自动驾驶寻找“商业闭环”

文|产业家 斗斗 编辑|皮爷

每年，全世界都有将近120万人死于车祸，这个死亡率相当于每年释放10个广岛级别的原子弹爆炸。

而谋杀、自杀以及战争每年预计会造成160万人死亡；由毒品导致的死亡人数每年约有18.3万人。尽管全球死亡人数有很大一部分来源于本可避免的汽车事故，但是仍没有哪个政府支持"向汽车宣战"之类的活动，或者说呼吁人们停止开车。

这是一个有意思的现象，其中缘由也不难解释。作为衣食住行中的"行"，汽车是刚需，是人们生活的底层保障，无法被取缔。

难道就没有什么方法来减少汽车事故吗？

事实上，这种方法是存在的，就是将驾驶员从方向盘后面移开，取而代之的是智能软件和传感器。要知道无论汽车的安全保障如何完备，但驾驶员属于不可控因素，自动驾驶可以从根本上解决这个问题，可以在很大程度上降低由汽车事故引发的死亡率

其实，自自动驾驶概念出现以来，企业卖力的吆喝、资本大手笔投钱，以及媒体铺天盖地的宣传，给人一种自动驾驶将发展成为类似于"阿波罗计划"的下一个文明里程碑的错觉。

但由于自动驾驶一直没有实质的商业化落地，导致企业时常高开低走，"雷声大，雨点小"，从而导致市场上已经出现"狼来了"效应。"网上天天讲自动驾驶已经上路了，我硬是一辆也没看到啊！"

基于此，自动驾驶赛道，开始发生了一些变化。

由于无法实现商业化落地，企业曝光减少，资本撤资、媒体关注度下降，消费者不再像之前那么期待与青睐。在这个过程中，有些自动驾驶技术服务商抱着"视死如归"的心态，坚守这一赛道，不断的找投资人，拉投资，试图渡过难关；有些服务商则选择拓展其他业务，寻找其他增长曲线。

一些值得思考的问题是，自动驾驶商业化的难点到底在哪？在当下的自动驾驶竞争格局中，各个自动驾驶企业主们的破局路径是什么？自动驾驶未来何时会来？

从技术发展到商业变现，自动驾驶正在经历着有史以来最严酷的考量。

一、疯狂"秀肌肉"下，够不着的8万亿

吊人胃口的自动驾驶。

自动驾驶赛道不同于其他赛道，其涉及AI、大数据、物联网、5G等各种新兴技术，十分烧钱。基于此，自动驾驶火爆的这几年，小体量的服务商，有实力的被并购，没有实力的被淘汰。大体量的服务商，有的选择砸钱熬下去，有的则积极布局其他领域。所以，这个赛道已经没有可以"浑水摸鱼"的角落了，目前市面上可以看到的自动驾驶技术服务商，大多数是大浪淘沙下的优胜者。

然而，强者的竞争更为激烈。

自动驾驶领域的玩家主要分为三大阵营，一是以阿里、腾讯、百度、华为为主的大厂；二是以比亚迪、小鹏汽车、特斯拉等为主的新能源汽车制造商；三是以蘑菇车联、小马智行等为主的专注于车联网的厂商。

这其中，各类玩家也有着各自的优势，互联网企业有技术研发、高精地图、用户规模庞大的优势；传统整车厂商有资金雄厚、造车平台、汽车销售网络、品牌等优势；新能源汽车厂商和车联网厂商更多的优势在于车联网软件技术优势和车联网硬件两手抓。

目前，自动驾驶的应用市场，主要分布在乘用车、商用车、最后一公里等场景。

相关数据显示，在乘用车领域，私家车有8万亿元市场规模，特斯拉是其中的佼佼者；其次是网约车，Robotaxi大约有3500亿市场规模，代表企业有百度、蘑菇车联、小马智行；商用车领域，例如跨城物流领域有7000亿市场规模，代表企业有图森和智加；同城物流大约有2500亿市场规模；美团和快递公司取代快递员和外面员的无人配送小车属于最后一公里，有840亿。

