'“2019是自動駕駛商業元年”的說法該改改了'
文 |王鵬
自動駕駛或者說無人駕駛作為城市交通的未來方向，早就是普遍的共識。隨著互聯網公司、ICT廠商和主機廠等巨頭悉數入場廝殺，自動駕駛已經成為最燒錢的產業領域。
看起來似乎技術方向已然明確，商業亦是成竹在胸，剩下的只是看誰跑得更快，投入得最多。雖然L5真正普及是2030還是2040尚有爭論，但2019年初，已經聽到很多自動駕駛商業落地元年的說法。然而，以上半年的情形看來，似乎並不是那麼樂觀。
"文 |王鵬
自動駕駛或者說無人駕駛作為城市交通的未來方向，早就是普遍的共識。隨著互聯網公司、ICT廠商和主機廠等巨頭悉數入場廝殺，自動駕駛已經成為最燒錢的產業領域。
看起來似乎技術方向已然明確，商業亦是成竹在胸，剩下的只是看誰跑得更快，投入得最多。雖然L5真正普及是2030還是2040尚有爭論，但2019年初，已經聽到很多自動駕駛商業落地元年的說法。然而，以上半年的情形看來，似乎並不是那麼樂觀。
圖片來源：視覺中國
變數不斷，自動駕駛成拖累？
百度Apollo作為國家人工智能四大平臺之一，依靠千人規模的巨大團隊，數百億資金投入，免費開放的生態系統，在國內已經取得了絕對的領先優勢，並吸引了上百家車企合作。最後一公里配送、RoboTaxi 、固定線路巴士、小巴“阿波龍”、卡車物流和乘用車等領域全面佈局並有不少落地案例。
但與所有廠商一樣，除了各地政府補貼以及少量封閉園區場景的物流車、掃地車成單外，真正的規模化商業回報還遙遙無期。即使在測試環境下達到成熟，受到交通法規、道路設施等限制，真正上路運營的希望也是寥寥。
正因如此，學習Waymo、Uber等前輩的做法，國內一些頭部大廠在最近密集傳出獨立自動駕駛部門的消息，尋求更多資本支持，也減輕公司的財務壓力，讓財報能好看那麼一點。不過目前，除了滴滴成功獨立了自動駕駛業務，百度和蔚來方面都回應消息不實。
自動駕駛行業如今的困境，原因很多。作為一種必然影響城市形態和運行方式的顛覆性技術，其巨大的不確定性既是商業風險，也是其有趣並值得投入之處。
相比當年汽車對馬車的取代過程，自動駕駛如今的發展恐怕已經順利了很多。自動駕駛首先是一種綜合性技術，技術路線及其成熟程度顯然是最容易想到的問題。雖然無外乎是感知、決策、控制幾個環節，但各大門派思路還是有不小的區別的。
我們姑且不提激光雷達與攝像頭之爭這種細節，也不探討小廠不得不聚焦到某個細分技術重點。即使是大廠，也有如google和華為，不僅設計和訓練所有算法，也設計從雷達到視覺，甚至電機、電池等所有硬件模塊；或者如百度，依託其軟件和AI方面的優勢，選擇專攻算法，而將硬件開放給生態。
然而行業也越來越發現，硬件方案和軟件算法之間的耦合可能超過原來的想象，其配合也許才是最關鍵的技術。所以Waymo2018年在加州的路測數據，成績遠遠好於百度也容易理解。
"文 |王鵬
自動駕駛或者說無人駕駛作為城市交通的未來方向，早就是普遍的共識。隨著互聯網公司、ICT廠商和主機廠等巨頭悉數入場廝殺，自動駕駛已經成為最燒錢的產業領域。
看起來似乎技術方向已然明確，商業亦是成竹在胸，剩下的只是看誰跑得更快，投入得最多。雖然L5真正普及是2030還是2040尚有爭論，但2019年初，已經聽到很多自動駕駛商業落地元年的說法。然而，以上半年的情形看來，似乎並不是那麼樂觀。
圖片來源：視覺中國
變數不斷，自動駕駛成拖累？
