破晓之前，进退维艰：自动驾驶发展面临的三大难题

2020年曾经是许多汽车企业和科技巨头计划推出量产自动驾驶汽车的时间节点。当日期临近，却少有人主动提及当年的慷慨和激荡，未来的发展似乎变得越发模糊。在即将过去的2019年，众多不确定中的唯一确定是：自动驾驶的发展比大家预想的，都更难、更贵和更慢。

起始于2016年的自动驾驶喧嚣似乎依然清晰，Waymo和Uber的自动驾驶路测让业内为之一振，也让许多在位企业倍感压力。之后我们也共同见证了通用汽车和福特汽车对于自动驾驶的巨额投入，除此之外还有许多传统车企和崛起的中国汽车企业的吆喝。在那个时候，2020年似乎会成为一个新时代的开始，自动驾驶的元年将近。

这场由Waymo挑起的军备竞赛在2018年的夏天出现了戏剧性的转折，先是Waymo的首席执行官约翰•克拉富西克(John Krafcik)坦诚，自动驾驶（L5）是有局限的，而且承认在今后的很长一段时间内，自动驾驶汽车都会需要司机的协助。随后，苹果的联合创始人史蒂夫•沃兹尼亚克(Steve Wozniak)也表示，汽车在没有方向盘的情况下自动驾驶不太可能。

时间到了2019 年。在今年3月，The Information收集到了在Waymo One项目启动后的用户评论，其中跟车距离、变道、左转弯等问题受到了大家的讨论和诟病。到了今年4月，曾经押注自动驾驶的福特，新任的CEO吉姆•哈克特(Jim Hackett)就来自福特的自动驾驶业务部门，在接受采访时他也表示，完全自动驾驶汽车的到来仍需时日，现在大家对于无人车的普及都过于乐观了。

更加让业内震惊的消息出现在今年的下半年。在2019年7月，Cruise的首席执行官丹•阿曼(Dan Ammann)出人意料的宣布，Cruise将推迟原定于今年正式执行的自动驾驶商业计划，并增加车辆测试规模。虽然通用汽车的首席执行官玛丽•博拉(Mary Barra)对此表示一切都在控制和计划中，但是根据通用汽车向美国证券交易委员会递交的2019年第二季度的财报，Cruise在今年上半年就亏损5亿美元。不久之后，Argo.Ai的负责人布莱恩•塞尔斯基(Bryan Salesky)也表示，Argo.AI在短期内并不会推出自动驾驶出租车项目，公司将探索更多的业务方式来使得自动驾驶技术能够产生收入。在9月底，摩根士丹利的分析师将Waymo的估值从1750亿美金下调40%至1050亿美金，主要原因是发展速度低于预期，加上自动驾驶出租车试点业务对于安全驾驶员的持续需求，预计Waymo的亏损也将继续增加和持续。

在2019年即将过去的时候，11月14日，戴姆勒的首席执行官康林松(Ola Kallenius)表示，戴姆勒将“优化”在自动驾驶出租车和自动驾驶技术领域的支出，重新审视自动驾驶出租车项目的可行性。其中康林松特别提到，全面部署自动驾驶出租车队无疑将花费大量资金，但目前来看盈利性却无法保证，所以基于各项考量，戴姆勒宣布对于旗下的自动驾驶出租车项目进行“可行性核查”。

在各种纷繁复杂之中，自动驾驶发展所面临的三个难题在2019年愈发凸显，而且值得业内外共同进行探讨：谁来整合？谁来使用，以及谁来购买？

谁来整合？汽车行业还是科技行业？

谁是自动驾驶的主要参与方？综合笔者经历的项目和调研成果，首先从数量方面分析，科技行业公司占据了约70%，其中互联网公司和创新公司就占据了50%，出行公司占据了约20%；汽车行业公司占据了剩余的30%，其中主机厂占了25%左右，一级供应商（Tier 1）占据了5%左右。

其次从参与方在2019年取得的进展来看，笔者认为呈现出越来越向头部企业聚集的趋势。依然在自动驾驶方面投入重金进行开发，并且进行研发团队扩张的主机厂，也许在全球不超过10家；而持续获得融资，并且在项目合作上取得突破的互联网公司和创新公司，在中国不超过15家。

