無人駕駛只是為了炫技嗎？不，有些是被逼急的

　　【太平洋汽車網 行業頻道】自動駕駛系統將成為未來整個智能汽車產業皇冠之上的明珠，這已經形成相當廣泛的共識。所以能夠看到，近年來各路勢力摩拳擦掌地殺入這一賽道，除了傳統汽車企業、造車新勢力汽車、互聯網巨頭之外，更有大量的初創公司。

        車企們對其趨之若鶩便是理所應當的，筆者之前在《屹立潮頭的特斯拉，奮勇的大眾，焦慮的豐田》（點擊標題查看）一文中曾提到：未來智能電動汽車和智能手機一樣，都是一個移動電子設備，而自動駕駛系統就相當于智能電動汽車里的IOS系統或者安卓系統，將來哪個汽車公司的自動駕駛系統要是能夠達到IOS系統那樣的生態統治力，那么未來市值很有可能比蘋果公司還要高。

        而站在互聯網巨頭和初創公司們的角度來看，自動駕駛技術的造富潛力也足以讓人前赴后繼。通用汽車公司總經理拉里·伯恩斯（Larry Burns）曾預計，如果率先做到無人駕駛的公司能夠從每年3萬億英里的汽車行駛里程中獲取10%份額，并且每英里收取10美分服務費用，那么一年收入能夠達到300億美元。這是什么概念呢？相當于2019年百度全年營收的兩倍。

        所以與其說自動駕駛是一片藍海，不如說是一座明晃晃的金山，赤裸裸展現在眼前。

        幾乎所有正兒八經研究自動駕駛技術的公司，都有一個共同終極目標，便是實現L5級完全自動駕駛。不過，在路徑選擇方面，可謂各顯神通，從這些參與者當中，筆者大致歸為三大派系，分別是漸進式、變革式和特定場景式（分法不唯一）。

        所謂漸進式自動駕駛，顧名思義就是一步一個腳印，像打怪刷級一樣，慢慢從低級自動駕駛邁向高級自動駕駛。傳統汽車企業、新勢力造車企業和汽車零部件巨頭，都走這個路線，差異在于，傳統汽車企業和汽車零部件巨頭一般都是從L1級自動駕駛起步，而新勢力造車企業屬于后人乘涼，可以直接上L2級自動駕駛，甚至是L3級自動駕駛。

        變革式自動駕駛之所以配得上“變革”二字，在于他們跳過了低級階段，直接以L4級自動駕駛為研發目標。這一派系參與者主要是互聯網巨頭和初創公司，包括Waymo（前谷歌無人駕駛部門）、百度、Cruise、 ZOOX、 Argo AI、 Aurora、Uber、滴滴等，他們不以短期盈利為目的。

谷歌在2014年推出的“螢火蟲”無人駕駛微型電動車

        特定場景式自動駕駛相對來說有些默默無聞，但實際卻是一股不可忽視的力量，甚至另外兩個派系里面的部分公司也參與其中。

        特定場景式自動駕駛有很多種，比如露天礦區的無人駕駛礦山車、港口與大型工廠的無人駕駛運輸車、景區與機場的無人駕駛巴士、園區的無人駕駛環衛車、生活小區與寫字樓的無人駕駛快遞車等等。它們有兩個共同特點，就是低速行駛和封閉范圍運營，因而實現難度相對比較小，也沒那么依賴于相關法案落地。

        網絡上流行鄙視鏈的說法，如果非要在自動駕駛派系中列出鄙視鏈的話，應該便是變革式>漸進式>特定場景式。但實際上，特定場景式自動駕駛領域卻反而風生水起。

        正所謂，不看B格看療效。

        漸進式自動駕駛離我們的生活最近，現在乘用車市場的主流水平已經達到L2級自動駕駛，在未來的2-3年內，極有可能普及L3級自動駕駛。可即便如此，還是無法讓人從駕駛操作中解放出來，依舊任重而道遠。

        變革式自動駕駛曾經一度是開掛般的存在，站在資本大佬們用鈔票鋪就的飛毯之上，仿佛要直上云霄。然而，這個領域需要投入的人力、資金，遠比想象中要多；需要突破的技術壁壘和政策壁壘，也超出預期。今年疫情更是宛如下了一場大冰雹，硬生生把它們砸回地面，不少風光無限的自動駕駛公司，不得不裁員、降薪或者賣身。

今年6月，自動駕駛初創公司ZOOX被亞馬遜收購

        誠然，這股力量構建了一副美好的未來出行藍圖，而與之伴隨的，是很大的不確定性，此間參與的很多公司看似光鮮亮麗，實則如履薄冰。

        相比之下，在聚光燈之外的特定場景式自動駕駛沒有那么高大上的概念，也沒有太多的關注度，背后資金支撐也遠不如其他派系，卻在角落里茁壯成長著。其中的原因，無非就是市場與技術足夠匹配。

