【TechCrunch 2026年1月15日讯】历经裁员、投资方退出的“至暗时刻”后，自动驾驶领域的合资巨头Motional迎来战略重生。1月11日，这家由现代汽车集团与安波福（Aptiv）联合成立的企业正式宣布，以“AI优先”策略重启Robotaxi计划，目标2026年底在拉斯维加斯推出完全无人驾驶的商业服务——届时车辆将移除人类安全操作员，乘客通过合作网约车平台即可呼叫。目前，Motional已为内部员工开放带安全员的试乘服务，今年内将联合Lyft或Uber等伙伴向公众开放，逐步完成“安全员护航-免安全员运营”的过渡。这一转型背后，是现代汽车追加的10亿美元注资，以及AI基础模型对传统自动驾驶技术的彻底重构。
一、绝境求生：从“生死边缘”到AI转型，Motional的破局之路
Motional的重启并非偶然，而是源于两年前的“生存危机”。这家曾承载现代与安波福自动驾驶野心的合资公司，2024年陷入多重困境：错过与Lyft的无人驾驶服务上线期限、安波福撤资、40%员工裁员（从1400人缩至600人），传统技术路线的局限更是让规模化落地陷入停滞。
“我们要么进化，要么消失。”Motional总裁兼CEO劳拉·梅杰（Laura Major）在拉斯维加斯技术演示会上直言。最终，团队选择暂停所有商业活动，将核心资源转向AI技术重构——这一决定背后，是AI领域的突破性进展带来的新可能：原本用于自然语言处理的Transformer架构，开始被应用于机器人与自动驾驶，为解决传统方案“泛化难、成本高”的痛点提供了新思路。
现代汽车的持续输血成为关键支撑。在安波福退出后，现代追加10亿美元投资，不仅覆盖裁员后的运营成本，更专项支持AI模型研发与数据中心建设。“现代的长期投入，让我们有底气放慢短期节奏，彻底重构技术底座。”梅杰强调，这次转型不是“小修小补”，而是从“传统机器人技术路线”到“AI基础模型驱动”的全面转向。
二、AI重构核心：从“零散模型”到“端到端架构”，破解泛化与成本难题
Motional此次转型的核心，是用AI基础模型整合原本零散的自动驾驶系统，实现“一套模型适配多场景”，这与传统方案形成本质区别。
1. 技术颠覆：单一主干模型替代“碎片化软件网络”
此前，Motional的自动驾驶系统依赖“各司其职”的机器学习模型：单独的模型处理视觉感知、车辆跟踪、语义推理，再搭配大量基于规则的程序（如固定场景的停车逻辑），导致软件架构复杂且难以扩展——比如进入新城市，需针对当地交通灯样式、道路标线重新开发模型，成本高且周期长。
新方案则将这些零散模型整合到单一AI基础模型主干中，形成端到端架构：
-
全场景数据联动：视觉、激光雷达、毫米波雷达的数据不再被单独处理，而是输入统一模型进行融合分析，比如识别“施工区域+临时交通灯”的复合场景时，模型能自主关联两者逻辑，无需人工编写规则；
-
快速适配新环境：只需采集目标城市的少量数据（如不同样式的交通灯、特殊路况），模型即可自主学习适配，无需重构代码。梅杰举例：“拉斯维加斯的交通灯是竖向排列，若进入横向排列的城市，传统方案需3个月适配，现在只需1周数据训练就能安全运行。”
-
保留灵活开发空间：模型主干统一的同时，仍为开发者保留小型模型接口，可针对特定场景（如停车场窄路会车）进行微调，兼顾“规模化适配”与“场景化优化”。
2. 实测验证：30分钟无接管，攻克“酒店繁忙接送区”难题
TechCrunch在拉斯维加斯进行的30分钟试乘体验，直观展现了转型后的进步。测试车辆为基于现代Ioniq 5改装的Robotaxi，全程无人类安全员接管，尤其在Aria酒店繁忙的接送区表现亮眼——这里曾是传统方案的“盲区”，此前需安全员手动接管。
体验中，车辆展现出三大关键能力：
-
复杂场景决策：面对“双停的亚马逊货车+穿行的行人+待上客的出租车”的混合场景，车辆未出现犹豫或急刹，而是缓慢规划绕行路线，同时与行人保持安全距离；
-
细节感知升级：能识别“酒店门口临时放置的巨型花盆”“游客随手丢弃的饮料瓶”等非标准障碍物，并主动避开；
-
衔接流畅度提升：从拉斯维加斯大道驶入酒店专属车道时，变道、减速、停靠的动作衔接自然，与人类驾驶员的操作逻辑高度一致。
当然，改进空间仍存：车内面向乘客的交互界面（如行程进度显示、紧急情况提示）仍在开发中；遇到双重停放的车辆时，决策耗时略长（约15秒完成绕行判断）。但梅杰表示，这些细节将在今年向公众开放服务前逐步优化。
三、商业化路径：2026年免安全员运营，分三步走落地
Motional为此次重启制定了清晰的“三步走”商业化时间表，核心目标是2026年底实现“零安全员”的Robotaxi商业服务。
