2021 年，商用場景自動駕駛獲得了更多的關(guān)注和認可。

干線、礦山、港口、環(huán)衛(wèi)、無人物流小車等賽道融資持續(xù)火爆，自動駕駛老將新手都紛紛布局商用場景，僅干線物流場景便涌現(xiàn)超 6 家初創(chuàng)企業(yè)：小馬智行裂變出3 家企業(yè)：千掛科技、擎天智卡和行猩科技；圖森陳默創(chuàng)辦了圖靈智卡；百度和獅橋合資創(chuàng)辦卡車品牌 DeepWay、吉利也正在推出遠程汽車。

賽道熱度可見一斑。

辰韜資本一直關(guān)注商用場景自動駕駛，堅信特定場景先行落地，并早期投資易控智駕、易咖智車、于萬智駕、斯年智駕、白犀牛、踏歌智行、極目智能等公司，完成了系統(tǒng)布局。

熱度之下，我們重新梳理了商用場景自動駕駛的底層邏輯和挑戰(zhàn)。

全文主要觀點如下：

（1）在干線、礦山、港口、環(huán)衛(wèi)、末端配送等場景，司機短缺將是主要矛盾，人力供給短缺日益加劇的現(xiàn)狀下，迫切需要解決的是有和無的問題，不是有和優(yōu)的問題，自動駕駛是解決人力供給矛盾的主要方案；

（2）提升司機駕駛體驗將成為商用車行業(yè)發(fā)展趨勢，干線場景高級輔助駕駛存在價值。

（3）商用場景自動駕駛落地的真正挑戰(zhàn)在于長尾場景問題和供應(yīng)鏈，路權(quán)不是主要障礙；

（4）專注場景是自動駕駛競賽的致勝關(guān)鍵，不僅有利于解決長尾場景問題，而且將幫助建立客戶、渠道、供應(yīng)鏈、運營模式等壁壘。

1、自動駕駛價值：首要解決的是有和無，而不是有和優(yōu)的問題

靜態(tài)來看，現(xiàn)階段自動駕駛依然存在諸多問題：一方面商業(yè)模式仍在探索中，且自動駕駛實際運行效率與人工相比都不高；另一方面技術(shù)不成熟，無法完全去掉安全員，使用成本高；最后，性能不夠穩(wěn)定，影響使用體驗。

即便存在這么多問題，大家對自動駕駛的熱情依然不減。支撐自動駕駛持續(xù)發(fā)展的需求究竟在哪？我們認為：解決勞動力短缺問題、降本增效、提升司機駕駛體驗是關(guān)鍵需求。其中，勞動力短缺是核心矛盾，自動駕駛首要解決的是有和無的問題，而不是有和優(yōu)的問題。

（一）司機短缺已成「灰犀牛事件」，補充需求非常迫切

（1）勞動力供給持續(xù)減少

根據(jù)前瞻經(jīng)濟學人的統(tǒng)計，自 2013 年以來，我們適齡勞動力人口持續(xù)下降，7 年時間累計減少了2300 萬人。

結(jié)合歷年出生人口數(shù)據(jù)，可以得知我國正在逐漸步入老齡化社會，適齡勞動力人口減少的問題在短、中期內(nèi)沒有逆轉(zhuǎn)的可能。

上圖數(shù)據(jù)來源：前瞻經(jīng)濟學人

勞動力供給減少導致的用人短缺，最先影響工作環(huán)境艱苦、體驗差、收入低的行業(yè)和崗位。而且，隨著生活水平的提高，大部分適齡勞動力、尤其是年輕人不再愿意到干線、礦山、港口等場景當司機。

我們曾經(jīng)訪談一個頭部零擔公司，他們旗下司機的平均年齡每年增長 0.8 歲，公司只能一再放寬司機年齡要求，然而還是有很多司機年齡超過要求，他們對未來司機招聘表示擔憂。

快遞、配送行業(yè)也存在類似情況，因為招不到騎手，不少配送站點被迫撤銷。

（2）需求不斷增加

以末端配送領(lǐng)域為例，2013 年，中國快遞及即時物流訂單分別為 91.9 億單和 9.5 億單，2019 年增長到635.2 億單和184.9 億單。