这些头部玩家在2019年也越发呈现出互相交流，期待合作共赢的趋势，量产和商业化成为科技阵营和汽车阵营沟通交流合作的最大公约数。对于科技阵营玩家而言，资本市场对于Uber和Waymo的态度趋于保守，加之大环境的影响，自动驾驶已经不是依靠赛道的吸引力和人才的储备，就可以轻松收获融资的美丽旧时光。科技阵营的玩家亟需呈现出肉眼可见的具有说服力的真正的产品（或者原型产品），才可以打动日趋保守的投资者。

在另一端，汽车阵营也越来越以开放的姿态面对曾经“门外的野蛮人”，甚至许多主机厂积极主动和科技阵营的玩家进行技术交流和概念性验证（POC）。欢迎态度的背后，很多时候是主机厂的无奈。主机厂依然延续着从ADAS开始递进发展的思路，往往内部的自动驾驶团队，分为两个部分，分别由ADAS团队（或者L2/L3团队）以及自动驾驶团队（或者L4团队）构成，这两个团队有时甚至分属于两条汇报线。从资源配备的角度来看，L4团队往往规模比较小，获得的资源也比较有限。其中的缘由，主要是因为自动驾驶L4的现阶段开发主要偏向于算法开发，而这并不是主机厂擅长的整车量产、工程项目的传统强项，并且在人才储备的搭建过程之中，主机厂至今在技术能力和知识储备方面并没有优势，换言之，顶尖的算法人才，第一选择依然是科技企业而不会是汽车企业。

于是科技阵营和汽车阵营的合作共赢看起来似乎是天作之合。但实际操作过程中，谁来主导的问题逐渐凸显。

首先，双方的关注重点各不相同。可靠性和安全性是主机厂的重点和底线，因此“繁琐”的流程，反复的论证以及大量的数据支持是合作的主旋律。而科技公司更注重产品的性能以及落地的快速性。因此在双方合作的起始，沟通的节奏以及关注点已经会出现不小的缝隙。

其次，双方对于“护城河”的保护依然严苛。算法以及背后的逻辑当然是科技公司的“护城河”，而且由于算法的保护性措施相对薄弱，因此在和主机厂（包括其他甲方）的交流过程中，科技公司对于算法和逻辑一般是三缄其口，不愿意做过多的披露和沟通，但这又让汽车企业对于安全性和可靠性产生了很大的疑问。

汽车作为工业革命集大成者的消费品，他和普通的2C端的消费凭相比，复杂程度和安全性关注是几个数量级别的差距，举例来说，一辆汽车可以细分到上百个大总成，几万个零件。而且在汽车行业演变的过程中，主机厂越来越只关注动力总成和车身结构，把其他的零部件外包给供应商。在与科技阵营企业的合作过程中，涉及到启停、转向、电力供应等多项关键性安全操作，竟然是和一个“黑匣子”对接，无法探知背后的逻辑，这让主机厂有些无所适从。同时，主机厂对于自身的关键性结构、信号以及数据的保护也呈现出非常保守的姿态，因为这些内容都涉及到车辆的安全性能，是主机厂的“护城河”。

所以当双方进一步深化合作的时候，起初的笑脸相迎会逐渐变成无奈的自我保护。科技阵营当然会顾虑算法的保护，而且也忌惮主机厂的团队借鉴提升，用于自身的自动驾驶L4技术的发展。而主机厂当然会顾虑对于车辆自身数据和信号的保护，因为一旦被不当使用，车辆的安全性防线将被突破，甚至会影响整个车系的安全和声誉。

因此，合作共赢、互相合作的美丽，在实操层面会慢慢演化为“谁来牵头”，“谁来整合”的问题。主机厂有心无力，希望整合，但是对于算法的了解和研究依然和科技企业有很大的差距。科技阵营同样有心无力，很少有科技精英会真正有兴趣从快速迭代快速试错的科技浪潮，去真正了解和链接庞大复杂的汽车产业链。

