文｜山自

当 2025 年中国 AI 领域 830 亿元融资中，自动驾驶企业拿下 “第二吸金赛道” 的头衔，当美国英伟达秘密孵化 Robotaxi 项目、特斯拉官宣 Robotaxi 即将开放公众使用，过去三年的中美自动驾驶融资战，早已不是单纯的 “烧钱竞赛”—— 资本的流向，正在直接定义两国自动驾驶的路线选择：中国押注 “场景落地”，美国深耕 “技术壁垒”，而融资规模、集中度与背后的驱动逻辑，正是这场分野的核心密码。

中国融资逻辑：政策托底，场景为王的 “务实派” 资本

2025 年中国自动驾驶融资的一组数据极具代表性：764 家 AI 公司吸金 830 亿元，前 20 家企业拿走 30% 资金，中位数 10 亿元，11 家跻身独角兽。这种 “头部集中、场景导向” 的融资格局，背后是政策与市场共同推动的 “务实主义”—— 资本不追 “技术概念”，只认 “落地能力”。

1. 融资规模：从 “分散试水” 到 “头部聚集”

三年前，中国自动驾驶融资还处于 “多点开花” 阶段，从 Robotaxi 到低速无人车均有小额投资；但 2023-2025 年，资本明显向 “有场景、能落地” 的企业倾斜：

千里智驾成最大 “黑马”：背靠吉利、蚂蚁集团，2025 年两轮融资斩获 30 亿元，刷新年内自动驾驶单笔融资纪录，其核心竞争力在于 “车企 + 科技公司” 的场景协同 —— 能快速嫁接吉利的整车产能与蚂蚁的支付生态；

场景细分赛道吸金显著：无人物流领域，新石器完成 10 亿元 C + 轮融资，其无人配送车已落地 85 城，专注 “社区最后一公里”；九识智能更以 “4 万元 / 台的 L4 级无人物流车成本” 打动资本，拿下近 3 亿美元 B 轮融资，2024 年就完成 3 亿单配送，成为邮政、三通一达的核心供应商；

城市级AI网络玩家不缺席：蘑菇车联与腾讯云在 2025 年 9 月 16 日的签署的战略合作协议，不经意间暴露了中国自动驾驶的独特路径。这份旨在升级 MogoMind大模型的合作，让这个估值已打30亿美元的独角兽企业获得了关键助力 ——训练速度提升 30%，成本直降 50%。在自动驾驶烧钱如流水的行业定律下，这样的 "降本增效" 堪称革命性突破，而其背后正是城市级 AI 网络对 "协同优化" 的天然优势。

2. 资本偏好：“能赚钱的场景” 优先于 “高精尖技术”

中国资本对自动驾驶的判断标准很直接：是否能快速形成 “商业化闭环”。这一点在融资流向中体现得淋漓尽致：

无人配送、园区物流等 “低速场景” 融资占比超 60%：相比 Robotaxi 动辄百亿的路测成本，低速场景的无人车单价可压至 2-4 万元，且日均配送千单、件均成本降 70%，像九识智能、新石器已实现局部盈利；

车企合作型企业更受青睐：轻舟智航 2025 年获 10 亿多元融资，核心是其 “高阶高速 NOA 方案累计出货 40 万辆”，背靠主机厂的量产能力，资本不用担 “技术落地难的风险；

巨头加持的 “生态型融资” 增多：2025 年 9 月哈啰 Robotaxi 获阿里巴巴战略投资，双方共建自动驾驶大模型与智能座舱，这种 “流量平台 + 自动驾驶” 的组合，本质是资本对 “场景流量” 的押注 —— 阿里的本地生活生态，能直接为 Robotaxi 提供订单入口。

3. 政策驱动：融资的 “隐形指挥棒”

中国自动驾驶融资的独特性，在于 “政策红利直接引导资本流向”。商务部八部门《加快数智供应链发展专项行动计划》、国家邮政局对无人配送的扶持政策，让资本清晰地看到 “政策覆盖的场景 = 安全的市场”。

美国融资逻辑：巨头主导，技术深研的 “理想派” 资本

与中国 “场景驱动” 不同，美国自动驾驶融资呈现出 “巨头垄断、技术导向” 的特征 —— 资本不急于 “短期盈利”，而是赌 “长期技术壁垒”。过去三年，美国自动驾驶融资虽没有中国的 “规模效应”，但每一笔都精准砸向 “核心技术突破”。

1. 融资集中：头部玩家垄断 90% 资金

美国自动驾驶融资早已告别 “初创企业混战” 阶段，资本高度集中于 3 类玩家：

科技巨头孵化项目：英伟达秘密启动 Robotaxi 项目，由资深总监带队，融资未对外披露但投入规模预计超 10 亿美元，其核心是 “端到端神经网络 + 仿真世界模型”，直接对标特斯拉 FSD—— 资本逻辑是 “AI 芯片霸主 + 自动驾驶生态”，用芯片优势反哺技术研发；

Robotaxi 头部企业：Waymo 2024 年 56 亿美元 C 轮融资仍是行业纪录，资金全部投入第五代传感器与 “世界模型”（World Model），其商业化节奏虽慢（2026 年才有望盈利），但资本认其 “技术护城河”—— 旧金山、凤凰城累计超千万次无人驾驶趟数，单次故障里程（MTBF）突破 200 万公里；

