无人驾驶时代真正来临！

北京刚刚批准，允许开启全车无人的自动驾驶Robotaxi运营！

百度和小马智行都拿到了许可，运营地点在北京亦庄经开区，60平方公里范围内。

这样一来，“副驾有人”、“后排有人”，恐怕要成为历史了。

在京开启全无人Robotaxi服务

首批获准在北京开展全车无人自动驾驶示范应用的，目前已知的有两家。

一家是百度，另一家是小马智行。

根据百度介绍，萝卜快跑此次共投入10辆全无人自动驾驶车（打车时，系统随机安排），在北京亦庄经开区60平方公里范围内，划定区域开展全无人自动驾驶示范应用。

亦庄运营时间为每天早上7点-晚上22点，计费标准为：起步费为18元，超出起步里程部分计入里程费，按4元/公里计算。

截至目前为止，百度萝卜快跑已在北京、武汉、重庆三个城市，开启了全无人自动驾驶出行服务。

根据百度规划，2023年将扩大业务规模，计划在全国范围内陆续增加投放200台全无人驾驶运营车辆，希望打造全球最大的全无人自动驾驶运营服务区。

另一家是小马智行，“全车无人”运营范围同样也在北京亦庄经开区，60平方公里内。

根据官方介绍，你可以通过PonyPilot+这款手机App，呼叫到一台真正车内无安全员的自动驾驶车辆，去往地铁口、重点商圈、市民公园、住宅小区等多个目的地。

亦庄运营时间为每天8:30-22:30（法定节假日除外），统一采用“一口价”或实时计价方式，“一口价”是根据预估费用确定的固定价格；

实时计价则根据里程、时长、时段等因素综合确定：起步价为18元，里程费高峰时段为3元/公里、普通时段为2.6元/公里，时长费高峰时段为0.9元/分钟、普通时段为0.7元/分钟。

据说为了给乘客带来更好的体验，小马智行对车辆端、应用端、乘客端的服务流程进行了全面更新。

比如在乘车前，乘客可以按抵达时间、实时行驶位置等信息找到所约车辆，确认身份后才可解锁上车。行驶过程中，用户在车内可与支持专员实时语音沟通，获得所需支持。

截至目前，除了北京亦庄，小马智行还在广州南沙、上海嘉定、深圳前海三地提供自动驾驶Robotaxi服务，目前这三个地方暂时都配备了安全员。

从整个过程来看，百度和小马智行已经来到了一个重要节点。

早在2021年10月，北京市智能网联汽车政策先行区开放自动驾驶无人化道路测试，同时发布全国首个无人化道路测试管理实施细则。细则明确将测试划分为“副驾有人”、“前排无人，后排有人”、“车外远程”三个阶段。

一开始是“主驾方向盘后无人、副驾有人”，2022年4月28日，百度和小马智行宣布成为北京首批获准企业。

到了2022年11月，该先行区颁发自动驾驶无人化第二阶段测试许可，允许开启“前排无人，后排有人”测试，百度和小马智行都拿到了“首批获准”。

2022年12月30日，该先行区又颁发了“无人化车外远程阶段”（即全车无人）道路测试许可，百度和小马智行两家再次同时拿到了“首批获准”，这意味着他们能够在京开展全无人自动驾驶测试。

在具体的全车无人测试过程中，据百度Apollo负责人介绍，去除测试过程中的人为因素，技术团队可对多种场景应对、冗余安全系统、5G云代驾、全无人自动驾驶服务系统，以及运营体验等给出更客观的评价，为安全有序推进全无人自动驾驶运营打下基础。

小马智行方面表示，他们的10辆车进行了3个月全车无人测试，在应对十字路口、狭窄路段等复杂场景，以及雨雪、沙尘等极端天气时，全无人自动驾驶车辆做到了安全、稳定及0事故。

总之，用了一年多的时间，百度和小马智行迈过三个测试阶段，现在正式在北京开启全车无人化运营。

北京加速推进无人驾驶商业化

对北京来说，这还不是终点。

2023年，北京市将“高级别自动驾驶示范区扩区建设”列入《2023年市政府工作报告重点任务清单》。

按计划，将在现有的60平方公里基础上，拓展到亦庄新城范围，并逐步完成全市500平方公里的示范区扩区工作。

而且，值得一提的是，北京市高级别自动驾驶示范区已全面启动3.0阶段建设。

接下来，将逐渐推动完成复制推广、技术迭代、政策创新、产业聚集四项任务，在“安全第一，兼顾效率”的原则下，推动全无人载人示范。

在政策创新方面，确保安全的前提下，将推动更多自动驾驶应用场景落地，除了“真无人”的商业化载人运营，还要探索打通从亦庄经开区到机场的无人驾驶运营线路，实现京津冀干线物流商业化运营等。

本文为转载内容，授权事宜请联系原著作权人。

2022年，全球资本市场持续低迷，自动驾驶赛道波澜起伏，Argo AI的破产在业内引起剧烈震荡，领头羊Waymo的估值也从最高1750亿美元下跌到300亿美元，激光雷达鼻祖IBEO也被迫申请破产……

不过，现在谈论自动驾驶的终局还为时尚早，在老玩家黯然退场的同时，新玩家则加速进场，尤其在中国市场。

在11月28日同一天时间内，福瑞泰克、宏景智驾、芯驰科技三家企业便宣布完成B轮融资。据不完全统计，2022年10月底至11月中旬，国内智能驾驶相关领域涉及40多起，累计融资超百亿元，范围包括自动驾驶解决方案、芯片和激光雷达等。

如果梳理这些融资案例可发现，大量的资金都涌入了高阶辅助驾驶，以及车企定义的“城市导航辅助”，这被业内人士称为“智能驾驶的下半场”。

融资背后的力量也十分重要。一位业内专家对车市物语称，“不同于前几年纯资本层面的投资行为，这一轮热潮的关键信号是车企的主动参与和加码，不仅数据体量会有大幅扩展，应用速度也会加快许多。”

01 资金涌入量产智能驾驶

“经济好的时候，L4这种比较远的故事能吸引一些人，但在经济形势不好的时候，再讲这种故事就很难了。”禾多科技创始人、CEO倪凯曾表示。

11月初，禾多科技完成了最新一轮C2轮融资，由旗下广汽资本领投，智都投资、混沌投资跟投，融资规模为数亿元。谈到最新一轮融资，倪凯表示，“有点像‘领证’以后的量产过日子，把日子过得更好，大家走得越来越踏实。在量产合作的前提下，投资是水到渠成的事情。”

倪凯强调，禾多的一个阶段性目标是要成为一家能算清楚账的公司。目前，禾多一方面在完成广汽项目的交付，另一方面也在谋求与广汽更多车型的合作。

高估值的时代已经过去，智能驾驶公司在寒冬中抱紧主机厂的大腿，方是生存之道。

近日完成近亿美金B轮融资的福瑞泰克，于2019年推出中国本土自研的首款量产级ADAS系统解决方案，于2020年开启乘用车及商用车的规模化量产，目前已获得包括吉利、上汽、东风、北汽、陕汽、TCL实业等多家战略投资。

来源：福瑞泰克官方

“高阶智能驾驶打开了汽车智能化的新航路，2023年高阶域控方案交付量有望实现爆发式增长。”福瑞泰克创始人张林博士对此表示，“随着L2快速普及化成为标配，同时L2+、NOA高阶产品逐步量产上车，福瑞泰克会率先实现国产NOA从概念到量产的行业突破。”

无独有偶，近日完成数亿元B轮融资的宏景智驾，最初成立之际是瞄着L4级自动驾驶Robotaxi目标而去，但经过一年车辆测试后，内部意识到，L4级自动驾驶技术的量产落地，还有很多需要打磨的地方，短期内很难盈利。

从那时候起，宏景智驾逐步调整了商业策略，转向量产智能辅助驾驶。目前，针对HyperPilot 2.5系统，宏景智驾已经与国内一些车企达成量产合作，最早的一款车型量产已于今年7月面市。

实际上，更多的资金已经涌入量产智能辅助驾驶。10月10日，智能驾驶系统解决方案提供商安智杰完成超亿元C轮融资，资金将用于加速ADAS(高级驾驶辅助系统)系统与主机厂的配合以及相关产品的大规模配套；同日，智能驾驶高能效计算解决方案提供商超星未来完成A2轮融资近亿元第二次交割。

在智能驾驶相关企业获得融资的同时，也有企业在谋求上市。

11月23日，专注量产的智能辅助驾驶公司纵目科技冲刺科创板IPO获上交所受理，本次拟募资20亿元。此外，知行科技也在今年完成了C+轮融资，正在部署科创板上市。其合作伙伴极氪品牌旗下首款车型极氪001，已完成了智能辅助驾驶系统解决方案的开发与交付，在手订单超10万套。

融资背后，业内似乎达成了一种共识，在国内想要实现最终的无人驾驶，通过渐进式的高级别辅助驾驶反哺自动驾驶的方式是最务实的一条道路。

02 城市导航辅助成为车企竞逐场

2022年下半年，越多越多的车企开始为车主提供“城市导航辅助”功能，即在城市公共道路上，车主设定好目的地，车辆能自主行驶，途中完成跟车、变道、超车、转弯、过红绿灯等动作，最终到达目的地。

相比目前已经有较多车型可实现的高速导航辅助，城市场景的导航辅助价值更高。数据显示，中国人民日常出行的城市通勤占比在70%以上，城市场景的L2+产品将是未来市场的主流趋势。但这项技术的难度也比高速场景下高出好几个量级，也是衡量汽车智能驾驶水平的试金石。

特斯拉FSD（Full Self-Driving，全自动驾驶）经历过多次“跳票”，但总算历经763天之后，带着“Beta”后缀的智能驾驶从内测走向了公测。11月24日，特斯拉正式向北美所有购买了FSD的用户，推送FSD Beta功能。虽然公测比预想中来得更晚，但其仍然是全球首个大范围推送全场景领航辅助驾驶功能。

在国内市场，小鹏汽车率先起跑。9月17日，小鹏向部分广州的P5车型车主推送城市NGP（Navigation Guided Pilot，导航辅助驾驶）。随后在10月24日举行的科技活动上，小鹏汽车自动驾驶副总裁吴新宙披露，所有支持NGP功能的P5车辆均能升级城市NGP，但限于高精度地图的审批程序，用户只有驶入广州才能开启这个功能。

