![](http://n.sinaimg.cn/sinakd20221226s/79/w1080h599/20221226/daf4-5c1fda13af01f2b06fc2685add23524a.jpg)
“这也许并不是寒冬的征兆,恰恰是春天的来临。”
来源:21tech(News-21)
作者:董静怡
编辑:林曦 卢陶然
图源:图虫
自动驾驶的发展中,一直存在着“渐进式”和“跨越式”两条路线之争。前者以特斯拉为代表,从L1、L2级别的基础辅助驾驶逐步迭代到高级别自动驾驶;后者以Waymo为代表,一步到位研究L4、L5高级别的自动驾驶。
而最近自动驾驶的寒冬,就与走跨越式路线的公司们有关。
受限于高级别自动驾驶技术不够成熟,长尾问题难解等问题,跨越式自动驾驶公司无法实现数据闭环与规模商用,也就难以支撑无休止的烧钱运作。今年以来,美国自动驾驶初创公司Argo AI宣布倒闭、自动驾驶技术公司Motional被曝裁员、英特尔的自动驾驶业务Mobileye上市估值腰斩、国内自动驾驶领域的明星公司小马智行、文远知行等也频有负面传出,高级别自动驾驶的故事逐渐失去吸引力。
今年5月,曾专注于L4级别自动驾驶的轻舟智航和文远知行相继宣布进入L2领域,车企的降维转型成为它们自谋出路的方式。显然,经过长时间的拉扯,越来越多的自动驾驶企业意识到商业化和量产能力的重要性。高工智能汽车研究院监测数据显示,2022年1-11月,中国市场(不含进出口)乘用车前装标配搭载L2级(含L2+)辅助驾驶交付上险为503.65万辆,同比上年同期增长63.88%。
“同时具备技术和量产两个核心能力,才能驱动自动驾驶持续向上生长,一直到无人驾驶的终局。”近日,易航智能创始人、董事长陈禹行在GTM2022全球科技出行峰会上表示。
![](http://n.sinaimg.cn/sinakd20221226s/709/w641h68/20221226/3c53-16e89659e047707fbf8513a5ba1c3836.jpg)
围绕场景实现商业化落地
毫末智行COO侯军认为,整个自动驾驶不是一蹴而就的,它有一个渐进的过程,整个过程是从低速到高速,从载物到载人,从商用到民用的渐进路线。
他认为,实现自动驾驶要经历三个阶段,可行、可靠、可商用。“可行”指的是在这个阶段需要自动驾驶的能力初步具备感知的能力、算法的能力和车辆的控制,在一些局部的区域测试场所可以进行运行;“可靠”阶段需要自动驾驶车辆做到安全性、车规级、全天候、全地形;“可商用”指的是最终的规模化商业部署,需要对相应的场景进行适配,控制规模成本,有相应政策法规的支持和助力。
实现最终的商业落地对于自动驾驶企业来说尤为重要,尤其在自动驾驶的寒冬里,融资环境不断下降,对于创业公司来说,商业闭环的建立助力企业完成自我造血,比起只依赖融资的企业更能活得长久。
目前来看,针对特定场景的自动驾驶布局正成为一大趋势。
陈禹行在论坛上指出,近几年,越来越多的企业开始围绕场景来做自动驾驶,通过打开场景来创造更多的价值。出现这种现象的根源还是在于高级别自动驾驶的技术受限,安全性虽然全面,但场景极为有限。
“有的做到L3、L4级别的车型,在高速公路上,仅有一小部分路段可以开启相关功能,需要车速不超过60公里每小时,并且得在能看到隔离带最内侧车道行驶。”陈禹行表示,“用户感知不强,启用的也不多,导致这套系统的价值有限。”
而在一些特殊的场景,如无人巴士、干线物流、无人配送等,自动驾驶已经实现了商业化落地。从技术角度来看,这些工作场景相对更加封闭,技术落地难度更低。