显然，乘用车领域是自动驾驶最大的市场，也是自动驾驶的终极目标，各大厂商也在不断地在市场中造势。

其中最为积极的便是百度，例如前段时间其在元宇宙希壤，正式发布集度首款汽车机器人概念车ROBO-01。

但效果却差强人意。"发布会看起来像为了KPI赶出来的5毛特效。"诸如此类的评论瞬间铺满整个网络。

其实，从各个厂商传递的信号来看，目前大部分的自动驾驶落地还是主要集中在商用车、最后一公里等场景。

但其实，自动驾驶在商用车的落地难度，并不亚于乘用车。

具体来看，乘用车虽然落地难，但可以实现单一产品打天下，即一个标品可以大规模生产，不存在大规模定制化需求的出现。

而商用车则反之。商用车应用更像一个项目的大集成，例如在港口物流场景，需要跟港区堆厂系统做对接。这导致商用车的每个细分市场都需要针对性做出很多软硬方案的修改，不能单纯的做自动驾驶，这需要厂商更高的行业专业性。

这与各个厂商大张旗鼓摇旗呐喊自动驾驶时代已经到来，形成鲜明对比。其实，厂商们频繁"秀肌肉"背后，一些自动驾驶的发展路径也在逐渐清晰。

二、自动驾驶，亟须数据"喂养"

补全的最后一块"拼图"。

上世纪初，美国的斯佩里公司和德尔科公司就曾研制出第一架无人机。这架无人机总重只有272公斤，由1台30千瓦的活塞式发动机作为动力，装在一个4轮滑车上，草地上铺设了滑轨。

飞机发动后，带动滑车在滑轨上滑行。达到一定速度后，飞机即脱离滑轨飞上天空，然后由一个简单的陀螺仪装置控制飞行方向，由一个膜盒气压表自动控制飞行高度。1915年，这架被取名为"空中鱼雷"的无人机不仅成功地进行了试飞，而且被装上136公斤炸药成功地进行了攻击目标试验。

事实上，自动驾驶自古至今都不是什么新鲜的词汇。另外自动驾驶其实早已实现商业化，且十分成熟。例如，如今的飞机、高铁、地铁，早已实现自动驾驶。

一组数据是，飞机发生一次失事的概率是470万分之一，一年中发生3次失事的事件概率仅为1.03亿分之一。而高铁、地铁的事故率几乎为0。显然这与文章开头所提到的"120万"有着天壤之别。

但即使有这样的前车之鉴，自动驾驶汽车全面应用仍然困难重重。究其原因，主要是因为自动驾驶汽车需要面对更加复杂的应用场景。

就拿飞机而言，飞机在空中遵循一定的航道飞行，除了爬升阶段，飞机主要飞行在平流层，平流层几乎没有什么障碍物。

而汽车则截然不同，汽车在地面上行驶，地面上的障碍物多如牛毛，路上的路障、奔跑的宠物、过马路的行人，双向行驶的车辆，这些都需准确识别，并且必须妥善可靠地躲避过去，而要做到这一点就需要一个超强超灵活的大脑。

所以如何适应复杂的场景，是自动驾驶技术最大瓶颈。而想要适应复杂的场景，这对技术提出了更高的要求，例如物体识别的挑战、中控系统的挑战、绝对安全可靠的挑战等。

但其实自动驾驶本质就是将机械智能化，正如AI的原理，数据获取，数据存储、数据清洗，数据建模，数据处理，数据训练，数据决策，数据反馈。所以想要让汽车可以智能的应对陆地上各种复杂的场景，一个的前提就是需要对大量的场景下的数据进行收集，继而基于数据的分析，机器做出准确的判断与分析。

人们总在谈论自动驾驶商业化的时候，将无法商业化的矛头指向高清数字地图、超声波传感器（声呐）、无线电检测与测距（雷达）、全球定位系统（GPS）、物联网、AI等会对安全造成威胁的各种设备和技术上。

从底层来看，这些都需要收集大量数据作为支撑。其实自动驾驶的全面商业化，无论是设备还是技术方面，已经做好准备，之所以大家一直纠结于技术问题，只是"时间"的问题。随着时间拉长，各个场景数据不断完善，自动驾驶技术升级就会成为水到渠成的事情，毋庸置疑，数据就是自动驾驶的最后一块"拼图"。

那么如何积累数据？

其实，自动驾驶在商用车、最后一公里等场景下，比乘用车更容易获得政府批准。说白了就是更容落地。这意味着自动驾驶领域软件厂商可以通过大量车辆落地跑，积累道路实战数据，改进自有算法。

