越过技术“塔顶”之后，自动驾驶迎来“赛点”

　　文：郑开车谈擎说AI主编
　　自动驾驶的“烧钱游戏”仍在继续下去。
　　8月2日，小鹏汽车与阿里合建的自动驾驶计算中心落地，CEO何小鹏表示，智能化自研路线下，“到2025年小鹏汽车每年的算力费用会超过10亿元”，同时小鹏汽车将进入到真正的自动驾驶时代。
　　从Waymo吹过的牛皮来看，小鹏汽车的目标还是偏乐观了一些。
　　2017年Waymo开始了自动驾驶业务，彼时Waymo内部员工透露已经解决了99无人驾驶的问题。后来的事实证明，解决最后那1的难度，是前面99的数十倍甚至于数百倍。
　　相比小鹏、特斯拉等主机厂的乐观预计，外部的声音显然更理性一些，此前Gartner预测，实现真正实用的L4级自动驾驶依旧需要10年的时间。
　　从商业化的蹒跚学步，到真正扛起人们无人驾驶出行的愿景，当下的自动驾驶行业究竟还差些什么？自动驾驶离真正商业化还有多远？透过行业现状和发展，我们不妨来窥探一二。
　　分化与融合后，自动驾驶开到商业化中途
　　走出襁褓之后，自动驾驶落地，还需要解决两个核心的路线问题。
　　在落地的方式上，是做单车智能还是车路协同？
　　在技术路线上是走视觉路线还是雷达路线？
　　单车智能是主机厂主推的方案，不仅是因为自动泊车、自适应巡航之类的功能性更容易带来方便舒适的体验，更是因为对于汽车制造商来说，绝对的行业话语权下，对自动驾驶技术的控制是一种战略上的必然。
　　无论是特斯拉的FSD、还是小鹏的NGP、抑或是蔚来的NOA，主机单车智能的自研的市值其实就希望把未来的主行业话语权掌握在自己手中。
　　过去掌握汽车绝对行业话语权的核心，是内燃机传动技术，而未来行业话语权的核心，其实就是自动驾驶以及相关的智能交互技术。
　　为什么汽车行业中大家都非常重视华为、百度、小米等后来者的竞争，核心在于，作为一个非传统行业的“外来者”，这些企业正在把战略的触角伸向未来行业话语权的中心。这一点是宝马、奔驰、大众以及两田们所不能接受的。
　　因此，一个基本的判断是，单车智能的落地，依旧会是主机厂与新势力们“决战”的主战场。
　　单车智能虽然是一个基本的方向，但这不意味着车路协同就没有价值。事实上，两者之间相辅相成。当下自动驾驶落地的一个基本的情况是，政策引导是自动驾驶商业化不可或缺的推动力，而车路协同路线是受G端推动的较多的自动驾驶落地路径。
　　这对主机厂之外的第三方自动驾驶企业来说，意味着商业化有了新的出路。
　　第三方自动驾驶公司的商业化落地方向上，要么是做Robotruck、Robotaxi到一二级市场融资，然后转身继续做研发直到有一天技术成熟了放个大招，要么就选择与一些智能化实力较差的主机厂合作。
　　前者的问题在于，资本越来越谨慎的当下，Robotruck、Robotaxi的故事资本还会不会买账，后者面临的尴尬境地是，自动驾驶公司与主机厂体量相差太大，且主机厂想要获得话语权，对自动驾驶公司的并购就几乎成了一个必选项。
　　在谈擎说AI看来，车路协同对于自动驾驶商业化落地的最大意义，是给了第三方自动驾驶公司真正能够尝试独立商业化的机会。
　　在北京首个车路协同商用示范项目一年多之后，蘑菇车联在衡阳落地了首个城市级自动驾驶项目，总投资五亿，车路协同路线下自动驾驶开始尝试进入商业化阶段。蘑菇车联的朱磊对外解释，他们在做的其实就是一套技术体系加一套运营体系。
　　之所以能够得到G端扶持，是因为在技术路线上，车路协同与5G、智慧交通、新基建等方向契合，企业也更容易拿到订单和资金支持。巧妇难为无米之炊。有了收入，团队就更容易度过前期的技术研发阶段。
　　从发展的方向上来看，无论是单车智能还是车路协同，其实都是为了实现最终的无人驾驶，达成这个目标离不开一辆聪明的车，也离不开一条智慧化的路。
