在科技前沿的浪潮中,自动驾驶行业的每一次组织变动都可能预示着技术路线的转向。近日,哈啰Robotaxi完成了一轮重要的内部架构调整,将原智能车-模型开发、系统方案与评测以及AI Infra-数据平台等团队整合为“模型开发与数据闭环部”,由CEO杨磊直接负责。这一举措不仅是对内部资源的重新梳理,更揭示了哈啰在AI技术上的战略聚焦——从单纯的出行平台,向“AI+自动驾驶”的深水区迈进。
组织架构调整:CEO直管模型开发与数据闭环
哈啰Robotaxi此次调整的核心,是将分散在智能车、AI Infra等部门的模型开发力量集中到一个统一部门之下。新成立的“模型开发与数据闭环部”下设模型开发部与数据闭环部,直接向CEO杨磊汇报。与此同时,AI原生车、二代车和量产工程交付的相关业务则由CTO于乾坤负责,智能车其余部门架构及汇报线保持不变。
这种“CEO直管核心算法部门”的做法,在自动驾驶行业并不多见。通常,CEO更关注战略与资本,CTO或首席科学家负责技术路线。但哈啰的选择,恰恰说明模型开发与数据闭环已经被提升到公司最高优先级。杨磊亲自挂帅,意味着他可以绕过层层汇报,直接调动全公司资源支持算法迭代。
从业务逻辑上看,自动驾驶的本质是“数据+算法+算力”的飞轮。过去,哈啰的模型开发、系统评测和数据平台分散在不同团队,容易产生协作摩擦。整合之后,模型开发与数据闭环形成闭环反馈:模型训练产生的问题能快速反馈到数据采集和标注环节,数据质量提升又反哺模型性能。
值得注意的是,哈啰Robotaxi还确认了具身智能公司无界动力前成员李一贤的加入。李一贤在具身智能领域的经验,可能为哈啰带来端到端模型、多模态感知等前沿技术视角。再加上CTO于乾坤负责AI原生车和量产交付,哈啰Robotaxi的基本盘已经清晰:一方面用大模型驱动算法创新,另一方面强化工程化能力,确保车辆能真正跑起来。
这一架构调整也与行业趋势吻合。越来越多的自动驾驶公司意识到,AI Agent技术不再是单点突破,而是需要组织层面的深度耦合。哈啰的“模型开发与数据闭环部”,本质上就是在打造一个以数据为燃料、以模型为引擎的自动驾驶中枢。
从Robotaxi到AI大模型:哈啰的技术野心
哈啰进军Robotaxi的时间并不长,但动作密集。2025年6月,哈啰宣布进军Robotaxi赛道,由哈啰、蚂蚁集团、宁德时代通过旗下投资主体共同发起成立的“造父智能科技有限公司”正式注册。三个月后,哈啰Robotaxi又获得了阿里巴巴集团战略投资。这一系列资本运作背后,是哈啰对“AI+出行”赛道的重注。
为什么共享出行平台要押注Robotaxi?传统网约车模式依赖司机供给,人力成本高企且管理复杂。Robotaxi一旦实现规模化运营,边际成本将大幅降低,且能提供24小时不间断服务。更重要的是,Robotaxi产生的海量路测数据,是训练自动驾驶大模型的核心资产。
哈啰的思路并非把自己定义为简单的“车厂”或“出行服务商”,而是试图构建一个“AI大模型+数据闭环+出行网络”的生态。在这个生态中,模型是大脑,数据是血液,而Robotaxi车队则是触达真实世界的传感器阵列。每一次出行,都在为模型注入新的训练样本。
这种思路与特斯拉的FSD、Waymo的Robotaxi有异曲同工之处,但哈啰的差异化在于其庞大的两轮车用户基础与阿里生态的协同。蚂蚁集团的支付能力、宁德时代的电池技术,加上阿里的云计算和地图服务,让哈啰在AI技术的落地场景上拥有更多想象空间。
值得注意的是,哈啰在AI大模型端到端技术迭代上用力颇深。所谓端到端,是从传感器输入直接到驾驶决策输出的神经网络模型,摒弃了传统模块化流水线。端到端模型需要海量数据和高性能算力,这也是哈啰将“模型开发”单独成部、并由CEO直管的原因。