9月24日，北汽蓝谷旗下品牌极狐称，在深圳向极狐阿尔法S HI版用户推送城区NCA（Navigation Cruise Assist，智驾导航辅助）功能。

紧接着，长城汽车旗下自动驾驶公司毫末智行也在9月宣布，首款搭载量产城市NOH（Navigation on HPilot，领航辅助驾驶）功能的车型摩卡DHT-PHEV激光雷达版将于年内发售。

图源：毫末智行官方

一名自动驾驶业内人士预测，2023年内将会有更多车企宣布推出搭载城市导航辅助功能产品，希望借助城市导航辅助的量产来增强产品竞争力，并抢占消费者心智。

但目前来看，具备城市导航辅助的车型仍是极小数，即使是已经官宣的车企，要真正实现该功能仍有许多限制。小鹏和极狐能在特定城市的部分区域实现该功能，也是得益于广州和深圳政策的率先开放。

值得一提的是，国内汽车品牌中，完全不依赖高精度地图的城市导航辅助功能还未在国内量产。眼下，国家正在收紧高精度地图的覆盖范围，绝大部分车企推出城市导航辅助功能的节奏或被打乱。

智己汽车联席CEO刘涛对车市物语坦言，“除了政策的硬性要求外，高精地图对数据的‘鲜度’要求非常高。鉴于以上两点，智己已对技术路线进行了调整，终极目标是想‘去地图化’。”预计2023年第四季度，智己将在上海城区进行首次开放和试验城市导航辅助驾驶功能。

不过随着技术的不断完善，城市导航辅助驾驶会成为下一阶段竞赛的入场券。“如果回看‘高速导航辅助’，这项功能从过去三年间从无到有，目前已得到行业认可，并成为智能化的标签之一。大家赌的是再过五年，‘城区导航辅助’会不会成为新的标签。”倪凯称。

03 没有一家企业能做到90分

无论是哪种路线，城市导航辅助均需要面对城市场景难以穷尽的corner case。对于消费者而言，这个功能最初的使用体验并不会太好。

“城市导航辅助功能肯定不是一蹴而就的能一次性做完，先做到能上车的程度，交付一些基本可用的功能，后面需要持续不断地打磨场景，慢慢迭代。”轻舟智航联合创始人CTO侯聪对车市物语称。这也意味着，在大量上车之前，没有一家企业能做到90分。

那对于购买高级辅助驾驶功能的汽车主而言，面临的一个困境就是：

现阶段，如果说理想状态下，高速导航驾驶可以一定程度上减轻驾驶员的负担的话，那么现在所有车企的城区智能驾驶并不能减轻你的驾驶负担，你会被车内提示无数次警告，要准备好随时接管车辆。

本以为开车能省一半精力，但就是不让人踏踏实实的省。

原因在于，从L2到L3的过渡阶段，是自动驾驶最不让人放心的阶段。最近三年，在国内发生的辅助驾驶状态下出车祸并造成死亡的典型事件有三例：一是2022年8月，宁波一位小鹏P7车主在市内高架桥上与主路最外侧车道上停着的一辆故障车发生撞击，造成一人死亡；2021年8月，一辆蔚来 ES8在开启了NOP领航功能后，在沈海高速发生交通事故，车主身亡；京港澳高速邯郸段还有一辆特斯拉Model S撞上了一辆道路清洁车，车主不幸身亡。

同济大学教授、汽车安全技术研究所所长朱西产在最近两年的公开演讲中多次指出，自动驾驶正处于森政弘口中的“恐怖谷”阶段。

“我们所认为技术水平不高的ADAS反而是安全的，因为没人把它当自动驾驶用。反而是L2+拥有了一定的自动驾驶能力，更容易获得驾驶人的信任，从而造成事故。”朱西产对车市物语解释道。

实际上，那些新能源汽车品牌并不是每个型号都有智能驾驶/辅助驾驶功能。比如，小鹏P5系列车550G是入门款，只有1个环视摄像头和4个超声波雷达，而高配的550P则是多了9个高感知摄像头，5个毫米波雷达，以及2个激光雷达，还多了与之相配的计算平台和算法。

可以说，在辅助驾驶水平上，两辆车根本不属于一个级别的产品。消费者如果不对硬件配制以及智能驾驶水平有了解，买回去真以为自己的车很智能，那就很容易出事故。

未来的几年内，国内一定会看到有更多新车推出高阶辅助驾驶系统，行业也会慢慢地卷起来。

“智能驾驶是一条漫长的赛道，如何用更小的算力，性价比更高的方式去实现同样的自动驾驶功能和表现值得深思。未来比拼的不仅是技术和算法，更重要的是创业者对于场景的理解、未来商业模式的判断以及如何构筑自身壁垒。”一位自动驾驶从业者对车市物语说。

本文为转载内容，授权事宜请联系原著作权人。

雷军卸任了。

雷军卸任小米电子软件公司董事长的消息冲上了热搜。

当然，这件事本身其实无足轻重，这只是小米集团旗下众多公司中的一个而已。

相比之下，雷军忙于丢掉包袱的理由才更值得我们关注——

他正在全身心地沉浸在造车事业里。

01 偏向虎山行

85场业内拜访沟通、与200多位行业资深人士深度交流、4次管理层内部讨论会，以及两次正式的董事会……在知天命的年龄决定投身造车，雷军的这个决定无疑是经过了深思熟虑的。

而且，在突破口上，他选择了一块最难啃的“硬骨头”——自动驾驶。汽车工业的各个模块都非常复杂，其中自动驾驶最复杂，但小米仍然义无反顾地选择了这条路。因为在雷军看来，这是未来智能电动汽车“决胜的关键点”。

图源：雷军演讲

为了啃下这块硬骨头，小米制订了“全栈自研算法”的战略。目前投资已经超过33亿元，组建了超过500人的专属团队，其中涵盖了传感器、芯片、感知规控算法、仿真技术、高精地图、高准定位等自动驾驶全栈技术所需人才，其中很多核心骨干成员还拥有微软、谷歌等全球顶级科技公司的研发背景。

同时，小米近几年屡屡进行大手笔的收购和投资，几乎覆盖了智能汽车产业链的上下游，其中当然也包括自动驾驶领域。

或许，正是完备的团队、充裕的资金以及缜密的布局，才给了小米宣称“2024年进入行业第一阵营”的底气。

02 窗口期已过？

当然，不看好小米造车的理由同样很充分。

首先就是时间问题——小米入局汽车行业时间较晚，被很多人认为“错过了窗口期”。

毕竟，2021年入局的小米，比起国内的造车新势力都晚了五六年，而先行者特斯拉、比亚迪更是已经深耕近二十年了，眼下的电动车市场可谓是强敌环伺。

而且特别要注意的是，尽管小米不差钱，但新能源汽车行业的烧钱速度超乎想象。经济学家任泽平就曾专门发文“给雷军泼冷水”——

来源：@任泽平微博

文中他还特别提到了小米的“后顾之忧”：

小米造车的底气无疑来自手机业务。但在全球手机行业逐渐告别高增长的情况下，手机还能否支撑得起造车？根据今年第二季度的财报，小米当季营收同比下滑20.1％至701.71亿元，经调整净利润20.81亿元，同比下降67.1％，创近3年来的新低。

图源：雪豹财经社

还有成本把控的问题。

雷军曾表示：小米首款汽车的价格会在10万~30万元之间。并且我们知道：长久以来，小米，以及由小米系资本所构筑起的生态链，在人们心目中都是“性价比”的代名词。因此基本可以判断：小米汽车将来应该也会走“性价比”的路线。

这就对成本把控提出了不小的挑战——与手机行业不同，在动力电池成本高企的情况下，造车想要达到较高的“性价比”几乎是不可能的。从目前市场状况来看，就只有两条路：一个是像早期的蔚来那样，自己承担多余的成本；要么像理想一样，将“压缩成本”进行到底。

能否实现2024年进入行业第一阵营的目标，前景恐怕仍不清晰。

03 小米生态链缺车

其实，熟悉小米的朋友可能知道：小米早就造过车了。

那是一辆智能房车。

这张图如今也是@小米新能源汽车的官方微博背景图

在2021“雷军的新年愿望”活动上，一位“米粉”对雷军说：他想“开着装备全套小米智能家居产品的房车，环游中国，感受一下行走的智能生活”。

于是，小米的工程师就干了三个月，造出了这辆车，里面全都是小米智能家居产品。

虽然这辆车还称不上一个“产品”，但它展现出了小米汽车带给我们的无限可能——

汽车作为当今最重要的出行工具、生活中的“第三空间”，它不光连接着家和办公室，也连接着我们生活中的一切。

因此，汽车堪称小米的生态链上最重要的一环。一旦被填补上，可以释放出无限的想象空间。

据悉，截至8月小米汽车已经申请汽车专利125项，其中约70项与自动驾驶相关，涉及车辆目标检测、路径规划、车辆行驶控制等，以及达到L2+级别的相关技术。

而位于北京经济技术开发区的小米汽车工厂已于今年4月开工建设，一期工程设计年产能15万辆，预计将于2023年6月竣工。这个进度或许能够赶上雷军“小米汽车2024年上半年正式量产”的计划。

而今年5月，小米集团总裁王翔也在直播中透露，目前小米涉及造车工作的员工已经有1200多名，将在2024年交出第一张答卷。

小米有没有机会后来居上？我们充满期望，我们拭目以待。

本文为转载内容，授权事宜请联系原著作权人。

定义未来汽车产业发展的“新四化”分别为：电动化、智能化、网联化、共享化。迄今为止，这一逻辑线仍属产业共识。

全球范围内，特斯拉拔得头筹，在其中的电动化（三电系统）和智能化（FSD服务）领域均处于领先。

作为目前能在销量上和特斯拉掰掰手腕的比亚迪，也已经在电动化上取得了普遍认同，下一步的整体进阶，必然要求它在智能化上有所突破。

从微观视角延伸至宏观视角，中国新能源车集群，已阶段性夺得电动化全产业链的先发优势，但在以自动驾驶为核心的智能化价值链维度，则正面临以特斯拉为首的海外军团的深度压力。

