自動駕駛同樣具備顛覆汽車產業(yè)的力量，歷史也很精彩，但發(fā)展路徑和長期商業(yè)前景有待觀察。

最近幾個月，自動駕駛大佬們離職跳槽的流動信息，似乎又多了起來。

比如去年中和今年初，小鵬汽車的自動駕駛系統(tǒng)總監(jiān)--肖志光、理想汽車CTO--王凱相繼離開原單位，去向不明。

有人則選擇跳槽。比如原小鵬汽車自動駕駛產品總監(jiān)--黃鑫在去年中離職后，加入蔚來。

還有人選擇創(chuàng)業(yè)。前兩天，有幾家媒體報道，蔚來汽車自動駕駛副總裁--章健勇，將于近期離職，參與一個芯片項目創(chuàng)業(yè)。

對于大佬們的變動，市場有不同的看法。

有人就認為，這是正常的人員流動；但也有人擔心，自動駕駛的推進，可能會遇到困難。

自動駕駛該如何做觀察？本文，我們從歷史出發(fā)，試圖為各位梳理下面幾個問題：

1）自動駕駛是怎么誕生的？

2）為什么互聯網公司、車廠們拼命發(fā)力自動駕駛？

3）自動駕駛將形成哪些商業(yè)模式？

4）自動駕駛當下將遇到哪些挑戰(zhàn)？

一次尷尬的比賽

自動駕駛技術能起步，離不開美國國防部高級研究計劃局（DARPA）的助推。

DARPA是個神奇的組織，在這里設立的項目都瞄準軍事用途，不但要求技術最先進、有新功能，更重要的是五年內產品化。

這些項目隨便拿出個，就能嚇人一跳，比如今天連接所有人的英特網，就是這家機構搞出來的。

而自動駕駛，則來自這家機構組織的三場比賽。

911事件后，美軍在阿富汗和伊拉克執(zhí)勤時，士兵傷亡嚴重，不是遇到簡易炸彈，就是遭到土炮襲擊。為了應對大量傷亡，美國國會通過了一項法案：要在2015年，至少有1/3的軍用車輛可以自動駕駛。

不過，DARPA自己的技術人員雖然努力研發(fā)，但進展甚微，造出的樣車又笨又慢。于是，2004年在洛杉磯東北方的沙漠，DARPA舉辦了一場機器人汽車比賽。而這，也成為了如今各勢力角逐的起點。

這場比賽任何人都能參加，規(guī)則也很簡單：誰能在10小時內，使用無人駕駛的方式，到達240公里處的終點，誰能贏得100萬美元的獎金。

比賽萬眾矚目，多家媒體跟進，但最終收獲的卻是類似《DARPA，一個浪費錢的官僚機構》、《沙漠中的慘敗》的負面報道。

原因很扎心，這一場比賽中，參賽的21支隊伍全軍覆沒。成績稍好的來自卡內基·梅隆大學冠軍團隊，也只跑了12公里。

2004年第一名：卡內基·梅隆大學的參賽車輛

雖然結果有些慘淡，但通過這次比賽，我們能借此了解無人駕駛的雛形。

比如，冠軍團隊的策略，就是粗制地圖和細節(jié)地圖一起用，配合雷達與攝像頭收集的視頻信息。

所謂粗制地圖，就是由車上的GPS提供信號，讓車輛在正負幾十米范圍的粗線條里沿著賽事方給的路線前進；

而細節(jié)地圖，是比賽前幾個月在大沙漠里收集到的特征地貌。賽前幾個月，冠軍團隊會駕駛一輛SUV，在沙漠里盡可能多的道路上緩慢行駛。用一個類似于自拍桿的東西架好攝像頭、伸出車窗，捕捉地面圖像，巖石的樣子、陷坑的樣子、稀疏草坪的樣子……典型特征都記錄下來。這其實就是谷歌街景的雛形。

