Robotaxi 最容易被讲成一场自动驾驶技术竞赛。
识别是不是更准，规划是不是更稳，接管率是不是更低，车里到底还要不要安全员。
这些问题当然重要。
但当一座城市里的无人车订单开始累积到百万级以后，另一个问题会越来越难绕过去：
它到底准备怎样进入原来的城市交通系统？
武汉给了一个很适合研究这个问题的样本。
一篇发表于 Nature Sustainability 的研究，使用了武汉超过 400 万条有人出租车与全无人 Robotaxi 订单，开始把注意力从“车会不会开”转向“这种新型出行方式会怎样和出租车、地铁、公交、道路网络以及能源需求发生关系”。
这已经不是一辆车的问题了。
是一个城市问题。
先别急着问 Robotaxi 会不会取代出租车#
研究者最先看到的，是 Robotaxi 和有人出租车在空间需求上存在明显重叠。
这意味着什么？
最直观的解释是：在即时打车市场里，两者确实可能争夺相似需求。
如果一个用户原本会叫普通出租车，现在改叫 Robotaxi，这就是竞争。
但研究里另一组结果又让事情没那么简单。
当研究者把地铁站和公交站周边当作公共交通的服务范围来看时，Robotaxi 在这些站点服务区之间的“站到站”行程比例，低于有人出租车。
论文给出的两个比较值分别是 46.9% 和 61.6%。
这个指标本身很技术，但可以简单理解成：Robotaxi 的一些出行模式，并不像是在完整复制“从一个公共交通节点附近，直接送到另一个公共交通节点附近”的行程。
作者因此认为，Robotaxi 和公共交通之间可能表现出更强的互补关系，而不只是直接替代。
也就是说，它可能承担的是公共交通够不到、懒得覆盖，或者最后一段不够方便的那部分需求。
这和“Robotaxi 会不会抢公交生意”不是一个问题。
真正的问题变成：
它会抢谁的生意，又会替谁补洞？
一项新技术进入城市以后，最重要的是关系，而不是单点能力#
这也是这篇研究最值得看的地方。
城市交通不是一个空白市场。
Robotaxi 进去的时候，出租车已经在那里，公交和地铁已经在那里，道路结构、居民通勤习惯、土地利用方式也已经在那里。
它不是在真空里部署。
于是，单看“Robotaxi 每公里能耗”“平均速度”“完成多少订单”，很容易漏掉系统层面的变化。
如果 Robotaxi 抢走的是大量原本坐地铁的人，即使单车更高效，城市总能耗也未必更好。
如果它主要替代空驶率很高的传统出租车，又或者承担最后一公里接驳，结论就可能完全不同。
所以真正成熟的评价，必须开始回答：
它改变了谁的行为？
这件事和很多技术一样。
技术刚出现时，大家测的是能力。
技术真正进入社会以后，大家最终要测的是关系。
武汉的路，也在告诉 Robotaxi 去哪里#
研究还发现，Robotaxi 的运营更集中在相对不复杂的道路网络里。
这并不奇怪。
对于自动驾驶系统来说，道路越复杂，意味着更多交叉口、转向、混合交通、非机动车、行人，以及更难预测的局部行为。
有意思的是，当研究者把道路网络复杂度纳入需求模型以后，预测表现变好了。
换句话说：
Robotaxi 今天在哪里跑得多，不只是因为哪里有人叫车，也和“哪里比较容易跑”有关。
这给所有“真实订单数据”都加了一层解释。
你看到的运营热区，不一定就是最终的自然需求热区。
它也可能是当前技术能力、运营政策和安全边界共同筛选出来的结果。
这点非常重要。
如果忽略这一层，很容易把“现在允许它在哪里跑”误读成“未来市场只需要它在哪里跑”。
62.5% 和 44.8%，千万别当成武汉现状#
这篇研究里最容易被媒体标题拿走的，是两个数字：
在一个上限优化情景里，通过更好的调度和拼车，所需车队规模可以减少 62.5%，每日能源消耗可以减少 44.8%。
这两个数字很漂亮。
但它们不是“武汉已经实现”。
也不是“只要 Robotaxi 普及，城市一定能省这么多车和电”。
它们来自优化模型里的情景推演。
研究者是在问：
如果把调度和 ride-sharing，也就是拼车，优化到一个较理想的上限，系统理论上可以压缩到什么程度？
这和观测数据是两类证据。
观测数据告诉我们“现在发生了什么”。
优化情景告诉我们“在某些假设成立时，系统可能做到什么”。
把两者混在一起，是技术报道里很常见的错误。
也是为什么读这种研究时，不能只摘结论页上的最大数字。
Robotaxi 的能源账，也不能只看一辆车#
无人出租车还有一个特别容易被低估的问题：空驶。
一辆出租车不是只在载客时消耗能源。
它要去接人，要重新分布到需求区域，要在低谷期等待，也可能为了补能而额外移动。
因此，Robotaxi 是否节能，不只是车辆本身效率的问题。
更依赖车队怎么调度。
如果一座城市里有太多 Robotaxi 为了抢订单四处巡游，单车电动化带来的好处很可能被额外里程吃掉。
反过来，如果调度足够好，多个乘客又愿意共享行程，系统才有可能减少冗余车辆和空驶。
这也是为什么论文把交通和能源放在一起研究。
因为当出行方式进入车队化运营以后：
能源效率已经不是汽车工程问题，而是调度问题。
一座城市的数据，不等于所有城市的答案#
这里也得给这篇研究踩一脚刹车。
武汉非常适合做案例，但武汉不是所有城市。
城市密度、道路结构、轨道交通覆盖、出租车制度、人口分布、Robotaxi 可运营区域，都会影响最后结果。
而且，研究看到的是一个特定阶段的 Robotaxi。
今天的运营区域、价格和技术限制，未来都可能变化。
所以这篇研究更适合被理解成：
第一次开始用真实的大规模运营数据，观察 Robotaxi 和既有城市系统怎样互相作用。
而不是：
“武汉已经证明 Robotaxi 对城市一定更好。”
这两句话差别很大。
真正成熟以后，自动驾驶会越来越不像一个“自动驾驶问题”#
这可能是这篇论文留给我们最有意思的地方。
Robotaxi 一开始是 AI 问题。
后来是汽车工程问题。
再后来，它会变成交通政策、能源、城市规划和公共服务问题。
当一个技术真的成功进入现实，它往往就会失去自己原来那个漂亮、单一的标签。
我们不再只问：
“它能不能自己开？”
而开始问：
“它会让谁少打一辆车？”
“会不会让更多人放弃公交？”
“要多少辆车才能支撑相同订单？”
“空驶里程会变多少？”
“城市的电力和充电基础设施能不能接住？”
这不是 Robotaxi 变得没那么高科技了。
恰恰相反。
是它终于开始变成现实。
参考#
