最近，有關自動駕駛的新聞頻繁出現在大眾視線中，一定程度上暴露了自動駕駛的困境：各大自動駕駛公司紛紛轉舵發力落地，然而落地難的同時，燒錢快。

先是自動駕駛巨頭加快了落地測試等推進落地的行程：10月12日，百度自動駕駛在北京地區對公眾開放自動駕駛出租車（Robotaxi）試乘服務；10月21日，特斯拉公司CEO埃隆·馬斯克（Elon Musk）在Twitter上表示，特斯拉將于美國當地時間周二晚間向部分用戶推送beta版全自動駕駛（FSD）功能。 

10月30日，為推進L4級自動駕駛商業化場景落地，智能駕駛科技初創公司福瑞泰克與藍城體育達成戰略合作，并將于2021年3月起在杭州運河亞運公園落地L4無人駕駛小巴常態化運營。

與此同時，是加快落地下，自動駕駛一輪又一輪融資： 

10月27日，中國自動駕駛初創公司小馬智行完成新一輪融資，投后估值60億美元，融資金額超過3億美元。10月29日，鈦媒體報道，自動駕駛感知技術研發商MINIEYE宣布完成2.7億元人民幣C輪融資。

然而，光鮮的融資背后，是落地難、隱憂多以及資本市場逐漸冷卻，甚至自動駕駛企業存活困難的困境：

據鈦媒體報道，MINIEYE 創始人及CEO 劉國清博士稱，成本控制、售后服務等，都是自動駕駛企業在量產后面臨的新課題。尤其在汽車行業下行、資本市場冷卻的情況下，自動駕駛企業仍然需要將生存放在第一位，降本增效，節約糧草。 

劉國清博士表示，C輪融資將首先用于緩解大規模交付帶來的供應鏈壓力，增加現金流儲備，從而穩定保障主機廠的采購需求得到及時滿足；另一方面，繼續投入到高級自動駕駛技術的研發中，保持技術和產品的競爭力。

與此同時，行業人士對自動駕駛不看好的態度，暗合了資本市場熱情的冷卻。與此同時，知乎問題“自動駕駛什么時候才會涼涼，估計還要多久”，截至目前，已經有85.5萬瀏覽量。

提問者的幾點質疑，對自動駕駛目前的難點和瓶頸一語中的：

目前的自動駕駛技術對數據要求太高，未來傳感器的成本很難被接受，且對數據的要求幾乎沒完沒了，永遠無法窮盡；自動駕駛要求系統有強大的魯棒性（Robust，指在異常和危險情況下系統生存的能力），然而目前AI技術無法實現......

而提問者對自動駕駛不看好的態度，也代表了很多人心中自動駕駛的歸宿——無法落地：

按目前的自動駕駛發展軌跡，最后的終點就是個精致的展覽品。

然而我國自動駕駛領域的三個巨頭玩家：BAT，目前還未停下腳步，且加速落地進程。然而并不盡遂人意：拿百度自動駕駛在北京地區對公眾開放自動駕駛出租車（Robotaxi）試乘服務，來說，體現出的問題重重。

據體驗過的用戶反饋，問題包括但不限于：車速較慢；無法脫離安全員監督獨自運行；在識別井蓋、選擇車道等方面不夠機智，靈活性較真人司機差；車身較顛簸，像一個新手司機在開車；只能在幾個固定站點上車，被吐槽像公交車......

更重要的是，由于是限定路段，其他車輛比較“講禮貌”，行車規范，然而真實路段的不確定性和突發狀況更多，也更為兇險：相對于老司機，自動駕駛面對突發狀況的快速反應能力——也就是乘客最看重的安全系數，在這次體驗中沒有顯示出來。

這也意味著，這次試乘測試更多目的還是收集數據、方便后續調整。自動駕駛全面落地、投入生活應用依然道阻且長。

無獨有偶。前段時間，阿里云的云棲大會上，推出的末端自動運輸物流機器人“小蠻驢”，也未正式投入應用。

雖然達摩院自動駕駛實驗室資深算法專家陳俊波有底氣說出：“小蠻驢很快將大規模量產，實現‘千’級別的出貨量”這樣的話。然而，在此之前，小蠻驢三年之久的試運營，也局限于上海交通大學等封閉式園區。

