自动驾驶上路，敢问未来路在何方？

 

图片来源@视觉中国

文｜AI产业研究中心

今天，如果你在深圳乘上一辆没有司机的出租车或者公交，不用感到惊讶。

8月1日，国内首部自动驾驶立法——《深圳经济特区智能网联汽车管理条例》开始正式生效，这意味着自动驾驶汽车至此可以名正言顺的上路了。紧接着8月8日，交通部发布《自动驾驶汽车运输安全服务指南（试行）》（征求意见稿），向社会公开征求意见，旨在鼓励和规范自动驾驶汽车应用。

《条例》和《指南》的相继出台，表明了国家从法律层面的支持态度。这说明自动驾驶时代真的要来了！

自动驾驶下半场开始，各细分赛道百花齐放

作为汽车产业与人工智能、物联网、高性能计算等新一代信息技术深度融合的产物，自动驾驶是当前全球交通智慧出行领域重要的发展方向。

目前，按SAE标准自动驾驶分为L0~L5共六个级别。通俗来讲，L1~L3属于辅助驾驶，相当于解放司机的手脚和眼睛；当达到L4~L5时，车辆完全由系统控制，此时司机大脑获得解放。

自动驾驶分级

由图可见，从L3开始，系统开始接管车辆驾驶，驾驶主导权已经完成了人机互换。因此，L3是自动驾驶发展重要的分水岭。

从具体实践上来看，当前自动驾驶汽车主要有两种研发道路。一种是大多数企业所采用的从L1~L5依次推进的“渐进式”道路。另一种则是以科技企业为代表的 “插入式”道路，即跳过L1~L3级，直接从L4级开始切入，并最终达到L5。

按赛道来细分，现有产品主要分为乘用车和特种车辆两大类，对标下游应用场景，主要集中在大众出行（含私家车、出租车、公交巴士）、物流运输（干线物流、城配物流、末端物流）、特别用途（矿山、港口、环卫）三大场景。

国内主要自动驾驶品牌信息列表

从技术角度来说，百度Apollo和元戎启行在小型乘用车赛道处于领先。如Apollo直接将雷达等各类传感器集成在车辆上，无需对车辆做二次改造，就能完成控制、决策、躲避障碍等操作。元戎启行索性去掉了“机顶盒”，将车载雷达全部融入车身，使外观看起来与普通车几乎无异。

深兰科技则在大型公交赛道一枝独秀，其开发了搭载的智能驾驶、智能客舱等功能的12米熊猫智能公交，是国内唯一持有上海、深圳、广州、长沙和武汉5个城市自动驾驶测试和商用牌照并入选工信部整车目录公告的商用车，并先后中标上海、天津、常州的城市公交采购项目。

在物流领域，AutoX是领头羊。它是国内第一家获得美国加州路测牌照的初创公司，也是目前全球唯一一家获得加州无人出租、无人货物运输双运营牌照的企业，并获得NHTSA（美国高速公路安全管理局）官方安全认证。

公开资料显示，从去年七八月起，百度Apollo和元戎启行的自动驾驶出租，在深圳开始道路和营运测试；而深兰熊猫智能公交，前年5月就开始在深圳坪山示范区营运路测。

随着政策放开和法律完善，聚焦“商业化”的国内自动驾驶下半场已经开始，接下来整个行业势必会出现井喷式发展，大规模商业化也指日可待。那些早早播下“技术落地”种子的自动驾驶企业，也将值此契机百花齐放，优先品尝到商业化的果实。

AI黄金赛道，自动驾驶多城鸣笛开跑

目前，随着5G设备和车路协同设施的普及，自动驾驶迎来了跨越式发展的最好契机。除深圳以外，全国已有多个城市开放了自动驾驶路测示范，此举将大大加快自动驾驶产业化、规模化、商业化的进程。

北京是国内首个在公共道路给自动驾驶路测开绿灯的城市，并首开乘用车无人化运营试点。上海则率先开设了国家级产业示范群，累计向25家企业颁发路测许可，并开放测试道路615条，场景12000余个。广州则认可其他地区智能网联汽车路测许可、批量开展Robotaxi技术验证、在中心城区主干道开展路测等。

据《华夏时报》统计，除北上广深外，目前已有包括长沙、武汉、苏州、重庆等40余个城市出台政策和管理办法，积极开展自动驾驶的道路测试、载人测试、示范运营。

国内主要城市自动驾驶汽车落地情况

由图可见，出行和物流是目前国内自动驾驶最热门的两大应用场景，背后则隐藏着一个万亿级规模的新兴市场，对城市经济发展会产生强大的驱动力，因此吸引着越来越多城市以自动驾驶为“敲门砖”，力求敲开这一市场的大门。

自动驾驶汽车，轮子上的“碎钞机”

近两年，各类企业纷纷介入自动驾驶。无论是车界的比亚迪、特斯拉，还是网络界的百度、谷歌，或是像华为、苹果这类科创巨头等，都开始积极布局和大举投入。

不过从2020年起，自动驾驶的经历可谓是“冰火两重天”。一方面，国家政策利好不断，资本市场持续看好，企业融资总体向好。有的公司在一年内，就获得了好几笔大额融资。

目前细分赛道中，最容易融资的，莫过于无人出租。如小马智行，2020年融资超7.2亿美元，2021年又收获1亿美元C轮追加融资。而文远知行，在2020年由宇通集团领投2亿美元，后续又完成了连续三轮融资，共计4.4亿美元。

另一方面，如果抛开投融资不谈，单看企业自身营运数据，那财务状况糟糕透顶。据PitchBook研究数据显示，从事自动驾驶行业的创业公司，每月运营成本要160万美金（折合1051万元人民币）。总体上，目前整个行业基本呈现一种“钱融得又多又快，烧得更多更快”的怪圈。

