Robotaxi或是空中楼阁，谁在创造“自动驾驶”落地新方案？

放眼全球，Robotaxi 的公开运营已多点开花，但其落地现状仍与理想相距甚远。

五年前，惊艳众人的自动驾驶 demo 频频出现，彼时关于未来出行的畅想也尤为激进——作为单车智能的代表性企业，谷歌旗下Waymo 曾放言要在 2018 年底推出全自动驾驶商业服务，其追随者也纷纷亮出乐观的自动驾驶商业落地时间表。

然而，由于进展不及预期，行业随后出现了质疑的声音。Morgan Stanley 更是在 2019 年将 Waymo 的估值下调了 700 亿美元，折合人民币5000 亿元。

即便是发展到今天，单车智能的落地也尚存诸多待解难题，更不用说规模化、商业化的 Robotaxi 运营服务了。

这不禁让人思考：

如果单车智能发展遇阻，玩家们还有没有其他破局之道？更安全、更接地气的自动驾驶落地方案，究竟何时才会到来？

图源：quantilus.com

困于单车智能落地

事实上，自动驾驶商业模式的底层逻辑离不开“节省司机成本”。

但就目前的行业发展来看，单车智能的技术还称不上是可靠安全，从市面上已向公众开放的诸多 Robotaxi 运营服务就可见一斑——这些服务通常只在特定的区域运营，且基本上都有安全员作为最后一道防线。

按理来说，常见交通场景的稳定处理是成熟自动驾驶系统的基本素养，但当 Roboataxi 运行在它们“熟悉的”运营区域时，安全员接管仍是用户试乘体验中的大概率事件。

如果现阶段安全员不接管/安全员缺位会怎样？

就在不久前，行业里出现了两起基于单车智能技术的事故。

根据加州 DMV 的一份文件显示，9 月 27 日，苹果公司的自动驾驶测试车在自主模式下（无安全员），以 13 英里（约 20 公里）的时速撞向了路边，所幸无人受伤；10 月11 日，美团的无人配送车于北京顺义与私家车相撞，时速也是在20 公里左右。

这些真实的例子也在很大程度上说明，自动驾驶系统所遇到的主航道问题还远远没有穷尽，更不用说长尾场景了，譬如突发交通事故的路口、失控的车辆等不可预见的状况。

尽管我们无法直接将人工接管与技术成熟度划上等号，但只有做到不依赖安全员以及任何形式的人工干预，自动驾驶技术才能自证其成熟性，并且带来更大的社会价值、商业价值。

至于自动驾驶技术什么时候才能进步到所谓的“成熟”，行业众说纷纭，但测试里程是一个较为直观的指标。

特斯拉 CEO 马斯克曾指出，如果自动驾驶要得到全世界监管部门批准，至少需要积累 60 亿英里测试里程；兰德智库则认为，一套自动驾驶系统需要测试 110 亿英里才能达到量产应用条件。然而目前自动驾驶玩家的测试里程最多也才是千万的量级，譬如行业一哥 Waymo 自 2009 年开始道路测试，实测里程于 2020 年达到 2000 万英里。

里程积累固然重要，但高质量的测试数据更为重要。现阶段的自动驾驶测试还框定在限定的区域，这可能会导致回流的场景数据单薄、评价系统的维度单一。因此，即便一辆 Robotaxi 能够在某一个城市表现出色，也不一定能够轻松处理好另一个城市的特色路况。

玩家们要通过路测来反哺技术迭代，就要覆盖更全面的场景、收集更丰富的数据，就需要更庞大的车队规模。而这又涉及到另一个问题，即资金。

通常来说，以 Waymo 为代表的单车智能玩家更倾向于做运营，但这种模式需要持有车队资产，再为市场提供持续地自动驾驶运输服务。同时，自动驾驶技术需要昂贵的传感器来作支持，尤其是单车智能，为了尽可能保障车辆的可靠性安全性，某些玩家甚至陷入了“堆料陷阱”，导致一辆 Robotaxi 的造价低则几十万，高则上百万。

上述还只是直观的物料成本，人力成本也畸高。由于专业人才非常稀缺，全民造车潮又激化了人才争夺，最终买单的还是自动驾驶玩家—— CTO 的年薪可能会开到千万以上，一些优秀毕业生也要数十万的年薪。