这也意味着，在即将到来的2023年，智能化将成为新能源赛道核心看点，一场不可避免的全面战争即将开场。

01、噪音

近期围绕自动驾驶公司“折戟”的讨论氛围甚浓，智能化长期以来的悬浮感开始令市场陷入迷茫。

例如：

10月底，英特尔将旗下资产MOBILEYE以170亿美元再度上市，而2017年英特尔却是以153亿美元将其私有化，期间MOBILEYE的估值还一度膨胀至超500亿美元；

因福特决定停止对Argo AI的投入，曾以至少70亿美元估值并计划IPO的L4自动驾驶公司Argo AI日前宣布倒逼，未来福特将集中资源在L2+级别的智能驾驶的开发上；

背靠谷歌的行业先行者Waymo曾估值高达1750亿美元，现已跌至300亿美元，并且每年至少消耗谷歌母公司至少10亿美元的运营支出，而从2018年率先取得凤凰城和旧金山的Robotaxi运营许可后，其商业化推进速度受到质疑；

而依靠通用和本田输血的Cruise也在Robotaxi业务（也从2018年开始）上录得近50亿美元的亏损，并且其未来商业化盈亏点仍然模糊；

国内专注于L4级自动驾驶公司如百度、小马智行等也同样面临着持续巨额投入和商业化难题，自动驾驶变成了难以实现的梦境；

全球范围内自动驾驶的龟速匍匐，甚至令“自动驾驶之父”——莱万多夫斯基发出如此感叹：“忘掉利润吧，所有的自动驾驶的士、自动驾驶货车或者诸如此类的公司的总收入是多少？有百万美元吗？也许吧，但我认为零收入的可能性更大。”

以L4级自动驾驶为代表的智能化道阻且长，直接原因当然还是在于政策法规层面的限制，背后是小概率事件所隐含的道德难题，当然也包括车企在其中需要承担的事故责任等，根本原因还在于技术上没有取得显著突破。

似乎，自动驾驶的普遍发展困境使其成为了一场海市蜃楼，构建的愿景虽美好，但要落地又显得不真实。

但，特斯拉在自动驾驶上却表现出十足的坚定和信心，宣布放弃激光雷达进入纯视觉感知方案后，展现出一套全栈全自研全产的全链路自动驾驶软硬件构架，并基于现阶段L2自动辅助驾驶的运行表现不断地训练迭代自己的纯视觉体系效果。

虽然，特斯拉还远未达到实现自动驾驶的水平，但基于每次beta的迭代都有相应的提升，相较之下，逐步的效果优化令市场开始对纯视觉方案抱有更开放的态度，也加深了市场对特斯拉“智能化”的标签认知力。

02、视觉方案

从大的方向看，自动驾驶的实现路径分为单车智能和车路协同，前者又可分为以激光雷达为主的传感器感知方案，以及以摄像头为主的视觉感知方案。除了特斯拉之外，几乎所有主机厂和自动驾驶公司都选择了单车激光雷达方案，并且国内在激光雷达方案的基础之上，同步在推进车路协同的基础建设。

之所以大多数厂商都选择了成本要高得多的激光雷达方案，是因为传感器天然就具备向量空间的探测感知能力，而激光雷达则能够应付高速实时条件下还原路况信息的必要要求，但传感器也面临多信号融合问题，并且容易受天气状况的影响。

而摄像头无法直接还原三维空间信息，需要智能算法的大量学习过程后转化来解读，并且视觉方案对算力和算法延时的要求极高。视觉方案最大的难点在于这个系统拟人化的智能程度，例如基于开车经验为基础的预测能力以及举一反三的泛化能力。

车路协同，虽然能够在一定程度上降低单车的智能程度和算力要求，但另一方面则需要大规模新基建（如高精地图、5G、云计算、大数据、物联网等）的推进，所以短期内，车路协同的落地主要将依托于试运行区域的效果而定，目前离确定路径和大规模推广还相差甚远。

目前从L2级的使用体验看，特斯拉自能驾驶辅助系统autopilot的使用体验优异，大概不输于任何一辆量产车的智能辅助系统表现。特斯拉用一套低成本的方案，最终获得了规模上的先发优势。

随着其交付量的显著增加（大概400万辆特斯拉车和约10%的搭载FSD的车辆），以及背后基于正常激活运转和“影子模式”运转不断学习优化的一整套自动驾驶系统，其autopilot和FSD都在齐头并进做优化迭代。

在获得全球最多路况数据量后，特斯拉需要做三件事：

一是将2D路宽数据3D化，完成数据信息的格式化和标准化，这一过程的工作量极大，特斯拉除了有上千人组成的数据标注团队之外，还为此开发了自动化数据标注工具；

二是导入加工后的数据，训练控制决策系统的“聪明度”。为此特斯拉近年来重写了FSD基础构架，并用蒙特卡洛树搜索+神经网络相结合的方式，不断地读数据、看路况，挑出复杂路况或事故问题路况，模拟比对决策结果，再在虚拟环境中模拟构建现实世界的复杂路况，尽可能多的覆盖长尾路况信息，进一步训练决策系统应对小概率事件的从容度；

三是需要一个强大的算力模块及系统构架，为此特斯拉研制基于分布式架构的Dojo芯片，并且优化了芯片间的通讯带宽（即缩短延时），理论上能够实现无上限的算力拓展，这将随着数据量和算力的需要同步扩容。

图：特斯拉视觉感知架构，来源：网络

图：特斯拉展示的窄道会车场景，来源：网络

为了大幅精进这三件事情，特斯拉的核心聚焦点放在了AI领域，所以今年AI day的目的就是广泛的招贤纳士。

客观上，特斯拉有一套系统化的自动驾驶方法论，由于摄像头拥有标准的数据格式和通用数据接口，特斯拉只需要完成软件端的突破即可；但多传感器融合面临通用化和标准化的难点，其中激光雷达仍在机械、半固态、固态的路线争论中，加之车企和硬件供应商之间有强耦合的关系，会面临同步协调的系统性问题。

所以，在某种程度上，路径问题也可以简化成另一个问题，到底是一个人跑得快or一群人跑得快？

03、中国需要跟注

很多车企都宣称自身的“智能化”程度不输于特斯拉，或宣称已具备L4级的硬件基础及能力，未来将通过OTA方式来更新系统与之适配。

但相比于特斯拉的“全链路自主可控”，大部分车企的智能化都需要供应商的先行，如果在底层基础不稳的情况下，车企也是难有大的突破表现。

现阶段，国内厂商的智能化语境基本都是一个模板的产物，例如在支持OTA、芯片算力、语音交互、摄像头分辨率、激光雷达、驾驶辅助能力、及潜在的自动驾驶能力等多个维度上刷数据，其实仍侧重于“推配置”的表达方式，基本区别于特斯拉对“智能化”的理解与表达。

当然，在法律法规的约束窗口期内，市场也很难真正认清究竟孰优孰劣。

但如果以自动驾驶为代表的智能化终将落地，并且是以特斯拉的方式率先突围，那么将拖累我国整体汽车“新四化”的进程。

电动化化的渗透，主要依托于制造业产能扩张的客观规律，周期较长，我们尚且还能够依靠大市场和产业体系进行有效追赶甚至是取得先发优势。但智能化将区别于自动化的进程周期，一旦智能化开始落地，特别是以更具单车性价比的纯视觉方案落地，短期内将虹吸所有红利，并且也牢牢掌握未来推进网联化、共享化的主动权。

这意味着，无论是对品牌车企、供应商，还是以汽车产业为基础的国别竞争，拿下自动化只是一场卡位晋级的战斗，而智能化才是覆盖整个新能源车战争的高地战役，战略意义至关重要。

为此，我们不应该满足于自动化在全球范围内的率先表达，而智能化则绑定产业系统一同踏步，我们应该要效仿特斯拉，至少也要下注纯视觉方案，让自动驾驶能够尽可能“脱钩”硬件维度的束缚。

在接下来窗口期内，国内能够在短期内撬动“智能化”标签最大效用杠杆的，就只有拥有最大产能与销量的比亚迪。

04、现实抉择

一来在于比亚迪是国内唯一盈利的新能源车企；二是多年来的电动化深耕让他成为了全球最具产业链纵深的电动车企；三是它的规模化已不仅仅局限在国内市场，已成为我国最具出海竞争力的新能源车企代表——而自动驾驶破局之路最关键的要素便是数据，以及更多的数据。

但众所周知，比亚迪的智能化表现落后于国内新势力。为弥补这一劣势，近年来比亚迪已经触达过多轮供应商。

2020年推出DiPilot辅助驾驶系统，博世是这套L2系统的供应商，但随后没有更新迭代；

2021年比亚迪推出自研操作系统BYD OS，开始自己整合关于自动驾驶辅助系统的供应方案；

同年，比亚迪开始投资芯片供应商地平线、激光雷达供应商腾聚创、自动驾驶解决方案商Momenta；

2022年，比亚迪联合百度为其提供ANP（城市智能辅助驾驶产品）以及百度地图，并宣布与自动驾驶芯片供应商英伟达合作，未来将采用英伟达的自动驾驶平台，之后比亚迪还与华为传出合作，也将引进华为MDC计算平台及自动驾驶解决方案。

显然，广撒网的策略目的是让未来的产品在智能维度上具备行业竞争力，看似多方押注万无一失，但长远来看，这样的操作过于被动，未来也恐怕难以建立智能化的竞争壁垒。由电动化转向智能化，价值链亦必然将向后者转移。而一旦特斯拉率先打通的自动驾驶的任督二脉，比亚迪刚刚建立起的销量优势恐将不保。

所以，在保持自身销量优势的基础下，覆盖特斯拉的智能化发展路径，是比亚迪卡位下一阶段行业竞争的一个合理选项。

那么第一步，比亚迪要做的就是储备并试验全栈自动驾驶解决方案（包括软件算法、硬件配置、数据处理等维度）。这牵涉的最大问题是汽车行业的智能化空窗期究竟还有多久。

如果没有期限限制，相信比亚迪未来能够通过招人和研发投入实现全栈自研，并装配在量产车上，再通过大规模的数据“喂养”不断精进自身的辅助驾驶系统表现以及未来自动驾驶的潜在能力；但如果特斯拉凭一己之力加快行业迈入智能化阶段的时间进度，那么特斯拉将再次远远甩开比亚迪，并且实现在全球范围内更大规模的市场收割，这极有可能削弱我国在汽车“新四化”过程中的话语影响力。

