從技術發(fā)展到商業(yè)變現(xiàn)，自動駕駛正在經歷著有史以來最嚴酷的考量。

作者｜斗斗

編輯｜皮爺

出品｜產業(yè)家

每年，全世界都有將近120萬人死于車禍，這個死亡率相當于每年釋放10個廣島級別的原子彈爆炸。

而謀殺、自殺以及戰(zhàn)爭每年預計會造成160萬人死亡；由毒品導致的死亡人數(shù)每年約有18．3萬人。盡管全球死亡人數(shù)有很大一部分來源于本可避免的汽車事故，但是仍沒有哪個政府支持“向汽車宣戰(zhàn)”之類的活動，或者說呼吁人們停止開車。

這是一個有意思的現(xiàn)象，其中緣由也不難解釋。作為衣食住行中的“行”，汽車是剛需，是人們生活的底層保障，無法被取締。

難道就沒有什么方法來減少汽車事故嗎？

事實上，這種方法是存在的，就是將駕駛員從方向盤后面移開，取而代之的是智能軟件和傳感器。要知道無論汽車的安全保障如何完備，但駕駛員屬于不可控因素，自動駕駛可以從根本上解決這個問題，可以在很大程度上降低由汽車事故引發(fā)的死亡率

其實，自自動駕駛概念出現(xiàn)以來，企業(yè)賣力的吆喝、資本大手筆投錢，以及媒體鋪天蓋地的宣傳，給人一種自動駕駛將發(fā)展成為類似于“阿波羅計劃”的下一個文明里程碑的錯覺。

但由于自動駕駛一直沒有實質的商業(yè)化落地，導致企業(yè)時常高開低走，“雷聲大，雨點小”，從而導致市場上已經出現(xiàn)“狼來了”效應。“網上天天講自動駕駛已經上路了，我硬是一輛也沒看到啊！”

基于此，自動駕駛賽道，開始發(fā)生了一些變化。

由于無法實現(xiàn)商業(yè)化落地，企業(yè)曝光減少，資本撤資、媒體關注度下降，消費者不再像之前那么期待與青睞。在這個過程中，有些自動駕駛技術服務商抱著“視死如歸”的心態(tài)，堅守這一賽道，不斷的找投資人，拉投資，試圖渡過難關；有些服務商則選擇拓展其他業(yè)務，尋找其他增長曲線。

一些值得思考的問題是，自動駕駛商業(yè)化的難點到底在哪？在當下的自動駕駛競爭格局中，各個自動駕駛企業(yè)主們的破局路徑是什么？自動駕駛未來何時會來？

從技術發(fā)展到商業(yè)變現(xiàn)，自動駕駛正在經歷著有史以來最嚴酷的考量。

一、瘋狂“秀肌肉”下，夠不著的8萬億

吊人胃口的自動駕駛。

自動駕駛賽道不同于其他賽道，其涉及AI、大數(shù)據、物聯(lián)網、5G等各種新興技術，十分燒錢�；�于此，自動駕駛火爆的這幾年，小體量的服務商，有實力的被并購，沒有實力的被淘汰。大體量的服務商，有的選擇砸錢熬下去，有的則積極布局其他領域。所以，這個賽道已經沒有可以“渾水摸魚”的角落了，目前市面上可以看到的自動駕駛技術服務商，大多數(shù)是大浪淘沙下的優(yōu)勝者。

然而，強者的競爭更為激烈。

自動駕駛領域的玩家主要分為三大陣營，一是以阿里、騰訊、百度、華為為主的大廠；二是以比亞迪、小鵬汽車、特斯拉等為主的新能源汽車制造商；三是以蘑菇車聯(lián)、小馬智行等為主的專注于車聯(lián)網的廠商。

