自动驾驶“转向”落地商用车,“跨越式”的优势在消失

智能相对论

    文|智能相对论
    作者|leo陈
    攀登珠峰,传统路线有两条:一条是中国西藏的北坡,另一条是尼泊尔的南坡。不管选择从南坡还是从北坡攀登,最终都将到达同一个顶峰。这其实与自动驾驶行业的发展路径之间存在相似之处。
    对攀登珠峰的人而言,无论走哪条路线都不是容易的事。北坡一开始没有登山的感觉,更像是高海拔徒步,边走边欣赏风景;南坡会遇到昆布冰川,路线有时接近垂直,落石和雪崩的风险不小。相比于北坡,南坡冲顶时间短、攀登强度大,爬升和下降的海拔更高。
    这其实对应着自动驾驶行业的两条大的研发路径:一条是以车企为主的渐进式策略,一般从L1、L2开始,再逐步叠加高阶功能;另一条是以科技互联网企业为代表的跨越式策略,直接从L4、L5开始研发。而它们最终的目标都是登顶自动驾驶的顶峰——无人驾驶。
    在攀登过程中,自动驾驶行业发生了很大变化。投资人从疯狂中冷静下来,变得谨慎。与此同时,两条发展路径在商业化方面都遇到困难:比如Waymo,近期有包括CFO在内的9名高管相继离职;另一边比如有特斯拉,被曝出多次出现安全和市场问题。
    当下自动驾驶行业望着顶峰,每一条发展路径下的厂商都要面对问题做出选择,为了活下来。
    “跨越式”打法,商业化还是未知数
    自动驾驶行业的热度虽然高涨,但行业核心问题依然摆在眼前:距离商业化仍需时日,大部分企业也未实现盈利。在这一轮浪潮下,属于不同研发路径的厂商都要应对来自商业化的考验。行业发展至今,做出不同路径选择的玩家之间会有着天然的鄙视链。
    L4路线的坚定贯彻者比如Waymo,崇尚高举高打,意图直接断了人类驾驶员的后路,靠节省的人力成本直接盈利。Waymo的研发思路逐步演化为针对Robotaxi的开发,其离最终目标——无人驾驶,显然是更近的。
    可专注这一研发路径,光是技术难度就意味着企业需要更多融资与更多投入。所以对于它们而言,会希望自己能够抢占话题和资本高点,至少在阵势上不能输。
    有数据显示,Waymo母公司Alphanet每年在自动驾驶研发上的投入约为10亿美元。Waymo刚起步不久,就对外宣布引入除母公司以外的外部投资者,拿到了两笔共计30亿美元的外部融资。也是这个时候有消息传出,Waymo累计亏损已经达到50亿美元。
    诚然,作为行业头部且资金雄厚的企业,无人驾驶是它们相对容易触及的未来,大手笔砸钱可以被看做是帮助自己在下一个时代“跑马圈地”。但是,高级别自动驾驶好比“钞票粉碎机”,一些初创企业无法获得持续足够的资金支持,缺钱成为压倒他们的最后一根稻草。
    从2020年开始,就有一大批初创企业正在走下坡路。去年3月,StarskyRobotics在经历了融资失败、缩减车队、大幅裁员后停止运营并关闭;Nuro被曝寻求卖身,融资王Zoox传出裁员以及收购的消息。
    一位业内人士告诉「智能相对论」:“国外Robotaxi已经到了出清阶段,实力不足的玩家逐渐退场。Uber、Lyft就是典型例子,自动驾驶落地难、持续烧钱,作为上市企业退出也在情理之中。”
    “国内比国外走得慢,还处于群雄逐鹿阶段,要“广积粮”。如果企业现在不做大量融资,后面几年怎么存活?所以一些企业在各个方面疯狂造势,比如这次针对广州抗疫宣传无人车。”另一位业内人士这样说道。
