如果無人駕駛熱潮中最終獲益的不是傳統車企，不是谷歌百度，也不是Nvidia或Velodyne，而是ABA之流的律師協會。這就尷尬了。
來源 | 二說（ID：chongershuo）
作者 | 蟲二
關於無人駕駛的工作原理和各家企業的研究進展，相關報道鋪天蓋地，這裡不做贅述，只想討論一下商業路徑上的幾個關鍵門檻。
1、成本
去年歸入母公司Alphabet旗下的谷歌無人車Waymo公佈過整車成本，大致15萬美元左右，其中Velodyne垂直26.8度和水平360度掃描，每秒產生130萬數據點的64線激光雷達單價就有7.5萬美元，商業化的瓶頸是價格。
Velodyne的64線雷達工藝複雜，1周只能出品2臺，按2025年會有2000萬輛無人車上路的預估，如果都用激光雷達，Velodyne的產能也是瓶頸。
去年福特和百度以1.5億美元入股Velodyne，後者拆分出三個子業務，其中激光雷達屬於Velodyne LiDAR，百度已然“精明”的大量下單囤貨，加上德國Tier1採埃孚（ZF）收購了另一激光雷達公司Ibeo的40%股權，市場上雖然還有Quanergy、Innoviz以及一些中國產品可供選擇，但在固態雷達等技術爆發前，產能和成本空間其實是相對鎖死的。
Velodyne曾經吹牛如果訂單突破100萬，它有能力把產品價格下調到500美元左右，倘若如此，無人駕駛的成本才會取得歷史性突破。
Waymo的解決方案是自研，已經開發出3個激光雷達、8個視覺模塊和毫米波雷達組成的系統，成本據說降至7500美元，但這招別人還真是學不來。
2、數據和信息獲取
無人駕駛的另一個要素是數據和信息獲取，無人駕駛創業公司單靠自己路試，數據的樣本量自然有限，所以必須要尋找和創造高效的應用場景。
2013年穀歌給過Uber約2.58億美元的風投，但後者不甘淪為Waymo的附庸，2015年轉而與卡內基·梅隆大學合作探索無人駕駛，這讓谷歌非常不滿。去年1月Waymo工程師Anthony Levandowski離職創建無人貨車公司otto並閃電被Uber收購，令雙方矛盾白熱化。
對簿公堂之下，舊金山地方法院判令Uber返還全部1.4萬份技術資料，Travis Kalanick的野心算是受到很大挫折。
而Waymo也不得不啟用備胎—Lyft。
Lyft此前拿過通用10億美元投資，很多人以為這是轉投谷歌的節奏，其實Waymo無非是找了一個驗證自身技術的高頻場景而已，在落地執行上，谷歌先用旗下的Waze地圖完成對Lyft司機的實時追蹤，提升其運營效率，然後再切入無人駕駛。
3、運營與合作
除了Lyft這樣的出行創新公司，Waymo和百度還需要傳統車企的支持，Waymo一邊加緊路試，一邊留意在某些野心很大但技術有限的車企那裡爭取突破口，比如從菲亞特克萊斯勒訂購了100輛Pacifica加入路試，與本田的合作也已公佈。
其中Pacifica已經接近實用狀態，Waymo在Early Riders頁面公開接受亞利桑那州鳳凰城居民的申請，承諾運送到任何他們想去的地方，儘管車上仍有司機，但沒有L4級的技術水平是絕不敢這麼做的。
Waymo意圖證明自己在成本控制、商業考量、技術儲備和安全高效上都做好了準備。
相比之下，缺乏硬件基礎的百度Apollo只是一個軟件平臺，在Mobileye主宰的ADAS時代難有作為，甚至連前裝的機會都沒有，而如果主機廠圍繞Nvidia的Drive PX 2和深度學習計算機DGX-1去做無人駕駛的軟硬件整合，百度同樣沒有機會。
所以李彥宏和陸奇的慷慨也是不得已而為之。
百度的精明在於深知目前市場環境下，找到大牌夥伴的可能性很小，它覷準的機會是在今年找到某家急於跳過ADAS直接上無人駕駛的國內主機廠，迅速推出樣板產品。
4、技術上沒有真正做到無人。
至少今天的Waymo還不能完全脫離真人司機，按此前透露的數據，Waymo司機接管汽車的頻率已經從每1000英里0.8次下降到目前的0.2次。
但這個數據無限趨近而不是真正下降到0沒有任何實際意義。
5、立法困境和法理爭議。
去年12月聯合國日內瓦世界車輛法規協調論壇上討論過無人駕駛的立法問題，但整個汽車產業的準備不足，很多細節問題尚待解決，立法根本沒有基礎。
具體表現在沒有明確的管轄主體，兩臺機器犯了錯誤，怎麼處罰？就算可以，處罰機器也沒有意義，因此理論上說，汽車廠商、Tier1、硬件提供商、地圖服務商甚至碼農個人都可能成為被告。
英美法系是判例法，一旦出現成功索賠，將可能引發連鎖反應，由此而來的纏訟會讓任何企業吃不消。
摩根·斯坦利曾經估算，無人駕駛雖然理論上比有人駕駛車輛更安全，但商業化之後，每行駛1.23億公里仍會造成50人死亡。這是潛在的風險。
