高盛在一份自动驾驶研究报告中给出了一组足以砸醒从业者的数据：Robotaxi（无人驾驶出租车）的单英里运营成本已经降至 1.2 至 1.5 美元，折合人民币十元以内。

即便在车辆利用率只有 40% 的极度保守假设下，无人出租车的商业盈亏平衡点已经触及。与此同时，受制于物价、电费、油价与平台抽成，人类网约车司机的单英里成本仍死死卡在 2.5 美元以上。

1.2 美元对 2.5 美元，这不再是 10% 或 20% 的边际改善，而是一道成倍扩大的成本天堑。报告指出，这组数据来自美国市场；中国人力成本更低，但即便如此，中国市场的盈亏平衡也将在 2026 年内被触及。

这意味着，过去十余年里网约车和外卖所扮演的那块"保底缓冲垫"——宏观经济调整期中普通职场人最后的退路——正被几千公里外的算力中心一寸寸压薄。要理解无人出租车为什么偏偏在这个节点上"算得过账"，需要先回到行业的血泪前史。

几年前，Uber 和滴滴都组建过庞大的自动驾驶团队，最终无一例外以卖掉团队或收缩阵线告终。彼时主流的"模块化架构"算法，本质上是工程师一条一条手写规则，堆出了一本几万页的"驾考宝典"：看到行人越过白线就刹车，前方有障碍物就绕行。

但现实世界的"怪异场景"（Edge Cases）几近无限——路边推着自行车却没踩上去的人、风中乱飞的黑色塑料袋、举着广告牌的汉堡店员工，都是这套规则库永远写不完的脚注。

规则代码一旦超过十万行，就开始自我打架，车辆在马路中央频繁出现莫名其妙的"幽灵刹车"。头顶几十万元的激光雷达，跑起来却像个脑干缺失的新手。

真正把这套旧体制掀翻的，是"端到端（E2E）视觉-动作大模型"。新一代 AI 不再去纠结前方那个物体到底是塑料袋还是石头，而是直接吃进几百万小时的真实人类驾驶视频，学习老司机从视觉输入到最终动作的完整映射。

算法范式的切换带来了毁灭性的连锁反应：昂贵的定制化传感器战车不再必须，整车物料成本（BOM）被直接压到 20 万至 25 万元人民币的平民价位，车辆空驶率从 32% 骤降到 26%。这已经不叫升级，更像是给整个行业挂上了一副"物理外挂"。

英国卡迪夫大学汽车工业研究中心主任彼得·威尔斯（Peter Wells）对这轮变化的判断更为直接。他指出，自动驾驶汽车与网约车业务从逻辑上本就是天然搭档，只是整个研发和落地过程耗时漫长；而当下真正拉开差距的决定性变量是人工智能。

自动驾驶取消了对司机的依赖，为网约车企业节约了显著成本，但要让整个系统以协同、优化的方式运转起来，必须依靠人工智能进行统筹管理。正是在这一前提下，相关概念的部署速度在近几年明显加快，并在中国的一线城市取得了较为成功的落地效果。

商业版图上的推进也在同步加速。小马智行与优步宣布扩大合作，计划在欧洲部署逾两千辆自动驾驶出租车，并将服务拓展至另外四座尚未公布名称的城市。

此前，两家公司已在克罗地亚首都萨格勒布推出欧洲首个商业化机器人出租车服务，当地用户通过移动出行公司 Verne 预订车辆，该平台随后将与优步整合。在欧洲以外，双方扩大后的合作还包括共同探索中东这一增长迅速的市场。

小马智行提供的是 L4 级自动驾驶能力，即在特定区域和特定条件下，车辆无需人类驾驶员即可自主行驶；而优步在全球拥有约两亿月度活跃用户，为无人车队提供了一块现成的客户底盘。

机器人出租车业务的全球领先者，目前仍是由 Alphabet 支持的 Waymo。该公司运营着一支约五千辆车的车队，每周完成约五十万次付费订单，业务主要集中在美国，并计划进一步扩展至伦敦。

另一家中国企业文远知行则在 13 个国家的 60 座城市开展运营或测试，覆盖多座欧洲城市；它已与优步在阿联酋达成合作，并计划在西班牙启动试点项目。按部分分析师的预测，全球自动驾驶出租车市场规模到 2033 年有望接近 1500 亿美元。

如果说在美国市场是 Waymo 与特斯拉在领跑，那么放眼中美以外的国际城市，中国公司则在悄悄"偷家"。

高盛报告中有一个极具冲击力的数据：在全球（中美除外）10 个已经落地无人驾驶商业化运营的国际城市里，有 8 个被中国企业——文远知行、小马智行、百度萝卜快跑等——收入囊中。

从阿布扎比、迪拜到利雅得，中国自动驾驶车队几乎在中东的沙漠里跑出了一条"智驾基建"。

中东之所以成为试炼场，是因为这里夏季地表温度能冲到 60°C，还要应对铺天盖地的沙尘暴，地狱级天气反而成了算法最好的磨刀石；而中东极度匮乏本土劳动力的现实，也让监管几乎为无人驾驶开了全域绿灯。但正如威尔斯提醒的那样，欧洲是另一副面孔。

