今天是本系列第一講，接下來我們將進入到自動駕駛的商業(yè)場景。

這一講我們先來看一看，自動駕駛行業(yè) 12 年多的幾起幾落，為什么真正的自動駕駛仍然沒有批量落地？它到底離我們還有多遠？帶著這些問題，我們一起來探討一下。

01、行業(yè)經(jīng)歷了幾起幾落

首先，我們簡單回顧一下自動駕駛行業(yè)的發(fā)展。

2009 年谷歌開始正式研發(fā)自動駕駛技術，這是行業(yè)起步的重要標志。這之后行業(yè)還并沒有進入大眾視野。直到 2014 年，AI 技術尤其是圖像識別取得了重大突破，讓大家看到了自動駕駛落地的希望。

2014-2016 年，自動駕駛出現(xiàn)一個小高潮。創(chuàng)業(yè)公司大批涌現(xiàn)，很多自動駕駛公司比如 Zoox、Pony 都是在這個階段成立的，同期，特斯拉推出 Autopilot1.0 版本。

傳統(tǒng)主機廠也有不少動作，比如通用收購了 Cruise，寶馬與英特爾、Mobileye 結成了自動駕駛研發(fā)聯(lián)盟。

經(jīng)過了幾年快速發(fā)展后，持續(xù)的高歌猛進并沒有出現(xiàn)，2018-2019 年，自動駕駛的發(fā)展卻反而進入了一個低潮期，國內(nèi) Roadstar 因內(nèi)訌停止運營，國外干線自動駕駛公司 Starsky 宣告破產(chǎn)。

為什么呢？

一方面之前的行業(yè)預期過于樂觀，而實際落地進展沒有那么快，另外資金面收緊，各家公司融資受到了一定影響。

直到 2020 年，尤其是下半年開始，行業(yè)迅速回暖，有多個因素：

一是受益于特斯拉發(fā)展以及圖森等相關公司上市的帶動；

二是資金面回暖；

三是部分場景尤其是特定場景逐步看到了落地的曙光。

因為這些因素，行業(yè)重新呈現(xiàn)欣欣向榮的景象。

以上就是自動駕駛行業(yè)這些年的大致發(fā)展脈絡。接下來我們圍繞自動駕駛什么時候落地進一步探討，為了回答這個問題，我們要分析下影響落地的主要因素。

02、落地受到安全、商業(yè)模型和路權的影響

NHTSA 和 SAE 都對自動駕駛都有具體的定義，這里需要明確一下，我們這里及以后所提到的「自動駕駛」僅限 L3 級及以上。

另外，我們說落地，指的是達到可批量復制的階段，要區(qū)別于 Demo 性質(zhì)的進展。我們認為，影響自動駕駛落地有三個重要的因素。

首先是安全性是否足夠。

沒有任何產(chǎn)品能做到絕對安全，自動駕駛車輛也不例外。所以，我們需要設定一個標準，這個至關重要，但目前沒有人能準確定義怎樣的安全標準是大家能夠接受的。

對開放場景的自動駕駛車輛來說，如果自動駕駛車輛的事故率比人更低的時候，我們對自動駕駛車輛的安全會更放心，按照馬斯克的說法，等到自動駕駛車輛事故率是人類司機的十分之一的時候，安全性的擔憂就可以放開了。

對特定場景來說，安全性的定義可以有更大的彈性。

比如礦山，如果把自動駕駛車輛作業(yè)跟工人進行隔離，確保即使發(fā)生事故也不導致人員傷亡，安全性的標準就可以大大降低，這時候只需要控制安全性帶來的經(jīng)濟損失即可。

其次是商業(yè)模型是否合理。

在商用場景，自動駕駛車輛的本質(zhì)是生產(chǎn)工具，生產(chǎn)工具要推廣的核心是能否實現(xiàn)降本增效，因此要考慮產(chǎn)品的經(jīng)濟效益。

依照行業(yè)慣例，如果投資回收期在兩年以內(nèi)，產(chǎn)品將具備大規(guī)模推廣的基礎。

自動駕駛車輛的主要經(jīng)濟價值在于通過自動駕駛套件節(jié)省司機。如果能節(jié)省的司機越多，且司機的工資越高，那么自動駕駛的經(jīng)濟價值越大。

