自动驾驶攀登顶峰，Waymo、小马智行们难言轻松

文|智能相对论&＃xff08;aixdlun&＃xff09;

作者|leo陈

攀登珠峰&＃xff0c;传统路线有两条&＃xff1a;一条是中国西藏的北坡&＃xff0c;另一条是尼泊尔的南坡。不管选择从南坡还是从北坡攀登&＃xff0c;最终都将到达同一个顶峰。这其实与自动驾驶行业的发展路径之间存在相似之处。

对攀登珠峰的人而言&＃xff0c;无论走哪条路线都不是容易的事。北坡一开始没有登山的感觉&＃xff0c;更像是高海拔徒步&＃xff0c;边走边欣赏风景&＃xff1b;南坡会遇到昆布冰川&＃xff0c;路线有时接近垂直&＃xff0c;落石和雪崩的风险不小。相比于北坡&＃xff0c;南坡冲顶时间短、攀登强度大&＃xff0c;爬升和下降的海拔更高。

这其实对应着自动驾驶行业的两条大的研发路径&＃xff1a;一条是以车企为主的渐进式策略&＃xff0c;一般从L1、L2开始&＃xff0c;再逐步叠加高阶功能&＃xff1b;另一条是以科技互联网企业为代表的跨越式策略&＃xff0c;直接从L4、L5开始研发。而它们最终的目标都是登顶自动驾驶的顶峰——无人驾驶。

在攀登过程中&＃xff0c;自动驾驶行业发生了很大变化。投资人从疯狂中冷静下来&＃xff0c;变得谨慎。与此同时&＃xff0c;两条发展路径在商业化方面都遇到困难&＃xff1a;比如Waymo&＃xff0c;近期有包括CFO在内的9名高管相继离职&＃xff1b;另一边比如有特斯拉&＃xff0c;被曝出多次出现安全和市场问题。

当下自动驾驶行业望着顶峰&＃xff0c;每一条发展路径下的厂商都要面对问题做出选择&＃xff0c;为了活下来。

“跨越式”打法&＃xff0c;商业化还是未知数

自动驾驶行业的热度虽然高涨&＃xff0c;但行业核心问题依然摆在眼前&＃xff1a;距离商业化仍需时日&＃xff0c;大部分企业也未实现盈利。在这一轮浪潮下&＃xff0c;属于不同研发路径的厂商都要应对来自商业化的考验。行业发展至今&＃xff0c;做出不同路径选择的玩家之间会有着天然的鄙视链。

L4路线的坚定贯彻者比如Waymo&＃xff0c;崇尚高举高打&＃xff0c;意图直接断了人类驾驶员的后路&＃xff0c;靠节省的人力成本直接盈利。Waymo的研发思路逐步演化为针对Robotaxi的开发&＃xff0c;其离最终目标——无人驾驶&＃xff0c;显然是更近的。

可专注这一研发路径&＃xff0c;光是技术难度就意味着企业需要更多融资与更多投入。所以对于它们而言&＃xff0c;会希望自己能够抢占话题和资本高点&＃xff0c;至少在阵势上不能输。

有数据显示&＃xff0c;Waymo母公司Alphanet每年在自动驾驶研发上的投入约为10亿美元。Waymo刚起步不久&＃xff0c;就对外宣布引入除母公司以外的外部投资者&＃xff0c;拿到了两笔共计30亿美元的外部融资。也是这个时候有消息传出&＃xff0c;Waymo累计亏损已经达到50亿美元。

诚然&＃xff0c;作为行业头部且资金雄厚的企业&＃xff0c;无人驾驶是它们相对容易触及的未来&＃xff0c;大手笔砸钱可以被看做是帮助自己在下一个时代“跑马圈地”。但是&＃xff0c;高级别自动驾驶好比“钞票粉碎机”&＃xff0c;一些初创企业无法获得持续足够的资金支持&＃xff0c;缺钱成为压倒他们的最后一根稻草。

从2020年开始&＃xff0c;就有一大批初创企业正在走下坡路。去年3月&＃xff0c;StarskyRobotics在经历了融资失败、缩减车队、大幅裁员后停止运营并关闭&＃xff1b;Nuro被曝寻求卖身&＃xff0c;融资王Zoox传出裁员以及收购的消息。