换言之，为了推动自动驾驶的商业落地，前期需要付出巨大的成本、变现周期也非常漫长。除非背靠大树，或者找到新的商业模式，很难有玩家能够在这场旷日持久的战役中耗下去。

解于车路云一体化

成本高企、技术不足、推广艰难，单车智能无法真正释放商业价值、社会价值。

无论从何种角度来看，照搬 Waymo 的自动驾驶落地方式在中国很难行得通，受挫的国内玩家纷纷寻找其他出路。近几年开始，包括百度、小马、文远等企业开始将目光从 Robotaxi 移至其他更易于落地的细分场景，诸如干线物流、无人小巴、城际货运等；但这些尝试也都没有跳脱出单车智能的概念。

其中，百度还同时布局了另一条剑走偏锋的路线，即“单车智能+车路协同”。2019 年 12 月，百度 Apollo 进行组织架构升级，在原有业务组的基础之上新增智能交通业务组，开始布局车路协同。这也可看作是其顺应国家大势、不同于单车智能的自动驾驶落地举措。

2020年8月，百度Apollo相继拿下广州和长沙面向自动驾驶与车路协同的智慧交通“新基建”项目，其中广州项目金额接近4.6亿元。据统计，截至目前，百度已公布的智慧交通千万级订单城市超过20个，平均中标金额约1.6亿元。

图源：百度

不过需要注意的是，百度并不是这一路线最早的践行者。一家叫做蘑菇车联的自动驾驶创业公司先于百度在北京顺义落地国内第一个开放式 5G 商用车路协同示范道路，并在衡阳实现了全球最大的城市级的 L4 自动驾驶项目，该项目金额达到5亿元，设计总里程 200 公里，覆盖城市主干道、隧道、立交桥、乡村道路等实际复杂路况。

与百度的“ACE智能交通引擎”类似，蘑菇车联沿着“单车智能+车路协同”路线，打造了一套“车路云一体化”自动驾驶落地解决方案。

那么，怎么来理解这种模式的优势？

目前而言，单车智能的感知能力严重依赖于车端传感器，如果玩家要实现常态化、规模化的落地则会面临两个现实的挑战：

一是传感器的感知距离有局限性，不足以应对诸如“鬼探头”之类的特殊场景； 

二是出于天气、光线等特殊原因，传感器的感知效果可能受到影响，从而引发安全隐患；

三是各类传感器价格昂贵，如果要进行规模化的布局，传感器以及车辆的购置成本会直线上升。

不过，通过路端感知与红绿灯信息的结合，再利用 V2X、5G 等无线通信技术实现车-路-云之间的信息交互，从而帮助自动驾驶车队提前做好路径规划，实现更加稳定安全的自动驾驶，甚至是降低车端对于感知系统的要求，压低自动驾驶车队规模化所需要的成本。

针对上述结论，两个代表型企业也拿出了实打实的数据来佐证。

据报道，2019 年百度内部曾统计得出，该年内车路协同已经可以解决单车智能在路测时遇到的 54% 左右的问题，减少 62% 的接管次数，降低 30% 的单车改造成本。

蘑菇车联也有相关的测算，基于车路云一体化解决方案，他们不仅让车辆感知范围扩大，并配备了算法、算力、通信的多套冗余系统，理论上可以做到 100% 安全，并且能够将自动驾驶单车改造的成本或将降低90%。

在这些基础上，自动驾驶的规模落地才有了进一步可能。

更重要的是，车路云一体化的路线并不仅仅只是赋能自动驾驶落地，还承载着实现智慧交通的使命。

在新基建的推动下，智慧交通已经成为了中国交通发展的新方向，成为国家打造交通强国的重要环节。

而且路侧的智能化改造完成后，可以服务城市中的每一个参与者，商业价值以及社会价值都比单车智能更高。譬如，无论是城市拥堵问题还是安全事故问题，在很大程度上都是由于信息缺乏以及无法对道路参与者进行宏观有序的协调，但车路协同体系能够帮助解决此类问题。

总的来说，在单车智能以及车路协调的加持下，整个地区的经济、民生都能得到较为全方位的发展，包括汽车、交通、人工智能、新能源、智能制造产业链上下游，而不是一个单纯的试点项目。

图源：smartcityhub.com

胜于综合实力

也许有人会说，除了百度和蘑菇车联，其他一些自动驾驶玩家也在拥抱“车路协同”。但需要指出的是，两派玩家之间最大的不同在于——目前只有百度和蘑菇车联打磨出了车路云一体化的整体解决方案，而其他玩家大多只是单点突破或是与一些路侧设备商进行合作，并未形成完整的系统架构。

