智能汽車浪潮中，互聯網公司、傳統車企、供應商搶奪的是什麼生意

摘要：除了治理擁堵、減少環境污染，自動駕駛汽車的潛在市場規模是吸引各路玩家的最重要因素。

編者註：本文轉載自 機器之能 （ID：almosthuman2017），作者 Joyce，極客公園已獲轉載授權。

「2016 年，中國有 3.1 億名司機，每周行程總和 51,429,000,000 公里，平均車速僅為 23.7Km/h。」這是吉利汽車研究院總工程師劉衛國在 2017 年第二屆中國（武漢）智能汽車創新發展論壇上給出的一串數字。

在中國最繁忙的市區，約 75% 的道路會出現高峰擁堵。加州大學洛杉磯分校城市規劃學教授 Donald Shoup 曾做過研究，發現都市區 30% 的交通擁堵是由於司機尋找附近停車場而在商務區繞圈造成的。「智能汽車可幫助司機每年節省出一周時間，無論是用於工作還是學習。」劉衛國說。

除了治理擁堵、減少環境污染，自動駕駛汽車的潛在市場規模是吸引各路玩家的最重要因素。易觀汽車出行行業中心資深分析師張旭在演講中提道，「到 2020 年，中國智能汽車市場規模將達 1214 萬億美元。」到 2035 年，僅中國就將有約 860 萬輛自動駕駛汽車，其中約 340 萬輛為全自動駕駛，520 萬輛為半自動駕駛。此外，研究也顯示，中國轎車銷售、巴士、計程車和相關交通服務年收入有望超過 1.5 萬億美元。

更重要的是，業界普遍認為，在智能汽車領域，中國存在彎道超車的機會。「從電動汽車到智能汽車，核心技術已從發動機和變速箱轉向人工智慧。而在這一領域，中國已經非常接近美國，中國有機會趕上並處於領先地位。」百度高級副總裁、自動駕駛事業部總經理王勁也曾公開表示。

圍獵自動駕駛

互聯網巨頭：一步到位，爭做主車廠的「操作系統」

谷歌認為 L3 的自動駕駛技術沒有意義，L3 屬於半自動駕駛，美國國家高速公路安全管理局將其分為 L1-3 級，而完全自動駕駛為 L4 級。2015 年 6 月，谷歌發布沒有方向盤、油門踏板、後視鏡及其他部件的第三代原型車，自動駕駛技術為 4 級，是目前全球最高水準。除了谷歌，百度、Uber 等互聯網巨頭也傾向於一步到位、直接切入無人駕駛。

「消滅」司機，至少要做到 L4。谷歌研發 L4 是建立在大規模實現點對點的無人駕駛規划上。「這有很大可能，是建立在整個城市交通重新規劃的需求之上的。那時，車輛的絕對數量減少，但是車輛使用率極高，這就將屬於共享經濟的範疇。」圖森未來 CEO 陳默在接受國內媒體採訪時曾表示，到那時，汽車不再是簡單的消費品，而是一種設備。

而在 Uber 看來，直接開發 L4 是因為無人駕駛與汽車共享之間的天然契合性。購買 L4 自動駕駛汽車的不再是個體消費者，而是 B 端用戶。自動駕駛汽車的主要落地場景之一就是共享出行，Uber 和 Lyft 具有先天優勢。

不過，谷歌轉變了公司無人駕駛開發方向，放棄獨立造車。Waymo 成立後加強了與傳統汽車廠商的合作，轉向開發類似有方向盤和剎車這類能合法上路的自動駕駛技術，打造從演算法到硬體的一整套體系，讓汽車廠商拿回去裝在自家車上就成了自動駕駛，就像安卓在智能手機中的上游位置。Uber 也可能會與一家汽車廠商合作開發無人駕駛汽車項目，以降低運營成本。此前，Uber 與戴姆勒、現代都曾在無人駕駛汽車領域進行過合作。

今年 4 月，百度「阿波羅計劃」試圖通過共享其無人駕駛技術，成為汽車界的安卓。百度稱，該計劃「將向汽車行業及自動駕駛領域的合作夥伴提供一個開放、完整、安全的軟體平台，幫助他們結合車輛和硬體系統，快速搭建一套屬於自己的完整的自動駕駛系統。」

雖然尚不清楚百度打算如何從開源模式中獲得營收。不過，Roland Berger 駐上海顧問舒暢曾表示，該項目生成的數據將極具價值，「百度在該項目上最大的動力是，通過像這樣的開放平台，它可以通過整個自動駕駛和汽車網路系統收集用戶信息。」