以友道智途为例,其自动驾驶车队已经可以实现自动编组和解组,实现跟车、车道保持、绕道换行、紧急制动等队列行驶功能,大约能提升东海大桥50%以上的通行效率;在末端物流自动配送车领域,毫末智行也在今年推出了10万元级末端物流自动配送车小魔驼2.0,目前已经在商超配送、接驳等场景中应用。
侯军告诉21世纪经济报道记者,在乘用车领域,辅助驾驶产品的商业化落地已经打通,目前高速公路和快速路场景下的辅助驾驶方案已经比较成熟,现阶段全球从业者的共同目标是城市复杂道路,技术、成本控制、芯片算力、AI处理等都有很多挑战要去解决。
在无人配送领域,商业化落地的难题主要是如何有效控制无人配送车生产成本、运营成本,从而形成更良性的商业模式。
“自动驾驶科技公司成功的首要因素是‘机制’,”侯军表示,“‘机制’正确了,就可以解决技术、数据和资本等问题。”
![](http://n.sinaimg.cn/sinakd20221226s/709/w641h68/20221226/3c53-16e89659e047707fbf8513a5ba1c3836.jpg)
技术成熟离不开数据支持
通过打开场景来创造更多价值,对于自动驾驶创业公司来说是短期的造血尝试,长期来看,还是在为攀顶高级别自动驾驶做准备。之所以这么说,不得不提到数据对自动驾驶技术精进的重要性。
侯军将近十年的自动驾驶技术发展归类成了三个阶段,即由硬件驱动的自动驾驶1.0时代、由软件驱动的自动驾驶2.0时代以及即将到来、并将持续发展的由数据驱动的自动驾驶3.0时代。
在侯军看来,自动驾驶的终局之战,实际上是数据之战。
自动驾驶技术走向成熟离不开大规模高质量数据的支持。在自动驾驶算法模型逐步趋向合流,车端平台大算力普及,数据规模成为决定自动驾驶能力高低的关键变量。
其中,数据规模、数据获取成本、数据质量直接和自动驾驶产品能力提升速度高度相关。侯军在接受21世纪经济报道记者采访时表示,相对于跨越式路线采用的小范围,乃至封闭区域的小规模测试,渐进式路线更容易从用户真实使用场景中获得足够数量、丰富场景的海量数据,并且获得数据的成本更低、质量更高。
陈禹行也有着类似的看法。他认为,以场景为核心的自动驾驶技术在向无人驾驶阶段过渡的过程中,首先从ADAS(高级辅助驾驶)切入,然后到达NOA(领航辅助驾驶)的阶段,在达到FSD(全场景自动驾驶)后迎来拐点,随后行业将进入一个时间较长的稳定发展期。
“从功能上来讲,NOA开启了‘人机共驾’的时代,是迈向自动驾驶终局的一个新阶段。”陈禹行表示,“从技术上来讲,数据是自动驾驶未来决胜的一个关键,NOA是真正意义上的自动驾驶功能,所以它可以提供和积累高价值的自动驾驶数据。”
陈禹行认为,2025年将会是一个拐点,下一个阶段的竞争是能不能够量产基于BEV技术的城市全场景辅助驾驶的FSD方案。
然而,渐进式路线仍有短板,业内普遍认为,通过渐进式路线收集数据虽然成本低,但数据是否受限于场景、是否对于L4、L5级别的自动驾驶能产生高价值仍旧存疑,需要有足够多的细分场景才能保证数据的全面。不过,从整个融资环境上来看,更有确定性、可以更能实现量产的渐进式路线则更受资本青睐,对于初创公司来说,也是一条更容易走的发展道路。
“L2等渐进式路线的公司,正在大规模落地、商用,今年智能驾驶L2的搭载渗透率已经接近30%,毫末判断2025年高级别辅助驾驶搭载率将达到70%,”侯军向21世纪经济报道记者表示,“这也许并不是寒冬的征兆,恰恰是春天的来临。”