在AI画图等生成式AI技术迅猛发展的今天,自动驾驶仿真场景的生成也变得更加高效。哈啰可以利用生成式AI创建极端路况、罕见天气等测试场景,让模型在虚拟环境中获得更多训练经验。这正是最新科技与传统自动驾驶技术融合的典型体现。
巨额融资背后的算力军备竞赛
今年9月,哈啰Robotaxi宣布完成约1亿美金新一轮融资,本轮融资由上海国投先导基金领投,闵金投、创世伙伴创投跟投,投后估值接近30亿美元。这一估值在Robotaxi赛道中相当可观。资金将主要用于持续的研发投入,重点布局万卡集群算力平台、AI大模型端到端技术迭代,以及高质量数据供应链体系建设。
万卡集群,即由一万张以上AI加速卡组成的超大规模算力集群,是训练顶级大模型的基础设施。一个万卡集群的投入动辄数十亿元,且需要配套高速网络、存储和调度系统。哈啰明确把万卡集群作为融资用途之首,说明其目标绝非小规模的Demo级自动驾驶,而是面向L4级Robotaxi规模化运营的完整技术底座。
算力军备竞赛已成为自动驾驶行业的新常态。过去,自动驾驶的核心壁垒是高精地图和传感器融合;如今,随着大模型训练的深入,算力成为决定模型上限的关键要素。没有足够的算力,海量数据就无法转化为有效的模型能力。哈啰手握大额融资,能否在算力建设上跑出加速度,将直接影响其Robotaxi的商业化节奏。
除了算力,数据供应链体系同样关键。自动驾驶数据不同于普通互联网数据,它需要高精度标注、场景脱敏、多传感器同步等复杂处理。哈啰将“数据闭环”与“模型开发”并列,说明其已经意识到:数据不是简单的“矿石”,而是需要精炼的“原油”。数据供应链的质量,决定了模型训练的天花板。
在资本市场的冷周期中,哈啰Robotaxi能获得近30亿美元的估值,说明投资人对其技术路线和组织能力抱有期待。但万卡集群、数据供应链的建设都需要持续烧钱,如何将技术优势转化为商业回报,仍是哈啰必须回答的问题。在此之前,AI工具导航中不乏帮助开发者管理算力和数据的效率工具,但自动驾驶领域的专用方案依然稀缺——这既是挑战,也是机会。
人才争夺战:具身智能与自动驾驶的交叉融合
李一贤的加盟,是本次组织调整中颇具信号意义的事件。李一贤此前任职于具身智能公司无界动力,而具身智能与自动驾驶共享诸多底层技术:多模态感知、运动规划、世界模型、强化学习等。两者的交叉融合,正在催生新一代AI技术人才。
自动驾驶公司挖角具身智能人才,并非个例。具身智能强调智能体与物理世界的交互,其训练场景往往比道路行驶更复杂、更多样。一名在具身智能领域有深厚积累的研究员,往往具备更强的迁移学习能力和对不确定环境鲁棒性建模的经验。这些能力对于提升Robotaxi在长尾场景下的表现至关重要。
更深的层面是,Robotaxi本身就是一种“具身智能”——它拥有传感器组成的“感官”、计算平台构成的“大脑”、以及控制车辆运动的“肢体”。从这个角度看,哈啰引入李一贤,不只是补强算法团队,更是在布局下一代自动驾驶架构:将大语言模型、视觉语言模型与驾驶决策模型统一起来,打造一个能理解复杂交通场景、能与乘客自然交互的“通用自动驾驶智能体”。
在技术路线上,哈啰强调的“AI大模型端到端”本身就与具身智能的“感知-决策-控制”一体化理念高度契合。传统自动驾驶系统由感知、预测、规划、控制等模块串联而成,每个模块独立训练,误差会逐级传递。端到端模型则试图用一个统一网络直接输出控制指令,避免信息丢失。
这种融合也体现在数据层面。具身智能中的“操作数据”与自动驾驶中的“行驶数据”虽然在分布上不同,但底层的数据闭环方法论是相通的。哈啰设立“数据闭环部”,并与模型开发部并列,正是为了高效处理多源异构数据。未来,哈啰甚至可以利用文生图技术生成更多样化的训练数据,比如将路测场景中的车辆、行人进行风格迁移,模拟不同光照、天气等条件,从而提升模型的泛化能力。
