蘑菇車聯如何拿下新加坡官方首個自動駕駛巴士項目？

導讀：中國自動駕駛出海，得破解三大難題。

李彥丨作者

薛向丨編輯

壹覽商業丨出品

過去幾年，自動駕駛技術席卷全球。RoboTaxi領域率先掀起熱潮，但在高成本、強監管與商業模型尚未閉環的現實下，行業開始將目光轉向更具公共屬性、需求剛性的公共交通場景。自動駕駛巴士，因其線路固定、運力集中、對安全與效率高度敏感，被視為自動駕駛率先實現規模化落地的關鍵切口。

在這一背景下，能否進入城市公共交通體系，逐漸成為區分自動駕駛企業“實驗階段”與“工程化階段”的重要標志。而新加坡，正是全球少數幾個在監管、基礎設施與城市復雜度上同時具備“高標準試驗條件”的市場之一。

2025年10月，新加坡陸路交通管理局公布了一則自動駕駛領域中標結果：新加坡首個正式納入公共交通系統的L4級自動駕駛巴士項目，由中國自動駕駛企業蘑菇車聯，聯合比亞迪及MKX Technologies、autonoma組成的聯合體獨家中標。

作為全球智能交通建設的先行者，新加坡對自動駕駛技術的安全性、穩定性與本地化適配能力有著近乎苛刻的要求，因此在服務商選擇上一向謹慎。此次項目選取了兩條復雜度較高的真實公交線路：191路服務于緯壹科技城（one-north），科技企業與通勤人群高度密集；400路貫穿濱海灣、珊頓大道等核心商業與旅游區，人流、車流高度復雜。

這意味著，自動駕駛巴士需要在早晚高峰、復雜路口、密集人流等條件下，與傳統公交車執行同一運營標準。在這一前提下，參與競標的企業并不局限于自動駕駛初創公司，也包括多家具備整車制造或本地交通系統經驗的國際化企業。

1

為什么說前裝量產是自動駕駛的必要條件?

在自動駕駛行業，前裝量產是自動駕駛技術邁向規模化商用的重要標志。

長期以來，大量自動駕駛巴士項目依賴后裝改造，在現有車身結構上外掛和加裝傳感器、控制器、執行器等硬件設備進行示范運營。這類模式在技術驗證階段具有一定靈活性，但在公交場景下，其與原車系統的兼容性依賴外接協議，導致系統可靠性、合規性與規模化能力存在天然上限。

比如，在歐洲不少自動駕駛接駁項目，本質上就是“在既有車型平臺上加一套自動駕駛包”。法國Bluebus就曾與NAVYA合作，將Navya Pack傳感器套件及Navya Drive/Operate軟件模塊集成進車輛平臺，形成 Bluebus Autonom；自動駕駛軟件公司Imagry也被IEEE Spectrum提到，會把自研自動駕駛技術改裝進標準電動公交后交付給公交機構。

類似的“套件化改裝”可以更快跑通示范，但一旦進入公共交通系統，認證、運維與系統級可靠性就會成為真正的門檻。

相比之下，蘑菇車聯較早選擇了前裝量產路線，推出“前裝量產+視覺與固態激光雷達融合”的技術方案。與后裝改造相比，前裝量產使自動駕駛系統從底層即融入整車動力、制動、轉向系統，指令響應速度更快、執行精度更高，可以有效規避后裝改造中常見的信號延遲、指令沖突等問題。

同時，由于后裝改造的車型缺乏整車級合規認證，因此難以獲得市場準入條件。同時，整個改裝過程主要依賴人工調試，硬件采購為小批量定制，導致單車改造成本高，不具備規模化降本條件。

前裝量產模式下，核心硬件如傳感器、控制器均經過高低溫、雨雪、振動等嚴苛環境測試，對復雜路況的適應能力更強，且需通過整車級環境與安全測試，符合功能安全、信息安全等認證標準，更能滿足長期公交運營要求。

體驗方面，前裝車輛的傳感器按最優感知視角嵌入車身，不僅不破壞車輛外觀，還能降低風阻，同時減少了外掛設備被損壞的風險。軟件層面，自動駕駛系統與車載智能座艙、車聯網系統無縫銜接，提供更自然的人機交互體驗。

成本方面，前裝模式可依托車企成熟的量產體系攤薄研發與硬件成本，隨著產量提升，硬件成本會持續下降，更有助于自動駕駛巴士的規模化落地。更關鍵的是，前裝自動駕駛車輛符合國家機動車產品準入標準，可納入工信部車輛產品公告，具備合規的市場準入資質。

基于前裝量產模式，蘑菇車聯通過前瞻性的自動駕駛套件設計，實現了技術的平臺化開發與規模化應用，使算力性能提升2.8倍，適配周期從原先的4-10個月縮短至1-2個月，全面提升自動駕駛巴士的規模化商用速度。

這也解釋了一個長期被行業忽視的事實：后裝改造可以示范運營，但無法真正進入公交系統；前裝量產，才是自動駕駛規模化商用的唯一解。

目前，蘑菇車聯自動駕駛巴士MOGO B2已完成工信部公告備案。該車型采用自動駕駛套件與車身一體化設計，將自動駕駛域、智能座艙域與車身底盤域深度融合，使車輛的穩定性與安全性得到進一步提升，成為行業內極少數真正具備規模化交付與商業運營能力的L4級自動駕駛巴士車型。

