自动驾驶提速，利好车企哪些发展

2022自动驾驶提速，利好车企哪些发展

自动驾驶企业盈利压力迫在眉睫，车企也需要握紧王牌迎战智能化角逐。各种迹象显露，自动驾驶离家门口似乎越来越近了。那么今天小编在这里给大家整理一下自动驾驶的相关知识，我们一起看看吧!

自动驾驶提速对标“老司机”

在手机软件上选择起终点，在规定上车点上车，落座后排，向语音系统报出手机号后四位，一趟Robotaxi旅程就开始了。期间，方向盘自行转动，道路上的车辆行人状况会简化成一个个小图标，实时投射在你面前的屏幕上，它绝不会闯红灯、绝不会压实线，但它会变道甚至会加塞，有时还会急刹车。这就是一个L4级别自动驾驶的基本体验。

按照技术成熟度由低到高，业内将自动驾驶分为L0~L5六个级别，其中L3到L4的跨越意味着驾驶权由人转到车，再往上将基本甚至完全不需要人类驾驶员接管车辆。目前汽车采用的自动驾驶功能大多处于L2级别。IDC数据显示，一季度的中国汽车市场中，L2的乘用车新车渗透率为23.2%;L3在少数车型中规划量产，L4相对遥远，L5甚至被认为难以实现。

级别划分相当于明确了“考卷”，但自动驾驶尤其L4以上需要实际路测“答题”，怎样“判卷”尚不清晰。证券时报记者采访到的多位业内人士都表示，L4能力的成熟度在封闭场景中能够得到测试，但在城市开放环境中的评价体系还有待探索。

业内流行的一种判断标准是路测里程。战略研究智库兰德公司曾经发布报告指出，要在数学上证明自动驾驶比人安全，需测试110亿英里(约177亿公里)。这相当于沿着赤道绕地球44万圈。

现在场上的玩家看起来差距还比较远。谷歌兄弟公司Waymo路测里程或已超过2000万公里;国内较为领先的是百度Apollo，今年3月公布的里程超2500万公里，小马智行和文远知行分别为1300万公里和1100万公里。

除了里程长度，场景丰富度也影响测试效果。文远知行相关负责人告诉证券时报记者，文远知行在中国、美国都有测试项目，相同距离下在中国遇到的corner case是美国的30倍，“因此虽然中国自动驾驶头部企业的里程长度不如Waymo等美国企业，但我们认为与它们的技术差距只有一年左右。”

运载树木的车辆是不是树、婚车上的人像照片是不是人，这些场景少见却影响驾驶判断，因此学习尽可能多的corner case是算法成熟的关键。调研机构Fourin中国调查部部长周锦程告诉证券时报记者，主流方法只能靠不断上路积累数据，但corner case是无法穷尽的，最终的理想效果可能是自动驾驶的事故发生率落到一个可以接受的容忍度区间。

也有一些非主流的技术路线试图提供解决方案。创业公司哆来目通过一种人眼视觉仿生技术来做碰撞预测，公司相关负责人对证券时报记者表示，除了认别感知之外，人眼的另一个通道是运动感知，“比如在余光范围内，你不需要清晰的识别出它是什么，但你能察觉到它在移动，并在必要时做出避让。”

城市是各类场景密度最高的地方，也是自动驾驶最难攻克的题目。元戎启行副总裁刘念邱表示，城市中交通参与者多、对象的复杂度高、且道路交错开放，因此会大大提升对预测能力的要求。

交通规则和行人安全往往在自动驾驶算法逻辑中拥有最高权重。不过，把交规教给算法并不简单。“很多交规内容是无法量化的，比如合流车道限速多少、提前多久打转向灯其实都是靠驾驶员经验。另外交规也有模糊空间，比如前方有车停靠时能不能压一点实线，自动驾驶也要学会判断。”周锦程表示。