事实上，这不应该是一道选择题，“高端制造”是未来中国之于世界经济体系的重要定位和身份标签，汽车产业无疑是展示这一战略定位的根基，所谓“国之大者”，中国车企必然是要攀登并且站上汽车智能化的高地。

现阶段参与到“智能化”的公司大体可以分为三类，一类是如长城汽车与毫末智行的关系，属于大型车企独立孵化的智能驾驶公司，主要为母公司车型的智能驾驶服务；另一类是以科技公司的身份切入到智能化供应商的领域，如百度、华为、小马智行等，主要向车企提供整体解决方案；还有一类是电动化先行车企“蔚小理”这类的自研公司。

从公司背景、定位、运营情况等角度看，小鹏汽车的智能化理念是离特斯拉相对较近的公司。但今年其产品的市场销售表现出现一定颓势，导致其开始明显掉队，无论是在行业、市场、资本、或是舆论的处境中，小鹏正变得愈发艰难。

在国内，小鹏汽车身上的智能化标签受市场接受度较高，可惜在于其品牌价格的定位和类SaaS的商业模式。但这对于制造业和电动化经验丰富的比亚迪而言，却非常契合未来智能化的需要。

虽然小鹏汽车走的并不是单车纯视觉的路线，但其全栈自研的自动驾驶系统架构于特斯拉的很相似。小鹏在高速NGP场景中，采用的是高精地图的策略，但进入城市NGP阶段，将采取视觉感知为主的方案，并且当下小鹏也在致力于打通“高速、城市、泊车”三种驾驶系统的使用场景，真正实现“端到端”的一体式系统集成，这可能需要类似特斯拉2020年的重写FSD代码的工作。

如果比亚迪能够与小鹏构成深度合作，那将会对比亚迪的智能化进程助推动力，以应对特斯拉可能率先掀起的智能化自动驾驶浪潮。但前提还在于小鹏是否能够接受“为他人做嫁衣”的局面。

当然，比亚迪另一重要选项还包括百度。在自动驾驶领域浸淫近10年的百度，被认为是最懂自动驾驶的中国公司。特别是百度方面的解决方案选择余地更多，其本身就是车路协同与视觉两条腿走路。

汽车“新四化”的进程必然是会带来市场格局的重构，却也是大浪淘沙的过程。而车企间也不永远只是单一的竞争关系，在更大的使命和责任面前，有远见的车企需要达成竞合的默契。

本文为转载内容，授权事宜请联系原著作权人。

小鹏汽车自动驾驶副总裁吴新宙在10月24日举行的小鹏汽车科技日上表示，小鹏的智能辅助驾驶路线规划为，2022年，主要着力单场景辅助驾驶铺设；2023-2025年，主要布局全场景辅助驾驶，2025年之后，小鹏“将向全面自动驾驶和无人驾驶进发”。

8月1日，中国首部智能网联汽车管理法规在深圳正式生效，深圳由此成为第一个允许全无人自动驾驶汽车上路的城市。这一政策使行业人士感到振奋，L3自动驾驶落地的曙光开始显现。

新规的落地昭示着，中国智能网联车市场正进入由渐变到突变、从量变到质变的关键节点。但积极迎接窗口期的同时，车企们也不免认识到，从产业链到道路保障、从商业模式到规范化标准，自动驾驶接下来要走的路还有很长。

1、政策破冰，自动驾驶正式落地

2、产业完善，道路测试保障先行

3、标准模糊，商业模式仍需探讨

中国的L3级自动驾驶时代来了。

《深圳经济特区智能网联汽车管理条例》的颁布，对于整个智能网联车行业而言都是一阵强心剂——国内首个明文规定L3级自动驾驶车辆可以上路的城市已经出现，随着深圳的步伐，后续还将会有更多城市也将出台配套法规，推动整个行业向更高等级的自动驾驶发展。

但政策落地不意味着行业的完善，反之，对车企们的考验才刚刚开始：政策范围如何戴着镣铐跳舞、自动驾驶道路与法规如何保障车辆运行、智能网联车商业模式如何打通？

政策破冰，自动驾驶正式落地

法律和政策支持是自动驾驶商业化运营的前提，深圳出台的《管理条例》是国内首个关于自动驾驶的相关法律，为自动驾驶测试、全无人运营、收费、保险、数据管理等给出法律指导，或为L3商业化落地带来新的曙光。

《管理条例》的出台，为L3级自动驾驶准入政策，提供了标准和模版。

首先，《管理条例》首次提供了智能车上路的法律许可。

智能网联汽车列入国家汽车产品目录或者深圳市智能网联汽车产品目录，并取得相关准入后，可以销售；经公安机关交通管理部门登记，可以上道路行驶；经交通运输部门许可，可以从事道路运输经营活动。

其次，《管理条例》明确了自动驾驶中的核心难点：责任认定。

条例指出：发生交通事故且智能网联汽车一方负有责任的，该车辆的驾驶人应当承担相应的损害赔偿责任；因智能网联汽车质量缺陷造成交通事故的，驾驶人依法承担损害赔偿责任后，可以向智能网联汽车的生产者、销售者追偿。

也就是说，只要L3级自动驾驶系统开启的状态下，因己方车辆发生违章或事故责任，第一责任人永远是驾驶员。

此外，《管理条例》也专门设置了“网络安全和数据保护”一章，鼓励开放共享车路协同基础设施的数据信息、通信网络等资源，但是涉及国家安全、公共安全、个人信息的数据除外。

以上三个层面的法律保障，明确了智能网联车上路、责任认定、信息安全三个重大问题，为智能驾驶落地提供了制度保障。

立法先行后，深圳成L3及以上级别自动驾驶第一城。

深圳已开放测试道路里程约145公里，累计发放道路测试及示范应用通知书93张，其中载人示范应用通知书23张。

当前深圳自动驾驶相关的企业超过800家，除了比亚迪、华为、大疆等产业链巨头，自动驾驶领域还有元戎启行、裹动智驾等新起之秀，还吸引了百度、小马智行、文远知行等发展自动驾驶业务的企业在深圳落地。

可见，政策法规的松绑能够促进智能网联车的落地。以深圳为试点，全国有望形成以智能网联车为核心的汽车、电子、信息通信、道路交通运输等行业深度融合的新兴产业形态。

产业完善，道路测试保障先行

自动驾驶汽车的平稳运行，除了制度上的绿灯，还需要道路大开绿灯，让“聪明的车”和“智慧的路”协同发展。

由于智能化汽车高度依赖于数据信息，做出的每一个判断与决策都与道路条件、实时情况息息相关，智能车和智慧路需要密切配合，才能共同保障新技术下的出行安全。因此，推进智能网联道路设施建设，不断提升道路基础设施信息化、标准化水平刻不容缓。

2022年6月10日，《车路协同自动驾驶智能网联道路分级标准》正式通过初审，该标准立足于车路协同系统发展，建立智能网联道路系统分级标准，促进车路协同自动驾驶技术进一步完善。

目前，我国的单车智能驾驶处于 L2 至L3 过渡阶段，智慧公路也处于试点阶段。车路协同有望于 2030 年国内规模化落地，粗略估计国内市场将达万亿。

将“人-车-路-云”交通参与要素有机地联系在一起，是车路协同需要实现的目的。

目前道路上具备的线圈、微波、地磁、视频等技术，已经能够把路口、快速路流量、车速、排队、滞留、号牌、违法等信息。但路侧信息、车辆感知相对独立，感知到的信息不会分享给其他方，这个独立感知会造成局部信息重复和局部信息空白。

多家车企、通讯运营商正在积极推进车路协同，分别针对通信芯片、通信模组、通信基站等领域展开了布局。

华为围绕硬件、数据、算法、高精地图，构建了一套以数据为核心的开放平台，服务覆盖了自动驾驶数据、模型、训练、仿真、标注等全生命周期业务。云服务与智能硬件平台、智能驾驶OS一起，构成了车云协同的MDC智能驾驶平台。

“人-车-路-云”的结合，一方面能够促进车路协同体系的完善；另一方面能进一步推动自动驾驶朝着低成本、高效率、低时延的方向发展，促进科技成果转化为交通运输生产力。

加快智慧道路的建设和试运行，则是车路协同落地的直接推动力。

深圳以交通运输局牵头，与多个部门组成智能网联汽车道路测试联席小组，推动自动驾驶落地。随后腾讯取得深圳首个自动驾驶道路测试牌照，全球首个5G＋自动驾驶规模化应用港口也在深圳落地。

上海政府的步伐则迈得更大，自动驾驶专用车道已经出现在实际应用场景中。今年7月8日，东海大道双向最外侧三号车道设置为自动驾驶专用车道，并将专用时段设置为工作日的每日10点到13点，违反规定驶入专用道路的将按“违规使用专用车道”的条例规定进行处罚。

标准模糊，商业模式仍需探讨

法律和政策的支持是自动驾驶商业化运营的前提，但商业化落地并非水到渠成。

法规的逐渐放开将成为产业链上下游企业验证自动驾驶能力的试金石，对于自动驾驶企业来说，聚焦落地场景、实现量产和商业化营收，是证实其可行性的最优路径，也是商业化的炼金石。

从车企层面看，目前涌现的自动驾驶企业，存在自动驾驶等级不尽相同，所搭载的硬件配置各异的舞台。由于并没有公开的认证标准和认证信息可以打消乘客的疑虑，乘客对于自动驾驶的安全性判断依然比较模糊，搭乘无人自动驾驶汽车的意愿不高。

从认证层面看，国内的自动驾驶能力的认证与测试并没有详细的标准认证规范，各地之间的认证难以互认。

如武汉政府曾公布过一份商业化实施细则：申请商业化试点要在全国范围内累计获得20张以上的道路测试牌照、累计完成20万公里的道路测试和10万公里的示范应用。

但这一商业化标准并非国家统一，这一规范在多大程度上能够得到消费者、车企，乃至国家立法层面的支持，仍是一个未知数。

退一步讲，即使技术及安全层面上的标准得到解决，商业模式的粗放和信息不对称，也是智能车企真正被市场接纳的桎梏。

目前，自动驾驶企业商业模式大多选择了最普及的Robotaxi，这个商业模式并没有在行业内形成标准的收费规范，大多还是用自家的app或小程序来定义收费标准，以过去网约车发展初期的优惠方式，譬如优惠券、免单等等，吸引用户使用。