谁来使用？大众消费者还是出行公司？

自动驾驶到底是2B还是2C的生意？至少在一开始，无论来自于科技阵营还是汽车行业的玩家，都把自动驾驶当作面向终端者的产品和解决方案。

而且一开始的进展非常顺利，Argo的CEO 布莱恩•塞尔斯基(Bryan Salesky)曾经表示，不止Argo，很多自动驾驶企业都已经开发出了自动驾驶汽车80%的技能，可以利用雷达、摄像头、传感器等等设备，就可以应付自动驾驶汽车日常行驶所需。当时在一片热情高涨之中，Navigant Research的分析师山姆•阿布尔萨米德(Sam Abuelsamid)的评论似乎有些格格不入，但是今天听起来好像非常先知先觉，“许多公司有些令人难以置信的乐观情绪，一些公司认为只要投入一些传感器和AI系统就能够轻松完成。”

2018年Uber和特斯拉的自动驾驶车祸，最终让人不安，我们需要意识到，自动驾驶汽车还没有能力在面对突发情况的时候进行及时的响应。如果我们参照布莱恩•塞尔斯基(Bryan Salesky)的话语，可以说，自动驾驶剩下的20%的技能，例如预测行人、司机和其他道路使用者的行为，乃至于处理突然事件的功能等等，实现起来依然困难重重。

那如何解决这个难题？在短期内没有技术突破的情况下，自动驾驶的玩家们只能依靠数量的叠加，试图让汽车更加智能，可以分辨更多、可以分析更多。于是不仅需要激光雷达，还需要64线的，另外配备几个16线的。除此之外，再需要更为强大的芯片。（这部分的技术瓶颈，可以参看笔者之前发布的《从万人追捧到寒冬降临—自动驾驶的发展瓶颈》一文）。

在安全性和可靠性提升的同时，成本也一起比翼双飞。在笔者曾经经历的项目中，汽车之外的传感器和运算设备等等，总价格几乎相当于一台奔驰E级汽车。这也意味着现有技术条件下，可以实现L4级自动驾驶功能的汽车，价格将接近百万元。当然根据摩尔定律，技术投入和规模效应会极大提升产品的性能，并且极大降低成本。业内许多同行常常举例说，2005年1万美金的毫米波雷达，经过10多年已经降到了100美金。但是问题的关键是，就算价格降低到1/100，普通消费者是否愿意接受呢？

根据德勤的《全自动驾驶的未来—先进汽车技术消费者需求调查》显示，中国、印度和韩国的消费者对于自动驾驶技术的偏好度位居世界前列，特别是Y/Z世代消费者对于全自动驾驶汽车更感兴趣。对于先进技术消费者愿意支付一点额外费用。以中国消费者为例，2014年，消费者愿意额外付费1440美元，而到了2016年，已经大幅降低到700美元。这样的情况并非只出现在中国，美国消费者在2014年愿意支付的费用为1370美元，2016年降低到925美元，同期的韩国，2014年还在1780美元的高位，到2016年已经大幅降低到415美元。

这也意味着，目前消费者愿意接受的额外付费，和现有的价格，真的是接近100倍的差距。

于是，自动驾驶的使用方从终端消费者切换到出行公司，背后也有诸多的无可奈何。但至少的成功案例也给大家带来一些期待：2017年，Uber和沃尔沃汽车签订购置协议，将购买2.4万台沃尔沃XC90插电式混动车，用于组建自动驾驶车队。2018年年初Waymo向捷豹路虎采购2万条捷豹I-PACE纯电动车，半年之后，又向FCA采购6.2万台Pacifica。

在2019年麦肯锡也发布报告显示，自动驾驶出租车的出行服务成本也将在未来10年持续下降，并将在2025-2027年达到拐点，在此之后成本优势将愈发体现。根据麦肯锡公司的预测，成本交叉点约为0.3-0.4美元/公里之间。

