Ambitious Ziele und weite Reisen: Das automatische Fahren startet die "Zeit der Großen Entdeckungen"
Am Ende des 15. Jahrhunderts umrundete die Flotte von Vasco da Gama die Kapstadt, und Christoph Kolumbus landete versehentlich auf dem amerikanischen Kontinent. Die Menschen brachen mit Segelschiffen und Kompass die geografische Isolation und eröffneten die Ära der Großen Entdeckungsreisen, die die Weltordnung neu gestaltete.
Heute, inmitten der sich verzweigenden Wellen der Künstlichen Intelligenz und der Automobilindustrie, wiederholt die automatische Fahrweise diese Entdeckungsgeschichte – mit Algorithmen als Kompass, Chips als Segeln und Rudern und Daten als Meeresströmungen. Sie bricht die Grenzen des traditionellen Verkehrs und steuert in eine neue Seegebiet, in der Technologie, Geschäftsmodelle und Ökosysteme neu gestaltet werden.
Seit 2025 ist diese gewaltige "intelligente Expedition" offiziell in die Tiefe gegangen, mit der Genehmigung für L3-automatisierte Fahrweise, dem Durchbruch bei der Millionenteilproduktion, der Beschleunigung der globalen Expansion und der Einführung von automatisierten Bussen im Ausland.
Die Iteration von "Küstenversuchen" zu "Ozeanfahrzeugen"
Der Aufstieg der Ära der Großen Entdeckungsreisen begann mit revolutionären Brüchen in der Schiffbau- und Navigationskunde. Auch die Verbreitung der automatischen Fahrweise hängt von einem Sprung der Kerntechnologien von der "Laborüberprüfung" zur "skalierten Anpassung" ab.
Nach mehr als einem Jahrzehnt an technologischen Herausforderungen hat die einst rein konzeptionelle automatische Fahrweise ein vollständiges Technologiesystem aufgebaut, das Wahrnehmung, Entscheidung und Ausführung umfasst. Ähnlich wie die Karavellen damals verfügt es über die nötige Stärke, um komplexe Seegebiete zu meistern.
Die technologische Iteration der "Fernseh" im Wahrnehmungsschicht hat die Sichtbehinderungen für die automatische Fahrweise beseitigt. Früher gründete sich die automatische Fahrweise auf die Multi-Laser-Lidar-Lösung für die Umweltwahrnehmung. Die hohen Kosten waren jedoch ein Hindernis für die skalierte Einführung, ähnlich wie die Schiffe zu Beginn der Großen Entdeckungsreisen Schwierigkeiten hatten, ausreichend Vorräte für Übersee-Reisen zu transportieren.
Heute konzentrieren sich die Technologiewege immer mehr. Die Kosten für halb-feste Laser-Lidar-Sensoren sind auf unter tausend Yuan gesunken. Unternehmen wie Hesai und RoboSense haben die Serienproduktion für Automobilanwendungen erreicht, was die Verbreitung von hochwertigen intelligenten Fahrweisen ermöglicht. Kürzlich hat Qingzhou Zhihang ein end-to-end-Stadt-NOA-System auf Basis der Single-Zhengcheng 6M-Plattform vorgestellt, das in begrenzter Rechenleistung an komplexe Straßenbedingungen angepasst ist, was den Kernwert der technologischen Optimierung unterstreicht.
Zur gleichen Zeit entwickeln sich die reine Bildverarbeitungslösung und die Fusionstechnologie von Laser-Lidar, Millimeterwellenradar und Kameras parallel. Die Technologie von Mogu Chelian, die auf "Bildverarbeitung als Hauptmethode + Fusion mit festem Laser-Lidar" basiert, verbessert deutlich die Konsistenz und Zuverlässigkeit des Systems. Die Erkennungsdistanz von Zielen wird um über 50 % erhöht, die Fehl- und Auslassungsraten sinken um 70 %, die Übernahmequote sinkt um zwei Größenordnungen, und die Forschungs- und Hardwarekosten werden erheblich gesenkt. Dies legt eine solide Grundlage für die skalierte Einführung von automatisierten Bussen.