2019年即時物流同比增速高達 33.71%，而且依然保持著高速增長。

數(shù)據(jù)來源：前瞻經(jīng)濟學人

在公路運輸領(lǐng)域，中國公路運輸市場規(guī)模大、從業(yè)人員多，據(jù)交通運輸部統(tǒng)計數(shù)據(jù)，截至 2020年年底，我國道路貨運從業(yè)人員 1728.73 萬人，基數(shù)巨大。

同時，根據(jù)國家統(tǒng)計局的數(shù)據(jù)，行業(yè)需求持續(xù)增長，2013 年到 2025 年的預期復合增速為 8.5%。

（3）自動駕駛是解決司機短缺問題的主要方案

在勞動力供給減少和需求不斷增加的雙重影響下，司機短缺已成「灰犀牛事件」。

雖然大家也在做自動駕駛以外的方案探索，比如在末端配送等場景探索無人機、機器狗等方案，但綜合下來自動駕駛解決司機短缺問題確定性最高，最值得期待。

「司機短缺」這一主要矛盾，對自動駕駛領(lǐng)域的商業(yè)分析很重要。

以無人物流小車為例，無人物流小車目前確實因為無法上樓，跟人工配送相比服務(wù)體驗有所下降，不少人為此擔心其商業(yè)邏輯不夠通順。

但我們實地調(diào)研發(fā)現(xiàn)，已經(jīng)有非常多的社區(qū)、園區(qū)，因為人力不足而無法提供配送上樓、到家服務(wù)，或者因為管理需求、防疫需求而禁止配送人員進入園區(qū)或上樓。

我們認為，即使不考慮未來小機器人或人機協(xié)作解決上樓問題，無人物流小車的商業(yè)模式也是合理的。因為，在人力供給短缺并且日益加劇的現(xiàn)狀下，未來需要權(quán)衡的不是有和優(yōu)的問題，而是有和無的問題。

（二）降本增效：雖遠必至

（1）自動駕駛可以大幅降低成本

技術(shù)成熟并去掉安全員以后，自動駕駛成本優(yōu)勢明顯。以下結(jié)合具體場景說明。

礦山：礦用寬體車一般需要 3 名駕駛輪班，一臺車每年司機費用需 30 萬元左右，自動駕駛套件成本按50 萬元計算，假設(shè)按 5 年折舊。綜合下來，自動駕駛技術(shù)成熟后，一臺車每年可節(jié)省近 20 萬元成本。并且，自動駕駛套件成本未來還有比較大的下降空間。

無人物流小車：根據(jù)我們調(diào)研，目前部分企業(yè)無人配送車整車成本能做到 20-25 萬元左右，多位無人配送從業(yè)者表示，無人配送車在未來 3 年內(nèi)會實現(xiàn)規(guī)?；慨a(chǎn)和商用，整車成本會逐步降至 10 萬元以內(nèi)。以騎手工資約 10 萬元每年計，技術(shù)成熟以后，若按 3 年折舊，無人物流小車每年可節(jié)省成本數(shù)萬元。

港口：現(xiàn)階段自動駕駛套件整體成本 20-30 萬，其中主要為激光雷達，還包括計算平臺、 GPS、慣導和攝像頭等。我們測算自動駕駛以后，每年成本方面亦可以節(jié)省 20 萬左右。

可以預測，在自動駕駛技術(shù)成熟以后，擁有自動駕駛技術(shù)的公司在成本上會有較大優(yōu)勢。

（2）自動駕駛有助于擴大經(jīng)營規(guī)模

以干線重卡為例，目前運營方非常分散，以中小車隊為主，根據(jù) Wind 和運聯(lián)智庫的數(shù)據(jù)顯示，2020 年 50輛以上的大型運輸企業(yè)僅占全行業(yè) 6.7%。

我們訪談干線物流運營公司管理人員得知，車隊規(guī)模的主要限制影響因素之一是司機招聘和管理難度大，司機群體工作辛苦且較少與外界接觸，管理難度大。

未來無人化后，將不再存在司機招聘和管理的難題，到時候隨著信息化的同步發(fā)展，運營公司的管理效率和規(guī)模將大幅提升。

（3）自動駕駛有衍生其他業(yè)務(wù)的可能

自動駕駛技術(shù)壁壘高，自動駕駛運營公司在形成運力網(wǎng)絡(luò)后可以向上下游延伸。

比如，末端配送公司形成網(wǎng)絡(luò)效應(yīng)后可以切入售賣，廣告等業(yè)務(wù)，營業(yè)收入可以從傳統(tǒng)的配送費轉(zhuǎn)移到商品銷售。干線自動駕駛公司形成足夠大的運力網(wǎng)絡(luò)后，往下可以直接跟貨源方對接，往上可以直接往主機廠的角色轉(zhuǎn)移。