    其还补充:“外界所见难免有被厂商包装出的效果,目前Robotaxi企业开放运营,其实还在Demo阶段,仍需要花费大量时间解决长尾问题。至于实现规模化、盈利化,目前依然不太可能。”
    从海外看到国内的未来,会有一个残酷的现实:行业融资狂热所带来的的繁荣,不可能支撑起所有玩家的梦想。初创企业走到这个阶段要明白,资本市场未来在“不能盈利的地方”所投入的资金是有限的,自身也不可能一直依赖融资来续命。
    最近百度CEO接受采访时表示,虽然越来越多的玩家入局,但是他们都低估了自动驾驶的研发投入,百度仅去年一年的投入就超过了200亿。而这可能需要10年甚至20年的长期投入。这样去想,小米造车先花三年投入100亿美元,资金似乎并不算充沛。
    行业目前共同认知是,在有融资支撑的同时,企业也格外需要创造收入。因为目前还没有人知道要烧多少钱,才能迎来大规模商业化的曙光。
    文远知行创始人兼CEO在接受腾讯科技采访时曾表示:“在投资之前,会问你如何做运营、看你的商业模型是什么、如何做到商业化落地,这样的问题在2019年开始越来越多。”这就意味着,投资人在投资自动驾驶项目时会更为谨慎,更关注商业化,而不是盲目砸钱。
    所以,对于从L4起步的玩家而言,必须寻找离商业化更近的道路。不仅仅是追求技术极致,更要求具备一定的造血能力。
    “渐进式”攻入腹地,“跨越式”的优势在消失
    有别于进入L4/L5级别自动驾驶领域,以ADAS为基础来挖掘市场潜力,可以说是“务实”企业的研发路径。这一方的代表企业如特斯拉,从L2入手,通过输出阶段性的智驾产品为下一代产品积累数据,迭代性的获得盈利的同时,逐步上攻。
    若以L3作为“渐进式”到“跨越式”的“水坝”,特斯拉为代表的企业其实就是“蓄水”,去冲击L3级自动驾驶边界。其打法也有一套自己的逻辑,通过数据积累,更新迭代来“蓄水”,从而一击冲破“水坝”,向L3以上级别去“释放”能量。
    过去,高级别自动驾驶的“信仰者”,应该都可以抛出一些直戳其痛点的问题:“人人都在做L4、L5自动驾驶,抓ADAS是否有出路”、 “当传统汽车供应商巨头将技术垄断,新晋企业如何能建立起自己的优势”等。
    现在,后者对高级别自动驾驶企业也会有嘲讽:“投入产出不成正比”、“短期内无法形成规模化”、“资本市场不具有可持续性”等。在「智能相对论」看来,自动驾驶技术太庞杂,细分赛道太多,产业链里的玩家都会有自己的一套核心打法和生存逻辑。
    除了特斯拉,国内一些车企也能够实现部分城市道路的自动驾驶。比如,今年小鹏发布NGP自动导航辅助驾驶,基于高精地图和导航系统,小鹏P7可以在高速公路和城市主干道发挥自动驾驶能力。
    据官方消息,小鹏P5搭载激光雷达后,其感知能力在原有基础上进一步提升,XPILOT 3.5版本升级NGP功能,适用范围拓展至了城市道路,并强化停车场记忆泊车功能的性能。
    除此之外,极狐阿尔法S华为HI版也在今年出现,搭载华为高阶自动驾驶ADS系统。华为自动驾驶总裁苏箐表示:年底量产的时候会提供北上广深四个城市的自动驾驶功能,其它城市则只能使用ICA+的模式,也就是介于自动驾驶和定速巡航之间的状态,便于机器去学习交通环境和自构图。
    对比两种技术路径,可以明确的一点是,针对乘用车的ADAS有可以落地的商业模式。而“跨越式”打法,针对Robotaxi的商业模式依然不清晰。这样的话,不同的技术路径具体到产品时,双方具备的盈利能力自然会有明显的分化。
