AI應用啟示錄：自動駕駛與“狼來了”的故事

自動駕駛可能是最近一段時間裡最魔幻的賽道。

一面是特斯拉和華為自動駕駛大牛的離職，在行業內掀起了一場不小的波瀾，自動駕駛專案太燒錢的聲音再度響起，特斯拉與Cruise的自動駕駛事故，也被視作是商業化落地不順利的鐵證；

一面是國內首部L3級法規的出臺，儘管目前還只有深圳一座城市開了綠燈，L3級自動駕駛即將商業化的喜訊仍然吸引了不少人的注意，多家自動駕駛創業公司在最近完成了新一輪的融資。

兩種看似相悖的聲音，恰恰揭示了自動駕駛當下的處境：悲觀派認為自動駕駛的“虛火”在不斷褪去，樂觀派相信自動駕駛的落地只差臨門一腳。撇除到主觀情緒和利益關聯的話，自動駕駛離我們到底有多遠，期間還存在哪些必須邁過的坎，都有哪些玩家在搶奪自動駕駛的蛋糕？

01 五年又五年

自動駕駛的商業化落地，像極了“狼來了”的故事。

早在2009年的時候，谷歌就成立了自動駕駛部門，也就是Waymo的前身，被不少人視為自動駕駛正式起航的時間節點。回看那個時期的科技部落格，分析師們篤定自動駕駛將在10年後迎來大爆發，年輕人不再需要學習駕駛這項技能。

在這種信念的驅動下，自動駕駛終於在2016年前後進入爆發期，無論是儲備了海量科技人才的美國，還是太平洋對岸的中國，都有幾十家企業加入到自動駕駛的浪潮中，包括網際網路巨頭和創業者。

讓人印象深刻的是，Waymo在2017年開始了自動駕駛業務，按照當時的報道，Waymo將在18個月的時間內擴張到9個城市，而且有內部員工放風稱：“我們已經解決了99%無人駕駛的問題，只需要把車啟動就好了。”

同一年的百度AI開發者大會上，李彥宏乘坐改裝後的無人車駛向會場，鏡頭掃到駕駛席上時，外界敏銳地發現司機的雙手並未觸碰方向盤。2018年的全國兩會上，百度創始人李彥宏在回答記者提問時談到：再有三五年，在完全開放道路上能夠“替代司機”的無人駕駛車就會出現。

距離2017年已經過去五個年頭，Waymo的“18個月計劃”未能實現，李彥宏“完全替代司機”的想法尚未在現實中上演。

自動駕駛就像是一棵觀賞性的桂花樹，每年都會開花，卻始終結不出果實。

如果說自動駕駛在五年中毫無進展，儼然是不負責任的說法。北京、廣州、深圳、重慶在內的多個城市紛紛頒佈了自動駕駛的路測牌照，“主駕無駕駛員、副駕有安全員”的Robotaxi也已經在多個城市落地運營。甚至有多個城市在參與“自動駕駛第一城”的角逐，針對專案落戶、技術創新、落地運營、人才補助等推出了重磅補貼。

在現有的定義中，自動駕駛可以分為L0到L5六個級別，普遍認為L3級及以上才屬於自動駕駛的範疇，而目前已經量產的輔助駕駛系統，主要是L2級以下級別，L3級和L4級正在一些特定場景下測試，L5級的自動駕駛還是一個遙不可及的夢。

與此同時，Gartner預測L4級以上自動駕駛需要10年以上時間；長安汽車對外宣稱將在2025年量產L4級自動駕駛汽車；小鵬汽車將自動駕駛的落地期限定在了2026年……

聯想到五年前的“豪言壯語”，自動駕駛的落地時間已然延期。其中多少有些認知差異的影響，比如李彥宏口中的“替代司機”，指代的或許就是L3級自動駕駛。

可惜普羅大眾對自動駕駛的理解並沒有那麼深刻，他們知道的是：“自動駕駛的口號喊了五年，現在還是要自己開車才行。”

02 邁過三道坎

自動駕駛是一個技術難題，也被商業、政策、倫理所約束。

一種流行的說法是，人類駕駛員出現一次非致命性碰撞的平均時間約為20萬英里，所以自動駕駛汽車想要達到人類駕駛員的平均水平，必須要達到20萬公里的測試里程。這樣的邏輯是否站得住腳還不得而知，等待自動駕駛的卻有三道跳不過的坎。

首先是技術上的硬性門檻。

即使不考慮算力供給、攝像頭畫素、雷達角解析度、資料樣本量等制約因素，單單是在演算法對場景的計算上，依然存在難以逾越的挑戰。就像在某個自動駕駛事故中，原因居然是將側翻的白色貨車識別成了白雲，導致了無法挽回的悲劇。