Das Upgrade des "stärksten Gehirns" in der Entscheidungsschicht verleiht der automatischen Fahrweise die Fähigkeit, komplexe Szenarien zu bewältigen. Wenn die frühen Algorithmen auf vordefinierten Regeln basierten und daher wie eine "Küstennavigation" waren, so sind die heutigen end-to-end-Architekturen und Weltmodelle wie Seefahrer, die die Meeresströmungen vorhersagen können. Seit 2025 ist das end-to-end-Konzept in der Branche weitgehend akzeptiert. Viele Unternehmen haben neue Architekturen mit der Fusion von VLM, VLA und Weltmodellen entwickelt. Basierend auf den echten Straßenbedingungen, die aus der Serienproduktion gesammelt wurden, wird ein end-to-end-Schließkreis von der Wahrnehmung bis zur Steuerung erreicht, was die Fähigkeit zur Behandlung von seltenen Szenarien erheblich verbessert.
Der Rechenleistungshorizont hat ebenfalls einen Sprung gemacht. Der NVIDIA DRIVE Thor X-Chip hat eine Rechenleistung von über 2000 TOPS erreicht. Chinesische Unternehmen wie Huawei und Horizon beschleunigen die ersatzweise Herstellung in China, was für hochwertige Algorithmen ausreichend Leistung bereitstellt, ähnlich wie die Dampfmaschine die Segel in der Ära der Großen Entdeckungsreisen revolutionierte.
Die Verbesserung der Ausführungsschicht und der Basissoftware hat die Grundlage für die technologische Umsetzung gestärkt. Die elektronische Brems- und Lenkungstechnologie ermöglicht eine hochpräzise Steuerung und bietet Sicherheit für den betreiberlosen Betrieb. Die hochpräzisen Karten und die Beidou-Positionierung bieten eine Zentimetergenaue Abdeckung, ähnlich wie die Sternkarten und Seekarten damals, und planen genaue Routen für die Fahrzeuge. Die hochpräzisen Karten von Baidu und AutoNavi decken die wichtigsten Städte in China ab. Die Positionsdienstleistungen von Qianxun Weizhi ermöglichen es der automatischen Fahrweise, auch in komplexen Umgebungen wie Tunneln und Hochhäusern präzise zu wahren, und bauen ein integriertes Technologieökosystem von "Fahrzeug-Straße-Cloud" auf.
Die "Routenentdeckung" unter der Serienproduktionsschwelle
Die eigentliche Ära der Großen Entdeckungsreisen begann nicht mit einem einzelnen erfolgreichen Expedition, sondern mit der regelmäßigen Nutzung von Routen und der Etablierung von Handelsnetzwerken. Auch die "Große Entdeckungsreise" der automatischen Fahrweise wird durch die skalierte Serienproduktion markiert. Sie geht von der technologischen Kuriosität zur breiten Öffentlichkeit über und vollzieht den Sprung von der "Punktbesserung" zur "Flächenbedeckung".
Der Kernwert der Serienproduktion liegt in der Schaffung eines datengesteuerten technologischen Iterationskreises. Die Sicherheit und Zuverlässigkeit der automatischen Fahrweise hängen von der Ausbildung mit einer großen Menge an echten Szenariodaten ab, ähnlich wie Seefahrer die Meeresströmungen und Riffe aufzeichnen müssen, um ihre Routen zu optimieren.
Diese Daten aus verschiedenen Klimazonen, Straßenbedingungen und Fahrgewohnheiten werden kontinuierlich in die Algorithmenrückkopplung eingespeist, so dass das automatische Fahrwesensystem in komplexen Szenarien wie Schneefällen, Baustellen und Dorfgebieten ständig verbessert wird. Dies bildet einen positiven Zyklus von "Serienlieferung - Datensammlung - Algorithmusoptimierung - Erfahrungsverbesserung".
Die kontinuierliche Funktion dieses Zyklus macht nicht nur die technologische Grundlage der automatischen Fahrweise solider, sondern treibt auch die Branche von der reinen Technologieentwicklung hin zur kollaborativen Reife der gesamten Wertschöpfungskette voran.
