在當前自動駕駛仍處于純燒錢階段前提下，要做到“多辦事，少燒錢”，必須拋棄一門心思做系統的觀念，走“軟硬兼修+整合研發”的道路，才能取得“降本增效”的實效。

　　今天，如果你在深圳乘上一輛沒有司機的出租車或者公交，不用感到驚訝。

　　8月1日，國內首部自動駕駛立法——《深圳經濟特區智能網聯汽車管理條例》開始正式生效，這意味著自動駕駛汽車至此可以名正言順的上路了。緊接著8月8日，交通部發布《自動駕駛汽車運輸安全服務指南(試行)》(征求意見稿)，向社會公開征求意見，旨在鼓勵和規范自動駕駛汽車應用。

　　《條例》和《指南》的相繼出臺，表明了國家從法律層面的支持態度。這說明自動駕駛時代真的要來了!

　　自動駕駛下半場開始，各細分賽道百花齊放

　　作為汽車產業與人工智能、物聯網、高性能計算等新一代信息技術深度融合的產物，自動駕駛是當前全球交通智慧出行領域重要的發展方向。

　　目前，按SAE標準自動駕駛分為L0~L5共六個級別。通俗來講，L1~L3屬于輔助駕駛，相當于解放司機的手腳和眼睛;當達到L4~L5時，車輛完全由系統控制，此時司機大腦獲得解放。

　　自動駕駛分級

　　由圖可見，從L3開始，系統開始接管車輛駕駛，駕駛主導權已經完成了人機互換。因此，L3是自動駕駛發展重要的分水嶺。

　　從具體實踐上來看，當前自動駕駛汽車主要有兩種研發道路。一種是大多數企業所采用的從L1~L5依次推進的“漸進式”道路。另一種則是以科技企業為代表的 “插入式”道路，即跳過L1~L3級，直接從L4級開始切入，并最終達到L5。

　　按賽道來細分，現有產品主要分為乘用車和特種車輛兩大類，對標下游應用場景，主要集中在大眾出行(含私家車、出租車、公交巴士)、物流運輸(干線物流、城配物流、末端物流)、特別用途(礦山、港口、環衛)三大場景。

　　國內主要自動駕駛品牌信息列表

　　從技術角度來說，百度Apollo和元戎啟行在小型乘用車賽道處于領先。如Apollo直接將雷達等各類傳感器集成在車輛上，無需對車輛做二次改造，就能完成控制、決策、躲避障礙等操作。元戎啟行索性去掉了“機頂盒”，將車載雷達全部融入車身，使外觀看起來與普通車幾乎無異。

　　深蘭科技則在大型公交賽道一枝獨秀，其開發了搭載的智能駕駛、智能客艙等功能的12米熊貓智能公交，是國內唯一持有上海、深圳、廣州、長沙和武漢5個城市自動駕駛測試和商用牌照并入選工信部整車目錄公告的商用車，并先后中標上海、天津、常州的城市公交采購項目。

　　在物流領域，AutoX是領頭羊。它是國內第一家獲得美國加州路測牌照的初創公司，也是目前全球唯一一家獲得加州無人出租、無人貨物運輸雙運營牌照的企業，并獲得NHTSA(美國高速公路安全管理局)官方安全認證。

　　公開資料顯示，從去年七八月起，百度Apollo和元戎啟行的自動駕駛出租，在深圳開始道路和營運測試;而深蘭熊貓智能公交，前年5月就開始在深圳坪山示范區營運路測。

　　隨著政策放開和法律完善，聚焦“商業化”的國內自動駕駛下半場已經開始，接下來整個行業勢必會出現井噴式發展，大規模商業化也指日可待。那些早早播下“技術落地”種子的自動駕駛企業，也將值此契機百花齊放，優先品嘗到商業化的果實。

　　AI黃金賽道，自動駕駛多城鳴笛開跑

　　目前，隨著5G設備和車路協同設施的普及，自動駕駛迎來了跨越式發展的最好契機。除深圳以外，全國已有多個城市開放了自動駕駛路測示范，此舉將大大加快自動駕駛產業化、規�；�、商業化的進程。

