[汽車之家 深評]  備受關注的《智能汽車創新發展戰略》日前已經正式下發，其意義相當于一聲號角，表明中國要在智能汽車領域發起沖鋒。然而，傳統車企在電氣化和智能化方面投入的高昂研發成本，幾乎耗盡了燃油車時代積蓄的市場紅利，而新興業務想要突出重圍，并非一朝一夕之事。

　　在這個開頭不是那么順利的2020年，自動駕駛行業的發展或多或少會受到疫情影響，但量產、落地仍是各家追求的目標。更低價的激光雷達，更好的落地方案，更謹慎的資本融資，在這些因素影響下，若干家的自動駕駛企業，無論是做芯片、軟件還是系統端，都需要加緊步伐落地了，末尾淘汰競爭正在加速。

●《深評問道》是什么？

　　《深評問道》是汽車之家首個面向行業端用戶打造的節目，特約汽車行業資深從業者執筆，獨家解析／揭秘行業大事件。除了熱鬧表象，我們更想向您呈現對事物本質、因果以及未來可能性的探究和思考。

　　本期行業評論員——古力，某國內大型主機廠從事智能駕駛開發工作，熱愛前沿科技，擅長分析傳統汽車與互聯網之間的內在關系。

一、單車智能到車道協同

　　現在各大城市都流行做智能駕駛示范區，例如上海臨港、蘇州相城、長沙智能網聯示范區、京冀國家智能汽車與智慧交通示范區，模擬各種場景（隧道、雨淋、高速公路），各種交通狀況（紅綠燈路口、十字路口、交叉路口），以及各種假人、假車的實驗，打造這樣的模擬環境對于驗證及完善自動駕駛車的感知、規劃、決策等算法都是極其有幫助的。

　　然而現有單車智能技術似乎已經到達一個瓶頸點，雖然未解決的問題可能僅剩百分之幾，但卻需要開發者花費百倍精力去解決。以紅綠燈識別為例，紅綠燈在一副圖像中占據的像素比極低，激光雷達發射出的點云很難打到，常規思路是通過長短焦相機等多個相機融合，結合深度學習算法，組合嘗試小目標特征提取模型，花費大量人力去采集圖像、打標簽、設計算法模型、實車驗證調試，再反復修改，最后即使能達到95%以上的識別準確率，一旦遇到雨天或霧天，準確率也會大打折扣，投入與產出比極低。而端到端的V2X通信就可以解決此類難題，紅綠燈的狀態信息及時更新到車載端硬件，車輛可以根據收到的紅綠燈信號來決定前行或停止，這個例子說明車道協同是單車智能極好的補充，能以更少的代價解決更為復雜場景問題。

『百度Apollo車路協同』

　　紅綠燈交互通信只是車道協同系統環節中的一環，一直走在無人駕駛技術前列的百度，升級組織架構，將單車智能向智能車聯、智能交通擴張，在其Apollo平臺開源了車路協同方案，主要包括車載系統——云端平臺——路網系統。

　　對交通基礎設施的升級完善（車路協同、區域信號優化），比僅聚焦于提升自動駕駛軟件算法更有落地前景，能夠發揮自動駕駛的最大性能。當越來越多車輛具備移動終端和OBU聯網設施時，就可以擴大智能網聯車輛的部署范圍，車輛不僅可以被引導調控，還能將實時狀態反饋給路側，增加出行安全性。通過云平臺實現更優的實時雙向互動，出行效率和安全性能得到最大提升。

　　強如特斯拉、Waymo，他們所推崇的單車智能距離全自動駕駛仍有不小的距離，單車智能的車輛安全性依然存在缺陷，而行業對自動駕駛車的商業落地與量產也越來越急切。在單車智能仍處于瓶頸期，推進緩慢，還不能完全落地的情況下，車路協同是單車智能很好的補充和發展方向。一旦打通單車智能與車道協同的方式，可以迅速復制這樣的區域。車路協同和自動駕駛帶來的可能性是1+1>2。

二、激光雷達的成本驟降

　　激光雷達在自動駕駛中的三維重建和定位具有顯著優勢，相比其它傳感器，激光雷達的輻射范圍、覆蓋角度更廣、測距精度更準確，是自動駕駛感知中不可或缺的傳感器。曾經一家獨大、在自動駕駛剛興起時占據市場80%份額的Velodyne銷量逐步冷卻下來，一方面因國內初創公司速騰聚創、禾賽科技的技術路線、產品性價比和支持力度更大，另一方面Velodyne居高不下的價格讓其逐漸失去競爭力。

