雷鋒網新智駕按：從6月開始， 新智駕聯合雷鋒網 · AI 慕課學院、網易雲課堂企業版舉辦了智慧駕駛系列講座， 邀請業界、學界頂尖專家一起分享關於自動駕駛現在與未來的多樣見解。
嘉賓介紹
李星宇， 地平線機器人技術智慧駕駛商務總監， 擁有13年半導體行業經驗。 曾在飛思卡爾負責大中華區汽車業務市場開拓， 在娛樂導航領域建立了堅實的業務基礎；加入飛思卡爾早期， 他主要在 i.MX 應用處理器研發團隊， 負責存儲系統開發， 並在該領域取得一項 NAND Flash 存儲應用美國專利。 入職飛思卡爾之前， 李星宇在士蘭微電子負責安全晶片的公開金鑰加密引擎設計， 該引擎的 RSA/ECC 加解密性能在國內處於領先水準。
以下為課程實錄， 雷鋒網新智駕對其內容進行了整理， 並做了不改變原意的調整：
一. 年輕一代擁抱共用出行
共用出行是最近業界談論非常多的出行方式。 在美國， 年輕一帶更傾向於擁抱共用出行， 從資料上來看，
今天， 互聯網背景下的年輕人對共用出行的接受度明顯比上一輩要高， 他們的訴求是省錢、高效、便捷。
共用出行的潛力究竟有多大。 羅蘭貝格在《 2018 年中國共用出行市場分析》中說到， 如果中國所有汽車都共用， 將產生 8 倍於公交系統的運力。 麥肯錫也提出， 到 2030 年， 共用出行將承載旅客周轉量的 50%， 這意味著， 人們一半的出行需求是以共用方式滿足的， 而現在這個比例甚至不到 10%。 同時， 共用出行也會成為一個從消費者端出發， 向上游傳遞的變革， 從而影響汽車產業鏈的每一個環節。
二. 城市共用出行的發展趨勢
最開始作為網約車平臺出現的滴滴， 之後逐步提供順風車和快車的共用出行方式， 到現在， 越來越來的分時租賃公司出現， 上海有 EVCARD， 重慶有盼達汽車， 北京有 car2go......越來越多的公司蓬勃發展起來， 並贏得資本的青睞， 我相信， 未來中國將會出現一個端到端無縫出行的態勢。
什麼叫端到端的無縫出行？就是從居住場所，
綜合性的交通樞紐會是未來城市發展的一個趨勢， 它相當於提供了一個巨大的緩存區和連接橋樑， 將不同的出行需求歸結到一起。
這樣一個願景背後， 我們也看到了很多發展趨勢。 比如， 現在的共用出行市場每年大概不到 700 億元， 但是到 2019 年將可以增加到 3800 億元。
以 EVCARD 為例， 它在很短的時間內就積累了 40 萬用戶， 並且這個增長率是以每年至少翻番的速度來推進的。 同時， 它自己運營的純電動汽車也在以這個速度進行推進， 甚至可以到達 3 倍的規模。 這種增長也是消費者強烈需求的驅動。
城市裡擁有私家車的成本在上升，這是大背景。比如在上海，要想擁有一家私家車，我們需要一個車位元，需要拍車牌，這還只是固定投入。從時間成本上看，停車時間大概需要 20-30 分鐘，效率很低。
共用汽車提升了汽車的利用率，其每天的執行時間可以超過 12 個小時，而一輛私家車平均每天的使用時間一般也就 2 個小時。
在共用出行蓬勃發展的背景下，業界對自動駕駛的需求也更為強烈，根本原因是自動駕駛可以提升共用出行的競爭力。首先，它降低了成本，這是第一位的。不過也要看到，雖然共用出行的利用率提升了很多，但它的維護成本高，運營商們同樣面對著運營的巨大挑戰。
共用出行的交通是從擁有私家車到擁有服務，我們將其定義為 Taas 1.0 階段，在 2.0 階段，我們將其定義為自動駕駛的共用出行。
三. 自動駕駛的商業化應用場景
我們看到了自動駕駛迫切的商業化需求，但在邁向這樣一個端到端的自動駕駛目標之前，眼下的落地還只是在一個相當局限的場景裡去實現的。
1. 自動駕駛的商業驅動力
從政府的層面來看，其對自動駕駛的態度是非常積極的。最近我密集拜會了政府各個部門的領導，最有感觸的一點就是，政府已經充分意識到了自動駕駛對於整個城市交通效率的提升作用。
另一方面，從利益角度出發，自動駕駛可以有效提高土地利用率。一個產業新城的建立，大概 30% 的土地會用在交通上，而這 30% 的土地又主要是為私家車服務。這是很大的問題。如果我們更多使用共用出行，土地利用率會大幅度上升，從而使得交通應用的土地從 30% 以上降到 15%，甚至更低，這對城市管理者來說有著巨大吸引力。
從交通管理的角度來講也是一樣。現在停車場事實上造成了一種被動的擁堵，每次快到乘車時，快到達目的地時，人們會自動降低車速，從而造成擁堵。共用出行則不需要專門尋找停車位元，整個交通運行效率會提升很多，這也是智慧城市建設的目標之一。
同時，智慧駕駛作為產業的關鍵浪潮，也有助於實現本地政府的產業升級目標，因此也可得到政府的大力支持。
消費者看中的是共用出行的成本和效率。根據摩根斯坦利的資料，共用出行的成本從每英里 1.5 美元降到了每英里 20 美分，在中國差不多也是這種情況。
2. 自動駕駛的應用場景
在應用場景上，自動駕駛主要有兩個類型，一個自動駕駛巴士，一個是自動駕駛的小型車。
在中國有很多產業新區和特色小鎮，多是從一張白紙開始構建，所以在交通基礎設施方面，可以預先為自動駕駛做出規劃。這樣的條件使得自動駕駛商業化運用可以從很好的基礎展開。我們最近跟行業很多人溝通，發現很多產業新區都有一些試運行的自動駕駛計畫展開。
