每日简讯：自动驾驶风口退潮的深层逻辑

马斯克现在很少再去谈论他的自动驾驶，自从 2013 年以来，这项由特斯拉高调牵头的技术，发展态势一直跌跌撞撞，远不如预期顺利，甚至在 2021 年的时候，马斯克本人也认识到" 自动驾驶远比想象中更加艰难 "。

更大的退潮发生去年：特斯拉自动驾驶 " 灵魂人物 " 卡帕斯宣布离职，苹果大幅裁减自动驾驶测试司机，福特与大众自动驾驶公司 Argo AI 关停、Mobileye 市值暴跌。

就在前不久，烧了 90 亿美金的 Embark，7 年只交付一辆无人卡车，也在一年半不到的时间里，就经历了从上市到破产，相当惨烈的业绩下，创始人 Alex Rodrigues 坦言自己已经被资本抛弃。

(资料图片仅供参考)

这种情绪同样也蔓延到国内，根据《新眸》不完全统计，2022 年自动驾驶的投资达到了 136 起，但在投资额度上，去年的 200 亿元，却较之前的 932 亿元大幅减少了近 80%。加上法律法规上的不完善，安全事故频发，大众对自动驾驶的故事也逐渐失去耐心。

单从市场层面来看，国内对自动驾驶已经有了明显的转舵：许多主攻 L4 的公司，把方向转向更易落地的 L2，或把 Tier1 当作最快降维的捷径。比如以 Robotaxi 起家的文远知行，近期也在开发乘用车的 L2-L3 级软件；小马智行下沉到出行服务、卡车，及乘用车辅助驾驶的业务；曾计划规模化部署自动驾驶车队的 Momenta，眼下正在推动相关的解决方案覆盖到公路、城区等场景。

十多年过去了，对比最初的宏大设想，一时间，所有人都在重新审视这个被过度包装的前沿技术。大家关注的焦点也从显摆技术和远大目标，转向了更实际的商业化落地。

高开，低走，颓势渐显

自动驾驶最早流行于国外，谷歌在 2009 年正式成立自动驾驶事业部，4 年后，通用、福特、奔驰等主机厂也开始涉足这个未知领域。

国内最先嗅到气息的是百度。当年错失移动互联网的风口后，这家公司决定每年在 AI 上投入百亿，自动驾驶则被当作是最合适的落地场景。在 2013 年成立的深度学习实验室里，百度拆分出自动驾驶研发团队，研究方向包括高精地图、定位、感知、决策和控制等。

到了 2015 年末的时候，百度设立了自动驾驶事业部，同年首辆无人车完成道路测试。紧接着，L3、L4 事业部成立，百度在内部整合搭建起智能驾驶事业群组。两年后，也就是 2017 年，百度正式对外发布了自动驾驶开放平台 Apollo，把自动驾驶概念推向高潮。

按照官方表述，Apollo 的定位是汽车界的 Android。但当时百度还没有造车的打算，而是想做一个开放给所有开发者、车厂、车型的自动驾驶平台。对当时的行业来说，有个说法比较流行：一家公司不可能在 3 天内造出无人车，但用 Apollo 可以。这句话虽然夸张，不过 Apollo 的确为这个赛道里的大部分玩家，提供了不少代码方案的支持。

按照百度的逻辑，由于在汽车行业，整个产业的制造链，系统，软硬件中，存在着大量的重复劳动，而自动驾驶的研发又格外烧钱，通过平台整合，获取开发和测试数据，能够直接降低开发难度和成本，最终达到量产和商业化的目的。

不过有意思的是，百度 Apollo 在诞生后很长一段时间内，并没有摸索出一套理想的商业模式：

2015 年，管理层宣称三年内实现自动驾驶汽车的商用化，五年内量产；

2018 年，百度正式对外开源了 Apollo 车路协同方案；

2020 年，百度推出了乐高式汽车智能化解决方案，包含 ANP（领航辅助驾驶）和 AVP（自动泊车），开始转型 Tier1 的角色；

2021 年，百度预测下半年 Apollo 将迎来量产高峰，每个月都会有一款新车上市，未来 3-5 年内前装量产搭载量达到 100 万台。

......