一位业内人士告诉「智能相对论」&＃xff1a;“国外Robotaxi已经到了出清阶段&＃xff0c;实力不足的玩家逐渐退场。Uber、Lyft就是典型例子&＃xff0c;自动驾驶落地难、持续烧钱&＃xff0c;作为上市企业退出也在情理之中。”

“国内比国外走得慢&＃xff0c;还处于群雄逐鹿阶段&＃xff0c;要“广积粮”。如果企业现在不做大量融资&＃xff0c;后面几年怎么存活&＃xff1f;所以一些企业在各个方面疯狂造势&＃xff0c;比如这次针对广州抗疫宣传无人车。”另一位业内人士这样说道。

其还补充&＃xff1a;“外界所见难免有被厂商包装出的效果&＃xff0c;目前Robotaxi企业开放运营&＃xff0c;其实还在Demo阶段&＃xff0c;仍需要花费大量时间解决长尾问题。至于实现规模化、盈利化&＃xff0c;目前依然不太可能。”

从海外看到国内的未来&＃xff0c;会有一个残酷的现实&＃xff1a;行业融资狂热所带来的的繁荣&＃xff0c;不可能支撑起所有玩家的梦想。初创企业走到这个阶段要明白&＃xff0c;资本市场未来在“不能盈利的地方”所投入的资金是有限的&＃xff0c;自身也不可能一直依赖融资来续命。

最近百度CEO接受采访时表示&＃xff0c;虽然越来越多的玩家入局&＃xff0c;但是他们都低估了自动驾驶的研发投入&＃xff0c;百度仅去年一年的投入就超过了200亿。而这可能需要10年甚至20年的长期投入。

行业目前共同认知是&＃xff0c;在有融资支撑的同时&＃xff0c;企业也格外需要创造收入。因为目前还没有人知道要烧多少钱&＃xff0c;才能迎来大规模商业化的曙光。

文远知行创始人兼CEO在接受腾讯科技采访时曾表示&＃xff1a;“在投资之前&＃xff0c;会问你如何做运营、看你的商业模型是什么、如何做到商业化落地&＃xff0c;这样的问题在2019年开始越来越多。”这就意味着&＃xff0c;投资人在投资自动驾驶项目时会更为谨慎&＃xff0c;更关注商业化&＃xff0c;而不是盲目砸钱。

所以&＃xff0c;对于从L4起步的玩家而言&＃xff0c;必须寻找离商业化更近的道路。不仅仅是追求技术极致&＃xff0c;更要求具备一定的造血能力。

“渐进式”攻入腹地&＃xff0c;“跨越式”的优势在消失

有别于进入L4/L5级别自动驾驶领域&＃xff0c;以ADAS为基础来挖掘市场潜力&＃xff0c;可以说是“务实”企业的研发路径。这一方的代表企业如特斯拉&＃xff0c;从L2入手&＃xff0c;通过输出阶段性的智驾产品为下一代产品积累数据&＃xff0c;迭代性的获得盈利的同时&＃xff0c;逐步上攻。

若以L3作为“渐进式”到“跨越式”的“水坝”&＃xff0c;特斯拉为代表的企业其实就是“蓄水”&＃xff0c;去冲击L3级自动驾驶边界。其打法也有一套自己的逻辑&＃xff0c;通过数据积累&＃xff0c;更新迭代来“蓄水”&＃xff0c;从而一击冲破“水坝”&＃xff0c;向L3以上级别去“释放”能量。

过去&＃xff0c;高级别自动驾驶的“信仰者”&＃xff0c;应该都可以抛出一些直戳其痛点的问题&＃xff1a;“人人都在做L4、L5自动驾驶&＃xff0c;抓ADAS是否有出路”、 “当传统汽车供应商巨头将技术垄断&＃xff0c;新晋企业如何能建立起自己的优势”等。