「如果 5 年後，我們的無人駕駛汽車積累了大量高精準的激光數據，我們的處理能力、訓練模型、駕駛能力會遠超傳統車廠。而它們（傳統車廠）的數據未來如果換到無人駕駛，處理積累數據的計算能力並不足以支撐無人駕駛。那時的谷歌、百度不僅僅是技術的優勢，還有數據的優勢。（傳統車廠）如果從頭追趕很難。」王勁曾表示。

主車廠：循序漸進，打造自己的駕駛系統

L4/L5 技術難度太高，需要大量的資金與時間投入。谷歌已經研究近 10 年，目前仍處測試階段，無法量產落地。許多主車廠都採取了漸進策略：專註 L3（和以下），也同時研髮針對 L4/L5 級別的自動駕駛技術。

「大多數車廠都會使用 L1-L3 級別的技術，因為自動駕駛對它們而言，是防禦策略。」陳默在上述採訪中表示，「它們也需要減輕駕駛員的負擔，減少事故的發生。」

東風汽車在技術路線上，會遵循「單一/結構化道路自動駕駛——城市道路自動駕駛——全道路複雜環境下自動駕駛」，採用漸進式的開發模式，「近期，以 ADAS 為主進行產品開發，並同步開展 3 到 5 階的高度自動駕駛與無人駕駛的技術研究。」東風汽車技術中心副院長周劍光在大會上介紹說。

（東風的技術落地時間表）

吉利汽車也在這次大會上首次對外公布了面向自動駕駛技術研發的 G-Pilot 1.0 到 G-Pilot 4.0 技術規劃，表示將在 2020 年後實現高度自動駕駛。

一汽、東風、吉利、BMW，Volvo，Nissan, Honda, Toyota, 甚至 Tesla 等主車廠也都在高調研究自己的自動駕駛系統。PC 時代 OEM 廠商的前車之鑒，使得主車廠重新反思自己在智能汽車價值鏈上的定位。2017 年 3 月，豐田宣布推出首款無人駕駛汽車的原型，該汽車來自於 2015 年豐田投資了 10 億美元的豐田人工智慧研究所。馭勢科技 CEO 吳甘沙曾表示，誰想在自動駕駛市場中勝出，關鍵要看誰最終具備網路效應，現在看起來如果 OEM 不做改變，可能不一定具備這個網路效應。

吉利汽車一直在推行「掌控核心技術」的理念，完全採用「V」字型模式開發智能駕駛系統。劉衛國在大會上透露，吉利目前正在開發一個試驗場，預計投資 50 億人民幣，主要用於 ADAS 或自動駕駛產品技術的相關測試。

（「V」字型模式）

另一些主車廠（如一汽、沃爾沃、克萊斯勒）計劃與科技公司展開合作。今年 7 月 3 日，一汽與百度達成戰略合作框架。中國一汽將深度參與百度 Apollo 計劃，通過雙方共同努力，為自動駕駛、智能網聯和智慧交通領域提供全面、系統、可靠的解決方案，推動人工智慧、大數據、雲計算技術在汽車全產業鏈上的應用。沃爾沃在一個項目中與 Drive.me 合作，計劃在瑞士高速上投放 100 輛無人駕駛汽車。沃爾沃也與 Uber 自動駕駛平台的合作。克萊斯勒與谷歌合作推出的 100 輛無人駕駛 MPV Pacifica 上路。

一級供應商：走向台前的競爭者

有觀點認為，自動駕駛領域最終的贏家將是一級供應商巨頭。最近，美國最大的汽車零部件供應商德爾福在英國宣布，全面分拆旗下部門，原公司將專註於電子電氣業務，尤其是自動駕駛、智能技術及安全技術等領域。這也意味著未來「德爾福」將要變成了一家有著一級供應商背景的自動駕駛公司。

「整車廠需要對自動駕駛汽車出現的事故承擔責任，他們往往更青睞博世、德爾福這類能夠提供完整解決方案的供應商。即便是創業公司的技術被整車廠商看中了，一般也要測試個三年多。而這個時間，創業公司耗不起。」張默認為。對 L4/L5 級以上的整個系統來說，要確保遇到人類無法接管的情況下，車輛也需要能採取安全最大化的駕駛策略。