（三）提升司機駕駛體驗將成為商用車行業(yè)發(fā)展趨勢

自動駕駛功能可以提升司機的駕駛體驗，這在乘用車領(lǐng)域已經(jīng)得到驗證，乘用車「消費品」屬性更強，有不少車主愿意為自動駕駛功能付費。商用車的「工具」屬性更強，購買邏輯和乘用車存在差異，同時在商用車場景中，車輛的所有方往往不是司機本人。

如果自動駕駛功能短期內(nèi)只能提升司機的駕駛體驗和安全性，而不能實現(xiàn)大幅度降本增效，車輛所有方是否會愿意為自動駕駛功能買單？

我們認為，提升司機駕駛體驗將成為商用車行業(yè)發(fā)展趨勢。即使自動駕駛功能不能完全省掉司機，但只要能改善司機駕駛體驗，將有不少購買方愿意付費。主要有以下原因：

（1）目前的重卡司機中「夫妻店」的比例非常高，這種情況下，購買方就是使用方，購買方對駕駛體驗很敏感。在跟司機的訪談中我們了解到，如果能實現(xiàn) ACC、AEB 自動換道等高級輔助駕駛功能，有不少司機表示愿意額外付費。

（2）人力短缺已經(jīng)非常嚴峻，即使重卡的購買方不是使用方，購買方也有動力通過改善司機的工作環(huán)境和駕駛體驗，以降低司機的招聘難度。

2、長尾場景和供應(yīng)鏈是主要挑戰(zhàn)

自動駕駛行業(yè)的確定性非常高，且前景令人心動，但發(fā)展依舊存在諸多挑戰(zhàn)。行業(yè)龍頭 Waymo 經(jīng)過了 10 多年的努力，在商業(yè)化上并不令人滿意。國內(nèi)雖然百花齊放，但除了部分特定場景外，批量落地的時間表依然不夠明確。

落地到底存在哪些挑戰(zhàn)呢？我們認為最大的挑戰(zhàn)在于長尾場景和供應(yīng)鏈，路權(quán)和商業(yè)模型并不是主要阻礙。

（一）長尾場景是最主要的技術(shù)難點

長尾場景的解決是自動駕駛技術(shù)最大的難點。自動駕駛技術(shù)的難度不在底層架構(gòu)和算法框架，這些方面已經(jīng)有成熟的方案，各家自動駕駛公司在方案上已經(jīng)不存在本質(zhì)的差異，即使有也會隨著研發(fā)的推進被逐漸抹平。

自動駕駛落地真正的攔路虎在于長尾場景問題的解決，長尾場景是落地的關(guān)鍵，也是自動駕駛公司之間競爭的決勝手。

為什么長尾場景是攔路虎？自動駕駛功能是基于 AI 算法實現(xiàn)的。以目前的技術(shù)，AI 算法只能完成之前被訓練過的任務(wù)，與能夠基于先驗知識進行推理的通用型人工智能有本質(zhì)區(qū)別。

這意味著，如果想讓自動駕駛車輛克服各種場景，就必須把這些場景提前找到并訓練。常見的場景特別好找，但是有很多特殊的場景非常難碰到，也就是所謂的「長尾場景」。

理論上，我們只可能無限逼近而不可能徹底找到所有場景，所以沒有解決的「長尾場景」太多，自動駕駛的事故率、故障率將居高不下，不僅嚴重影響安全，也會因為需要各種接管而無法規(guī)模化、商業(yè)化復制。

（二）供應(yīng)鏈離滿足需求仍有差距

一方面，現(xiàn)有的輔助駕駛供應(yīng)鏈難以滿足自動駕駛需求。輔助駕駛在行駛中以司機為主，智能駕駛系統(tǒng)進行輔助，自動駕駛則以智能駕駛系統(tǒng)為主，司機輔助，甚至完全無需司機。二者在設(shè)計理念和功能上存在很大區(qū)別，比如自動駕駛對安全要求更高，需要足夠在冗余備份。