现在&＃xff0c;后者对高级别自动驾驶企业也会有嘲讽&＃xff1a;“投入产出不成正比”、“短期内无法形成规模化”、“资本市场不具有可持续性”等。在「智能相对论」看来&＃xff0c;自动驾驶技术太庞杂&＃xff0c;细分赛道太多&＃xff0c;产业链里的玩家都会有自己的一套核心打法和生存逻辑。

除了特斯拉&＃xff0c;国内一些车企也能够实现部分城市道路的自动驾驶。比如&＃xff0c;今年小鹏发布NGP自动导航辅助驾驶&＃xff0c;基于高精地图和导航系统&＃xff0c;小鹏P7可以在高速公路和城市主干道发挥自动驾驶能力。

据官方消息&＃xff0c;小鹏P5搭载激光雷达后&＃xff0c;其感知能力在原有基础上进一步提升&＃xff0c;XPILOT 3.5版本升级NGP功能&＃xff0c;适用范围拓展至了城市道路&＃xff0c;并强化停车场记忆泊车功能的性能。

除此之外&＃xff0c;极狐阿尔法S华为HI版也在今年出现&＃xff0c;搭载华为高阶自动驾驶ADS系统。华为自动驾驶总裁苏箐表示&＃xff1a;年底量产的时候会提供北上广深四个城市的自动驾驶功能&＃xff0c;其它城市则只能使用ICA&＃43;的模式&＃xff0c;也就是介于自动驾驶和定速巡航之间的状态&＃xff0c;便于机器去学习交通环境和自构图。

对比两种技术路径&＃xff0c;可以明确的一点是&＃xff0c;针对乘用车的ADAS有可以落地的商业模式。而“跨越式”打法&＃xff0c;针对Robotaxi的商业模式依然不清晰。这样的话&＃xff0c;不同的技术路径具体到产品时&＃xff0c;双方具备的盈利能力自然会有明显的分化。

而基于不同的盈利能力&＃xff0c;“渐进式”给“跨越式”带去的冲击也是显而易见的。选前者的企业在攀登顶峰——无人驾驶时&＃xff0c;可以“沿途下蛋”&＃xff0c;持续推出逐渐接近可替代驾驶员的自动驾驶产品。从而&＃xff0c;能够给自身积累充足的数据和现金流。

企业紧握这些“粮草”&＃xff0c;又可以继续“冲顶”无人驾驶。由于采取“渐进式”&＃xff0c;企业其实是无限逼近无人驾驶的&＃xff0c;加上现有的积累助力&＃xff0c;这个过程是一种“正向循环”。倘若最后&＃xff0c;“无人驾驶”这个顶峰谁都无法征服&＃xff0c;至少这部分企业可以在当下活得更好。

反观Waymo这边&＃xff0c;发展Robotaxi多年还主要局限在“凤凰城地区”。直接将自己置于L4的位置&＃xff0c;却没有足够的数据去做好这件事。更何况&＃xff0c;也没有人知道多少数据才是足够的。因此相较于“渐进式”&＃xff0c;“跨越式”并不连贯&＃xff0c;是有泡沫存在的&＃xff0c;倘若无人驾驶这一设想最后不能被验证。

“转向”落地商用车&＃xff0c;这条路也难言轻松

Robotaxi依然很遥远&＃xff0c;“跨越式”打法的玩家必须找到商业化更近的路。自动驾驶行业快速发展&＃xff0c;除了之前提及的难题&＃xff0c;大家最初还忽略了一点&＃xff0c;国内市场的发展不仅有很强的地域性&＃xff0c;且受政策的影响很大。

不少自动驾驶相关企业&＃xff0c;尤其是初创企业&＃xff0c;正在尝试利用其它场景去加速商业化。这些场景比如有&＃xff0c;高速公里、室内物流和封闭园区&＃xff0c;在其中落地自动驾驶卡车、无人配送小车等产品。这个方向十分有现实意义&＃xff0c;似乎是“跨越式”打法玩家在期待未来后&＃xff0c;做出的一些“务实”。