百度Apollo作為國家人工智能四大平臺之一，依靠千人規模的巨大團隊，數百億資金投入，免費開放的生態系統，在國內已經取得了絕對的領先優勢，並吸引了上百家車企合作。最後一公里配送、RoboTaxi 、固定線路巴士、小巴“阿波龍”、卡車物流和乘用車等領域全面佈局並有不少落地案例。
但與所有廠商一樣，除了各地政府補貼以及少量封閉園區場景的物流車、掃地車成單外，真正的規模化商業回報還遙遙無期。即使在測試環境下達到成熟，受到交通法規、道路設施等限制，真正上路運營的希望也是寥寥。
正因如此，學習Waymo、Uber等前輩的做法，國內一些頭部大廠在最近密集傳出獨立自動駕駛部門的消息，尋求更多資本支持，也減輕公司的財務壓力，讓財報能好看那麼一點。不過目前，除了滴滴成功獨立了自動駕駛業務，百度和蔚來方面都回應消息不實。
自動駕駛行業如今的困境，原因很多。作為一種必然影響城市形態和運行方式的顛覆性技術，其巨大的不確定性既是商業風險，也是其有趣並值得投入之處。
相比當年汽車對馬車的取代過程，自動駕駛如今的發展恐怕已經順利了很多。自動駕駛首先是一種綜合性技術，技術路線及其成熟程度顯然是最容易想到的問題。雖然無外乎是感知、決策、控制幾個環節，但各大門派思路還是有不小的區別的。
我們姑且不提激光雷達與攝像頭之爭這種細節，也不探討小廠不得不聚焦到某個細分技術重點。即使是大廠，也有如google和華為，不僅設計和訓練所有算法，也設計從雷達到視覺，甚至電機、電池等所有硬件模塊；或者如百度，依託其軟件和AI方面的優勢，選擇專攻算法，而將硬件開放給生態。
然而行業也越來越發現，硬件方案和軟件算法之間的耦合可能超過原來的想象，其配合也許才是最關鍵的技術。所以Waymo2018年在加州的路測數據，成績遠遠好於百度也容易理解。
圖片來源：視覺中國
商業困境，自動駕駛如何賺錢？
在商業模式方面，除了主機廠，像蘋果那樣上來就想重新定義整車的還是不多，大多數自動駕駛廠商還是定位做技術供應商，而Robo Taxi及其演進方向MAAS(出行即服務)今年以來越來越受關注。
主流主機廠在銷量下滑和互聯網造車勢力的壓力下，紛紛在探索MAAS落地之路，借自動駕駛把售賣模式轉為服務模式。雖然多個品牌都在特定城市成立了MAAS運營公司，並拿到了一些授權，但整合多種交通方式一體化運營，可能是比自動駕駛更大的挑戰。
在落地場景方面，大家雖然都在刷開放道路測試的里程，但更多意在積累數據。大小廠商都已經意識到，封閉場景、低速、非載人這幾個要素才是近期的落地商用的關鍵。園區接駁車是目前最普遍的需求，在高端地產和智慧城市示範項目中，是不錯的展示體驗選項，但百度160萬一臺的價格，恐怕可以嚇退絕大部分潛在客戶。
以海淀公園為例，市民(每天4班，每班7人)都可以免費預約搭乘阿波龍小車，體驗L4自動駕駛。雖然司機變成了安全員，速度也只有10km/h，比遛達快不了多少，體驗談不上美好。
此外，自動泊車、掃地、最後一公里物流等，作為小廠的特色產品，還是有不少有意思的商業案例的，比如中國移動一單就買了智行者上千臺環衛車和物流車。至於機場等有精確調度需求的高價值園區，也是很多廠商爭奪的典型場景。
"文 |王鵬
自動駕駛或者說無人駕駛作為城市交通的未來方向，早就是普遍的共識。隨著互聯網公司、ICT廠商和主機廠等巨頭悉數入場廝殺，自動駕駛已經成為最燒錢的產業領域。
看起來似乎技術方向已然明確，商業亦是成竹在胸，剩下的只是看誰跑得更快，投入得最多。雖然L5真正普及是2030還是2040尚有爭論，但2019年初，已經聽到很多自動駕駛商業落地元年的說法。然而，以上半年的情形看來，似乎並不是那麼樂觀。