全球頂級汽車零部件供應商博世已宣布與人工智慧計算公司英偉達聯合開發應用於量產汽車的自動駕駛系統，最終出售給有此需求的汽車製造商。

不難看出，有可能會出現幾個靠操作系統盈利的商業模式，它們會深深影響公司的研發投入、營銷投入以及遊說和運營。如果特斯拉模式勝出，那麼，我們會繼續在市面上看到炫酷的汽車款式，高價格、高利潤的硬體（汽車）會成為商業的主要驅動力。如果百度的開源模式勝出，那麼，來自不同廠商的低成本汽車會隨處可見，百度也會通過出售其他設備來通過開源軟體賺錢。

但這樣一來，數據成為一個突出矛盾。比如，運行閉合的軟硬體生態系統的公司，不太可能與其他人共享數據，這樣，為自動駕駛汽車立法（全國範圍內的）就很困難。而且如果一家公司最終成為早期市場領導者，對共享數據、演算法持保留態度，或許會為其他廠商建造具有競爭實力的系統增加障礙。

「主機廠之間共享數據是很難的，只有作為一個供應商，服務多個主機廠，才能夠確保跟不同的主機廠在同一個數據閉環里，大家能做到共贏。」倪凱在接受媒體採訪時曾表示，「數據共享對於平台的技術迭代是至關重要的。只有這樣的平台，未來能夠支撐自動駕駛的發展，如果只是主機廠單打獨鬥，我覺得是不夠支撐自動駕駛發展的。」

落定場景：成本、技術有限，在特定的垂直領域首先實現無人駕駛

從特殊人群切入市場

無人駕駛汽車可能會先進入特殊群體，然後再走向普通消費群體。因為安裝了攝像頭、感應器、激光和人工智慧系統，無人駕駛汽車的最初成本會很高，普通消費者難以接受。但是，企業和一些特殊行業存在剛需，有望成為早期消費群體。最有可能採納無人車的行業包括約車、巴士、計程車、快遞車輛、工業應用以及老年人和殘疾人士出行。

值得一提的是，在今年剛結束不久的 YC 夏季路演中，創業公司 May Mobility 也致力於為商業車隊的公司提供自動駕駛技術。他們將服務定位於預測性較強的駕駛環境，比如，老年社區、軍事基地、學校等地進行特定路線的自動駕駛接送服務。目前，公司已經打造出可供潛在用戶安裝在車輛上的綜合自動駕駛技術棧，雖然公司自己不製造車輛。另外，公司還希望提供從日常運作到維護和清潔的全面自動車隊運營服務。

（武漢環宇智行的落地方案）

東風汽車選擇了微公交方式的落地方案。根據周劍光介紹，自 2016 年開始，東風開始基於 LTE-V/5G 網聯技術開始自動駕駛車輛編隊與調度等功能的測試驗證，通過 V2X 技術來實現車輛的動態編隊、一鍵召車、車輛智能調度等，未來這項技術將會應用在共享汽車領域，目前計劃採用微公交的方式。今年將會在封閉/半封閉的道路環境下，完成 10 輛自動駕駛電動車在低速狀態下（50 公里/時以下）編隊的研發與測試，計劃在 2019 年實現商業示範運營。

「實現完全無人駕駛沒有這麼快，有些初創公司完全押寶在完全無人駕駛，我覺得這個商業模式非常危險，我不清楚接下來五年他們怎麼生存。」自動駕駛初創公司 Auto X 創始人肖建雄曾告訴機器之心。AutoX 提供自動駕駛軟體解決方案，其硬體成本不到 50 美元。而在效果方面，這個解決方案即使在光線不佳、天氣不理想情況下依然可以有效運行。與 Mobileye 屬於同一技術路徑。

在肖建雄看來，有兩種適合 AutoX 的切實可行的落地方式：第一種是特殊場景，比如物流運貨、機場巴士等在限定路線和區域內的完全無人駕駛；在封閉園區或是固定路線上，其更容易實現商業化。第二種是半自動化駕駛，即在乘用車上實現 L2/L2.5/L3 的水平。

快遞領域成為重要需求方

快遞用車和「列隊」卡車將是另一個可能較快採用無人駕駛汽車的領域。在線購物和電子 商務網站快速興起，給快遞公司帶來利好。人們喜歡在網上訂購物品（如食品、貨物和服務），幾小時就能送貨上門。中國電商 2015 年總額達到 5900 億美元，很多產品承諾同日送達，這促進了電動車和卡車快遞。2015 年，中國電商規模比 2014 年增長 33%。「未來一到兩年，校園送貨物流無人車會在各個城市普及開。」深耕無人物流配送和無人作業車的智行者聯合創始人兼副總裁陸欣在大會上預測道。