　　事实上，相比路的智能化，车的智能化仍然需翻山越岭，到达技术的珠峰。自动驾驶视觉路线、激光声波雷达两种路线的分化，使得在商业化中途上，做自动驾驶的车企不得不面临着更多风险和问题。
　　近日，在美国犹他州，一辆特斯拉model3撞上了一名摩托车骑手并致其丧生。值得注意的是，犹他州公共安全部表示，该肇事特斯拉司机坚称自己“开启了自动驾驶，并且没有看到摩托车骑手”。
　　这起安全事故，再度引发了业内人士对于纯视觉路线下自动驾驶安全性的担忧。事实上，相比激光雷达方案，纯视觉路线下车辆智能系统缺乏对距离的感知，需要算法更加有“决断力”。
　　换言之，从辅助驾驶到自动驾驶再到无人驾驶，算法判断能力需要尽可能地从满足99到满足最后的1。也就是说，从技术冗余度的原则上来看，雷达方案可能仍然是自动驾驶技术离不开的技术路线选择。
　　在这一点上，国内造车新势力的“御三家”蔚来、小鹏、理想有着共识。从蔚来、小鹏、理想三家的自动驾驶进化路线上来看，三家都不约而同地采用了视觉雷达高精地图的解决方案。
　　蔚来方面，其推出的ES8、SE6以及部分EC6车型采用了摄像头毫米波、超声波雷达的技术方案，2020年之后生产的EC6则在原有方案增加了高精地图。2022年发布的ET7、ET5增加了激光雷达、环绕摄像头、高精地图以及V2X的技术解决方案。
　　小鹏方面，目前P7车型采用的环绕摄像头毫米波、超声波高精地图的技术方案，未来的车型规划上，P5以及G9车型也都将采用激光雷达、环绕摄像头、高精地图和超声波雷达。
　　理想方面，除了升级前的理想ONE没有用上高精地图之外，在2021理想ONE车型上已经配备了前摄像头毫米波、超声波雷达和高精地图，L9车型上则会加入激光雷达。
　　技术路线上的分化最终意味着产品上的差异化。不同的技术路线也意味着需要解决不同的技术、商业上的落地问题。
　　比如，特斯拉采用全视觉解决方案，或许正是对自己的算法、数据有足够的自信，更需要向成本妥协。只不过，事实证明，这样的自信可能有些过头了。
　　再比如，对于舍得堆料的新势力们来说，硬件成本可能始终是蔚小理需要解决的问题，在芯片涨价之前，Model3显然更具成本上的优势。因此，关键在于平衡，商业化落地未半，如何最大化收益才是各家关心的焦点。
　　塔顶过后的赛点：硬件是自动驾驶规模化的关键
　　即便是市场对行业充满信心，但这两年，自动驾驶相关企业还是经历了一波冷静期。
　　天眼查APP信息显示，自动驾驶领域的企业注册增速已经不足10。这意味着行业中的玩家们意识到了，第一波的淘汰赛的号令枪已经打响，大家拼的不再是一二级市场的融资能力，而是需要通过实实在在的商业化能力去造血。
　　当前自动驾驶对于汽车厂商的最大的价值，就是能够提升技术溢价。
　　在工程上，造一辆特斯拉未必会比造一辆宝马难，但有自动驾驶技术光环之后，内饰装修简陋的Model3也能和宝马卖一个价。
　　对于终端销售来说，同样是30大几万，过去的你可能更愿意买一辆3系，而今天的你则可能会去买一辆特斯拉Model3，虽然特斯拉远不及宝马豪华运动，但你知道能够选装FSD的特斯拉才是未来。
　　毕竟，谁都想引领潮流，当自动驾驶成为整个汽车产业发展的新潮流，用户很难不愿意为其买单。这也是为什么当下特斯拉，蔚来、小鹏这些玩家，更强调落地，因为从“技术溢价”的角度来看L2、L3级自动驾驶能满足现阶段的商业化需求。
　　透过现阶段来看，自动驾驶进阶的商业化，在于自动驾驶本身对于劳动力的替代。
　　在商业化中，技术最大的价值是什么？是对成本的迭代。内燃机为什么取代了蒸汽机，电动化为什么终将取代内燃机，是因能源的使用成本更低。