人才争夺战背后,是行业对AI技术主导权的争夺。哈啰能否借助李一贤等人才实现技术跃迁,仍需时间检验,但至少组织架构已经给出了明确的方向:让懂AI的人掌舵,让技术创新驱动业务。
数据闭环:自动驾驶规模化落地的新护城河
“数据闭环”是此次组织调整中的另一个高频词。简单来说,数据闭环指的是从海量路测数据中挖掘有价值的长尾场景,通过标注、训练、评估再投入路测的循环过程。它解决了自动驾驶中最棘手的问题:如何用有限的数据覆盖无限的Corner Case。
传统方式下,自动驾驶公司会积累大量路测数据,但其中90%以上是正常驾驶场景,真正有训练价值的极端场景可能只有不到1%。如果没有高效的数据闭环,这些长尾数据就会被淹没在数据海洋中。而哈啰将数据闭环独立成部,意味着其将用工程化手段系统性地“淘金”。
数据闭环的核心能力包括:场景挖掘、自动标注、在线评估和再生式数据生成。其中,自动标注高度依赖AI技术。一辆Robotaxi每天产生的数据量可达TB级,人工标注根本无力应对。只有借助预训练大模型进行自动标注,才能在合理成本内完成数据清洗。此时,一些通用的抠图技术也能派上用场——虽然它更多用于静态图像分割,但在数据预处理阶段,将动态物体与背景分离、去除无关噪声等操作,与抠图的底层逻辑并无二致。
更为前沿的是再生式数据生成。利用生成式AI,系统可以基于真实场景重建出虚拟的相似场景,并且自由改变其中要素,比如把晴天变成暴雨,把空闲道路变成拥堵街道。这些合成数据与真实数据混合训练,可以极大扩充样本空间。可以说,AI图片生成技术的发展,正在悄悄改变自动驾驶数据游戏的规则。
对于哈啰而言,数据闭环还有一层独特优势——其拥有庞大的两轮车出行网络。两轮车与四轮车在道路上相互交织,共享交通流数据。哈啰可以通过两轮车收集到的骑行轨迹、事故热点等信息,为Robotaxi提供先验知识与风险地图。这种“大小交通融合”的数据生态,是其他Robotaxi玩家难以复制的。
当然,数据闭环的建设并非一日之功。它需要从数据采集、传输、存储、标注到训练、仿真、部署的全链路自动化运作。哈啰将数据闭环与模型开发并列,并由CEO直接拍板,某种程度上也是向外界传递信号:哈啰愿意用长期主义的耐心来打磨这一护城河。
写在最后:科技前沿的浪潮与挑战
哈啰Robotaxi的这轮组织架构调整,让我们看到科技前沿领域正在发生的一些深层变化。过去,自动驾驶的竞争聚焦于传感器配置和硬件成本;如今,竞争的胜负手已经转向大模型、算力集群和数据闭环。哈啰将CEO推到技术一线,正是对这种趋势的敏锐回应。
然而,组织调整只是第一步。万卡集群的搭建需要持续资金投入,数据供应链的成熟需要时间沉淀,端到端大模型的可靠性更需要大量路测验证。哈啰Robotaxi能不能在即将到来的淘汰赛中胜出,最关键的是看其能否将组织势能真正转化为技术势能和商业势能。
从行业格局看,百度Apollo、小马智行、文远知行等玩家早已在Robotaxi领域深耕多年,特斯拉的FSD也虎视眈眈。哈啰作为后来者,最大的优势在于其生态协同能力和对AI技术的坚决投入。背靠阿里、蚂蚁、宁德时代,哈啰有机会走出一条“出行+AI+能源”的差异化道路。但时间窗口可能不会太长,技术迭代的速度决定了所有玩家的生死。
我们不妨保持乐观。自动驾驶行业每一次曲折前行,都是在为人类出行描绘更安全的未来。在这一进程中,AI工具箱正在成为开发者不可或缺的伙伴,而哈啰的故事也为科技前沿的观察者们提供了一个鲜活的样本:企业如何通过组织重构,去拥抱最新科技带来的变革力量。
未来的道路注定不会平坦,但方向已经清晰。哈啰Robotaxi的路径,或许就是中国自动驾驶产业在AI大模型时代的一种缩影。让我们拭目以待。