·聚焦:人工智慧、晶片等行業

歡迎各位客官關注、轉發

前言

：

近日，特斯拉推出新的全自動駕駛（FSD）Beta 軟體更新，這是迄今為止最大的一次更新；

與此同時，小鵬汽車今年下半年，有望成為中國第一家開啟城市智慧輔助駕駛的企業。

作者

| 方文

圖片來源 |

網 絡

漸進式路線越來越能理解

從當前的局勢來看，漸進式路線開始被越來越多的企業和機構接受，代表企業是特斯拉。

它的思路是在量產車上優先搭載 L2/L3 級輔助駕駛，低成本收集資料，訓練演算法迭代技術，最終做到 L4/L5。

與漸進性路線相對應的，是跨越式路線，代表企業是谷歌母公司Alphabet 旗下的Waymo。

它的策略是一步到位，全力研發 L4+高級別自動駕駛技術，以技術改變行業。

以Waymo為代表的科技公司，主要走［跨越式］路線，因為沒有大規模量產車為其提供資料進行技術迭代。

特斯拉等車企大都走［漸進式］路線，從商業和營銷角度上來看，以電動車為產品，自動駕駛為核心賣點，逐步滿足消費者更加穩妥。

漸進式思路的優點，是可以把輔助駕駛作為賣車亮點，用賺來的錢來搞 L4 自動駕駛研發，在量產中獲得現金流和低成本的資料流。

它的缺點可能就是這些資料可能不全面，還有就是人們對從輔助駕駛通向無人駕駛存有疑問。

高質量資料獲取正逐漸成為可能

2020年底至2021年上半年，眾多車企、科技企業推出自動駕駛相關車型、產品。

公開資料顯示，2021 年全球新能源汽車銷量達到 675 萬輛，同比增長 108%。

表面看是在爭論技術、安全，其實背後爭的是成本和量產。

低成本，包括自動駕駛系統量產的成本，也包括資料收集的傳輸儲存成本，當然最重要的是處理成本。

無論是做L2還是L4，搞前裝量產還是Robotaxi，這都是成敗與否的核心標準。

高效率來自於資料收集的有效性。

其實對L4來說，99%的場景都很簡單，各家能力也趨於同質化，真正的差異化優勢在於那1%不常遇見的複雜長尾場景。

Lyft、Uber的失敗，核心則在於後裝感測器資料有效性不高，反映到開發端，依然是成本問題。

而成功開啟規模化商用的玩家，無論是輕舟智航這樣以L4立身的公司，還是特斯拉這樣從乘用車輔助駕駛的入手。

本質都是在打通了低成本資料閉環，讓技術能下放量產場景，場景資料又能不斷反哺技術進步。

將L4技術降維至 L2+應用

相關資料顯示，2022年1月，國內市場新車前裝標配搭載 L2級輔助駕駛系統上險量為 48。45 萬輛，同比增長 63。21%，前裝搭載率為 22。13%，同比增加近 10 個百分點。

據 IDC 釋出的《中國自動駕駛乘用車市場資料追蹤報告》顯示，國內 L2 級自動駕駛在乘用車市場的新車滲透率高達 23。2%。

2020年，ADAS 巨頭 Mobileye 推出 SuperVision，也是一套具備L4級自動駕駛能力的系統，只是考慮到要儘快量產落地，而被降維作為L2+ 的自動駕駛系統來使用。

隨著固態鐳射雷達和大算力平臺的出現，L4 技術能夠以合適的成本部署於 L2/L3 上，為 L4 自動駕駛公司提供了拓寬自己場景的基礎。

從營收和前裝量產角度來說，L2+企業相比於 L4 級自動駕駛企業更有優勢。

對於 L2 級企業而言，相比於此前單一感測器系統，高階輔助駕駛系統需要進行多感測器融合，L2 企業的感知演算法模型也需要隨之進化。

相比較來說，L4 級自動駕駛公司演算法比較先進，但缺乏面向前裝量產的工程化能力。

L4 級自動駕駛企業與 L2 級輔助駕駛企業發展最大的不同在於：在新的運營模式下，L2將是整個產業鏈的核心，以自動駕駛系統為核心；

L4 級自動駕駛企業能夠整合整個產業鏈，並最終走通商業模式閉環。

將L4技術降維至 L2+應用，儘管在演算法、硬體等方面都更具有優勢，但面向前裝量產時，如何更合理的控制成本，也將是這部分企業所需要面臨的挑戰。

結尾

：

自動駕駛公司融資最大的挑戰來自於它的商業化進展不及預期，短期內要真正批次落地運營，形成正向的現金流和產生盈利非常難。

當理想與現實碰撞，對 L4 自動駕駛廠商而言，面對資本謹慎，外援不足的現實狀況，亟需另謀生路，找到一條能夠短期變現的道路。

部分資料參考：周永亮：《自動駕駛 18 年，特斯拉如何搶了 Waymo 的「大旗」？》，第一電動大牛作者 汽車之心：《高階自動駕駛的“降維”與“升維”之戰》，蓋世汽車：《都2022年了，L4級自動駕駛還會遠嗎》，鈦媒體APP：《自動駕駛不爭路線，爭賺錢》

本公眾號所刊發稿件及圖片來源於網路，僅用於交流使用，如有侵權請聯絡回覆，我們收到資訊後會在24小時內處理。

END