Die Skaleneffekte der Serienproduktion haben direkt zur Kostensenkung und technologischen Verbesserung der Kernkomponenten beigetragen. Laser-Lidar-Sensoren, Fahrzeugrechnerplattformen und hochpräzise Positionsmodule, die einst extrem teuer waren, haben sich dank des steigenden Bedarfs an Serienproduktion miniaturisiert, generischer und kostengünstiger gemacht. Dadurch hat die automatische Fahrweise den Laboren und Pilotprojekten den Rücken gekehrt und sich von punktuellen Versuchen in Industriegebieten, Tourismusgebieten und Autobahnen hin zu flächenhaften Anwendungen auf städtischen Hauptstraßen und in Wohngebieten ausgedehnt. Sie hat schließlich die qualitative Veränderung von einer technologischen Erprobung zu einer Volksevangelisierung erreicht.
Wichtiger noch ist, dass das von der Serienproduktion geschaffene Mobilitätsnetz den Wert der automatischen Fahrweise von der einfachen Fahrerersetzung zu einem wichtigen Bestandteil der städtischen intelligenten Verkehrsführung erhöht. Die beweglichen Wahrnehmungsknoten, die von den serienmäßig produzierten Fahrzeugen gebildet werden, sind mit den Straßenausrüstungen, Verkehrssteuerungssystemen und intelligenten Parknetzen der Städte verbunden und bilden ein Verkehrsneuronales Netzwerk für die Echtzeitwahrnehmung und dynamische Steuerung.
Jedes automatische Fahrzeug ist ein bewegliches Datenerfassungsterminal. Es liefert nicht nur Daten für die eigene Algorithmusiteration, sondern auch genaue Daten über Verkehrsflüsse, Straßenbedingungen und Staus für die städtische Verkehrsplanung. Dies hilft den Städten, die Ampelzeiten zu optimieren, Busrouten zu planen und Staus zu beseitigen, und ermöglicht eine tiefgreifende Integration von Menschen, Fahrzeugen, Straßen und Städten.
Die Serienproduktion hat den Wettbewerbsfokus in der Branche von der "Technologieaufzeigung" zur "Engineering-Kompetenz" verschoben. Früher war die automatische Fahrweise-Branche auf die Grenzwerterprobung der automatischen Fahrtechnologie fixiert. Heute, mit der Verteilung der Genehmigungen für L3-automatisierte Fahrweise, hat sich der Schwerpunkt der Branche auf die skalierte Lieferung und die Kostenkontrolle verlagert.
Im Dezember 2025 hat das Ministerium für Industrie und Informationstechnik die ersten Genehmigungen für L3-automatisierte Fahrweise an Automobilhersteller wie Changan und BAIC erteilt. Städte wie Peking und Chongqing haben gleichzeitig spezielle Nummernschildern ausgegeben und klar gemacht, dass die Automobilhersteller während der Aktivierung des Systems für Unfälle verantwortlich sind. Dies hat die politischen Hindernisse für die Serienproduktion beseitigt.
Die kollaborative Reife der Wertschöpfungskette bietet die grundlegende Unterstützung für den Ausbruch der Serienproduktion. Die Kosten für die Kernkomponenten in der oberen Stufe der Kette sinken kontinuierlich. Die Kosten für Laser-Lidar-Sensoren sind von Anfangs mehreren zehntausend Yuan auf tausend Yuan gesunken. Hochleistungs-Chips werden in China hergestellt, und die Integration von Domänencontrollern nimmt ständig zu. Dies hat die Vormontagekosten für hochwertige intelligente Fahrweisen erheblich gesenkt.
In der mittleren Stufe hat sich ein "Goldenes Dreieck" aus "Technologieunternehmen + Automobilhersteller + Mobilitätsdienstleister" entwickelt. Die Zusammenarbeit zwischen GAC und WeRide sowie Ruqi Chuxing, sowie die Bindung zwischen General Motors und Cruise sowie Lyft ermöglichen die Ressourcenkomplementierung und das Risikoteilung, und beschleunigen die technologische Umsetzung und die standardisierte Serienproduktion.
In der unteren Stufe wird das Betriebsdienstleistungssystem ständig verbessert. Die Begleitdienstleistungen wie das Aufladen und Austauschen von Batterien, die Wartung und das spezielle Versicherungssystem folgen schnell nach, was den Verbrauchern die Akzeptanz der automatischen Fahrweise sichert.