从价格战走向差异化运营.，从自行定价走向针对收费标准和计价方式制定细则、避免收费差异的乱象......这些都是自动驾驶长期发展的必由之路，显然，行业目前还处于起步阶段。

当然，也有企业走在了前列，率先跑通了智能驾驶的商业化模式。

数据显示，萝卜快跑第二季度提供了28.7万次乘车服务，同比增长近500%。截至2022年7月20日，萝卜快跑累计订单量达到100万单，坐稳全球最大自动驾驶出行服务提供商。今年8月，萝卜快跑在重庆、武汉两地开启全无人商业运营，百度成为中国首家、也是唯一一家在开放道路上向公众提供全无人自动驾驶出行服务的公司。

由此可见，虽然政策已经放开，但将不完善的监管环境、消费者接受的成本与商业模式的可行性进程结合起来看，L3自动驾驶汽车商业化落地也仍面对不小挑战。

可以预见的是，高等级自动驾驶的赛道会随着法规的不断放宽，迎来愈发激烈的竞争。对于企业来说，加强相关技术能力，做好测试验证成为第一要务。

本文为转载内容，授权事宜请联系原著作权人。

从数字化到智能化，汽车云正在进化。

2021年下半年以来，腾讯、阿里、华为、百度、字节等国内各大云厂商，都开始将“汽车”从一众行业解决方案中单独拎了出来，形成了专属的汽车云架构。

正当产业变革之时，汽车逐渐从交通工具转变为下一代的智能终端，产业核心竞争力也开始从机械能力转向软件与服务能力。

9月初，百度智能云首次发布汽车云，分别从车企集团云、网联云和供应链协同云，三个层次深入汽车制造业的数字化升级。6月，腾讯云确立了“车云一体化”战略，并释放了一系列数据、自动驾驶能力和解决方案；8月底，阿里云和小鹏汽车联手打造自动驾驶智算中心；华为则通过构建自动驾驶云服务一栈式服务，形成了造、产、供、销、售后、应用的一体化方案；去年6月，字节跳动旗下火山引擎被爆组建汽车云团队，并在今年有进一步地产品落地。

据光锥智能不完全统计，国内外云厂商明确推出汽车云的已超过12家，其中国内主要云计算大厂均已布局。根据沙利文联合头豹研究院发布的《2021年中国汽车云市场追踪报告》显示，中国汽车云尚处于发展初期，其交易量于2021年达335.2亿元，在中国自动驾驶与车联网的技术与市场发展带动汽车服务平台需求增长的背景下，汽车云市场规模在未来连续5年将呈现稳定增长趋势。

在技术早期和市场广阔的背景下，大厂扎堆涌向汽车云并不让人意外。汽车云与汽车产业链的紧密结合，是一场综合能力的大考。

在数据、算法、算力三个层面，汽车云有着全面地应用，无论是车企内部数字化转型带动生产效率的提升，还是汽车作为智能终端未来的场景化应用（自动驾驶、智能座舱等），都需要与云展开紧密的结合。

在汽车云的赛道上，云大厂正是从上述三个方面切入，各显神通。

01 汽车云的新拐点

汽车云并不是一个新赛道，但在今年各大云厂商的布局越来越清晰。

虽然各大厂商的划分不尽相同、名字也花样百出。但概括来讲，汽车云包含两大方向：一是车企作为制造业，基于数字化转型产生的内部管理、数字化运维、智能生产、产业链及供应链协同等需求；二是车作为当下最火的智能终端，其产生了庞大的数据存储、计算的需求，只有上云，才能高效地处理这些需求，以满足自动驾驶和智能座舱等车联网功能。

首先是数字化转型的需求。汽车作为工业皇冠上的明珠，其数字化也一直走在制造业的前面，尤其是新势力最为激进。以百度为例，其汽车云的三个部分，集团云和供应链协同云的是帮助车企进行内部管理和外部供应链协同，以实现降本增效。

据了解，吉利等传统车企主要使用百度的车企集团云，覆盖了整车的研发、生产、交付、营销等全部流程，同时还包括车企内部管理系统，如CRM、ERP等系统的上云，实现企业内部的提质增效。

除了百度，有企业即时通讯工具的大厂，对这方面更为重视。阿里通过钉钉、腾讯通过企业微信、字节通过飞书等内部管理工具作为抓手，整合车企内部的协同管理。

在过去的一年，钉钉除了自建基础的企业管理工具，更主推低代码作为各行各业的数字化定制工具。针对车企，钉钉可以成为生产管理的统一接口，移动办公的门户。企业微信和飞书的思路与钉钉如出一辙。飞书以组织管理为切口，率先俘获了造车新势力“蔚小理”的芳心，从战略共创到OKR复盘，重点在组织结构的畅通。

而供应链协同云，则是通过连接汽车配套产业，打通整个汽车产业链以提升效率。对于整个汽车产业链来说，这部分的数字化主要难题在于汽车工业是综合性产业，小至螺钉就有数千个零部件，实际的汽车生产过程也是由若干个不同的专业生产厂（车间）合作完成。

在这样需要高效协同的产业链中，更需要一套统一的云上管理工具，以制定计划、同步进度、预防风险。比如，百度想通过“开物工业互联网平台”来将设备、产业链和供应链串联。

在车企上云进行数字化转型的赛道上，阿里、腾讯、华为等云大厂均有布局，但这只是当下的竞争，未来的竞争锚点，聚焦在新一代的网联化汽车云上。

随着汽车智能化的发展，车联网、自动驾驶、车路协同等应用快速落地，汽车作为智能终端所产生的数据在指数级增长，于是诞生了更多汽车上云的需求。

术业有专攻，车企的重心在于打造自身产品，而不是购买和运维大型数据中心，他们更倾向于选择与云厂商合作，一起打造高算力的“智算中心”。多位汽车行业分析师告诉光锥智能，该阶段车企的真实需求在于数据中心资源和技术体系，车联网云平台、自动驾驶云平台、仿真云平台、高精度地图云平台已成为主流公有云汽车云行业解决方案的标品。

“自动驾驶1.0时代拼的是硬件，2.0时代拼的是数据（特定场景下的数据处理），3.0时代拼的是计算。”毫末智行CEO顾维灏在沟通会上如是说。

车企在算力上的提前布局，让汽车网联云成为一个新的蓝海。

上述报告显示，2021年，“落地应用场景”需求量首次超过“数字化转型”需求，大概在70.4亿元，在整个汽车云IaaS+PaaS中占比达到59.3%。也就是说，智能化驱动车企上云需求迎来拐点，这意味着一个围绕新技术展开的市场正在开启。

02 智能汽车需要什么样的云？

根据Gartner估计，每一辆自动驾驶联网车辆每天至少产生4TB数据，每年约产生数百PB数据，随着自动驾驶渗透率的提升，还将诞生海量的驾驶场景数据，OEM和出行服务商未来需处理的数量估计可达ZB级。

根据公开信息，特斯拉建立了一个拥有60亿个标注物的库，一个将近2000万公里的虚拟道路，专门对算法进行训练。——这还仅仅是自动驾驶的2.0时代。

同时，不仅数据量变大对云端数据库存储产生挑战，对数据的处理、提取、计算、识别难例、生成数据集并进行算法优化等，比如自动驾驶需要大规模且多样性的训练数据，从数据的类型来说就包括感知数据、图像数据、行驶数据等等，并在云端进行训练和推理。

这就对云厂商IaaS＋PaaS的底层能力提出了更高的要求，海量数据能否快速处理，算法模型能否及时更新，数据能否反哺算法快速迭代，是每个汽车云厂商的必修课。

腾讯便重点瞄准了这部分能力，为车企打造了一个超大的“数据中台”。腾讯汽车云事业部内部分为车网联云、出行服务云、自动驾驶云及行业数据中台。其中，行业数据中台能力覆盖云基础、大数据、数据服务、数据应用领域，为车企提供数据分析、应用等大数据服务。

在今年6月份，腾讯升级“车云一体化”战略时，更加强调了行业数据中台的更项能力。包括数据存储、采集、标注、处理、计算等能力的聚合和加强，维度和模块也更加清晰。

在这部分数据能力上，开放一直是云厂商们的主旋律。华为汽车云针对自动驾驶产生的PB级海量数据提供高性能的存储、大数据组件和深度归档服务，以及生态开放的开发工具链，以及一站式AI开发平台ModelArts，帮助车企快速构建开发平台，降低开发复杂度和成本，提升效率。

除底层能力的高要求外，由于乘用车最终需要连接消费者，所以云服务结合智能网联汽车所提供的SaaS应用，才是触达消费者、挖掘数据价值的高频连接口。这需要SaaS层的云服务能够深度结合业务，对内建立直接可用的模型和算法；对外打通业务断点与数据孤岛，实现业务闭环。

火山引擎汽车云解决方案，就是从车内SaaS应用为切口，反哺PaaS层的数据能力。据了解，字节跳动汽车云SaaS层包括服务管理、车辆管理、售后数据、生产数据采集等能力。

据了解，字节跳动已开发了“火山互娱”车机版APP，这款软件结合了抖音、西瓜视频、今日头条、懂车帝等内容生态，可以通过AI文字转语音TTS技术，自动转化成语音播放。目前，火山互娱已在吉利和长安等车型上应用，目前装机量已有数十万台。

汽车中的这块屏幕，是未来商业化的重要入口，不止火山引擎，云大厂们都没有打算放过这块蛋糕。

腾讯汽车云虽然专注打造IaaS＋PaaS的底层能力，但基于底层能力和开放生态，建立起了行业生态市场，将应用和服务交给合作伙伴来做。一位微信小程序开发者对光锥智能讲到：“微信小程序已经开放了汽车终端的API接口，未来，理论上所有的微信小程序都可以在汽车上使用，迁移成本低，不需要重新做一遍。”

