AI智驾|从牌照互认到条例修订:广深无人驾驶发展新态势

当无人车学会“读心术”：广深无人驾驶与拟人化互动的深度融合

如果从历史视角回望2025-2026年的中国科技版图，有两个地方的名字会被反复提及，它们不是北京、不是上海，而是广州和深圳。

2026年6月，英伟达GTC大会上，黄仁勋一页PPT同时点亮了两家广东企业的名字：比亚迪（深圳总部）、小马智行（广州总部）。这只是冰山一角。在同一个月，珠三角六市宣布自动驾驶牌照互认，一辆在广州拿到路测牌照的无人车，可以一路开到深圳而无需重新审批。

而最具象的场景发生在深圳南山科技园的晚高峰：你叫来一辆头顶激光雷达的Robotaxi，车内没有司机，你可以在后排选按摩、开白噪音、躺平休息。当一辆电动自行车突然“切头”时，车辆没有急刹，而是丝滑地减速避让。

这一刻，技术的冰冷被服务的人性包裹。无人驾驶在广深，正从一个“有没有”的技术命题，变成“好不好用”的服务命题。而串起这一切的，是一条名为拟人化互动的主线。

1. 智能驾驶是否属于拟人化服务？

在展开广深无人驾驶的商业化分析之前，有必要先厘清一个基础概念：智能驾驶本身是否属于拟人化服务？答案并非简单的“是”或“否”，而需要从不同维度加以辨析。

从功能本质上看，智能驾驶的核心在于环境感知、路径规划、风险判断和车辆控制，其主要目的是提升驾驶安全性与交通效率，并不是为了模拟人类人格、情感或陪伴关系。因此，如果仅从自动驾驶、辅助驾驶、自动泊车、车道保持等功能来看，智能驾驶更接近一种自动化决策与控制系统，不宜直接认定为拟人化服务。

但另一方面，智能驾驶又确实具有一定“拟人化”表现。例如，部分车载系统会通过语音助手与用户对话，使用类似“司机”“伙伴”“管家”的角色设定，甚至以拟人化语气解释驾驶决策、安抚乘客情绪或主动提出建议。这类设计容易让用户感受到车辆具有“理解”“判断”甚至“陪伴”的能力，从而产生对系统能力的信任甚至依赖。根据《人工智能拟人化互动服务管理暂行办法》对拟人化互动服务的界定，其重点在于是否模拟人类人格特征、思维模式和沟通风格，并通过文字、图片、音频、视频等方式与人类进行情感互动。若智能驾驶系统中的车载AI已经超出单纯指令执行，而是以人格化身份与用户进行持续互动，则其交互部分可能具有拟人化服务属性。

因此，更准确的理解是：智能驾驶本身不必然属于拟人化服务，但智能驾驶系统中嵌入的车载AI语音助手、情感陪伴功能、人格化交互界面，可能构成拟人化互动服务的一部分；并且随着发展水平不断升高，拟人化占比将会逐渐增大。监管上也应避免“一刀切”地把智能驾驶整体纳入拟人化服务，而应根据具体功能进行拆分判断：驾驶控制部分重点关注安全、责任分配和算法可靠性；拟人化交互部分则应重点关注用户提示、身份标识、过度信任、防止误导以及未成年人保护等问题。

2. 商业模式拆解

理解广深无人驾驶的商业化逻辑，需要回答三个递进的问题：用户为什么愿意持续乘坐？单车经济模型如何跑通？企业扩张路径是什么？这三个问题分别对应需求侧、供给侧和规模化。

(1) 需求侧：拟人化体验如何驱动用户留存

无人驾驶的商业化有一个根本性的心理障碍：乘客需要把生命安全交给一台没有司机的机器。这种信任感无法通过技术参数来建立，只能在一次又一次的乘坐体验中慢慢积累。广深市场的运营数据印证了一个关键结论：用户不是被低价吸引来的，而是被体验留下来的。