圖片來源：視覺中國
變數不斷，自動駕駛成拖累？
百度Apollo作為國家人工智能四大平臺之一，依靠千人規模的巨大團隊，數百億資金投入，免費開放的生態系統，在國內已經取得了絕對的領先優勢，並吸引了上百家車企合作。最後一公里配送、RoboTaxi 、固定線路巴士、小巴“阿波龍”、卡車物流和乘用車等領域全面佈局並有不少落地案例。
但與所有廠商一樣，除了各地政府補貼以及少量封閉園區場景的物流車、掃地車成單外，真正的規模化商業回報還遙遙無期。即使在測試環境下達到成熟，受到交通法規、道路設施等限制，真正上路運營的希望也是寥寥。
正因如此，學習Waymo、Uber等前輩的做法，國內一些頭部大廠在最近密集傳出獨立自動駕駛部門的消息，尋求更多資本支持，也減輕公司的財務壓力，讓財報能好看那麼一點。不過目前，除了滴滴成功獨立了自動駕駛業務，百度和蔚來方面都回應消息不實。
自動駕駛行業如今的困境，原因很多。作為一種必然影響城市形態和運行方式的顛覆性技術，其巨大的不確定性既是商業風險，也是其有趣並值得投入之處。
相比當年汽車對馬車的取代過程，自動駕駛如今的發展恐怕已經順利了很多。自動駕駛首先是一種綜合性技術，技術路線及其成熟程度顯然是最容易想到的問題。雖然無外乎是感知、決策、控制幾個環節，但各大門派思路還是有不小的區別的。
我們姑且不提激光雷達與攝像頭之爭這種細節，也不探討小廠不得不聚焦到某個細分技術重點。即使是大廠，也有如google和華為，不僅設計和訓練所有算法，也設計從雷達到視覺，甚至電機、電池等所有硬件模塊；或者如百度，依託其軟件和AI方面的優勢，選擇專攻算法，而將硬件開放給生態。
然而行業也越來越發現，硬件方案和軟件算法之間的耦合可能超過原來的想象，其配合也許才是最關鍵的技術。所以Waymo2018年在加州的路測數據，成績遠遠好於百度也容易理解。
圖片來源：視覺中國
商業困境，自動駕駛如何賺錢？
在商業模式方面，除了主機廠，像蘋果那樣上來就想重新定義整車的還是不多，大多數自動駕駛廠商還是定位做技術供應商，而Robo Taxi及其演進方向MAAS(出行即服務)今年以來越來越受關注。
主流主機廠在銷量下滑和互聯網造車勢力的壓力下，紛紛在探索MAAS落地之路，借自動駕駛把售賣模式轉為服務模式。雖然多個品牌都在特定城市成立了MAAS運營公司，並拿到了一些授權，但整合多種交通方式一體化運營，可能是比自動駕駛更大的挑戰。
在落地場景方面，大家雖然都在刷開放道路測試的里程，但更多意在積累數據。大小廠商都已經意識到，封閉場景、低速、非載人這幾個要素才是近期的落地商用的關鍵。園區接駁車是目前最普遍的需求，在高端地產和智慧城市示範項目中，是不錯的展示體驗選項，但百度160萬一臺的價格，恐怕可以嚇退絕大部分潛在客戶。
以海淀公園為例，市民(每天4班，每班7人)都可以免費預約搭乘阿波龍小車，體驗L4自動駕駛。雖然司機變成了安全員，速度也只有10km/h，比遛達快不了多少，體驗談不上美好。
此外，自動泊車、掃地、最後一公里物流等，作為小廠的特色產品，還是有不少有意思的商業案例的，比如中國移動一單就買了智行者上千臺環衛車和物流車。至於機場等有精確調度需求的高價值園區，也是很多廠商爭奪的典型場景。
百度阿波羅小車。圖片來源：視覺中國
自動駕駛落地，瓶頸在成本
除了以上幾個問題，雖然還有法規、倫理等話題可以討論，但筆者覺得在現階段，自動駕駛落地最大瓶頸仍然在於成本，尤其是車端感知的高成本，上述表面問題大都可以歸因於此。
