0
雷锋网新智驾按：从6月开始，新智驾联合雷锋网 · AI 慕课学院、网易云课堂企业版举办了智能驾驶系列讲座，邀请业界、学界顶尖专家一起分享关于自动驾驶现在与未来的多样见解。6 月 28 日，地平线机器人技术智能驾驶商务总监李星宇与自动驾驶从业者们一起分享了《自动驾驶商业化在中国的机会和挑战》，与学友们就国内自动驾驶行业面临的诸多问题进行了细致的讨论。
嘉宾介绍
李星宇，地平线机器人技术智能驾驶商务总监，拥有13年半导体行业经验。曾在飞思卡尔负责大中华区汽车业务市场开拓，在娱乐导航领域建立了坚实的业务基础；加入飞思卡尔早期，他主要在 i.MX 应用处理器研发团队，负责存储系统开发，并在该领域取得一项 NAND Flash 存储应用美国专利。入职飞思卡尔之前，李星宇在士兰微电子负责安全芯片的公钥加密引擎设计，该引擎的 RSA/ECC 加解密性能在国内处于领先水平。
以下为课程实录，雷锋网新智驾对其内容进行了整理，并做了不改变原意的调整：
一. 年轻一代拥抱共享出行
共享出行是最近业界谈论非常多的出行方式。在美国，年轻一带更倾向于拥抱共享出行，从数据上来看，1983 年，美国 20-24 岁的年轻人中拥有驾照的占 92%，但今天，这个比例降到了 75%，并且还在持续下降。
今天，互联网背景下的年轻人对共享出行的接受度明显比上一辈要高，他们的诉求是省钱、高效、便捷。
共享出行的潜力究竟有多大。罗兰贝格在《 2018 年中国共享出行市场分析》中说到，如果中国所有汽车都共享，将产生 8 倍于公交系统的运力。麦肯锡也提出，到 2030 年，共享出行将承载旅客周转量的 50%，这意味着，人们一半的出行需求是以共享方式满足的，而现在这个比例甚至不到 10%。同时，共享出行也会成为一个从消费者端出发，向上游传递的变革，从而影响汽车产业链的每一个环节。
二. 城市共享出行的发展趋势
最开始作为网约车平台出现的滴滴，之后逐步提供顺风车和快车的共享出行方式，到现在，越来越来的分时租赁公司出现，上海有 EVCARD，重庆有盼达汽车，北京有 car2go......越来越多的公司蓬勃发展起来，并赢得资本的青睐，我相信，未来中国将会出现一个端到端无缝出行的态势。
什么叫端到端的无缝出行？就是从居住场所，到工作、购物、出差等目的地，中间从共享汽车、共享单车，到共享巴士、无人巴士，一直到高铁，可以做一个无缝连接。
综合性的交通枢纽会是未来城市发展的一个趋势，它相当于提供了一个巨大的缓存区和连接桥梁，将不同的出行需求归结到一起。
这样一个愿景背后，我们也看到了很多发展趋势。比如，现在的共享出行市场每年大概不到 700 亿元，但是到 2019 年将可以增加到 3800 亿元。
以 EVCARD 为例，它在很短的时间内就积累了 40 万用户，并且这个增长率是以每年至少翻番的速度来推进的。同时，它自己运营的纯电动汽车也在以这个速度进行推进，甚至可以到达 3 倍的规模。这种增长也是消费者强烈需求的驱动。
城市里拥有私家车的成本在上升，这是大背景。比如在上海，要想拥有一家私家车，我们需要一个车位，需要拍车牌，这还只是固定投入。从时间成本上看，停车时间大概需要 20-30 分钟，效率很低。
共享汽车提升了汽车的利用率，其每天的运行时间可以超过 12 个小时，而一辆私家车平均每天的使用时间一般也就 2 个小时。
在共享出行蓬勃发展的背景下，业界对自动驾驶的需求也更为强烈，根本原因是自动驾驶可以提升共享出行的竞争力。首先，它降低了成本，这是第一位的。不过也要看到，虽然共享出行的利用率提升了很多，但它的维护成本高，运营商们同样面对着运营的巨大挑战。
共享出行的交通是从拥有私家车到拥有服务，我们将其定义为 Taas 1.0 阶段，在 2.0 阶段，我们将其定义为自动驾驶的共享出行。
