案例背景
据财新网2026年9月21日视线栏目报道，特斯拉Cybercab无人出租车在北京展开巡展，舆论普遍将这一动作解读为无人出租车十年赛局拉开序幕的信号。Cybercab是特斯拉面向Robotaxi场景设计的专用车型，采用双座布局，取消方向盘与踏板，依赖纯视觉自动驾驶方案，其商业化前提是监管许可、运营网络与安全数据三者的同步成熟。此时在中国市场以巡展方式亮相，本质上是产品尚不能购买、尚不能乘坐阶段的公众认知预热。
值得注意的是竞争格局的时间差。以萝卜快跑等为代表的本土玩家，已经在多个城市开展Robotaxi的实际运营，积累了公开道路的里程数据、用户乘坐体验与监管协作经验。这意味着特斯拉面对的并不是一片空白的市场：一方面，本土先行者已完成了部分市场教育，公众对无人出租车的认知门槛降低；另一方面，后来者必须在已有参照系中被评价，公众会自然比较服务可用范围、价格、安全记录与乘坐体验。与此同时，数据合规、地图资质、事故责任划分与保险安排等现实约束，决定了巡展与真正商业化之间仍存在不短的距离。如何在热度与可行性之间管理公众预期，成为本案例的核心议题。
核心分析
一、巡展即预期管理：新技术产品上市前的沟通逻辑
在经典4P框架中，促销的首要任务是促进转化，但对尚不可购买的新技术产品而言，上市前传播的首要任务是预期管理。巡展把抽象的概念产品实体化，让公众能够看见、靠近、拍照并讨论，属于典型的预热营销。预期管理存在两种方向相反的风险：期待过低，无法争取早期采用者、合作伙伴与资本关注；期待过高，一旦量产或落地延期，落差会转化为品牌信任的损耗。特斯拉惯用的传播路径是先以高概念产品拉高叙事上限，再用工程与监管现实逐步收敛，其风险在于落差会被反复累积。管理上必须严格区分承诺与愿景：可验证的参数、已获得的许可、已确定的时间表属于承诺，远期构想与理想场景属于愿景，两者在传播语言中要明确区隔，避免愿景被受众当成承诺。对强监管行业而言，这一点尤为关键，因为被抬高的期待最终会转化为对监管部门的压力。
二、体验营销与信任建立：技术接受模型与创新扩散视角
技术接受模型（TAM）认为，感知有用性与感知易用性共同决定使用态度，进而影响使用意愿。对无人驾驶而言，感知有用性表现为省时、省钱与全天可得；感知易用性在无人场景下则转化为可理解、可预期与可控感。在高风险技术中，信任是连接感知与意愿的关键中介变量，没有信任，再强的有用性也无法转化为乘坐行为。因此巡展的体验设计应着力降低不确定性：让传感器与决策过程可视化，用屏幕解释车辆看到了什么、准备做什么；在过渡期保留安全员，为公众提供心理锚点；路线设计从封闭园区、固定线路渐进到公开道路，让用户的能力感与车辆的能力同步成长。从创新扩散理论看，早期采用者会自然聚集，但跨越鸿沟进入早期大众，需要的不是更炫的技术演示，而是可比较的安全记录、清晰的事故责任划分与可靠的服务兜底方案。
三、监管沟通与市场教育的双线并行
Robotaxi的沟通对象不止消费者，还包括监管方、城市管理者、保险公司与潜在运营伙伴，属于典型的多受众沟通。面向监管的语言是安全数据、冗余设计、远程接管能力、事故责任与保险安排；面向公众的语言是日常化的场景叙事，例如接送孩子、夜间通勤、机场往返。两条线必须口径一致，因为任何一方的承诺都会被另一方引用与放大。对后来者而言，本土玩家已先行运营带来了双重影响：市场教育成本下降，但比较基准上升，本土运营经验、成本控制与合规资质构成了明显的先发优势。因此在中国市场的推进策略上，市场教育的节奏应当略落后于监管沟通的实质进展，先取得可公开验证的许可与试点进展，再放大公众传播，避免认知跑在许可之前形成期待泡沫。这也揭示了一条更普遍的原理：在强监管行业中，营销节奏必须服从于合规节奏。
管理启示
第一，新技术产品的上市前传播，核心任务是预期管理而非转化。企业必须在传播语言上把可验证的承诺与远期的愿景分层，避免愿景被误读为承诺，从而在落地延期时引发信任反噬。
第二，无人驾驶商业化的瓶颈在信任而非技术展示。体验设计应针对感知有用性、易用性与可控感展开，并用安全数据、责任方案与渐进式开放来跨越创新扩散的鸿沟，把早期采用者的热情转化为早期大众的使用习惯。
第三，强监管行业的营销是多受众沟通，且营销节奏必须服从合规节奏。监管沟通与市场教育应同步推进、口径一致，先取得可验证的进展，再放大公众传播。
其他思考
- 巡展带来的高关注若无法在短期内转化为可乘坐服务，品牌应如何管理期待落差与舆情风险？
- 在无人驾驶的信任建立过程中，公开安全数据与安全员随车，哪一种对早期大众更有效？两者能否组合使用？
- 面对已先行运营的本土玩家，后来者应以技术差异化切入，还是以场景选择、价格与服务网络切入？
关键词：预期管理、技术接受模型、体验营销、创新扩散
来源：财新网 | 整理：经管大课堂
原文链接：https://www.rcbom.com/mkt/6329.html