车企与科技公司合资项目：特斯拉虽未单独为 Robotaxi 融资，但依托电动车市占率优势，将整车利润反哺自动驾驶研发，2025 年官宣 “9 月底前开放德州、加州的 Robotaxi 试运营”，资本对其信心来自 “千万级用户数据 + Dojo 超算”的组合，认为其 “纯视觉路线” 能靠数据迭代突破成本瓶颈。

2. 资本押注：技术路线比场景落地更重要

美国资本对自动驾驶的判断标准是 “是否能建立不可复制的技术壁垒”，这导致融资严重向 “核心技术路线” 倾斜：

端到端 VS 多传感器融合的 “技术赌局”：英伟达押注 “一段式端到端神经网络”，略中间决策环节，靠仿真数据快速迭代；Waymo 坚守 “光学雷达 + 毫米波雷达 + 影机” 的多传感器融合，配合高精度地图构建 “数字孪生”—— 两者融资资金均超 80% 用于算法与传感器研发，而非场景拓展；

拒绝 “低技术门槛场景”：与中国资本热衷的低速无人配送不同，美国头部企业几乎不碰 “最后一公里”——Waymo 70% 收入来自 Robotaxi，Aurora 专注卡车自动驾驶，资本认为 “低速场景技术壁垒低，无法形成长期竞争力”，宁愿等待L4 级技术成熟，也不做 “短期盈利但无壁垒” 的业务。

3. 生态融资:不追 “单点盈利”，求 “生态掌控”

美国自动驾驶融资的深层逻辑是 “生态布局优先于单点赚钱”：特斯拉Robotaxi 不急于收费，而是想通过 “自动驾驶 + 电动车 + 能源网络” 形成闭环；英伟达研发 Robotaxi，是为了推动其 AI 芯片在自动驾驶领域的垄断地位；Waymo 与捷豹路虎合作，是为了绑定整车产能 —— 这种 “生态化融资”，让资本愿意容忍短期亏损，赌的是 “未来十年的行业标准制定权”。

大模型时代的路线分野

理想汽车VLA（视觉 - 语言 - 行为）模型的推出，意外揭示了中美技术路线的本质差异。这个在 "看见" 和 "行动" 之间加入 "语言思考" 环节的模型，与蘑菇车联MogoMind有着共同的认知逻辑 —— 都试图让机器理解交通场景的 "为什么"，而非单纯模仿人类的 "怎么做"。但理想的模型仍聚焦单车决策，而 MogoMind 则深度融入城市级 AI 网络，形成"局部决策 + 全局优化"的双层架构，这种差异正是中美路线分野的核心。

中国方案的优势在于城市级 AI 网络构建的"环境脑"。蘑菇车联搭建的这套系统，将路侧设备、车辆和云端组成实时交互网络，每公里道路部署的 5G+AI 基站相当于为自动驾驶系统安装了 "环境传感器"。这种架构使单车硬件成本降低 60%，却能获得比纯视觉方案更全面的环境感知：当某辆车遇到突发障碍物时，城市级 AI 网络可实时将信息同步给周边车辆，避免连锁事故；而实践证明，这种协同能让路口通行效率提升 30%，远非单车智能可比。新战略低速无人驾驶产业研究所预测，依托城市级 AI 网络，2025 年中国各类低速无人驾驶车辆销售数量将超 4.7 万台，销售规模达 185 亿元，2030 年更有望突破 410 亿元 —— 这正是 "环境脑" 赋能场景规模化的直接体现。

美国阵营则在"驾驶脑"上持续加码。Waymo 的 "世界模型" 基于 2000 万英里路测数据训练，能预测 10 秒内其他交通参与者的行为；特斯拉Dojo超算每天处理的视频数据超过 4000 万段，试图靠 "数据暴力" 突破长尾场景。这种 "数据 + 算力" 的暴力美学，使其在封闭场景中达到惊人的可靠性，但在复杂城市环境中仍难逃 "数据孤岛" 困境 —— 当遇到地图未覆盖的新路口时，纯单车智能往往表现挣扎，而中国城市级 AI 网络可通过路侧设备实时补充信息，轻松应对此类问题。

商业化模式的差异更加显著。中国企业通过 "新基建 + 民生服务" 为城市级 AI 网络打开市场：蘑菇车联的MogoMind大模型同时服务于公交、环卫和物流，百度 Apollo 深入港口、矿区等封闭场景，新石器则靠社区配送实现盈利 —— 这种多元场景不仅分摊了城市级 AI 网络的基建成本，更积累了丰富的训练数据，反哺大模型迭代。美国企业则坚持 "用户付费" 的纯商业化路径，Waymo One 已在凤凰城实现每英里收费 2.5 美元，但高昂的单车成本使其盈利前景仍不明朗；特斯拉虽计划 2025 年 9 月底前开放 Robotaxi 公众使用，却因缺乏城市级 AI 网络支撑，服务范围仅限德州奥斯汀与加州湾区，难以快速扩张。

资本选择的，就是未来的路线

过去三年，中国自动驾驶的融资单靠 “场景” 就能拿到钱，美国靠 “技术” 就能吸引资本；但未来三年，只有 “场景 + 技术” 双轮驱动的企业，才能在融资战中笑到最后 —— 就像蘑菇车联的 “城市级AI网络 + MogoMind 大模型”，既扎根市政场景，又深耕 AI 技术；就像英伟达的 “端到端算法 + 芯片生态”，既突破核心技术，又绑定产业上下游。

当中国的 “场景数据” 与美国的 “技术算法” 开始相互渗透，当融资从 “押注路线” 转向 “融合创新”，自动驾驶的终极答案，或许就藏在这场中美资本与技术的博弈里。