仅仅懂规则并不能开好车，自动驾驶需要更像个“老司机”。在企业路测视频和记者的试乘体验中，经常会出现临近公交站或侧旁来车时过度急刹的情况，影响乘坐的舒适度。

“出现这种情况的原因是算法策略比较保守。”元戎启行副总裁刘轩介绍称，最早期行业内的决策规划都是依照既定规则;后来会优化出几条决策路线，根据评分高低做选择;更高阶的是运用强化学习和博弈论，让算法自己去学，目前能做到的企业比较少。

城市场景的差异性特别考验自动驾驶的适应能力。刘轩举例称：“我们的车在路上不怕别人加塞，有时还会加塞别人。因为一线城市交通拥堵，比如从主路变道到辅路车特别多，如果一直等就会永远过不去。”

小马智行接受证券时报采访时也表示，各地路况和天气都有所不同，本质上车辆需要理解开车行为的关键准则，比如通过路口的时间和黄灯的关系，或者不同天气下传感器信号的处理方式，“我们的理念是用一套系统在不同地方实现自动驾驶，在北京和广州基本花两周时间，车就能在当地跑得比较好了。”

算清成本账

自动驾驶不仅是一项技术，更是一门生意。车企要让自动驾驶功能足够便宜，消费者才能接受;自动驾驶企业运营Robotaxi(自动驾驶出租车)服务，运营车成本至少应该与出租车持平。

成本负担首先来自硬件。与特斯拉仅靠摄像头的纯视觉路线不同，国内普遍选择搭载更多、更强的传感器和更大算力的芯片。在近期新上市的中高端车型中，激光雷达等零部件几乎成为标配，硬件配置颇有“堆料”之势。

一些自动驾驶企业也陆续抛出自家的成本报价。百度Apollo与极狐合作量产共享无人车Apollo Moon，宣称整车成本价为48万元;元戎启行称自动驾驶硬件采购成本不到1万美元，量产后还能下降70%;轻舟智航则表示其量产成本低至1万元。

值得注意的是，上述企业主要运营Robotaxi服务，成本回收的方式与乘用车销售不同。此外，有业内人士提醒，报价以量产为前提，而车企大规模采购并搭载上车的阶段还没有到来，因此现在谈成本还比较“虚无”。

自动驾驶能力需要软硬件相互配合，如果为压降成本舍弃了一部分硬件性能，也就意味着软件方面要更强。刘轩表示，虽然固态激光雷达的价格更便宜了，但其点云质量实际上不如原来的机械式激光雷达，如果想把它用好，就需要在算法上做更多优化和补偿;同样，如果不用大算力芯片，就需要更好的推理引擎技术。

除了硬件成本，自动驾驶企业还需要考虑安全员的人工成本。证券时报记者了解到，安全员一般是自动驾驶企业的全职员工，甚至还是担任测试任务的技术人员，其工资至少与出租车司机相当，甚至高于后者。

“实现盈利本质上是车辆利用率的问题。在我们硬件成本足够低的前提下，不考虑研发成本摊销，只要安全员和车辆数量比值小于1:1，就能突破盈亏平衡点。后期我们也可以通过跑早晚高峰、机场线等路段提高车辆利用率。”刘念邱表示。

当前Robotaxi只能在限定范围内运营，例如北京亦庄、广州南沙、深圳福田等，车辆数量不够多，且需要在固定地点上下车，在一定程度上折损了对用户的吸引力。

业内普遍认为Robotaxi距离真正盈利还有相当一段距离，因此近两年企业业务也在发生转向。一方面是从L4向L2、L3“降维”，例如文远知行获得博世战略投资，双方在L2和L3级自动驾驶大规模量产及市场化应用方面开展合作;另一方面是拓宽场景，文远知行、小马智行和元戎启行都纷纷涉足自动驾驶小巴、环卫车、轻卡等商用车业务。

“Robotaxi代表着最核心也是最具挑战的场景，小巴、环卫车与它的共同点是都在城市内驾驶，虽然产品不同，但是研发工程师需要解决的场景问题都是一样的，因此我们的核心算法是可以通用的。并且小巴和环卫车的运营路线比较固定，商业化相对容易，可以在通往Robotaxi的过程中为我们创造盈利。”文远知行相关负责人表示。