阿里云在小鹏汽车上，基于云上基础设施、即开即用算力和产品服务，同时还可以随时接入云上的小程序生态，与阿里体系的小程序生态，实现互联互通。举个例子，在盒马app、支付宝盒马小程序和小鹏汽车内的盒马小程序，可以实现账号互通，在车内使用语音交互可直接盒马下单。

总的来讲，底层技术能力的PK和前端应用的商业化，云厂商们围绕这两个重要赛点展开了不同的竞争布局。

03 每家车企都要有一个智算中心？

毫末智行CEO顾维灏分享过一个数据：“目前用户使用我们辅助驾驶产品所产生的辅助驾驶里程，已经接近1700万公里。毫末数据智能体系MANA的学习时长已经超过了31万小时，虚拟驾龄达到4万年。末端物流自动配送车也为附近用户运送了超过9万单的物资。数据的规模和多样性都在快速地增长。”

汽车数据变得越来越庞大，也越来越复杂。比如自动驾驶功能产生了大量的冗余数据，采集到的数据类别繁多，包括视频、图像、激光点云、雷达点云、车身数据等，其中95%的数据是低价值的，需要对其进行多层清洗才能获取高价值的数据，这带来的清洗困难和存储负担，导致价值数据挖掘效率低。

数据量庞大、数据类型变复杂，云厂商不仅要更新算法模型，更需要进行数据存储扩容，并提升算力，以提高整体效率。

举个场景化的例子，在自动驾驶领域，以训练一个千亿参数、百万个clips的大模型为例，需要上千个GPU训练几个月时间，训练大模型需要消耗巨大的算力。顾维灏向光锥智能表示，如何提升训练效率、降低训练成本、实现低碳计算，是自动驾驶走进千家万户的一个关键门槛。

这也是为什么自动驾驶公司要不遗余力打造智算中心的原因。

光锥智能了解到，毫末MANA超算中心目标满足千亿参数大模型，同时数据规模100万clips，预计将整体训练成本降低200倍。

今年8月，阿里云也与小鹏汽车合建的智算中心“扶摇”，基于算力可达600PFLOPS（每秒浮点运算60亿亿次），规划将小鹏汽车的自动驾驶训练的速度提升近170倍。

小鹏汽车董事长、CEO何小鹏曾在采访中谈道：“任何一家智能汽车公司对算力的要求够极高，尤其是自动驾驶模型训练，在视觉检测、轨迹预测以及行车规划等算法模型上都很‘吃’算力。”

可以说，在提升算力方面的超前布局，是各云厂商和车企能否进入自动驾驶3.0时代的入场券，在补齐数据、算法、算力三个方面的能力后，这场PK才正式进入下一个赛点。

04 结语

一个关键产业的突围，往往可以带动数个相关产业链的崛起。

机械臂、3D视觉、3D打印、人工智能......数个智能制造的底层技术，已经率先在汽车生产中应用落地。智能汽车不仅是工业的明珠，也将成为智能制造的范本。

云厂商则可以摸着汽车产业过河，进入到一个更加深邃的实体经济数智化大海中。

而自动驾驶带来的数据量爆发，车路协同成为智慧城市的重要切入口，每一个也都是一片广袤的新天地。

汽车云，不仅是云厂商的必争之地，甚至可能是决战之巅。

本文为转载内容，授权事宜请联系原著作权人。

被百度“养”了7年的IDG要开始自己赚钱养家了。

12月21日，据腾讯新闻报道，百度智能驾驶事业群（IDG）的员工资产今年已陆续由百度集团相关主体公司转入几家百度全资子公司。在今年一季度IDG全部转入新主体后，一些商业化部门需要制定并完成年度营收指标。

百度这次业务调整的背后，也是整个自动驾驶行业商业化的起步。11月25日，北京正式开放国内首个自动驾驶出行服务商业化试点，百度和小马智行成为首批获许开展商业化试点服务的企业。

11月25日下午，一位北京亦庄居民使用百度Apollo自动驾驶出行服务平台“萝卜快跑”完成首单付费，该名乘客乘坐全程2.1公里，消费1.06元。

将时间倒回到3年前，2018年还是自动驾驶概念繁荣又飘渺的一年，行业龙头Waymo估值高达千亿美元，“L4量产落地”的消息也在国内此起彼伏，但至今自动驾驶始终还没有真正落地，Uber还搞出了首例自动驾驶致死事件。

低谷之后或许是行业第二波向上的爬升阶段。然而，对于自动驾驶这个技术含量高，且关乎交通安全的行业来说，这一段爬坡期也会非常漫长。百度IDG的赚钱梦想短期内还难以实现。

“已经有很多人把它当通勤工具”

亦庄位于北京大兴区，是北京市唯一同时享受国家级经济技术开发区和国家高新技术产业园区双重优惠政策的地区。这里坐落着北汽新能源、奔驰、小米等多家公司的汽车研发中心，有天然的产业群优势。另外，亦庄道路规整，车流相对较少，也是理想的自动驾驶测试地。

12月1日下午，时代财经来到亦庄开发区自动驾驶体验路段。

打自动驾驶车需要下载两家公司专门的App——萝卜快跑和PonyPilot+，目前还没有任意地点上下车功能，乘客需要找到最近的自动驾驶站点上车，不过两家公司站点分布均比较广，小马智行站点约200个，百度则超400个，均可覆盖亦庄核心区域。

其余界面与一般打车软件并无太大不同，叫车后一分钟不到，系统就显示已接单，10公里的路程，正常价格在50元以上，商业化初期平台优惠力度较大，实际只需要2元左右。

上车后，前排椅背上的屏幕清晰地显示出行程路线、模拟路况和实时速度，安全员身旁有一块更加复杂的屏幕显示周围路况和自动驾驶的行进状态。

行驶过程中，自动驾驶已经可以熟练进行路口拐弯、换道、过红绿灯等基础操作，总体来看和有人驾驶没有明显区别，只是自动驾驶会更谨慎、更遵守交通规则。

椅背屏幕显示自动驾驶最高时速是60公里，但明显慢于路上的其他车辆。在车辆和行人少的平坦马路上，自动驾驶能达到最高速度，一旦碰见超车、拥堵路况、行人穿行马路等情况，自动驾驶都会刹车减速。如果在路况复杂的高峰期时间段乘坐自动驾驶，会不时出现急刹车的情况，因为自动驾驶需要躲避周围不遵守交通规则的车辆和行人。

目前所有自动驾驶车辆都配备安全员，在时代财经的体验过程中，安全员全程未接管方向盘，但会将手掌向上放在双腿上，随时准备接管。

一位安全员对时代财经表示，目前他的接管频次约为一天一次，多数是在碰见不遵守规则的车辆和行人时发生。虽然接管频率低，但安全员在行驶过程中都会集中精力时刻注意两旁的路况。

时代财经了解到，成为安全员的一个前提条件是驾龄10年以上，但这并不是为普通司机开设的岗位。相比于普通司机，安全员更像自动驾驶测试员。上述安全员表示，自己原来负责技术相关工作，安全员的工作除保证自动驾驶安全外，还要根据行驶数据训练自动驾驶系统。

目前有近100辆自动驾驶车辆运行在亦庄，这个“黑科技”已经融进了不少亦庄人的生活。安全员表示，最近已经很少碰见初次乘坐自动驾驶车辆的人，“自动驾驶现在价格便宜，已经有很多人选择把它当作上下班的通勤工具。”

百度对时代财经表示，11月商业化以来，乘坐自动驾驶的用户整体满意度为4.9分，好评率大于94%。

投资人：自动驾驶的To C业务还是“自嗨”

以Gartner曲线为测算基准看，自动驾驶目前正处于从低谷期缓慢向上爬升的阶段。

AI图像识别、边缘计算、AI芯片等自动驾驶相关技术都在逐渐成熟，激光雷达也正进入量产前夜，技术的成熟和政策的支持让自动驾驶厂商开始考虑商业化问题。

小马智行方面对时代财经表示：“获得商业化试点许可，意味着我们能够首次打通Robotaxi商业闭环，小马智行的乘用车业务正式从技术常态化测试迈入商业化模式验证阶段。”

不过，从现阶段的市场情况看，自动驾驶还在烧钱阶段，投入成本极高，行业尚没有盈利的案例。

跑得最快的自动驾驶公司在卡车行业。其中的头部公司图森未来已经上市，2021全年营收在500-700万美元之间，但资金支出达到1400-1800万美元。

相比无人卡车，Robotaxi等出租车的投入更高。初创公司的融资规模大多在10亿美元以上，李彦宏在接受彭博社采访时透露，百度2020年在自动驾驶上一共花了200亿美元。

但迈出商业化的第一步后，企业已经做好了盈利规划。百度自动驾驶技术部总经理王云鹏公开对媒体算过一笔经济账：如果Robotaxi一台成本50万元，有5年的可靠运营时间，月成本为8000元左右，已经与当下网约车持平，按照平均每月营收2万元，2年半就能平衡车辆硬件成本，5年运营周期可盈利70万元。

由于激光雷达等硬件成本等降低，百度最新推出的第五代Robotaxi成本在48万元，王云鹏对媒体表示，到第七甚至第八代，成本能追平甚至低于私家车。另外百度在首钢测试运营的车辆已经拿掉了安全员，第七代车不再保留驾驶方向盘，明年官方将允许进行没有方向盘的载人测试。

关于自动驾驶服务的定价，百度对时代财经表示，补贴结束后会采用更加市场化的收费标准，具体会参照网约车专车水平。

据李彦宏预计，大概在2025年，百度Robotaxi的整体成本会低于网约车成本，此时规模会迅速扩张，实现盈利。

但并不是所有人都如此乐观。星瀚资本创始合伙人杨歌对时代财经表示，从行业逻辑和技术发展程度上看，他并不认为Robotaxi的商业模式会在短期内落地。

凡是以B2B推动的技术型产业，都是不能在短期内To C发展的，To C实际上只是大家的自嗨。”

“自动驾驶行业上游的收入来自于中游，中游的收入来自于下游，下游的收入来自于周边产业，还没有诞生在C端爆发的条件。也就是说，这几年是由上中下游产业之间的相互需求驱动自动驾驶发展的，而不是大众的需求驱动。”

