為什麼自動駕駛拐點已至？_風聞

文丨智能相對論

作者丨科科雞

年初百度、小米相繼入局造車，年末小鵬堅定佈局Robotaxi。2021年我們看到不同技術路徑和商業模式的玩家仍在湧入自動駕駛賽道。

互聯大廠入局，傳統車企轉型，初創企業技術落地，部分場景應用開始商業化，疊加雙碳戰略推進，自動駕駛賽道可謂是充滿了“速度與激情”。可以預見，2022年“自動駕駛”這一最受關注的熱門詞彙將延續熱度。

需求尚未井噴，自動駕駛的龐大賽道里，各細分領域商業化卻初見雛形。一路走來自動駕駛噓聲不絕，但“下半場拐點已至”的呼聲近期卻越發高漲。適逢盤點季，《智能相對論》蒐集閲讀了大量資料，試圖沿着現有路徑繼續探索。

為什麼説自動駕駛拐點真的來了，揭開下半場的朦朧面紗，2022年自動駕駛的關鍵詞究竟是什麼？

由實向虛，真智能汽車看架構、算力和商業模式

汽車革命從新能源開始，隨着新能源汽車業績不斷落地，已經沒有人懷疑電動機代替內燃機這一趨勢。新能源這個苦生意，已經熬出了堅實的壁壘。

它與傳統汽車的最大不同在於，電機在汽車上的使用簡化了汽車結構。相比燃油機，電機簡單和高集成的設計，使信號傳輸和組裝更加便利。整車控制和車身控制，可通過電流或者電壓精細調節。

新能源汽車仍然以續航為目標，但是從此有了由實向虛的潛力。有三個新焦點標誌新能源汽車正在逐步由實向虛邁向智能汽車，汽車革命的下半開始了。

第一，電子電氣架構的設計方案，正在逐步由分佈式E/E架構替代為集中式E/E架構。主流公司中，特斯拉電子電氣架構是基於區域控制器和中央計算的架構，分為中央計算模塊、左車身控制模塊、右車身控制模塊三大域。其中，中央計算模塊整合信息娛樂系統、輔助駕駛和車內外通信。

（圖片來源：博世）

華為電子電氣架構是基於環形主幹網和多計算中心架構，具體來説就是分佈式網絡＋域控制器的CC架構，整車分為三部分，駕駛，座艙，整車控制。

除了以特斯拉、華為代表的兩種架構，博世、聯合電子集中式域控制器架構也非常典型。聯合電子設計的架構分為三層，頂層為雲服務平台，中層為計算與控制，下層為標準化的執行器和傳感器。

無論何種方案，其目標都是為了更好的實現OTA更新、算力處理，同時減少線束長度、降低成本提高效率。

第二，華為在強調它的自動駕駛技術領先於特斯拉的時候，特別強調的是它搭載的麒麟990A芯片的算力領先於包括特斯拉在內的眾多汽車企業。由此可見，算力已經成為智能汽車的底氣之一。

我們知道，在自動駕駛領域有兩大單車智能路徑。但是，無論是視覺化還是感應模式的單車智能路徑。隨着自動駕駛對車輛的感知精度、控制精度和響應速度有更高要求，主控芯片算力需求都將要一路攀升。而且，一旦要加入高精度地圖和車聯網技術，L1級自動駕駛小於1 TOPS的算力要求將急速提升至L4級和L5級自動駕駛所需的1000 TOPS。

算力的基座，芯片的重要性越發凸顯，也在佐證這一趨勢。疫情影響下，“缺芯”現象直接造成了大量汽車交貨困難。芯片緊缺，汽車價值鏈條似乎正慢慢由傳統主機廠向科技新貴傾斜。不少立足本土的企業跨界入局汽車芯片，也正在顛覆汽車產業價值分配。

第三，汽車走向智能化之後，汽車從最初的機械產品就逐漸轉變為了電子產品。智能座艙為了滿足人機交互的需求，需要底層強有力的軟硬件支持。算力領先並不代表一切，汽車由硬入軟，還要看它如何由軟件重新定義。

