1
長久以來，自動駕駛一直是創投圈的核心話題。
2020 年國內自動駕駛的融資故事，以文遠知行完成 2 億美元的 B1 輪融資告一段落。
實際上，自動駕駛的發展已經進入中場，僅憑一個 demo 已無法吸引資本市場眼球。而且，由于技術、以及產業鏈等先決條件尚未成熟，Robotaxi 的落地時間一再跳票。
相比起五年前的熱火朝天的投資熱潮，資本市場對于自動駕駛的期待近年逐漸趨于冷靜。
不過，情況在 2020 年發生了一些改變。
作為自動駕駛領域最符合人們對于未來出行幻想的形態，Robotaxi 賽道中除了上文提到的文遠知行，AutoX、小馬智行、滴滴等國內玩家均于 2020 年宣布拿到了新的融資。
一方面是資本不斷入場，一方面是政府部門的大力支持。
2020 年初，國家 11 部委出臺相關政策，支持未來自動駕駛汽車在特定環境下市場化應用。此外，地方政府也積極響應，例如，長沙、廣州、北京已陸續頒發了開放道路的全無人駕駛路測的許可證書。
不難看出，2020 年，Robotaxi 在技術成熟度、安全性、監管方面的發展都獲得了進一步的認可。
在資金和政策雙重保障的基礎上，賽道玩家正逐步將技術轉化為產品，Robotaxi 商業化落地的想象空間在加速釋放。
事實上，無論是資本市場的信心，還是政府政策的重視，都離不開 Robotaxi 自身在 2020 年的穩健發展。
回顧今年的 Robotaxi 自動駕駛技術的迭代，我們可將其拆解為三大部分：大腦（車載計算平臺）、眼睛（傳感器）、身體（整車）。
更聰明更穩定的大腦（車載計算平臺）
正如人類的行為需要經過大腦思考，自動駕駛車輛的任何決策也要經過復雜冗長的計算過程。
在 Robotaxi 賽道深耕的企業都深諳一個道理：想要訓練出足夠聰明的自動駕駛「大腦」，則需要有足夠多的數據來支持。
作為收集數據最常規最直接的方式，路測一直是玩家們的第一選擇。
依托于國內展開的各地路測，Apollo 路測里程已經超過 600 萬公里；截至 10 月，小馬智行（Pony.ai）已在全球公開道路完成了超過 400 萬公里的自動駕駛測試里程；文遠知行自動駕駛車隊規模超百輛，路測里程超 300 萬公里。
這些數字看起來可能十分抽象，但據新智駕了解，玩家們單位時間內收集的路測數據數量正在呈倍數增長。基于此，自動駕駛算法的迭代速度無疑會加快，對 Robotaxi 的商業化落地也會起到一定的助推作用。
如果說數據為自動駕駛「大腦」的運轉提供源源不斷的燃料，那么，車載計算平臺則是自動駕駛「大腦」的具象化載體，是自動駕駛算法正常運行的基石。
就車載計算平臺而言，算力的提升自然是不用多說，同時，助力 Robotaxi 商業化落地的其他趨勢也在日益凸顯。
比如向車規級靠攏、為自動駕駛的正常運轉提供高可靠性；體積縮小并集成到后備箱或者備胎槽中，盡可能地將空間還給乘客。
基于上述的一些考慮，2020 年，AutoX 推出了自主研發的 L4 級車載計算平臺 AutoX XCU。據AutoX 肖健雄透露，XCU 的 GPU 算力能夠達到 1820 TOPS。
另一方面，元戎啟行則展示了基于與英偉達車規級計算平臺 Xavier 而打造的 DeepRoute Tite 計算平臺解決方案，體積和功耗相比傳統方案都有了大幅度的提升。
總而言之，「喂養」的數據越多，Robotaxi 就越有能力來應對各種 Corner Case，也更容易向商業化落地的真實狀態邁進。
不過，想要完全實現安全可靠，自動駕駛系統至少需要經過 110 億英里的「訓練」。從目前的情況來看，Robotaxi 玩家都還處于初期階段。
更加敏銳的眼睛（傳感器）
