作为一家日均订单数达千万级的网约车平台，滴滴计划，到2025年，搭载滴滴自研自动驾驶模块的共享汽车有望在滴滴平台普及超过100万台，到2030 年，将有望去掉驾驶舱，实现完全意义上的自动驾驶。

2030年中国乃至全球共享出行的比例有机会从现在的3%增长至30%，面对庞大的市场需求，滴滴已做好了准备。

随着，上海自动驾驶测试道路新增404公里，总里程达530.57公里，对各种风险等级道路实现了全覆盖。

滴滴在上海的测试及运营范围已经涵盖城市主干道、城市商圈、校区等多类复杂应用场景。

面对这一挑战，滴滴公布了Robotaxi在在复杂场景下实际路测情况，这一场景包括了早晚高峰拥堵路况、大型卡车及自行车混合路口、雨天夜间施工路段、夜间红绿灯路口避让等。

在视频里，我们可以看到滴滴自动驾驶汽车可以平稳、及时的处理在路面遇到的各种路况。

早高峰嘉亭荟购物中心高架桥下，滴滴自动驾驶汽车完成红绿灯路口调头。

晚高峰红绿灯路口滴滴自动驾驶汽车遇到大型卡车以及正在过去马路骑行人员，该车未受到大型卡车影响，平稳通过混合路口。

夜间雨天道路处在施工情况下，该自动驾驶汽车行车也没有丝毫的卡顿，平稳避开施工路段。

而在拥堵路段停车等待有出租车突然Cut in时，该车的做法是安全礼让。

最后一个场景是面对交警指挥车流量密集的复杂路口，滴滴自动驾驶汽车也能像“老司机”一样，快速通过路口。

滴滴自动驾驶汽车能够短时间实现技术的迭代升级并能够轻松应对随时变化的复杂路况，其背后最大优势在于数据。

滴滴认为，“没有数据就没有自动驾驶的未来。”

在自动驾驶开发测试中，海量、高质的真实数据可谓是必不可缺的“原料”，这些数据必须通过大量的路测和仿真模拟获得。

但在实际的数据采集中，90%以上的数据来自普通场景，余下关键的1%、0.5%的数据为长尾场景。

这其中，对自动驾驶产生最大挑战的是违反交通规则、不按常理出招的车辆或行人，构成了自动驾驶技术发展至今，最难攻克的长尾场景。

例如三轮车逆行、摩托车闯红灯、飘在路上的气球、路边突然窜出来的小狗等，这些复杂的交通参与者的随机行为造成了交通的复杂性，如果不能解决这样的场景，将严重影响实际的驾乘体验与技术落地进程。

与自动驾驶大量长尾数据及其复杂度相比，有限的自动驾驶测试车辆和仿真历程并不足以支撑全自动驾驶技术的实现。

从技术和产品角度来看，RoboTaxi落地现在主要剩下的是解决长尾问题,这需要和真正落地的场景做深度结合。

而滴滴凭借网约车平台全年可以采集近1000亿公里的场景数据，能够覆盖绝大多数想象中的长尾场景，采用仿真系统能将测试里程提高5-6个数量级。

这给滴滴自动驾驶提供了足够丰富的数据。

正是基于这些庞大的数据量，滴滴自动驾驶系统才能够不断在训练中实现迭代升级，而以这些真实世界的数据作支撑，滴滴自动驾驶系统得以生成经营地图、安全地图和技术地图。

滴滴三张地图不仅能够帮助滴滴提升区域洞察度，还能加速自动驾驶的应用部署。

例如在路测环节，区域的选择可以直接影响到测试的效率与效果，滴滴所独有的三张地图及其背后的数据系统，可以10秒钟筛选出最具有测试价值的地点，而不用像其他自动驾驶公司需要从头到尾收集数据，周期可能长达半年，甚至更久。

此外，滴滴还可以将经营地图、安全地图、技术地图进行整合，在滴滴8年累计的经营数据基础上，形成滴滴的自动驾驶战术地图，帮助其在有限的能力和时间范围内，实现自动驾驶与滴滴网约车的混和派单模式。

这一模式可以根据路况、天气和路径决定为普通车辆和自动驾驶车辆派单，进而减少车辆与乘客的等待时间。

而在自动驾驶汽车规模化部署之后，平台的综合运营能力将更为重要，从最基础的汽车维修、保养、加油、充电、清洁端到端的服务能力都能赋能自动驾驶汽车。

Robotaxi落地离不开整个出行生态圈的协同合作，要推动智能出行市场，AI技术、造车实力、出行平台缺一不可。

当前，滴滴自动驾驶已经手握以上最好的资源。

恰到时机的整合，是滴滴自动驾驶商业落地最重要的一步。