中國還有一個不同于歐美的地方是，中國的單個城市體量都很大，上海、北京人口都超過 2000 萬，這麼大的城市，通勤需求是非常旺盛的。這樣的密度對自動駕駛的商業化會產生核聚變效應，當規模和密度到達一定水準時，市區內的通勤在商業上就會變得有利可圖。所以繁忙地段公交有非常強烈的自動駕駛需求。
我們曾經跟一個新區政府交流過，他們的產業新區離地鐵站較遠，偏郊區，所以他們希望在地鐵站到園區之間有一段自動駕駛的路段，使通勤變得方便。
在乘運車方面，更多來自共用需求。整體來看，中國的自動駕駛落地跟美國有很大區別，中國現在是低速駕駛優先，在北美則是高速駕駛優先。去年，Uber 在貨運車領域收購了 Otto，並且做了成功的自動駕駛貨運車實驗。
在美國，貨運車人力成本較高，因此有強烈的自動駕駛需求。中國巨大的城市群、高人口密度則使低速自動駕駛更具吸引力。
在中國，一方面高人口密度讓商業化落地有利可圖，但另外一方面，技術的挑戰也非常大。企業最開始落地時，大都是從一個封閉的環境開始。馭勢科技在廣州白雲機場進行了自動駕駛的試運行，主要是機場通道內的封閉服務。另外也有一些在繁華地段的停車場進行的自動駕駛，原因在於停車場相對比較容易改造，環境也比較封閉，能夠做一些條件上的限制。
四. 共用出行的運營公司及其面臨的挑戰
在滴滴時代，很多共用出行公司是輕資產運營，更多是提供交易平臺，對接需求和服務，但在眼下的分時租賃市場，這樣的模式其實不太可行，像 EVCARD 和綠狗，他們都是批量購買新能源車輛，重資產運行。
這種模式在資金上是很大的挑戰，2 萬輛車可能就需要 10 億的投資，但另外一個好處是，掌握車輛以後，企業也會得到充分的競爭力，可以很好地調配資源，滿足用戶需求。
在運營成本和用戶體驗上，永遠會有一個矛盾。使用者需要一個完美的分時租賃服務提供端到端的解決方案，也就是任意點取車，任意點停車，但現在其實還做不到這點。一些技術能力差一點的公司，會傾向於在同一個網點停車，這會造成很大的不便。
像 EVCARD 這樣的公司因為部署的網點比較多，已經可以做到任意兩個網點取車停車，使用者體驗往前推進了一點，但還遠遠不夠。
比如，用戶租了車，到目的地找到一個停車網點，最開始的時候發現有停車位，但可能走過去已經沒有了。這是非常麻煩的。這種情況下，如果能夠使用自動駕駛服務，體驗就會好很多。從 A 到 B 是一個點到點的關係，不用關心取換車的網點是不是在附近。
運維方面，現在分時租賃基本都是新能源車，這就有一個充電的問題。而且通常為了照顧用戶需求，白天不太方便充電，只能夜晚充電，但是充電樁也是很大的挑戰。充電樁都大量部署在城市週邊，夜間需要把使用者的還車移到郊區，這個環節要人力完成，成本很高，如果有自動駕駛，就可以方便很多。
這裡面還有一個問題，在中國，泊車是一個很大痛點，像上海淮海路這樣的熱門區域，平均一次就需要半個小時，這裡，自動駕駛將可以提供一個很好的解決方案，用戶只需要把車開到車庫入口處，剩下的事情就是讓車自動停。
國外自動駕駛運營商
法國的 Navya
這是一家初創公司，也是在城區做固定線路運營。他們很重要的一點是，運用了 5 年的商業合同捆綁購買的商業模式。事實上，我們在其它地方也會注意到這樣的條款，因為在初期自動技術不是很到位，會有各種各樣的問題，運營方最擔心的就是安全問題，說到底就是對技術的懷疑。
法國的 EasyMile
也是一個初創品牌，他們的自動駕駛巴士商業化推進很不錯，現在已經在全球 14 個國家的 50 個城市試運行。自動駕駛巴士現在多半是小巴，17 個人以下，這裡面有一些考量，比如巴士儲存太大的話，安全方面會有隱患，另外，車越大自動駕駛的難度也越大。
日本的 SB Drive
它們的巴士運營地區主要在農村、遠郊道路。日本老齡化嚴重，對老年人的出行服務，政府有財政補貼，自動駕駛則能夠減輕政府的財政壓力。
從這一點來看，自動駕駛具有高度的地域性，它的商業化不可能像傳統汽車這樣，使用同一個套路在不同地區實現。原因很簡單，自動駕駛本身是去人力化，各個國家人力成本不同，使用的方式不一樣，客戶要求也不同，所以每個國家的自動駕駛都需要從產品和需求出發，去找合適的解決方案。
美國 Local Motors
去年開始，在華盛頓到拉斯維加斯都進行了測試，這家公司在製造方面很有特色，它使用 3D 列印製造電動車。從這點看，自動駕駛使車輛設計得到很大優化，因為不再考慮高速下動力學的問題。這家公司使用的是 IBM Watson 的智慧學習平臺。
賓士
賓士的自動駕駛商業化比起創業公司要更全面，無論是共用出行、巴士、重卡，都有相關的佈局。
從以上運營的實例來看，自動駕駛催生了全新的車型，自動駕駛巴士外形都非常可愛，而且明顯與常見巴士有很大外觀差異。這事實上是有一個雅俗的考慮，即在技術還不夠成熟的時期，需要有一種簡單的方式去提醒行人和車輛，這是一輛自動駕駛的車。
五. 如何應對自動駕駛商業化的安全性挑戰
1. 漸進式發展道路
跟自動駕駛的相關客戶去談，客戶永遠會先問安全性。新技術不缺需求，政府推動的積極性很足，但無論是政府和業主都最關心安全性問題。
