Travis Kalanick的Atoms公司：可能重塑城市出行的机器人出租车复兴
2026/9/7
乘车共享愿景家的回归
Travis Kalanick在2017年离开Uber后，并没有悄悄淡出风险投资的默默无闻。他的幽灵厨房企业CloudKitchens让他忙碌了多年——但自主车辆领域，这个在他任职期间消耗了Uber数十亿美元并引发激烈政治斗争的竞技场，显然从未离开过他的脑海。如今，通过他的新公司Atoms，据说Kalanick正在关注机器人出租车市场，将该企业描述为他完成「未竟事业」的机会。
这个措辞分量十足。在Kalanick的领导下，Uber在自动驾驶技术中投入巨资，收购了自动驾驶卡车初创公司Otto，并与Waymo在一场高调的商业秘密诉讼中发生冲突。消除驾驶员的梦想——以及随之而来的乘车共享中最大的单项成本削减——曾是Uber早期身份的核心。Kalanick从未看到那场赌注获胜。现在他想再尝试一次。
Atoms是什么，为什么它很重要？
Atoms在很大程度上仍在公众视野之外运作，这是早期深度科技企业的特点——过早披露可能会招致监管审查和竞争对手的模仿。已知的是，Kalanick一直在建设该公司，其雄心超越了软件——「Atoms」这个名称本身表明了对物理世界而非仅仅算法的兴趣。
如果Atoms确实进入机器人出租车市场，它将加入一个自Kalanick的Uber时代以来已经大幅成熟的领域。Waymo现在在美国多个城市运营完全无人驾驶的商业服务。Zoox（由亚马逊拥有）正在开发专为自动驾驶设计的车辆。百度的Apollo Go服务在中国已累计完成数百万次行程。技术门槛极其之高——资本需求也是如此。
机器人出租车背后的技术栈
构建具有竞争力的自动驾驶汽车平台意味着需要同时解决一个相互关联的困难问题堆叠。理解这些层有助于解释为什么许多资金充足的公司都遭遇了挫折。
感知是基础。机器人出租车必须融合来自多种传感器模式的数据——摄像头、激光雷达、雷达和超声波传感器——来构建其环境的实时模型。每个传感器都有优势和盲点；艺术在于融合算法，在大雨、眩光或不可预测的行人行为等边界条件下调和相互矛盾的输入。
预测和规划位于感知之上。车辆必须预测每个附近物体——汽车、骑自行车的人、追逐球的孩子——在接下来的几秒钟内可能会做什么，然后实时计算安全高效的路径。这是现代AI（特别是在庞大驾驶数据集上训练的基于Transformer的模型）取得最显著最近进展的地方。
边缘计算是硬件骨干。在安全驾驶所需的延迟下运行完整的感知-预测-规划管道需要强大的车载处理能力——NVIDIA Jetson AGX Orin等平台代表了开发人员用来原型设计和验证这些工作负载的硬件级别，在不需要云往返的情况下直接在车辆上提供数据中心级推理。在生产车队的规模上，通常采用专门设计的计算芯片。
高清地图和定位使车辆能够以厘米级精度了解相对于车道标记、路缘和交叉口的位置——一个高于单独GPS提供的层级。
车队运营和远程协助完成了整个画面。即使是当今最有能力的自主系统也受益于能够在真正新颖情况下进行远程干预的人类监督者，这一操作现实增加了显著的基础设施成本。
为什么时机很有趣
2024–2025年的机器人出租车景观处于一个拐点。Waymo的公开扩展正在生成真实的消费者采用数据。与此同时，特斯拉的「完全自动驾驶」雄心一直将该类别保持在头条新闻中，中国电动汽车制造商积极将先进驾驶辅助整合到大众市场车辆中。公众对无人驾驶汽车概念的接受度比五年前明显更高。
对于像Atoms这样的新进入者来说，这是一把双刃剑。市场验证是真实的——但已建立的参与者在行驶里程、边界案例数据和监管关系方面构建的领先地位也是真实的。追上来需要经过区分化的技术方法、地理优先战略以针对竞争较少的市场，或者利用现有车辆平台而不是从零开始构建的合作伙伴关系模式。
Kalanick的背景从根本上说是市场设计和运营扩展，而不是硬件工程。如果Atoms采取软件和运营的角度——构建调度、路由和客户体验层，同时与车辆制造商合作——那将是一个战略上连贯的举措。
这对更广泛的机器人生态系统意味着什么
机器人出租车推动，无论谁最终赢得它，对整个自主系统行业都有溢出效应。传感器融合、边缘推理和实时地图方面的进展已经迁移到四足机器人、自主物流平台和工业检测系统。为自动驾驶车辆开发的工程人才、数据集和计算架构正在成为更广泛领域的基础设施。
对于任何今天构建或研究自主系统的人来说——无论是一个使用Unitree B2平台进行现场导航的研究团队，还是在紧凑型边缘AI硬件上原型设计感知管道的开发人员——机器人出租车竞赛既是一个试验场，也是一个人才磁铁，形塑了整个行业的方向。
底线
Atoms仍然更多是一个问号而非已宣布的产品。但Travis Kalanick进入机器人出租车领域——带来他所拥有的经验、资本网络以及坦率地说个人动力——这不是一个业界会忽视的发展。无论它代表一个真正的第二幕还是一个昂贵的教训，说明该领域已经改变了多少，这个尝试将产生数据、竞争，可能还有裨益整个自主出行空间的创新。在前沿技术中，这很少是一件坏事。
对驱动下一波自主系统的AI计算和机器人平台感到好奇？探索RobotWorld的硬件产品线，为您的项目找到合适的开发基础。
参考资料
本文由AI协助起草，发布前已审查。