自動駕駛祛魅：從降維打擊到降維求生
自動駕駛祛魅：從降維打擊到降維求生
來源：遠川研究所
在2020年的一場公開活動上，自動駕駛創業公司Momenta創始人曹旭東被主持人發問，為什么會和Waymo這樣的頭部公司采取不一樣的戰略，曹旭東認真解釋一通之后，沒想到招致文遠知行創始人韓旭的“內涵”，雙方就此展開了一輪唇槍舌劍。
對于Momenta同時兼顧L2和L4的雙線作戰打法，韓旭搬出了一句古話：搏二兔，不得一兔[1]，強調有些東西需要聚焦，接著又來了一句：“我們看著山頂的金子就沖上去，路邊的碎銀子就不撿了，于是披荊斬棘，逢山開路，遇水架橋，一路上把自動駕駛出租車隊建出來了。”
曹旭東聽完之后心里有些不悅，回懟了一句：“在中國一二線城市運營百萬輛robotaxi（無人駕駛出租車），這件事還挺有挑戰”，并且強調Momenta聚焦的是核心，而不是花里胡哨的邊界。
兩年前，做L2和做L4級自動駕駛的公司就像兩個平行世界，你我之間，涇渭分明，甚至互相之間有些瞧不上，但現在，這種邊界正在被打破，不少L4公司開始“降維”進入L2領域。
其中就包括對碎銀不屑一顧，認為2024-2025年Robotaxi就能滿大街跑的文遠知行。
今年5月，文遠知行拿了博世的投資，雙方將會共同開發L2-L3級自動駕駛，無獨有偶，之前主要做L4級Robobus的輕舟智航也在同期推出了價格低至1萬元的高階自動駕駛解決方案，再往前追溯，華為和百度也將L4級的技術能力“降維”用到了一些車企身上。
短短兩年時間，“降維”似乎成為了自動駕駛行業的關鍵詞，這些變化似乎都在印證華為前自動駕駛負責人蘇菁的一句話：“現階段做Robotaxi的企業都得完蛋。”
01從降維打擊到降維求生
自動駕駛從一開始就分了兩條岔路，一條是技術從低到高的循序漸進式，代表是特斯拉，一條是直接實現終極目標的一步到位式，代表是Waymo。
自動駕駛分級以L3為分水嶺，L3以下一般稱ADAS
L3以上為高等級自動駕駛，Robotaxi屬于L4-L5
2016年，谷歌無人駕駛團隊獨立為Waymo，正式拉開了這個行業的大幕，一批互聯網大廠、學界背景的華人工程師也選擇下海，隨后兩年，小馬智行、文遠知行（當時名為景馳）、Momenta、AutoX、Roadstar.ai等公司相繼成立。這些公司不約而同選擇了Robotaxi這條最難、但也是最有商業潛力的賽道。
2018年，摩根士丹利對Waymo給出了1750億美元的估值，比上一輪暴增1000億美元，其中Robotaxi業務價值800億美元，Robotruck價值900億美元，軟件授權業務價值70億美元。
麥肯錫預測，僅在中國，Robotaxi在2030年的訂單金額就將達到2600億美元，會超過自動駕駛乘用車的銷售金額[3]。
資本看到了一種可能性：自動駕駛會讓司機“下崗”，這些手握降維打擊技術的創業公司，將成長為未來的Uber、滴滴，甚至有可能將車企變成他們的代工廠，終結賣車的商業模式，這個故事聽上去比電動車取代燃油車都要性感。
在這樣的預期下，2018年國內迎來了自動駕駛的投資熱潮，當年全行業融資162億，小馬智行、文遠知行、Momenta、Roadstar.ai悉數完成上億美金融資[4]。Robotaxi成為了孕育獨角獸的金窩。
然而，情況很快急轉直下。
2018年末，Waymo前CEO John Krafcik在商業化試點進展緩慢時主動站出來戳泡泡，表示完全無人駕駛汽車很可能永遠不會出現[5]，也有一些L4和L5公司的工程師認為，自己做的事其實是在一個賽道上跑圈，以為解決了90%的問題，但是回頭一看，還有90%沒解決。
類似的表態無異于一盆冷水把資本澆了個透心涼。
在國內，受中美貿易戰和資管新規影響，創業公司融資不再像之前一樣唾手可得，自動駕駛行業融資額在2019年銳減三分之一，資本的臍帶被剪掉之后，Robotaxi公司不得不嘗試自我造血的新途徑，包括進軍無人駕駛卡車、無人小巴等賽道，甚至開始嘗試造車。