當賽事方給出比賽線路后，利用僅有的兩個小時，用安裝在車上的臺式機計算會進行一通計算，得出一條最優(yōu)路線，然后照此行駛。

而輸出的路線，主要包含兩個簡單要素：一，往哪個方向走；二，行駛速度是多少。

直到今天，這還是自動駕駛要直面的兩個問題。

小資本，撬動大智慧

可能是為了不讓自己太尷尬，第一次比賽草草收場后，DARPA宣布，一年后繼續(xù)舉辦第二次挑戰(zhàn)，不僅如此，獎金翻倍，達到200萬美元。

這一次DARPA算是扳回了面子，總共有5輛車完成了全程，第一名的成績是6小時54分，第二名是7小時14分。

2005年第一名：斯坦福大學名為“Stanley”的車輛

需要注意的是，之所以這次有隊伍取得成功，是因為新加入了一批從事人工智能和機器人研發(fā)的科學家。

這些人將研發(fā)的核心，從如何控制機械，轉向了如何寫代碼。他們將導航的問題，完全視為軟件問題和數學問題。

兩次比賽，只花了300萬美元，竟然動員出民間如此大的創(chuàng)造力，這是DARPA起初沒想到的。

為了繼續(xù)花小錢碰撞出更大的驚喜，DARPA宣布，兩年后，將舉辦第三屆比賽。

和前兩次的區(qū)別是，這三次的比賽場地換到了城市，距離是100公里，目標是6小時內走完，并且不能違反當地的交規(guī)。

同時，這次比賽的保密程度更甚，只透露會在路上增加幾個職業(yè)司機來干擾自動駕駛。

如果我們將第三屆比賽，和前兩次挑戰(zhàn)賽做個對比會發(fā)現，這次的參與者不僅背景更豐富，而且資本也進來了。

比如，有人在研究地圖數字化這個比賽分支任務時，組建了自己的創(chuàng)業(yè)公司，開發(fā)手機上的街景軟件；有人看到高端激光雷達是關鍵設備，就想當賣鏟子的，組建公司做代理，賣給其他創(chuàng)業(yè)團隊。

同時，這批參與者開始頻繁接觸風投，而紅杉資本、基準資本等也沖了進來，這使得不少項目的種子輪的價碼，從500萬美元直接跳升至1500萬美元。

此外，谷歌另外一個創(chuàng)始人布林也和佩奇一起，拜訪了他們相中的冠亞季軍研發(fā)主力，同時在比賽前就全資收購了其中一只隊伍，這支隊伍后來成為了谷歌街景團隊。

2007 年，卡內基梅隆大學與通用汽車和卡特彼勒合作奪得第一

4年前還是個遠在天邊的技術，4年后就變得有些眉目，不禁讓人感嘆，市場機制“自我生長，公平淘汰”的偉大。

不過，這場比賽游戲很短暫，就在大家以為第四次自動駕駛挑戰(zhàn)賽就要來臨時，美國國防部官員潑了盆冷水說，這就是最后一屆了，今后都不會有了。

美國防部的判斷很樸素，他們認為這項技術離實用還差得遠，之前指定的2015年有1/3以上的軍車采用無人駕駛的目標不太可能實現。根據他們當時的判斷，真正的無人駕駛最快也要10年，或許二三十年才能實現。

其實，從現在來看，美國國防部的不僅判斷準，而且老謀深算，原因有二：

首先，以當時的技術水平誕生的車輛，實用性很低。

因為車里要搭載傳感器、雷達、電腦等太多設備，這些設備不但很脆弱，同時很占地方車，根本沒法裝軍用物資。

其次，自動駕駛的星星之火已經點起來了。

在當時的軍方看來，自動駕駛這個細分專業(yè)已經出現，同時大資本已經開始介入。剩下的完全可以交給市場，等技術成熟了，再殺回來征用可行的技術即可。而且，4年多的時間，軍方點火的成本，總共耗費也就900多萬美元，可謂相當劃算，此時不撤更待何時？

