李彦丨作者

薛向丨编辑

壹览商业丨出品

过去几年，自动驾驶技术席卷全球。RoboTaxi领域率先掀起热潮，但在高成本、强监管与商业模型尚未闭环的现实下，行业开始将目光转向更具公共属性、需求刚性的公共交通场景。自动驾驶巴士，因其线路固定、运力集中、对安全与效率高度敏感，被视为自动驾驶率先实现规模化落地的关键切口。

在这一背景下，能否进入城市公共交通体系，逐渐成为区分自动驾驶企业“实验阶段”与“工程化阶段”的重要标志。而新加坡，正是全球少数几个在监管、基础设施与城市复杂度上同时具备“高标准试验条件”的市场之一。

2025年10月，新加坡陆路交通管理局公布了一则自动驾驶领域中标结果：新加坡首个正式纳入公共交通系统的L4级自动驾驶巴士项目，由中国自动驾驶企业蘑菇车联，联合比亚迪及MKX Technologies、autonoma组成的联合体独家中标。

作为全球智能交通建设的先行者，新加坡对自动驾驶技术的安全性、稳定性与本地化适配能力有着近乎苛刻的要求，因此在服务商选择上一向谨慎。此次项目选取了两条复杂度较高的真实公交线路：191路服务于纬壹科技城（one-north），科技企业与通勤人群高度密集；400路贯穿滨海湾、珊顿大道等核心商业与旅游区，人流、车流高度复杂。

这意味着，自动驾驶巴士需要在早晚高峰、复杂路口、密集人流等条件下，与传统公交车执行同一运营标准。在这一前提下，参与竞标的企业并不局限于自动驾驶初创公司，也包括多家具备整车制造或本地交通系统经验的国际化企业。

为什么说前装量产是自动驾驶的必要条件?

在自动驾驶行业，前装量产是自动驾驶技术迈向规模化商用的重要标志。

长期以来，大量自动驾驶巴士项目依赖后装改造，在现有车身结构上外挂和加装传感器、控制器、执行器等硬件设备进行示范运营。这类模式在技术验证阶段具有一定灵活性，但在公交场景下，其与原车系统的兼容性依赖外接协议，导致系统可靠性、合规性与规模化能力存在天然上限。

比如，在欧洲不少自动驾驶接驳项目，本质上就是“在既有车型平台上加一套自动驾驶包”。法国Bluebus就曾与NAVYA合作，将Navya Pack传感器套件及Navya Drive/Operate软件模块集成进车辆平台，形成 Bluebus Autonom；自动驾驶软件公司Imagry也被IEEE Spectrum提到，会把自研自动驾驶技术改装进标准电动公交后交付给公交机构。

类似的“套件化改装”可以更快跑通示范，但一旦进入公共交通系统，认证、运维与系统级可靠性就会成为真正的门槛。

相比之下，蘑菇车联较早选择了前装量产路线，推出“前装量产+视觉与固态激光雷达融合”的技术方案。与后装改造相比，前装量产使自动驾驶系统从底层即融入整车动力、制动、转向系统，指令响应速度更快、执行精度更高，可以有效规避后装改造中常见的信号延迟、指令冲突等问题。

同时，由于后装改造的车型缺乏整车级合规认证，因此难以获得市场准入条件。同时，整个改装过程主要依赖人工调试，硬件采购为小批量定制，导致单车改造成本高，不具备规模化降本条件。

前装量产模式下，核心硬件如传感器、控制器均经过高低温、雨雪、振动等严苛环境测试，对复杂路况的适应能力更强，且需通过整车级环境与安全测试，符合功能安全、信息安全等认证标准，更能满足长期公交运营要求。

体验方面，前装车辆的传感器按最优感知视角嵌入车身，不仅不破坏车辆外观，还能降低风阻，同时减少了外挂设备被损坏的风险。软件层面，自动驾驶系统与车载智能座舱、车联网系统无缝衔接，提供更自然的人机交互体验。

成本方面，前装模式可依托车企成熟的量产体系摊薄研发与硬件成本，随着产量提升，硬件成本会持续下降，更有助于自动驾驶巴士的规模化落地。更关键的是，前装自动驾驶车辆符合国家机动车产品准入标准，可纳入工信部车辆产品公告，具备合规的市场准入资质。

基于前装量产模式，蘑菇车联通过前瞻性的自动驾驶套件设计，实现了技术的平台化开发与规模化应用，使算力性能提升2.8倍，适配周期从原先的4-10个月缩短至1-2个月，全面提升自动驾驶巴士的规模化商用速度。

这也解释了一个长期被行业忽视的事实：后装改造可以示范运营，但无法真正进入公交系统；前装量产，才是自动驾驶规模化商用的唯一解。

目前，蘑菇车联自动驾驶巴士MOGO B2已完成工信部公告备案。该车型采用自动驾驶套件与车身一体化设计，将自动驾驶域、智能座舱域与车身底盘域深度融合，使车辆的稳定性与安全性得到进一步提升，成为行业内极少数真正具备规模化交付与商业运营能力的L4级自动驾驶巴士车型。