在真實世界數據與車載計算平臺之間，Robotaxi 玩家需要架起車載傳感器的橋梁——傳感器會將自己「看到」的客觀信息映射至「大腦」，幫助自動駕車輛以自己的方式去理解這些數據。
除了上文提到的車載計算平臺，今年 Robotaxi 上的車載傳感器也一改此前分散的布置，正在朝著更加集成、更加一體化的套件發展。
例如，小馬智行新一代自動駕駛軟硬件系統 PonyAlpha X 的車頂盒整體重量下降 22%，螺栓數減少 90%；此外，AutoX 已經研發了平板式的傳感器融合車頂盒，車頂盒厚度僅有 15 厘米（業界不少非平板式凸起方案厚度超過30 厘米）。
基于更加集成的設計，傳感器套件能夠與車身進一步貼合，對風阻、能耗、以及在過橋、進車庫等場景下均有實際好處；同時，也更易于形成一套「標準化工序」來推進 Robotaxi 車輛的量產落地。
當然，傳感器套件是一個整體，其發展也離不開攝像頭、激光雷達、毫米波雷達等單個傳感器的提升。
作為高級自動駕駛不可或缺的零部件，激光雷達領域在今年迎來一個重要的轉折點——其應用場景開始從 L4 往 L2+/L3 下探。
而且，已經有多家前沿主機廠宣布了將在新車型上采用激光雷達的信息。
新智駕從國內激光雷達企業 Livox 處獲悉，過去十五年，搭載激光雷達的 L4 級車輛規模在千臺級別，但很可能明年一年全球搭載激光雷達的前裝車型出貨量就會接近甚至超過這個數字。
上述趨勢似乎與激光雷達在 L4 級自動駕駛上的應用關系不大，但換一個角度來看，當下激光雷達的售價仍以萬元為計算單位，隨著行業關注度高漲以及市場規模擴大，供應鏈上下游的生態也會逐步成熟，從而帶動激光雷達整體成本的下降。
身為自動駕駛系統里昂貴的傳感器，激光雷達的價格如果可以降至更合理的區間，這對于 Robotaxi 商業化落地的意義是不言而喻的。
強壯的身體（整車層面）
當然了，有了聰明的大腦和敏銳的眼睛，Robotaxi 還需要強壯的身體——Robotaxi 歸根結底還是以車為載體，其發展并非憑自動駕駛企業一己之力就能夠推動，需要汽車 OEM 的支持。
從整體上來說，自動駕駛企業與 OEM 的合作整體可以分為后裝和前裝兩大形式。后裝更主流，也更符合行業的發展現狀；但基于長遠考慮，后裝的集成方案擁有太多限制，前裝無人車才是承載 Robotaxi 商業化落地的終極形態。
在前裝無人車方面，AutoX 走得比較靠前。在今年 CES 2020 期間，AutoX 正式宣布與歐洲汽車巨頭 FCA 合作，引進 Pacifica 大捷龍來支持 AutoX Robotaxi 在中國的大規模運營。
這里需要注意的是，Pacifica大捷龍是 FCA 和 Waymo 深度合作而設計的專為自動駕駛而生的車型，具備車規級冗余硬件的底盤，包括剎車、轉向、電源等。
另一方面，百度 Apollo 和一汽紅旗在前裝無人車的打造上也有了新的進展。雙方正在合力推進第五代前裝量產自動駕駛車輛紅旗 EV 的研發工作。
此前，百度 Apollo 和一汽紅旗聯手打造了首條 L4 級自動駕駛乘用車前裝產線。
放眼全球，像AutoX 與 FCA、百度 Apollo 與一汽紅旗這樣基于前裝的合作案例尚且不多，但 Robotaxi 賽道的其他玩家也在積極尋覓破局點，比如小馬智行。
不久前，小馬智行發布其首條自動駕駛系統產線，可實現其 L4 級別自動駕駛軟硬件系統 PonyAlpha X 的標準化生產，并將率先搭載于豐田旗下雷克薩斯 RX450h 車型上。
在一定程度上來說，通過這種標準化流程幫助自動駕駛軟硬件系統上車，能夠化繁為簡，縮短自動駕駛車輛走向規模化生產的時間跨度。
無論從何種角度來看，自動駕駛「大腦」「眼睛」「身體」都在 2020 年得有了實質性的進展，Robotaxi 商業化落地的藍圖正在加速展開。