但正如很多人沒猜到DARPA的自動駕駛比賽只有三次，更多人沒想到，這次比賽暫停，成為了自動駕駛的第一波高峰。

后續(xù)自動駕駛逐步冷卻，并沒有成為全球車企砸錢研發(fā)的領域。

兩種技術路線

傳統(tǒng)車企不砸錢，或許是因為他們過于傳統(tǒng)。

經過100多年的發(fā)展，傳統(tǒng)車企在技術上是極致的，在機構的臃腫度上也是極致的。

這意味著，如果一個工程師，有些志向，想在汽車企業(yè)搞什么創(chuàng)新，那可就困難了。光是把創(chuàng)新所用的零部件買齊，各種申請、審批、采購，沒有2個月搞不定，創(chuàng)新的熱情早早就消磨在臃腫的系統(tǒng)里了。

創(chuàng)新成本很高，因此自動駕駛很難出現在體量巨大的汽車企業(yè)之中。

但這也給谷歌、特斯拉以及國內造車新勢力等等一批科技公司留下的機會。

今天我們看到的自動駕駛，可以分成兩大路線：

一個是以谷歌自動駕駛為代表的高感知+高處理能力的方式；另一派是以特斯拉為代表的低感知+高處理能力的方式。

先來看谷歌的模式。

所謂谷歌模式的高感知，離不開先進的傳感器。車上能用到的傳感器，總共分四類--攝像機、超聲波雷達、毫米波雷達、激光雷達。其中，激光雷達既是感知的關鍵，也是區(qū)分是否為谷歌模式的關鍵。

激光雷達雖然重要，但功能很簡單，就是判斷距離。它的原理是，激光雷達發(fā)出一束光，射到障礙物后會反射回來，然后接收到反射信號，中間的時間差乘以光速的一半就是到障礙物的距離。

如果用公式解釋就是“速度×時間=距離”。

由于上述原理，激光雷達能做到150米半徑內任何物體的輪廓都不會被錯判。即便車開在碎石路上，前車如果崩起來碎石子，激光雷達也能精準捕捉其朝后車飛行的速度和位置。

不過，激光雷達好是好，但是特別貴。比如谷歌在2010年測試的那輛車，頂棚上就安裝著激光雷達，像頂著一個蒸鍋一樣，非常難看，但那個東西售價8萬美元，比那輛測試車普銳斯貴好幾倍。

目前，這條賽道的上的企業(yè)，除了谷歌，還有百度的Apollo、優(yōu)步、福特與通用汽車的人工智能駕駛部門。

總體來看，這類企業(yè)可以分為三類，一類是算法、數據立本的互聯網企業(yè)，一類是共享出行企業(yè)，最后一類是傳統(tǒng)車企。

需要注意的是，互聯網企業(yè)，看上去和造車很遠。但實際上，車輛的自動駕駛，其實就是在要求程序員寫代碼，寫長長的優(yōu)質的代碼。

一套成熟的自動駕駛系統(tǒng)，代碼大約在幾千萬行到幾億行的規(guī)模，和電腦上 Windows 10 操作系統(tǒng)的規(guī)模相當。而這些調整、同步、優(yōu)化的編程任務是傳統(tǒng)車企無法勝任的。

說完了谷歌模式，我們再看看特斯拉模式。

之所以特斯拉站在另一條賽道，核心原因是，它拒絕用激光雷達。

特斯拉CEO馬斯克覺得，用攝像頭做主要的感知，配合毫米波雷達就夠了。他的理由簡單粗暴：人和動物都是這么做判斷的。

不過，這個理由需要一定的前提，即人和動物是有腦子的，大腦的視覺加工水平極高。只要不同激光雷達，那么“感知”這個任務，就不可能100%完成，很多意外情況則難以避免。