這其中，各類玩家也有著各自的優(yōu)勢，互聯(lián)網企業(yè)有技術研發(fā)、高精地圖、用戶規(guī)模龐大的優(yōu)勢；傳統(tǒng)整車廠商有資金雄厚、造車平臺、汽車銷售網絡、品牌等優(yōu)勢；新能源汽車廠商和車聯(lián)網廠商更多的優(yōu)勢在于車聯(lián)網軟件技術優(yōu)勢和車聯(lián)網硬件兩手抓。

目前，自動駕駛的應用市場，主要分布在乘用車、商用車、最后一公里等場景。

相關數(shù)據顯示，在乘用車領域，私家車有8萬億元市場規(guī)模，特斯拉是其中的佼佼者；其次是網約車，Robotaxi大約有3500億市場規(guī)模，代表企業(yè)有百度、蘑菇車聯(lián)、小馬智行；商用車領域，例如跨城物流領域有7000億市場規(guī)模，代表企業(yè)有圖森和智加；同城物流大約有2500億市場規(guī)模；美團和快遞公司取代快遞員和外面員的無人配送小車屬于最后一公里，有840億。

顯然，乘用車領域是自動駕駛最大的市場，也是自動駕駛的終極目標，各大廠商也在不斷地在市場中造勢。

其中最為積極的便是百度，例如前段時間其在元宇宙希壤，正式發(fā)布集度首款汽車機器人概念車ROBO－01。

但效果卻差強人意�！鞍l(fā)布會看起來像為了KPI趕出來的5毛特效�！敝T如此類的評論瞬間鋪滿整個網絡。

其實，從各個廠商傳遞的信號來看，目前大部分的自動駕駛落地還是主要集中在商用車、最后一公里等場景。

但其實，自動駕駛在商用車的落地難度，并不亞于乘用車。

具體來看，乘用車雖然落地難，但可以實現(xiàn)單一產品打天下，即一個標品可以大規(guī)模生產，不存在大規(guī)模定制化需求的出現(xiàn)。

而商用車則反之。商用車應用更像一個項目的大集成，例如在港口物流場景，需要跟港區(qū)堆廠系統(tǒng)做對接。這導致商用車的每個細分市場都需要針對性做出很多軟硬方案的修改，不能單純的做自動駕駛，這需要廠商更高的行業(yè)專業(yè)性。

這與各個廠商大張旗鼓搖旗吶喊自動駕駛時代已經到來，形成鮮明對比。其實，廠商們頻繁“秀肌肉”背后，一些自動駕駛的發(fā)展路徑也在逐漸清晰。

二、自動駕駛，亟須數(shù)據“喂養(yǎng)”

補全的最后一塊“拼圖”。

上世紀初，美國的斯佩里公司和德爾科公司就曾研制出第一架無人機。這架無人機總重只有272公斤，由1臺30千瓦的活塞式發(fā)動機作為動力，裝在一個4輪滑車上，草地上鋪設了滑軌。

飛機發(fā)動后，帶動滑車在滑軌上滑行。達到一定速度后，飛機即脫離滑軌飛上天空，然后由一個簡單的陀螺儀裝置控制飛行方向，由一個膜盒氣壓表自動控制飛行高度。1915年，這架被取名為“空中魚雷”的無人機不僅成功地進行了試飛，而且被裝上136公斤炸藥成功地進行了攻擊目標試驗。

事實上，自動駕駛自古至今都不是什么新鮮的詞匯。另外自動駕駛其實早已實現(xiàn)商業(yè)化，且十分成熟。例如，如今的飛機、高鐵、地鐵，早已實現(xiàn)自動駕駛。

一組數(shù)據是，飛機發(fā)生一次失事的概率是470萬分之一，一年中發(fā)生3次失事的事件概率僅為1．03億分之一。而高鐵、地鐵的事故率幾乎為0。顯然這與文章開頭所提到的“120萬”有著天壤之別。