规模化落地？技术还没准备好

作为一个关乎到交通安全的技术，“普及自动驾驶”这件事绝非仅指技术的成熟，它背后包含的是经济、法律、道德等多种因素的综合作用。

“自动驾驶的普及是非常难的一件事，其难度甚至可以和癌症治疗相比较。”杨歌对时代财经表示，“它并非难在技术无法攻克，而是难在鲁棒性（Robust），理想中的自动驾驶状态是，不管路况有多复杂，怎么开都不会出错。”

从技术角度讲，提高系统的稳定性需要不断测试，测试又分为路测和仿真测试。路测即根据实际的道路行驶数据测试系统，这是最有效但要求也最高的一种测试。根据兰德智库的评估，真正的自动驾驶系统想要达到量产应用条件，至少需要经过110亿英里（约170-180亿公里）的道路验证。

这个数字意味着，就算100辆自动驾驶车辆24小时不间断地进行道路测试，积累数据需要的时间也是以百年为单位。

所以，多数自动驾驶公司都会在路测之外辅以仿真测试。仿真测试是建造一个虚拟的交通环境，通过模拟路况训练系统。但仿真始终是虚拟环境，它无法模拟现实中的所有情况。

“社会环境中有碰瓷的、加塞的、中间抢路的等各种各样的情况，这是模拟环境无法做到的。”杨歌表示。

有自动驾驶创业者对记者表示，目前大多数自动驾驶厂商都无法在仿真系统内准确重复真实路测场景中出现的问题。即如果自动驾驶在行驶出现中出现事故，并不能在仿真系统中回放事故场景，保证改进后的系统不犯同样的错误。

从法规上看，目前国家和社会对于自动驾驶事故并没有清晰的责任认定标准，“假如自动驾驶导致伤亡，如何评判责任？技术人员、自动驾驶厂商、车主？到底谁该负责？很可能出了事后整个项目都被关停了。”

技术问题和法律道德问题的相互角力，使得自动驾驶的鲁棒性变得非常困难。“社会是一个复杂且不可预期的混沌综合环境，和计算环境完全不一样。自动驾驶的鲁棒性要达到社会安全、法律道德能够解决的程度，不是5年之内能达到的。”杨歌说。

另外每辆自动驾驶车都需要独立判断周围的信息系统，当路面上有很多自动驾驶汽车，不同系统之间会出现干扰。

“这就和物理学上的单摆、双摆、多摆问题一样。如果一个路口有超过50辆车聚集，每辆车都不同的速度，且每辆车都在做判断时，这套混沌系统就会崩溃。你无法拿计算主观性去完成对混沌世界的解释，简单来说，只要路口有超过20辆自动驾驶汽车，计算可能就马上卡死。”杨歌说。

如果要从技术角度解决鲁棒性和混沌问题，唯一可行的路径就是“车路协同”，这也是国内自动驾驶的主流方案。

车路协同需要将人、车、路、云这些要素联系到一起，将实时数据传输到云端，通过计算分析将信息反馈到每个交通参与者。

但车路协同最大的问题是工程过于庞大，它已经不是自动驾驶技术普及的单点问题，而是需要汽车企业、交通企业、通信行业等各方面产业的跨界融合，需要大笔财政支持。其对于社会组织生产力的要求非常大，在未来几年全球经济仍有较大不确定性的状况下，车路协同的实现也会更加困难。

“在国际关系正常、社会稳定、资本流动正常、经济体每年增速保持稳定、国家大力支持的情况下，我觉得也得花10年时间才能有城市级别的示范点。”杨歌说，“改造老城市都比较困难，基本上只能在亦庄这样的片区，因为原有建筑少、居民密度低。”

杨歌表示，自己目前没有投资自动驾驶项目的打算，“我会看这个行业，也不会拒绝任何一个未来有生产力的产业，但是现阶段自动驾驶并不make sense。”

11月25日，百度萝卜快跑迎来国内首个付费乘客订单。当日，一位家住亦庄附近的萝卜快跑用户首次以付费形式搭乘了自动驾驶出租车，行程2.1公里。

但其实Robotaxi早已不是什么新鲜事，甚至已经从19年开始，逐渐被资本“嫌弃”。

在广袤的自动驾驶赛道上，19年之前，一众雄心勃勃的玩家们蓄势待发，他们中的大多数都盯上了前景和资本最为丰满的Robotaxi，可奈何存在诸多商业化瓶颈，现实骨感。

当前赛道上的一批起步较早的Robotaxi“天花板”，除了Waymo、Apollo这样有大厂在财力上撑腰的项目之外，小马智行、momenta、文远知行等独角兽们也都纷纷开始探索新的落地路线，不再死磕Robotaxi。

由此，干线物流、矿区、环卫、港口、无人配送等一批自动驾驶垂直项目或企业开始逐渐出现在了我们的视野之中。在这其中，无疑存在一个颇具竞争力的场景，那就是无人配送。

辰韬资本研究报告显示，从宏观的物流赛道到电商、外卖等诸多场景，当前我国快递即时配送业务市场已经达到万亿元规模。综合计算，2021年快递和即时物流末端配送总市场规模将超过3000亿元，并且快递和即时物流订单量还在快速上涨。客观的市场空间无疑是有的。

那么随着如今已经让人些许“累觉不爱”的Robotaxi突然一个咸鱼翻身，由百度率先打响了商业化第一枪。无人配送这一同样前景丰满且被认为较Robotaxi更容易落地的自动驾驶细分场景，离“翻身”还远吗？

赛道挤不挤？

从互联网诞生伊始，以我们一贯的认知来看，就像曾经网约车玩家们的恐怖厮杀，一条拥挤的赛道往往意味着“狼多肉少”。然而随着近年来电动汽车的战争愈演愈烈，这一认知已经在一定程度上被打破。

具体来看，一个明显的例子就是特斯拉经典的代码开源打法。2014年，马斯克做出了一个在当时让很多人出乎意料的决定，那就是特斯拉将采取“开源模式”，对外开放所有专利，欢迎对手们来“中门对狙”。值得讽刺的是这一年，正是滴滴们在为“一元打车”价格战拼得头破血流之时。

然而即便开源代码，对手们似乎还是不给力，18年、19年，特斯拉继续更新自己的开源代码，甚至20年直接开源了核心技术，自动驾驶部分代码。对于曾经特斯拉的技术，王兴也发出了下图感慨。

不难发现，在推动汽车电气化工业变革的道路上，特斯拉的“好山好水好寂寞”与同期滴滴们形成了鲜明的差异，但开源代码也绝不意味着特斯拉要“教会徒弟饿死师傅”。

随着如今蔚小理等玩家走到聚光灯下，美国市场“特斯拉杀手”Rivian来袭，特斯拉销量并没有因此而被瓜分，反而是在这些年呈现出近乎指数型的增长奇迹，这就很足以说明问题。

谈擎说AI认为，当前的汽车赛道与互联网诸多细分赛道的逻辑存在本质上的差异。互联网新赛道的导向之一往往是厮杀而后靠体量玩无限游戏，而当前的汽车细分赛道一个很鲜明的导向则是先一起把蛋糕做大。

驱动这一逻辑的一个核心点在于，互联网赛道的“原生壁垒”往往不明显，就比如滴滴抑或美团跟对手们“火拼”的那些年，对手打死一批，就又迅速来一批。而汽车赛道的“原生壁垒”则要坚固得多，要不是特斯拉不断开源代码来催化，电动汽车的风口也许真的要晚到几年。

也因此，汽车变革，难为一家之羹。这句似乎宿命式的箴言，如今在无人配送赛道上也有着很强烈的体现。

“想要让无人配送快速落地，当前只有通过合作推进。”某自动驾驶企业采购总监Tracy（化名）向我们表示，“因为无人配送当前的市场、技术这些资源要素分别在几只手里。”

这几只手的名字，分别为场景、技术、制造。

一：场景迭代的合理需求

想要让无人配送迅速落地，很显然第一个要义就是有足够的场景需求来支撑。就像开一家川菜馆，厨子再地道，也得有爱吃辣的人才行。

在当前的无人配送赛道上，存在两个巨大的需求场景，一是物流的末端配送，一是外卖等同城实时配送，共有三家以此为代表的火爆“川菜馆”，即菜鸟、京东、美团。也因此，赛道上“爱吃川菜”的需求是完全存在的。

那么菜鸟、京东、美团末端配送的生意做得岁月静好，为何要给无人化一个场景机会呢？

谈擎说AI认为，这主要是因为对当前末端配送主流玩家们而言，传统人力配送模式边际成本递减空间已经不大，这就给到了迭代的合理需求。

我们以网友诟病的“万恶资本家”代表美团外卖为例，网友整天在骂外卖涨价、骑手可怜，那美团平台真有那么挣钱？我们看数据，2020Q2，美团外卖佣金收入127亿，仅骑手成本就100亿，占比高达近八成，确实“不挣钱”的美团外卖自然也满肚子委屈。

不难发现，边际成本虽然会随着规模的扩大递减，但末端配送属于典型的劳动力密集产业，非边际成本占比极高，这个递减势必存在天花板。倘若能够无人化，边际成本就会成为大头，有菜鸟、京东、美团这样的大需求加持，相较于当前，成本势必会有一个可观的降幅。

二：无人驾驶技术一片火热

场景这只手能给到需求，技术这只手自然就闲不住了，当前无人配送赛道上盘踞的技术方案研发者并不少。

首先是场景自研派，没有出意外，菜鸟、京东、美团都在技术上坚定地走自研道路，并不希望让核心技术成为供应商的筹码。

当前菜鸟的技术自研主要由菜鸟ET实验室负责推进，已经研发出了菜鸟小G等三款末端配送机器人；专注于“互联网+物流”的京东X事业部，无人车项目于2016年下半年投入研发；同年，美团成立W项目组，启动对特定场景下无人配送的研究，2017年，项目组提升为事业部。

在“场景大户”的自研之外，供应商们也一片火热，百度无人车这座“黄埔军校”出身的朱磊创办的白犀牛，当前已与永辉、大润发、叮当快药等建立无人配送合作；新石器也已经为联邦快递中国市场提供无人配送技术支持。

值得一提的是，致力于城市场景无人小车的毫末智行，早在去年就已经与阿里、美团签署了无人小车相关商业合同。不仅在阿里“小蛮驴”规模化量产方面开展了相关合作，今年4月，毫末智行与美团也正式发布了量产L4级无人车“魔袋20”。

