自動駕駛公司，如何完成“車隊夢”？_風聞

2022年號稱自動駕駛商業化元年，但在真正的落地上，初創公司遇到的問題顯然比想象中更多。

要翻的坎一個接一個，一開始是技術能否滿足基礎的安全運營要求，然後是對應方案所需的軟硬件成本是否合理，接下來還有上車量產如何與整車的需求磨合。

最後，還有一些尖鋭的難題，比如Robotaxi目前的落地進度夠快，但撐不起想象中的自動駕駛商業化潛力。於是，更多初創公司試圖拓展自己的能力圈和朋友圈，講出新故事——然後它們發現，要適應不同的應用場景、不同種類的前裝車型，又是一個“大坑”。技術必須為現實服務，於是，自動駕駛公司必須回答，商業化之路如何在各種應用間做到“求同存異”。

作為代表行業技術“頂流”的L4級自動駕駛初創企業之一，面對商業化“求同存異”的這個問題，文遠知行最近又“提交”了一個自己的答案：自今年9月1日起，文遠知行在廣州市黃埔區落地了國內首個開放道路下的全無人環衞車落地運營項目。事實上，文遠知行也曾是國內首輛L4級自動駕駛出租車以及首個開放運營的商業化Robotaxi服務的打造者，可以説在自動駕駛商業化的探索上文遠從不缺席。

目前，包括百度Apollo、仙途智能、星火科技、蘑菇車聯在內，眾多自動駕駛公司都瞄準了環衞領域。但文遠知行的特點在於，其出租車、環衞車、小巴、貨運車等車型，全部採用了通用的技術平台。也就是説，頂層設計標準化之後，再根據具體用途做方案調整適配。

那麼，落地複雜的自動駕駛，為什麼有機會以“一招鮮，吃遍天”的方式走向商業化？除此以外，還有什麼“共性”問題，是需要初創公司解答的？

自動駕駛公司，都有一個“車隊夢”

成排成排的自動駕駛出租車、巴士、貨運車、環衞清掃車，井然有序地排列在停車區，等待在路上開啓常態化運營。它們車身的Logo，顯示出其自動駕駛方案的提供者。

對於很多自動駕駛初創公司來説，這顯然是一個非常值得期待的場景。成規模的車隊，至少代表着三個方面的優勢。其一是技術上已經達到了量產的要求，其二是落地能力的邊界延伸，其三是在規模化運營中，進一步查找軟硬件產品的漏洞，並進行更有針對性的優化。

而那些已經開啓商業化運營的初創公司，也需要在規模化的旗幟引領下，找到攤平成本、佔領市場的制勝點。

規模化的美好願景，讓自動駕駛公司們都有了一個“車隊夢”。在它們的對外發聲中，有多少能實際跑在路上的車輛，歷來是一種驕傲。

根據公開信息顯示，文遠知行目前全球的無人駕駛車隊規模超過400輛；作為主打跨越式路線的自動駕駛公司，小馬智行（廣州）總經理莫璐怡透露，其中美兩地自動駕駛車輛總數超100台。

採取漸進路線的初創公司甚至有更激進的目標。主攻幹線物流的嬴徹科技去年曾表示，預計2024年搭載其“軒轅自動駕駛系統”的卡車將達到8萬台，並在大規模車隊基礎上，實現自動駕駛等級從L3向L4的迭代。而背靠長城汽車的毫末智行，正試圖將搭載輔助駕駛系統的乘用車數量提升到百萬級別。

顯然，無論是漸進式還是跨越式，自動駕駛規模化已經成了一種信仰。從瞄準單一技術難題，到追求規模化落地，本身也是從技術研發者向商業模式構築者的形象切換。

不過，規模化落地還面臨另一重挑戰——統一性。乘用車和非乘用車使用的技術平台可能並不一致，兩者再度進行車輛細分後，又會延伸出更多的需求方向。這意味着重複開發適配的成本，以及後續的運營維護支出。

除了少數只注重一條細分賽道的初創公司，大部分企業都需要思考，如何充分發揮軟件的邊際成本遞減效應，進一步減少部署成本，避免陷入“規模越大負擔越重”的怪圈。

中信證券在一份研報中預計，2025年L3/L4及以上級別的自動駕駛滲透率將分別為10%、1%，到2030年這兩個數字將分別提升至40%、8%。

相對較低的絕對值，實際上是對應着非乘用車場景會率先規模化落地，乘用車緊隨其後。眾多以Robotaxi作為最初切入點的自動駕駛初創企業，正在開展跨領域佈局。其中，文遠知行已經給不同領域間的平台通用化的問題，給出了一個參考答案。

商業化的“奧卡姆剃刀法則”

如無必要，勿增實體（Entities should not be multiplied unnecessarily）——誕生700年有餘的奧卡姆剃刀法則，以其剔除非必要內容、直接面對核心問題的精神，始終影響着物理學、計算機科學、商業管理等諸多領域的發展。

