自动驾驶发展路径解析

背景：大部分车企和科技企业都计划在2019～2020年推出L3级自动驾驶，例如“广汽新能源计划在2019年推出L3级自动驾驶量产车型；百度Apollo和小鹏汽车计划在2020年推出L3级别的自动驾驶汽车；奇瑞争取在2019年底和2020年完成功能开发，实现L3级自动驾驶汽车量产”等等，但也有企业如车和家提出跨过L3，直接做L2.5和L4，还有Waymo和通用也是直接做L4。因为L3是一种有限条件下的自动驾驶，一方面让驾驶员开车更轻松，但同时又要求驾驶者随时从放松的状态马上切换到注意力集中的状态来处理突发状况，一旦发生事故权责也很难界定。

结合实际的用车场景和需求、技术进展，自动驾驶发展路径到底会如何演进？企业该如何应对？ 

2018年对于自动驾驶行业来说是里程碑式的，在崇尚科技方面，美国几个自动驾驶的巨头都纷纷组建独立的自动驾驶运营公司。

 福特汽车将为其自动驾驶汽车业务创建一个单独的公司Ford Autonomous Vehicles LLC，并正在寻求外部投资者。福特计划在2030年之前对其投资40亿美元，包括去年向Argo AI宣布的10亿美元投资，预计2021年推出自动驾驶汽车。

 今年5月份，通用汽车将其自动驾驶部门Cruise Automation进行了类似独立化的运作，而软银愿景基金将向通用汽车自动驾驶部门Cruise Automation投资22.5亿美元，占有19.6%的股份。

 Google把Waymo独立运行，将会组成美国三大自动驾驶公司的格局，独立运行的三大自动驾驶公司将肩负着美国汽车产业进入自动驾驶产业运营的步伐。

如下图所示：

图1 北美地区的自动驾驶的完整体系的公司

第一部分 汽车企业的自动驾驶规划

如果我们更深层次罗列一下整个自动驾驶方面汽车公司的计划，都是相当激进的。总的来说，从L3以上的层级，各个汽车公司都把自动驾驶作为未来汽车发展的科技树来点的，这些宣布的实现或者量产，更多的是从培养工程能力、做技术储备角度来做的。

如以下表格所示：

表1 各个车企的目标

以通用汽车为例，以10亿美元的价格收购了位于旧金山的一家名为Cruise Automation的小型软件公司（致力于研发无人驾驶技术），将利用这次收购将补足自己在无人驾驶上的技术空缺，从而将帮助通用在无人驾驶汽车领域中赢得一席之地。事实上，这样一来就分成了两条线，原来基于L2不断迭代升级的Super Cruise是一个分支

辅助驾驶原有的工程团队是采用渐进式路径进行开发的，在之前的积累上，开发了L2级别的驾驶辅助系统Super Cruise超级巡航，在自身的体系下，当时叫的是CSAV2, Comprehensive Safety and Adaptive Vehicle 2。Super Cruise是由自适应巡航系统、蓝线保持系统、以及驾驶员注意力保持系统三部分构成。 

图2 原有L2的演进是有极限的

另一个分支给予Cruise CEO Kyle Vogt足够的自主能力和影响力，不仅能保持原有的独立的运作机制，也能轻松获得汽车设计和底层架构，Cruise的工程师可以与通用工程师密切合作，通用汽车向政府请求批准，明年开始生产没有方向盘或踏板的改装Bolt。按照未来的形态，基于Bolt的开发也是一个暂时的状态，最终的自动驾驶车辆将会以SAV的形式出现。如下图所示，是按照共享的运营模式，设计出来符合要求的电动车辆，从而把电动汽车与自动驾驶，充分发挥运营模式的优势。

图3 Cruise Automation在引入软银投资以后独立性更强了

第二部分 场景和服务的考虑

从交通和复杂的地理纬度来考虑问题更合适，我们需要给自动驾驶系统予以一定的限制，才能有除了测试场之外一个相对明确的目标。这个明确的目标可以指引这个公司在一个方向上去迭代自身的系统，把相关的内容做细，而不是追求一个很全的很的系统。目前能够发挥现有系统的技术能力和效用的是在限定场景下实现的。所以我们看到，往L2往上走，往地理纬度的城市复杂道路段很难做，这就根据这里的需求来做服务。而把L2和接近L3的辅助驾驶功能限制在Geo 3和Geo4的维度。

图4自动驾驶所考虑的限定场景分析

谷歌旗下的 Waymo 正式拿到美国首个商业自动驾驶打车服务执照，2018年1月，亚利桑那交通部正式批准 Waymo 的交通网络公司地位。拿到执照后，Waymo 的自动驾驶版克莱斯勒 Pacifica 就展开商业的用车服务，能在亚利桑那接送乘客了，用户可通过手机应用或网站叫车。在自动驾驶的领域里面，可以分区域去对比技术和实施者联盟。在整个阵营里面，美国这边的思路总体是直接采用全栈的自动驾驶技术，把车辆集成之后通过打车服务推向市场。欧洲总体是偏向于演进的技术，日韩处在跟随期；中国这里是几个具体往前推，在硅谷为支撑点也是往前进行。基于出发点不同，自动驾驶落地的时间和应用的节奏也会出现大的差异。目前来看，以美国技术公司主导的技术方向会操作更快一些。在未来的技术分工中包含：