雖然攝像頭、毫米波雷達一直被寄以厚望，但激光雷達仍然是最為優秀的長距離高精度三維感知設備。行業都將產業化的希望寄託於固態激光雷達的大幅降價。雖然理論上V2X就是一種車路分工機制，但X一直是個未知數，車企無法左右政府控制的路側技術路線，只能在端側不斷加碼。
如果政府投入路側設備承擔大部分感知任務，會大規模降低車企壓力。這並非技術路線問題，而是前沿產業發展的必然。因此，路側激光雷達和其他輔助感知手段，必然成為新的基礎設施以及V2X車路通訊領域的核心環節。這也會使端側變得非常輕盈，也許特斯拉的純視覺方案才恰到好處。
政府的基礎設施投資是引導產業發展的重要手段，可以降低各參與方成本。政府要促進汽車產業發展，除了直接補貼汽車消費本身，為車修路是一種典型的暗補方式，直接增加了購買者用車的收益。
"文 |王鵬
自動駕駛或者說無人駕駛作為城市交通的未來方向，早就是普遍的共識。隨著互聯網公司、ICT廠商和主機廠等巨頭悉數入場廝殺，自動駕駛已經成為最燒錢的產業領域。
看起來似乎技術方向已然明確，商業亦是成竹在胸，剩下的只是看誰跑得更快，投入得最多。雖然L5真正普及是2030還是2040尚有爭論，但2019年初，已經聽到很多自動駕駛商業落地元年的說法。然而，以上半年的情形看來，似乎並不是那麼樂觀。
圖片來源：視覺中國
變數不斷，自動駕駛成拖累？
百度Apollo作為國家人工智能四大平臺之一，依靠千人規模的巨大團隊，數百億資金投入，免費開放的生態系統，在國內已經取得了絕對的領先優勢，並吸引了上百家車企合作。最後一公里配送、RoboTaxi 、固定線路巴士、小巴“阿波龍”、卡車物流和乘用車等領域全面佈局並有不少落地案例。
但與所有廠商一樣，除了各地政府補貼以及少量封閉園區場景的物流車、掃地車成單外，真正的規模化商業回報還遙遙無期。即使在測試環境下達到成熟，受到交通法規、道路設施等限制，真正上路運營的希望也是寥寥。
正因如此，學習Waymo、Uber等前輩的做法，國內一些頭部大廠在最近密集傳出獨立自動駕駛部門的消息，尋求更多資本支持，也減輕公司的財務壓力，讓財報能好看那麼一點。不過目前，除了滴滴成功獨立了自動駕駛業務，百度和蔚來方面都回應消息不實。
自動駕駛行業如今的困境，原因很多。作為一種必然影響城市形態和運行方式的顛覆性技術，其巨大的不確定性既是商業風險，也是其有趣並值得投入之處。
相比當年汽車對馬車的取代過程，自動駕駛如今的發展恐怕已經順利了很多。自動駕駛首先是一種綜合性技術，技術路線及其成熟程度顯然是最容易想到的問題。雖然無外乎是感知、決策、控制幾個環節，但各大門派思路還是有不小的區別的。
我們姑且不提激光雷達與攝像頭之爭這種細節，也不探討小廠不得不聚焦到某個細分技術重點。即使是大廠，也有如google和華為，不僅設計和訓練所有算法，也設計從雷達到視覺，甚至電機、電池等所有硬件模塊；或者如百度，依託其軟件和AI方面的優勢，選擇專攻算法，而將硬件開放給生態。
然而行業也越來越發現，硬件方案和軟件算法之間的耦合可能超過原來的想象，其配合也許才是最關鍵的技術。所以Waymo2018年在加州的路測數據，成績遠遠好於百度也容易理解。
圖片來源：視覺中國
商業困境，自動駕駛如何賺錢？
在商業模式方面，除了主機廠，像蘋果那樣上來就想重新定義整車的還是不多，大多數自動駕駛廠商還是定位做技術供應商，而Robo Taxi及其演進方向MAAS(出行即服務)今年以來越來越受關注。
