新能源、自動駕駛、人工智能、芯片技術快速發展，汽車行業正迎來前所未有的變革。

關注汽車行業最新動態，深入剖析市場趨勢，零態LT特推出《車圈》欄目，以專業的視角，關注全球汽車行業最新動態、各大車企的新品發布、技術革新以及市場表現，通過對汽車行業進行深度解讀，揭示背后的商業邏輯和市場規律，以及它們如何改變汽車行業的格局，以及它們將如何影響人類的出行方式。

本文是該欄目23篇，聚焦中國Robotaxi雙雄——小馬智行“實干突圍”VS文遠知行，誰能笑到最后。

當“上市即造股”的資本泡沫席卷自動駕駛賽道，當行業陷入“燒錢換增長”的惡性循環，小馬智行與文遠知行，這兩家中國Robotaxi領域的“雙雄”，卻在港股IPO的賽道上展開了一場關乎生存與未來的終極對決。

一方是彭軍帶領的“實干派”，以安全為底線、以規模化落地為矛，試圖用街頭真實服務打破行業困局；另一方面是韓旭執掌的“全球化勇士”，以多場景覆蓋為盾、以海外擴張為劍，試圖用資本杠桿撬動萬億市場。

究竟誰能更勝一籌？

一、安全冗余VS全場景覆蓋

如何破解“長尾難題”

自動駕駛的終極戰場，從來不是實驗室里的算法比拼，而是街頭巷尾的“長尾場景”考驗。

小馬智行，安全冗余的“實干派”，彭軍的選擇，是“不玩虛的”。作為百度自動駕駛首席架構師出身的他，深知安全是自動駕駛的“生命線”。因此，小馬智行從創立之初就押注多傳感器融合技術，搭載20多項安全冗余系統，包括激光雷達、攝像頭、毫米波雷達的“鐵三角”組合，以及冗余電源、冗余制動、冗余通信等硬件保障。

這種“過度設計”的邏輯，直指純視覺方案的軟肋，極端天氣下的可靠性問題。例如，在暴雨、濃霧或強光直射場景中，攝像頭可能失效，而激光雷達的3D點云數據仍能提供精準環境感知。

小馬智行的技術路線，本質上是“用硬件冗余換安全邊際”，盡管成本更高，但換來了用戶信任與政策準入的優勢。2024年，其成為首家獲一線城市全無人駕駛全類別許可的企業，App注冊用戶達22萬，日均訂單超15單，這些數據背后，是安全冗余帶來的“真實服務能力”。

文遠知行，全場景覆蓋的“技術勇士”，韓旭的野心，是“用一套代碼打天下”。

根據天眼查媒體綜合信息，文遠知行的“WeRide One”平臺，主打“全領域自主研發的核心算法”，試圖從L2到L4級自動駕駛技術無縫銜接，并覆蓋Robotaxi、Robobus、Robovan等多場景。這種技術架構的優勢在于“復用性”，通過統一算法降低研發成本，多場景數據反哺核心算法。

例如，其無人駕駛環衛車在廣州生物島的運營數據，可優化Robotaxi在狹窄道路的決策邏輯；其在中東的極端高溫環境測試，能提升算法在高溫工況下的穩定性。

技術方面，小馬智行的選擇，是“先守住安全底線，再追求技術突破”；文遠知行的邏輯，是“用場景覆蓋倒逼技術進化”。

前者更符合當前政策與市場的需求，在監管對安全性高度敏感的背景下，安全冗余是獲取牌照、贏得用戶信任的“敲門磚”；后者則更符合長期技術趨勢，全場景數據是訓練通用自動駕駛模型的“燃料”，誰能積累更多數據，誰就能在未來的技術競爭中占據主動。

然而無論是安全冗余還是全場景覆蓋，最終都要回答同一個問題：如何破解自動駕駛的“長尾難題”？即那些發生率低但后果嚴重的極端場景。

小馬智行是用硬件冗余“硬扛”，文遠知行用算法迭代“軟解”。

二、規模化落地VS多場景變現誰能先跑通商業盈利模型

自動駕駛的商業化，從來不是“技術領先就能贏”的游戲，而是“誰能先跑通盈利模型”的生存賽。

小馬智行是規模化落地的“實干派”，彭軍的戰略，是“先聚焦，再擴張”。

小馬智行的商業化路徑，可以用“三個集中”概括：集中資源攻Robotaxi、集中市場做中國、集中時間搶規模化。其核心邏輯是“用規模化降低單位成本，用真實服務贏得用戶口碑”。

例如，小馬智行在北京、上海、廣州、深圳四大一線城市的全無人收費運營，覆蓋面積超2000平方公里，車隊規模于2025年8月突破500臺，計劃年底擴容至1000臺。這種“集中資源打透核心市場”的策略，換來了顯著的規模效應，其第七代Robotaxi采用100%車規級零部件，自動駕駛套件總成本較前代下降70%，僅27萬元，成為全球首個在車規級芯片上實現全場景L4級自動駕駛的方案。

更關鍵的是，小馬智行規模化落地帶來了真實收入，2025年第二季度，其自動駕駛出行服務收入達325.6萬美元，雖占比僅9.2%，但較2024年全年（726.6萬美元）已實現翻倍增長。

彭軍的目標是“2025年底或2026年初實現單車經濟盈虧平衡”，這一目標的底氣，正是來自規模化落地的成本攤薄效應。

文遠知行是多場景變現的“全球化勇士”，韓旭的打法，是“先鋪場景，再找盈利”。文遠知行路徑。用“三個分散”概括：分散資源覆蓋多場景、分散市場做全球化、分散收入找變現點。其核心邏輯是“用多場景覆蓋降低單一業務風險，用全球化擴張打開增長空間”。