小马智行一直在坚持一个理念：营收增长的核心驱动力不是新用户尝鲜，而是重复用户的使用频次提升。换句话说，只要服务足够好，用户每天都会回来坐车，营收就变得可预测、可持续。这个判断有真实的数据支持，2026年2月中，深圳的付费订单量就已经超过了2025年全年的总和，而同期并没有大幅度的价格补贴。用户运营数据显示，Robotaxi正在越来越多地服务于日常通勤场景，往返于住处、办公场地与地铁站之间的订单占比显著提升。

那么，是什么让用户愿意把每天的上下班交给一辆没有司机的车？答案是拟人化交互带来的安全感和掌控感。小马智行第七代Robotaxi的一个关键设计，是车内交互屏实时显示车辆感知到的道路模型，并将其转化为直观的可视化图形界面；同时还拥有客服功能，配置了一键式SOS按钮和语音交互。更进一步的，随着语音交互能力的持续升级，未来乘客有望直接通过语音询问‘为什么会刹车’，车辆能够给出解释。这种‘可解释AI’不仅是提升用户体验的关键，也可能成为未来事故责任认定的技术要求。当车辆能够提前减速而非急刹、能够解释自己的决策逻辑、能够记住乘客偏好的空调温度和座位角度时，它就不再是一台冰冷的机器，而是一个有“温度”的出行伙伴。

从数据飞轮的视角来看，拟人化交互的价值还在持续放大。每一次用户与车辆的交互，无论是语音指令、空调设置还是座椅模式的偏好；都是一次数据采集。这些数据被用于训练更精准的个性化推荐模型，而个性化本身又是拟人化的重要体现。正如斑马智行的蔡明一直坚持的，记忆的能力不等于存储和检索，而是长短期记忆的动态构建过程，对交互信息和个性化需求的处理和利用能力才是当下的重点。如果一辆Robotaxi能记住你习惯的空调温度、偏好的座位角度、甚至常去的上下车点，它就不再是“一辆车”，而是符合你需求的车。这种情感连接的建立，是用户留存的关键点。

(2) 供给侧：单车经济模型如何跑通

需求侧的逻辑成立之后，还需要回答一个更现实的问题：每一单能不能赚到钱？广深给出的答案是肯定的。

先看营收端。广州和深圳的Robotaxi运营数据显示，单车日均净收入和日均订单量均已达到比较稳定的水平。在峰值日，单车净收入还可进一步攀升。这意味着在广深这样的城市，无人驾驶出租车的单日营收已经接近甚至超过人类网约车司机。

再看成本端。第七代Robotaxi的自动驾驶套件成本较上一代实现了大幅度下降，新一代整车总成本已下探至低于主流电动乘用车的水平。这一变化的底层逻辑是：中国智能汽车产业链走向规模成熟，核心传感器实现了国产替代，车规级量产工艺趋于稳定。

运营一辆Robotaxi涉及六项主要支出：充电、地勤与远程协助人力、维保清洁、保险、网络通信、停车。其中最值得关注的变量有两个。第一个是保险，其定价高度依赖于事故率；安全记录越好，保费越低。这意味着技术可靠性会通过保费下降形成正向循环，进一步拉低单车成本。深圳正在试点的“自动驾驶专属保险”已经初步验证了这一逻辑。第二个是远程安全员的人机比，当前行业水平大约是一人监控多辆车，领先企业正在持续提升这一比例。每减少一名地勤人员，就能优化数百台车辆的边际成本。这两个变量共同指向一个结论：运营效率的上限，取决于云端AI与人工兜底的混合模式能够优化到什么程度。

将营收和成本放在一起，就得到了一个清晰的结论：在当下，单车经济模型已经可以实现盈亏平衡。更重要的是，随着硬件成本的持续下降和人机比的持续优化，盈利空间还在扩大。

(3) 规模化：从几百辆到几千辆的扩张路径

UE转正之后，下一个问题是：如何继续扩张规模？资本不再愿意为烧钱扩张买单，因此轻资产的共建车队模式应运而生。

共建车队价值链分工

在这一分工下，合作伙伴出资购车，从车辆部署中获得持续性收入；技术方输出技术与运营体系，通过技术授权费或收益分成变现；双方共享运营收益。

截至2026年，小马智行车队规模已突破千辆，公司规划2026年新增车辆中近半数通过共建模式落地。在共建合作方面，如祺出行已交付首批超百辆Robotaxi，丰田则作为首家合作伙伴采纳了这一模式。对于AI企业而言，这个分工模式提供了一个清晰的参照：你不一定要自己造车、养车队，但如果你能提供“AI司机”级别的核心技术，无论是算法、数据处理、还是合规自动化；你就切入了价值链中最不可替代的位置。