感知系统，决定规模化上限

除了量产能力，感知方案也是此次竞标中被反复讨论的焦点。

两年前，机械式激光雷达仍是行业主流，但随着自动驾驶巴士进入常态化运营，其结构复杂、成本高、寿命与车身融合度不足等问题逐渐暴露，成为规模化落地的掣肘。基于对趋势的判断，蘑菇车联选择摆脱对机械雷达的依赖，转向“视觉为主+固态激光雷达”的融合感知路径，以更高的可靠性、耐久度、集成度与成本可控性适配公交长期运营需求。

硬件方面，该方案采用128线主固态激光雷达，兼顾远距探测与中远距小目标识别，同时辅以4颗高线束补盲雷达，点云密度提升3-6倍，可精准锁定行人、非机动车，降低复杂路况漏检风险。依托BevFusion算法，图像与点云数据深度融合，实现“1+1>2”效能。相较传统方案，目标感知距离提升超50%，漏/误检率下降70%，接管率大降两个数量级，全面提升自动驾驶巴士行驶安全性与可靠性。

成本方面，随着国产替代加速，单颗固态激光雷达的成本已降至1000-3000元，整套方案的成本仅为传统机械雷达方案的1/3~1/5。另外固态激光雷达抗振动、抗冲击能力强，其使用寿命可达8-10年，基本实现低成本维护。

更关键的是，传感器路线会锁定数据体系。机械与固态的数据难以兼容，一旦押错路线，数据积累难以迁移。蘑菇车联提前完成路线切换，使其更早进入“视觉+固态激光雷达”多模态数据的规模化积累阶段，为后续迭代与商用交付打下基础。

与RoboTaxi不同，自动驾驶巴士车体更大、惯性更强、盲区更多，同时承载人数也显著高于乘用车。

首先，控制更难。相比轻巧的乘用车，巴士惯性大、刹车距离长，对车辆动力学控制的精度与预测能力要求高出数倍。

其次，视角不同。自动驾驶巴士盲区更大，传感器的型号、位置、角度、数量和搭配与乘用车差异显著，这就导致乘用车数据难以直接用于自动驾驶巴士的算法训练。

第三，责任更重。巴士承载人数是乘用车的数倍，对系统安全性的要求呈指数级上升。

这也决定了乘用车的数据，无法直接迁移到自动驾驶巴士，而需要更全面、更丰富的巴士数据集作为支撑。蘑菇车联基于视觉与固态激光雷达的多模态数据集，已构建起全球最大的巴士车型数据集，同时依托路侧感知设备连续采集的真实道路交通数据，形成独有的路侧数据集，用于训练预测与决策规划模型。

无论是接管事件、不舒适体验还是潜在风险数据，都会被自动上传至云端，通过仿真系统与数字孪生快速复现问题，并生成针对性训练数据或仿真场景，注入下一轮模型训练，从而形成“发现问题-数据生成-模型迭代-验证部署”的高效闭环。这一闭环，使自动驾驶系统不再依赖人工规则堆叠，而是通过数据驱动持续优化，逐步向“认知驱动”演进。

截至目前，蘑菇车联的自动驾驶巴士MOGOBUS已在国内10余个城市落地运营，为超过20万人次提供智能出行服务，累计里程超过500万公里。真实的里程数据，为蘑菇车联的技术迭代体提供了依据。

自动驾驶出海，还得过本地化这一关

如果说技术能力决定能否入场，那么本地化适配能力决定的是项目能否真正运行。

新加坡高温多雨、道路紧凑、人流密集，同时采用右舵左行规则，这些因素叠加在一起，对技术方案提出了极具地域特色的挑战。对此，蘑菇车联并非从零开始适配，而是将在中国复杂城市环境中经过验证的算法与运营策略平滑迁移到新加坡，再针对性本地情况进行调整适配。

与此同时，蘑菇车联贴合新加坡交通法规，在模型训练中重点融入当地驾驶规则（如右舵靠左行驶、行人优先原则）和本地路况（如滨海湾人流、环岛路口），优化游客密集区的避让与停车策略。

正是在“前装量产能力、传感器路线选择、真实运营数据闭环、快速本地化适配”等多重能力叠加之后，蘑菇车联才能在这场汇集了本地智慧交通服务商、日本丰田通商亚太公司等全球化企业的竞标中脱颖而出，向新加坡交付一套真正具备公交级稳定性与长期运营能力的自动驾驶方案。

随着越来越多城市面临司机短缺、运营成本上升与低碳转型压力，自动驾驶巴士在需求端仍在上扬。而在这一进程中，具备前装量产能力、长期运营数据与跨区域落地经验的企业，将更容易实现规模化落地。

以新加坡为起点，在蘑菇车联等企业的推动下，中国自动驾驶巴士的出海已从单一技术输出转向体系化能力输出。未来，自动驾驶或将成为中国参与全球城市治理的新载体。