2

感知系統，決定規模化上限

除了量產能力，感知方案也是此次競標中被反復討論的焦點。

兩年前，機械式激光雷達仍是行業主流，但隨著自動駕駛巴士進入常態化運營，其結構復雜、成本高、壽命與車身融合度不足等問題逐漸暴露，成為規模化落地的掣肘。基于對趨勢的判斷，蘑菇車聯選擇擺脫對機械雷達的依賴，轉向“視覺為主+固態激光雷達”的融合感知路徑，以更高的可靠性、耐久度、集成度與成本可控性適配公交長期運營需求。

硬件方面，該方案采用128線主固態激光雷達，兼顧遠距探測與中遠距小目標識別，同時輔以4顆高線束補盲雷達，點云密度提升3-6倍，可精準鎖定行人、非機動車，降低復雜路況漏檢風險。依托BevFusion算法，圖像與點云數據深度融合，實現“1+1>2”效能。相較傳統方案，目標感知距離提升超50%，漏/誤檢率下降70%，接管率大降兩個數量級，全面提升自動駕駛巴士行駛安全性與可靠性。

成本方面，隨著國產替代加速，單顆固態激光雷達的成本已降至1000-3000元，整套方案的成本僅為傳統機械雷達方案的1/3~1/5。另外固態激光雷達抗振動、抗沖擊能力強，其使用壽命可達8-10年，基本實現低成本維護。

更關鍵的是，傳感器路線會鎖定數據體系。機械與固態的數據難以兼容，一旦押錯路線，數據積累難以遷移。蘑菇車聯提前完成路線切換，使其更早進入“視覺+固態激光雷達”多模態數據的規模化積累階段，為后續迭代與商用交付打下基礎。

與RoboTaxi不同，自動駕駛巴士車體更大、慣性更強、盲區更多，同時承載人數也顯著高于乘用車。

首先，控制更難。相比輕巧的乘用車，巴士慣性大、剎車距離長，對車輛動力學控制的精度與預測能力要求高出數倍。

其次，視角不同。自動駕駛巴士盲區更大，傳感器的型號、位置、角度、數量和搭配與乘用車差異顯著，這就導致乘用車數據難以直接用于自動駕駛巴士的算法訓練。

第三，責任更重。巴士承載人數是乘用車的數倍，對系統安全性的要求呈指數級上升。

這也決定了乘用車的數據，無法直接遷移到自動駕駛巴士，而需要更全面、更豐富的巴士數據集作為支撐。蘑菇車聯基于視覺與固態激光雷達的多模態數據集，已構建起全球最大的巴士車型數據集，同時依托路側感知設備連續采集的真實道路交通數據，形成獨有的路側數據集，用于訓練預測與決策規劃模型。

無論是接管事件、不舒適體驗還是潛在風險數據，都會被自動上傳至云端，通過仿真系統與數字孿生快速復現問題，并生成針對性訓練數據或仿真場景，注入下一輪模型訓練，從而形成“發現問題-數據生成-模型迭代-驗證部署”的高效閉環。這一閉環，使自動駕駛系統不再依賴人工規則堆疊，而是通過數據驅動持續優化，逐步向“認知驅動”演進。

截至目前，蘑菇車聯的自動駕駛巴士MOGOBUS已在國內10余個城市落地運營，為超過20萬人次提供智能出行服務，累計里程超過500萬公里。真實的里程數據，為蘑菇車聯的技術迭代體提供了依據。

3

自動駕駛出海，還得過本地化這一關

如果說技術能力決定能否入場，那么本地化適配能力決定的是項目能否真正運行。

新加坡高溫多雨、道路緊湊、人流密集，同時采用右舵左行規則，這些因素疊加在一起，對技術方案提出了極具地域特色的挑戰。對此，蘑菇車聯并非從零開始適配，而是將在中國復雜城市環境中經過驗證的算法與運營策略平滑遷移到新加坡，再針對性本地情況進行調整適配。

與此同時，蘑菇車聯貼合新加坡交通法規，在模型訓練中重點融入當地駕駛規則（如右舵靠左行駛、行人優先原則）和本地路況（如濱海灣人流、環島路口），優化游客密集區的避讓與停車策略。

正是在“前裝量產能力、傳感器路線選擇、真實運營數據閉環、快速本地化適配”等多重能力疊加之后，蘑菇車聯才能在這場匯集了本地智慧交通服務商、日本豐田通商亞太公司等全球化企業的競標中脫穎而出，向新加坡交付一套真正具備公交級穩定性與長期運營能力的自動駕駛方案。

隨著越來越多城市面臨司機短缺、運營成本上升與低碳轉型壓力，自動駕駛巴士在需求端仍在上揚。而在這一進程中，具備前裝量產能力、長期運營數據與跨區域落地經驗的企業，將更容易實現規模化落地。

以新加坡為起點，在蘑菇車聯等企業的推動下，中國自動駕駛巴士的出海已從單一技術輸出轉向體系化能力輸出。未來，自動駕駛或將成為中國參與全球城市治理的新載體。