而三巨頭中的騰訊，在10月12日舉辦了《中國自動駕駛仿真藍皮書2020》發布儀式以及研討會，就“自動駕駛下半場如何突圍”進行了探討，達成的共識是：

我國自動駕駛技術正處于由輔助駕駛向無人駕駛進化的新階段，自動駕駛走向廣泛應用的下半場已然開啟。在這一過程中，虛擬仿真技術發揮著不可替代的作用，是突破自動駕駛技術落地瓶頸的“利器”。

可以看到，BAT已經走過了自動駕駛的上半場：作為巨頭，三者入局目的各不相同——百度all in AI、儲備數據、聯動業務，阿里賦能電商業務，騰訊則看中自動駕駛落地后，車聯網上的社交生態。然而如今，三者卻面臨面臨同樣落地難的困境：進入了重重迷霧和技術瓶頸的深水區。 

BAT能否突破重重技術阻礙，順利破局并落地，成敗在此一舉。 

BAT最初入局自動駕駛的三岔口：all in、智能物流或車聯網

如果要問自動駕駛為什么會發展到現在的瓶頸境地，就要追根溯源，返歸當初巨頭為什么要入局自動駕駛。

事實上，不同于車企，BAT三巨頭布局自動駕駛另有一套底層邏輯，跟自身業務線息息相關。

先說國內最早入局自動駕駛的百度：事實上，在自動駕駛領域，百度憑借all in AI的戰略稱得上在這個領域的先驅者。

究其原因，AI這條路是百度轉型升級的突破口，也是百度突破營收結構單一、搜索業務乏力、營銷收入下降等困局的最優出路。而自動駕駛，又是百度AI局中的重中之重。

眾所周知，百度一直以來賴以生存的核心業務并不是AI，而是廣告業務。然而近些年，百度在線營銷的收入呈一路下滑之勢：

2019年Q3，百度在線營銷收入208億元，同比下降2%；2019年Q3，百度在線營銷收入204億元，同比下降9%。今年Q1，百度在線營銷收入142億元，同比下降19%，環比下降32%，今年Q2，百度在線營銷服務收入177億元，同比下跌8%。

這要歸咎于信息流的崛起，大幅擠壓了傳統搜索引擎廣告的市場份額。根據據前瞻產業研究院報告，2013-2019年期間中國信息流廣告市場交易規模總體呈逐年增長態勢，年均復合增速高達106%，近兩年來增速保持高位增長。

2019年我國信息流廣告市場交易規模近1815.6億元，同比增長57%，且市場規模在2019年實現了600億元的七年以來最高增幅。

所以，近些年，技術起家的百度也有意識地調整業務結構，加碼AI。2017年，陸奇打出了“all in AI”的旗幟后，更是一發不可收拾：布局自動駕駛、DuerOS、智能小程序、智能大腦、AI芯片5條路線。

AI 業務的崛起不僅給百度大幅利潤增長，也使百度業務結構更為健康：今年Q1，百度搜索廣告的營收大概占總營收的 56.4%，對比2013年，百度廣告營收接近100%，顯然是一次近乎“腰斬”的大換血。

為什么百度的AI布局中，自動駕駛是重頭戲？ 

第一，為在下一代地圖戰爭中勝出儲備數據：百度研究院副院長余凱曾介紹說，百度不僅是搜索公司，也是地圖服務商，地圖業務重視數據，如百度在下一個五年或下一個十年布局上，能在下一代地圖上占得先機，會對百度的意義非常大。

動態地圖在下一個十年會成為非常重要的數據服務形式：無人駕駛和輔助駕駛對地圖信息精度要求很高，下一代地圖精度可能是厘米級精度，包含很多傳統地圖所不具備的，如車道信息、交通標志紅綠燈信息。 

而無人車上的攝像頭GPS信息不斷被無人車輛或者高級輔助駕駛車輛搜集，這些信息能給百度帶來完全不同的動態地圖。

第二，可以把百度生態延伸到車場景中，實現業務之間的聯動：一旦無人駕駛落地，車場景內的駕駛員就會“解放雙手”：空出來的時間，可以在車里消費百度的服務，如百度搜索、百度地圖和音樂服務。