我們總結下來，認為漸進式的發展道路在應對安全性挑戰方面是一個很關鍵的道路。什麼叫漸進式發展？首先是限定速度，我們都瞭解 5 個自動駕駛的等級，事實上自動駕駛的發展，並不是從 L1、L2 到 L5 這樣來發展的，而是以速度為標杆，從 10 公里、15 公里、20 公里，到30、50公里這樣的方式去演進。這是因為，從根本上速度決定技術方案，不同的速度對於技術的考量是完全不同的。
2. 商業配套
在商業配套方面，保險公司的作用不可或缺，任何一個新業務，業主都不可能因為供應商的承諾打消對安全性的考量。同時供應商本身也需要保險公司對自動駕駛有一個基本保障，所以自動駕駛的商業化，保險公司是不可或缺的。當然，現在事實上保險公司也在試水，因為在缺少資料的情況下，很難進行計算模型的設計，更多還是一個實驗。
3. 如何達到高可靠性？
從技術供應商的角度來看，像法國的 Navya，提供了一整套硬體，這其實非常有道理，現在為了達到高可靠性，需要改造硬體和環境。接下來，在試運行階段，會有各種各樣的場景，是在初期開發和驗證過程中沒有遇到的，所以這個時候提供一段時間的服務，最有利於可靠性的提升。
初期自動駕駛成本非常高，讓用戶一下拿出一大筆錢來支持自動駕駛的試運行，難度很大。也有一種模式是不要你車輛的錢，而是先提供服務，來降低使用門檻。
另外一方面也需要在技術上持續提高可靠性，企業很多時候在做實驗的時候，是沒有辦法 cover 那麼多產品的，這個時候要去提高可靠性，除了技術感知，像 Google 這樣使用大量感測器來做自測，業界越來越認同的一件事是協同進化。
4. V2X：公路上的隱形鐵軌
交通部最近在智慧網聯成立大會上表示，要大力推動 V2X 標準的制定，以及運營的落地。今天我還看到新聞，就是新一輪 V2X 已經在北京、上海全部部署完畢，推進的進度還不錯。
我國還沒有定下 V2X 的標準，但北美已經很明確了。當然協同進化的問題，就是你需要投入大量資金進行基礎設施改造，這就存在一個雞生蛋還是蛋生雞的問題，你到底是先改好，再進行自動化駕駛的商業化運營，還是先確保車輛本身相當高的可靠性，再進行基礎設施的改造。
現在看到更多的是，首先車輛達到一定的可靠性要求，接下來再進行小範圍的改造，之後更大範圍的改造一定在後面。
這個其實有大量歷史案例可以參考，比如飛機，最開始在農田裡做測試，後來才開始做塔臺、安保措施，因為像這種大規模的基礎設施投入，需要的資金非常大，若技術不成熟，所有投入都會打水漂，損失非常大。鐵路方面也是一樣，最開始除了鐵軌，其它設施都沒有，即使有鐵軌，也只是一小段。
六. 政府政策推進情況
到目前為止，我國還是禁止自動駕駛的運行，在今天萬眾創新的大背景下，事實上政府採用了默許的態度。但要進行大規模的運營，法律的修改還是不可少的。
從技術來講，高精地圖是自動駕駛非常關鍵的部分，現在我國關於高精地圖的管理還沒有那麼明確，如何去分發使用高精地圖，現在還是很模糊，有些公司有告警地圖，但沒有辦法通過線上方式分發地圖。而且目前地圖採集的方法非常有限，國家也停止了頒發新的地圖採集牌照。
從世界範圍來看，各國對自動駕駛基本上是鼓勵的態度，美國的測試通訊已經在去年強制固定了，美國交通部也正在制定法律把 V2V 的普及率從前裝移到後裝。
其次，在責任認領方面也逐漸明確——自動駕駛的供應方是事故責任方。去年《維也納道路公約》規定，自動駕駛系統是事故責任方。在監管措施方面，各國政府也在推進，未來黑匣子會是標配，用於事故分析。可以說，政策的推進力度直接決定了自動駕駛商業化普及的速度和規模。
我在跟行業玩家溝通的時候，被問最多的問題就是，自動駕駛到底什麼時候可以普及。這個問題其實仰賴於多個環節變數，其中一個關鍵變數就是政府推進情況。比如說，剛才我提到法律法規的時候，比如 B2X 這樣的基礎設施部署，如果沒有政府的推進，單單靠車廠和運營商是非常困難的。
七. 自動駕駛成本分析
目前為止，自動駕駛裡面最重要的部分就是感測器和計算平臺。感測器裡面最貴的是雷射雷達，它也是精度最高的，像 Google、百度完全用雷射雷達做環境感知。
現在雷射雷達的成本還是非常高，64 線基本沒有量產的可能性，16 線的成本也是一個非常驚人的數目，接近 10 萬；4 線的雷射雷達在奧迪 A8 中已經得到了量產普及，但也只能在 A8 這樣的高端車型上裝。
所以現在雷射雷達的成本是自動駕駛商業化普及中的關鍵成本，不過從時間上來看是樂觀的，只要雷射雷達的採購量達到一定規模，即使以現在的技術也可以降到 500 美元，未來隨著固態雷射雷達的發展，成本可降到 300 美元，最後甚至可以降到 100 美元以下。
計算平臺方面，很多初創公司都是使用英偉達的的計算平臺，這個平臺非常昂貴，而且單單這個平臺還不夠，需要一個做中間控制的控制平臺，現在通常使用的是像英特爾的這種系統，也是比較昂貴。
未來，越來越多定制化晶片會推出，比如英特爾會推出專門為智慧駕駛開發的晶片組合，使計算平臺成本降到幾百美金以內。因此，總體來看，成本不是自動駕駛普及的關鍵瓶頸。樂觀的估計，五六年之後，成本就不是量產的障礙。