去年 Apollo RT6 推出时，百度当时的规划是：这款车将在 2023 年启动小批量生产，从万台到十万台逐步攀升，并投入萝卜快跑，到 2023 年底，萝卜快跑在 30 个城市部署至少 3000 辆无人车；到 2024 年初，Apollo RT6 将面向 C 端市场大规模量产。

但现实情况是，无论是 Apollo RT6，还是萝卜快跑，百度的自动驾驶商业化均没有达到预期。当然，这中间的原因有很多，并不能过分苛责百度这家公司。

具体来说，萝卜快跑目前总共在 11 个城市的小部分区域有运营，和试点的差别并不大；参考百度此前立下的，2025 年在 65 个城市里实现运营的目标，如果按一辆车 25 万成本来算，每个城市 100 辆就需要 16 亿多，但出于安全考虑，以及安全员成本；由于授权规模限制，车辆也只能在非极端天气，且固定时间段提供服务。

除此以外，行业里诸多高管离职、裁员声音此起彼伏：去年特斯拉的自动驾驶团队优化了数百名员工，Alphabet 旗下的自动驾驶公司 Waymo 多个部门连续裁员，包括国内小马智行、图森未来也深陷囹圄。

显然，百度也意识到了这个问题，李彦宏曾在内部讲话中提到，" 不能只看收入，要看利润，更要看 ROI。"

但问题是，尽管百度迫切地需要在这块业务上找到新增量，但自动驾驶并没有改善百度财报中的营收结构，李彦宏曾在 2021 年表示，他们都低估了自动驾驶的研发投入，百度仅一年就投入 200 亿，而这可能需要 10 年乃至 20 年的长期投入。

有业内人士评价，" 他可能是想把矛盾转移，比如过去和当下的项目都去强调带来降本的作用，但自动驾驶最大的问题是怎么去商业化落地。这在行业里任何参与者都回避不了。"

到底卡在了哪里？

如果从 2013 年算起，相比于国内其他玩家，百度在自动驾驶领域里的布局比谁都久，以至于反映在业务上，重心复杂且多变：一方面，在车、路、形、图上进行技术布局；另一方面，做平台，做 Tier 1，还要造车，落地无人小巴、做无人出租，投资威马 ......

这种业务理念的摇摆，对百度自动驾驶内部组织上造成了直接的影响。

比如 2016 年，担任百度自动驾驶首席架构师的彭军宁愿放弃 T11 职位，和原同事一起创立小马智行；作为业务元老的王劲因为理念不和离开百度，专注发展 Robotaxi 业务；2019 年，在百度工作 16 年，负责 L3 级自动驾驶、车联网、地图等多项业务的顾维灏，在业务调整后选择离开，并成立毫末智行，面向乘用车和低速末端物流市场提供解决方案。

2021 年的一次财报会上，李彦宏首次规整 Apollo 的三种商业模式：卖解决方案、Robotaxi 和造车，甚至在后来，把集度汽车的预订单目标都写进了 OKR 里。

首先是卖方案这块，前几年虽然和 Apollo 合作的车企不少，宝马、北汽、江淮等，但完整搭载了 Apollo 技术，实现大规模量产的车型却并不多。这里面有车厂对自动驾驶主导权的权衡：他们并不会完全信任某家自动驾驶公司提供的方案。

比如长城在选择百度 Apollo 的量产方案时，旗下欧拉品牌闪电猫则搭载了来自毫末智行的 HPilot 2.0 系统。所以在外界看来，即使一家平台的技术再厉害，也没办法满足市场的全部要求。

Robotaxi 上的进展不再赘述，除去早几年的高举高打，现实已经验证了这是一项长期高投入，而且很难有利润的苦差事。

但换个角度想，能把这件事坚持下来，这本身就很不容易。

车路协同是百度近几年重点在说的又一个新故事，但实践难度要更大一些，且不说城市道路规划上允许与否，就如文远知行 CEO 韩旭举例，"10 公里路装 50 个智慧路灯，但凡一个路灯一年中有一天不正常工作，整条路的可靠性就只有 87%，开 10 次有一次可能会出危险，这样的自动驾驶你敢坐吗？"

另外，国内复杂地形路线的挑战，在不同城市间建设中的适配程度，出了事故的责任归属，商业保险方面，整套系统的信息安全如何保障，即使技术上完全可行，在城市内铺设的感知基站，是否比其他方案更划算？

这些都不是短期内就能解决的问题。

回到单车智能上也是一样的道理，一般某个产品被卡住脖子，技术、政策、成本、使用场景、可替代性、供需关系，等等，这些因素至少得占一个。即使是很早就在美国凤凰城提供无人车服务的 Waymo，每月有 1500 名乘客，但营收也不过才上万美元，和研发投入天壤之别。