        市場方面，從事特定場景式自動駕駛的公司主要著眼于短期目標，以解決切實且緊迫的行業痛點為導向。目標客戶是那些急切希望降低成本、提高效率的生產型企業或商業運輸企業，而非個體消費者。

        技術方面，特定場景式自動駕駛的共同特點是低速行駛和封閉范圍運營，這就意味著，它們不需要采集天量數據，不需要做天量模擬試驗，不需要大規模的道路配套裝置，傳感器和處理器等關鍵零部件的規格要求沒那么高，調度系統的復雜性也沒那么夸張。

        基于企業客戶意愿強和技術實現難度偏低這兩點便可以預測，其中一部分場景的技術壁壘突破和正式商業化，或許將近在眼前，尤其是在圈內已經眾望所歸的無人駕駛礦山車和無人駕駛港口運輸車。

        在露天煤礦區當礦山車司機是一種什么樣的體驗？

        關于這個問題，筆者當然沒有親身經歷過，但通過網絡資料了解到，這是一份常人難以長期忍受的工作。

        以鄂爾多斯為例，這個位于內蒙古自治區的城市，探明煤礦儲量足足占據全國的六分之一。然而，要在這里采煤，不得不面臨極端氣候的問題，比如夏天酷熱、冬天極寒，還有頻繁光顧的風沙，可以想象，作業環境有多么惡劣。

        不單單如此，在煤礦區駕駛礦山車還是一份機械重復性高、危險性高的工作。

        礦山車司機每天要操作著一臺龐然大物，在深坑和土堆之間反復來回，面臨著多重風險。第一重是吸入甲烷、含硫有害氣體、礦物粉塵引發的塵肺病，第二重是車輛顛簸導致的腰椎間盤突出，第三重不幸翻車所帶來的難以想象的后果。

        現如今，哪怕一個月給出一萬多的工資，礦山車司機也越來越難招。據悉，內蒙古鄂爾多斯某露天煤礦區有700多名司機，曾經在一年內流動的就有過半。

        而比司機流動性高更嚴重的是，90后年輕人都不愿意去干這個活，司機難招的問題將來還會愈演愈烈。

        我國是人口大國、工業大國，用電量需求非常大，2019年總發電量達到71422億千瓦時，為世界第一，比2-4名的美國、印度、俄羅斯加起來還要多，其中差不多6成電量都來自燒煤的火力發電廠。

       如果沒有足夠的礦山車司機，或者說頻繁出現礦難拖累生產，那么作為“工業糧食”的煤產量就會下降，接著負面影響進一步傳導至發電量，再到整個社會經濟基本面。

        所以毫無疑問，無人駕駛礦山車的實現迫在眉睫。哪怕短時間內成本無法降到人力以下，煤礦企業也有超強的意愿去擁抱無人駕駛。

        在國內，無人駕駛礦山車是最近兩三年才出現的新物種，在澳大利亞、加拿大、巴西等國家的礦山上（以鐵礦為主），則早已經形成了商業化。2008年以來，美國卡特彼勒公司和日本小松公司兩家工程機械制造企業，便陸陸續續投放了大約300輛大型無人駕駛礦山車。

        與國外的無人駕駛礦山車市場由工程機械制造企業主導不同，我們國內目前是由特定場景自動駕駛初創公司來牽頭實現，慧拓智能和踏歌智行便是這個細分領域的佼佼者。

        “礦山大門一關，里面就完全沒有任何人了。”這是無人駕駛礦山車研究人員對于這一領域所描繪的理想場景。但眼下顯然還達不到這種程度，當務之急是先實現礦山運輸卡車的無人化，畢竟這類駕駛員的數量占據著一個煤礦總人數的70%-80%。

        在對礦山車無人化改裝上，各家的做法大同小異，也跟乘用車自動駕駛很相似。利用激光雷達、毫米波雷達和攝像頭的組合來感知、識別障礙物，利用高精度地圖、高精度定位以及V2X通信讓車輛行駛精度時刻保持在厘米級別，并通過自動駕駛芯片和算法，進行信息處理和決策。

        最大難點在于煤礦區的地形環境較為復雜，并且還會隨著挖掘進度隨時發生變化。所以要保證幾百臺礦山車在這個區域里做到順暢無誤地自動作業，就必須有一個高效、精確的綜合調度系統，這也是目前各家在努力攻克的。

        商業前景方面，2019年全國原煤產量38.5億噸，其中露天煤礦貢獻約10億噸，按平均每產一噸原煤需要剝離7-8方土計算，土方運輸總量為70-80億方。提供自動駕駛方案的公司若按運輸成本4.5元/方向礦企收取服務費用，那么市場體量為315-360億元/年。

        相比公路運輸和乘用車自動駕駛而言，這個市場蛋糕偏小，但關鍵是玩家數量也不多，因而悶聲發財機會大。

        再者，這個市場一旦形成行業壁壘，便比較難被打破。因為如果在特定場景式自動駕駛中也列一條鄙視鏈的話，煤礦區無疑處在最底端，試想一下，連年長司機都待不下去的地方，又有多少年輕研究人員愿意來此呢？

