自主作业时代：无人机保障与Robotaxi应用观察

执行摘要：低空应用正从技术验证走向实际运营。军事与应急领域出现集成化持续作业方案，机械臂自动换电使无人机实现24小时不间断飞行；民用Robotaxi加速商业化，小鹏发布L4级运营品牌并开放内测，但特斯拉Cybercab故障事件也暴露出复杂场景感知失效与无接管机制的运营短板。本报告从产业格局、产业链、数据与竞争、趋势等方面梳理该领域的进展与挑战。

产业现状与竞争格局

低空经济与自动驾驶出行两大赛道，正在从技术验证期步入商业化落地期。无人机持续作业保障方案率先在军用场景快速成型，而Robotaxi则由中美车企并行推进，呈现“技术路线分化、商业节奏竞速”的格局。

一、无人机持续作业：军用保障方案率先落地

无人机产业当前的核心瓶颈正从“飞行能力”转向“作业持续性”。传统方案下，无人机受电池容量限制，需频繁降落更换电池或充电，补给停机时间成为任务链中最突出的短板。针对这一痛点，美国Sesame Solar、Target Arm与AG3 Labs三家公司联合推出了面向美军的「持续无人机作业纳电网」（Persistent Drone Operations Nanogrid）系统，宣称是首个集成化、美国本土制造的同类解决方案。

该系统的核心构成包括三部分：太阳能移动纳电网提供野外自持能源；一套机械臂系统实现无人机自动更换电池，使飞行平台无需降落充电即可执行任务；以及无人机自动捕捉发射系统，完成起降环节的无人化闭环。整体方案瞄准国防与应急响应场景，目标是在无固定基础设施的野外环境中实现24小时不间断作业，让续航不再成为任务瓶颈。

从产业逻辑看，这一方案的快速落地反映了三个趋势：其一，军事需求是无人机持续作业技术最直接的牵引力，前线补给压力倒逼保障体系从“人工换电”走向“自动换装”；其二，模块化、可移动的能源与保障设施降低了无人机对固定机场和充电桩的依赖，拓宽了部署半径；其三，美国本土制造的定位带有明显的供应链安全考量，军工采购对国产化率的要求正在重塑该细分领域的竞争门槛。

二、Robotaxi：中美企业并行推进商业化

与无人机保障的“军用先行”不同，Robotaxi呈现的是民用市场多主体并进的竞争态势，中美企业分别沿不同技术路线推进。

中国方面，小鹏集团于10月8日正式启用Robotaxi业务中文名「小鹏悠游」（XPENG YOYO），官网产品页与「小鹏YOYO自动驾驶」打车小程序同步上线，并通过邀请码扩大内测。悠游基于旗舰车型GX打造，搭载4颗自研图灵AI芯片，总算力达3000TOPS，配合第二代VLA大模型实现L4级自动驾驶。其技术路线的特点是不依赖激光雷达和高精地图，具备六重冗余与100毫秒内失效切换能力。此举标志着小鹏Robotaxi从技术验证迈入用户开放与运营阶段，也体现了车企自研芯片、自建出行平台的垂直整合打法。

美国方面，特斯拉Cybercab已在奥斯汀开展载客运营，但过程中暴露出运营短板：一起事件中，FSD系统未能识别一处正在施工停车场的出口，车辆在停车场内循环兜圈绕行7分钟，乘客被困；乘客联系特斯拉后台客服后，工作人员远程下发指令刹停车辆，再花7分钟重启FSD软件，合计14分钟才恢复正常驶离。该事件反映出纯视觉感知方案在非常规场景下的识别局限，以及无方向盘设计中缺乏车内人工接管手段带来的处置延迟问题。

三、两条路线、一个共性命题

将两大赛道并置观察，可以梳理出清晰的阶段划分与发展脉络：

二者的技术路线虽有差异，但面临一个共性命题：如何以自主化手段压缩“人工介入环节”。无人机赛道的解法是把换电、起降等保障动作交给机械臂与自动系统；Robotaxi的解法则是通过冗余架构、大模型与远程接管体系替代车内驾驶员。小鹏的六重冗余与毫秒级失效切换代表了前者的系统性防御思路，而Cybercab的停车场事件则说明，当车内无人工接管手段时，远程处置链路的响应效率直接决定运营安全水位。