比如自动驾驶卡车&＃xff0c;原则上开发比自动驾驶汽车要简单一些&＃xff0c;这是因为卡车与乘用车行驶轨道不同&＃xff0c;卡车&＃xff08;尤其是长途拖挂车&＃xff09;通常遵循固定路线&＃xff0c;并且大部分时间都驾驶在高速公路上&＃xff0c;而不像一般道路那样复杂。

与此同时&＃xff0c;卡车较大的尺寸天然为自动驾驶提供了更多的可能性&＃xff0c;可以使用大尺寸计算机&＃xff0c;配备更多灵活传感器&＃xff08;可以将传感器安装在离地面更高的位置&＃xff09;&＃xff0c;提供更充足的动力支持&＃xff0c;并提供了更好的视野&＃xff0c;这些特性使自动驾驶卡车比自动驾驶汽车更早商业化。

包括自动驾驶卡车&＃xff0c;它们都为自动驾驶提供了“练兵场”&＃xff0c;但在实际推进过程中&＃xff0c;企业遇到的挑战仍不少&＃xff1a;

一方面&＃xff0c;简单场景其实不简单。虽然相比城市道路的复杂多变&＃xff0c;物流或封闭区域内的交通相对简单&＃xff0c;但这些场景对自动驾驶算法“深度”要求很高&＃xff0c;甚至超过城市道路。

比如卡车&＃xff0c;不同于汽车&＃xff0c;需要能够提前感知到更多情况。高速公路对卡车急刹车等行为的限制&＃xff0c;使得高速公路自动驾驶卡车对超远距识别、敏捷度和判断力等要求更高。可主流的自动驾驶汽车配备感知距离在200米左右的激光雷达&＃xff0c;不足以应对高速行驶的自动驾驶卡车。

另一方面&＃xff0c;场景所有方不一定对初创企业完全开放。初创企业借用场景收集数据&＃xff0c;但场景所有方关注的问题并不比合作企业少。

场景所有方要考虑自身是否适合自动驾驶落地&＃xff0c;自动驾驶的成本下降潜力是否能覆盖我的投入&＃xff0c;以及场景数据开放程度应该是多少。物流就是很好的例子&＃xff0c;场景数据是物流企业业务的核心部分&＃xff0c;对数据开放自然十分谨慎。尤其是行业头部企业&＃xff0c;几乎很难与初创企业去达成合作。

总而言之&＃xff0c;L4/L5级别自动驾驶商业化之路困难重重&＃xff0c;充满变数&＃xff0c;不同技术路径也有各自需要解决的挑战。选择“务实”&＃xff0c;转向商用落地也并非易事。自动驾驶行业狂热但高度不确定&＃xff0c;玩家仍需时刻明确自身战略和商业模式&＃xff0c;并有效调整&＃xff0c;这个至关重要。

参考资料&＃xff1a;

1. 自动驾驶商业化遇现实尴尬 仍需“输血”为何受资本热捧&＃xff1f;.每日经济新闻

2. 自动驾驶被未来“绑架”.汽车公社

3.2021麦肯锡中国汽车行业CEO特刊.麦肯锡

*本文图片均来源于网络

深挖智能这口井&＃xff0c;同好添加vx&＃xff1a;zenghy2017

此内容为【智能相对论】原创&＃xff0c;

仅代表个人观点&＃xff0c;未经授权&＃xff0c;任何人不得以任何方式使用&＃xff0c;包括转载、摘编、复制或建立镜像。

部分图片来自网络&＃xff0c;且未核实版权归属&＃xff0c;不作为商业用途&＃xff0c;如有侵犯&＃xff0c;请作者与我们联系。

智能相对论&＃xff08;微信ID:aixdlun&＃xff09;&＃xff1a;

•AI产业新媒体;

•今日头条青云计划获奖者TOP10;

•澎湃新闻科技榜单月度top5;

•文章长期“霸占”钛媒体热门文章排行榜TOP10;

•著有《人工智能 十万个为什么》

•【重点关注领域】智能家电&＃xff08;含白电、黑电、智能手机、无人机等AIoT设备&＃xff09;、智能驾驶、AI&＃43;医疗、机器人、物联网、AI&＃43;金融、AI&＃43;教育、AR/VR、云计算、开发者以及背后的芯片、算法等。