成本，还使基础系统能够在廉价车型上普及。
激光雷达的价格变迁是最生动的例证。
这个曾经动辄10万元的“奢侈品”，如今在中国规模化生产下已经跌到4000元级别，并实现批量装车。成本的大幅下降，使得L4级自动驾驶从“技术炫技”变成了实实在在的“成本游戏”。
中国的自动驾驶出租车制造成本仅为美国Waymo的三分之一，这一数字背后是中国制造业规模效应的集中体现。
正如《经济学人》所分析的：“庞大的人才储备、广阔的制造业基础与巨大的规模效应，共同推动中国快速向价值链上游攀升。”
（参考阅读请点击：《经济学人：中国自动驾驶在“试错”中狂奔 ，正建立起决定性的全球领先优势》）
小马智行刚刚公布的三季度财报显示，其第七代Robotaxi成本较上一代暴降70%，同时实现了10年/60万公里的设计寿命。
这种成本下降速度，让海外竞争对手望尘莫及。
（参考阅读请点击：《小马智行Q3“交卷”三连喜：1.81亿营收单车盈利转正、8%股价跳涨、与阳光出行合作！自动驾驶“现金牛”终于抬头？文员知行呢？》）
更重要的是，成本优势正在转化为市场渗透力。
目前中国销售的新车中，超过半数属于L2级别。
投行摩根士丹利预计，到2030年，仅中国就将占据全球L2+级别汽车——这一自动驾驶中尤为智能的子类别——半壁江山。
二、 路测规模：50城狂奔的“中国速度”
如果说成本是硬实力，那么路测规模就是软实力的体现。
目前中国有超过50个城市允许在公共道路上进行自动驾驶测试，其中至少十个城市已开展商业化运营。
这一数字背后是中国特色的“试点-推广”模式。
正如《经济学人》所观察到的：“中国通过大量低风险的地方试点项目，助力工程师和政策制定者积累实践经验。监管机构在制定全国性法规前，会密切追踪技术发展动向，实现‘边试边改’。”
截至2024年，中国已有超过3.2万公里道路获批用于各类自动驾驶测试。
在北京，技术人员截至2023年底累计完成3900万公里测试里程，主要集中在城市外围区域。
武汉于2022年率先发放全无人驾驶Robotaxi商用牌照，如今全市三分之一的道路已支持乘客随时呼叫。
这种真实道路测试对于技术全面推广前消除隐患至关重要。
大连海事大学法学郑教授指出：“试错空间更大，出现问题也能快速调整方向。”
地方政府在这场竞赛中扮演着关键角色。
急于吸引人才和投资的地方政府迅速批准试点项目，并建设传感器等数字基础设施为自动驾驶车辆提供支持。
（参考阅读请点击：《一支竹篙难渡汪洋海，众人划桨开动大帆船！我国自动驾驶赋能冗长汽车产业链，打造无人驾驶出海新生态》）
目前已有超过50个城市围绕事故责任划分、合规测试指南、本地测试企业补贴等领域出台了相互竞争的政策。
三、 智能基建：330个传感器与1723个路口的数字化
无锡市的实践为我们提供了智能基建的典范。
全市1723个十字路口的交通信号灯已完成智能网联化改造，并在330个关键点位部署传感器系统，为自动驾驶车辆提供通行便利。
这种“车路协同”的路线，正是中国自动驾驶发展的特色所在。
当每个路口都变成“数字孪生”，自动驾驶车辆的感知负担大大减轻，系统复杂度和成本随之下降，安全性却得到提升。
《经济学人》特别关注到这一现象：“中国政府将自动驾驶视为提升国家科技实力的重要途径，而许多地方政府批准自动驾驶试点项目并配套建设必要基础设施。”
这种政府主导的基础设施建设，为自动驾驶企业提供了宝贵的测试环境和数据积累。
相比之下，欧洲汽车制造商对公共道路测试的障碍怨声载道，美国汽车制造商则面临更高风险的昂贵诉讼、公众抗议和政府调查。
（参考阅读请点击：《中国无人车出海"十强"：30国订单接到手软，中东土豪独宠"中国智造"，欧美公司被按在地上摩擦？》）