将业务从相对受控的环境扩展到更为多样、复杂的欧洲市场，意味着挑战也会同步放大：监管通常更为严格，市场整体更为审慎，消费者的态度也更加谨慎。运营方在选址与扩张节奏上都需要格外小心，部署方和使用者双方都需要相当长的相互适应与学习过程。

在"出海大捷"的宏大叙事背后，另一条暗线是网约车平台的"无声倒戈"。当年 Uber 们打得头破血流，无非是为了抢司机、抢乘客；但平台后来想通了一件事：它并不在乎方向盘后坐的是谁，只在乎哪种运力的毛利率更高。

当 Uber、Careem 这些出行巨头发现接入文远知行或小马智行的无人车队、单英里运营成本只有人类司机的一半，还不必承担社保与夜班补贴时，船头毫不犹豫地转了向。

它们将 API 接口直接开放给无人车队，开开心心地从过去的"抽成中介"，升级为"高毛利算力运力分润商"。人类司机以为自己与平台"唇齿相依"，但在平台的算力账本里，他们更像是在无人车队全面替代之前，用来过渡的"临时生物载体"。

公众这一侧的态度，仍然构成不可忽视的变量。威尔斯坦言，这是一个颇为棘手的问题，因为消费者的预期与判断方式并不完全理性。

即便从数据上看，自动驾驶汽车在多数情形下可能已经比人类司机更为安全，但要让公众真正内化并接受这一事实并不容易。他将这种心理类比于对飞行的恐惧——尽管航空是全球范围内最安全的出行方式之一，仍有相当一部分人心怀畏惧。

在他看来，解决之道在于让人们在日常生活中更多看到并实际乘坐这些车辆，熟悉程度越高，接受度也会相应提升。

他同时提到，在人口稠密的城市地区，机会尤为巨大：许多居民虽然持有并使用私家车，其实并非出于主动意愿，他们更希望获得网约车式的自由与机动性，而如果车辆能够自主驾驶，这种模式将更具吸引力。宏观数据的冷意，终究要落到具体的脸上才看得真切。

凌晨三点三十分，省会城市的机场出站口，网约车司机老张已经在车里猫了两个小时，腰椎酸痛，靠一杯浓茶强撑困意。他今晚在线十二个小时，流水刚过两百元；扣掉油电与折旧，这一夜几乎是在给平台和电池商"打义工"。

而在他隔壁的接客通道里，一辆造型科幻的无人出租车正悄无声息地滑过。它没有困意，不需要吃夜宵，不抽烟，车内空气清新，空调温度精确保持在 24°C。

更致命的一刀来自手机屏幕——同一段路，人类网约车要 100 元，无人车叠加优惠券只要 45 元。

对深夜加班、精疲力竭、只想瘫在后座的打工人而言，无人车反而成了一种"社恐友好型的情绪避风港"：不必强行与司机尬聊，不必忍受车内的异味，也不必担心司机因为疲劳驾驶冲进绿化带。消费者的"真香定律"，在这一刻化作了人类司机后台订单流里的无声死寂。

更微妙的变化发生在马路博弈层面。早期，老司机们还能利用无人车的"礼貌"占便宜：看到无人车变道，油门一踩强行加塞，无人车便会因安全设定乖乖让路。

但升级了端到端大模型之后，AI 迅速学会了老司机的"微动试探（Creep forward）"——左转或变道时，它会像老练的出租车师傅那样缓缓把车头蹭出来，用极其精妙的位置侵占暗示对方："我上了，你看着办。

"算法不只学会了开车，还顺带学会了"市井路霸"的那套语言。从更高的视角俯瞰，这场变革不只是一次"AI 取代司机"的产业升级，而是现代经济运行规律的一次剧烈地震。

工业革命以来的历次经济周期中，服务业与零工经济始终扮演着社会最关键的逆周期缓冲器：当互联网大厂瘦身、制造工厂缩减产线、房地产行业挤水汽时，中年失业的程序员、生意失败的小老板、找不到工作的大学毕业生，都可以随时租一辆车，一头扎进网约车和外卖的汪洋。

哪怕一个月只赚四五千元，也足以维持一家老小的基本开销，撑到经济复苏的下一轮周期。网约车，是现代都市人最后的那张兜底网。

AI 时代的冷酷之处在于，摩尔定律决定了算力的边际成本呈指数级下滑，而通货膨胀决定了人类的生存成本只能刚性上升。算力越用越便宜，算法越磨越精明；而人类司机要吃饭、要租房、要养娃、要交社保。

两条成本曲线之间，是一道不可逆转的巨大"剪刀差"。当无人出租车单英里成本降到 1.2 美元的那一秒起，冷酷的资本理性就已经注定了这场替代的方向。

算力不再只是云计算中心里高高在上的概念，而成了街头巷尾抢夺饭碗的真实轮子。过去，技术进步淘汰的是流水线上的工人；而这一次，AI 直接切断了底层服务业"吸纳失业人口"的退路。

2026 年之后，当越来越多城市被无人车队覆盖、"灵活就业"的最后一道防火墙被算力冲垮，那些从办公室被裁下来的人握着车钥匙，可能会发现屏幕上的派单雷达早已一片空白。

资本市场仍在欢呼"商业化拐点到来"与"毛利率突破 40%"，而在城市黑夜的干道上，只有无数台 24 小时不眠不休的算法车队，正星夜兼程地奔赴下一个不再需要人类的接单点。