但是如何从目前的高成本演化到成本交叉点的道路依然充满许多挑战和未知。根据百度在湖南长沙率先开展的自动驾驶出租车示范运营的成果显示，自动驾驶出租车的每公里成本在20元左右，其中车辆成本和运营成本各占一半。因为百度目前开展的试点运营，还需要安全员在座在紧急状态下进行干预。我们假设去除人工成本，每公里成本依然高达15元左右。与此形成比较的是，国内一线城市的出租车约为3元/公里，网约车约为5元/公里。可以推导得出，如果运营方不进行大规模烧钱补贴的话，目前阶段的自动驾驶出租车，依然不是面向大众市场的产物。

不过，过去的几年，超级独角兽的故事一再上演，背后的逻辑是否可以套用在自动驾驶的发展上？首先用巨额的资金（或者补贴）占据细分市场，让消费者先熟悉产品和服务，形成使用习惯，并在培养使用习惯的过程中快速扩张，形成细分市场的垄断，最后IPO上市。

只是，曾经的繁荣都在2019年纷纷破灭：Uber、Lyft的股价跌跌不休，WeWork干脆放弃了IPO，Airbnb的IPO也显得困难重重。Uber的CEO 达拉•科斯罗萨西(Dara Khosrowshahi)强调，盈利和效率是目前Uber最重要的两大任务，追求快速增长已经成为过去式。而且根据媒体披露显示，Uber和Waymo都已经放缓了从主机厂提车的节奏和速度。

那暂时无法盈利的自动驾驶汽车或者自动驾驶出租车，到底谁可以扮演白衣骑士，提供购买呢？

谁来购买？公司还是政府？

汽车行业估计不会成为白衣骑士。由于关税政策的变化、中美两国车市的低迷，加之在电动化、智能化和自动驾驶等新领域的高投入，2019年的跨国车企普遍呈现出利润表现走低的态势。随之而来的，就是降本增效以及抱团合作。奥迪计划到2025年裁员9500人；戴姆勒计划到2022年底在全球裁员约10000人；宝马计划在2022年前节省120多亿欧元成本；日产宣布到2022年全球范围内裁员12500人。此外，通用汽车在2019年关闭北美7家工厂，特斯拉则通过关闭线下门店来实现成本节约……

是科技行业吗？遥遥领先的Waymo在今年也开始对外销售其激光雷达传感器，希望通过产量的增加降低成本；百度在2019年年底开始推进智能汽车事业部和自动驾驶事业部的合并，以实现技术资源整合和人员成本优化；滴滴在年中将自动驾驶部门分拆为一家独立公司，并且与潜在投资者寻找新一轮的融资机会.

或者是各地的地方政府？今年我们看到，包括百度、小马智行、文远知行以及AutoX等国内自动驾驶头部玩家，都相继通过寻求地方政府支持，实现落地试运营。但是这样的支持会持久吗？自动驾驶更多是需求驱动型，在没有法律硬约束的情况下，加之外部环境的艰难，地方政府有多大的决心去支持自动驾驶的落地和发展，依然有待观察。

那么，还有谁？

2019年即将过去， 2020年即将到来。整合者、使用者和购买者的难题依然被激烈讨论，破解之道依然显得举步维艰；而自动驾驶的从业者们依然在黑暗中摸索可能的亮光……

利益相关方都变得越来越实际，同时发展过程中的问题也越发凸显。汽车行业和科技行业亟需联手合作，推动软硬件的整合，但是对于主导权的争夺，使得合作之路充满了艰辛和不确定；在严苛的外部情况下，对于自动驾驶的使用场景、使用对象的讨论也变得越来越实际，是2C的生意吗？还是通过自动驾驶出租车实现的2B的生意呢？最后的最后，谁会继续为自动驾驶的后续发展提供持续的资金支持呢？

许多玩家开始走向更为限定的场景：干线物流、港口、矿区、机场；许多玩家继续在原有的道路上摸索前行，含泪活着；也有许多玩家以不同方式离开了这个市场，走得匆忙，或走得心有不甘。

也许，跨时代技术的发展真的需要时间的积淀，天时地利与人和。人工智能的概念提出起始于1956年的达特茅斯会议，历经两次高潮和低谷，由于大数据和出现和深度学习的崛起，人工智能才能在六十多年后完成概念到落地。

那自动驾驶呢？从概念到落地需要多久？