大众汽车集团发言人的评价颇为中肯：中国采用的“先测试后监管”模式有助于监管机构与行业共同学习并加速创新。
四、 监管创新：在放开与规范间寻找平衡
中国在自动驾驶监管方面展现出的灵活性与敏捷性，同样令西方印象深刻。
《经济学人》指出，中国成功的另一个令人意外的因素，是其灵活且宽松的监管环境。
中国的《道路交通安全法》仍默认所有车辆都配备完全主动的人类驾驶员。
但首都北京的决策层已动用多种手段为行业发展创造空间：不仅为自动驾驶功能的普及制定了雄心勃勃的目标，还发布了大量实用指导意见。
这种监管智慧在医药领域同样得到验证。
2015至2018年间，药品监管机构人员规模扩大至原来的四倍，仅用两年时间就清理了2万份积压的新药申请；
人体临床试验审批时间从501天缩短至87天。
去年，中国企业开展的临床试验数量占全球三分之一。
在自动驾驶领域，监管同样在放开与规范间寻找平衡。
今年以来，L2级自动驾驶系统的监管持续收紧。二月，官方要求车企在对已上路系统进行远程升级前，必须完成更多测试并获得审批。
九月，监管部门发布国家安全标准草案，——若监测到驾驶员注意力分散，车辆需强制关闭驾驶辅助系统。
同月，监管机构要求某新势力汽车召回11.7万辆SU7汽车，因其驾驶辅助系统“可能无法充分识别、预警或应对极端场景”。
五、全球影响：从技术追随者到规则制定者
中国自动驾驶的崛起，正在全球范围内产生深远影响。
《经济学人》预判，中国的自动驾驶汽车可能会走中国科技出口的老路：被拥有自身产业且对安全格外敏感的美国阻挡，但有望在其他自动驾驶落后的地区扎根。
目前，中国的自动驾驶企业已累计行驶数百万公里，并在欧洲和中东建立合作关系。
这种“出海”势头，随着国内市场竞争的加剧而加速。
中国本土激烈的竞争固然给企业带来了严峻挑战，但幸存者最终会成长为极具竞争力的出口冠军。
《经济学人》分析认为：“经济增长放缓之际，自动驾驶出租车运营商既要相互竞争，还要面对廉价的人工出租车。许多亏损企业将在价格战中出局，但存活下来的企业将转向海外寻求盈利。”
在医药领域，中国的廉价药品可能带来普惠效应，尤其惠及发展中国家；
而对于中国企业而言，占据全球医药行业70%利润的美国市场，无疑是最诱人的目标。
更重要的是，中国在西方制药企业研发管线中的重要性，意味着双方关系甚至可能走向共生。
这种既竞争又合作的关系，将成为未来全球科技格局的新常态。
六、西方反思：保护主义不是解药
面对中国的崛起，《经济学人》向西方发出了严厉的告诫：如果打着安全的幌子盲目实施保护主义，那就错了。
在人们普遍担忧生活成本的当下，封锁或限制中国创新成果，将剥夺消费者享受更廉价、更优质药品和交通服务的权利。
文章指出，西方经济体更应重新审视本土创新模式。
人们容易对中国的崛起产生宿命论观点，认为中国对未来技术的主导只能通过指令和浪费性补贴实现，而“民主国家”无法效仿。
但事实上，中国私营部门的创新活力与监管机构的敏捷性，也是其成功的关键因素。
遗憾的是，西方在这方面正走向错误的方向。
美国拥有规模优势和充足资金参与竞争，但在许多州（尤其是民主党执政的州），监管机构正在阻碍或拖延自动驾驶汽车的发展；
政府还在与大学对抗，并削减基础研究资金。
与其他西方国家一样，美国对包括优秀人才在内的移民持敌对态度。
在医药领域，随着中国临床试验占比上升，欧洲正逐渐落后。
欧洲经济体迫切需要进一步一体化，以筹集资金并研发新技术，但在监管层面，往往过于强调安全，而抑制了冒险精神和创新试验。
总之，无人车来也（公众号：无人车来也）认为：
当英国的权威媒体都开始为中国自动驾驶的“成本杀”和“中国速度”而惊叹，西方世界不得不承认：这场关乎未来出行主导权的竞赛，规则正在被彻底改写。