特斯拉就出過類似事故，比如把白藍配色的廂式貨車誤認作藍天白云，或者道路上方的指路牌，然后就直接保持原來的速度撞了過去。

而這背后的根本原因，是感知不靈。毫米波雷達沒有那么精確，距離判斷會失誤，而攝像頭在逆光下看到的東西，失真也比較嚴重。

不過，這一點也有方法彌補。方法和剛剛的邏輯類似，就是通過高水準的圖像識別技術，哪怕逆光，哪怕和其他物體很像，也能認出這是廂式貨車，然后執(zhí)行剎車。但這就考驗特斯拉程序員的水平了。

為什么馬斯克這么較勁，不安激光雷達？主要是節(jié)約成本，畢竟在產業(yè)爆發(fā)期，低價搶占市場是第一位。另外，也有觀點認為，馬斯克只是暫時性，一旦激光雷達成本下降，會快速倒戈。

而對于國內“蔚小理”等造車新勢力來講，不同車企及相關車型都使用了不同的技術。比如蔚來和小鵬在部分車型配置了激光雷達，而一些車型則沒有配置。

那么，技術路線確立了，真正的自動駕駛是不是就快來了？恐怕要再等等。

自動駕駛的機遇和挑戰(zhàn)

在今年3月底召開的中國電動汽車百人會論壇上，全國政協經濟委員會副主任苗圩談到，安全是智能網聯汽車發(fā)展的前提。

在苗圩看來，當下的智能網聯車，依然有不少安全隱患，具體來看有三點。

第一是機器設備的不安全。

比如地圖的精度、定位的精度不高，再比如光線過強和過暗時，攝像頭等設備探測不到。

第二是算法的缺陷。

發(fā)達的人工智能需要投喂海量的數據。有人測算，必須要開到177億公里，才能做到行云流水。比如特斯拉就發(fā)動全世界100多萬用戶，每天在世界各地搜集各種路況，訓練系統(tǒng)。

最后是人為因素。

目前，國內將自動駕駛分為6個等級，其中L0級為應急輔助，L5則為完全自動駕駛。

其中實現L4、L5最難，這是因為處于自動駕駛狀態(tài)的汽車會判定，只要手接觸方向盤，就將認為接管。而現實卻是，有時是真接管，有時只是人不自主地將手搭在方向盤。這時，如果前方突然竄出人或車，則會發(fā)生碰撞。

因此，目前的所謂自動駕駛，只能稱為輔助駕駛。

那么，既然自動駕駛短期實現起來仍有困難，為什么近幾年各互聯網公司、造車新勢力還要躬身入局呢？

背后的原因是，空間巨大。

谷歌無人駕駛汽車項目的顧問--勞倫斯·伯恩斯在其《自動時代》中曾做過一個測算：

如果無人駕駛技術成熟了，通過無人駕駛進行共享的車輛，因為沒有司機，可以做得更小，提高出行效率。尤其是，利用電動車技術，在不影響出行體驗和效率的情況下，可以將每英里的成本降到0.2美元，而現在私人車輛的每英里成本是1.5美元，下降了86%！

這意味著，無人駕駛真正普及后，大概率將會削減汽車市場規(guī)模。對于整車廠而言，如果沒有自動駕駛能力，未來很有可能掉隊，最終淪為自動駕駛出行服務商的車輛提供者，處處受制于人。

但即便如此，汽車出行服務依然是個巨大的市場。

以美國為例，如果按美國人平均工資4.3萬美元一年、城市平均車速40公里每小時算，擁有一輛車并且長期駕駛它的總成本是每公里1美元。又因為美國人全年總行駛里程大約是4.8萬億公里，所以美國全國司機駕駛的總成本每年就是4.8萬億美元，和每年聯邦政府的預算相當。這是一筆驚人的數字。

在這樣的背景下，能提供無人駕駛出行服務的企業(yè)，還是能在這千億美元的市場規(guī)模中分一杯羹，這是對不少創(chuàng)業(yè)者依然具有不小的誘惑。