八. 誰是贏家？車廠 VS 出行服務商
在共用出行的大背景下，車廠和出行服務商究竟誰是贏家？如果按照定制的路子走，車廠的用戶會從 2B 轉到 2C，運營服務商的採購量大，需求又比較統一，這會使得客戶大幅度收斂。但是，現在幾乎所有主流車廠也都在推出自己的自動駕駛品牌，從福特的 Pass，到 GM 的 Maven，再到大眾，大型車廠全都在厲兵秣馬，準備進軍出行市場。
這些大型的 OEM 都是有一定優勢的，比如品牌認知度方面的積累，車上的優勢，技術的運維能力；出行平臺的優勢則是市場戰略靈活，掌握了最終消費者。最近大眾 CEO 穆勒表示，“大眾將會從車企轉型為出行服務提供者。”另一端，滴滴的 CEO 程維也稱，“出行平臺與硬體製造商必有一戰。”
九. 自動駕駛應用領域-貨運市場分析
在貨運領域，相對來講，北美和歐洲市場需求相當明確，美國有 350 萬卡車司機，市場龐大，駕駛員平均年薪 6 萬美元，平均年齡 55 歲，職業年齡空缺大，人力成本高，所以美國在貨運市場的自動駕駛驅動力非常足。現在普通卡車不到 3 萬美元就可以升級為一項自動駕駛貨車。
中國則不同，在中國，需求更旺盛的是電商物流。
今天我參加汽車工程學會的一個論壇，看到智行者推出了一款自動駕駛物流車，用於社區內一公里範圍內的配送，相當於一個移動快遞櫃。此外，在限定區域，港口、礦區等，自動駕駛的需求也比較旺盛。高速的需求卻不是那麼旺盛，因為卡車本身品質很大，如果技術可靠性不是那麼好，一旦出事，就會很嚴重，這是現在貨運市場的難題，尤其是中國的高速道路場景比北美的道路場景更為複雜。因此，目前中國在高速區的自動駕駛發展也小於小範圍內的物流駕駛。
Q&A
問：怎麼評價百度，馭勢科技，圖森這幾個國內比較高調的自動駕駛公司？百度的阿波羅計畫對中國的無人駕駛發展會有什麼影響？
答：馭勢科技正處在商業化探索的階段，在廣州白雲機場已經有對應的項目落地，這對業界看清目前國內環境下的真正需求很有幫助。
圖森主要是在貨運車方面發力，但在這塊也有很多技術方面的問題要克服，比較重型貨車的測試等。
百度的阿波羅計畫對於推動中國整個自動駕駛發展是非常有幫助的，它已經答應開放原始程式碼，並有限度地去開放一部分資料，並且在高精地圖方面也會開放自己的能力，這對促進整個業界發展有很大作用，可以避免很多重複工作。當然，這個計畫現在還沒有看到具體細節，實際落地的時候也可能會出現一大堆問題，比如如何建立一個活躍的開發者生態。
在自動駕駛方面，不同的公司對資料的敏感度不一樣，小型公司對資料的敏感度沒那麼高，大型車廠對資料的敏感度則比較高，如何很好平衡對資料的訴求以及與大玩家之間的利益，是百度需要思考的。
問：如果百度利用阿波羅計畫和車廠合作，對市場上的創業公司有沒有影響？
答：肯定有影響，但是以正面為主。現在來看，百度的發展更傾向於通過資料和資料的增值服務盈利，而不是通過硬體。從這點講，創業公司還是有很多機會。
另外，百度提供的技術只是一個基礎，真正的商業化，對成本和可靠性的考量非常高，可以說，百度提供的是 Linux 系統，而創業公司應該去做 Windows 系統的開發。它可以借鑒 Linux 的東西，但要實現最終的商業化，還需要進一步的開發。
問：自動駕駛是汽車技術的發展，共用是出行的變革，兩者之間有這麼密切的聯繫嗎？
答：首先，現在整個業界都傾向於認同共用是一個重要趨勢，但如果沒有自動駕駛，共用出行會出現很大的瓶頸。
其次，實際上，共用出行在去重資產化，准入門檻在變高。出行的需求是固定的，如果可以使用共用出行，可以減少共用車的使用量。德國曾經有過一個測試，5000 輛共用車就可以代替 50000 輛私家車。未來共用汽車會大大降低交通的壓力。
問：前段時間的勒索病毒引發了大家對安全性的擔憂，智能駕駛對駭客的防範性手段有哪些？
答：自動駕駛天然就是聯網的，而且是多個維度的聯網，其整個系統的線控化使得遠端操控成為可能。事實上，現在在日本還有一種實踐就是，遠端控制汽車進行遠端駕駛，也可以說是半自動駕駛。
客觀來看，駭客入侵的風險是有的，在應對手段上，業界各個方面也都在推進，比如整個汽車的轉向在從 cano 向 cawa 發展，現在使用的加密技術也可以遷移到汽車這端來，未來在汽車的每一個環節，都將是以一個加密的狀態進行資料交互。
同時，汽車操控完整性的檢測也會是一個關鍵需求。並且，汽車作為對公眾安全有高要求的系統，有多個備份，可以做到物理上的隔離，互相交叉驗證，進一步提高汽車安全的可靠性。
問：目前的自動駕駛領域會不會出現贏者通吃的狀況？
答：自動駕駛商業化主題下，客戶從 2C 轉向 2B，個性化需求會減弱，因為運營公司考慮的並不是車的外觀、內涵，而是車輛成本。現在品牌還很多，都有著自己的地域性受眾，但是不是一家公司拿下全部市場也不一定，總體來講，2B 會讓車企競爭更加激烈。
問：無人駕駛的水準有一個評判標準和依據嗎？
答：沒有的，因為整個無人駕駛最難的就是驗證而不是開發。企業往往是 10% 的時間在做開發，剩下 90% 的時間都在做驗證。
