芯耀
与非AI
110
当前 Robotaxi 产业正从技术验证与示范运营阶段加速跨入前装量产、规模化商业化的关键周期，自动驾驶硬件会决定车辆的安全上限、性能边界与落地成本。
目前，在行业实践中，对于传感器和主控芯片方案的选择，既有分化，也有共识。
本文盘点萝卜快跑、小马智行、文远知行、Waymo、特斯拉等9个Robotaxi玩家的最新自动驾驶传感器配置与计算平台方案（汇总如下图），讨论一下未来发展格局与演进方向。
信息来自网络公开资料和行业内部收集，如有疏漏或者错误，感谢随时指正
01、主要玩家
1. Waymo
Waymo第六代Robotaxi Ojai遵循“硬件精简、性能升级”的设计思路，传感器总数较第五代减少42%。
感知系统包含13颗1700万像素高分辨率摄像头（推测为索尼IMX735）、4颗自研激光雷达（含1颗车顶300米探测距离的主雷达与3颗近距离补盲雷达）、6颗自研成像毫米波雷达（FCC认证型号RADE8C）。
另外，还配备EARs外部音频接收器与集成加热、雨刮、喷水功能的传感器清洁系统。
计算平台可能是X86处理器+自研加速器+FPGA方案，目前正在向更精简、更可靠的方向演进。
2. 萝卜快跑
萝卜快跑第六代RT6的自动驾驶感知系统包含12颗视觉摄像头（8颗800万像素高清摄像头+4颗300万像素环视摄像头）、4颗禾赛AT128长距激光雷达、早期配套4颗一径科技补盲激光雷达、6颗大陆毫米波雷达（据了解是2颗ARS513长距雷达+4颗SRR523角雷达，后面有可能升级为六代产品），辅以12颗豪恩汽电超声波雷达与1套华测导航IMU+RTK组合导航系统。
新一代车型（预计是第七代）将升级为“4颗速腾聚创EM4千线级长距激光雷达+6颗速腾E1全固态补盲激光雷达”的组合。
域控制器采用双冗余计算单元，单单元算力600TOPS，总算力1200TOPS，可能采用X86架构搭配英伟达GTX3080Ti GPU。
3. 小马智行
小马智行第七代Robotaxi采用多传感器融合方案，感知系统覆盖9颗激光雷达（1颗图达通猎鹰K2远距雷达、4颗禾赛AT系列中距雷达、4颗速腾聚创E1补盲雷达）、14颗包含广角、长焦、红外类型的摄像头（前视主摄像头为800万像素，联创电子供应）、4颗毫米波雷达。
额外配备4颗车外麦克风、2颗涉水传感器、1套碰撞传感器及自研传感器清洁装置。
域控制器搭载4颗NVIDIA Orin-X芯片，总算力1016TOPS，设计寿命达10年/60万公里，相较上一代产品体积、重量、功耗降低超50%，成本下降80%。
4. 文远知行
文远知行GXR量产Robotaxi搭载迭代升级的Sensor Suite感知套件，升级版SS 8.0配置4颗千线级速腾聚创EM4长距激光雷达、3颗速腾E1补盲激光雷达，搭配约12颗摄像头与4D成像毫米波雷达方案，辅以GNSS+IMU组合导航系统与超声波雷达。
域控制器采用联想车计算HPC 3.0平台，搭载2颗NVIDIA DRIVE AGX Thor X芯片，总算力2000TOPS，配备128GB LPDDR5X内存与900GB镁光车规级固态存储。
5. 滴滴
滴滴与广汽埃安联合打造的R2 Robotaxi配备33个高精传感器，感知层包含14颗可见光摄像头（6颗800万像素中距、1颗800万像素长距、4颗近距补盲鱼眼、1颗备份中距、1颗红绿灯专用）、1颗睿创微纳红外相机、4颗长距激光雷达（早期为禾赛AT128P，后续切换为速腾聚创EM4）、6颗速腾E1补盲激光雷达、7颗毫米波雷达（4颗塞恩灵动SFR-2K 4D主雷达+3颗备份雷达），另有2颗声音传感器用于识别紧急车辆警笛声。
搭载全栈自研“虎鲸”三域融合计算平台，融合智驾域、座舱域、通信导航域，据了解采用X86+2颗Orin芯片架构，GPU算力超2000TOPS，CPU达48核，支持主备冗余硬件架构。