总体而言，无人机持续作业保障正处于军用需求驱动下的快速落地期，技术闭环已基本打通；Robotaxi则处于商业化爬坡的关键节点，中国车企在产品化与用户触达上动作加快，美国企业坚持纯视觉路线但仍在补齐长尾场景能力。两大赛道的下一阶段竞争，将围绕运营可靠性、成本规模化与监管适配展开。

产业链上游：能源与感知

Robotaxi 与自主作业无人机的商业化进程，正在将产业链上游的两大环节推向竞争焦点：一是解决“能量从哪里来”的续航保障装备，二是决定“看得懂看不懂”的感知与计算技术路线。本章分别从能源保障与技术路线分化两个维度进行观察。

能源保障：从“补充充电”到“持续作业”

自主作业平台的核心运营痛点是补给停机时间。对无人机而言，传统充电模式意味着任务中断与设施依赖；对Robotaxi而言，补能效率直接决定单车日运营时长与车队规模经济性。围绕这一痛点，上游出现了以“自动化、无固定基础设施”为特征的保障装备创新。

近期典型案例是美国 Sesame Solar、Target Arm 与 AG3 Labs 三家公司联合推出的“持续无人机作业纳电网”系统。该方案将太阳能移动纳电网、无人机自动捕捉发射系统与自动换电机械臂集成于一体，宣称是首个集成化、美国本土制造的持续无人机作业解决方案。其核心逻辑是：通过机械臂在野外为无人机自动更换电池，配合移动能源单元，实现无人机无需降落充电的24小时不间断作业，使飞行平台续航不再是任务瓶颈。该系统瞄准国防与应急响应场景，也代表着无人机保障装备从“地面站+人工换电”向“移动纳电网+自动换电”的代际切换。

从产业逻辑看，此类装备的价值不在单点技术，而在系统集成能力：能源供应（太阳能）、机械执行（换电与捕捉发射臂）、任务调度三者协同，才能在无固定基础设施环境中形成闭环。这为国内低空经济基础设施建设提供了参照——起降点、充换电设施与空域管理的协同规划，或将催生类似的“无人化保障站点”细分市场。

感知与计算：技术路线的明显分化

在感知与计算层面，头部厂商的技术路线分化显著，形成了“纯视觉+自研大算力芯片”与“多传感器融合”两条主要路径。

小鹏是前一路线的代表。其Robotaxi业务“小鹏悠游”于10月8日正式定名并上线打车小程序，基于旗舰车型GX打造，搭载4颗自研图灵AI芯片，总算力达3000TOPS，配合第二代VLA大模型实现L4级自动驾驶。该方案不依赖激光雷达和高精地图，并通过六重冗余设计实现100毫秒内的失效切换，标志着小鹏Robotaxi从技术验证迈入用户开放阶段。自研芯片+端到端大模型+纯视觉的组合，本质是以算力和数据规模换取对长尾场景的泛化能力，同时降低单车传感器成本。

特斯拉Cybercab则代表了纯视觉路线在运营中暴露的另一面。其在美国奥斯汀的载客运营中曾出现故障：FSD系统未能识别一处正在施工的停车场出口，车辆在停车场内循环绕行7分钟，乘客联系后台客服后由远程下发指令刹停，再花7分钟重启FSD软件，合计14分钟才恢复正常驶离。该事件客观上揭示了两个结构性问题：一是纯视觉方案在非常规场景（如施工围挡、非标出口）下的感知失效风险；二是无方向盘、无人工接管设计的车辆，在系统失效时只能依赖远程介入，运营响应链条被拉长。

上游观察小结

综合来看，上游环节呈现三个趋势：其一，能源保障正在成为与感知同等重要的产业环节，“持续作业”能力而非“单次续航”参数，将成为保障装备的竞争维度；其二，感知路线上“去激光雷达化”与“保留多传感器冗余”并存，短期内难以收敛，选择更多取决于场景容忍度与运营方对失效兜底手段（远程接管、车内接管）的配置能力；其三，自研芯片成为头部Robotaxi厂商的标配动作，算力军备竞赛的同时，也抬高了上游的资本门槛，芯片、能源装备两类供应商的议价能力有望随之下行。对产业链中下游而言，上游路线的分化意味着模块化、可适配的接口设计将更具价值。