例如，其業務覆蓋Robotaxi、Robobus、Robovan、無人駕駛環衛車、自動駕駛貨運車五大場景，2025年第二季度，僅自動駕駛掃地機銷量增長就帶動產品收入同比激增309%；其市場覆蓋中國、阿聯酋、新加坡、法國、瑞士等11國30城，是全球唯一旗下產品擁有7國自動駕駛牌照的科技企業。

這種“分散化”策略的優勢在于“抗風險能力強”，當Robotaxi業務因政策或市場波動受阻時，其他場景的收入可提供緩沖；其劣勢在于“資源分散，難以形成合力”。

例如，其Robotaxi業務雖在2025年第二季度收入同比激增836.7%，但占比僅36.1%，遠低于小馬智行對Robotaxi的專注度。但其多場景變現的邏輯尚未跑通，其無人駕駛環衛車、Robovan等業務，目前仍依賴政府補貼或項目制收入，尚未形成可持續的C端服務模式。

終極對決是規模化落地與多場景變現PK，小馬智行的選擇，是“用規模化降低成本，用真實服務贏得市場”；文遠知行的邏輯，是“用多場景覆蓋風險，用全球化打開空間”。前者更符合當前自動駕駛商業化的發展階段，后者則更符合長期市場趨勢。

自動駕駛的終極形態是“全場景、全無人、全鏈條”的服務，可以說誰能提前布局多場景，構建生態壁壘，誰就能在未來的競爭中占據主動。

總之，無論是規模化落地還是多場景變現，最終都要回答同一個問題：如何實現可持續盈利？小馬智行的目標是“2025年底或2026年初單車盈虧平衡”，文遠知行的目標是“用全球化擴張對沖國內市場風險”。

哪種路徑更有效？最終結果或許藏在它們的財務數據中。

三、雙重上市的“安全牌”VS全球化擴張的“杠桿局”

自動駕駛的戰爭，從來不是企業的獨角戲，而是資本的博弈場。

小馬智行是打雙重上市“安全牌”，彭軍的資本策略，是“先穩住基本盤，再謀擴張”。

小馬智行的資本路徑，可以用“兩個錨點”概括：錨定美股的技術價值、錨定港股的流動性價值。其2024年11月登陸納斯達克，募資32.9億元，核心目的是“用美股市場認可的技術估值，為全球化擴張提供彈藥”；其2025年10月沖刺港股，擬募資77億港元（綠鞋后），核心目的是“用港股的流動性對沖美股波動風險，同時吸引亞太投資者，提升品牌影響力”。

文遠知行韓旭的資本策略是“用杠桿撬動增長”，可以用“兩個杠桿”概括：用海外合作撬動技術資源、用資本投資撬動市場擴張。

其2024年10月登陸納斯達克，募資23.9億港元，核心目的是“用美股資金支持全球化擴張”；其2025年先后獲得Uber1億美元追加投資、Grab數千萬美元股權投資，核心目的是“用戰略投資者的資源加速海外落地”。例如，其與Uber在阿聯酋的合作，不僅獲得資金支持，還借助Uber的平臺接入本地用戶，快速打開市場；其與Grab在新加坡的合作，則通過Grab的本地化運營能力，降低合規風險。

這種“資本杠桿”策略的優勢在于“增長速度快”，通過綁定頭部企業，可快速復制商業模式，縮短市場教育周期。

韓旭的選擇，本質上是“用資本杠桿換市場空間”，在自動駕駛行業競爭日益激烈的背景下，速度比控制權更重要。

資本博弈的終極對決，是安全牌PK杠桿局。

小馬智行的選擇，是“用雙重上市穩住基本盤，用穩健擴張贏得長期信任”；文遠知行的邏輯，是“用資本杠桿撬動增長，用全球化擴張建立壁壘”。

前者更符合當前資本市場的偏好，在自動駕駛行業不確定性較高的背景下，投資者更傾向于“低風險、長周期”的投資標的；后者則更符合行業發展趨勢。

自動駕駛的競爭已從“技術競爭”轉向“生態競爭”，誰能快速構建全球化生態，誰就能在未來的競爭中占據主動。小馬智行的目標是“用規模化落地證明盈利能力”，文遠知行的目標是“用全球化擴張證明增長潛力”。

無論是安全牌還是杠桿局，最終都要回答同一個問題：如何贏得資本的長期信任？

四、寫在最后

Robotaxi雙雄的終極對決，是中國自動駕駛的“生存實驗”。

小馬智行與文遠知行的港股對決，從來不是兩家企業的私事，而是中國自動駕駛行業的一次“生存實驗”。這場實驗的變量，是技術路線、商業化路徑、資本策略；這場實驗的常量，是安全底線、用戶需求、政策環境。

彭軍的“實干派”邏輯，是用安全冗余與規模化落地，在不確定性中尋找確定性；韓旭的“全球化勇士”邏輯，是用多場景覆蓋與資本杠桿，在變化中捕捉機遇。

兩種路徑，沒有絕對的對錯，只有適合與不適合。

而無論誰最終勝出，這場對決的意義，早已超越了企業層面，它證明了中國自動駕駛技術已從“實驗室”走向“街頭”，從“技術驗證”走向“商業化落地”，從“資本游戲”走向“價值創造”。

這一切，正是彭軍與韓旭們用實干、用技術、用資本，為中國自動駕駛行業寫下的最真實的注腳。

Robotaxi的雙雄時代，才剛剛開始。

作者｜張琪

編輯｜何坤

運營｜陳佳慧

出品｜零態LT（ID：LingTai_LT）

頭圖｜網絡公開用圖