6. 哈啰
哈啰旗下造父智能科技打造的HR1 Robotaxi基于东风启辰VX6冗余底盘开发，感知系统配备14颗高分辨率相机（含4K HDR相机）、4颗禾赛AT128中长距激光雷达、4颗FTX补盲激光雷达、6颗毫米波雷达，辅以12颗超声波雷达与分布在车身多处的碰撞传感器。
域控采用主、副两套冗余计算单元，搭载双NVIDIA Thor芯片，总算力超2200TOPS，计划2026年实现SOP量产。
7. 小鹏
小鹏GX Robotaxi坚持纯视觉技术路线，无激光雷达与高精地图配置，推测沿用11-12颗外部摄像头的视觉主感知架构，搭载LOFIC鹰眼图像增强技术从硬件底层解决逆光、弱光场景的成像痛点，搭配毫米波雷达、超声波雷达、高精定位单元及DMS/OMS系统。
计算平台搭载4颗全栈自研图灵AI芯片，总算力达3000TOPS，算法层面采用第二代VLA驾驶大模型+VLM座舱大模型的双大模型架构。
8. Mobileye
Mobileye Drive自动驾驶系统采用“真正冗余”的双独立子系统架构，感知端以13颗摄像头（8颗800万像素功能摄像头、1颗备用摄像头、4颗200万像素环视摄像头）构成纯视觉主链路，搭配3颗Innoviz长距激光雷达、6颗Innoviz Flash短距激光雷达、5-6颗自研软件定义4D成像毫米波雷达构成独立冗余链路，辅以GNSS+IMU与REM众包高精地图。
计算平台搭载4颗EyeQ 6H系统级芯片，单颗算力约67TOPS，分域支撑两个子系统独立运算，满足高阶车规功能安全要求。
9. 特斯拉
特斯拉CyberCab采用纯视觉技术路线，感知核心为8颗摄像头，配备三星提供的防天气镜头（内置加热元件，涂层硬度为传统摄像头6倍且具备疏水性），搭配专属雨刮、喷水清洁方案，部分版本保留1颗4D成像雷达，HW4.0部分版本取消雷达配置，辅以超声波雷达与GNSS+IMU定位系统。
计算平台采用全栈自研HW系列方案，HW4.0搭载2颗自研AI4芯片算力，HW5.0搭载自研AI5芯片算力约2000-2500TOPS，配合FSD端到端方案实现自动驾驶能力。
02、硬件发展趋势
1. 摄像头向超高像素升级，1700 万像素开始上车
传统 800 万像素车载摄像头已成为行业基线，头部厂商开始向更高像素规格突破，以提升远距离识别精度与弱光感知能力。
Waymo 第六代 Robotaxi（Ojai）全车搭载 13 颗高分辨率摄像头，主传感器的像素高达 1700 万，是目前量产 Robotaxi 中的最高视觉规格。Tensor（前身是Robotaxi玩家AutoX）面向个人开发的L4级Robocar，更是采用了17个1700像素相机。
相比主流 800 万像素相机，1700 万像素传感器拥有更高分辨率、更宽动态范围与更出色的弱光成像表现，能够在控制摄像头数量的前提下，实现更远的探测距离与更精细的目标识别（如远距离信号灯、小尺寸障碍物），同时可以实现和激光雷达更精准的视觉语义融合。
2. 激光雷达是否使用继续分化，千线级主雷达+全固态补盲成为主流组合
特斯拉、小鹏坚持无激光雷达、无高精地图方案，依靠硬件级视觉增强+算法迭代实现L4能力。其他更多玩家坚持激光雷达+视觉+毫米波雷达的多传感器融合方案，靠硬件冗余保障极端场景安全。
例如，Waymo的传感器能够检测到公交车后方的行人，并避免碰撞：
长距主激光雷达普遍升级至千线级，探测距离提升至500-600米，点云密度实现数倍至十数倍提升，代表方案为速腾聚创EM4，已在萝卜快跑第七代、文远知行SS 8.0、滴滴R2等多款新一代车型上定点或搭载。
