Robotaxi，世界首富的新战场？

最近，马斯克对于他的「 主战场」 推特的收购，可以说占尽了新闻头条。不过对于身处汽车圈的我来说，似乎对他在上周的特斯拉 Q1 财报会上的另一个预告更感兴趣，就是那个 「 没有刹车、没有方向盘、使用成本比公交车还便宜」 的车型。 这不就是特斯拉版的 Robotaxi 么？ 十多年来，自动驾驶领域经历了几波高潮与低谷：在网约车兴起时代，Robotaxi 几乎同时兴起，一时间自动驾驶初创公司们都盯上了 Robotaxi 的生意。然而随着落地艰难的现实，Robotaxi 的行情也被逐渐冷却。 那些当初投身其中的公司们，有的选择商用场景，比如「 自动驾驶第一股」 的图森未来，更多精力投入在自动驾驶客车卡车上，同样选择这个商用场景的还有赢彻科技、希迪智驾等；有的选择多线并行路线，比如进军自动驾驶巴士、自动驾驶园区物流车等领域的文远知行；或是「 降维打击」，与整车厂合作将自动驾驶技术降维应用在量产车的 L2+级别辅助驾驶上。 仍然坚守在 Robotaxi 领域的，几乎都是「 家底深厚」，比如 Waymo、Cruise，国内的 Apollo、小马智行，被亚马逊收购后加入 Robotaxi 领域的 Zoox，以及刚刚预告的特斯拉。如今的 Robotaxi，几乎成了首富们的新战场。  商业化边缘艰难试探的 Robotaxi，家底深厚的「 游戏」 「 自动驾驶是一场马拉松，现在还不到 5 公里。」 在去年底与博世 XC 事业部中国区总裁李胤的对话中，他曾这样形容目前的自动驾驶，这也代表了行业内一部分人的看法：自动驾驶是一条很长的道路。 正是因为路途漫长，我们看到不少主机厂在量产车上并没有那么着急和激进，因为还有足够的时间来完善；但也正是因为路途漫长，自动驾驶玩家们才更加着急，它们需要汲取「 养料」 来支撑自己走完全程。 商业化落地，是获取「 养料」 的最佳途径，无论是处于商业目的，还是技术需求。 因此，卡车、园区、矿场，这些场景相对简单、路线相对固定的常用场景，就成了自动驾驶抢滩登陆点。通过扩大自动驾驶产品适用范围，降低落地门槛，来保障自家算法的持续进化。 但是这些看起来简单的场景，实际落地中并不简单。一方面，类似自动驾驶卡车虽然突发场景的概率低，但是载着几十吨重物的车辆遭遇突然闯入的障碍时，对系统的紧急反应能力提出了更高的挑战。 另一方面，就不得不说自动驾驶抢先落地的第二个需求： 借助多重场景为算法迭代，来不断完善算法，对技术进行反哺。 自动驾驶是一个极度「 吃」 场景的技术。对于建立在人工智能算法之上的自动驾驶公司来说，以数据「 养」 算法是驱动算法升级迭代的不二法门，特别需要数据的多样化。无论是卡车、矿山，还是物流园区，自动驾驶车辆的测试和运营场景显然与乘用车的使用场景有不小的区别。 如此看来，Robotaxi 代表的不只是网约车、出租车的市场前景，而是未来能够直接在乘用车上复用的测试场景和技术，几乎可以说是自动驾驶全面铺开的必经之路。这就不难理解，为什么 Robotaxi 几经低谷，依然有人在这个领域坚守，甚至有新玩家加入进来。 但天下没有免费的午餐，Robotaxi 虽好，想吃下这碗饭却难。 作为自动驾驶头部企业的 Waymo，在上个月获得了在旧金山及周边提供收费客运服务的许可证。在经历了 2016 年至今累计 57 亿美元的融资后，似乎终于看到了商业化落地的曙光。在此之前，Waymo 只能在凤凰城进行小规模的收费运营。 在国内获得了商业化测试资格的百度 Apollo 和小马智行，除了前期的体验外，如今的测试也采取 一折的方式，通过补贴鼓励大家来体验。 与自动驾驶前期动辄十几亿、几十亿的投入相比，如今的小规模商业化，更像是企业对于自身运营能力的测试，要想真正通过商业化输血，还言之过早。 因此，与其说 Robotaxi 是「 首富们」 的战场，不如说在这各战场中留下来、活下去的，除了过硬的技术外，深厚的家底也不可或缺。 从 0 到 1 难，从 1 到 100 更难 在很多领域都有这样一个规律，从 0 到 1 难，不过突破了 1 的门槛，从 1 到 100 就容易得多。不巧，在自动驾驶商业化这件事上好像并不适用。 「 车、技术、运营，三者缺一不可。」 前不久，国内某自动驾驶公司负责人这样向 GeekCar 形容 Robotaxi 落地的难度。对于任何一家做 Robotaxi 的公司来说，需要过硬的自动驾驶技术，需要一定规模、可靠且成本可控的车队，需要让车辆与用户需求匹配的运营能力。 提到技术层面，不得不说现阶段自动驾驶的评判标准：测试里程、车辆接管次数和平均接管里程。根据美国加州交通管理局 DMV 发布了 2021 年度自动驾驶数据报告显示，提交年度报告的 26 家企业，累计行驶里程超过 400 万英里，相比前一年翻了一倍。几家头部玩家的平均接管里程能达到几千甚至几万公里。 几千公里不需要人工干预，听起来似乎系统已经智能到足以应对日常通勤。不过要知道这些指标大多在规定范围和路线下测试获得。而对于自动驾驶来说，车队规模、不同的路测环境复杂程度和运营范围，都影响系统发挥。小范围测试得出的数据终究无法以点代面来推广的，而那些日常中并不常见的突发场景，才是现阶段自动驾驶测试中宝贵的有效样本，是自动驾驶领域常常挂在嘴边的 cornercase。 而要获得更多有效样本，需要多场景、大规模的测试来从 1 扩展到 100。 好在这两年看到全世界范围内对于自动驾驶商业化的「 开绿灯」。 前边提到，在美国除了此前允许商业化运营的凤凰城外，上个月开始洛杉矶及周边也允许商业化测试运营； 4 月 28 日北京市智能网联汽车政策先行区向百度 Apollo 和小马智行颁发了首批「 无人化示范应用道路测试」 通知书，两家企业可以在「 主驾位无安全员」，尽在副驾驶位置有安全员的自动驾驶出行服务，测试范围也从原本的 20 平方公里扩大到 60 平方公里，纳入了更丰富、更复杂的城区道路场景。 从 20 平方公里，到 60 平方公里，在身边无人驾驶的测试范围在一点点扩大，Robotaxi 的商业化也在一步步推进，这是一段艰难但无法跳过的路。 于此同时，车和运营能力也不可或缺。这也导致了目前的自动驾驶公司，通过与主机厂共同打造的量产车的方式得到 Robotaxi，或者自己打造测试车。 去年百度 Apollo 发布的 Apollo Moon 与极狐合作，将车辆的成本压缩至行业的三分之一，压缩之后，成本依然需要 48 万元。而选择技术、车辆、运营全部自己抓的 Waymo，每辆测试车的成本高达百万人民币。难怪外媒同行们在凤凰城体验 … 继续阅读