Der "Neulandstreit" im globalen Kontext
Die Essenz der Ära der Großen Entdeckungsreisen war der Wettlauf um neue Länder, neue Märkte und neue Handelsrouten. Auch der kommerzielle Prozess der automatischen Fahrweise zeigt eine globale Marktsegmentierung und Ökosystemkonkurrenz. Das Muster von der doppelten Führung der USA und China und dem Aufstieg regionaler Märkte wird immer deutlicher. Die Akteure markieren ihre "Einflussbereiche" und starten ihre eigenen "Neuland-Expeditionen".
Die USA und China bilden die Kernwettbewerbskampftruppen und führen den kommerziellen Prozess weltweit an. Der US-Markt wird von Waymo und Tesla dominiert. Waymo hat bereits mehr als 2500 Fahrerlose Fahrzeuge in fünf US-Städten eingesetzt und im Jahr 2025 insgesamt 14 Millionen kommerzielle Aufträge abgeschlossen. Es plant, seinen Service auf zwölf Städte auszudehnen und beschleunigt die Marktdurchdringung durch die Zusammenarbeit mit Uber und Toyota.
Tesla setzt auf die reine Bildverarbeitungslösung für die Skalierung und hat in Austin erstmals die Sicherheitspersonal entfernt. Laut der Prognose von Morgan Stanley-Analysten wird die Flottengröße von Teslas Robotaxis sprunghaft wachsen. Die Anzahl wird von etwa 200 Fahrzeugen im Jahr 2025 auf 1000 im Jahr 2026 steigen und bis 2035 etwa eine Million Fahrzeuge in mehreren US-Städten erreichen.
Der chinesische Markt für automatische Fahrweise wird beschleunigt, dank der Pilotprojekte und der kollaborativen Wertschöpfungskette. Baidus Luobo Kuaipao hat weltweit mehr als 17 Millionen Fahrten durchgeführt und beschleunigt seinen Ausstoß durch die Zusammenarbeit mit Uber und Lyft. Pony.ai und WeRide haben die regelmäßige Betrieb von Robotaxis in ersten-Stadtgrößen erreicht. Einige Plattformen haben täglich über tausend Aufträge in einer Stadt. Im Jahr 2026 hat XPeng Motors die Einführung des Robotaxi-Geschäfts angekündigt. Hello Bike und CATL haben sich ebenfalls in den Markt eingesteigert, was die Wettbewerb intensiviert.
Die Erweiterung der Anwendungsgebiete ist die Kernrichtung der "Neulanderschließung". Von den Personenwagen wird es zu einer ganzheitlichen Ausdehnung gehen. Wenn die NOA für Personenwagen die "Küstenhandels" der automatischen Fahrweise darstellt, so sind die Szenarien wie RoboBus, Fahrerlose Logistik und Hafenverkehr das weitaus größere "Ozeangebiet".
Momenta hat die Investment in die Fernverkehrslogistik erhöht. Zhuoyue Technology hat sich mit Shaanxi Automobile zusammengetan, um die automatische Fahrweise für Lastwagen zu entwickeln. Unternehmen wie Youjia Innovation und Qingzhou Zhihang haben in den Bereich der Fahrerlose Kleinwagen eingestiegen, was ein ganzheitliches Szenario von "Personenwagen + Nutzfahrzeuge + Spezialfahrzeuge" bildet.
Die globale Expansion ist für die führenden Unternehmen unvermeidlich. Chinesische Unternehmen beschleunigen ihre "Auslands-Expeditionen". Mit der zunehmenden Wettbewerb auf dem chinesischen Markt wird der Auslandsmarkt eine wichtige Richtung, um die Kosten zu senken und die Skaleneffekte zu erreichen, ähnlich wie die Entdecker in der Ära der Großen Entdeckungsreisen nach Amerika und Afrika segelten.
Das Fahrerlose Minibus von WeRide, das Robobus, hat seinen kommerziellen Betrieb in Leuven, Belgien, begonnen. Das WeRide-Minibus ist als Linie 16 des lokalen öffentlichen Verkehrsbetreibers De Lijn in den regelmäßigen öffentlichen Betrieb integriert.
Im Oktober letzten Jahres