(4) 商业化三要素的闭环

将上述三个维度结合起来，可以看到广深无人驾驶商业化逻辑的完整图景：需求侧，拟人化体验将尝鲜用户转化为日常用户，形成稳定可预测的营收流；供给侧，硬件成本下降和人机比优化使得每单边际利润为正；规模化，共建车队模式实现轻资产扩张。三者形成闭环：体验越好，留存越高；留存越高，营收越稳定；营收越稳定，越能吸引共建伙伴；更多车辆上路，又产生更多数据来优化体验。这个飞轮一旦启动，就很难停下来。

3. AI企业的机会点

基于第一章的商业化逻辑，本章直接回答AI企业最关心的问题：在广深无人驾驶生态中，我的技术可以扮演什么角色？有哪些具体的合作入口？

AI企业技术机会点概览

第一个机会点：车载语音交互与对话系统

当前Robotaxi的车内语音交互仍偏“指令式”，即用户需要说出明确的指令词，系统才能响应；尤其是语音交互仍以控制音乐、空调、座椅等基础操作为主。而真正拟人化的对话应该是开放的、自然语言式的，而这背后需要大语言模型的本地化部署、低延迟的语音识别与合成、以及对上下文语义的理解能力。对于拥有自然语言处理能力的AI企业而言，这是一个明确的技术合作窗口。

第二个机会点：情感计算与乘客状态感知

拟人化的最高境界是“预判需求而非等待指令”。如果车辆能够通过车内摄像头或座椅传感器感知乘客的状态，是否困倦、是否焦虑、是否身体不适等，就可以主动调整座舱环境或驾驶风格。例如，检测到乘客疲劳时，车辆可以自动调暗灯光、播放舒缓音乐、或者建议切换到休息模式；检测到乘客焦虑时，车辆可以主动解释前方路况和预计到达时间。目前已有企业已经在舱驾融合方向上探索，但情感计算的精度、隐私保护的边界、以及主动服务的触发逻辑，仍有大量的技术空间等待填补。

第三个机会点：行为预测与决策解释

无人驾驶最难的不是“开车”，而是“在复杂的城市路况中”保持稳定。深圳南山科技园晚高峰的电瓶车、广州老城区的横穿马路行人、以及各种“不守规矩”的交通参与者，都对预测算法提出了极高的要求。同时，当车辆做出决策时，例如突然刹车或选择绕路时，需要能够向乘客解释原因。这种“可解释的AI”不仅是用户体验的需要，也可能成为未来事故责任认定的技术要求。能够提供高精度行为预测模型或可解释决策模块的AI企业，将直接切入运营方的核心痛点。

第四个机会点：合规自动化工具

如后文第四章所述，广深无人驾驶企业面临复杂的数据合规和责任溯源要求。这些合规工作如果全部靠人工完成，成本高且易出错。AI企业可以开发自动化合规工具，例如自动生成数据脱敏报告、自动整理事故溯源日志、自动检查数据处理流程是否符合监管要求等。这类工具的市场需求正在随着监管框架的完善而快速增长。

第五个机会点：长尾场景的数据服务

无人驾驶算法的训练依赖海量的真实路测数据，其中最宝贵的是“长尾场景”，罕见但危险的交通情况。单个企业的路测数据有限，而不同企业的数据又难以直接共享。AI企业可以作为中立的第三方，提供脱敏后的数据标注服务、仿真场景生成服务、或者联邦学习框架下的跨企业数据协作方案。这类数据服务的价值在于，它不直接参与无人驾驶算法的竞争，而是为所有玩家提供基础设施。

此外，对于深圳本地的AI企业而言，还有一个地理上的独特优势：可以近距离地与广深的Robotaxi运营方进行联合测试和快速迭代。相比远在北京或硅谷的竞争对手，深圳企业可以在真实的广深路况中验证技术方案，并且能够以更低的沟通成本嵌入到本地产业链中。