這個問題其實可以轉化為如何 進行更高效的驗證。之前有分析稱，如果要達到高可靠性的自動駕駛，需要達到上千億公里的測試，但從經濟角度考慮，這個是完全不可取的。
業界目前都在進行的工作是在模擬器上快速推進，通過模擬器模擬不同場景來驗證整個自動駕駛系統的可靠性，比如在現實交通環境下收集大量資料，把這些資料抽象的語音資訊轉到模擬器裡，就相當於在模擬器裡建立了交通運行的場景，可以測試自動駕駛系統的表現。
還有一種，就是基於環境的逐步放大，我們不能期待自動駕駛一開始就出來一個完備的車輛，更多的是限定區域，先在特定區域完成探測。
問：自動駕駛的實現對大型企業有哪些可預見的影響？
答：自動駕駛的初期肯定是面向 2B 的用戶，因為只有 2B 的用戶可以將自動駕駛的商業利益最大化。汽車的銷量有可能會受到較大影響，大集團要維持今天這麼大的市場規模不太容易。總體來說，競爭會更殘酷，整合也不可避免，大集團生存下來的數量會比較少。
重磅預告：7 月 6 日，本系列講座的第四期，我們將邀請速騰聚創創始人兼 CEO 邱純鑫，講解《自動駕駛新驅動力——點雲演算法如何釋放雷射雷達威力》，課程總結文也將在近期發佈。
接下來，矽谷自動駕駛技術公司 Vector.ai CEO 蔡長柏（Andrew Tsai）還將為學員分別帶來更多精彩分享，課程內容也將於 7 月 12 日上線，敬請留意雷鋒網慕課學院。
城市裡擁有私家車的成本在上升，這是大背景。比如在上海，要想擁有一家私家車，我們需要一個車位元，需要拍車牌，這還只是固定投入。從時間成本上看，停車時間大概需要 20-30 分鐘，效率很低。
共用汽車提升了汽車的利用率，其每天的執行時間可以超過 12 個小時，而一輛私家車平均每天的使用時間一般也就 2 個小時。
在共用出行蓬勃發展的背景下，業界對自動駕駛的需求也更為強烈，根本原因是自動駕駛可以提升共用出行的競爭力。首先，它降低了成本，這是第一位的。不過也要看到，雖然共用出行的利用率提升了很多，但它的維護成本高，運營商們同樣面對著運營的巨大挑戰。
共用出行的交通是從擁有私家車到擁有服務，我們將其定義為 Taas 1.0 階段，在 2.0 階段，我們將其定義為自動駕駛的共用出行。
三. 自動駕駛的商業化應用場景
我們看到了自動駕駛迫切的商業化需求，但在邁向這樣一個端到端的自動駕駛目標之前，眼下的落地還只是在一個相當局限的場景裡去實現的。
1. 自動駕駛的商業驅動力
從政府的層面來看，其對自動駕駛的態度是非常積極的。最近我密集拜會了政府各個部門的領導，最有感觸的一點就是，政府已經充分意識到了自動駕駛對於整個城市交通效率的提升作用。
另一方面，從利益角度出發，自動駕駛可以有效提高土地利用率。一個產業新城的建立，大概 30% 的土地會用在交通上，而這 30% 的土地又主要是為私家車服務。這是很大的問題。如果我們更多使用共用出行，土地利用率會大幅度上升，從而使得交通應用的土地從 30% 以上降到 15%，甚至更低，這對城市管理者來說有著巨大吸引力。
從交通管理的角度來講也是一樣。現在停車場事實上造成了一種被動的擁堵，每次快到乘車時，快到達目的地時，人們會自動降低車速，從而造成擁堵。共用出行則不需要專門尋找停車位元，整個交通運行效率會提升很多，這也是智慧城市建設的目標之一。
同時，智慧駕駛作為產業的關鍵浪潮，也有助於實現本地政府的產業升級目標，因此也可得到政府的大力支持。
消費者看中的是共用出行的成本和效率。根據摩根斯坦利的資料，共用出行的成本從每英里 1.5 美元降到了每英里 20 美分，在中國差不多也是這種情況。
2. 自動駕駛的應用場景
在應用場景上，自動駕駛主要有兩個類型，一個自動駕駛巴士，一個是自動駕駛的小型車。
在中國有很多產業新區和特色小鎮，多是從一張白紙開始構建，所以在交通基礎設施方面，可以預先為自動駕駛做出規劃。這樣的條件使得自動駕駛商業化運用可以從很好的基礎展開。我們最近跟行業很多人溝通，發現很多產業新區都有一些試運行的自動駕駛計畫展開。
中國還有一個不同于歐美的地方是，中國的單個城市體量都很大，上海、北京人口都超過 2000 萬，這麼大的城市，通勤需求是非常旺盛的。這樣的密度對自動駕駛的商業化會產生核聚變效應，當規模和密度到達一定水準時，市區內的通勤在商業上就會變得有利可圖。所以繁忙地段公交有非常強烈的自動駕駛需求。
我們曾經跟一個新區政府交流過，他們的產業新區離地鐵站較遠，偏郊區，所以他們希望在地鐵站到園區之間有一段自動駕駛的路段，使通勤變得方便。
在乘運車方面，更多來自共用需求。整體來看，中國的自動駕駛落地跟美國有很大區別，中國現在是低速駕駛優先，在北美則是高速駕駛優先。去年，Uber 在貨運車領域收購了 Otto，並且做了成功的自動駕駛貨運車實驗。
在美國，貨運車人力成本較高，因此有強烈的自動駕駛需求。中國巨大的城市群、高人口密度則使低速自動駕駛更具吸引力。
在中國，一方面高人口密度讓商業化落地有利可圖，但另外一方面，技術的挑戰也非常大。企業最開始落地時，大都是從一個封閉的環境開始。馭勢科技在廣州白雲機場進行了自動駕駛的試運行，主要是機場通道內的封閉服務。另外也有一些在繁華地段的停車場進行的自動駕駛，原因在於停車場相對比較容易改造，環境也比較封閉，能夠做一些條件上的限制。