三. 自动驾驶的商业化应用场景
我们看到了自动驾驶迫切的商业化需求，但在迈向这样一个端到端的自动驾驶目标之前，眼下的落地还只是在一个相当局限的场景里去实现的。
1. 自动驾驶的商业驱动力
从政府的层面来看，其对自动驾驶的态度是非常积极的。最近我密集拜会了政府各个部门的领导，最有感触的一点就是，政府已经充分意识到了自动驾驶对于整个城市交通效率的提升作用。
另一方面，从利益角度出发，自动驾驶可以有效提高土地利用率。一个产业新城的建立，大概 30% 的土地会用在交通上，而这 30% 的土地又主要是为私家车服务。这是很大的问题。如果我们更多使用共享出行，土地利用率会大幅度上升，从而使得交通应用的土地从 30% 以上降到 15%，甚至更低，这对城市管理者来说有着巨大吸引力。
从交通管理的角度来讲也是一样。现在停车场事实上造成了一种被动的拥堵，每次快到乘车时，快到达目的地时，人们会自动降低车速，从而造成拥堵。共享出行则不需要专门寻找停车位，整个交通运行效率会提升很多，这也是智慧城市建设的目标之一。
同时，智能驾驶作为产业的关键浪潮，也有助于实现本地政府的产业升级目标，因此也可得到政府的大力支持。
消费者看中的是共享出行的成本和效率。根据摩根斯坦利的数据，共享出行的成本从每英里 1.5 美元降到了每英里 20 美分，在中国差不多也是这种情况。
2. 自动驾驶的应用场景
在应用场景上，自动驾驶主要有两个类型，一个自动驾驶巴士，一个是自动驾驶的小型车。
在中国有很多产业新区和特色小镇，多是从一张白纸开始构建，所以在交通基础设施方面，可以预先为自动驾驶做出规划。这样的条件使得自动驾驶商业化运用可以从很好的基础展开。我们最近跟行业很多人沟通，发现很多产业新区都有一些试运行的自动驾驶计划展开。
中国还有一个不同于欧美的地方是，中国的单个城市体量都很大，上海、北京人口都超过 2000 万，这么大的城市，通勤需求是非常旺盛的。这样的密度对自动驾驶的商业化会产生核聚变效应，当规模和密度到达一定水准时，市区内的通勤在商业上就会变得有利可图。所以繁忙地段公交有非常强烈的自动驾驶需求。
我们曾经跟一个新区政府交流过，他们的产业新区离地铁站较远，偏郊区，所以他们希望在地铁站到园区之间有一段自动驾驶的路段，使通勤变得方便。
在乘运车方面，更多来自共享需求。整体来看，中国的自动驾驶落地跟美国有很大区别，中国现在是低速驾驶优先，在北美则是高速驾驶优先。去年，Uber 在货运车领域收购了 Otto，并且做了成功的自动驾驶货运车实验。
在美国，货运车人力成本较高，因此有强烈的自动驾驶需求。中国巨大的城市群、高人口密度则使低速自动驾驶更具吸引力。
在中国，一方面高人口密度让商业化落地有利可图，但另外一方面，技术的挑战也非常大。企业最开始落地时，大都是从一个封闭的环境开始。驭势科技在广州白云机场进行了自动驾驶的试运行，主要是机场通道内的封闭服务。另外也有一些在繁华地段的停车场进行的自动驾驶，原因在于停车场相对比较容易改造，环境也比较封闭，能够做一些条件上的限制。
四. 共享出行的运营公司及其面临的挑战
在滴滴时代，很多共享出行公司是轻资产运营，更多是提供交易平台，对接需求和服务，但在眼下的分时租赁市场，这样的模式其实不太可行，像 EVCARD 和绿狗，他们都是批量购买新能源车辆，重资产运行。
这种模式在资金上是很大的挑战，2 万辆车可能就需要 10 亿的投资，但另外一个好处是，掌握车辆以后，企业也会得到充分的竞争力，可以很好地调配资源，满足用户需求。