　　激光雷達分兩種路線，以Velodyne為代表的機械旋轉式激光雷達和以國內初創企業重點研發、能較早量產落地的固態激光雷達。前者360°范圍掃描，精度高，但工序復雜、調試難度大、價格成本高，難以大規模自動化量產，現有的機械式傳感器平均失效時間為1000h-3000h，而主機廠的要求是至少13000h；后者成本較低，機械結構更穩定，更易達到車規級要求。為降低車載激光雷達的生產成本，同時保證其較好的探測性能，激光雷達正從機械旋轉式，到混合式車載激光雷達，再到純固態方向演進。

　　Velodyne 64線激光雷達，最高時價格達到80萬一臺，16線雷達產品也在5萬6左右，高額的硬件成本對于追求量產的主機廠是絕不會考慮的，僅僅對于做RobotTaxi的文遠知行、Pony.ai、AutoX等企業有吸引力。與之對應的，國內初創公司速騰聚創的16線產品，售價僅為2萬8左右。

　　在自動駕駛車上，激光雷達的感知距離至少應為100m，測量精度在厘米級，掃描頻率至少在5Hz-20Hz，才能滿足智能駕駛汽車高速行駛的要求；而且LiDAR點云數據的傳輸速率、點云處理算法的運行速度、精度以及處理效果也必須滿足汽車高速行駛的需求；同時激光雷達的體積、重量、成本、驅動電壓均應當符合車載系統的安裝水準，所以打造一款能夠量產使用的車規級激光雷達難度巨大。

　　在2020年拉斯維加斯CES展，就充分體現了激光雷達未來的發展趨勢，低成本、小型化、車規級。

『2020 CES激光雷達展區』

　　上述幾款價格便宜、體積縮小的激光雷達，說明了激光雷達廠商朝著低成本，可量產的路線進發，低成本的激光雷達固然價格便宜，但其可適應性，功能性與價格昂貴的激光雷達相比，性能上可能會有所折扣，對于自動駕駛企業需要有所取舍，一提高感知算法能力，降低對激光雷達硬件的依賴；二不以量產為目標，做共享出行或限定場景下的自動駕駛是可以考慮價格昂貴的激光雷達。

　　對于國內的主機廠來講，無論是機械旋轉式激光雷達還是固態激光雷達，他們更看重的是成本低、性能穩定、車規級、支持力度大，可以在傳感器的感知性能上有所降低要求，低線束激光雷達作為冗余備份，不承擔主傳感器角色，L2+級別的自動駕駛是主機廠追求的目標。

　　對于做L4級別的RobotTaxi公司（文遠知行、Pony.ai、AutoX、滴滴），高精度、高識別率是他們最核心的要求，無需大規模量產的自動駕駛出租車，因此價格昂貴、作為主傳感器的多線激光雷達是可選擇方案之一。

三、成本可控，量產落地先行

　　持續投入大量財力、物力到自動駕駛領域，無論對于主機廠還是靠融資生存的初創企業，沒有盈利點是難以贏得這場持久戰的。目前的趨勢是急于落地的初創企業和急于量產的主機廠均開始發力自主泊車，該技術既可以節省停車入庫的時間，也能降低停車場的剮蹭事故，雖然自主泊車這兩年已經提出很久了，但真正完全無人的自主泊車量產車型仍然不多。

　　自主泊車是自動駕駛環節中是最有可能率先落地的，背后的技術原因在于：一、低速環境下（小于5km/h）的自動駕駛，自車有足夠的時間做感知、決策；二、場景較為固定和具體，一般在停車場區域，沒有復雜的人流。挑戰是地下停車場通行區域較為狹窄，光照效果不佳，對傳感器要求較高，對算法在感知，定位精度提出更大的挑戰；另外庫位的形式類別不一致，包括平行庫位、垂直庫位以及斜庫位，覆蓋不同類型的庫位識別也是目前各家廠商需要攻克的難題。

『吉利自主泊車系統』

　　就目前自主泊車行業來說，主機廠（上汽、吉利、小鵬）、零部件廠（博世、法雷奧）、新興初創企業（Momenta、縱目）均在做，可以預見，低成本、車規級、可量產的自主泊車將是未來車型的標配。各家也使出十八般武藝，對自主泊車中包含的車端、云端、場端做改造。

　　初創企業更傾向于車端的改造，算法是他們的核心，在不增加額外的硬件成本基礎上，通過改造車上的傳感器布置（環視相機、GPS、IMU）方案，基于深度學習的圖像算法對周圍環境進行感知，包括高精度地圖技術的方案和最核心的庫位識別來實現自主泊車功能。采取該方案路線的代表企業有Momenta、縱目科技以及魔視智能等。