第三，如余凱所說，無人駕駛作為機器人領域的特殊應用，也是百度一項技術儲備。百度不僅研發無人車也研發無人飛機，這些技術相通，一旦平臺技術成熟，就可以成為百度新業務增長點。 

再說阿里，阿里的自動駕駛布局更側重智能物流：2016年底，阿里旗下的菜鳥網絡正式推出自動駕駛物流車。

這和阿里的電商調性息息相關。首先作為電商平臺，阿里、京東等巨頭的物流需求越來越大。馬云預判中的“每天十億包裹”，早在2018年天貓雙十一就達到了。這一天，單日物流訂單量就達到了10.42億——按照這個速度，每天十億包裹也指日可待。巨頭們對物流不敢不上心。

2018年，在全球智慧物流峰會上，馬云曾表示，將在物流領域投資上千億，來建設智能物流骨干網，實現全國24小時、全球72小時必達。

而在物流配送整個鏈條中，末端物流是整個物流體系中成本最高、效率最低的環節，且交通事故頻發：亟需降本增效。

“過去物流行業是體力勞動，靠的是成千上萬快遞員的手提肩扛，未來物流行業則會變成腦力勞動，不能讓快遞員像流水線上的機器人一樣。”18年那場峰會中，馬云說：“過去的20年，我們很多人把人變成了機器，而未來的20年我們將會把機器變成人。”

而物流智能化，就是其中的一個解決方案。

其次，最后一公里的末端物流，不僅能為電商平臺賦能，對本地生活賽道來說也至關重要：這與巨頭們的野心不謀而合。

巨頭們在本地生活賽道的野心不言而喻：

拿阿里來說，曾兩次參透社區團購創業公司十薈團，今年六月，阿里再次加碼：菜鳥驛站宣布從快遞服務向數字社區生活服務全面升級，通過增加團購、洗衣、回收等服務，使其成為數字化的社區生活服務站；7月，阿里零售通事業部籌備組建新的社區團購部門。

所以，相較百度對自動駕駛的all in，阿里的目的則更為樸素，訴諸于跟自身的業務線打配合戰。

最后是騰訊：對于社交巨頭騰訊來說，之所以發力自動駕駛，有些“醉翁之意不在酒”的意思：相較于自動駕駛技術本身，對騰訊價值更大的，是自動駕駛落地后，一系列車聯網入口。

事實上，作為社交巨頭，騰訊正在最大程度把微信帝國外延到一起場景中，連接微信支付超級ID等：車這個場景僅次于家，是重中之重。

拿騰訊的TAI3.0來說，騰訊著重發力騰訊愛趣聽和騰訊隨行，致力于打造完整的內容生態：聽歌、聽新聞、聽廣播......可以說，百度和車企相爭自動駕駛，阿里著重發力物流智能自動駕駛，而騰訊在后：自動駕駛成熟后，才是騰訊的重頭戲。

BAT自動駕駛的現狀：同樣的困境，轉舵與落地難

對比BAT自動駕駛布局，無論最初的目的和著力點是什么，近幾年，BAT的自動駕駛布局卻面臨著同樣的困局：致力于轉舵、落地，然而落地非常困難。

先說先驅者百度對自動駕駛的布局： 早在2013年，百度就主導研發了以“百度汽車大腦”為核心的自動駕駛核心技術，著重布局自動駕駛。從芯片到整車，整條產業鏈均有布局。優勢是核心技術：從感知硬件到高精地圖再到AI算法，均跑在自動駕駛前端。 

拿地圖來說，百度2013年起就開始研發高精地圖，是為數不多具備量產能力的高精地圖數據提供商。而AI算法上，百度于2017年3月成立的智能駕駛事業群，全球申請專利達960項，位列國際尖端。

而近幾年，百度自動駕駛從技術研發轉向落地：

2015年12月，百度自動駕駛車首次實現城市、環路及高速道路混合路況下的全自動駕駛；次年7月，百度實現L4級自動駕駛，同年獲得美國加州政府頒發的全球第15張自動車牌照。