　　自动驾驶的商业化也同样符合这个逻辑：如果自动驾驶商业化能够替代劳动力，那么自动驾驶的商业化会进入一个飞快地落地阶段。
　　这也是为什么资本开始关注Robotruck赛道，因为在Robotruck领域，L3、L4级的商业化应用可能会更早，这个阶段中，技术上成熟相对来说更容易，因为场景相对更封闭，在事故责任判定、运营安全等法律、伦理问题上更容易处理。
　　另一边，我们看到，在商业化的中途上，自动驾驶企业呈现出一种殊途同归的趋势：死磕L4自动驾驶的开始研究容易落地的L2，做L2的自动驾驶公司开始研究L3、L4，目的只有一个，加速商业化落地，加快形成自我造血体系。
　　另外，从商业的角度来看，更加商业化的落地场景下，自动驾驶技术更能发挥出替代劳动力成本的优势，一旦在商业场景中自动驾驶有了成本上的优势，那么这一领域的规模化落地就没有想象中那么难。
　　当然，相比Robotruck，此前备受关注的Robotaxi领域，想要做到劳动力替代还很难。所以我们看到小马智行等玩家，尝试在进一步融合两个业务开发团队，因为两者在技术上并没有本质上的不同，合并资源之后，反而可能更容易推进落地进程。
　　目前，赛道玩家正在进行初步的商业验证，不久之后，可能就会看到在无人矿车、封闭区域无人货运等领域中，自动驾驶技术进一步商用。
　　事实上，自动驾驶商业化的真正价值点，就是对于人力生产的替代，这也是AI技术发展的核心商业逻辑之一。但目前来看，距离这个商业化的目标还很远。
　　谈擎说AI认为，自动驾驶在越过技术塔顶之后，最后的商业化赛点在于成本和落地规模。因为技术本身是存在边际成本递减效应的，自动驾驶技术亦然。
　　自动驾驶规模化落地，核心在于硬件的价格以及人们的接受程度。
　　如果计算平台L4级传感器的价格能够降到10万元以内，那么，自动驾驶在商业上的规模化就能够更早到来。
　　事实上，去年12月，元戎启行发布的L4级方案成本不足1万美元（约6。4万元人民币），今年4月再次下降至仅需3000美元（约2万元人民币）。今年，轻舟智航更是公布了成本可低至1万元的车规级自动驾驶方案。
　　当然，不排除低价方案本身有着博眼球的目的，但从产业发展的趋势上来看，低价是一个可见的发展趋势。
　　一方面，产业链的成熟促使硬件价格的不断下降，博世、华为、大疆以及众多国内创业企业新推出的激光雷达产品拉低了硬件价格，为规模化自动驾驶硬件能力规模化上车打下了提前量。
　　另一方面，技术落地的法规障碍正在被扫除，自动驾驶商业落地也会进一步扩大市场对于硬件总量的需求，进而使得单位成本有被压缩的空间。换言之，产品越成熟，硬件成本就越低，自动驾驶的规模化落地就有了现实条件。
　　事实上，深圳出台自动驾驶上路法规，也是一个信号，这说明在立法上，自动驾驶汽车上路不再是阻碍。
　　真正的阻碍是什么？是人们对技术的接受程度。
　　比如，对于自动驾驶造成的交通事故，甚至是出现伤亡的交通事故，人们能不能真正接受？这个问题在立法之外，可能需要更长时间去解决，也就是说，即便技术成熟了，人们的心理上的接受还需要一个过程。
　　这个过程，也许到自动驾驶能力的车辆真正普及开来，销量上真正超过传统汽车时才能结束。以新能源车为例子，大家什么时候开始接受新能源车的？其实是新能源车开始大规模普及的时候。
　　从目前的市场环境来看，要达到这样的一个目标，十年可能仍然不够，对于车企和自动驾驶企业来说，仍然需要一个漫长的商业化旅程。
　　自动驾驶的商业化不是一场短跑，而是一场马拉松，而如今，这场马拉松尚未过半。传统车企、造车新势力、自动驾驶公司、互联网跨界巨头各位选手已经跑在了路上，至于谁能先到达“雅典”，传回胜利的音讯，值得拭目以待。