最先認識到這點的是ABA（美國律師協會），它對無人駕駛的商業化比誰都積極，協會把無人駕駛視為未來50年的金飯碗，這就比較腹黑了。
6、社會倫理爭議。
當危險不可避免時，無人駕駛技術也面臨倫理困境，即優先保護車主還是路人，這很像當年著名的Trolley Problem（電車難題）。在被動安全年代，主機廠的原則是雙向加強，比如VOLVO就花了很大力氣研究行人保護技術，捷豹也有引擎蓋抬升系統等等，但在無人駕駛時代，奔馳就轉而支持優先保護車主了。
在可預見的未來，無人車必然是奢侈品，所以奔馳的選擇似乎符合商業倫理，但在法理上會有很大爭議，只怕又要讓ABA高興了。
7、副作用尚未真正顯現
無人駕駛會加劇還是緩解資源消耗一直存在爭議。
此前美國Transportation Research雜誌刊載橡樹嶺國家實驗室的建模研究表明無人駕駛對交通效率和車主體驗的提升，反而會促使人類在交通體系上消耗更多的資源。
無人駕駛會促成汽車的大共享還是會因為使用門檻的降低導致私家車的暴漲，專家學者們也爭論不休。
是否會緩解擁堵則是另一個議題。
理論上說，隨著V2X通信標準的成熟，無人駕駛汽車將打通車內、車外和車際網，再加上與基礎交通設施的信息交互應該會讓交通體系更有效率。
這似乎有道理，但研究結果卻兩極分化。
數學家Benjamin Seibold在美國著名的《大眾機械》雜誌上撰文指出，無人駕駛有利於克服有人駕駛上的波浪式擁堵效應。
倫敦帝國理工學院的研究則表明，由於無人駕駛要考慮乘坐舒適性，會傾向於柔和採取制動和啟動措施，這可能令整體通行時間要超過有人駕駛。
8、消費路徑的漸進性。
宣稱在2020年量產無人車的企業不少，大量主機廠都有類似的計劃，百度也喊過“三年商用，五年量產”的口號，但純屬互聯網式的放衛星。
因為最根本的是安全問題還沒有解決，在手機重啟，pc藍屏都無法根除的今天，怎麼保證系統不犯讓車主送命的錯誤？
技術在某個特定場景下的成熟，沒有多大商業意義，無人駕駛普及前必須承受複雜苛刻長達數億公里並考慮各種極端情況的路試，跳過這一步的可能性幾乎沒有。
這就決定了無人駕駛只能是緩慢漸進式的發展。
我們知道最早的谷歌無人車也是2012年5月才開始路試，至今跑了不到500萬公里（雖然Waymo號稱超過人類300年的經驗積累），去年9月還有一次嚴重車禍，相比之下，普通的傳統汽車都要經過幾百萬公里的路試，比如奇瑞旗下品牌觀致上市前僅在歐洲就有650萬公里和10個批次的路試。
除了極少數巨頭，絕大多數無人駕駛創業公司都不可能堅持這種規模的路試，這不符合快速迭代的互聯網思路，成本結構也不允許。
9、落地瓶頸
去年10月的中國汽車工程學會年會上發佈了《節能與新能源汽車技術路線圖》，強調2025年要有15%的汽車實現HA級（相當於L4-L5）的自動駕駛，但這個水平的自動駕駛依賴海量數據以提升深度學習能力，而數據不僅是車主隱私更是一種戰略資源。
至少我本人高度懷疑主管部門放手無人駕駛車企在中國建立高精度地圖庫和駕駛行為數據庫的可能性，即便服務器可以“遵命”部署在國內。
《中國製造2025》中對無人駕駛關鍵設備和技術的國產化也有明確要求，這個問題以及由此帶來的深遠影響將是無人駕駛領域的最大變數！
10、小範圍商用的可能性。
無人駕駛在規模化之前需要小範圍封閉環境的測試，比如企業園區通勤車、景區觀光車等低速場景，這樣安全可控，意外風險小。
Waymo在鳳凰城的嘗試，Navya在拉斯維加斯飛芒東街、密歇根大學城的免費搭乘，瑞士郵政巴士（PostBus）在瓦萊州首府錫永開通的小巴，nuTonomy在新加坡住宅區半徑2.5英里試運營的出租車都屬此類。
對於無人駕駛來說，相對靠譜的結論大致有三點：
首先，誰的技術率先商用，誰的機會就最大，因為量產車型所帶來的規模化數據是任何路試不能替代的，但享受這份風光的條件是不能犯任何錯誤。
其次，無人駕駛的普及需要整合多方面的力量，互聯網公司或創業公司脫離或試圖顛覆傳統車企將是非常危險和錯誤的選擇。
最後，無人駕駛很可能促成真正意義上的大共享。羅蘭貝格的民調顯示，如果無人駕駛汽車普及，27%的中國人、32%的美國人，56%的日本人會放棄購買私家車。
不過現在談論誰是最後的贏家還為時尚早。
十九世紀中葉，美國西部發現石油，冒險家蜂擁而至，沒日沒夜的鑽探，僥倖成功的一夜暴富，運氣不佳的傾家蕩產，而精明的老洛克菲勒卻開起了煉油廠，因為他知道工業界需要的不是原油而是裂解後的汽柴油，結果他成了那場世紀紅利的收割人。
如果無人駕駛熱潮中最終獲益的不是傳統車企，不是谷歌百度，也不是Nvidia或Velodyne，而是ABA之流的律師協會。
這TM就尷尬了！
無人駕駛 關鍵門檻