四. 共用出行的運營公司及其面臨的挑戰
在滴滴時代，很多共用出行公司是輕資產運營，更多是提供交易平臺，對接需求和服務，但在眼下的分時租賃市場，這樣的模式其實不太可行，像 EVCARD 和綠狗，他們都是批量購買新能源車輛，重資產運行。
這種模式在資金上是很大的挑戰，2 萬輛車可能就需要 10 億的投資，但另外一個好處是，掌握車輛以後，企業也會得到充分的競爭力，可以很好地調配資源，滿足用戶需求。
在運營成本和用戶體驗上，永遠會有一個矛盾。使用者需要一個完美的分時租賃服務提供端到端的解決方案，也就是任意點取車，任意點停車，但現在其實還做不到這點。一些技術能力差一點的公司，會傾向於在同一個網點停車，這會造成很大的不便。
像 EVCARD 這樣的公司因為部署的網點比較多，已經可以做到任意兩個網點取車停車，使用者體驗往前推進了一點，但還遠遠不夠。
比如，用戶租了車，到目的地找到一個停車網點，最開始的時候發現有停車位，但可能走過去已經沒有了。這是非常麻煩的。這種情況下，如果能夠使用自動駕駛服務，體驗就會好很多。從 A 到 B 是一個點到點的關係，不用關心取換車的網點是不是在附近。
運維方面，現在分時租賃基本都是新能源車，這就有一個充電的問題。而且通常為了照顧用戶需求，白天不太方便充電，只能夜晚充電，但是充電樁也是很大的挑戰。充電樁都大量部署在城市週邊，夜間需要把使用者的還車移到郊區，這個環節要人力完成，成本很高，如果有自動駕駛，就可以方便很多。
這裡面還有一個問題，在中國，泊車是一個很大痛點，像上海淮海路這樣的熱門區域，平均一次就需要半個小時，這裡，自動駕駛將可以提供一個很好的解決方案，用戶只需要把車開到車庫入口處，剩下的事情就是讓車自動停。
國外自動駕駛運營商
法國的 Navya
這是一家初創公司，也是在城區做固定線路運營。他們很重要的一點是，運用了 5 年的商業合同捆綁購買的商業模式。事實上，我們在其它地方也會注意到這樣的條款，因為在初期自動技術不是很到位，會有各種各樣的問題，運營方最擔心的就是安全問題，說到底就是對技術的懷疑。
法國的 EasyMile
也是一個初創品牌，他們的自動駕駛巴士商業化推進很不錯，現在已經在全球 14 個國家的 50 個城市試運行。自動駕駛巴士現在多半是小巴，17 個人以下，這裡面有一些考量，比如巴士儲存太大的話，安全方面會有隱患，另外，車越大自動駕駛的難度也越大。
日本的 SB Drive
它們的巴士運營地區主要在農村、遠郊道路。日本老齡化嚴重，對老年人的出行服務，政府有財政補貼，自動駕駛則能夠減輕政府的財政壓力。
從這一點來看，自動駕駛具有高度的地域性，它的商業化不可能像傳統汽車這樣，使用同一個套路在不同地區實現。原因很簡單，自動駕駛本身是去人力化，各個國家人力成本不同，使用的方式不一樣，客戶要求也不同，所以每個國家的自動駕駛都需要從產品和需求出發，去找合適的解決方案。
美國 Local Motors
去年開始，在華盛頓到拉斯維加斯都進行了測試，這家公司在製造方面很有特色，它使用 3D 列印製造電動車。從這點看，自動駕駛使車輛設計得到很大優化，因為不再考慮高速下動力學的問題。這家公司使用的是 IBM Watson 的智慧學習平臺。
賓士
賓士的自動駕駛商業化比起創業公司要更全面，無論是共用出行、巴士、重卡，都有相關的佈局。
從以上運營的實例來看，自動駕駛催生了全新的車型，自動駕駛巴士外形都非常可愛，而且明顯與常見巴士有很大外觀差異。這事實上是有一個雅俗的考慮，即在技術還不夠成熟的時期，需要有一種簡單的方式去提醒行人和車輛，這是一輛自動駕駛的車。
五. 如何應對自動駕駛商業化的安全性挑戰
1. 漸進式發展道路
跟自動駕駛的相關客戶去談，客戶永遠會先問安全性。新技術不缺需求，政府推動的積極性很足，但無論是政府和業主都最關心安全性問題。
我們總結下來，認為漸進式的發展道路在應對安全性挑戰方面是一個很關鍵的道路。什麼叫漸進式發展？首先是限定速度，我們都瞭解 5 個自動駕駛的等級，事實上自動駕駛的發展，並不是從 L1、L2 到 L5 這樣來發展的，而是以速度為標杆，從 10 公里、15 公里、20 公里，到30、50公里這樣的方式去演進。這是因為，從根本上速度決定技術方案，不同的速度對於技術的考量是完全不同的。
2. 商業配套
在商業配套方面，保險公司的作用不可或缺，任何一個新業務，業主都不可能因為供應商的承諾打消對安全性的考量。同時供應商本身也需要保險公司對自動駕駛有一個基本保障，所以自動駕駛的商業化，保險公司是不可或缺的。當然，現在事實上保險公司也在試水，因為在缺少資料的情況下，很難進行計算模型的設計，更多還是一個實驗。
3. 如何達到高可靠性？
從技術供應商的角度來看，像法國的 Navya，提供了一整套硬體，這其實非常有道理，現在為了達到高可靠性，需要改造硬體和環境。接下來，在試運行階段，會有各種各樣的場景，是在初期開發和驗證過程中沒有遇到的，所以這個時候提供一段時間的服務，最有利於可靠性的提升。