理論上，小的細分場景比Robotaxi更容易實現商業化，但各自又有問題：無人小巴雖然路線固定，技術上更容易落地，但無奈市場規模太小；無人駕駛卡車規模夠大，但面臨的安全和法規政策問題同樣嚴峻；造車是個好故事，但資金門檻是200億。
一位行業人士曾如此評價，“但凡有清晰的商業化路徑，也不至于各條賽道亂竄”。
02多重制約
如果人類實現自動駕駛的過程是登山，那么Robotaxi顯然是珠穆朗瑪峰，而問題在于，沒人能確切地說出，Robotaxi離峰頂還有多遠。
在成立5、6年都沒法實現造血之后，所有的Robotaxi公司都會被質疑：只融資不量產，你是在創業，還是在科（pian）研（qian）？
Robotaxi公司面臨的問題在于，頂級硬件、先進算法和海量數據，三者缺一不可，有些公司只能滿足一個指標，比如Uber和滴滴，它們擁有大量的行駛數據，但維度比較單一，精度也不夠。
有些公司可以滿足兩個指標，比如Waymo，擁有最頂級的硬件配置和算法，但搜集到的數據比較有限，截至到2021年年底，Waymo的累計行駛里程為3200萬公里。
蘭德公司預計，自動駕駛技術需要測試100億英里，才能證明在安全性上超過人類。如果組建一百輛的車隊，即使24小時不間斷測試，也要跑差不多200年。
即便是三個條件都能同滿足，也不意味萬事俱備，要實現高級別自動駕駛的商業化， 不僅要依靠數據閉環，同時也要重視工程化能力，所謂的工程化能力是指硬件既要滿足車規要求，比如安全性和可靠性， 同時也要滿足低功耗、低成本的需要。
對于早年的Robotaxi公司來說，想要在技術先進、成本低廉以及開發迅速三個維度上取得完美平衡是幾乎不可能的。
為了獲得更多維度的數據、保證行駛過程中的絕對安全并且降低人工干預的頻率，Robotaxi必須使用高性能硬件，包括大算力芯片、激光雷達、帶有冗余的執行機構等等，在產業鏈不成熟的情況下，它們嚴重推高了自動駕駛系統的成本。
兩年前，一輛全副武裝的Robotaxi成本通常超過100萬元。在2021年，百度推出了48萬元的Robotaxi系統量產套件，同行Auto X立馬怒斥，這樣的車“絕對不敢坐[5]。”
滴滴Robotaxi車隊，單車價格超百萬
但更關鍵的問題是，政府讓不讓乘客坐。
如今，雖然北京、深圳、長沙等地都在名義上允許Robotaxi的商業化運行，但都是在政府劃定的示范區內試運營，需通過測試拿到牌照，車隊規模受限。
2021年，Auto X為了在Robotaxi商業運營上先聲奪人，未經深圳交管局允許私自派出車隊上路接客，被當地緊急叫停[6]。
元戎啟行CEO周光認為，要實現完全無人駕駛，面臨著經典的雞生蛋、蛋生雞問題——如果想讓政策放開，政府必然要掌握充分的數據報告進行評判；但如果政策不先放開，那企業在有限場地下測試到破產，也難以積累足夠的數據去說服政府。
同時，Robotaxi無法商業化則難以累積現金流，無法進一步擴大運營規模實現正向循環，即便是像Waymo這樣的超級富二代也難以為繼。2021年，Waymo估值一度萎縮到300億美元，John Krafcik也黯然下課。
03降維沒有想象中容易
當自動駕駛的跨越派困在商業化的泥淖里時，漸進派的道路卻越走越順。
過去十年，特斯拉在全球賣出了超過300萬輛車，其中絕大多數搭載了輔助駕駛系統Autopilot。通過影子模式，特斯拉收集了數十億英里的路況和駕駛數據。
2021年，基于這些數據，特斯拉全面重構了其輔助駕駛系統的軟件算法，使其在技術框架上更加面向自動駕駛，并借此推送了新的自動駕駛功能FSD beta，朝著無人駕駛更進一步。