中国的答案很明确——自动驾驶的终局不是“技术炫技”，而是“成本碾压”。
通过廉价车型+规模制造+政策绿灯的组合拳，中国正让Robotaxi比网约车还便宜20%，并把这场“成本游戏”输出全球。
下一个十年，当你在柏林、迪拜或者新加坡坐上中国制造的自动驾驶出租车时，请不要惊讶——这一切，在今天的中国道路上已经预演。
亲！你说呢？
备注：本文略有编辑，标题有修改#无人车来也 #无人驾驶 #自动驾驶 #无人车
原文标题 : 西方焦虑：中国自动驾驶的“成本杀”正重写全球规则，还把新药管线点到“满级”？
（来源：维科网）
相关推荐
-
从小米OTA1.18看智驾系统如何判断超车值不值？
10月19日，小米汽车宣布OTA Xiaomi HyperOS 1.18，重点优化SU7、YU7的城市辅助驾驶体验，包括加减速、变道、绕行和路口通行等表现。此次更新对于高速领航的一项优化明确提到，可提
-
从小米OTA1.18看智驾系统如何判断超车值不值 ？
10月19日，小米汽车宣布OTA Xiaomi HyperOS 1.18，重点优化SU7、YU7的城市辅助驾驶体验，包括加减速、变道、绕行和路口通行等表现。此次更新对于高速领航的一项优化明确提到，可提
-
自动驾驶激光雷达探测距离由哪些因素影响 ?
自动驾驶汽车想在复杂的高速公路或城市路况下实现安全行驶，前方的视线范围至关重要。 当车辆以120km/h的速度行驶时，紧急刹车和系统响应需要超过百米的深度感知距离。 作为自动驾驶的核心传感器，激光雷达
-
乘用车前装率只有3%的V2X，为什么在矿区能跑通？
高工智能汽车研究院的数据显示，2025年前11个月中国市场乘用车前装V2X（Vehicle-to-Everything，车对外界的信息交换）标配搭载交付66.23万辆，同比增长59.67%，搭载率3.
-
端到端自动驾驶能应对路面深坑吗？
如果人类开车遇到路面深坑，并不会先想这是什么目标，而是会直接判断继续开有没有风险，要不要减速，能不能绕开。 端到端自动驾驶面对同样的问题处理起来只会更加复杂，那端到端自动驾驶能应对路面深坑吗？ ? 0
-
车道线消失后，智驾靠什么判断自己应该走哪里？
很多人会觉得，自动驾驶只要能识别车辆、行人和红绿灯，就已经具备了基本的道路感知能力。 但真正开起来就会发现，看见路上的东西和知道自己应该走哪里是两码事。 一段道路如果车道线清晰，车辆很容易获得明确的车
-
车道线消失后, 智驾靠什么判断自己应该走哪里？
很多人会觉得，自动驾驶只要能识别车辆、行人和红绿灯，就已经具备了基本的道路感知能力。 但真正开起来就会发现，看见路上的东西和知道自己应该走哪里是两码事。 一段道路如果车道线清晰，车辆很容易获得明确的车
-
端到端自动驾驶能应对路面深坑吗 ?
如果人类开车遇到路面深坑，并不会先想这是什么目标，而是会直接判断继续开有没有风险，要不要减速，能不能绕开。 端到端自动驾驶面对同样的问题处理起来只会更加复杂，那端到端自动驾驶能应对路面深坑吗？ ? 0
-
自动驾驶算法的 DeepSeek 时刻：阿里开源的Qwen
最近，阿里 Qwen 团队和华中科技大学在 arXiv 上放了一篇编号 2609.00111 的技术报告，名字叫 Qwen-Drive-1.0。同一天，HuggingFace、ModelScope 和
-
为什么自动驾驶的世界模型中都会使用强化学习？
2026年，行业共识正在快速形成，世界模型与强化学习的结合，已经成为头部智驾企业技术架构的标准配置。 地平线HSD V2.0以世界模型+端到端强化学习双引擎驱动，将无接管里程提升了56%； 蔚来则在1