初期自動駕駛成本非常高，讓用戶一下拿出一大筆錢來支持自動駕駛的試運行，難度很大。也有一種模式是不要你車輛的錢，而是先提供服務，來降低使用門檻。
另外一方面也需要在技術上持續提高可靠性，企業很多時候在做實驗的時候，是沒有辦法 cover 那麼多產品的，這個時候要去提高可靠性，除了技術感知，像 Google 這樣使用大量感測器來做自測，業界越來越認同的一件事是協同進化。
4. V2X：公路上的隱形鐵軌
交通部最近在智慧網聯成立大會上表示，要大力推動 V2X 標準的制定，以及運營的落地。今天我還看到新聞，就是新一輪 V2X 已經在北京、上海全部部署完畢，推進的進度還不錯。
我國還沒有定下 V2X 的標準，但北美已經很明確了。當然協同進化的問題，就是你需要投入大量資金進行基礎設施改造，這就存在一個雞生蛋還是蛋生雞的問題，你到底是先改好，再進行自動化駕駛的商業化運營，還是先確保車輛本身相當高的可靠性，再進行基礎設施的改造。
現在看到更多的是，首先車輛達到一定的可靠性要求，接下來再進行小範圍的改造，之後更大範圍的改造一定在後面。
這個其實有大量歷史案例可以參考，比如飛機，最開始在農田裡做測試，後來才開始做塔臺、安保措施，因為像這種大規模的基礎設施投入，需要的資金非常大，若技術不成熟，所有投入都會打水漂，損失非常大。鐵路方面也是一樣，最開始除了鐵軌，其它設施都沒有，即使有鐵軌，也只是一小段。
六. 政府政策推進情況
到目前為止，我國還是禁止自動駕駛的運行，在今天萬眾創新的大背景下，事實上政府採用了默許的態度。但要進行大規模的運營，法律的修改還是不可少的。
從技術來講，高精地圖是自動駕駛非常關鍵的部分，現在我國關於高精地圖的管理還沒有那麼明確，如何去分發使用高精地圖，現在還是很模糊，有些公司有告警地圖，但沒有辦法通過線上方式分發地圖。而且目前地圖採集的方法非常有限，國家也停止了頒發新的地圖採集牌照。
從世界範圍來看，各國對自動駕駛基本上是鼓勵的態度，美國的測試通訊已經在去年強制固定了，美國交通部也正在制定法律把 V2V 的普及率從前裝移到後裝。
其次，在責任認領方面也逐漸明確——自動駕駛的供應方是事故責任方。去年《維也納道路公約》規定，自動駕駛系統是事故責任方。在監管措施方面，各國政府也在推進，未來黑匣子會是標配，用於事故分析。可以說，政策的推進力度直接決定了自動駕駛商業化普及的速度和規模。
我在跟行業玩家溝通的時候，被問最多的問題就是，自動駕駛到底什麼時候可以普及。這個問題其實仰賴於多個環節變數，其中一個關鍵變數就是政府推進情況。比如說，剛才我提到法律法規的時候，比如 B2X 這樣的基礎設施部署，如果沒有政府的推進，單單靠車廠和運營商是非常困難的。
七. 自動駕駛成本分析
目前為止，自動駕駛裡面最重要的部分就是感測器和計算平臺。感測器裡面最貴的是雷射雷達，它也是精度最高的，像 Google、百度完全用雷射雷達做環境感知。
現在雷射雷達的成本還是非常高，64 線基本沒有量產的可能性，16 線的成本也是一個非常驚人的數目，接近 10 萬；4 線的雷射雷達在奧迪 A8 中已經得到了量產普及，但也只能在 A8 這樣的高端車型上裝。
所以現在雷射雷達的成本是自動駕駛商業化普及中的關鍵成本，不過從時間上來看是樂觀的，只要雷射雷達的採購量達到一定規模，即使以現在的技術也可以降到 500 美元，未來隨著固態雷射雷達的發展，成本可降到 300 美元，最後甚至可以降到 100 美元以下。
計算平臺方面，很多初創公司都是使用英偉達的的計算平臺，這個平臺非常昂貴，而且單單這個平臺還不夠，需要一個做中間控制的控制平臺，現在通常使用的是像英特爾的這種系統，也是比較昂貴。
未來，越來越多定制化晶片會推出，比如英特爾會推出專門為智慧駕駛開發的晶片組合，使計算平臺成本降到幾百美金以內。因此，總體來看，成本不是自動駕駛普及的關鍵瓶頸。樂觀的估計，五六年之後，成本就不是量產的障礙。
八. 誰是贏家？車廠 VS 出行服務商
在共用出行的大背景下，車廠和出行服務商究竟誰是贏家？如果按照定制的路子走，車廠的用戶會從 2B 轉到 2C，運營服務商的採購量大，需求又比較統一，這會使得客戶大幅度收斂。但是，現在幾乎所有主流車廠也都在推出自己的自動駕駛品牌，從福特的 Pass，到 GM 的 Maven，再到大眾，大型車廠全都在厲兵秣馬，準備進軍出行市場。
這些大型的 OEM 都是有一定優勢的，比如品牌認知度方面的積累，車上的優勢，技術的運維能力；出行平臺的優勢則是市場戰略靈活，掌握了最終消費者。最近大眾 CEO 穆勒表示，“大眾將會從車企轉型為出行服務提供者。”另一端，滴滴的 CEO 程維也稱，“出行平臺與硬體製造商必有一戰。”
九. 自動駕駛應用領域-貨運市場分析
在貨運領域，相對來講，北美和歐洲市場需求相當明確，美國有 350 萬卡車司機，市場龐大，駕駛員平均年薪 6 萬美元，平均年齡 55 歲，職業年齡空缺大，人力成本高，所以美國在貨運市場的自動駕駛驅動力非常足。現在普通卡車不到 3 萬美元就可以升級為一項自動駕駛貨車。
中國則不同，在中國，需求更旺盛的是電商物流。