企业背后的投资方也不希望等待太久。“解决corner case问题需另辟蹊径。投资人不会永远拿钱无休止地支持自动驾驶企业研发下去，对于给予企业支持的政府也可能有对赌或业务落地要求，所以自动驾驶或者说智能辅助驾驶一定要是可落地的。这不仅是对投资人的保障，也是对企业自信心的提振，以及企业自身良性循环的内在要求。”松禾资本董事总经理闫阳对证券时报记者表示。

新业务同样需要产生规模效应。“我们自动驾驶轻卡业务还在早期，在现阶段成本很难替代掉司机。我们要做的就是逐步扩大运营规模和时间，和主机厂一同向低成本上量的方向推动。”刘轩称。

谁主前路?

智能化被视为车市竞争的下半场，自动驾驶则是智能化的核心功能之一，因此吸引来车企、L4自动驾驶企业、Tier1(车厂一级供应商)、互联网公司等各路资本纷纷押注。

最受瞩目的两股力量来自车企和自动驾驶企业，二者分别倾向于循序渐进和一步到位两种技术路线。在刘念邱看来，由于驾驶主体责任的差别，商品车车主需要随时接管车辆，车企追求的是车主更好的体验感，因此其自动驾驶开发是功能化的，先从相对简单的高速领航、车道保持等功能做起，每一个功能都有限定的场景;而L4企业追求零接管，需要在全场景都能运营起来。

二者有时会互相借力并构建起多种方式的联结。车企需要更多的行驶数据，除了从自家车辆方面收集之外，Robotaxi是一个很好的渠道;自动驾驶企业则需要与车企合作开发量产车型，或者直接将能力以产品的方式供应给车企。因此市场上经常出现“车企+自动驾驶企业+出行平台”的三角形合作，更积极的诸如特斯拉、小鹏则计划亲自下场做Robotaxi。

不同主体之间纵横捭阖，常见的模式大致有：车企全栈自研自动驾驶技术;车企孵化、投资自动驾驶企业或建立战略合作;自动驾驶企业将能力供给Tier1，再输送给车企等。上述模式中车企和自动驾驶技术的距离由近及远。

“在融资中我们非常看重主机厂和Tier1的参与，它们能够带来更多产业资源。比如我们和战略投资人宇通集团一起研发前装量产的无人驾驶小巴和环卫车;与博世的合作能够借助其百年的工程化能力，让我们的算法更稳定、规模化地上车。”文远知行相关负责人称。

不过，车企把握着终端产品，最有可能居于核心生态位。“汽车行业是一个有着百余年历史的行业，国内外的车企和上下游企业都有自己一套严密的逻辑和体系，包括生产管理、成本控制、车规质量要求和产品工艺流程等，所以创业公司的技术和产品最好贴合这些企业的现状和需求，如果没办法融入他们的逻辑和体系，那可能会比较难受。”闫阳直言。

实际上，车企往往选择多条腿走路，同时和多家自动驾驶企业合作，并且自身也在研发自动驾驶技术。闫阳认为，这是车企根据自身情况而为之，车企本质上并不愿意将自动驾驶技术拱手让人，而自动驾驶企业似乎也不会向车企开放核心算法，因此双方的合作现阶段很可能若即若离。如今自动驾驶企业境外上市的道路遭遇阻碍，而车企在资金和话语权方面更胜一筹，二者难以形成同台对垒。

在头部车企都争相自研的环境下，自动驾驶企业需要尽快找到合适的生存空间。周锦程表示，现在车企的竞争节奏很快，自动驾驶也需要抢时间。有些车企可能没办法在短期内建立能力，有大型车企就曾出现过自动驾驶部门领导的工资不如挖来的程序员高，足以见组建团队的成本，并且一些优秀的主机厂也很愿意接受来自外部的技术刺激。因此自动驾驶企业还有很多可以发挥的空间。