　　北京是國內首個在公共道路給自動駕駛路測開綠燈的城市，并首開乘用車無人化運營試點。上海則率先開設了國家級產業示范群，累計向25家企業頒發路測許可，并開放測試道路615條，場景12000余個。廣州則認可其他地區智能網聯汽車路測許可、批量開展Robotaxi技術驗證、在中心城區主干道開展路測等。

　　據《華夏時報》統計，除北上廣深外，目前已有包括長沙、武漢、蘇州、重慶等40余個城市出臺政策和管理辦法，積極開展自動駕駛的道路測試、載人測試、示范運營。

　　國內主要城市自動駕駛汽車落地情況

　　由圖可見，出行和物流是目前國內自動駕駛最熱門的兩大應用場景，背后則隱藏著一個萬億級規模的新興市場，對城市經濟發展會產生強大的驅動力，因此吸引著越來越多城市以自動駕駛為“敲門磚”，力求敲開這一市場的大門。

　　自動駕駛汽車，輪子上的“碎鈔機”

　　近兩年，各類企業紛紛介入自動駕駛。無論是車界的比亞迪、特斯拉，還是網絡界的百度、谷歌，或是像華為、蘋果這類科創巨頭等，都開始積極布局和大舉投入。

　　不過從2020年起，自動駕駛的經歷可謂是“冰火兩重天”。一方面，國家政策利好不斷，資本市場持續看好，企業融資總體向好。有的公司在一年內，就獲得了好幾筆大額融資。

　　目前細分賽道中，最容易融資的，莫過于無人出租。如小馬智行，2020年融資超7.2億美元，2021年又收獲1億美元C輪追加融資。而文遠知行，在2020年由宇通集團領投2億美元，后續又完成了連續三輪融資，共計4.4億美元。

　　另一方面，如果拋開投融資不談，單看企業自身營運數據，那財務狀況糟糕透頂。據PitchBook研究數據顯示，從事自動駕駛行業的創業公司，每月運營成本要160萬美金(折合1051萬元人民幣)�？傮w上，目前整個行業基本呈現一種“錢融得又多又快，燒得更多更快”的怪圈。

　　那自動駕駛燒錢速度有多快?Uber自動駕駛部門5年燒光了25億美元;Waymo每年要花掉10億美元以上。國內最舍得“燒錢”的是百度，據財報數據顯示，僅2020年投入就達200億元。文遠知行CEO韓旭也曾在受訪時向媒體表示：公司一直維持著每年1億美金的花錢速度。

　　其實，自動駕駛自誕生之日起，就是一門“投資見效難、技術落地難、商業化難”的生意，而且是長期“只見投入，不見產出”的那種，未來還要燒多少錢以及燒多久，也連個準數都沒有。

　　就拿已經實現商業化落地的Robotaxi來說，據滴滴公開數據顯示，在日常運營中，平攤在每輛車上的研發、人力、運營、維保成本，累計在100萬元以上。

　　相較于巨額成本，營收則可以忽略不計。據Waymo高管向媒體透露：2020年美國鳳凰城公司每月能接1500筆業務，營收不過才1萬多美元。而在國內，雖然在北上廣深等多個城市，百度Apollo出租、深蘭智能公交、元戎啟行出租等已開始商業營運，但都是依靠企業燒錢補貼維持。

　　正如，一位業內人士所說：“搞自動駕駛不是百米賽，而是馬拉松，跑在這根賽道上，拼的就是耐心和耐力，不是所有企業都能跑到終點”�？梢�，自動駕駛要過上那種不靠燒錢發展的日子，還遙遙無期。

　　搞自動駕駛，投的錢都花去哪兒了?