如果自動駕駛無法徹底落地

當然，即便L4、L5級別的自動駕駛無法實現，對于車企而言，參與自動駕駛，也是件有意義的事。因為自動駕駛將改變車企的商業(yè)模式，而商業(yè)模式的改變，將影響企業(yè)在資本市場的估值。

今年3月26日，在中國電動汽車百人會理事長陳清泰在百人會論壇上提出，汽車廠家的商業(yè)模式正在由“制造”轉變?yōu)椤爸圃?服務”，而服務的收益占比會逐步增長。

我們都知道，傳統(tǒng)汽車的收入，主要是購車費用，近似一錘子買賣。而隨著汽車智能化普及，車廠和車主的聯系，開始變得緊密--如果車主想升級、解鎖新功能，可以直接通過OTA（Over The Air在線升級）付費升級，這意味著車企的盈利將變得可持續(xù)。

陳清泰也在會上指出，智能汽車時代，廠商和用戶的關系是全生命周期的合作關系，即“用戶不斷提供數據、廠商不斷擴展服務”。

事實上最早探索出這種賣軟件收費模式的是特斯拉。2019年4月，特斯拉在Autopilot（自動輔助駕駛功能）的基礎上推出FSD（Full Self-Driving，完全自動駕駛功能）。

不過，特斯拉的FSD還名不副實，并沒有實現完全自動駕駛。特斯拉中國官網的顯示，目前特斯拉、提供兩種系統(tǒng)選裝方案，其中，Autopilot價格為3.2萬元，FSD價格為6.4萬元。

國內新勢力方面，小鵬、蔚來汽車也均提供了類似智能駕駛服務，同時蔚來為了差異化還提供了服務無憂、能量無憂以及靈活換電等付費服務。

但要注意的是，對于自動駕駛真的能提供帶來利潤？目前市場其實有分歧。

樂觀者認為，軟件收入粘性強、毛利率高、邊際成本低，隨著智能汽車保有量進一步增加，未來服務盈利或將超越賣車利潤。

偏悲觀者，如中金證券則認為，如果頭部企業(yè)在部分特殊場景（比如高速、園區(qū)、碼頭等）都能實現差不多的高級別自動駕駛能力，但在受制于法規(guī)開放程度城區(qū)，都無法實現高級別自動駕駛，那么會形成這樣一種尷尬局面：

各家車廠的自動駕駛底層能力看起來有差異，但實際落地時差異并不明顯，各家為了爭取客戶，很可能會陷入囚徒困境，紛紛放棄收費。

也就是說，靠自動駕駛收費，很可能只是中期現象。

長期來看，中金認為，對于車企而言，更應該學習蘋果，收“渠道費”。

我們都知道，蘋果手機自帶的地圖、音樂軟件等功能并不收費，但蘋果會向app開發(fā)者收取抽成（或者叫渠道費、蘋果稅）。

之所以蘋果選擇這么做，不是因為蘋果發(fā)善心，而是所有手機品牌都能提供相似的軟件服務，因此占據更多用戶，完成收稅大業(yè)，才是根本策略。

這意味著，未來很有可能有車企成為“汽車界的蘋果”。而從賣車的制造型公司，到賣自動駕駛的服務性公司，再到賣渠道成為平臺型公司，也將改變電動車企的估值。

所以，自動駕駛的命運會如何？總體看，由于現實的約束，它的推進，或許并不平坦，商業(yè)模式也可能出現從收費到不收費的變化。

但從商業(yè)的邏輯的來看，我們有理由相信，自動駕駛的發(fā)展大趨勢不會改變。因為自動駕駛的終極訴求，是利用人工智能提升出行效率，降低出行者的出行成本。而提升效率始終是商業(yè)發(fā)展的根本。

正如投資人朱嘯虎曾說--任何一個商業(yè)模式，它必須是提高效率的，提高效率的商業(yè)模式，才真正符合商業(yè)邏輯。