有人算过这样一笔账，即使成本 25 万的 Apollo RT6 量产，萝卜快跑有 3000 辆车，加上运营维护、安全员、远程监控等费用，不考虑覆盖人群和其他，成本上其实很难去替代司机。另一方面，考虑社会就业，出行的安全和效率，出租车司机真有被替代的必要吗？

" 单一车辆的技术先进程度，不是决定自动驾驶成功的唯一因素。"有自动驾驶从业者表示，" 现阶段自动驾驶没有大规模商用落地，背后涉及到的是对社会交通体系的变革，这并不是 5 年、10 年能完成的。"

降维和野望，很难权衡

2020 年，对于百度自动驾驶以及整个行业来说，都是一个具有特殊意义的年份。

这一年，百度的 L4 自动驾驶技术正式降维，应用到了辅助驾驶领域。Apollo 首先以自主泊车技术为切入点，逐渐扩展到各类驾驶环境，将 L4 级的 Apollo Lite 用在乘用车 AVP 和 ANP 两套解决方案上。

某种程度上来说，百度的降维也是行业里的一面镜子，L4 落不了地，因此，将更先进的技术和硬件应用到更为普及的 L2 级辅助驾驶上，自然就成了行业的一种趋势。

从理论上看，这样做的优点在于，可以在商用车上验证技术的可行性，提高技术的迭代效率，缩小与更高级别自动驾驶技术之间的差距。比如国内的轻舟智航、小马智行、文远知行等玩家，用文远知行 CEO 韩旭的话说，这可能是一种技术降维打击。

然而在实际应用中，无论是将 L4 级的自动驾驶技术应用到 L2 级的功能，还是将更高级别的自动驾驶解决方案降维应用到其他领域，都面临着一些挑战。

到目前为止，将完整的自动驾驶系统完美嫁接到辅助驾驶上，尚未有成功的案例。这中间的原因有很多，比如，虽然 L4 级的芯片算力和配置更高，但其算法和数据可能并不适配 L2 级的系统，甚至还会增加研发的难度。

联想到几年前特斯拉和 Waymo 的争执，两家虽然都做自动驾驶，但路径不同，Waymo 是一上场就做 L4，特斯拉是从 L1、L2、L3 上渐进式过渡，因此 Waymo 的 CEO 曾公开嘲讽特斯拉的辅助驾驶技术落后。

不过现在看来，前者的估值一再缩水，逐渐从 Robotaxi 延伸到货运和货物运输服务；后者的 FSD 槽点也不少，但市场仍看好它未来的商业价值。

据最新消息，新款特斯拉 Model 3 将升级最新的自动驾驶硬件 HW4.0，新的芯片、新的传感器、新的车载电脑、新的刹车系统，马斯克把以前嘲讽没有用的毫米波雷达也请了回来。

特斯拉今年准备推出的完全自动驾驶（FSD），已经在主页的购车选项中可以选择，就像苹果 Appstore 的收入一样，这是一项可独立选择的增值服务。马斯克认为自动驾驶能带来可观的利润，同时弥补了之前由于降价带来的利润压力。

马斯克对于自动驾驶的定位，与国内玩家有着明显的区别，他的商业思路是可以被借鉴的：特斯拉将自动驾驶功能打包成一项卖点，这意味着这项技术具有商品属性，它不再是一个宏大的概念，而是一个可以实际盈利的工具。

在一些专业人士看来，由于特斯拉本身的销售规模足够大，由自动驾驶产生的大量数据样本，可以被特斯拉用来进行各种可行性分析，进一步迭代和升级产品。

反观国内，前段时间的一次发布会上，百度智能驾驶事业部负责人储瑞松表示，百度 Apollo 不会拿走车企的 " 灵魂 "，他重新审视了这项业务的价值，坦言：" 外界过于高看智能驾驶，事实上，包括整车架构、品牌形象和智能化风格等，整车及智能化体验的定义权才是灵魂，智能驾驶只不过是智能汽车的一个组成部分而已。"

就像那些购买了自动驾驶的特斯拉车主们，他们在无形中也为自动驾驶技术的普及提供了数据样本支持，同时也会影响公众对自动驾驶的接受程度，把这项技术的商业化进程再向前推上一波，但总体上来说，留给自动驾驶的时间却不多了。

来源：新眸

关键词：