产业链中游：平台与系统集成

产业链中游是连接上游核心零部件与下游场景运营的关键环节，其核心任务是把动力、感知、计算等分散的部件整合为可执行任务的完整系统。在低空经济与智能驾驶两大领域，中游分别对应无人机飞行平台的集成（含捕捉发射、能源保障等地面系统）与L4级自动驾驶整车的集成。中游能力的强弱，直接决定了上游技术能否转化为下游可规模化运营的服务。

无人机侧：从“单机”到“持续作业系统”

无人机产业早期竞争聚焦于飞行器本体性能，但随着应用深入，产业界逐渐认识到：真正的瓶颈往往不在空中，而在地面。补给停机时间、野外能源供给、起降基础设施缺失，构成了持续作业的主要约束。

2024年以来，美国Sesame Solar、Target Arm与AG3 Labs三家公司联合推出“持续无人机作业纳电网”系统，体现了中游集成能力的最新方向。该系统的核心构成包括：

• 机械臂自动换电系统：无人机无需降落充电，由机械臂在飞行或悬停状态下自动更换电池，目标是实现24小时不间断作业；
• 太阳能移动纳电网：为野外无固定基础设施环境提供能源自持能力；
• 自动捕捉发射系统：解决野外无跑道条件下的起降问题。

该方案瞄准国防与应急响应场景，宣称是首个集成化、美国本土制造的持续无人机作业解决方案。从产业逻辑看，这一集成模式将无人机从“受续航约束的一次性任务工具”转变为“可持续值守的空中节点”，其价值不在单项技术突破，而在于系统能源、起降、换电三类地面保障能力的垂直整合。这也预示着中游竞争正从飞行平台本身，扩展至“平台+地面保障系统”的整体解决方案维度。

自动驾驶侧：L4整车的软硬件一体化集成

在Robotaxi领域，中游集成的核心命题是：如何将芯片算力、大模型算法、传感器方案与整车冗余架构整合为满足L4安全要求的载运工具。小鹏汽车的做法代表了整车厂主导的垂直集成路线。

2025年10月8日，小鹏Robotaxi业务正式启用中文名“小鹏悠游”，官网产品页与“小鹏YOYO自动驾驶”打车小程序同步上线，通过邀请码扩大内测，标志着其从技术验证迈入用户开放阶段。其技术集成方案呈现以下特征：

这一路线的产业逻辑在于：VLA（视觉-语言-动作）大模型配合大算力自研芯片，使系统具备更强的泛化感知能力，从而摆脱对高精地图的重度依赖；而六重冗余架构则是L4运营的准入门槛——任何单点失效都必须在百毫秒级完成切换。

集成能力的另一面：失效场景与运营短板

中游集成水平的高低，最终要在真实运营的极端场景中接受检验。2025年，特斯拉Cybercab在美国奥斯汀载客运营中出现的一起故障提供了有价值的观察样本：车辆因FSD系统未能识别一处正在施工的停车场出口，在停车场内循环绕行约7分钟；乘客联系后台客服后，由远程下发指令刹停车辆，再耗时约7分钟重启FSD软件，合计14分钟方恢复驶离。

该事件客观上揭示了当前L4集成的两个结构性问题：其一，纯视觉方案在非常规场景（如施工中的停车场）下的感知泛化能力仍存在边界；其二，取消方向盘等人工接管装置的车型，一旦系统失效，只能依赖远程介入，响应链路显著长于车内接管。这并非否定无方向盘路线，而是说明：冗余架构的设计必须覆盖“系统自身失效后的运营连续性”，远程接管基础设施应被视为中游集成能力的组成部分。

小结

综合来看，中游集成环节正呈现三条趋势：一是无人机领域的竞争从飞行平台扩展至“平台+捕捉发射+自动换电+能源自持”的地面保障系统；二是Robotaxi领域整车厂主导的芯片—模型—整车垂直集成路线加速落地，并开始进入用户开放阶段；三是集成能力的评价标准从功能实现转向失效场景下的鲁棒性与运营连续性。中游企业的护城河，正在于能否把“正常运行”与“异常兜底”同时纳入系统设计。

