攀登“無人駕駛”頂峯，自動駕駛玩家難言輕鬆_風聞

文|智能相對論（aixdlun）

作者|leo陳

攀登珠峯，傳統路線有兩條：一條是中國西藏的北坡，另一條是尼泊爾的南坡。不管選擇從南坡還是從北坡攀登，最終都將到達同一個頂峯。這其實與自動駕駛行業的發展路徑之間存在相似之處。

對攀登珠峯的人而言，無論走哪條路線都不是容易的事。北坡一開始沒有登山的感覺，更像是高海拔徒步，邊走邊欣賞風景；南坡會遇到昆布冰川，路線有時接近垂直，落石和雪崩的風險不小。相比於北坡，南坡衝頂時間短、攀登強度大，爬升和下降的海拔更高。

這其實對應着自動駕駛行業的兩條大的研發路徑：一條是以車企為主的漸進式策略，一般從L1、L2開始，再逐步疊加高階功能；另一條是以科技互聯網企業為代表的跨越式策略，直接從L4、L5開始研發。而它們最終的目標都是登頂自動駕駛的頂峯——無人駕駛。

在攀登過程中，自動駕駛行業發生了很大變化。投資人從瘋狂中冷靜下來，變得謹慎。與此同時，兩條發展路徑在商業化方面都遇到困難：比如Waymo，近期有包括CFO在內的9名高管相繼離職；另一邊比如有特斯拉，被曝出多次出現安全和市場問題。

當下自動駕駛行業望着頂峯，每一條發展路徑下的廠商都要面對問題做出選擇，為了活下來。

“跨越式”打法，商業化還是未知數

自動駕駛行業的熱度雖然高漲，但行業核心問題依然擺在眼前：距離商業化仍需時日，大部分企業也未實現盈利。在這一輪浪潮下，屬於不同研發路徑的廠商都要應對來自商業化的考驗。行業發展至今，做出不同路徑選擇的玩家之間會有着天然的鄙視鏈。

L4路線的堅定貫徹者比如Waymo，崇尚高舉高打，意圖直接斷了人類駕駛員的後路，靠節省的人力成本直接盈利。Waymo的研發思路逐步演化為針對Robotaxi的開發，其離最終目標——無人駕駛，顯然是更近的。

可專注這一研發路徑，光是技術難度就意味着企業需要更多融資與更多投入。所以對於它們而言，會希望自己能夠搶佔話題和資本高點，至少在陣勢上不能輸。

有數據顯示，Waymo母公司Alphanet每年在自動駕駛研發上的投入約為10億美元。Waymo剛起步不久，就對外宣佈引入除母公司以外的外部投資者，拿到了兩筆共計30億美元的外部融資。也是這個時候有消息傳出，Waymo累計虧損已經達到50億美元。

誠然，作為行業頭部且資金雄厚的企業，無人駕駛是它們相對容易觸及的未來，大手筆砸錢可以被看做是幫助自己在下一個時代“跑馬圈地”。但是，高級別自動駕駛好比“鈔票粉碎機”，一些初創企業無法獲得持續足夠的資金支持，缺錢成為壓倒他們的最後一根稻草。

從2020年開始，就有一大批初創企業正在走下坡路。去年3月，StarskyRobotics在經歷了融資失敗、縮減車隊、大幅裁員後停止運營並關閉；Nuro被曝尋求賣身，融資王Zoox傳出裁員以及收購的消息。

一位業內人士告訴「智能相對論」：“國外Robotaxi已經到了出清階段，實力不足的玩家逐漸退場。Uber、Lyft就是典型例子，自動駕駛落地難、持續燒錢，作為上市企業退出也在情理之中。”

“國內比國外走得慢，還處於羣雄逐鹿階段，要“廣積糧”。如果企業現在不做大量融資，後面幾年怎麼存活？所以一些企業在各個方面瘋狂造勢，比如這次針對廣州抗疫宣傳無人車。”另一位業內人士這樣説道。

其還補充：“外界所見難免有被廠商包裝出的效果，目前Robotaxi企業開放運營，其實還在Demo階段，仍需要花費大量時間解決長尾問題。至於實現規模化、盈利化，目前依然不太可能。”