也許現階段的技術已經可以應對大多數的交通場景，可真實的路況中有太多不確定的變量出現，可能是偶然出現的極端天氣，也可能是突然冒出來的行人。人類駕駛員可以準確判斷這些長尾場景的影響，但在自動駕駛的運作體系中，一旦演算法庫裡缺少對應的場景，就可能會出現無計可施的局面。

其次是技術路線的較量。

自動駕駛是一個萬億級的藍海市場，幾乎所有的玩家都想從中分一杯羹，特別是在落地應用方興未艾的當下，選擇哪一種路線去推進，直接影響著不同玩家的商業版圖，圍繞落地路線的博弈和口水戰，可以說是無法規避的場面。

比如單車智慧和車路協同的爭論，每一方都有不少企業押寶，都提出了各自的構想和落地解決方案；比如高精地圖的爭議，有人認為高精地圖是不可或缺的要素，也有人乾脆不用高精地圖；再比如技術路線的選擇上，一派是鐳射雷達的忠實擁躉，一派則認為鐳射雷達的成本太高，短期內還不成熟。

最後才是政策上的利弊。

一部保守的“紅旗法案”，讓英國與汽車工業的高潮失之交臂。可能是汲取了歷史教訓，許多國家對自動駕駛的態度相當開放。德國在2021年5月通過了《自動駕駛法》，並在當年12月份允許L3級自動駕駛汽車上路；英國交通部允許司機雙手離開方向盤，且出現事故後無需承擔責任……

國內相關政策的出臺或許晚了一些，但整體上並不算落後，除了涉及到L3級自動駕駛的《深圳經濟特區智慧網聯汽車管理條例》，北京、廣州、重慶等城市對Robotaxi車輛的態度也相當開明，並且在不斷細化自動駕駛的監管細則，有望在未來兩三年裡逐步完善自動駕駛車輛的條規。

有別於其他賽道，自動駕駛並不是一個政策天花板觸頂的行業，最大的瓶頸在於其實技術本身，誰能在技術上險勝一籌，誰就有技術在商業化層面彎道超車，乃至上演後發先至的一幕。

03 市場的G點

哪怕自動駕駛的落地一再延期，照舊吸引了資本市場的興趣。

根據天眼查的資料顯示，目前國內有5800多家企業的經營範圍涵蓋自動駕駛、智慧駕駛或無人駕駛。不排除其中一些企業尚未進行自動駕駛的研發，但在數量上足以證實自動駕駛的概念熱度。

億歐汽車也在《2021中國汽車出行產業投融資市場洞察研究報告》中揭示，自動駕駛賽道在汽車出行產業九大賽道中融資總事件數榜首，2021年共發生102起融資事件，累計融資金額超過407億元。哪怕是在資本寒風凜冽的2022年，第一季度也有近30家自動駕駛相關企業完成融資，金額不少在億元以上。

其中被投資者青睞的“標的”中，有不少是誕生只有三四年的新面孔。2019年6月上線運營的如祺出行，拿到了廣汽、小馬智行、文遠知行參與的超10億元A輪融資；主攻商用車自動駕駛的雷科智途，完成了考拉基金領投的A輪；2018年成立的易咖智車，A輪和A+輪的融資金額近億元……

借用一位投資者的說法：“這是一個激動人心的賽道，寧可投錯，也不可錯過。”

資本市場對於自動駕駛的樂觀預期可見一斑。畢竟有機構預測稱：2022年全球自動駕駛的市場規模將達到1629億美元，同比增長14%左右；中國自動駕駛市場的增速更快，2022年的增速將達到24%。

可一味將原因歸結為資本市場的狂熱，並不是一種準確的解釋。2020年美國自動駕駛市場就經歷了一輪淘汰賽，曾經的明星企業Zoox被迫賣身，最終被亞馬遜以12億美元的價格收入囊中，比起2018年時32億美元的估值縮水了六成。另一家被英特爾以150億美元收購的Mobileye，估值一度達到500億美元，但兩次衝刺IPO都不順利。

相較於第三方報告中的“蛋糕”，吸引投資者興趣的或許是自動駕駛的落地進展，高級別的自動駕駛遙不可及，可低級別輔助駕駛的逐漸推廣應用，卻是不爭的事實。

過去兩三年的時間裡，僅僅是“停車”場景裡就出現了智慧泊車、遙控泊車、智慧召喚、L4級無人駕駛泊車、P-AVP等新名詞；造車新勢力們造出了城市NGP、AD輔助駕駛、NOH城市版領航輔助駕駛系統等詞彙；自動駕駛早已不是乘用車的專屬，頻頻與園區、礦區、機場、物流等限速或低速場景融合……真正意義上的自動駕駛或許還有些遙遠，卻不妨礙在垂直場景中找到落地的機會。

