自动驾驶或者说无人驾驶作为城市交通的未来方向，早就是普遍的共识。随着互联网公司、ICT厂商和主机厂等巨头悉数入场厮杀，自动驾驶已经成为最烧钱的产业领域。

看起来似乎技术方向已然明确，商业亦是成竹在胸，剩下的只是看谁跑得更快，投入得最多。虽然L5真正普及是2030还是2040尚有争论，但2019年初，已经听到很多自动驾驶商业落地元年的说法。然而，以上半年的情形看来，似乎并不是那么乐观。

变数不断，自动驾驶成拖累?

百度Apollo作为国家人工智能四大平台之一，依靠千人规模的巨大团队，数百亿资金投入，免费开放的生态系统，在国内已经取得了绝对的领先优势，并吸引了上百家车企合作。最后一公里配送、RoboTaxi 、固定线路巴士、小巴“阿波龙”、卡车物流和乘用车等领域全面布局并有不少落地案例。

但与所有厂商一样，除了各地政府补贴以及少量封闭园区场景的物流车、扫地车成单外，真正的规模化商业回报还遥遥无期。即使在测试环境下达到成熟，受到交通法规、道路设施等限制，真正上路运营的希望也是寥寥。

正因如此，学习Waymo、Uber等前辈的做法，国内一些头部大厂在最近密集传出独立自动驾驶部门的消息，寻求更多资本支持，也减轻公司的财务压力，让财报能好看那么一点。不过目前，除了滴滴成功独立了自动驾驶业务，百度和蔚来方面都回应消息不实。

自动驾驶行业如今的困境，原因很多。作为一种必然影响城市形态和运行方式的颠覆性技术，其巨大的不确定性既是商业风险，也是其有趣并值得投入之处。

相比当年汽车对马车的取代过程，自动驾驶如今的发展恐怕已经顺利了很多。自动驾驶首先是一种综合性技术，技术路线及其成熟程度显然是最容易想到的问题。虽然无外乎是感知、决策、控制几个环节，但各大门派思路还是有不小的区别的。

我们姑且不提激光雷达与摄像头之争这种细节，也不探讨小厂不得不聚焦到某个细分技术重点。即使是大厂，也有如google和华为，不仅设计和训练所有算法，也设计从雷达到视觉，甚至电机、电池等所有硬件模块;或者如百度，依托其软件和AI方面的优势，选择专攻算法，而将硬件开放给生态。

然而行业也越来越发现，硬件方案和软件算法之间的耦合可能超过原来的想象，其配合也许才是最关键的技术。所以Waymo2018年在加州的路测数据，成绩远远好于百度也容易理解。

商业困境，自动驾驶如何赚钱?

在商业模式方面，除了主机厂，像苹果那样上来就想重新定义整车的还是不多，大多数自动驾驶厂商还是定位做技术供应商，而Robo Taxi及其演进方向MAAS(出行即服务)今年以来越来越受关注。

主流主机厂在销量下滑和互联网造车势力的压力下，纷纷在探索MAAS落地之路，借自动驾驶把售卖模式转为服务模式。虽然多个品牌都在特定城市成立了MAAS运营公司，并拿到了一些授权，但整合多种交通方式一体化运营，可能是比自动驾驶更大的挑战。

在落地场景方面，大家虽然都在刷开放道路测试的里程，但更多意在积累数据。大小厂商都已经意识到，封闭场景、低速、非载人这几个要素才是近期的落地商用的关键。园区接驳车是目前最普遍的需求，在高端地产和智慧城市示范项目中，是不错的展示体验选项，但百度160万一台的价格，恐怕可以吓退绝大部分潜在客户。

以海淀公园为例，市民(每天4班，每班7人)都可以免费预约搭乘阿波龙小车，体验L4自动驾驶。虽然司机变成了安全员，速度也只有10km/h，比遛达快不了多少，体验谈不上美好。

此外，自动泊车、扫地、最后一公里物流等，作为小厂的特色产品，还是有不少有意思的商业案例的，比如中国移动一单就买了智行者上千台环卫车和物流车。至于机场等有精确调度需求的高价值园区，也是很多厂商争夺的典型场景。

自动驾驶落地，瓶颈在成本

除了以上几个问题，虽然还有法规、伦理等话题可以讨论，但笔者觉得在现阶段，自动驾驶落地最大瓶颈仍然在于成本，尤其是车端感知的高成本，上述表面问题大都可以归因于此。

虽然摄像头、毫米波雷达一直被寄以厚望，但激光雷达仍然是最为优秀的长距离高精度三维感知设备。行业都将产业化的希望寄托于固态激光雷达的大幅降价。虽然理论上V2X就是一种车路分工机制，但X一直是个未知数，车企无法左右政府控制的路侧技术路线，只能在端侧不断加码。

如果政府投入路侧设备承担大部分感知任务，会大规模降低车企压力。这并非技术路线问题，而是前沿产业发展的必然。因此，路侧激光雷达和其他辅助感知手段，必然成为新的基础设施以及V2X车路通讯领域的核心环节。这也会使端侧变得非常轻盈，也许特斯拉的纯视觉方案才恰到好处。

政府的基础设施投资是引导产业发展的重要手段，可以降低各参与方成本。政府要促进汽车产业发展，除了直接补贴汽车消费本身，为车修路是一种典型的暗补方式，直接增加了购买者用车的收益。

为了加速引导自动驾驶领域继续发展，现阶段政府的当务之急是主动建立新的路侧感知标准，大力投入路侧自动驾驶基础设施建设。在5G智能灯杆等路侧节点大量部署激光雷达，结合原有摄像头网络，建立共享的高精地图和人车动态数据采集能力，一方面解决单个车辆超视距路况感知难题，实现全网动态计算决策，提高效率和安全性;另一方面，大量激光雷达的市场需求可以大幅拉低价格曲线，使其价格有望迅速降低两个数量级达到真正民用水平。

并且可以由政府背景的城市运营商统一采集和提供高精地图服务，降低行业整体成本;除此之外，新的三维数据采集网络可以大大加强原有摄像头网络的感知能力，也可以规避很多隐私问题。总之，以更多基础设施投入最终降低单个车辆采购和使用成本，促进行业尽快落地。

当然，基础设施也只是问题的一个方面，从现在的交通体系过渡到全无人驾驶的状态，绝对是个庞大的复杂系统问题，其技术和管理路径无人能够说清。但头部厂商的技术定义和牵引，政府的顶层设计和引导，缺一不可。尤其是政府的角色不容忽视，希望其承担更多的管理和基础设施建设责任，不要重演共享单车行业因监管不力造成的几乎全军覆没的悲剧。

王鹏 (北京大数据研究院智慧城市大数据实验室主任、教授级城市规划师)