先從思維上找到經濟的方式，再將它落實為生產技術手段。任何領域的發展，都是由簡單走向複雜的過程。但真正高效的發展方式，卻是從複雜中尋找簡單的共性。一定程度上，這也是馬斯克推崇的“第一性原理（First Principle）”的一種表達，特斯拉的百萬級規模車隊，就誕生自一個直接又精準的初衷，即造一台價格可以被市場廣泛接受的電動車。

文遠知行擁有自己的“奧卡姆剃刀”——WeRide One。這個新一代自動駕駛通用技術平台，在命名上就顯示出“一個賦能一切”的理念。成本最小化，效用最大化，就需要一個平台承載和演化多個場景與應用。無論是規模化部署，還是商業化落地，這都會成為一種獨特的優勢。

簡單來説，WeRide One依然是由軟件、硬件和雲架構層面的工具與系統組成。不同之處在於，WeRide One高度強調通用化整合。

舉個例子，自動駕駛的硬件層面，最重要的是傳感器。相較於自動駕駛領域此前火熱的硬件數量軍備競賽（比如到底配置幾個激光雷達最好這一類的問題），WeRide One強調的是模塊化，不是某個數量最好，而是應用的場景和車型需要什麼結構，就用什麼結構。

而在軟件上，自動駕駛的核心軟件功能有着相似性：感知、預測、規劃、控制、高精地圖定位等等。於是，從整套系統中抽離出通用的核心功能，能夠更快幫車隊實現自動駕駛方案部署。對於特定的細分場景，只需要做微觀上的調整適配，就能在新的場景下落地。

理想汽車創始人李想曾經有過這樣的表態：“開產品會時，我做得最多的事情是決定不做什麼，拼命砍掉一些沒用的東西。”對於產品的締造者而言，如何把核心功能做好才是他們最需要關心的。文遠知行的WeRide One，就是這樣的一套瞄準核心需求的通用性技術架構。

值得一提的是，儘管“奧卡姆剃刀”法則式的設計類似於極簡主義，但它更強調直接而非簡單。對於自動駕駛這個以安全為先的領域而言，冗餘一樣需要存在於通用的技術架構中。WeRide One的冗餘系統覆蓋了傳感器、計算單元、通信網絡、電源單元以及線控系統，用一種冗餘方式滿足不同落地需求，是對如何提煉系統精華的另一層解釋。

雖然都有L4自動駕駛的需求，但封閉園區場景中自主運行的環衞車，不太可能和鬧市區十字路口的Robotaxi面對一樣的場景；奔跑在省際高速路上的物流卡車，和它的城際貨運貨車、低速物流車兄弟也並非真正的同類。文遠知行WeRide One，解答了什麼樣的自動駕駛平台最有利於支持規模化、跨領域落地，也為其它仍然困在一個場景裏的初創公司敲響了提示鍾。

實際上，業內諸如文遠知行、小馬智行、蘑菇車聯等頭部公司，均已在跨領域佈局上取得成績。而縱觀它們的合作落地情況，自動駕駛已然走向行業間的“大一統”。

行業邊界模糊，自動駕駛走進“普適性”時代

禾多科技CEO倪凱曾在雷峯網的一項採訪中提及：“主機廠希望能有一個與車輛性價比相匹配的方案，而且需求非常迫切，給的工期非常短，每一週我們都要開項目跟進會。”

這道出了自動駕駛開發者們的典型現狀：當技術融於現實，企業的一部分注意力將從對技術長處的挖掘，轉移到快速佔領市場、創造應用價值上。自動駕駛企業、主機廠、平台方的關係，也從未如此緊密。今年5月，文遠知行獲得博世戰略投資，並聯手開展智能駕駛開發。此外，文遠知行最早提出的“鐵三角”模式，也是自動駕駛領域目前被普遍應用的模式。

每一個合作關係都是一種互相開放的端口，但受限於利益導向的不一致或其他因素，合作有一部分天生不可控。在邊界模糊、協作深化的背景下，培養具有普適性的落地能力，關係到自動駕駛企業能否真正融入大交通系統，發揮自己的現實價值。

通用性依然是繞不開的話題。文遠知行WeRide One這樣的通用性技術平台，有一項顯著優勢，那就是可以快速打通“研發—部署—應用”的生命週期。對於一個項目而言，複製和微調的可靠性、性價比，遠遠超過從零開始搭建系統。即使是跨領域應用，它所需的前期開發時間、成本也更能吸引客户。

站在開發者視角上，要讓技術產品化，也需要這樣一個“模子”的支持。此外，通用性平台還緩解了合作運用中的維護壓力——維護這樣一個平台所需的精力和成本，會低於那些軟硬件分離、類型五花八門的自動駕駛方案。當技術上車後，技術問題就成了商業問題，主機廠和平台方會十分關注其支援能力。

在下一個階段，文遠知行們可能還需要加強考慮落地後的運營問題，但那已是規模化的後話。只有一點是長期確定的，業務邊界的延伸，意味着自動駕駛企業必須隨之拓展能力邊界。真正能通吃自動駕駛市場的，最終還是一家公司創造優勢、發揮優勢的能力。

來源：松果財經