2017年4月，百度Apollo平臺發布，至今已與90余家車企、汽車配件公司、自動駕駛公司達成合作，其中與金龍客車合作研發的量產車型將于今年面世。

重點是2018年，百度Apollo自動車正式亮相。2019年，從年初 CES 發布 Apollo Enterprise 企業版，更新可支持復雜城市道路自動駕駛的 Apollo 3.5 開始，到長沙 Robotaxi 大規模路測上線。不難發現，Apollo開始逐漸轉舵，落地成為重心所在。

而拿將電商感知和城市監控的積累沿用到了自動駕駛的阿里來說，其重心發力的自動駕駛分支——智能物流，也呈現出急于落地的勢頭。比如今年阿里云的云棲大會，著重推出的物流機器人小蠻驢就是成果之一。

小蠻驢是阿里巴巴達摩院推出的第一款末端物流機器人，目標是提供最后三公里配送，為用戶打造更智能的收件體驗。據阿里云稱，此“驢”其集成了達摩院最前沿的人工智能和自動駕駛技術，大腦應急反應速度達到人類7倍。

不看看出，阿里自動駕駛領域的積累技術“物盡其用”地用在了小蠻驢上：小蠻驢能在復雜的末端場景中行駛、避障、轉彎、急停、會車、倒車等等。機器人識別數量上百的行人、車輛的意圖只需0.01秒；遇到危險需要急停時，只需0.1s大腦就能完成決策、規劃并下發控制指令。

在感知方面，小蠻驢有大腦決策、冗余小腦、異常檢測剎車、接觸保護剎車、遠程防護等五重保障。如果遇到機器解決不了的場景，還有第二種方案：遠程云代駕。 

值得注意的是，阿里強調，小蠻驢可量產——可以規模化商用。由于算法自研和深度定制，小蠻驢在整體成本上實現了大幅下降，成本僅為業內其他原型產品的1/3甚至1/10，且隨著供應鏈進一步整合和激光雷達等成本降低，成本還會進一步降低。

而對于騰訊來說，走的一直是“集大成者”的投資者路數，在自動駕駛領域也不例外。在汽車行業中，騰訊的投資遍地開花：電動車制造、二手車交易等等，而對于自動駕駛以及其捆綁的重頭戲——車聯網業務，騰訊依然走全面開花路線。

對整車研發，騰訊相繼入股特斯拉、蔚來、威馬等造車企業和廣汽等傳統車企；同時，對于高精地圖等技術板塊，騰訊也以入股等形式補全板塊——如在高精地圖方面，騰訊可以以四維圖新高枕無憂。

同時，對于技術上的突破，騰訊在背后給“小弟”們支持。如騰訊在10月12日舉辦了《中國自動駕駛仿真藍皮書2020》發布儀式以及研討會，就“自動駕駛下半場如何突圍”進行了探討，達成的共識是：

我國自動駕駛技術正處于由輔助駕駛向無人駕駛進化的新階段，自動駕駛走向廣泛應用的下半場已然開啟。在這一過程中，虛擬仿真技術發揮著不可替代的作用，是突破自動駕駛技術落地瓶頸的“利器”。

這也反應出一個悖論：自動駕駛這幾年落地是當務之急，然而，落地之難使三岔路的BAT在此處殊途同歸，一起卡在了瓶頸。

自動駕駛的困局和危思

落地難不止在于技術。正如中國工程院院士李德毅所說，自動駕駛的安全問題不可忽視：“在自動駕駛時，遇到了人不能處置的問題，控制權如何交接？在交接的過程中責任事故又由誰來認定？”

說到安全事故，事故頻出的特斯拉自動駕駛系統免不了要被拉出來“公開處刑”：比如此前，特斯拉在自動駕駛狀態中撞上渣土車的事件廣受關注。 

特斯拉車主稱，“正常行駛的特斯拉Model 3，開啟AutoPilot完全自動駕駛功能，在深圳南坪快速東行方向道路上行駛，右前方行駛的渣土車突然并道而來，而他的Model 3在自動駕駛系統的控制下，非但沒有停下來，反而加速沖了上去。”

而特斯拉官方表示，“根據后臺調取的數據，在事故發生時車主的雙手處于脫離方向盤的狀態，并且沒有檢測到制動信號。” 