從海外看到國內的未來，會有一個殘酷的現實：行業融資狂熱所帶來的的繁榮，不可能支撐起所有玩家的夢想。初創企業走到這個階段要明白，資本市場未來在“不能盈利的地方”所投入的資金是有限的，自身也不可能一直依賴融資來續命。

最近百度CEO接受採訪時表示，雖然越來越多的玩家入局，但是他們都低估了自動駕駛的研發投入，百度僅去年一年的投入就超過了200億。而這可能需要10年甚至20年的長期投入。

行業目前共同認知是，在有融資支撐的同時，企業也格外需要創造收入。因為目前還沒有人知道要燒多少錢，才能迎來大規模商業化的曙光。

文遠知行創始人兼CEO在接受騰訊科技採訪時曾表示：“在投資之前，會問你如何做運營、看你的商業模型是什麼、如何做到商業化落地，這樣的問題在2019年開始越來越多。”這就意味着，投資人在投資自動駕駛項目時會更為謹慎，更關注商業化，而不是盲目砸錢。

所以，對於從L4起步的玩家而言，必須尋找離商業化更近的道路。不僅僅是追求技術極致，更要求具備一定的造血能力。

“漸進式”攻入腹地，“跨越式”的優勢在消失

有別於進入L4/L5級別自動駕駛領域，以ADAS為基礎來挖掘市場潛力，可以説是“務實”企業的研發路徑。這一方的代表企業如特斯拉，從L2入手，通過輸出階段性的智駕產品為下一代產品積累數據，迭代性的獲得盈利的同時，逐步上攻。

若以L3作為“漸進式”到“跨越式”的“水壩”，特斯拉為代表的企業其實就是“蓄水”，去衝擊L3級自動駕駛邊界。其打法也有一套自己的邏輯，通過數據積累，更新迭代來“蓄水”，從而一擊衝破“水壩”，向L3以上級別去“釋放”能量。

過去，高級別自動駕駛的“信仰者”，應該都可以拋出一些直戳其痛點的問題：“人人都在做L4、L5自動駕駛，抓ADAS是否有出路”、 “當傳統汽車供應商巨頭將技術壟斷，新晉企業如何能建立起自己的優勢”等。

現在，後者對高級別自動駕駛企業也會有嘲諷：“投入產出不成正比”、“短期內無法形成規模化”、“資本市場不具有可持續性”等。在「智能相對論」看來，自動駕駛技術太龐雜，細分賽道太多，產業鏈裏的玩家都會有自己的一套核心打法和生存邏輯。

除了特斯拉，國內一些車企也能夠實現部分城市道路的自動駕駛。比如，今年小鵬發佈NGP自動導航輔助駕駛，基於高精地圖和導航系統，小鵬P7可以在高速公路和城市主幹道發揮自動駕駛能力。

據官方消息，小鵬P5搭載激光雷達後，其感知能力在原有基礎上進一步提升，XPILOT 3.5版本升級NGP功能，適用範圍拓展至了城市道路，並強化停車場記憶泊車功能的性能。

除此之外，極狐阿爾法S華為HI版也在今年出現，搭載華為高階自動駕駛ADS系統。華為自動駕駛總裁蘇箐表示：年底量產的時候會提供北上廣深四個城市的自動駕駛功能，其它城市則只能使用ICA+的模式，也就是介於自動駕駛和定速巡航之間的狀態，便於機器去學習交通環境和自構圖。

對比兩種技術路徑，可以明確的一點是，針對乘用車的ADAS有可以落地的商業模式。而“跨越式”打法，針對Robotaxi的商業模式依然不清晰。這樣的話，不同的技術路徑具體到產品時，雙方具備的盈利能力自然會有明顯的分化。

而基於不同的盈利能力，“漸進式”給“跨越式”帶去的衝擊也是顯而易見的。選前者的企業在攀登頂峯——無人駕駛時，可以“沿途下蛋”，持續推出逐漸接近可替代駕駛員的自動駕駛產品。從而，能夠給自身積累充足的數據和現金流。

企業緊握這些“糧草”，又可以繼續“衝頂”無人駕駛。由於採取“漸進式”，企業其實是無限逼近無人駕駛的，加上現有的積累助力，這個過程是一種“正向循環”。倘若最後，“無人駕駛”這個頂峯誰都無法征服，至少這部分企業可以在當下活得更好。