    而基于不同的盈利能力,“渐进式”给“跨越式”带去的冲击也是显而易见的。选前者的企业在攀登顶峰——无人驾驶时,可以“沿途下蛋”,持续推出逐渐接近可替代驾驶员的自动驾驶产品。从而,能够给自身积累充足的数据和现金流。
    企业紧握这些“粮草”,又可以继续“冲顶”无人驾驶。由于采取“渐进式”,企业其实是无限逼近无人驾驶的,加上现有的积累助力,这个过程是一种“正向循环”。倘若最后,“无人驾驶”这个顶峰谁都无法征服,至少这部分企业可以在当下活得更好。
    反观Waymo这边,发展Robotaxi多年还主要局限在“凤凰城地区”。直接将自己置于L4的位置,却没有足够的数据去做好这件事。更何况,也没有人知道多少数据才是足够的。因此相较于“渐进式”,“跨越式”并不连贯,是有泡沫存在的,倘若无人驾驶这一设想最后不能被验证。
    “转向”落地商用车,这条路也难言轻松
    Robotaxi依然很遥远,“跨越式”打法的玩家必须找到商业化更近的路。自动驾驶行业快速发展,除了之前提及的难题,大家最初还忽略了一点,国内市场的发展不仅有很强的地域性,且受政策的影响很大。
    不少自动驾驶相关企业,尤其是初创企业,正在尝试利用其它场景去加速商业化。这些场景比如有,高速公里、室内物流和封闭园区,在其中落地自动驾驶卡车、无人配送小车等产品。这个方向十分有现实意义,似乎是“跨越式”打法玩家在期待未来后,做出的一些“务实”。
    比如自动驾驶卡车,原则上开发比自动驾驶汽车要简单一些,这是因为卡车与乘用车行驶轨道不同,卡车(尤其是长途拖挂车)通常遵循固定路线,并且大部分时间都驾驶在高速公路上,而不像一般道路那样复杂。
    与此同时,卡车较大的尺寸天然为自动驾驶提供了更多的可能性,可以使用大尺寸计算机,配备更多灵活传感器(可以将传感器安装在离地面更高的位置),提供更充足的动力支持,并提供了更好的视野,这些特性使自动驾驶卡车比自动驾驶汽车更早商业化。
    包括自动驾驶卡车,它们都为自动驾驶提供了“练兵场”,但在实际推进过程中,企业遇到的挑战仍不少:
    一方面,简单场景其实不简单。虽然相比城市道路的复杂多变,物流或封闭区域内的交通相对简单,但这些场景对自动驾驶算法“深度”要求很高,甚至超过城市道路。
    比如卡车,不同于汽车,需要能够提前感知到更多情况。高速公路对卡车急刹车等行为的限制,使得高速公路自动驾驶卡车对超远距识别、敏捷度和判断力等要求更高。可主流的自动驾驶汽车配备感知距离在200米左右的激光雷达,不足以应对高速行驶的自动驾驶卡车。
    另一方面,场景所有方不一定对初创企业完全开放。初创企业借用场景收集数据,但场景所有方关注的问题并不比合作企业少。
    场景所有方要考虑自身是否适合自动驾驶落地,自动驾驶的成本下降潜力是否能覆盖我的投入,以及场景数据开放程度应该是多少。物流就是很好的例子,场景数据是物流企业业务的核心部分,对数据开放自然十分谨慎。尤其是行业头部企业,几乎很难与初创企业去达成合作。
    总而言之,L4/L5级别自动驾驶商业化之路困难重重,充满变数,不同技术路径也有各自需要解决的挑战。选择“务实”,转向商用落地也并非易事。自动驾驶行业狂热但高度不确定,玩家仍需时刻明确自身战略和商业模式,并有效调整,这个至关重要。
    参考资料:
    1. 自动驾驶商业化遇现实尴尬 仍需“输血”为何受资本热捧?.每日经济新闻
    2. 自动驾驶被未来“绑架”.汽车公社
    3.2021麦肯锡中国汽车行业CEO特刊.麦肯锡
    *本文图片均来源于网络