　　主機廠一方面會借助初創企業純傳感器的方案，一方面也會和零部件廠商做更豐富、更安全的自主泊車場景，即對停車場端做智能化改造，利用場端智能設備來配合和引導車輛，為車輛指派空閑車位，并且規劃最優的路徑。這種方式無需對車輛自車傳感器和計算單元做較大改動，僅需在車上配備一套與場端通信的互聯裝置即可。采取該方案路線的代表企業博世和戴姆勒（應對德國場景），以及博世和廣汽研究院（應對中國場景）等。

　　整體來說，主機廠擁有更強更龐大的用戶群體，對于自主泊車有更好的客戶需求和場景理解能力；初創公司有更強的算法能力，算法開發迭代速度效率更高；零部件供應商有完整的供應鏈體系，對于主機廠的需求理解也更為深刻，對于車規級產品的把控和量產上有較大的優勢。

四、資本理性，投資冷卻

　　2018年是自動駕駛領域融資的高峰期，許多新興初創自動駕駛企業拿到了漂亮的融資成績單，自動駕駛行業也百家爭鳴，推動了包括軟件算法（Momenta/魔視智能）、芯片硬件（地平線/黑芝麻智能科技）、系統框架(AutoX/Pony.ai)、研究精力（CVPR、ICCV、ECCV投稿人數暴增）、風險投資初創企業（圖森、地平線、Momenta、Roadstar.ai)等多個領域的瘋狂擴張，誕生了多家融資過億美元的獨角獸企業，融資趨勢也體現了自動駕駛要在汽車市場刮起一陣風潮。

　　然而到了2019年，融資熱度迅速冷卻下來，仍然有融資進展的國內獨角獸企業已經不多，像圖森融資2.15億美元、地平線6億美元、AutoX2億美元，這幾家企業的融資很大程度上與他們有成熟的落地產品有關。圖森目前服務于18位客戶，并和UPS一起在美國亞利桑那州的鳳凰城和圖森市之間進行日常無人駕駛試運營；地平線已向世界各大自動駕駛廠商批量供貨，2018年營收已達億元級；AutoX在加州推出自動駕駛生鮮遞送服務，以及宣布與中通快遞、美團達成合作，分別提供自動駕駛物流服務與送餐服務。2019年同樣也出現了倒閉的無人駕駛公司Roadstar.ai和Drive.ai，前者融資1.28億美元，后者融資7700萬美元，分別因創始人的內訌和內部管理問題，成為2019年倒下的無人車公司。

　　除了初創獨角獸企業的融資，還有主推智能駕駛新造車勢力小鵬、蔚來、威馬的融資。這幾家在2019年的新造車勢力中新能源汽車銷量占據前三甲，尤其是小鵬汽車，新推出的小鵬P7不僅含有整車OTA升級功能，在自主泊車和高級輔助駕駛上更進一步，完整的產品路線、市場策略，合理的定價以及良好的品質，使其在2019年年末獲得了小米等4億美元的投資；威馬汽車2019年初有百度30億元的領投，有百度Apollo的加持，相信威馬在智能駕駛上會有更大突破和進展；2019融資進展不順的莫過于走高端路線的蔚來，雖然蔚來的汽車銷量還不錯，但2019年傳出的幾筆融資鬧劇均已無后續進展而告終。與此同時，2019年年末特斯拉Model 3的國產化勢必會對這些新造車勢力更大的沖擊，融資、銷量、降本，新造車勢力2020需要拿出更好的成績單。

　　自動駕駛的落地沒有想象中容易，無論是做RobotTaxi，還是限定場景下的港口或高速公路下的自動駕駛，或是難度更大的量產自動駕駛，每一個環節都充滿了挑戰和難度。現有最可能率先落地的RobotTaxi或智能集卡，但還不能完全取消安全員，接管次數或接管里程仍然在盡可能地降低。一邊在繼續燒錢，大量的人員研發費用，硬件成本、整車改造的費用，甚至申請自動駕駛路測牌照的費用（廣州地區一輛自動駕駛車申請的牌照費用為20萬），一邊又未完全真正取消安全員司機以及還達不到規模化量產，盈利時間和空間尚未顯現，資本觀望的時間有限。（文/汽車之家行業評論員 古力）

查看同類文章：

智能網聯

深評問道

更多精彩內容：

油價變動

服務/金融

汽車之家行業-大數據 全領域 新視點