在运营成本和用户体验上，永远会有一个矛盾。用户需要一个完美的分时租赁服务提供端到端的解决方案，也就是任意点取车，任意点停车，但现在其实还做不到这点。一些技术能力差一点的公司，会倾向于在同一个网点停车，这会造成很大的不便。
像 EVCARD 这样的公司因为部署的网点比较多，已经可以做到任意两个网点取车停车，用户体验往前推进了一点，但还远远不够。
比如，用户租了车，到目的地找到一个停车网点，最开始的时候发现有停车位，但可能走过去已经没有了。这是非常麻烦的。这种情况下，如果能够使用自动驾驶服务，体验就会好很多。从 A 到 B 是一个点到点的关系，不用关心取换车的网点是不是在附近。
运维方面，现在分时租赁基本都是新能源车，这就有一个充电的问题。而且通常为了照顾用户需求，白天不太方便充电，只能夜晚充电，但是充电桩也是很大的挑战。充电桩都大量部署在城市外围，夜间需要把用户的还车移到郊区，这个环节要人力完成，成本很高，如果有自动驾驶，就可以方便很多。
这里面还有一个问题，在中国，泊车是一个很大痛点，像上海淮海路这样的热门区域，平均一次就需要半个小时，这里，自动驾驶将可以提供一个很好的解决方案，用户只需要把车开到车库入口处，剩下的事情就是让车自动停。
国外自动驾驶运营商
法国的 Navya
这是一家初创公司，也是在城区做固定线路运营。他们很重要的一点是，运用了 5 年的商业合同捆绑购买的商业模式。事实上，我们在其它地方也会注意到这样的条款，因为在初期自动技术不是很到位，会有各种各样的问题，运营方最担心的就是安全问题，说到底就是对技术的怀疑。
法国的 EasyMile
也是一个初创品牌，他们的自动驾驶巴士商业化推进很不错，现在已经在全球 14 个国家的 50 个城市试运行。自动驾驶巴士现在多半是小巴，17 个人以下，这里面有一些考量，比如巴士储存太大的话，安全方面会有隐患，另外，车越大自动驾驶的难度也越大。
日本的 SB Drive
它们的巴士运营地区主要在农村、远郊道路。日本老龄化严重，对老年人的出行服务，政府有财政补贴，自动驾驶则能够减轻政府的财政压力。
从这一点来看，自动驾驶具有高度的地域性，它的商业化不可能像传统汽车这样，使用同一个套路在不同地区实现。原因很简单，自动驾驶本身是去人力化，各个国家人力成本不同，使用的方式不一样，客户要求也不同，所以每个国家的自动驾驶都需要从产品和需求出发，去找合适的解决方案。
美国 Local Motors
去年开始，在华盛顿到拉斯维加斯都进行了测试，这家公司在制造方面很有特色，它使用 3D 打印制造电动车。从这点看，自动驾驶使车辆设计得到很大优化，因为不再考虑高速下动力学的问题。这家公司使用的是 IBM Watson 的智能学习平台。
奔驰
奔驰的自动驾驶商业化比起创业公司要更全面，无论是共享出行、巴士、重卡，都有相关的布局。
从以上运营的实例来看，自动驾驶催生了全新的车型，自动驾驶巴士外形都非常可爱，而且明显与常见巴士有很大外观差异。这事实上是有一个雅俗的考虑，即在技术还不够成熟的时期，需要有一种简单的方式去提醒行人和车辆，这是一辆自动驾驶的车。
五. 如何应对自动驾驶商业化的安全性挑战
1. 渐进式发展道路
跟自动驾驶的相关客户去谈，客户永远会先问安全性。新技术不缺需求，政府推动的积极性很足，但无论是政府和业主都最关心安全性问题。
我们总结下来，认为渐进式的发展道路在应对安全性挑战方面是一个很关键的道路。什么叫渐进式发展？首先是限定速度，我们都了解 5 个自动驾驶的等级，事实上自动驾驶的发展，并不是从 L1、L2 到 L5 这样来发展的，而是以速度为标杆，从 10 公里、15 公里、20 公里，到30、50公里这样的方式去演进。这是因为，从根本上速度决定技术方案，不同的速度对于技术的考量是完全不同的。
2. 商业配套