但即使有這樣的前車之鑒，自動駕駛汽車全面應用仍然困難重重。究其原因，主要是因為自動駕駛汽車需要面對更加復雜的應用場景。

就拿飛機而言，飛機在空中遵循一定的航道飛行，除了爬升階段，飛機主要飛行在平流層，平流層幾乎沒有什么障礙物。

而汽車則截然不同，汽車在地面上行駛，地面上的障礙物多如牛毛，路上的路障、奔跑的寵物、過馬路的行人，雙向行駛的車輛，這些都需準確識別，并且必須妥善可靠地躲避過去，而要做到這一點就需要一個超強超靈活的大腦。

所以如何適應復雜的場景，是自動駕駛技術最大瓶頸。而想要適應復雜的場景，這對技術提出了更高的要求，例如物體識別的挑戰(zhàn)、中控系統(tǒng)的挑戰(zhàn)、絕對安全可靠的挑戰(zhàn)等。

但其實自動駕駛本質就是將機械智能化，正如AI的原理，數(shù)據獲取，數(shù)據存儲、數(shù)據清洗，數(shù)據建模，數(shù)據處理，數(shù)據訓練，數(shù)據決策，數(shù)據反饋。所以想要讓汽車可以智能的應對陸地上各種復雜的場景，一個的前提就是需要對大量的場景下的數(shù)據進行收集，繼而基于數(shù)據的分析，機器做出準確的判斷與分析。

人們總在談論自動駕駛商業(yè)化的時候，將無法商業(yè)化的矛頭指向高清數(shù)字地圖、超聲波傳感器（聲吶）、無線電檢測與測距（雷達）、全球定位系統(tǒng)（GPS）、物聯(lián)網、AI等會對安全造成威脅的各種設備和技術上。

從底層來看，這些都需要收集大量數(shù)據作為支撐。其實自動駕駛的全面商業(yè)化，無論是設備還是技術方面，已經做好準備，之所以大家一直糾結于技術問題，只是“時間”的問題。隨著時間拉長，各個場景數(shù)據不斷完善，自動駕駛技術升級就會成為水到渠成的事情，毋庸置疑，數(shù)據就是自動駕駛的最后一塊“拼圖”。

那么如何積累數(shù)據？

其實，自動駕駛在商用車、最后一公里等場景下，比乘用車更容易獲得政府批準。說白了就是更容落地。這意味著自動駕駛領域軟件廠商可以通過大量車輛落地跑，積累道路實戰(zhàn)數(shù)據，改進自有算法。

正如上文所言，“數(shù)據”是智能駕駛最后一塊拼圖，自動駕駛技術廠商們，正在通過這些項目獲得這塊最后的“拼圖”。

由此看來，商業(yè)用車、最后一公里等場景就是自動駕駛的突破口，而“秀肌肉”只是廠商們提前把場子熱起來的常規(guī)操作。

然而，不可否認自動駕駛離真正意義上的落地，還有很長一段路要走。對于自動駕駛廠商而言，只靠賣概念、講情懷、拉融資并不是長久之計，自動駕駛技術的商業(yè)化不應該停留在眼前的方寸之地。

三、押注新基建的G端市場

在湖南省的一個三線小城市里，自動駕駛的格局被重新打開。

湖南省衡陽市是國內首個城市級自動駕駛智慧交通項目的承載地，2021年末，這座城市煥然一新，在衡州大道、蔡倫大道等多條城市主干道上，如 “蘑菇車聯(lián)”字樣的自動駕駛公交車、網約車并派在路邊，路邊一些工作人員不斷檢測、記錄著各種數(shù)據，并對路燈桿上的智能設備做相應的調試。