從底層來看，實現軟件定義汽車，需要車企搭建自己的SOA平台。SOA的本質是將分散的ECU模塊化和對應的軟件功能模塊化，從而將控制器底層功能抽象為“服務”。

汽車可以在不增加和更換硬件的條件下通過不同的軟件配置為駕駛員提供不同服務，這正是軟件創新的根基。汽車軟件架構走向SOA架構，也證明了新能源汽車正逐步向智能汽車轉變。

而這一趨勢的外化則體現在商業模式上。特斯拉問鼎全球車企市值榜首，硬件為流量入口，軟件為收費服務的商業模式逐漸成為主流。不同車企也都在鑽研如何提供給用户更豐富的訂閲式服務。

百度、華為將自己定位為“賦能企業”，希望通過為車企服務的強銷售模式來盈利，這與特斯拉的商業模式形成了正反面。但是，近期百度和華為分別開始註冊汽車企業、購買工業用地，這些跡象表明他們似乎要悄悄在商業模式上做出“妥協”。

從智能手機的經驗來看，軟件驅動創新，才能在後續競爭中形成差異化，邊際開發成本更低。百度和華為放棄由軟件驅動的長尾盈利模式是否可取或許馬上就會得出答案。

上攻提速，自動駕駛企業看城市細分場景落地

新能源汽車向智能汽車轉變將從硬件角度推動自動駕駛發展，而那些不主動造車的自動駕駛企業也是自動駕駛中非常重要的一環。他們的參與加速了自動駕駛技術在細分場景自動駕駛的落地。

目前，自動駕駛的應用場景主要有城市開放場景、高速場景和封閉場景。其中城市開放場景道路環境複雜，對自動駕駛技術要求高，但是卻最貼近C端生活。比如城配場景、末端配送、無人環衞、Robotaxi。

但是，在市場潛力空間最大的Robotaxi領域，存在開放路段受限，測試里程難以達到110億英里的閾值的問題。好在，自動駕駛的潛在應用市場豐富，而不同場景，其實需要不同的技術要求，來對不同道路環境進行適應。

在自動駕駛獨角獸公司中，蘑菇車聯、酷哇機器人、智行者、Momenta、毫末智行、文遠知行、小馬智行、AutoX、元戎啓行、仙途智能等佈局較為領先。

以蘑菇車聯為例，它在城市道路出行上已經展開接駁車、公交車、Robotaxi為主的自動駕駛出行服務，同時也沒有落下市內清掃車、巡邏車、物流車為主的自動駕駛城市公共服務，幾乎全面覆蓋城市公共出行和公共服務場景。

若單純地增加車隊數量來滿足行車數據收集，其所需的時間成本與資金成本過於龐大。但是，如果，全方位打造自動駕駛新業態。在與Robotaxi場景高度相似的其他城市專用車場景，自動駕駛能夠率先落地，可以將算法和數據拓展到Robotaxi。

此外，城市專用車場景自動駕駛能迅速解決用户痛點。因此落地相對迅速、客户付費意願更強，有望產生穩定的現金流。

（圖片來源：盈峯環境官網）

在無人環衞領域，盈峯環境的產品發佈會案例提到，投放8輛智能小型環衞機器人在湖南長沙某小區，可以將原來純人力作業需要的65名工人的用工需求，降低至15名環衞工人和8 名配套安全員，年綜合成本可降低38.8%。

不少，主流自動駕駛公司已實現產品落地，並與傳統環衞企業達成合作。

酷哇機器人與中聯環境達成了戰略合作，計劃共同開發環衞自動駕駛車輛。高仙機器人與徐工環境簽署戰略合作協議，環衞裝備智能化升級和無人環衞運營創新。蘑菇車聯和北控城市服務簽約，雙方將推進自動駕駛、車路協同在交通、環衞、安防、物流等多個城市管理領域的大規模商業化落地。

在城市專用車場景中，也有不少自動駕駛商和地方政府簽訂了合作戰略。

2021年2月，湖南湘江新區管委會、長沙湘江智能在智慧工程機械領域，相繼和三一重工、中聯重科達成合作，開展智能重卡、混泥土攪拌車等自動駕駛專用車研發，同時對智能網聯融合工程機械進行場景探索。

3月份衡陽市也和蘑菇車聯簽訂了智慧交通建設戰略合作框架協議，在智慧交通領域展開深度合作。雙方將在智能終端、車路協同、自動駕駛及智慧交通領域展開深度合作，共建智慧交通創新示範城市，打造“衡陽模式”，推動城市級自動駕駛大規模落地和商業化運營。