礦山、港口等場景一輛車需要配套 2-3 個司機。一旦實現(xiàn)無人化，商業(yè)模型是非常合理的。

有兩個趨勢對商業(yè)模型的判斷非常關鍵：

一是自動駕駛套件的成本隨著產(chǎn)業(yè)成熟依然會不斷下降。

二是我國的人口紅利逐漸消失，人工成本將不斷提高。

此消彼長之下，自動駕駛的商業(yè)價值會愈加明顯。

最后是路權。

無人駕駛車輛不能隨意上路。2017 年 7 月 5 日，百度 CEO 李彥宏在視頻直播無人駕駛汽車駛上北京五環(huán)的實況，不久就拿到了罰單。

國家對機動車有嚴格規(guī)定，無人駕駛車輛上路的合法性需要立法確認。

路權的問題對開放場景的自動駕駛公司來說更加突出。

但我們總體是樂觀的，我國政策非常支持自動駕駛技術的發(fā)展，深圳、北京等地都已經(jīng)在積極立法，等到技術成熟的那天，我們相信路權不會是限制因素。

另外一方面，對特定場景的自動駕駛公司來說，路權影響不大。這也是我們看好特定場景先行落地的主要因素。

以上就是我們對影響自動駕駛行業(yè)落地因素的分析，他們分別是安全、商業(yè)模型和路權。

03、特定場景更容易落地

基于上述分析，我們可以得出一些結論：

1、載人難于載物。

相比于載物，載人需要考慮乘客的舒適性，對控制算法等要求更高，另外為了照顧車上人員的安全，在車身穩(wěn)定性和結構上也會有更高要求。

相比而言，自動駕駛載物車輛的控制算法和車身安全要求要低不少。

2、高速難于低速。

從安全的角度考慮，高速自動駕駛的技術難度遠遠高于低速。

高速行駛的車輛需要更長的制動距離，因此自動駕駛車輛需要感知到更遠的距離以及需要對周圍物體做出更復雜的運動預測。

目前自動駕駛車輛傳感器的感知距離有限，而且對遠處物體的感知能力相比近處大幅下降。

運動預測受到時間的影響，時間越近越準，時間一長，準確性不可避免地下降，安全性也將因此倍受挑戰(zhàn)。

3、開放場景難于特定場景。

特定場景的落地比開放場景更快。特定場景道路上的參與主體是可控且相對有限的，長尾場景更少，技術上實現(xiàn)難度小很多。另外，特定場景的自動駕駛在路權方面的阻礙更小。

從上面的定性分析不難得出結論：礦山、港口、清掃、無人物流小車等特定場景比干線物流和出租車等場景更容易落地。

04、實際的落地情況及展望

實際的進展到底是怎樣的呢？

1、礦山。不涉及路權問題，道路可以自己規(guī)劃，環(huán)境相對簡單，容錯率很高，哪怕翻車也可能不會有太大損失，無重大安全隱患，整個落地環(huán)境很友好。

2、港口。道路結構化程度高，環(huán)境簡單，路權相對好解決。

3、清掃。速度慢，對技術要求低，環(huán)衛(wèi)工人招聘和安全是痛點，無人化是必然趨勢。

4、無人物流小車。自 2021 年開始，行業(yè)內(nèi)的頭部公司比如白犀牛、京東、菜鳥等就已經(jīng)去除安全員了，目前處于逐漸放量階段。

上述幾個場景預計 2-3 年實現(xiàn)批量落地。

5、Robotaxi在開放道路上跑，環(huán)境十分復雜。最高速度達 100 多公里每小時，剎車距離長，對車的預判能力、傳感器的感知距離提出很高要求。

長尾場景很多，受限于傳感器和制動距離，很多問題難以解決，短期難以落地。

目前沒人保證能確定明確的落地節(jié)點。怎么辦？可以通過對環(huán)境的降維來降低技術難度（使得 5 年內(nèi)有望見到落地）：1）把速度降低：從 100 多公里每小時降到 40-50km/h，對技術要求是指數(shù)級的下降；

2）對道路的限定：挑選出無人駕駛相對好落地的路段，先試起來。如果有好平臺，足夠多的用戶，甚至可以以人機混合方式，把無人車運營起來。

6、干線運輸。完全無人化的時間也沒人能保證。重卡的制動距離更長，事故危害性更高，容錯率極低，技術難度更高。

好處是，在高速上道路環(huán)境比較簡單，所以跟 Robotaxi 比各有優(yōu)劣。短期內(nèi)實現(xiàn) L4 難度較大；當場景真正實現(xiàn) L4 的話，長遠來看干線的市場空間更大。

國內(nèi)干線重卡存量 7-800 萬臺，從運營的角度有幾萬億的潛在的市場空間，想象力很大，這也是目前相關標的估值高的原因。

預計未來市場上不會一家通吃，幾家分也能使得每家分到近萬億的市場。

以上就是我對實際落地進展的介紹。

好了，這一講我就先講到這里。我這一講主要分享了自動駕駛領域?qū)嶋H的 6 個落地場景，以及展望了他們預計批量落地的時間，我認為特定場景將率先落地。

這里也提前做個預告，下一講我將介紹自動駕駛行業(yè)的機遇和挑戰(zhàn)。

最后，我想要來請你來談一談，你對自動駕駛領域商業(yè)場景的落地有什么樣看法？你更看好自動駕駛領域商業(yè)化的哪一個落地場景？期待你在留言區(qū)的分享。

以上就是這一講的全部內(nèi)容，我們下一講再見。

劃重點

· 安全、商業(yè)模型、路權是影響自動駕駛落地的主要因素；

· 礦山、港口、清掃、無人物流小車等特定場景比干線物流和出租車等場景更容易落地。

返回第一電動網(wǎng)首頁 >