整個自動駕駛的未來格局都與兩方面息息相關：技術和商業模式。
技術層面，未來玩家們的傳感器配置、算法架構、甚至整體解決方案都可能逐漸趨同，那么，自動駕駛技術的最終壁壘一定是數據獲取以及通過數據迭代算法的能力。
商業模式層面，Robotaxi 作為未來運力的補充，其內核離不開用戶體驗。也就是說，實現真正的 Robotaxi商業落地，自動駕駛企業還要對實際運營的細節精雕細琢。
眼下，自動駕駛技術的安全性已經有了一定的保障，那么 Robotaxi 該以何種方式走近用戶？
站在現在的時間點來回望，這個問題已經有了十分明確的答案。
2020 年 4 月，坐擁出行生態的百度 Apollo 率先開放 Robotaxi 服務，通過百度地圖及百度 APP 智能小程序將 Robotaxi 開進長沙市民的現實生活中。
6 個月后，百度 Apollo 于北京正式全面開放 Robotaxi 服務，10 月 12 日當天訂單高達 2608 單。
除了百度，高德（AutoX、文遠知行）、滴滴兩個出行平臺也在 2020 年開放 Robotaxi 約車服務。三家出行平臺對于 Robotaxi 的運營模式分別是：
百度自己運營 Robotaxi 服務，同時接入其他網約車服務；
高德平臺的 Robotaxi 服務和網約車服務皆來自第三方；
滴滴平臺是自家 Robotaxi 和網約車混合派單。
除了上述的 Robotaxi 玩家，元戎啟行也在 2020 年官宣，明年將接入曹操出行 APP，面向公眾提供試乘服務。
此外，另一家自動駕駛公司 Momenta 的 Robotaxi 產品 ——Momenta GO 也于今年 10 月亮相，并對外開展了 Robotaxi 試乘服務。
盡管這些與 Robotaxi 相關的項目大都是部分城市的固定區域內運營，運營車輛和時間有限，隨車配有安全員，但接入出行平臺意味著這 Robotaxi 已經邁出了從內部研發走向用戶現實生活的第一步。
不同于百度、滴滴等擁有現成出行生態的大玩家，大多數的自動駕駛初創公司自身并不具備造車，或者是運營規模化車隊的能力。因此，與出行平臺合作算是一種較為理想的商業落地模式。
值得一提的是，前不久，T3 出行聯合蘇州高鐵新城發起自動駕駛生態運營聯盟鰲頭聯盟，合作伙伴多達 30 余家。其中，小馬智行、Momenta 兩個 Robotaxi 玩家赫然在列。
盡管目前尚不清楚小馬智行以及 Momenta 是否會像其他玩家一樣接入出行平臺，但兩者與 T3 出行的關聯變得密切起來，確實給業界留下了想象空間。
自動駕駛是一個燒錢游戲，Robotaxi 更是過尤而不及， Waymo Robotaxi 每年燒錢的速度是十億美金起步。
盡管 2020 年 Robotaxi 在各方面都有了喜人的進展，但由于落地的難度遠高于預期，自動駕駛企業想要通過 Robotaxi 來為自己的長線發展造血還有很長的路要走。
專注于 Robotaxi 賽道的玩家開始將目光鎖定到其他場景，尋找更多落地的機會，例如：
元戎啟行的 L4 級自動駕駛技術已經觸達港口的無人集卡；
小馬智行研發了商用車 L4 級自動駕駛軟硬件系統，并獲得了自動駕駛卡車測試牌照；
文遠知行近日宣布正在布局自動駕駛小巴 Robobus。
不難看出，這些自動駕駛企業的商業模式已經開始兵分兩路，其中，Robotaxi 作為一個中長期目標，通過與出行服務公司合作的方式來落地；同時，充分發揮自身的優勢，將自動駕駛技術模塊產品化，落地到其他垂直行業。
相比起上述自動駕駛初創企業，百度 Apollo 在這一方面的思考更為深刻，布局也更加全面，并且于 2019 年就提出了「永攀高峰，沿途下蛋」的商業路線。