這是衡陽智慧交通系統(tǒng)的一部分，即“車路云一體化”。而這種模式，比之前任何自動駕駛商用落地都來的更為宏觀。

直接的表現(xiàn)是，單車智能方面，配備直觀的傳感器，如激光雷達、攝像頭、毫米波雷達，都在車端部署。而且從傳感器到計算力，都按L4級自動駕駛標準來準備。

在智慧道路方面，除配備類似車端的傳感器之外，另外新增通信設備，包括通信單元RSU、5G 民用網絡，以及計算設備，像邊緣計算服務器。如此改造之后，路端就變成了一個完整的交通感知系統(tǒng)——可以在路側就感知數(shù)據，然后實時計算，最后第一時間將結果反饋給路上的自動駕駛車輛，協(xié)助其全知全能，實現(xiàn)車路協(xié)同。

在AI云平臺方面，集合車端、路側的全維度數(shù)據之后，建立數(shù)據模型，驅動實時計算、監(jiān)測交通事件、分析交通態(tài)勢，以及自動駕駛車輛調度，可以統(tǒng)一在云端還原智能決策。這已不是之前常見的用于訓練的那種自動駕駛云平臺，而是具備了交通AI底層系統(tǒng)和應用運營系統(tǒng)的AI交通大數(shù)據平臺。

值得注意的是，在衡陽之前，還沒有哪一座城市，真正實現(xiàn)了車路云一體化的商業(yè)落地。毋庸置疑，這是一個全新的嘗試，同時也為，自動駕駛商業(yè)化打開了一條新的增長路徑。

根據最新消息顯示，不僅蘑菇車聯(lián)，小馬智行、百度以及華為等也都在進行類似的商業(yè)變現(xiàn)嘗試。一個預測是，在RoboTaxi之外，這種基于新基建的變現(xiàn)模式將成為自動駕駛方向的企業(yè)變現(xiàn)主流。

自動駕駛概念出現(xiàn)以來，業(yè)內公認的商業(yè)模式主要分為兩種，一是量產自動駕駛路線，在量產車上率先應用自動駕駛，面向車主收取費用，最后在技術達到L4之后，漸進到RoboTaxi模式上。

二是以RoboTaxi作為商業(yè)模式，以推出RoboTaxi產品、提供RoboTaxi服務來實現(xiàn)營收和盈利。

但就目前來看，這兩種模式都有或多或少的痛點問題。

例如谷歌子公司Waymo辛苦做了11年自動駕駛，投入超過30多億美元，累積測試公里數(shù)超過2000萬英里，依然無法實現(xiàn)“去掉安全員的完全無人化”承諾，如今已經從最初分拆時被評估的千億美元，不斷縮水，在兩輪外部機構參與的募資后，估值300億美元左右。

再比如，頻頻出現(xiàn)事故的特斯拉。其當下雖然是自動駕駛領域的“香餑餑”，但不能忽視的是，其安全性和可靠性面臨巨大地問題。其提供的只是一套進化中的自動駕駛系統(tǒng)，或者只能稱其為輔助駕駛系統(tǒng)，AI司機無法做到100％決策。

其實不難看出，靠單車智能直接沖進市場，很難做到商業(yè)化。換句話說，無論是特斯拉的量產自動駕駛路線，還是Waymo的RoboTaxi路線，都不是當下中國自動駕駛廠商最好的商業(yè)化模版。

一個事實是，中美商業(yè)環(huán)境有著極大的差異化，在我國，政企市場一直是推動自動駕駛發(fā)展的主要動力。正如上文所言的衡陽市智能網聯(lián)汽車項目，目前是由衡陽市政府與自動駕駛公司蘑菇車聯(lián)共建。雙方在2021年3月簽署戰(zhàn)略合作協(xié)議，項目總投資額高達5億元。

目前，我國自動駕駛的發(fā)展還處于萌芽期的第一階段，主要營收仍是政企客戶。在當下的2022年，TOG無疑是廠商們第二條增長曲線。

一項新技術誕生時，會以最瘋狂的速度攀升至頂端，然后迅速下滑墜至谷底，之后再緩慢平穩(wěn)地上升。

自動駕駛技術，正在進入這個新周期。

       原文標題 : 自動駕駛尋找「商業(yè)閉環(huán)」