主流主機廠在銷量下滑和互聯網造車勢力的壓力下，紛紛在探索MAAS落地之路，借自動駕駛把售賣模式轉為服務模式。雖然多個品牌都在特定城市成立了MAAS運營公司，並拿到了一些授權，但整合多種交通方式一體化運營，可能是比自動駕駛更大的挑戰。
在落地場景方面，大家雖然都在刷開放道路測試的里程，但更多意在積累數據。大小廠商都已經意識到，封閉場景、低速、非載人這幾個要素才是近期的落地商用的關鍵。園區接駁車是目前最普遍的需求，在高端地產和智慧城市示範項目中，是不錯的展示體驗選項，但百度160萬一臺的價格，恐怕可以嚇退絕大部分潛在客戶。
以海淀公園為例，市民(每天4班，每班7人)都可以免費預約搭乘阿波龍小車，體驗L4自動駕駛。雖然司機變成了安全員，速度也只有10km/h，比遛達快不了多少，體驗談不上美好。
此外，自動泊車、掃地、最後一公里物流等，作為小廠的特色產品，還是有不少有意思的商業案例的，比如中國移動一單就買了智行者上千臺環衛車和物流車。至於機場等有精確調度需求的高價值園區，也是很多廠商爭奪的典型場景。
百度阿波羅小車。圖片來源：視覺中國
自動駕駛落地，瓶頸在成本
除了以上幾個問題，雖然還有法規、倫理等話題可以討論，但筆者覺得在現階段，自動駕駛落地最大瓶頸仍然在於成本，尤其是車端感知的高成本，上述表面問題大都可以歸因於此。
雖然攝像頭、毫米波雷達一直被寄以厚望，但激光雷達仍然是最為優秀的長距離高精度三維感知設備。行業都將產業化的希望寄託於固態激光雷達的大幅降價。雖然理論上V2X就是一種車路分工機制，但X一直是個未知數，車企無法左右政府控制的路側技術路線，只能在端側不斷加碼。
如果政府投入路側設備承擔大部分感知任務，會大規模降低車企壓力。這並非技術路線問題，而是前沿產業發展的必然。因此，路側激光雷達和其他輔助感知手段，必然成為新的基礎設施以及V2X車路通訊領域的核心環節。這也會使端側變得非常輕盈，也許特斯拉的純視覺方案才恰到好處。
政府的基礎設施投資是引導產業發展的重要手段，可以降低各參與方成本。政府要促進汽車產業發展，除了直接補貼汽車消費本身，為車修路是一種典型的暗補方式，直接增加了購買者用車的收益。
圖片來源：視覺中國
為了加速引導自動駕駛領域繼續發展，現階段政府的當務之急是主動建立新的路側感知標準，大力投入路側自動駕駛基礎設施建設。在5G智能燈杆等路側節點大量部署激光雷達，結合原有攝像頭網絡，建立共享的高精地圖和人車動態數據採集能力，一方面解決單個車輛超視距路況感知難題，實現全網動態計算決策，提高效率和安全性；另一方面，大量激光雷達的市場需求可以大幅拉低價格曲線，使其價格有望迅速降低兩個數量級達到真正民用水平。
並且可以由政府背景的城市運營商統一採集和提供高精地圖服務，降低行業整體成本；除此之外，新的三維數據採集網絡可以大大加強原有攝像頭網絡的感知能力，也可以規避很多隱私問題。總之，以更多基礎設施投入最終降低單個車輛採購和使用成本，促進行業儘快落地。
當然，基礎設施也只是問題的一個方面，從現在的交通體系過渡到全無人駕駛的狀態，絕對是個龐大的複雜系統問題，其技術和管理路徑無人能夠說清。但頭部廠商的技術定義和牽引，政府的頂層設計和引導，缺一不可。尤其是政府的角色不容忽視，希望其承擔更多的管理和基礎設施建設責任，不要重演共享單車行業因監管不力造成的幾乎全軍覆沒的悲劇。
□王鵬 （北京大數據研究院智慧城市大數據實驗室主任、高級城市規劃師）
編輯：範娜娜 實習生：龍江蘭 校對：王心
"