产业链下游：场景与运营服务

无人机保障与Robotaxi应用观察

产业链下游：场景与运营服务

产业链下游是自主作业技术实现商业价值的最终环节，其形态正沿两条主线展开：一是以国防、应急响应为代表的B端任务型场景，核心诉求是“持续作业能力”；二是以Robotaxi载客出行为代表的C端运营服务，核心诉求是“规模化安全运营”。两类场景处于不同成熟度，但共同推动下游从“设备交付”向“运营服务”演进。

B端任务场景：从单次飞行到持续作业

在无人机保障领域，下游客户长期面临的核心痛点是任务中断——无人机需返场降落、更换电池或充电，导致作业连续性受限。2025年，美国Sesame Solar、Target Arm与AG3 Labs三家公司联合推出“持续无人机作业纳电网”（Persistent Drone Operations Nanogrid），宣称是首个集成化、美国本土制造的持续无人机作业解决方案。该系统核心为一套机械臂，可在野外为无人机自动更换电池，实现无需降落充电的24小时不间断作业；系统同时集成太阳能移动纳电网与无人机自动捕捉发射装置，可在无固定基础设施的野外环境中部署，使飞行平台续航不再是任务瓶颈。

从产业逻辑看，该方案直接瞄准国防与应急响应两大场景。国防场景下，前线无人机持续作战保障依赖补给效率，自动换电系统可显著压缩停机时间；应急响应场景下，灾害区域往往缺乏电网与起降设施，太阳能纳电网+自动收放的组合降低了部署门槛。这标志着下游B端服务的交付单元正从“无人机+操作员”转向“无人机+自主保障系统”的成套解决方案，保障能力本身成为可销售的产品。

C端出行运营：Robotaxi进入用户开放阶段

C端方面，Robotaxi运营模式在2025年出现标志性进展。10月8日，小鹏集团Robotaxi业务正式启用中文名“小鹏悠游”，官网产品页与“小鹏YOYO自动驾驶”打车小程序同步上线，并通过邀请码扩大内测。技术层面，悠游基于旗舰车型GX打造，搭载4颗自研图灵AI芯片，算力3000TOPS，配合第二代VLA大模型实现L4级自动驾驶，不依赖激光雷达和高精地图，具备六重冗余、100毫秒内失效切换。此举标志着Robotaxi业务从技术验证迈入用户开放与运营阶段，“品牌命名+小程序入口+邀请制内测”构成了国内车企Robotaxi运营的典型打法：以小程序承接叫车流量，以邀请制控制运营规模与风险敞口，逐步积累真实载客数据。

运营风险与安全短板

与此同时，头部企业的运营故障也暴露了无人化载客的固有短板。特斯拉Cybercab在美国奥斯汀载客运营中发生故障：因FSD系统未能识别一处正在施工停车场的出口，车辆在停车场内循环绕行7分钟，乘客联系后台客服后，工作人员远程下发指令刹停车辆，再花7分钟重启FSD软件，合计14分钟才恢复正常驶离。该事件反映出两方面问题：一是纯视觉方案在非常规场景（如施工围挡改变场地结构）下的感知失效风险；二是无方向盘、无踏板车辆缺乏车内人工接管手段，异常处置完全依赖远程链路，响应链路被拉长。

从产业视角看，此类事件并非否定技术路线，而是界定了下游运营的关键能力项：异常场景库覆盖度、远程接管响应时效、乘客端应急沟通机制，正在成为与自动驾驶算法同等重要的运营能力。C端Robotaxi的竞争维度也因此从“单车智能水平”扩展至“运营体系完备度”。

下游运营链条结构

小结

下游呈现“B端先行、C端起步”的格局：B端以持续作业保障系统为交付形态，商业路径清晰；C端Robotaxi的运营框架——小程序叫车、邀请制内测、远程接管——已初步成形，但真实运营中的故障处置能力仍是规模化放量的前提。下一阶段的竞争焦点，将集中于运营体系的安全闭环与单位经济模型的验证。

运营数据与典型事件分析

5.1 两个案例，一条主线

在自主作业时代，无人系统——无论是空中无人机还是地面Robotaxi——的核心竞争力已不再单纯取决于算法演示能力，而取决于非常规场景下的系统韧性与补给/接管环节的时间成本。本章选取两个具有代表性的运营事实进行对比分析：一是特斯拉Cybercab在美国奥斯汀的施工场景绕行事件，二是美国三家公司联合推出的无人机“纳米电网”持续作业系统。前者揭示了自动驾驶在边缘场景失效后的高响应成本，后者展示了通过自动化补给将停机时间压至接近零的技术路径。