4. 广深无人驾驶的法律服务需求——AI企业必须面对的六道关

对于在广深开展无人驾驶业务的AI企业而言，技术能力和商业模式固然重要，但真正决定项目能否落地的，往往是一系列法律合规问题。这些问题不是“等做大再处理”的后置事项，而是从第一天起就必须面对的刚性约束。本章从AI企业的实际业务节点出发，梳理出六道必须跨越的法律关卡。

第一关：准入资质与牌照申请

在广深开展Robotaxi商业化运营，首先需要取得一系列牌照和许可。深圳方面，依据2022年出台的第一版《深圳经济特区智能网联汽车管理条例》，企业需要进行道路测试、完成准入管理登记、建立健全售后服务机制等。广州方面，依据《广州市智能网联汽车与无人驾驶装备道路测试及示范活动管理办法》，同样设置了从测试到示范再到收费运营的准入路径。2026年初，广东省出台《广东省人工智能赋能交通运输高质量发展若干政策措施》，推动珠三角六市牌照互认之后，企业在六市中任一城市取得的牌照可以在六市通用，不需要重新审批。对于AI企业而言，这一关的核心问题是：申请材料如何准备？测试数据如何满足监管要求？跨城市的牌照互认机制如何实际操作？

第二关：交通事故的责任划分与应对

这是无人驾驶领域最核心、也最复杂的法律问题。2022年8月，深圳出台国内首部规范智能网联汽车管理的地方性法规《深圳经济特区智能网联汽车管理条例》，首次在地方立法层面对自动驾驶的准入登记、路权、事故责任认定等事项作出系统性规定。2026年5月27日，深圳市人大常委会正式公布该条例的修订版，自2026年7月1日起施行。根据修订后的条例，智能网联汽车被明确划分为有条件自动驾驶、高度自动驾驶和完全自动驾驶三种类型。在责任认定上，条例采用了基于自动化等级的分层框架：当智能网联汽车由驾驶人驾驶，或者处于有条件自动驾驶模式且系统激活时发生道路交通安全违法或事故，责任由驾驶人承担。而当车辆处于高度自动驾驶或完全自动驾驶模式且系统激活时发生违法或事故，责任则由车辆的所有人或管理人承担。

更值得关注的是追偿条款的设置。依据第五十四条，智能网联汽车发生交通事故，因智能网联汽车存在缺陷造成损害的，车辆驾驶人或者所有人、管理人依照条例规定赔偿后，可以依法向生产者、销售者请求赔偿。这意味着AI企业作为算法提供方，可能被归入“生产者”或“销售者”的范畴。虽然不直接面对终端乘客，但在事故链条中可能成为最终的追偿对象。当事故被鉴定为因算法缺陷或系统漏洞导致时，运营方在先行赔付后，有权向算法提供方追偿。实践中，深圳已要求企业委托第三方机构开展合规性检查与技术鉴定，健全双层赔偿机制。这一关的核心问题包括：事故发生后如何保全和提取车辆数据？如何委托鉴定机构对系统行为进行技术鉴定？如何应对来自运营方或第三方的追偿诉讼？

第三关：数据安全与隐私合规

Robotaxi在运营过程中会持续采集大量数据：车辆行驶轨迹、车内语音交互、乘客面部影像、传感器感知的环境数据等。这些数据既涉及商业秘密，也涉及个人隐私。深圳对自动驾驶数据安全提出了明确要求，根据2026年5月出台的强化安全监管措施，深圳要求所有自动驾驶企业须将车辆标识、控制模式、实时位置、行驶速度等运行信息，全面、准确、接入指定的数据监管平台。除政府监管要求外，企业还需自行落实数据安全管理，自动驾驶数据必须本地化存储，防止数据泄漏、丢失、损毁。如果企业涉及外资背景，跨境数据传输还会受到《数据安全法》和《个人信息保护法》的额外限制。这一关的核心问题包括：数据采集的授权文本如何起草？数据处理流程如何设计才能符合脱敏要求？如何满足政府监管平台的实时数据接入要求？。