事实上，两位玩家独占鳌头的市场格局并不奇怪，因为其他玩家可能也做不了这样综合的整体方案。

首先，车路云一体化涉及的不仅是车还有路端以及云端，这对玩家的技术能力提出了更高的要求，即不只是懂车，还离不开路端和云端的布局。

百度作为国内的互联网巨头，能够调用的技术力量自然是不必赘述，譬如除了数百规模的自动驾驶车队规模，其还具备导航地图甲级测绘资质以及自动驾驶高精度地图采集制作能力，以及从交通出行（车和路）到交通治理（管理）的全栈 AI 闭环服务。

蘑菇车联虽身为创业公司，但其组建的技术团队不逊大厂，且潜心搭建了一支业内能力最全面的自动驾驶全栈技术和运营服务队伍。目前该公司能够提供一套包括底层系统架构、算法、应用软件、AI 云平台的自动驾驶全栈技术，并自研除激光雷达外的全部自动驾驶核心硬件产品。

从该公司已落地的项目实际看，其能够为城市参与者提供多维度的服务，包括面向政府的道路智能化改造、自动驾驶车队运营服务、以及智慧交管服务；面向企业的自动驾驶车辆终端产品技术服务；面向用户的自动驾驶软硬件升级服务。这是一种全新的自动驾驶落地方式。

相比之下，其他单车智能玩家的研发更多还是放在车辆感知数据的融合处理层面，不断迭代系统、尽可能地去穷尽各种长尾场景。对于路端以及云端的部署反而不是其他玩家的重心，他们也很难积累到这些领域的技术知识。

另一方面，在单车智能的场景下，车辆需要在高速行驶时对所有涌入的路况信息进行收集、分析，但由于传感器探测距离有限，要在极短的时间内快速识别信息并准确给出决策，对车载计算平台是一个巨大的挑战，更何况目前已有的车载芯片算力也还有很大的进步空间。

反观，车路协同更像是团队作战，数据处理也会更加轻松。例如，蘑菇车联的“车路云一体化”系统就采用了分布式计算架构，不仅在车端和云端部署计算单元，在城市路口也就近部署了大量边缘计算单元。由于边缘计算单元离数据源更近，能够大幅缩短系统处理数据的时间，而且云端还能自动扩容，不用担心数据吞吐量超负荷的情况。

车路云一体化的利好不仅是针对海量数据的处理，还需要考虑时延问题。这也是衡量车路协同环境下自动驾驶工程化落地能力的重要指标。

据了解，在蘑菇车联自动驾驶系统中，数据从路侧感知、云端上传到下发的传输全链路延迟已经被压缩到 100 毫秒内。

这是什么概念？

在奥运会短跑项目中，运动员在 100 毫秒内起跑将被判定为抢跑并被取消参赛资格，这个时间属于人类反应时间的极限。而正常成年人对一件事的反应时间约 500 毫秒，大众消费电子设备一般可以做到 300 毫秒。

蘑菇车联的例子也能够侧面印证，路侧+云端全局路况感知能力全面下放到车端，能够使得单车也拥有大范围预警、预测和中远距离行车策略规划能力。

此外，车路协同是典型的 toG 项目，想要实现真正落地还需要打通各方资源，进行多部门合作。目前，百度和蘑菇车联已经通过样板案例积累了真实的运营能力，并且基于先发优势形成了口碑效应： 

百度 Apollo 已经成功中标沧州、合肥、重庆、广州、成都等多地的自动驾驶车路协同示范项目；

蘑菇车联则在北京、江苏、衡阳、鹤壁等城市落地，在上海、四川、湖北、河北、海南等多个省市推进项目。

在两个领跑者手握先发优势，并开始规模复制之下，自动驾驶赛道很容易出现强者恒强的格局，新玩家想要获取政府侧和商用大客户的信任并不容易，挤进市场将难上加难。

总结

自动驾驶行业已经开启了商业化落地的新阶段，单车智能的发展似乎确实遇到了一些挫折。

更重要的是，玩家们基本上都还在依靠外部输血过活，除非能够证明企业自身技术领先于行业竞争对手、且有可落地的商业模式，否则企业将很难持续获得资本的青睐，融资难度也可能不断增大。

但从百度毅然决然扎进“车路云一体化”领域的动作，以及蘑菇车联已取得的相关成绩来看，这种全新的方式极有可能推动更安全、更接地气的自动驾驶大规模落地加速到来。