今天我參加汽車工程學會的一個論壇，看到智行者推出了一款自動駕駛物流車，用於社區內一公里範圍內的配送，相當於一個移動快遞櫃。此外，在限定區域，港口、礦區等，自動駕駛的需求也比較旺盛。高速的需求卻不是那麼旺盛，因為卡車本身品質很大，如果技術可靠性不是那麼好，一旦出事，就會很嚴重，這是現在貨運市場的難題，尤其是中國的高速道路場景比北美的道路場景更為複雜。因此，目前中國在高速區的自動駕駛發展也小於小範圍內的物流駕駛。
Q&A
問：怎麼評價百度，馭勢科技，圖森這幾個國內比較高調的自動駕駛公司？百度的阿波羅計畫對中國的無人駕駛發展會有什麼影響？
答：馭勢科技正處在商業化探索的階段，在廣州白雲機場已經有對應的項目落地，這對業界看清目前國內環境下的真正需求很有幫助。
圖森主要是在貨運車方面發力，但在這塊也有很多技術方面的問題要克服，比較重型貨車的測試等。
百度的阿波羅計畫對於推動中國整個自動駕駛發展是非常有幫助的，它已經答應開放原始程式碼，並有限度地去開放一部分資料，並且在高精地圖方面也會開放自己的能力，這對促進整個業界發展有很大作用，可以避免很多重複工作。當然，這個計畫現在還沒有看到具體細節，實際落地的時候也可能會出現一大堆問題，比如如何建立一個活躍的開發者生態。
在自動駕駛方面，不同的公司對資料的敏感度不一樣，小型公司對資料的敏感度沒那麼高，大型車廠對資料的敏感度則比較高，如何很好平衡對資料的訴求以及與大玩家之間的利益，是百度需要思考的。
問：如果百度利用阿波羅計畫和車廠合作，對市場上的創業公司有沒有影響？
答：肯定有影響，但是以正面為主。現在來看，百度的發展更傾向於通過資料和資料的增值服務盈利，而不是通過硬體。從這點講，創業公司還是有很多機會。
另外，百度提供的技術只是一個基礎，真正的商業化，對成本和可靠性的考量非常高，可以說，百度提供的是 Linux 系統，而創業公司應該去做 Windows 系統的開發。它可以借鑒 Linux 的東西，但要實現最終的商業化，還需要進一步的開發。
問：自動駕駛是汽車技術的發展，共用是出行的變革，兩者之間有這麼密切的聯繫嗎？
答：首先，現在整個業界都傾向於認同共用是一個重要趨勢，但如果沒有自動駕駛，共用出行會出現很大的瓶頸。
其次，實際上，共用出行在去重資產化，准入門檻在變高。出行的需求是固定的，如果可以使用共用出行，可以減少共用車的使用量。德國曾經有過一個測試，5000 輛共用車就可以代替 50000 輛私家車。未來共用汽車會大大降低交通的壓力。
問：前段時間的勒索病毒引發了大家對安全性的擔憂，智能駕駛對駭客的防範性手段有哪些？
答：自動駕駛天然就是聯網的，而且是多個維度的聯網，其整個系統的線控化使得遠端操控成為可能。事實上，現在在日本還有一種實踐就是，遠端控制汽車進行遠端駕駛，也可以說是半自動駕駛。
客觀來看，駭客入侵的風險是有的，在應對手段上，業界各個方面也都在推進，比如整個汽車的轉向在從 cano 向 cawa 發展，現在使用的加密技術也可以遷移到汽車這端來，未來在汽車的每一個環節，都將是以一個加密的狀態進行資料交互。
同時，汽車操控完整性的檢測也會是一個關鍵需求。並且，汽車作為對公眾安全有高要求的系統，有多個備份，可以做到物理上的隔離，互相交叉驗證，進一步提高汽車安全的可靠性。
問：目前的自動駕駛領域會不會出現贏者通吃的狀況？
答：自動駕駛商業化主題下，客戶從 2C 轉向 2B，個性化需求會減弱，因為運營公司考慮的並不是車的外觀、內涵，而是車輛成本。現在品牌還很多，都有著自己的地域性受眾，但是不是一家公司拿下全部市場也不一定，總體來講，2B 會讓車企競爭更加激烈。
問：無人駕駛的水準有一個評判標準和依據嗎？
答：沒有的，因為整個無人駕駛最難的就是驗證而不是開發。企業往往是 10% 的時間在做開發，剩下 90% 的時間都在做驗證。
這個問題其實可以轉化為如何 進行更高效的驗證。之前有分析稱，如果要達到高可靠性的自動駕駛，需要達到上千億公里的測試，但從經濟角度考慮，這個是完全不可取的。
業界目前都在進行的工作是在模擬器上快速推進，通過模擬器模擬不同場景來驗證整個自動駕駛系統的可靠性，比如在現實交通環境下收集大量資料，把這些資料抽象的語音資訊轉到模擬器裡，就相當於在模擬器裡建立了交通運行的場景，可以測試自動駕駛系統的表現。
還有一種，就是基於環境的逐步放大，我們不能期待自動駕駛一開始就出來一個完備的車輛，更多的是限定區域，先在特定區域完成探測。
問：自動駕駛的實現對大型企業有哪些可預見的影響？
答：自動駕駛的初期肯定是面向 2B 的用戶，因為只有 2B 的用戶可以將自動駕駛的商業利益最大化。汽車的銷量有可能會受到較大影響，大集團要維持今天這麼大的市場規模不太容易。總體來說，競爭會更殘酷，整合也不可避免，大集團生存下來的數量會比較少。
重磅預告：7 月 6 日，本系列講座的第四期，我們將邀請速騰聚創創始人兼 CEO 邱純鑫，講解《自動駕駛新驅動力——點雲演算法如何釋放雷射雷達威力》，課程總結文也將在近期發佈。
接下來，矽谷自動駕駛技術公司 Vector.ai CEO 蔡長柏（Andrew Tsai）還將為學員分別帶來更多精彩分享，課程內容也將於 7 月 12 日上線，敬請留意雷鋒網慕課學院。