在商业配套方面，保险公司的作用不可或缺，任何一个新业务，业主都不可能因为供应商的承诺打消对安全性的考量。同时供应商本身也需要保险公司对自动驾驶有一个基本保障，所以自动驾驶的商业化，保险公司是不可或缺的。当然，现在事实上保险公司也在试水，因为在缺少数据的情况下，很难进行计算模型的设计，更多还是一个实验。
3. 如何达到高可靠性？
从技术供应商的角度来看，像法国的 Navya，提供了一整套硬件，这其实非常有道理，现在为了达到高可靠性，需要改造硬件和环境。接下来，在试运行阶段，会有各种各样的场景，是在初期开发和验证过程中没有遇到的，所以这个时候提供一段时间的服务，最有利于可靠性的提升。
初期自动驾驶成本非常高，让用户一下拿出一大笔钱来支持自动驾驶的试运行，难度很大。也有一种模式是不要你车辆的钱，而是先提供服务，来降低使用门槛。
另外一方面也需要在技术上持续提高可靠性，企业很多时候在做实验的时候，是没有办法 cover 那么多产品的，这个时候要去提高可靠性，除了技术感知，像 Google 这样使用大量传感器来做自测，业界越来越认同的一件事是协同进化。
4. V2X：公路上的隐形铁轨
交通部最近在智能网联成立大会上表示，要大力推动 V2X 标准的制定，以及运营的落地。今天我还看到新闻，就是新一轮 V2X 已经在北京、上海全部部署完毕，推进的进度还不错。
我国还没有定下 V2X 的标准，但北美已经很明确了。当然协同进化的问题，就是你需要投入大量资金进行基础设施改造，这就存在一个鸡生蛋还是蛋生鸡的问题，你到底是先改好，再进行自动化驾驶的商业化运营，还是先确保车辆本身相当高的可靠性，再进行基础设施的改造。
现在看到更多的是，首先车辆达到一定的可靠性要求，接下来再进行小范围的改造，之后更大范围的改造一定在后面。
这个其实有大量历史案例可以参考，比如飞机，最开始在农田里做测试，后来才开始做塔台、安保措施，因为像这种大规模的基础设施投入，需要的资金非常大，若技术不成熟，所有投入都会打水漂，损失非常大。铁路方面也是一样，最开始除了铁轨，其它设施都没有，即使有铁轨，也只是一小段。
六. 政府政策推进情况
到目前为止，我国还是禁止自动驾驶的运行，在今天万众创新的大背景下，事实上政府采用了默许的态度。但要进行大规模的运营，法律的修改还是不可少的。
从技术来讲，高精地图是自动驾驶非常关键的部分，现在我国关于高精地图的管理还没有那么明确，如何去分发使用高精地图，现在还是很模糊，有些公司有告警地图，但没有办法通过线上方式分发地图。而且目前地图采集的方法非常有限，国家也停止了颁发新的地图采集牌照。
从世界范围来看，各国对自动驾驶基本上是鼓励的态度，美国的测试通讯已经在去年强制固定了，美国交通部也正在制定法律把 V2V 的普及率从前装移到后装。
其次，在责任认领方面也逐渐明确——自动驾驶的供应方是事故责任方。去年《维也纳道路公约》规定，自动驾驶系统是事故责任方。在监管措施方面，各国政府也在推进，未来黑匣子会是标配，用于事故分析。可以说，政策的推进力度直接决定了自动驾驶商业化普及的速度和规模。
我在跟行业玩家沟通的时候，被问最多的问题就是，自动驾驶到底什么时候可以普及。这个问题其实仰赖于多个环节变量，其中一个关键变量就是政府推进情况。比如说，刚才我提到法律法规的时候，比如 B2X 这样的基础设施部署，如果没有政府的推进，单单靠车厂和运营商是非常困难的。
七. 自动驾驶成本分析
目前为止，自动驾驶里面最重要的部分就是传感器和计算平台。传感器里面最贵的是激光雷达，它也是精度最高的，像 Google、百度完全用激光雷达做环境感知。