第四关：知识产权保护与技术保密

AI企业的核心竞争力在于算法模型和软件系统。在广深无人驾驶生态中，企业可能同时面对多种知识产权风险：员工离职带走技术秘密、与合作伙伴共享代码时的泄露风险、以及竞争对手的专利侵权指控。这一关的核心问题包括：如何通过竞业限制协议和保密协议约束关键技术人员？在与车厂、运营平台进行技术合作时，如何通过合同条款明确算法模型和数据的所有权？如何提前进行专利布局以防范侵权风险？

第五关：保险机制与风险转移

2026年，依据《关于促进深圳新能源车险高质量发展若干措施的通知》，深圳出台政策鼓励探索智能驾驶综合保险，保险机制正在进一步升级。此外，深圳正要求健全双层赔偿机制，这意味着运营方需要购买相应的保险产品以覆盖事故赔偿风险。对于AI企业而言，保险不仅是运营方的成本项，也关系到企业自身的风险敞口，如果事故被认定为算法缺陷导致，企业可能需要承担巨额赔偿。这一关的核心问题是：企业在与运营方签订技术服务协议时，如何通过责任条款和赔偿上限约定来锁定自身风险？是否需要购买专门的算法责任险？如何配合保险公司进行事故率评估以降低保费？

第六关：合作模式的法律架构设计

如第一章所述，广深的Robotaxi正在向“共建车队”模式演进。技术方出AI司机，资方出车辆，平台方出流量。这种多方合作的模式，对法律架构提出了更高的要求。合作协议中需要明确：车辆资产的所有权归属、技术授权费的支付方式和计算基准、运营收益的分配比例、数据资源的共享边界、以及合作终止后资产的处置方式。如果涉及境外资本或境外技术授权，还需要考虑跨境交易的外汇管理、税务合规等问题。

这六道关并非彼此独立，而是相互交织。例如，一次交通事故可能同时触发责任认定、数据保全、保险理赔、以及与合作方的责任分摊等多个法律问题。特别是深圳新修订的条例将于2026年7月1日起施行，这一新规对责任划分进行了系统性的重构，企业需要在条例生效前完成合规准备的最后冲刺。对于AI企业而言，最有效的应对方式不是在每个问题发生后再思考怎么解决，而是在项目启动之初就建立一套贯穿业务全流程的合规体系。

5. 结语

回顾全文，广深无人驾驶的商业化进程给出了三个明确的信号：

第一，商业模式已经跑通。当前正处在盈亏平衡的临界点，共建车队模式正在将轻资产扩张变为现实。硬件成本持续下降，软件和数据服务的价值占比正在提升。对于AI企业而言，这意味着你不需要自己造车、养车队，但如果你能提供“AI司机”级别的核心技术，你就切入了价值链中最不可替代的位置。

第二，随着无人驾驶继续发展，拟人化互动正在成为核心竞争力。当多家企业的L4级技术逐渐趋同，体验就成了用户选择的决定性因素。能解释“为什么会刹车”的车辆、能记住乘客偏好的座舱、能主动感知情绪的AI；这些正在从“锦上添花”变成“必选项”。对于AI企业而言，语音交互、情感计算、行为预测、个性化推荐等能力，将直接决定你在这个生态中的价值。

第三，合规不是后置事项，而是前置门槛。从牌照申请到事故定责、从数据安全到知识产权，六道法律关卡贯穿了AI企业在广深开展业务的每一个环节。事故责任可能追溯到算法提供方，数据合规要求本地化存储和脱敏处理，多方合作协议需要精细的法律架构。这些问题如果在项目启动时没有被妥善处理，后期纠正的成本极高。

对于AI企业而言，当下的广深既是技术验证的最佳试验场，也是商业变现的第一块阵地，更是合规体系的压力测试场。谁能在商业模式、用户体验和法律合规三个维度同时建立能力，谁就能在这一轮无人驾驶的浪潮中占据先机。

如果您想了解更多相关信息或希望寻求合作，欢迎联系何强告律师。

何强告

+86 188 2288 0959

jianshenlaw@126.com

业务领域

科技公司、跨境业务