补盲激光雷达统一向Flash全固态方案收敛，速腾聚创E1、禾赛FTX成为行业通用补盲选型，负责车身近距盲区覆盖，搭配长距激光雷达形成360°无死角感知。有多个厂家正在开发可以同时输出RGB和深度信息的“彩色补盲激光雷达”，或许在不久将来，环视相机将被彻底取代。
头部厂商加速自研激光雷达降本：Waymo、华为均实现激光雷达全自研，在光学、芯片层面深度定制，兼顾性能与成本。
3. 毫米波雷达继续迭代，4D成像、卫星架构成为感知冗余重要方向
4D成像雷达在角分辨率、点云密度、虚拟通道数量较传统雷达提升明显，具备高度维度感知能力。例如Mobileye自研成像雷达拥有1500+虚拟通道，方位角分辨率低于0.5°；滴滴搭载塞恩灵动SFR-2K 4D主雷达并配备备份雷达。
部分厂商如Mobileye，规划用4D成像雷达逐步替代侧后向补盲激光雷达，在保障安全冗余的前提下压缩硬件成本。
卫星雷达方案可以进一步发挥雷达优势，部分厂家已经开始探索16T16R卫星方案，有望在不久的未来应用于Robotaxi。
4. 感知维度升级，从“行车感知”走向“全场景运营级感知”
面向Robotaxi全天候、长周期运营需求，特种传感器成为标配，例如普遍新增红外夜视、环境声音、涉水检测、碰撞接触等传感器。滴滴配备红外相机与警笛声识别传感器；小马智行搭载涉水传感器、弹性波碰撞传感器与车外麦克风；Waymo配备EARs外部音频接收器，可识别紧急车辆警报、铁路道口警示。
传感器清洁系统标准化，以实现全天候的自主清洁，确保正常工作时长。许多激光雷达、摄像头均集成加热、喷水、专属雨刮等清洁装置，应对雨雪、沙尘、低温等极端天气，保障运营可用性。Waymo、小马智行、特斯拉均有针对性的清洁、抗恶劣天气方案。
5. 计算平台算力跨入2000TOPS级，多域融合可选，双冗余是标配
主流量产Robotaxi总算力普遍突破1000TOPS，高端方案达到2000-3000TOPS，支撑大模型算法与多传感器海量数据处理。例如小鹏搭载4颗自研图灵AI芯片，总算力3000TOPS；哈啰、文远知行采用双Thor方案，算力均达2000TOPS级别。
架构从单一智驾域控向多域融合中央计算演进，典型如滴滴“虎鲸”平台，实现智驾域、座舱域、通信导航域三域融合。
安全冗余成为硬性要求。双冗余计算单元、主备两套架构是所有L4方案的通用设计，保障单系统失效时车辆可安全执行最小风险策略。
主控芯片仍存在路线分化，X86、英伟达Orin/Thor仍是行业常见方案；头部厂商加速自研芯片（小鹏图灵、Waymo自研SoC、Mobileye EyeQ、特斯拉HW5 AI芯片）。随着车规的推进，X86平台将逐渐退出历史舞台。
6. 产业落地导向，从改装示范转向前装量产，成本大幅下探
新一代Robotaxi全部基于量产车平台正向开发，采用前装量产方案，替代早期后装改装模式，整车可靠性大幅提升，适配规模化运营。
整车成本加速下探：小马智行明确2027版L4 Robotaxi整车总成本低于23万元；特斯拉CyberCab目标成本控制在3万美元以内，降本成为商业化落地的核心命题。采用车规级部件、减少部件数量和前装方案是降本关键举措。
03、结语
整体而言，Robotaxi 硬件方案围绕 “安全、性能和成本” 三大核心目标进行持续演进。随着高阶智驾算法与端到端大模型持续渗透，在支撑全天候全场景运营能力的同时，持续推动整车成本下探。
未来硬件能力与算法效率的协同进化，将成为 Robotaxi 实现更大范围城市日常出行的核心驱动力。
本文信息来自网络公开资料和行业内部收集，如有疏漏或者错误，感谢随时指正。
个人观点，未必准确，欢迎讨论。
我是雪岭，研究感知、控制和人工智能的技术、产品和应用，欢迎交流。
联系雪岭和全集索引请参考：https://dcn7get8fskg.feishu.cn/wiki/CCMpwjC0EiBIw2kFr7uc84qHneb