5.2 Cybercab施工场景事件：非常规场景感知失效的典型样本

2025年，特斯拉Cybercab无人驾驶出租车在美国奥斯汀载客运营中发生一起功能性故障：FSD系统未能识别一处正在施工的停车场出口，车辆在停车场内循环兜圈约7分钟，乘客大卫·莫斯被困车内。乘客联系特斯拉后台客服后，工作人员远程下发指令刹停车辆，随后耗费约7分钟重启FSD软件，合计14分钟才恢复正常驶离。

该事件包含两个值得产业界关注的结构性问题：

其一，感知系统的长尾失效。 施工围挡、临时改道、非标准出口标识属于典型的“分布外场景”（OOD）。纯视觉路线在不依赖高精地图的架构下，对这类临时性环境变化的鲁棒性面临更高要求。值得注意的是，小鹏悠游（YOYO）Robotaxi同样宣称“不依赖激光雷达和高精地图”，但通过4颗图灵AI芯片（3000TOPS算力）、第二代VLA大模型与六重冗余、100毫秒内失效切换来对冲失效风险——这说明纯视觉路线的竞争焦点正从感知精度转向失效后的系统兜底能力。

其二，无方向盘车辆的接管响应成本。 Cybercab无方向盘、无踏板设计意味着车内不存在人工接管手段，一切异常处置必须依赖远程链路。本案例中，远程刹停1次+软件重启1次即消耗14分钟，其中约一半时间用于远程软件重启。若此类事件频率上升，将直接侵蚀运营效率：按单车日均接单量估算，每次14分钟的非计划停运对应的是可量化的收入损失与调度连锁延误。

5.3 换电与自动补给：把停机时间压向零

与地面自动驾驶的“失效后接管”逻辑不同，无人机领域给出了另一条思路：不让补给成为停机的原因。Sesame Solar、Target Arm与AG3 Labs三家美国公司联合推出面向美军的Persistent Drone Operations Nanogrid（持续无人机作业纳电网），宣称是首个集成化、美国本土制造的持续无人机作业解决方案。其核心是一套机械臂系统，可在野外为无人机自动更换电池，实现无需降落充电的24小时不间断作业。

从运营数据视角看，该方案的价值在于重新定义了补给环节的时间账本：

该方案将太阳能移动纳电网、无人机自动捕捉发射系统整合于一体，瞄准国防与应急响应场景。对军方客户而言，“补给停机时间”长期是无人机作战的最大痛点，机械臂换电使飞行平台续航不再构成任务瓶颈——这本质上是用自动化地面保障替代了传统的人工着陆-换电-再起飞流程。

5.4 数据对比揭示的产业逻辑

两个案例放在一起，可以提炼出自主作业系统成熟度评估的一个通用框架：

1. 失效概率：Cybercab事件源于感知系统对施工场景的失效，反映长尾场景仍是自动驾驶量产运营的核心约束；

2. 失效恢复成本：无车内接管手段使恢复完全依赖远程链路，14分钟的处置时长显著高于有人驾驶车辆的即时人工介入；

3. 补给停机时间：无人机换电方案将这一指标压至接近零，证明通过系统设计消除停机环节，比优化单次停机效率更具产业价值。

从产业演进看，两条路线的资本与研发投入方向正在收敛于同一目标——最大化任务时间占比。Robotaxi企业（如小鹏）通过冗余架构与快速失效切换缩短异常处置时间；无人机企业通过自动换电从根本上取消补给停机。监管层面，Cybercab类事件也将持续成为各国无人驾驶载客运营准入与远程接管规范讨论的事实依据，客观上推动远程协助响应时限、车内应急交互等标准的确立。

结论：自主作业的竞争已从“能不能跑”进入“断了怎么办、停了多久”的阶段。感知长尾失效的响应成本与补给停机时间，是衡量技术成熟度的两个硬指标，也是下一阶段产品与监管博弈的焦点所在。