反觀Waymo這邊，發展Robotaxi多年還主要侷限在“鳳凰城地區”。直接將自己置於L4的位置，卻沒有足夠的數據去做好這件事。更何況，也沒有人知道多少數據才是足夠的。因此相較於“漸進式”，“跨越式”並不連貫，是有泡沫存在的，倘若無人駕駛這一設想最後不能被驗證。

“轉向”落地商用車，這條路也難言輕鬆

Robotaxi依然很遙遠，“跨越式”打法的玩家必須找到商業化更近的路。自動駕駛行業快速發展，除了之前提及的難題，大家最初還忽略了一點，國內市場的發展不僅有很強的地域性，且受政策的影響很大。

不少自動駕駛相關企業，尤其是初創企業，正在嘗試利用其它場景去加速商業化。這些場景比如有，高速公里、室內物流和封閉園區，在其中落地自動駕駛卡車、無人配送小車等產品。這個方向十分有現實意義，似乎是“跨越式”打法玩家在期待未來後，做出的一些“務實”。

比如自動駕駛卡車，原則上開發比自動駕駛汽車要簡單一些，這是因為卡車與乘用車行駛軌道不同，卡車（尤其是長途拖掛車）通常遵循固定路線，並且大部分時間都駕駛在高速公路上，而不像一般道路那樣複雜。

與此同時，卡車較大的尺寸天然為自動駕駛提供了更多的可能性，可以使用大尺寸計算機，配備更多靈活傳感器（可以將傳感器安裝在離地面更高的位置），提供更充足的動力支持，並提供了更好的視野，這些特性使自動駕駛卡車比自動駕駛汽車更早商業化。

包括自動駕駛卡車，它們都為自動駕駛提供了“練兵場”，但在實際推進過程中，企業遇到的挑戰仍不少：

一方面，簡單場景其實不簡單。雖然相比城市道路的複雜多變，物流或封閉區域內的交通相對簡單，但這些場景對自動駕駛算法“深度”要求很高，甚至超過城市道路。

比如卡車，不同於汽車，需要能夠提前感知到更多情況。高速公路對卡車急剎車等行為的限制，使得高速公路自動駕駛卡車對超遠距識別、敏捷度和判斷力等要求更高。可主流的自動駕駛汽車配備感知距離在200米左右的激光雷達，不足以應對高速行駛的自動駕駛卡車。

另一方面，場景所有方不一定對初創企業完全開放。初創企業借用場景收集數據，但場景所有方關注的問題並不比合作企業少。

場景所有方要考慮自身是否適合自動駕駛落地，自動駕駛的成本下降潛力是否能覆蓋我的投入，以及場景數據開放程度應該是多少。物流就是很好的例子，場景數據是物流企業業務的核心部分，對數據開放自然十分謹慎。尤其是行業頭部企業，幾乎很難與初創企業去達成合作。

總而言之，L4/L5級別自動駕駛商業化之路困難重重，充滿變數，不同技術路徑也有各自需要解決的挑戰。選擇“務實”，轉向商用落地也並非易事。自動駕駛行業狂熱但高度不確定，玩家仍需時刻明確自身戰略和商業模式，並有效調整，這個至關重要。

參考資料：

1. 自動駕駛商業化遇現實尷尬 仍需“輸血”為何受資本熱捧？.每日經濟新聞

2. 自動駕駛被未來“綁架”.汽車公社

3.2021麥肯錫中國汽車行業CEO特刊.麥肯錫

*本文圖片均來源於網絡

深挖智能這口井，同好添加vx：zenghy2017

此內容為【智能相對論】原創，

僅代表個人觀點，未經授權，任何人不得以任何方式使用，包括轉載、摘編、複製或建立鏡像。

部分圖片來自網絡，且未核實版權歸屬，不作為商業用途，如有侵犯，請作者與我們聯繫。

智能相對論（微信ID:aixdlun）：

•AI產業新媒體;

•今日頭條青雲計劃獲獎者TOP10;

•澎湃新聞科技榜單月度top5;

•文章長期“霸佔”鈦媒體熱門文章排行榜TOP10;

•著有《人工智能 十萬個為什麼》

•【重點關注領域】智能家電（含白電、黑電、智能手機、無人機等AIoT設備）、智能駕駛、AI+醫療、機器人、物聯網、AI+金融、AI+教育、AR/VR、雲計算、開發者以及背後的芯片、算法等。