百度 Apollo 長期布局 Robotaxi 和 Robobus 自然不必多說，此前打造的 L4 級自動泊車 AVP 方案，當下已經與廣汽，威馬，長城等品牌在 AVP 開展量產合作。
如今，百度 Apollo 還將疆界擴至貨運領域，與貨運企業獅橋成立合資公司 DeepWay。除此之外，百度 Apollo 已經將 L4 自動駕駛技術降維釋放到輔助駕駛領域，推出了 ANP（Apollo Navigation Pilot 領航輔助駕駛）方案。
事實上，無論身處哪條賽道，所需的自動駕駛技術在很大程度都有著互通性。
通過布局不同的場景，自動駕駛企業可以獲得更加多元的數據，并對其現有 Robotaxi 的發展進行反哺；另一方面，也能幫助自動駕駛企業融入不同的產業鏈，尋找更多落地的機會，從而帶來現金流。
Robotaxi 已經從最初的封閉場景駛上公開道路并進行載人服務，但出于對安全的考慮，駕駛座上還端坐著一名安全員——這與其商業模式的邏輯是相悖的：
行業普遍認為，Robotaxi 實現盈利的前提是節省每年約 10 萬元的人類駕駛員工資費用。
因此，「無人化」成了現階段推動自動駕駛車輛商業化落地的重點突破方向。
自動駕駛企業 2020 年在「無人化」方面的動態并不算少，文遠知行（廣州）和百度 Apollo（長沙、北京）均拿到了國內全無人駕駛路測的許可，可以進行沒有安全員的道路測試。
誠然，安全員下車算得上是 Robotaxi 商業化落地進程中的一個關鍵節點，但文遠知行和百度 Apollo 的無人駕駛路測并不是從真正意義上實現無人駕駛——作為冗余的一種手段，兩家企業在進行無人駕駛路測時都有遠程監管的兜底方案。
臺前幕后的全無人化不是一蹴而就的事情，中間必然經歷多次技術與模式的迭代。眼下，各大玩家還處于十分早期的階段。
相比上述兩位 Robotaxi 玩家，AutoX 可能更為大膽。
2020 年 12 月，AutoX 正式公布了其首批車內全無人、無遠程遙控的 Robotaxi 車隊，并發布了其在深圳市繁華公開道路完全無人駕駛的視頻。
在此之前，AutoX 獲得了全球第二張、中國唯一一張加州全無人駕駛載人牌照，可在硅谷中心城市圣何塞地區進行可載人的全無人駕駛。
眼下，自動駕駛企業的技術達到了一定的高度，全無人駕駛駕駛路測也已經有了先行案例。在可預見的未來里，還將有更多城市擁抱無人駕駛，頒發相關的牌照，相應的時間周期也會進一步縮短。
隨著全無人化路測的規模的進一步擴大，Robotaxi 的商業化落地的基礎將更加牢固。
盡管 2020 年被突如其來的疫情打亂了節奏，但基于疫情防控的要求，自動駕駛領域的發展反而在一定程度上加快。
從資本的角度而言，今年整個行業也有了「回暖」之意。
據新智駕了解，僅僅是 2020 年上半年，自動駕駛領域融資總金額就超過 70 億美元，比 2019 年自動駕駛行業公開披露金額的融資事件總額還要高。
無論是資本市場和政府部門的認可，還是自動駕駛自身各方面進展，都釋放出了強勁的信號：
自動駕駛已經進入到商業化落地的初時代，不再是一個虛無縹緲的概念。
同時，由于資源的有限性，在未來幾年的時間里，行業的馬太效應會更加凸顯，資源向頭部玩家傾斜。
Robotaxi 賽道的玩家們也已經開始未雨綢繆，搶占自動駕駛商業落地的先機。
盡管業內尚沒有一個明確的結論來框定自動駕駛的終局將如何形成，以及何時形成，但可以肯定的是，只有在強大落地能力的支撐下，玩家才能成為未來的贏家。
雷鋒網雷鋒網雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
