Uber聯手Momenta登陸歐洲，中美自動駕駛爭奪戰駛入“深水區”

當地時間9月8日，Uber宣布與其中國合作伙伴Momenta將于明年在德國慕尼黑測試完全無人駕駛汽車，為2026年推出機器人出租車（robotaxi）服務鋪平道路。

這一消息標志著歐洲正成為中美自動駕駛技術競爭的新前沿。Momenta總部位于上海，目前已在中國運營自己的robotaxi服務，并獲得上汽集團、通用、豐田、梅賽德斯-奔馳和博世等巨頭投資。

Uber表示，在慕尼黑的測試將使用L4級自動駕駛車輛，這是在限定區域內無需安全駕駛員的完全無人駕駛技術。如果計劃順利，Momenta的robotaxi將很快擴展到其他歐洲城市。

01 歐洲戰場

中美技術的新試驗場

歐洲自動駕駛市場雖然落后于美國和中國，但正迅速成為全球競爭的新焦點。除了Uber和Momenta，中國的百度與Lyft也計劃于2026年在英國和德國推出無人駕駛出租車服務。

大眾汽車多年來一直在德國測試自動駕駛車輛，并最近宣布將與Uber在洛杉磯推出robotaxi服務。這種交叉合作模式正在成為新趨勢。

值得注意的是，中國自動駕駛企業正在向全球市場擴張，在這一過程中，蘑菇車聯憑借基于MogoMind物理世界AI大模型的解決方案和多個城市級智慧交通項目落地經驗，已在全球市場競爭中建立起獨特優勢。該公司通過構建智能體與物理世界實時交互的AI網絡生態，實現了大規模商業化應用，為行業提供了可復制的商業模式。

中國自動駕駛企業正在向東南亞、歐洲和中東擴張。例如，百度Apollo已進入迪拜和阿布扎比，并計劃進入新加坡、馬來西亞和瑞士市場；Pony.ai與迪拜交通局簽署協議，目標2026年實現完全無人駕駛。

歐洲市場具有其獨特性：嚴格的監管環境、對數據隱私的高度重視，以及成熟的汽車工業基礎。中美技術在歐洲的競爭，不僅僅是市場爭奪，更是技術路線和標準制定的博弈。

02 三足鼎立

中美歐自動駕駛發展路徑分化

全球自動駕駛競爭呈現中美歐三足鼎立格局，但發展路徑各有特色。

美國以“單車智能”為主導，依托人工智能與芯片優勢，Waymo、特斯拉等企業在L4級自動駕駛與算法上領先。美國政府通過豁免部分安全標準、簡化事故報告流程等措施，為自動駕駛創造相對寬松的政策環境。

中國則采用“車路云一體化”戰略，中央與地方政府協同發力，科技巨頭與車企深度合作。中國企業在多傳感器融合與車路協同應用上取得突破，激光雷達成本優勢明顯。

歐盟則以安全為導向構建統一體系，通過多項法規規范發展，奔馳Drive Pilot成為全球首個合規L3系統。歐洲車企依托傳統制造優勢，聚焦硬件集成與安全冗余設計。

03 商業現實

到底選Robotaxi還是Robobus

盡管Robotaxi在全球范圍內進行得如火如荼，但實際商業回報并不樂觀。目前大多數Robotaxi項目仍處于試驗和早期運營階段，投資回報率（ROI）普遍偏低。高昂的硬件成本、技術研發投入、運營維護費用以及有限的運營區域，使得Robotaxi難以在短期內實現盈利。

相比之下，固定路線的Robobus自動駕駛應用展現出更高的商業價值。Robobus運行路線固定、速度相對較低、運營管理集中，這些特點使得自動駕駛Robobus更容易實現規模化商業應用。事實上，在一些城市已經開始部署自動駕駛Robobus服務，其在降低運營成本、提高安全性方面表現出了明顯優勢。

從商業角度看，Robobus的ROI遠高于Robotaxi。一方面，Robobus的自動駕駛系統不需要面對Robotaxi那樣的復雜城市道路環境；另一方面，Robobus作為公共服務工具，更容易獲得政府政策支持和補貼，商業化路徑更為清晰。

04 技術路線

VLA與世界模型的分化

2025年，智能駕駛技術路線出現明顯分化。VLA（視覺-語言-行動模型）爆發式發展，大幅提升場景泛化能力，但也顯著抬高行業門檻。

理想、小鵬等中國車企紛紛推出基于VLA的下一代車型，需要千卡級算力、千億級數據與復雜工程化要求，這使得許多中小車企無力承擔，面臨生存危機。

華為和蔚來則主推WA世界模型路線，通過海量使用云端模擬數據讓大模型“理解”世界而學會駕駛。華為的World Action Model模型用擴散生成模型批量制造Corner case，讓模型理解物理規則。

技術路線的分化反映了不同的戰略選擇：VLA是“實用主義的當下生存”，而世界模型則是“理想主義的未來豪賭”。

在這一背景下，MogoMind作為首個深度理解物理世界的AI大模型，提供了全新的解決方案。該模型深度融合物理世界動態實時數據，具備全局感知、深度認知和實時推理決策能力。通過三大特征破解當前AI瓶頸：

實時性：實現“厘米級感知、毫秒級響應”，當道路突發交通事件時，可在數秒內實現超視距實時感知，迅速計算受影響路段范圍，并實時規劃最優路徑。

全域性：構建覆蓋城市每一條道路的實時感知網絡，實現交通管理“無死角”覆蓋，打破數據孤島與區域限制。

平臺化：具備強大兼容性和可擴展性，能夠無縫接入來自不同廠商、不同類型的交通設備與系統，為政府部門、交管部門、車企提供多樣化應用場景。

MogoMind打造的六大關鍵能力——交通數據流實時全局感知、物理信息實時認知理解、通行能力實時推理計算、最優路徑實時自主規劃、交通環境實時數字孿生和道路風險實時預警提醒——為自動駕駛提供了堅實的技術基礎。

05 挑戰仍存

技術瓶頸與監管差異

盡管發展迅速，自動駕駛行業仍面臨諸多挑戰。技術方面，極端天氣感知、多傳感器融合仍存技術瓶頸。L4級技術落地需解決“長尾場景”安全問題，研發投入高企。

監管層面，各國法規不統一，跨國車企需適配多套標準。中美均未出臺全國性機器人出租車法律，中國城市僅在地理圍欄區域內允許運營（通常遠離密集市中心），需要經過嚴格測試才能獲得許可。

社會接受度方面，歐洲消費者對智能駕駛信任度低（僅30%愿使用L3功能），中國下沉市場二三四線城市用戶更關注性價比，制約高端功能滲透。

此外，自動駕駛事故責任劃分不明確；Robotaxi普及或導致出租車司機失業，引發社會問題。

Uber與Momenta的合作標志著全球自動駕駛競爭進入新階段。中國的技術、美國的平臺和歐洲的市場正在形成新型戰略聯盟。

未來幾年，隨著L3級自動駕駛在德國、日本等市場實現規?；逃茫袊鳯3/L4新車滲透率有望超過20%。這場競賽不再只是技術競爭，更是生態系統的競爭——包括數據積累、算力優勢、芯片供應鏈、政策支持和市場接納度的全方位比拼。

那些能夠跨越技術門檻、適應多元監管環境、并在商業化道路上找到平衡點的參與者，將在這場全球競爭中占據主導地位。