 Layer 5: 内容和服务提供商Content & Services Provider 

 Layer 4: 移动服务提供商 Mobility Provider 

 Layer 3: 车队运营者 Fleet Operator

 Layer 2: 整车企业Automotive OEM 

 Layer 1: 自动驾驶系统提供商 Self-Driving System Provider 

整车企业做自动驾驶，开发高阶的自动驾驶的软件和相关联的联盟，最终的目的是要能够成里自己的子公司，进入第一层核心层自动驾驶系统提供商，然后根据自身的影响力去整合车辆制造，往后端的车队运营和移动服务的提供商开始渗透。

而高科技公司，如Waymo，则尝试从第一层开始往上走，与美国汽车经销商AutoNation达成了协议，由他们来管理和维护自己的自动驾驶车队。把位于凤凰城克莱斯勒的Pacifica自动驾驶车队外包给了安飞士巴吉进行维护，提供车队提供常规换油、存放以及清洁等服务。车辆制造，则是从FCA和捷豹路虎购买车辆进行改装。

不同的商业部署模式对公司的建立自动驾驶的相关内容也完全不同，如下图所示在2018~2019年部署相关的自动驾驶服务，哪怕是小范围的都需要集中在驾驶里程和城市环境&驾驶工况上做很多的积累。这也是Waymo和GM在自动驾驶里程和测试车队上面比较领先的原因。通过这个阶段的优化，在2018年开始两家都会在一定范围内展开商业运营。从这个层面来看，需要有政府的运营许可，开了这个头以后，接下来的路径会相对更为清晰。这方面Waymo跑得更快：

 Waymo与初创保险公司Trov建立合作，为自动驾驶保驾护航；Trov将为使用Waymo无人驾驶服务的乘客提供各项商业保险，包括财务损失险、行程延误险、医疗费用报销等项目。

第三部分 中国这边的情况

中国的特殊情况，包括大量的老龄和无驾照人口，为通过自动驾驶满足私享出行创造出强劲的需求。政府也有动力推广自动驾驶汽车，考虑到这将带来显而易见的好处，如缓解城市交通拥堵以及减少污染。 自动驾驶出租车运营成本或将远低于当前的按需出行服务，而到2030年中国的自动驾驶出租车总收入或达到当前的新车销售水平。中国的道路安全现状远不如发达国家。政府将智能网联汽车视作提升道路安全的一个重要途径。中国的驾照普及率在主要国家中最低。人口的迅速老化和老年抚养比的上升催生了对私享出行的需求，而专职司机供应将受到限制。

未来10余年的时间里自动驾驶技术将为大众市场所接受。到 2030 年，自动驾驶各生态系统将实现 1.3-2.8 万亿美元的总收入。中国在自动驾驶出租车市场和自动驾驶相关收入中分别占 35%和 25%的份额，多重因素的共同作用将令自动驾驶在中国市场的吸引力提升，同时也将提高中国在自动驾驶竞赛中的竞争力。这些因素包括：

1）中国人口日趋老龄化且无驾照人口占比高；

2）道路交通事故率高；

3）超大型城市存在拥堵和污染问题；

4）中国政府有较为积极的战略；

5）监管环境宽松；

6）公众乐于接受新技术；

7）通信基础设施优良；

8）相关企业反应快，资本市场看重创新

从车辆来看，未来随着电动汽车的综合成本摊销，在每公里的运行中，其成本节约还是很明显的。而自动驾驶系统则取代了司机的人力成本，未来自动驾驶移动出行服务能够达到耕低的成本。按照信息整合模式的自动驾驶出租车将提供一种更经济和体验更好的出行服务。

从技术层面来看，不同的整合者的竞争将在工程设计、测试验证和软硬件设计层面展开。不同层级的公司，都在向投资者和公众阐明未来的技术进展的预期。说实话，随着Waymo进入中国，中国车企也和其他汽车企业一样宣布202X年能达到L3或者L4没有太大的意义，需要根据国内的实际的情况来调整技术储备和运营实践结合的路子。确定谁是开发主体，构建核心的软件和系统整合能力，尽量把国内能用上的技术培养起来。这块的国外技术，很难买回来。

目前的技术路线之争，主要是基于激光雷达的自动驾驶系统和基于摄像头的自动驾驶系统，一条较高硬件成本和一条较低硬件成本在实践中不断的竞争和比较，这对于芯片、算法和系统的整合和测试能力要求比较高。

 激光雷达：基于激光，在纵向与横向分辨率均较高，擅于区分物体（区分宽度和高度）

 摄像头 ：利用摄像头创建车辆周边环境的图像，之后利用高级算法对环境和潜在障碍物做出解析。 能够辨识环境并对物体做出分类，能计算物体的尺寸。

图5 自动驾驶是感知和计算平台在车辆的整合过程

小结：自动驾驶在中国国内不好做，现在都处在建立测试设施、在传感器和相关的芯片技术上做尝试阶段，但是中国对于自动驾驶技术的需求还是很迫切的。在当下的环境里面，如何破局是最难的。