除此之外，赛道上的Apollo、一清创新、行深智能、驭势科技等公司都在技术供应商方面有所布局。

三：整车供应商助力跨过产能地狱

场景+技术，落地就有了基础保障，但想要达到最终的规模化远景，第三只手是另一个基础，即整车制造。

当前美团、菜鸟这些场景方的整车投放数量都在三位和四位数之间徘徊，永辉、大润发等的投放量则更少。但随着技术、法规逐步成熟，规模化是一个必然存在的门槛。从下图可以看到，盯着这个门槛的技术储备工作，赛道上早已开始进行。

（图源：辰韬资本）

不难发现，当前的无人配送赛道着实有些拥挤，但可以肯定的是，自动驾驶想要在无人配送这一场景上快速落地，并非造一个“终结者”就能高枕无忧，而是需要三只手的合力。这就意味着“拥挤”的含义更像是“热闹”，不失为一件好事。

小结一下，合格或优秀的自动驾驶智能化软件实力，发达或完备的整车制造工业，体量足够大且较容易赋能的实际应用场景，三方力量叠加，将直接决定哪一股组合势力将率先走出无人配送的荒漠。

那么在这三个要素资源里，分别存在什么难题和机遇？接下来我们将进一步阐述。

现实骨感吗？

在市场规模与“三只手”之外，关于无人货运的难点，Tracy还在微信上向我们表示，“规模成本和商业化，（无人配送）都还得翻几个山，对了还有技术，不就是个L4吗？那有啥难的？”

当然，她并没有忘记在自己关于L4的这个结论后面加上一个“狗头”表情符号。

诚然，L4技术攀峰的时间成本早已在Robotaxi上让资本直呼“渣男”，硬件测试工程师李畅（化名）也向我们表示，“场景、制造能力都有，这就好比你要炒菜，什么食材都备好了，但家里燃气灶还没通，就是干着急。”

至于Tracy所言的“规模成本和商业化”问题，我们认为与L4技术的不成熟同样不无关系。

李畅向我们调侃，“（现阶段）这些小车，一个个都像是行走的小金库，路测要是真遇到个懂行的，能给拆得一干二净。”

具体来看，“当前（无人配送小车）整车成本在50万左右，能压在20万的都已经很不错了。”李畅说，“但时间问题终归是时间问题，我们预测最终将会控制在5-10万之间。”

也因此，当前无人配送赛道距离大规模商业化，首座要翻越的山就是成本，这是对当前技术不成熟的直接反映。

到了实际使用场景上，当前无人小车的主要问题是存在“体验降级”的风险。为消费者升级体验往往是产品经理们的天职，但让消费者“体验降级”，夸张点地讲，似乎是一件站在全人类对立面的事情。

当前末端配送，除了菜鸟驿站和蜂巢等“取件式”服务，最主要的模式还有“交接式”服务。

试想一下这样一个场景，寒冷冬夜里你点了一份外卖，外卖小哥可以保证你不踏出家门一步就能吃上热腾腾的饭菜，但无人配送终端如果做不到精确的点对点，你就需要跑下楼去小车里自取，这样的外卖可谓是“莫得灵魂”。

谈擎说AI认为，任何的科技变革都是为了让体验再优化一层，而不是退化。

这就为当前玩家们提出了类似于以下一连串式的技术问题：无人车怎么进公寓楼？用无人机在末端解决吗？那么满大街的无人机安全问题如何保障？

不难发现，在“交接式”服务上，且不说未来让体验优化，单就保持用户体验原汁原味，似乎也是一件颇为棘手的事情。

“室内困境”怎么办？

我们来看当前赛道上的场景提供方，体验问题上，在外卖和顺丰、京东物流这样可以或是必须要送货上门的服务基础上，想要保证用户体验不被降级，难度无疑是很大的。也因此，单就落地技术复杂程度来看，美团、京东、菜鸟三家里，菜鸟的驿站式无人配送将会更容易实现。

那么美团、京东体验更好的“交接式”服务真就无解了？我们不妨从“实现配送终端与接收人的面对面交接”，这一直接难点入手。

具体来看，有报告统计得出过结论，人类约80%的活动都发生在室内场景，那么如何让无人终端在室内像配送小哥们一样灵活，无疑是这一愿景实现的最大难点之一。如何解决这一问题呢？让我们回归到自动驾驶的技术本身上。

我们都知道特斯拉坚持不用高精地图，不用激光雷达，而是走纯视觉路线，但简单来讲，这其实主要是因为特斯拉的视觉算法受到了非常大量的训练，从而减轻了对其他辅助定位软硬件的依赖。

对于无人配送的“室内困境”而言，像特斯拉一样通过大量的数据训练来实现存在理论上的可行性，但相较于室外路测，室内人员密集且危险性更大，政策法规这一关可能并不好过。

也因此，用软硬件来为无人配送终端提供辅助性帮助，将有望推动其更快速落地。

天眼查信息显示，11月24日，上海方位角数据科技有限公司获得了近亿人民币的天使轮融资，值得注意的是，该公司主要从事高精度时空服务和室内外一体化定位导航服务，团队主要成员来自于中科院的北斗导航卫星研制团队。

我们都知道当前的车企ADAS研发，想要实现对特斯拉的“弯道超车”，高精地图、激光雷达等都是很重要的辅助性技术手段，那么室内高精地图如果真的能够做出来，无疑也会推动美团们的无人配送落地。

总的来看，相较于能够循序渐进的ADAS，L4技术本就是一个需要渡过长期没有商业化能力的难啃硬骨头。但这确实也像是一股燃气，小马智行联合创始人李衡宇曾公开表示，小马智行可以做到把80%的乘用车自动驾驶技术用到卡车上。

这无疑意味着，到了L4技术成熟那天，干线物流、矿区、环卫等等场景都将加速商业化。毕竟燃气灶能打出火了，炒出各色菜肴很可能就会成为“分分钟”的事情。

我们也期待着无人驾驶赛道能够尽快打出这团火。

近日，美国自动驾驶初创公司 Nuro 宣布完成 6 亿美元（约合人民币 38.39 亿元）的 D 轮融资，由老虎全球管理基金领投，高榕资本、软银愿景基金一期等跟投，完成融资后，Nuro 的估值据悉将从 50 亿美元提高至 86 亿美元。

在 Nuro 最新一轮的投资方名单中，还有一家不常出手加码这一领域的公司——谷歌，毕竟母公司 Alphabet 旗下已经有自动驾驶公司 Waymo，因此 Nuro 的此轮融资显得有些特别。

公开资料显示，Nuro 的主要业务范围包括机器人技术和人工智能技术的研发，在开发无人驾驶汽车及其零配件产品的同时，还会开发一系列的人工智能产品。

Nuro 的早期融资方中不乏高榕资本、网易创始人丁磊等中国投资者，2018 年至今，已成功进行 5 轮融资，总金额超 22 亿美元（约合人民币 140.78 亿元）。

去年年底，Nuro 就已经获得美国加州首个商用自动驾驶送货许可，近日的新一轮融资金额将用于推动自动驾驶送货服务在全美社区的发展与部署，进一步扩大服务范围。

因美国地广人稀的城镇布局，无人配送可以在很大程度上解决商品配送不到位或是配送过慢的问题。目前，Nuro 已与沃尔玛、CVS 等零售企业达成合作，可以为客户提供生活用品、药品等商品的无人配送服务。

在国内市场中，也有不少互联网巨头早早就登上了这条与 Nuro 共同行进的船，将无人配送应用场景落实到快递、外卖以及生鲜的配送链，以消灭 " 最后一公里 " 的到达不准时或服务差问题。

例如，阿里在去年云栖大会发布低速无人配送小车 " 小蛮驴 "，一年的时间过去，小蛮驴的数量已经增加至 300 辆，累计配送订单超过 100 万。

京东物流 CEO 余睿 10 月中旬时也公开表示，京东物流第五代智能快递车将发布，未来两至三年，京东物流将持续研发及投用数千台智能快递车。

美团早在 2016 年就启动了无人配送相关项目的研究，并于今年 4 月底推出的新一代 L4 级自动驾驶无人配送车魔袋 20。

美团 CEO 王兴在今年一季度财报会议上表示，无人配送可以提高配送效率，降低配送成本，美团将持续投资无人配送。因此除了无人车，美团的无人机也在前段时间正式亮相。

然而，与自动驾驶技术相似，无人配送技术仍面临政策许可和智能化技术不够的问题。

在得到许可前，无人配送车只能在封闭的园区和高校等场地试运营，道路和时间规划都相对固定，很难有快速提升的空间，而今年五月末，北京发布了《无人配送车管理实施细则》，颁发了首批无人配送车车辆编码，美团、京东、新石器成为首批获牌企业，意味着无人配送车有了合法上路的机会。

但合法上路后，遇到的挑战会更多，道路上多了不少例如车辆、行人以及信号灯的变量，或许要真正达到 L5 级自动驾驶级别，才能将事故率降到最低。

据媒体报道，10 月中旬，北京顺义一辆私家车与一辆美团无人配送车发生交通事故，在当事车主的表述中，无人车并未有明显的刹车动作，交警勘查现场后判定无人车负全部责任，并开出罚单，据悉这也是国内公开报道中首例针对无人配送车开出的罚单。

这说明，无人车在真正大规模上路使用前，还需要进行更多测试和升级。

在快递行业人员流失严重、外卖行业人员需求日渐增加的情况下，无人配送车无疑是最好的解决方案之一，然而，保证安全的智能化技术仍是亟待解决的一大问题。

辰韬资本在《末端无人配送赛道研究报告》中表示，2021 年我国末端配送市场规模将超 3000 亿元，无人配送商业模型已经初步形成，技术已经能够支撑部分场景需求，行业进入批量商业应用前夜。

对于拥有技术基础、数据和应用场景的互联网巨头们来说，这无疑是块诱人的大蛋糕。

近几年，互联网红利逐渐殆尽，各大巨头们都玩起了无边界的游戏相互博弈，不管是不是熟悉、有把握的领域，似乎对它们来说，抢先布局就等同于不会落后，这样的竞争无疑可以推动技术和服务模式的创新，但同时，也依旧需要把安全、品质和务实放在首位。