盡管馬斯克的無人駕駛承諾總是跳票，但它的確摸索出了一條拾階而上的實現路徑，很多車企也意識到他們目前最需要的并不是取代司機的L4，而是幫人開車的L2和L3，這讓總想著彎道超車的自動駕駛公司不得不審視自己的戰略選擇，重新加入漸進式路線。
去年下半年以來，原本從事高等級自動駕駛的元戎啟行和輕舟智航相繼推出了低成本自動駕駛系統量產套件，兩套方案的共同特點是，將Robotaxi的技術方案“降維”到乘用車的輔助駕駛系統上，面向主機廠銷售，實現高階智駕（行業亦稱L2+）能力。
車企愈演愈烈的智能駕駛競賽驅動的硬件和軟件體系變化，為他們提供了契機。
在2020年之前，由于L4和L2使用的傳感器不同，比如前者會用昂貴的激光雷達，后者根本用不起，有的大眾車型甚至只配一個毫米波雷達和一個攝像頭，這種硬件架構上的不同導致L4的算法和L2存在非常大差異，如果彼時讓做L4的公司去為車企提供L2的解決方案，意味著算法需要重寫，工作量非常大。
但2020年之后，硬件價格的下降拉近了 L2和L4之間的距離。
一方面，激光雷達的性能和穩定性在不斷提高，但價格從上萬美元降至上千美元，在2020年的CES上，博世、華為、大疆、Velodyne以及國內許多創業公司都推出了它們的產品，有的價格低至100美元，大大加快了激光雷達前裝上車的速度。
實際情況也如此，2021年之后，一大幫國產新勢力都推出了帶激光雷達的車型，包括售價不到20萬的小鵬P5。另外，華為和極狐的深度合作說明，計算平臺+L4級傳感器的價格已經可以降至20萬元以內[7]。
另一方面，高算力SoC芯片的出現也發揮了重要作用，尤其是英偉達的Orin。
元戎啟行CEO周光說，Robotaxi的算法模型非常復雜，測試車上常常使用工控機加高算力顯卡的方式運行，但這無法用于量產車。而Orin芯片在高算力與功耗之中取得了平衡，能夠驅動復雜算法模型，并且高度集成化，可布置在車內。
而在軟件算法層面，傳統的L2輔助駕駛通常由不同供應商提供的多套算法堆疊而成，能力上限較低。為了實現高階智駕，車企紛紛引入更先進的算法框架，這是L4公司擅長的領域。
不過，原生的Robotaxi算法需要的算力可能高達數百乃至上千T，而量產車考慮到成本、空間、安全冗余等問題，計算資源仍相對有限。對此，一部分L4公司選擇精簡或壓縮算法模型，另一些公司選擇自研“推理引擎”，目的都是提升算法運行效率，降低算力需求，能在量產車中跑起來。
正是因為硬件體系的成熟以及軟件算法的提升，使得L4和L2之間的技術遷移變得可能，適配效率也更高，但即便如此，L4“降維”L2仍然會在現實上遇到很多問題。
拿到比亞迪、東風等車企訂單的國內ADAS創業公司MINIEYE，其副總裁鄭偉稱，車企與自動駕駛系統供應商合作，最看重的是“沒有短板”，需要對方有一定的量產經驗。
而Robotaxi公司的特點是算法厲害，但量產經驗不足、成本控制能力不強、產品可靠性有待驗證，車企要建立對其信任，需要一個較長的周期，這也是為何文遠知行會牽手傳統Tier 1博世，甘愿成為綠葉的的原因。
另一方面， “互聯網、AI背景出身的人才與主機廠的風格其實是格格不入的，他們能不能沉下來做臟活累活？” 一家ADAS創業公司的內部人士對此發出疑問。
參考資料
[1] 自動駕駛大遷徙：從L4到L2的降維之戰，甲子光年
[2] 李開復：買車是一生最壞投資 96%時間停在車庫折舊，快科技
[3] 出行市場的下一個五年：驅動力、制勝因素、運營模式及未來競爭格局，普華永道思略特
[4] 年終盤點丨2019年的自動駕駛：泡沫破裂之后，進入“靜默期”，億歐網
[5] AutoX肖健雄：48萬無人出租車不敢坐，最安全車企活到最后，AI財經社
[6] 獨家丨深圳交管局：并未允許AutoX無人化上路，每日汽車電訊
[7] Robotaxi公司做L2前裝量產，機遇與挑戰并存，九章智駕
編輯：羅松松
視覺設計：疏睿
責任編輯：李墨天
研究支持：王磊
相關文章
發表評論
暫時沒有評論，來搶沙發吧~