正如上文所言，"数据"是智能驾驶最后一块拼图，自动驾驶技术厂商们，正在通过这些项目获得这块最后的"拼图"。

由此看来，商业用车、最后一公里等场景就是自动驾驶的突破口，而"秀肌肉"只是厂商们提前把场子热起来的常规操作。

然而，不可否认自动驾驶离真正意义上的落地，还有很长一段路要走。对于自动驾驶厂商而言，只靠卖概念、讲情怀、拉融资并不是长久之计，自动驾驶技术的商业化不应该停留在眼前的方寸之地。

三、押注新基建的G端市场

在湖南省的一个三线小城市里，自动驾驶的格局被重新打开。

湖南省衡阳市是国内首个城市级自动驾驶智慧交通项目的承载地，2021年末，这座城市焕然一新，在衡州大道、蔡伦大道等多条城市主干道上，如 "蘑菇车联"字样的自动驾驶公交车、网约车并派在路边，路边一些工作人员不断检测、记录着各种数据，并对路灯杆上的智能设备做相应的调试。

这是衡阳智慧交通系统的一部分，即"车路云一体化"。而这种模式，比之前任何自动驾驶商用落地都来的更为宏观。

直接的表现是，单车智能方面，配备直观的传感器，如激光雷达、摄像头、毫米波雷达，都在车端部署。而且从传感器到计算力，都按L4级自动驾驶标准来准备。

在智慧道路方面，除配备类似车端的传感器之外，另外新增通信设备，包括通信单元RSU、5G 民用网络，以及计算设备，像边缘计算服务器。如此改造之后，路端就变成了一个完整的交通感知系统——可以在路侧就感知数据，然后实时计算，最后第一时间将结果反馈给路上的自动驾驶车辆，协助其全知全能，实现车路协同。

在AI云平台方面，集合车端、路侧的全维度数据之后，建立数据模型，驱动实时计算、监测交通事件、分析交通态势，以及自动驾驶车辆调度，可以统一在云端还原智能决策。这已不是之前常见的用于训练的那种自动驾驶云平台，而是具备了交通AI底层系统和应用运营系统的AI交通大数据平台。

值得注意的是，在衡阳之前，还没有哪一座城市，真正实现了车路云一体化的商业落地。毋庸置疑，这是一个全新的尝试，同时也为，自动驾驶商业化打开了一条新的增长路径。

根据最新消息显示，不仅蘑菇车联，小马智行、百度以及华为等也都在进行类似的商业变现尝试。一个预测是，在RoboTaxi之外，这种基于新基建的变现模式将成为自动驾驶方向的企业变现主流。

自动驾驶概念出现以来，业内公认的商业模式主要分为两种，一是量产自动驾驶路线，在量产车上率先应用自动驾驶，面向车主收取费用，最后在技术达到L4之后，渐进到RoboTaxi模式上。

二是以RoboTaxi作为商业模式，以推出RoboTaxi产品、提供RoboTaxi服务来实现营收和盈利。

但就目前来看，这两种模式都有或多或少的痛点问题。

例如谷歌子公司Waymo辛苦做了11年自动驾驶，投入超过30多亿美元，累积测试公里数超过2000万英里，依然无法实现"去掉安全员的完全无人化"承诺，如今已经从最初分拆时被评估的千亿美元，不断缩水，在两轮外部机构参与的募资后，估值300亿美元左右。

再比如，频频出现事故的特斯拉。其当下虽然是自动驾驶领域的"香饽饽"，但不能忽视的是，其安全性和可靠性面临巨大地问题。其提供的只是一套进化中的自动驾驶系统，或者只能称其为辅助驾驶系统，AI司机无法做到100%决策。

其实不难看出，靠单车智能直接冲进市场，很难做到商业化。换句话说，无论是特斯拉的量产自动驾驶路线，还是Waymo的RoboTaxi路线，都不是当下中国自动驾驶厂商最好的商业化模版。

一个事实是，中美商业环境有着极大的差异化，在我国，政企市场一直是推动自动驾驶发展的主要动力。正如上文所言的衡阳市智能网联汽车项目，目前是由衡阳市政府与自动驾驶公司蘑菇车联共建。双方在2021年3月签署战略合作协议，项目总投资额高达5亿元。

目前，我国自动驾驶的发展还处于萌芽期的第一阶段，主要营收仍是政企客户。在当下的2022年，TOG无疑是厂商们第二条增长曲线。

一项新技术诞生时，会以最疯狂的速度攀升至顶端，然后迅速下滑坠至谷底，之后再缓慢平稳地上升。

自动驾驶技术，正在进入这个新周期。