目前，輔助駕駛供應(yīng)鏈難以完全復用到自動駕駛產(chǎn)品上，但是市場上真正大規(guī)模出貨的是輔助駕駛產(chǎn)品，對大部分供應(yīng)商來說，自動駕駛配套的部件開發(fā)難度高且暫時沒有批量訂單，研發(fā)動力不足。不少自動駕駛公司有針對場景的定制化開發(fā)需求，但供應(yīng)商配合度不夠高。

以底盤線控相關(guān)的部件為例，如果要實現(xiàn)自動駕駛，一定要有冗余，且有些功能需專門開發(fā)，比如在礦山場景，礦用車輛的底盤冗余設(shè)計就很難簡單套用公路卡車的方案。因此，目前不少自動駕駛公司已經(jīng)被逼到親自下場做底盤相關(guān)的研發(fā)。

另一方面，自動駕駛相關(guān)的傳感器尚未成熟。一些針對自動駕駛開發(fā)的傳感器比如激光雷達、芯片等也還處于迭代中，離車規(guī)尚有距離。

而且，商用車比乘用車使用工況更復雜，比如礦山場景，道路環(huán)境差、晝夜溫差大，冬天室外作業(yè)溫度很低，一般的激光雷達沒法滿足要求。

（三）路權(quán)和商業(yè)模型不是主要阻礙

除了長尾場景和供應(yīng)鏈的挑戰(zhàn)以外，很多人還會想到路權(quán)和商業(yè)模型。但我們認為從長期來看，這兩點不是主要的阻礙。

首先討論路權(quán)。目前，我國政府確實對自動駕駛車輛的路權(quán)開放有限，但目前距離技術(shù)成熟還需要一定時間，我們相信等到自動駕駛技術(shù)成熟以后，路權(quán)不是主要阻礙。

一方面，政府對自動駕駛技術(shù)普遍保持開放和支持的態(tài)度，北京和深圳，已經(jīng)在積極推進相關(guān)立法。另一方面，政府主要擔心是自動駕駛車輛的安全性，自動駕駛技術(shù)成熟以后，可以大大消除政府對安全性的顧慮。

其次是商業(yè)模型的問題。我們在上文簡單分析了幾個自動駕駛場景的商業(yè)模型，從測算結(jié)果來看，實現(xiàn) L4 以后降本效果非常明顯。

另外還有兩個因素值得關(guān)注。第一，人工成本在不斷往上漲；第二，自動駕駛套件的成本會隨著產(chǎn)業(yè)鏈的成熟和放量不斷下降，目前依然有很大的下降空間。

綜合來看，自動駕駛的商業(yè)模型一旦過了拐點，效益會越來越明顯。因此，從長期來看，商業(yè)模型不是主要的阻礙。

3、專注場景，是自動駕駛商用落地的必由之路

（一）在干線物流場景，高級輔助駕駛產(chǎn)品依然有價值

提升司機駕駛體驗將成為商用車行業(yè)發(fā)展趨勢。在 L4 實現(xiàn)之前，商用車將長期處在高級輔助駕駛階段，很多人在分析其自動駕駛商業(yè)價值時僅從降本增效的角度分析，并質(zhì)疑其在省人、省油，安全等方面的效果。

但是在 L4 實現(xiàn)前，高級輔助駕駛能提升司機駕駛體驗，且會有客戶為此功能付費。

這對干線自動駕駛公司非常重要，這表明在 L4 落地前的漫長時間里，干線自動駕駛公司可以通過高級輔助駕駛產(chǎn)品過渡，而不用擔心在漫長的時間里僅有研發(fā)而難有收入。

（二）專注場景：自動駕駛關(guān)鍵的致勝策略

技術(shù)中「長尾場景」是技術(shù)競爭的決勝手。要解決好長尾場景的問題，一是通過實踐尋找，二是通過推衍尋找，這兩種方式都需要深入場景。很多長尾問題沒法通過仿真模擬，只有深入場景才能發(fā)現(xiàn)。同時，深入場景才有機會對場景產(chǎn)生足夠深入的了解，這是推衍新長尾場景的前提。

自動駕駛最終的競爭是商業(yè)閉環(huán)的競爭，技術(shù)以外還有客戶、渠道、供應(yīng)鏈、運營等因素，不同場景的客戶、渠道、供應(yīng)鏈、運營模式有非常大差異，這些因素在實際商業(yè)化運作中非常關(guān)鍵，只有深入場景才能建立優(yōu)勢。

因此，在自動駕駛的競爭中，專注場景是關(guān)鍵的致勝策略。

返回第一電動網(wǎng)首頁 >