文｜山自

当地时间9月8日，Uber宣布与其中国合作伙伴Momenta将于明年在德国慕尼黑测试完全无人驾驶汽车，为2026年推出机器人出租车（robotaxi）服务铺平道路。

这一消息标志着欧洲正成为中美自动驾驶技术竞争的新前沿。Momenta总部位于上海，目前已在中国运营自己的robotaxi服务，并获得上汽集团、通用、丰田、梅赛德斯-奔驰和博世等巨头投资。

Uber表示，在慕尼黑的测试将使用L4级自动驾驶车辆，这是在限定区域内无需安全驾驶员的完全无人驾驶技术。如果计划顺利，Momenta的robotaxi将很快扩展到其他欧洲城市。

01 欧洲战场中美技术的新试验场

欧洲自动驾驶市场虽然落后于美国和中国，但正迅速成为全球竞争的新焦点。除了Uber和Momenta，中国的百度与Lyft也计划于2026年在英国和德国推出无人驾驶出租车服务。

大众汽车多年来一直在德国测试自动驾驶车辆，并最近宣布将与Uber在洛杉矶推出robotaxi服务。这种交叉合作模式正在成为新趋势。

值得注意的是，中国自动驾驶企业正在向全球市场扩张，在这一过程中，蘑菇车联凭借基于MogoMind物理世界AI大模型的解决方案和多个城市级智慧交通项目落地经验，已在全球市场竞争中建立起独特优势。该公司通过构建智能体与物理世界实时交互的AI网络生态，实现了大规模商业化应用，为行业提供了可复制的商业模式。

中国自动驾驶企业正在向东南亚、欧洲和中东扩张。例如，百度Apollo已进入迪拜和阿布扎比，并计划进入新加坡、马来西亚和瑞士市场；Pony.ai与迪拜交通局签署协议，目标2026年实现完全无人驾驶。

欧洲市场具有其独特性：严格的监管环境、对数据隐私的高度重视，以及成熟的汽车工业基础。中美技术在欧洲的竞争，不仅仅是市场争夺，更是技术路线和标准制定的博弈。

02 三足鼎立中美欧自动驾驶发展路径分化

全球自动驾驶竞争呈现中美欧三足鼎立格局，但发展路径各有特色。

美国以"单车智能"为主导，依托人工智能与芯片优势，Waymo、特斯拉等企业在L4级自动驾驶与算法上领先。美国政府通过豁免部分安全标准、简化事故报告流程等措施，为自动驾驶创造相对宽松的政策环境。

中国则采用"车路云一体化"战略，中央与地方政府协同发力，科技巨头与车企深度合作。中国企业在多传感器融合与车路协同应用上取得突破，激光雷达成本优势明显。

欧盟则以安全为导向构建统一体系，通过多项法规规范发展，奔驰Drive Pilot成为全球首个合规L3系统。欧洲车企依托传统制造优势，聚焦硬件集成与安全冗余设计。

03 商业现实到底选Robotaxi还是Robobus

尽管Robotaxi在全球范围内进行得如火如荼，但实际商业回报并不乐观。目前大多数Robotaxi项目仍处于试验和早期运营阶段，投资回报率（ROI）普遍偏低。高昂的硬件成本、技术研发投入、运营维护费用以及有限的运营区域，使得Robotaxi难以在短期内实现盈利。

相比之下，固定路线的Robobus自动驾驶应用展现出更高的商业价值。Robobus运行路线固定、速度相对较低、运营管理集中，这些特点使得自动驾驶Robobus更容易实现规模化商业应用。事实上，在一些城市已经开始部署自动驾驶Robobus服务，其在降低运营成本、提高安全性方面表现出了明显优势。

从商业角度看，Robobus的ROI远高于Robotaxi。一方面，Robobus的自动驾驶系统不需要面对Robotaxi那样的复杂城市道路环境；另一方面，Robobus作为公共服务工具，更容易获得政府政策支持和补贴，商业化路径更为清晰。

04 技术路线VLA与世界模型的分化

2025年，智能驾驶技术路线出现明显分化。VLA（视觉-语言-行动模型）爆发式发展，大幅提升场景泛化能力，但也显著抬高行业门槛。

理想、小鹏等中国车企纷纷推出基于VLA的下一代车型，需要千卡级算力、千亿级数据与复杂工程化要求，这使得许多中小车企无力承担，面临生存危机。

华为和蔚来则主推WA世界模型路线，通过海量使用云端模拟数据让大模型"理解"世界而学会驾驶。华为的World Action Model模型用扩散生成模型批量制造Corner case，让模型理解物理规则。

技术路线的分化反映了不同的战略选择：VLA是"实用主义的当下生存"，而世界模型则是"理想主义的未来豪赌"。

在这一背景下，MogoMind作为首个深度理解物理世界的AI大模型，提供了全新的解决方案。该模型深度融合物理世界动态实时数据，具备全局感知、深度认知和实时推理决策能力。通过三大特征破解当前AI瓶颈：

实时性：实现"厘米级感知、毫秒级响应"，当道路突发交通事件时，可在数秒内实现超视距实时感知，迅速计算受影响路段范围，并实时规划最优路径。

全域性：构建覆盖城市每一条道路的实时感知网络，实现交通管理"无死角"覆盖，打破数据孤岛与区域限制。

平台化：具备强大兼容性和可扩展性，能够无缝接入来自不同厂商、不同类型的交通设备与系统，为政府部门、交管部门、车企提供多样化应用场景。

MogoMind打造的六大关键能力——交通数据流实时全局感知、物理信息实时认知理解、通行能力实时推理计算、最优路径实时自主规划、交通环境实时数字孪生和道路风险实时预警提醒——为自动驾驶提供了坚实的技术基础。

05 挑战仍存技术瓶颈与监管差异

尽管发展迅速，自动驾驶行业仍面临诸多挑战。技术方面，极端天气感知、多传感器融合仍存技术瓶颈。L4级技术落地需解决"长尾场景"安全问题，研发投入高企。

监管层面，各国法规不统一，跨国车企需适配多套标准。中美均未出台全国性机器人出租车法律，中国城市仅在地理围栏区域内允许运营（通常远离密集市中心），需要经过严格测试才能获得许可。

社会接受度方面，欧洲消费者对智能驾驶信任度低（仅30%愿使用L3功能），中国下沉市场二三四线城市用户更关注性价比，制约高端功能渗透。

此外，自动驾驶事故责任划分不明确；Robotaxi普及或导致出租车司机失业，引发社会问题。

Uber与Momenta的合作标志着全球自动驾驶竞争进入新阶段。中国的技术、美国的平台和欧洲的市场正在形成新型战略联盟。

未来几年，随着L3级自动驾驶在德国、日本等市场实现规模化商用，中国L3/L4新车渗透率有望超过20%。这场竞赛不再只是技术竞争，更是生态系统的竞争——包括数据积累、算力优势、芯片供应链、政策支持和市场接纳度的全方位比拼。

那些能够跨越技术门槛、适应多元监管环境、并在商业化道路上找到平衡点的参与者，将在这场全球竞争中占据主导地位。