现在激光雷达的成本还是非常高，64 线基本没有量产的可能性，16 线的成本也是一个非常惊人的数目，接近 10 万；4 线的激光雷达在奥迪 A8 中已经得到了量产普及，但也只能在 A8 这样的高端车型上装。
所以现在激光雷达的成本是自动驾驶商业化普及中的关键成本，不过从时间上来看是乐观的，只要激光雷达的采购量达到一定规模，即使以现在的技术也可以降到 500 美元，未来随着固态激光雷达的发展，成本可降到 300 美元，最后甚至可以降到 100 美元以下。
计算平台方面，很多初创公司都是使用英伟达的的计算平台，这个平台非常昂贵，而且单单这个平台还不够，需要一个做中间控制的控制平台，现在通常使用的是像英特尔的这种系统，也是比较昂贵。
未来，越来越多定制化芯片会推出，比如英特尔会推出专门为智能驾驶开发的芯片组合，使计算平台成本降到几百美金以内。因此，总体来看，成本不是自动驾驶普及的关键瓶颈。乐观的估计，五六年之后，成本就不是量产的障碍。
八. 谁是赢家？车厂 VS 出行服务商
在共享出行的大背景下，车厂和出行服务商究竟谁是赢家？如果按照定制的路子走，车厂的用户会从 2B 转到 2C，运营服务商的采购量大，需求又比较统一，这会使得客户大幅度收敛。但是，现在几乎所有主流车厂也都在推出自己的自动驾驶品牌，从福特的 Pass，到 GM 的 Maven，再到大众，大型车厂全都在厉兵秣马，准备进军出行市场。
这些大型的 OEM 都是有一定优势的，比如品牌认知度方面的积累，车上的优势，技术的运维能力；出行平台的优势则是市场战略灵活，掌握了最终消费者。最近大众 CEO 穆勒表示，“大众将会从车企转型为出行服务提供商。”另一端，滴滴的 CEO 程维也称，“出行平台与硬件制造商必有一战。”
九. 自动驾驶应用领域-货运市场分析
在货运领域，相对来讲，北美和欧洲市场需求相当明确，美国有 350 万卡车司机，市场庞大，驾驶员平均年薪 6 万美元，平均年龄 55 岁，职业年龄空缺大，人力成本高，所以美国在货运市场的自动驾驶驱动力非常足。现在普通卡车不到 3 万美元就可以升级为一项自动驾驶货车。
中国则不同，在中国，需求更旺盛的是电商物流。
今天我参加汽车工程学会的一个论坛，看到智行者推出了一款自动驾驶物流车，用于小区内一公里范围内的配送，相当于一个移动快递柜。此外，在限定区域，港口、矿区等，自动驾驶的需求也比较旺盛。高速的需求却不是那么旺盛，因为卡车本身质量很大，如果技术可靠性不是那么好，一旦出事，就会很严重，这是现在货运市场的难题，尤其是中国的高速道路场景比北美的道路场景更为复杂。因此，目前中国在高速区的自动驾驶发展也小于小范围内的物流驾驶。
Q&A
问：怎么评价百度，驭势科技，图森这几个国内比较高调的自动驾驶公司？百度的阿波罗计划对中国的无人驾驶发展会有什么影响？
答：驭势科技正处在商业化探索的阶段，在广州白云机场已经有对应的项目落地，这对业界看清目前国内环境下的真正需求很有帮助。
图森主要是在货运车方面发力，但在这块也有很多技术方面的问题要克服，比较重型货车的测试等。
百度的阿波罗计划对于推动中国整个自动驾驶发展是非常有帮助的，它已经答应开放源代码，并有限度地去开放一部分数据，并且在高精地图方面也会开放自己的能力，这对促进整个业界发展有很大作用，可以避免很多重复工作。当然，这个计划现在还没有看到具体细节，实际落地的时候也可能会出现一大堆问题，比如如何建立一个活跃的开发者生态。
在自动驾驶方面，不同的公司对数据的敏感度不一样，小型公司对数据的敏感度没那么高，大型车厂对数据的敏感度则比较高，如何很好平衡对数据的诉求以及与大玩家之间的利益，是百度需要思考的。
问：如果百度利用阿波罗计划和车厂合作，对市场上的创业公司有没有影响？