自動駕駛企業普遍選擇了多條腳走路的方式，隨着上攻提速，2022年，自能駕駛下半場競爭將要聚焦在包括但不限於Robotaxi的城市細分場景的落地上。無論是尋求自主造車，還是多場景應用，大家都加快了自己的腳步。

打破邊界，彎道超車看規模和車路協同

自動駕駛在城市細分場景的應用，是在一定限制條件下，使用自動駕駛技術。但是，經過拆分場景的檢驗後，《智能相對論》認為自動駕駛真正的終極目標還是要打破場景邊界。

只不過，單車智能始終在環境感知、計算決策和控制執行這些環節存在一定瓶頸，比如不可能百分百預測目標，對駕駛意圖的博弈存在困難。這個時候，需要引入車路協同來加強單車的感知、決策和控制能力。

然而車路協同不是自動駕駛技術普及的單點問題，這個龐大的工程需要汽車、交通、通信行業等各方面產業的跨界融合。幸運的是，在我國單車智能和車路協同其實並不矛盾，“聰明的車”和“智慧的路”可以共同發展。

2020年3月，中央政治局會議的正式定調，“新基建”。4月，發改委明確新基建範圍，在新基建涉及的細分領域中，5G、物聯網、衞星互聯網、人工智能、數據中心、智能交通基礎設施均與自動駕駛技術密切相關。

雖然説理論上前景樂觀，新基建在戰略窗口期，進展非常快。對於車企和自動駕駛企業來説，車路協同的中國化方案最有可能打破場景邊界，實現真正的自動駕駛。但是落實到時間點上，行業的共識仍然是L5級別的自動駕駛遙遙無期。

但是我們看到，好的一面是自動駕駛在L4級別已經有了一些成果。Robotaxi作為廠商L4高級別自動駕駛的驗收場，已經有了商業化試水。近期，百度Apollo和小馬智行已經在北京亦莊進行了商業化運營。

低速物流領域，毫末智行的低速無人物流車線控底盤“小魔盤”和低速物流車“小魔駝”，都能適應L4級無人駕駛場景應用，並在北京順義、深圳坪山開始物流方向的試點運營。更關鍵是它具備車規級整車零部件，在長城汽車供應鏈協同下可以量產。

而從單車智能+車路協同切入的蘑菇車聯，則在湖南衡陽進行L4級自動駕駛城市級大規模落地，加速商業化。屆時將有大量公共出行及公共服務自動駕駛車輛在衡陽街頭陸續落地應用，提供公交巴士、無人出租車，以及清掃道路、城市巡邏的服務。

（圖片來源：蘑菇車聯官網）

要知道L4級別的自動駕駛能否形成成功的商業閉環，在未來尤為關鍵。因為，只有形成商業閉環，自動駕駛系統才能在前進軌道上不斷迭代，最終打開L5級別自動駕駛的大門。而健康的商業閉環核心在於，如何實現規模效應，形成數據生態，持續提高效率、降低成本。

儘管車路協同基礎設施相關技術尚未標準化，從全國範圍來看還有相當長的建設週期。但是隨着頭部企業大規模積累有價值的數據，他們將有機會參與車路協同的規則制定，加速車路協同發展，縮短L5級別的自動駕駛的實現時間。

汽車行業正在經歷着前所未有的產業鉅變，自動駕駛技術“斗轉星移”。傳統主機廠、造車新勢力、互聯網企業、通信企業、零部件提供商正在深度參與這場變革。新能源汽車朝着智能汽車轉變，自動駕駛提供商在加快相關技術落地，單車智能、車側智能、路測智能、車路協同都在為打破自動駕駛場景邊界鋪路。2022年我們或許馬上就會看到新一輪的洗牌和更迭。

參考資料：

《城市場景自動駕駛：賽道廣闊，商業化加速落地》中信證券

《智能車1.0，邁入加法時代》平安證券

《從馬力到算力，All In智能化時刻來臨》天風證券

《車路協同，掘金萬億市場新藍海》中銀證券

《汽車智能化：算力時代》東興證券

《新基建下的自動駕駛：單車智能和車路協同之爭》德勤

*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。