趋势判断与风险展望

一、产业趋势的三个判断

综合本章前述案例与技术演进路径，「自主作业时代」的保障能力与运营形态正在沿三条主线收敛。

判断一：持续作业保障将成为无人机体系的核心能力指标。 Sesame Solar、Target Arm与AG3 Labs联合推出的持续无人机作业纳电网系统表明，产业竞争的焦点已从单机性能转向体系化保障。该系统通过机械臂在野外为无人机自动更换电池，实现无需降落充电的24小时不间断作业，直接瞄准无人机作战中最大的痛点——补给停机时间。其价值在于将飞行平台续航从“任务瓶颈”转变为“可管理的后勤变量”，并整合太阳能移动纳电网与自动捕捉发射系统，使无人机在无固定基础设施的野外环境中长时间执行任务，瞄准国防、应急响应等场景。可以预期，“持续作业能力”将逐步成为军用与行业级无人机采购和评估中的显性指标，自动换电、自动捕捉发射等地面保障设施将走向标准化配套。

判断二：无高精地图方案正在从技术路线选项变为L4落地的主流路径。 小鹏Robotaxi「悠游」的方案具有代表性：基于旗舰车型GX打造，搭载4颗自研图灵AI芯片，算力达3000TOPS，配合第二代VLA大模型实现L4级自动驾驶，明确不依赖激光雷达和高精地图。无图方案的核心优势在于摆脱高精地图采集、更新与审批的区域限制，使运营范围可以随算法能力而非地图覆盖扩张，这对Robotaxi规模化商用至关重要。从产业逻辑看，重感知、轻地图路线与车端大算力、大模型能力的提升互为因果，正形成正反馈循环。

判断三：多重冗余设计将成为无人系统的准入门槛。 小鹏悠游具备六重冗余、100毫秒内失效切换；无人机侧的纳电网方案本质上也是通过地面自动化保障体系为任务连续性提供系统级冗余。无论空中还是地面，监管与商业信任的建立都将越来越依赖“失效后仍有兜底”的架构证明。

二、风险展望：三个待解命题

风险一：复杂场景下的感知可靠性仍是最大短板。 特斯拉Cybercab在美国奥斯汀的运营故障具有典型性：FSD系统未能识别一处正在施工的停车场出口，车辆在停车场内循环绕行7分钟，乘客大卫·莫斯被困，经后台远程刹停并重启软件后，合计14分钟才恢复驶离。该事件说明，无图与纯视觉方案在施工、临时管制等非常规、长尾场景下仍可能出现感知失效。对产业而言，这不是对技术路线的否定，而是提示：长尾场景的覆盖率、故障场景的自动化处置能力，将直接决定运营口碑与监管信任的积累速度。

风险二：车内无人工接管放大了故障处置成本。 Cybercab因无方向盘设计，缺乏车内人工接管手段，故障只能依赖远程客服介入——识别失效加远程处置，单次故障即造成乘客14分钟的滞留体验。这揭示了无人出租车在“去人化”设计上的权衡：去掉车内安全员降低了运营成本，却也移除了最即时、最灵活的兜底层。在远程监控与处置体系的响应速度、覆盖密度达到成熟水平之前，车内接管缺失将持续是运营风险的高发环节。产业层面可能出现的过渡形态包括：运营初期限定区域与时段、保留远程多车监看、以及针对无接管车辆的快速远程接管协议标准化。

风险三：安全监管框架的完善进度决定商业化速度。 无人机持续作业涉及空域管理、地面设施安全与国防、应急场景的准入规则；Robotaxi涉及无人驾驶运营资质、事故责任认定、远程处置规范与乘客权益保护。当前监管框架的演进速度普遍滞后于技术迭代——Cybercab故障后的处置流程依赖企业自建客服体系而非行业标准程序，正说明规则供给尚不充分。可预见的博弈在于：企业追求快速扩大运营以积累数据，监管则需要在事故样本与安全冗余证明之间寻找平衡点。这一过程大概率以“区域试点—事件驱动修订—标准逐步统一”的节奏推进。

三、小结

持续作业保障、无高精地图方案与多重冗余构成了自主作业技术体系的“正向三角”；而复杂场景可靠性、车内人工接管缺失与监管框架进度则是悬在其上的“三重约束”。未来两到三年，产业的实际进展将取决于正向能力与约束条件之间的赛跑：谁先补齐长尾场景与兜底机制，谁就能在自主作业时代的规模化竞争中占据先手。