讓人眼前一亮的還有車企的態度。

百度曾在2022年一季度財報中披露，智慧駕駛方案、高精地圖、車載OS、智慧座艙助手系統等面向車廠的智慧車方案，為百度帶來了超過100億元的營收。不少新車陸續開始搭載L2級別的輔助駕駛系統，自動駕駛的商業變現似乎正漸行漸近。

04 潛在的喜憂

為何在“形勢大好”的局面下，還是出現了唱衰的聲音？

其實是兩種視角的差異：站在當下看過去，自動駕駛技術摸索了十幾年，仍然處在行業早期發展階段，技術、商業與安全仍是短時間內難以擺脫的隱形枷鎖；站在當下看未來，越來越多的企業開始向商業化落地集中發力，整個行業呈現出了去偽存真的現象，必須要拿到一張決戰的入場券。

兩種態度的持有者都能夠自圓其說，問題在於自動駕駛的未來走向。釐清自動駕駛行業的合作現狀，或許更有利於做出準確的判斷，至少就目前而言，國內外都沉澱出了四種主流的生存狀態：

第一種的代表是Waymo和Apollo。谷歌和百度都在自動駕駛賽道上砸了海量的資金，商業化的形態也頗為相似，既打算向主機廠商推出整套解決方案，又想在Robotaxi上跑通商業化路徑，同時也不得不下場造車，就像百度攜手吉利成立了集度進行造車，谷歌也和克萊斯勒聯合造車。

第二種是主機廠商的主動出擊。除了特斯拉、蔚小理等自研的新勢力，通用、豐田、福特等有著類似的打算。通用牽頭成立了自動駕駛公司Cruise、豐田在2021年收購了Lyft的自動駕駛部門、福特和大眾聯合成立了自動駕駛公司Argo AI……不只有上汽一家想要“把靈魂掌握在自己手中”。

第三種是獨立的自動駕駛企業。這類企業不像谷歌、百度那樣入局太深，沒有執著於自主造車，而是將精力集中在演算法和解決方案上，其中的名單很長，主要以創業派系為主，也有騰訊、亞馬遜等巨頭，或是向主機廠商出售方案，或是以Robotaxi佈局，或是瞄準了園區、物流等垂直場景。

第四種是“小而專”的產業鏈企業。自動駕駛的落地涉及到晶片、攝像頭、毫米波雷達、鐳射雷達、資料標註、作業系統等軟硬體產業，他們專注於某一個環節或某一個領域的產品或方案，然後以Tier1或Tier2的方式參與到產業鏈條中，也是傳統車企、造車新勢力、網際網路巨頭樂於下注的物件。

隱藏的“槽點”恰在於此，目前僅國內市場涉足自動駕駛整車方案的企業就有幾十家，最後脫穎而出的註定只有幾家，不少玩家將扮演“炮灰”的角色，不但分散了資源與技術，也加劇了競爭的烈度。

對於投資者而言，自動駕駛仍屬於高度不確定的行業，哪怕是押上了全部身家的“寡頭”，都可能因為技術、商業或生態上的落後而前功盡棄，想要從中投出一家家千億級公司，無異於一場豪賭。

相對理性的一幕在於，在自動駕駛的輿論場中，科技巨頭和自動駕駛演算法類企業依舊是最核心的焦點，但前面提到的融資案例中，“小而專”企業已經佔了很大的比重。資本雖然看起來有些瘋狂，本質上並不盲目，相比於大浪淘沙的演算法爭奪賽，產業鏈中跑出獨角獸的機率似乎要更大一些。

05 寫在最後

和其他賽道做個對比的話，自動駕駛從來都不缺少故事性，即使所謂的商業化落地時間一再延期，也從未有太多聲音質疑自動駕駛的前景。市場的長遠信心，儼然是一個賽道不可或缺的要素。

而且不同於幾年前的過度樂觀，創業者和投資者都開始迴歸產業本身，逐漸在樹幹上萌生出越來越多的枝丫，整個產業已經進入到做寬做厚的新週期。哪怕五年後仍然無法實現L4級別的自動駕駛，由於產業鏈足夠長、市場足夠大，總能找到落地的場景和機會，結果可能是某些企業的掉隊，而非市場需求的消失。

按照著名經濟學家周其仁提出的“水大魚大”邏輯，自動駕駛的“大水”勢必會養出讓人羨慕的“大魚”。

不過現在還是“水大魚多”的過渡階段，產業中各個層級的參與者，都要有“日拱一卒”的耐心。在理想中的駕駛場景普及前，任何時候都可能存在“信心崩盤”的情況，任何節點都會上演泡沫破裂的戲碼，這是一場夢想和勇氣的比拼，輿論場上“狼來了”的故事也許還會發生。