那自动驾驶烧钱速度有多快？Uber自动驾驶部门5年烧光了25亿美元；Waymo每年要花掉10亿美元以上。国内最舍得“烧钱”的是百度，据财报数据显示，仅2020年投入就达200亿元。文远知行CEO韩旭也曾在受访时向媒体表示：公司一直维持着每年1亿美金的花钱速度。

其实，自动驾驶自诞生之日起，就是一门“投资见效难、技术落地难、商业化难”的生意，而且是长期“只见投入，不见产出”的那种，未来还要烧多少钱以及烧多久，也连个准数都没有。

就拿已经实现商业化落地的Robotaxi来说，据滴滴公开数据显示，在日常运营中，平摊在每辆车上的研发、人力、运营、维保成本，累计在100万元以上。

相较于巨额成本，营收则可以忽略不计。据Waymo高管向媒体透露：2020年美国凤凰城公司每月能接1500笔业务，营收不过才1万多美元。而在国内，虽然在北上广深等多个城市，百度Apollo出租、深兰智能公交、元戎启行出租等已开始商业营运，但都是依靠企业烧钱补贴维持。

正如，一位业内人士所说：“搞自动驾驶不是百米赛，而是马拉松，跑在这根赛道上，拼的就是耐心和耐力，不是所有企业都能跑到终点”。可见，自动驾驶要过上那种不靠烧钱发展的日子，还遥遥无期。

搞自动驾驶，投的钱都花去哪儿了？

搞自动驾驶为什么这么烧钱？人才、数据、硬件等都是原因。

人才的重要性毋庸多言。自动驾驶属于前沿科技，涉及AI、计算机、大数据、移动互联网等各个信息科技领域，需要大量高科技人才参与，否则根本玩不了。眼下，全球自动驾驶工程师供应处于严重紧缺状态。

再说数据，为了修正算法、构建模型、验证技术安全性、分析道路场景，企业需要进行大量道路测试来收集足够的数据。仅L3自动驾驶，就需要完成2000万公里的路测，L4则是恐怖的10亿公里。这其中，路测技术人员的人力成本，再加上车辆的油费、维护、保险，开销高得离谱。

另外就是硬件成本，车辆本身以及车身上搭载的激光、摄像头、雷达等传感器、以及各种仪器仪表显示仪，一部自动驾驶汽车的成本堪比跑车。

特别是整个行业目前还没形成合理的盈利模式，无论百度Apollo和元戎启行的RoboTaxi，或是深兰科技和轻舟智行的巴士公交，都只能算是商业化尝试，相比巨大的运营成本，收入显然“杯水车薪”。

现阶段，业界各方之所以在自动驾驶上花钱连眼都不眨，本质上是没人愿意错过未来智慧交通这个远大“钱景”。

马斯特就曾一针见血地指出自动驾驶对特斯拉的重要性：“能否解决自动驾驶问题，直接决定特斯拉的价值未来到底是高不可攀，还是几乎一文不值。”

当前的自动驾驶就如休眠的火山，成百上千年的聚集着压力，一旦喷发，就会爆发出巨大的能量。

搞自动驾驶想少烧钱，企业不能光吃“软”饭

总的来说，自动驾驶之所以吸引各类企业入局，还是它能在降低成本，提高效率和安全的同时，打造出一种新商业模式，使企业获得新的“钞能力”。

“钞能力”虽然诱人，不过眼下自动驾驶发展，还得靠亏损来维持。目前能做到“少烧钱，多办事”的自动驾驶企业，少之又少。究其根源，问题就出在绝大多数自动驾驶企业没有摆正位置，造成烧钱烧多了，连不该烧的也烧了。

众所周知，做这一行的不是车企，就是科技企业。从能力而言，车企硬件（整车）设计能力强，软件（自动驾驶系统）开发能力弱，科技企业则正相反，而自动驾驶汽车又是软硬结合的产物。因此，车企走的是“硬+软”路线，说白了就是“给车配备自动驾驶系统”，而科技企业走的却是“软+硬”，也就是“将自动驾驶系统配载到车上”。

“硬+软”注重可靠，“软+硬”强调性能，两者的主导权截然不同。虽然从本质上讲，无论谁主导，都可以搞出自动驾驶汽车，但两者的工程量大小和成本耗费天差地别。因为，从产业成熟度而言，整车设计成熟度高，自动驾驶系统还远未成熟。试问一个未成熟软件，怎么可能去主导一个成熟硬件联合搞开发？如果这样搞，风险岂不是更高？

显而易见，要想避免当前搞自动驾驶“烧钱太多”的怪圈，关键是要让这些科技企业“软饭硬吃”，即不只做系统开发，还要做整车设计，哪怕是找一家车企合作来帮你一起做。如百度Apollo的“萝卜快跑”，就是与北京汽车联合设计的；元戎启行的RoboTaxi，是东风汽车专门为其定制；而深兰科技的12米熊猫智能公交，整车更是由深兰自己设计开发的。

在自动驾驶系统开发和整车设计上同时发力，不仅避免了作为软件供应商的尴尬，也能大大降低了软硬件兼容、试错、适配和测试的成本。

所以说，在当前自动驾驶仍处于纯烧钱阶段前提下，要做到“多办事，少烧钱”，必须抛弃一门心思做系统的观念，走“软硬兼修+整合研发”的道路，才能取得“降本增效”的实效。

总而言之，自动驾驶未来的道路还很长，不确定因素也很多，如果科技企业还是不能改变旧有的研发模式，重技术，轻整合，那自动驾驶驶上的，将是一条看不到终点的歧路。