答：肯定有影响，但是以正面为主。现在来看，百度的发展更倾向于通过数据和数据的增值服务盈利，而不是通过硬件。从这点讲，创业公司还是有很多机会。
另外，百度提供的技术只是一个基础，真正的商业化，对成本和可靠性的考量非常高，可以说，百度提供的是 Linux 系统，而创业公司应该去做 Windows 系统的开发。它可以借鉴 Linux 的东西，但要实现最终的商业化，还需要进一步的开发。
问：自动驾驶是汽车技术的发展，共享是出行的变革，两者之间有这么密切的联系吗？
答：首先，现在整个业界都倾向于认同共享是一个重要趋势，但如果没有自动驾驶，共享出行会出现很大的瓶颈。
其次，实际上，共享出行在去重资产化，准入门槛在变高。出行的需求是固定的，如果可以使用共享出行，可以减少共享车的使用量。德国曾经有过一个测试，5000 辆共享车就可以代替 50000 辆私家车。未来共享汽车会大大降低交通的压力。
问：前段时间的勒索病毒引发了大家对安全性的担忧，智能驾驶对黑客的防范性手段有哪些？
答：自动驾驶天然就是联网的，而且是多个维度的联网，其整个系统的线控化使得远程操控成为可能。事实上，现在在日本还有一种实践就是，远程控制汽车进行远程驾驶，也可以说是半自动驾驶。
客观来看，黑客入侵的风险是有的，在应对手段上，业界各个方面也都在推进，比如整个汽车的转向在从 cano 向 cawa 发展，现在使用的加密技术也可以迁移到汽车这端来，未来在汽车的每一个环节，都将是以一个加密的状态进行数据交互。
同时，汽车操控完整性的检测也会是一个关键需求。并且，汽车作为对公众安全有高要求的系统，有多个备份，可以做到物理上的隔离，互相交叉验证，进一步提高汽车安全的可靠性。
问：目前的自动驾驶领域会不会出现赢者通吃的状况？
答：自动驾驶商业化主题下，客户从 2C 转向 2B，个性化需求会减弱，因为运营公司考虑的并不是车的外观、内涵，而是车辆成本。现在品牌还很多，都有着自己的地域性受众，但是不是一家公司拿下全部市场也不一定，总体来讲，2B 会让车企竞争更加激烈。
问：无人驾驶的水平有一个评判标准和依据吗？
答：没有的，因为整个无人驾驶最难的就是验证而不是开发。企业往往是 10% 的时间在做开发，剩下 90% 的时间都在做验证。
这个问题其实可以转化为如何进行更高效的验证。之前有分析称，如果要达到高可靠性的自动驾驶，需要达到上千亿公里的测试，但从经济角度考虑，这个是完全不可取的。
业界目前都在进行的工作是在模拟器上快速推进，通过模拟器模拟不同场景来验证整个自动驾驶系统的可靠性，比如在现实交通环境下收集大量数据，把这些数据抽象的语音信息转到模拟器里，就相当于在模拟器里建立了交通运行的场景，可以测试自动驾驶系统的表现。
还有一种，就是基于环境的逐步放大，我们不能期待自动驾驶一开始就出来一个完备的车辆，更多的是限定区域，先在特定区域完成探测。
问：自动驾驶的实现对大型企业有哪些可预见的影响？
答：自动驾驶的初期肯定是面向 2B 的用户，因为只有 2B 的用户可以将自动驾驶的商业利益最大化。汽车的销量有可能会受到较大影响，大集团要维持今天这么大的市场规模不太容易。总体来说，竞争会更残酷，整合也不可避免，大集团生存下来的数量会比较少。
重磅预告：7 月 6 日，本系列讲座的第四期，我们将邀请速腾聚创创始人兼 CEO 邱纯鑫，讲解《自动驾驶新驱动力——点云算法如何释放激光雷达威力》，课程总结文也将在近期发布。
接下来，硅谷自动驾驶技术公司 Vector.ai CEO 蔡长柏（Andrew Tsai）还将为学员分别带来更多精彩分享，课程内容也将于 7 月 12 日上线，敬请留意雷锋网慕课学院。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