也就是說，特斯拉認為，即使開啟了自動駕駛系統，車主也要時刻專注于駕駛。“就目前來說，自動駕駛技術還沒有達到完美的階段，對車輛駕駛負主要責任的依舊是駕駛員，駕駛員應該保持對駕駛的專注度。” 

對于此結論，特斯拉車主表示并不能接受：特斯拉FSD存在視覺盲區本身就是硬件缺陷，而出現事故，卻讓車主背鍋。

也因此，大眾對自動駕駛的接受度不高：根據Autotrader和凱利藍皮書子公司CoxAutomotive的調查，49%的美國人表示不會購買L5級別的全自動駕駛汽車。

“21世紀最具顛覆性的技術當數無人駕駛，不過，自動駕駛+智能網聯真能解決問題嗎？我們要打上一個問號。”李德毅表示。 

同時，即使不是車輛的自動駕駛，物流領域的自動駕駛全面鋪開依然困難重重：

首先，“最后一公里”一直是最為棘手的環節：路況復雜，充滿不確定性，對作為真人的快遞小哥來說尚且交通事故頻發，更何況是機器。所以，在最大程度保證安全的情況下，勢必會降低效率。 

這就導致了第二個問題，成本高：如果鋪開物流機器人的成本遠高于人力成本，那么大規模商用勢必會被無限期推遲。

不止如此，現實世界永遠比建模世界更為魔幻。巨頭們和研發人員要直面最殘酷且現實的質疑： 

“小孩子們在物流機器人上玩耍，玩壞了怎么辦？”

“有人直接把物流機器人連機器人帶包裹一起偷走怎么辦？”

“物流機器人掉進沒有井蓋的下水道中怎么辦？” 

所以，你會發現，巨頭們早就研發出了初代物流機器人，但遲遲無法大規模商用，只能在小范圍、小規模內使用：

拿阿里來說，事實上，早在2016年就推出了無人配送機器人小G：一臺可以在陸地上行走的機器人，身高1米左右，大概能裝10-20個包裹。只要通過手機向小G發出服務需求，他便會規劃最優配送路徑，將物品送到指定位置，用戶可通過電子掃描簽收。 

當時的報道稱，強大的算法讓小G擁有像人類一樣思考的能力，它會觀察周邊的復雜環境，并在系統中建立自己所看到的多維世界。走在路上，小G也能動態識別環境的變化，它不僅能識別路上的行人、車輛，還可以自己乘坐電梯，甚至它能夠感知到電梯的擁擠程度，它是絕對不會跟人搶電梯的。

2018年，小G升級為G plus，時速可達15公里/時。當時，阿里表示將大規模商業化推廣：然而一直未能落地。 

此外，就算是小范圍應用的倉儲機器人，也面臨著安全事故等問題：

拿18年，美國新澤西州亞馬遜倉庫發生的重大機器人事故來說：據ABC新聞報道，因機器人在倉庫里刺穿了一罐9盎司的驅熊劑，導致24名亞馬遜員工被送往醫院治療。其中一人傷勢嚴重，另有30名工人在現場接受治療。 

事后，亞馬遜在英國的數據也被翻了出來，資料顯示，從2015年到2017年，救護車被呼叫到亞馬遜倉庫超過了600次。 

事實上，不難理解，擁堵在自動駕駛落地路口的BAT心情之焦灼。因為背后，是大規模的燒錢——李德毅曾說：“現在自動駕駛很火，火到什么程度？簡單來說就是燒錢！”

據美國布魯金斯學會統計，2014~2017年，全球自動駕駛領域的投資總額超800億美元。獨立智庫的統計數據也顯示，2017年投到自動駕駛技術領域的資金，占全球汽車科技行業投資總額的七成多。 

所以，知乎上才會有高贊回答預判：“最多五年，如果突破不了目前的瓶頸，投資者就會大規模撤出這一領域，也就是無人駕駛涼涼的那一天。” 

事實上，對于處于瓶頸期的巨頭來說，沒有勝利可言，挺住意味一切：一方面，推進自動駕駛的小范圍應用，如限定場景應用、智能輔助駕駛；一方面，繼續燒錢研發，等待自動駕駛技術全面突破、完全落地那一天的到來。

返回第一電動網首頁 >