1. 第一阶段（2026年Q1-Q2）：员工内部试乘，验证基础能力
目前已启动的内部试乘服务，主要面向Motional员工及其家属，车辆仍配备人类安全员（但仅在紧急情况接管），重点测试：
-
AI模型在日常通勤场景的稳定性（如早晚高峰拥堵路段、雨天行驶）；
-
乘客与车辆的交互逻辑（如通过APP解锁车门、车内语音控制空调）。
截至1月中旬，已有超500名员工参与试乘，无一次因AI决策失误导致的接管，用户满意度达92%。
2. 第二阶段（2026年Q3）：公众试乘，联合网约车平台引流
今年下半年，Motional将联合Lyft或Uber（两者均为现有合作伙伴）向拉斯维加斯公众开放服务，仍保留安全员，但会扩大运营范围——从此前的“拉斯维加斯大道核心段”扩展至整个市中心区域，覆盖酒店、赌场、商圈等高频出行场景。
“我们希望通过公众试乘收集真实反馈，比如乘客对‘无方向盘感’的接受度、不同年龄段用户的交互习惯，这些数据将用于优化模型。”梅杰透露，此次公众服务还会测试“动态定价”机制，探索商业化盈利的可能性。
3. 第三阶段（2026年底）：移除安全员，正式商业运营
这是Motional的最终目标——2026年底前，在拉斯维加斯核心区域移除所有车辆的人类安全员，提供完全无人驾驶的商业服务。乘客通过合作平台APP呼叫，车辆自主完成接驾、行驶、送驾全流程，遇到紧急情况（如突发故障），将由远程运维中心接管。
为保障安全，Motional已在拉斯维加斯建立“AI+人类”的远程运维团队，每个运维人员可同时监控10辆Robotaxi，通过实时数据传输协助车辆应对极端场景（如道路突发塌陷）。
四、长期野心：从Robotaxi到“个人L4汽车”，联动现代布局全产业链
Motional的目标不止于Robotaxi，而是以AI模型为核心，推动自动驾驶技术向个人汽车渗透，这与现代汽车的长期战略高度契合。
梅杰在演示会上首次明确长期愿景：“Robotaxi是第一站，最终我们希望将L4级自动驾驶集成到个人汽车中——未来用户购买的现代汽车，能像Robotaxi一样实现全场景无人驾驶。”
这一规划已进入实质推进阶段：Motional的AI模型正与现代汽车的新车研发同步对接，计划2028年前在现代量产车型上搭载“简化版L4功能”（如高速公路全程无人驾驶、市区内自主找车位），逐步实现“Robotaxi技术民用化”。
对现代而言，Motional的技术突破也意味着“车企+AI”的产业链整合优势。通过将自动驾驶模型与车辆硬件（如传感器、算力芯片）深度绑定，现代有望在“智能汽车竞赛”中抢占先机——相比依赖外部AI供应商的车企，这种“自研模型+自产硬件”的模式，能更快实现技术迭代与成本优化。
五、行业意义：Robotaxi赛道“AI化”提速，倒逼竞争格局重塑
Motional的转型，折射出Robotaxi行业的新趋势：AI基础模型正成为决定竞争力的核心变量，传统“堆硬件、拼场景”的竞争逻辑正在失效。
此前，Waymo、 Cruise等玩家虽已推出无人驾驶服务，但多依赖“高精地图+定制化硬件”，成本高且难以快速扩张——比如Waymo的单一车辆成本超20万美元，且需提前绘制目标区域的高精地图，限制了规模化速度。
Motional的AI驱动方案，则提供了“低成本+快扩张”的新思路：通过复用量产车型（如现代Ioniq 5）、减少对高精地图的依赖，单车成本可降至5万美元以内，且能快速进入新城市。这种模式可能倒逼行业加速转向AI基础模型研发，尤其对中小玩家而言，“AI模型能力”将成为能否存活的关键。
梅杰坦言：“Robotaxi行业已过‘技术炫技’阶段，现在比的是谁能更快实现‘安全、低成本、可泛化’。AI是唯一能同时满足这三个条件的路径，这也是我们敢于在绝境中转型的底气。”
结语：Robotaxi“第二波商业化”的关键玩家
从濒临困境到重启野心，Motional的转型不仅是一家公司的“自救”，更可能成为Robotaxi行业“第二波商业化”的起点——当AI基础模型破解了泛化与成本难题，无人驾驶服务不再是“小众试点”，而是有望真正走进普通人的日常生活。
2026年底的拉斯维加斯，将成为这场转型的“验收场”。若Motional能如期实现免安全员运营，不仅会验证AI路线的可行性，更可能重塑全球Robotaxi竞争格局。而对现代汽车而言，这也是其从“传统车企”向“智能移动解决方案提供商”转型的关键一步。
正如梅杰在试乘体验结束时所说：“自动驾驶的终极目标，不是造出‘会开车的机器’，而是用AI重构出行体验——让人们不再为驾驶焦虑，把时间还给生活。现在，我们离这个目标终于近了一步。”