卡車佔美國機動車行駛里程的 5.6%，但是卻占交通死亡事故的 9.5%。因此，在經濟效益和避免人員傷亡方面，無人駕駛汽車可以創造不少增加值。大型卡車成本通常超過 150000 美元，安裝攝像頭和感應器成本效益比較高，因為相比之下，小轎車的自身成本原本就很低。美國公司 Ottomotto 正在測試 18 輪全自動駕駛卡車，希望能在不遠的將來推向市場。

在中國，圖森未來選擇切入 L4 貨運市場，因為在這個市場「能夠找到切實賺錢的一條路」。「2B 的生意，要做的無非就是幫企業開源或者節流，你得給人家降低成本。」圖森郝佳男在接受媒體採訪時曾經說道，「駕駛這件事兒，成本就在人力上。」而要幫企業省掉駕駛員，系統至少要做到 L4 級別。據了解，圖森無人駕駛卡車可能於 2018 年在美率先落地，計劃於 2019 年開始營收。

至於商業模式，陳默將公司定位成技術運營商。他說，生產完整自動駕駛系統然後賣給車廠的工作是一級供應商的事，創業公司繞不過去，但是，可以做技術運營商。所謂技術運營商是指，圖森從製造商處買來感測器等硬體設備，委託整車廠生產出能夠搭載相關硬體設備的卡車，之後再把車輛賣給類似於順豐、韻達、首鋼這樣的車隊運營方。整車廠相當於變成了圖森的代工廠，而當自動駕駛貨車出現事故後，責任由圖森承擔。此外，圖森還負責車輛後續的軟體升級和系統管理工作。

中國式困境

中國新能源方面的政策很多，相比之下，智能汽車產業政策缺乏。在制約中國智能汽車發展的諸多因素中，眾多嘉賓關注、談及最多的是相關法律法規的不完善。比如，中國現有法規要求司機必須在車內，而且雙手置於方向盤之上，這明顯給自動駕駛汽車的推行帶來限制。除非給予特別安排，否則試驗項目也無法開展。

減少道路測繪的限制也很重要。企業需要獲得國家測繪和地理信息局的特殊許可才能收集路況和橋樑高 度、寬度等數據。企業還禁止收集軍事管理區周圍的任何道路信息。精確的地圖關乎自動駕駛汽車的未來發展。現有技術可以將線路圖的誤差降低到幾厘米。出於安全考慮，政府規定公共地圖的精確度不能超過 50 米（165 英尺）。因此，很難為自動駕駛汽車繪製精確的 3D 高精度地圖。如果達不到這一精確度，車輛則無法安全行駛。

基礎設施問題困擾著許多國家。例如，在印度，高速公路和普通公路是主要挑戰。印度的道路 中有 36% 是土路，而在中國，這一數字為 16% 左右。在世界經濟論壇的基礎設施排行榜中，印度排第 87 位，遠低於日本的第 6 位，德國的第 7 位，中國的 46 位。高速公路狀況不佳給自動駕駛汽車帶來挑戰。車輛行駛需要可預測的路面和標示清晰的車道。因此，政府需要為自動駕駛汽車的發展投資高速公路基礎設施建設。

自動駕駛汽車需要「消化」和「生產」海量數據。數據分為兩類：地圖數據、駕駛數據以及監管數據和乘客數據。監管數據用來連接一些行車規則和法律規定。乘客數據用來創造個性化出乘體驗。與此同時，汽車不同組件，比如感測器、攝像頭、雷達、聲吶以及 GPS 等都會生成海量數據，提升汽車的自動駕駛模型、交通出行計劃以及共享出乘公司的路線優化演算法。

另一個重要的數據內容就是使用人工智慧來生產訓練數據的公司。在可預見的未來，「人類控制」的系統會是生產高質量訓練數據集和反饋迴路的關鍵。數據具有網路效應。接下來幾年，誰擁有數據？誰可以接觸到這些數據？誰能處理數據？將是公司和立法者爭議的關鍵問題。因為汽車會生產和消費越來越多的數據，誰來控制這些數據、如何用數據賺錢，會是需要關注的關鍵問題。可能會湧現一大批公司，獨資打造搜集、清晰數據的業務，這些公司如何與其他玩家合作，也正處在探索中。

（頭圖來自視覺中國） ■

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！