        “我們現在所吃的苦，就是以后的護城河”，一位該細分領域從業者如是說道。

        無人駕駛目前除了礦山之外，最可能在短期內實現商業化的場景就是港口運輸。相比前者，這條賽道的市場大得多，技術難度更低，工作環境也沒那么惡劣，于是更受自動駕駛公司們青睞。

        中國是世界第一大出口國和第二大進口國，2019年吞吐量前30名的中國集裝箱港口，年吞吐量都在100萬標箱以上（千萬標箱級別的共有7個），在不久未來，這些港口的核心區域，大概率都將擁抱無人駕駛。

        還值得一提的是，中國港口運營商的事業版圖不僅限于國內，還有海外。比如招商局集團，就在全球18個國家共運營著38個大型港口，集裝箱年總吞吐量超過1億標箱。因此，對于國內自動駕駛公司來說，這是一個巨大的市場蛋糕。

        港口，給人的印象總是忙碌的，事實上，其忙碌程度甚至超過預想。據悉，國內最大的幾個港口，都擁有超過1000輛重型卡車，每輛卡車需要24小時連續作業，雇傭4名司機3班倒，意味著需要數千名卡車司機每天做著重復性工作。

        在這個場景下，無人化的意義不言而喻。

        無人駕駛港口運輸車的行駛環境具有平坦、寬闊、車流規則度高的特點，所以實現L4級自動駕駛技術難度相對較低，未來核心目標在于探索更高效、更安全的運營方案。

        目前，這個領域的參與者已經形成了一套由商用車制造公司、自動駕駛初創公司、港口運營公司三者協同的主流合作模式。當然，也有商用車制造公司獨立開發自動駕駛系統。

        2018年2月，中國重汽集團與主線科技、天津港集團聯合簽署天津港智能無人駕駛港口集裝箱純電動牽引車研發與示范運營項目。同年4月份，中國重汽研發的無人駕駛電動集裝箱卡車，在天津港試運營。

        2019年8月，上汽紅巖自主研發的5G智能重卡在上海洋山深水港首秀，并完成了全球首次5G+AI智能化港區作業任務。

        2020年8月，比亞迪聯合暢行智能共同打造了一支無人駕駛電動集裝箱卡車車隊，在粵港澳大灣區的首個5G智慧港——招商局媽灣智慧港建設交工后的第一時間，完成了從碼頭面到堆場的第一箱實際卸船作業任務。

        在這個無人駕駛港口運輸車細分領域中，能夠跟大型港口合作的自動駕駛初創公司幾乎可以說半只腳踩在飛黃騰達的踏板上，但如果僅僅是提供技術和方案的話，形成不了長久護城河。因為隨著自動駕駛技術成熟，將來很有可能被港口運營方組建的自有團隊取代。

        對于暢行智能與主線科技們而言，未來要么橫向突破，發展城際間的長途集裝箱貨運，甚至進一步考慮將觸角伸到乘用車自動駕駛領域；要么縱向往下游延伸，通過自行采購卡車組建無人駕駛車隊，為更多港口以及其他場景提供重資產型運營服務。

        特定場景式自動駕駛還有很多種，這里就不做一一介紹。

        遵循低速載物<低速載人<高速載物<高速載人這個難度等級，我們基本可以判斷，率先實現無人駕駛的將會是無人駕駛礦山車、無人駕駛港口運輸車以及封閉園區內的無人駕駛環衛車，其次是景區與機場的無人駕駛巴士，這些都屬于低速的特定場景式自動駕駛。

        至于前面提到的無人駕駛快遞車、送餐車，理論上商業價值很高，但這個細分領域目前的尷尬之處在于，企業端表現得特別積極，恨不得早點能夠通過它們來減少人力成本。反觀消費者端，卻是一副不太care的態度。畢竟，當大家都習慣快遞、外賣送到家門口的時候，還會愿意下樓從小車里取東西嗎？

        當然，這類無人駕駛車可以先從醫院、商場、學校、辦公園區等公共場景業務做起，等將來社會發展到相應程度，也許大有可為。

阿里巴巴旗下“小蠻驢”無人快遞車

        最后不得不說，國內的大多數自動駕駛初創公司從特定場景入手，是非常明智的選擇。這樣一來，可以避免跟科技巨頭們以及巨頭所扶持的變革式自動駕駛公司狹路相逢，并通過迅速商業化獲得第一桶金，接著便有機會將細分領域技術做深、做透，以及爭取商業模式上的護城河。

        簡而言之，先落地、高筑墻、廣積糧。畢竟，未來科技巨頭們以及巨頭所扶持的變革式自動駕駛公司是否會來降維打擊他們，誰也說不準。下一篇系列文章，我便會為大家介紹變革式自動駕駛，敬請期待。

（文：太平洋汽車網 朱仕永）