　　搞自動駕駛為什么這么燒錢?人才、數據、硬件等都是原因。

　　人才的重要性毋庸多言。自動駕駛屬于前沿科技，涉及AI、計算機、大數據、移動互聯網等各個信息科技領域，需要大量高科技人才參與，否則根本玩不了。眼下，全球自動駕駛工程師供應處于嚴重緊缺狀態。

　　再說數據，為了修正算法、構建模型、驗證技術安全性、分析道路場景，企業需要進行大量道路測試來收集足夠的數據。僅L3自動駕駛，就需要完成2000萬公里的路測，L4則是恐怖的10億公里。這其中，路測技術人員的人力成本，再加上車輛的油費、維護、保險，開銷高得離譜。

　　另外就是硬件成本，車輛本身以及車身上搭載的激光、攝像頭、雷達等傳感器、以及各種儀器儀表顯示儀，一部自動駕駛汽車的成本堪比跑車。

　　特別是整個行業目前還沒形成合理的盈利模式，無論百度Apollo和元戎啟行的RoboTaxi，或是深蘭科技和輕舟智行的巴士公交，都只能算是商業化嘗試，相比巨大的運營成本，收入顯然“杯水車薪”。

　　現階段，業界各方之所以在自動駕駛上花錢連眼都不眨，本質上是沒人愿意錯過未來智慧交通這個遠大“錢景”。

　　馬斯特就曾一針見血地指出自動駕駛對特斯拉的重要性：“能否解決自動駕駛問題，直接決定特斯拉的價值未來到底是高不可攀，還是幾乎一文不值。”

　　當前的自動駕駛就如休眠的火山，成百上千年的聚集著壓力，一旦噴發，就會爆發出巨大的能量。

　　搞自動駕駛想少燒錢，企業不能光吃“軟”飯

　　總的來說，自動駕駛之所以吸引各類企業入局，還是它能在降低成本，提高效率和安全的同時，打造出一種新商業模式，使企業獲得新的“鈔能力”。

　　“鈔能力”雖然誘人，不過眼下自動駕駛發展，還得靠虧損來維持。目前能做到“少燒錢，多辦事”的自動駕駛企業，少之又少。究其根源，問題就出在絕大多數自動駕駛企業沒有擺正位置，造成燒錢燒多了，連不該燒的也燒了。

　　眾所周知，做這一行的不是車企，就是科技企業。從能力而言，車企硬件(整車)設計能力強，軟件(自動駕駛系統)開發能力弱，科技企業則正相反，而自動駕駛汽車又是軟硬結合的產物。因此，車企走的是“硬+軟”路線，說白了就是“給車配備自動駕駛系統”，而科技企業走的卻是“軟+硬”，也就是“將自動駕駛系統配載到車上”。

　　“硬+軟”注重可靠，“軟+硬”強調性能，兩者的主導權截然不同。雖然從本質上講，無論誰主導，都可以搞出自動駕駛汽車，但兩者的工程量大小和成本耗費天差地別。因為，從產業成熟度而言，整車設計成熟度高，自動駕駛系統還遠未成熟。試問一個未成熟軟件，怎么可能去主導一個成熟硬件聯合搞開發?如果這樣搞，風險豈不是更高?

　　顯而易見，要想避免當前搞自動駕駛“燒錢太多”的怪圈，關鍵是要讓這些科技企業“軟飯硬吃”，即不只做系統開發，還要做整車設計，哪怕是找一家車企合作來幫你一起做。如百度Apollo的“蘿卜快跑”，就是與北京汽車聯合設計的;元戎啟行的RoboTaxi，是東風汽車專門為其定制;而深蘭科技的12米熊貓智能公交，整車更是由深蘭自己設計開發的。

　　在自動駕駛系統開發和整車設計上同時發力，不僅避免了作為軟件供應商的尷尬，也能大大降低了軟硬件兼容、試錯、適配和測試的成本。

　　所以說，在當前自動駕駛仍處于純燒錢階段前提下，要做到“多辦事，少燒錢”，必須拋棄一門心思做系統的觀念，走“軟硬兼修+整合研發”的道路，才能取得“降本增效”的實效。

　　總而言之，自動駕駛未來的道路還很長，不確定因素也很多，如果科技企業還是不能改變舊有的研發模式，重技術，輕整合，那自動駕駛駛上的，將是一條看不到終點的歧路。