目前無人駕駛在每個領(lǐng)域都在探索、落地和迭代。無人駕駛不論哪家公司或者技術(shù)路線都必須做兩件事。

• 軟：大量車輛落地跑，積累道路實(shí)戰(zhàn)數(shù)據(jù)，改進(jìn)自有算法。

• 硬：不斷自研，提高自給核心硬件比例，不給核心供應(yīng)商卡脖子。

這也是百度發(fā)現(xiàn)通過電腦模擬的算法落地性差，必須通過造車賣車才能把數(shù)據(jù)做起來，之后就有了百度、吉利、富士康合作造車。

軟的部分，車輛落地可以看對應(yīng)的市場規(guī)模和特征，積累的數(shù)據(jù)量可以從公開路測數(shù)據(jù)和銷量來比較。硬件部分則分為兩條技術(shù)路線，一條是Tesla的蘋果路線，二是華為的安卓路線，可以從商業(yè)層面和技術(shù)層面拆開對比。

軟1：市場規(guī)模

乘用車、商用車、港口、最后一公里等

乘用車市場最大的是私家車市場8萬億元，其次是網(wǎng)約車比如robotaxi 3500億。乘用車落地最多的是各家主機(jī)廠的L2的乘用車，以及各地的路測。雖然乘用車L4落地難，但可以單一產(chǎn)品打天下，未來更容易出現(xiàn)大公司，或者更容易被淘汰。

商用車有圖森和智加這樣的跨城物流7000億，大部分在高速上行駛，應(yīng)用環(huán)境有優(yōu)勢。同城物流類似于倉配到店有2500億，美團(tuán)和快遞公司取代快遞員和外面員的無人配送小車屬于最后一公里，有840億。

商用車應(yīng)用最多的是各種小場景，如港口物流，比較復(fù)雜，因?yàn)樾枰蹍^(qū)堆場系統(tǒng)做對接，更類似是集成的系統(tǒng)。還有如各個園區(qū)內(nèi)無人駕駛，比如機(jī)場引導(dǎo)飛機(jī)的無人駕駛小車。

商用車的每個細(xì)分市場都需要針對性做很多軟硬件方案的修改，更像是一個個項(xiàng)目的大集成商，不單純做無人駕駛。因此商用車預(yù)計(jì)會活下更多公司。

當(dāng)然做這些試點(diǎn)項(xiàng)目，是因?yàn)楝F(xiàn)在這些項(xiàng)目更容易拿到，積累數(shù)據(jù)，都是想未來升級去做到整個同城的物流，然后再去做robotaxi ，再去做私家車。

軟2：車型大比拼

實(shí)際新能源車輛銷售數(shù)據(jù)

除了tesla的視覺路線，其他主機(jī)車都需要加載激光雷達(dá)來實(shí)現(xiàn)無人駕駛。由于高昂的成本，現(xiàn)在市面上在售的無人駕駛車輛比較少，就連新勢力都是準(zhǔn)備量產(chǎn)。如下圖，真正在售的只有極狐的華為版。截止2021年7月，極狐銷量只有1225臺~~~高配的華為版數(shù)量可以忽略不計(jì)。除了Tesla，現(xiàn)在主機(jī)廠都沒有通過銷售車輛來累計(jì)無人駕駛的數(shù)據(jù)。

軟3：路測數(shù)據(jù)大比拼

加州路測和上海路測

沒有銷售的車輛收集數(shù)據(jù)，我們只能看各家的路測數(shù)據(jù)情況。比較權(quán)威的是加州的交管局?jǐn)?shù)據(jù)，但這個數(shù)據(jù)是各家企業(yè)自行上報，并不是說加州交管局裝了系統(tǒng)來檢測，更類似于申報的系統(tǒng)。

加州路測MPI前三名

這個數(shù)據(jù)可以看到前三名的MPI（Miles Per Intervention，每兩次人工干預(yù)之間行駛的平均英里數(shù)）數(shù)據(jù)增長都很快，企業(yè)申報數(shù)據(jù)都很好看。但是從商用車物流領(lǐng)域的圖森和智加來看，不是一個數(shù)量級，基本差一兩個零。美團(tuán)和阿里測試的快遞和外賣小車的數(shù)據(jù)比商用車更小。從數(shù)據(jù)積累上看，真正商用化起來可能乘用車會更快。

英偉達(dá)、智加、圖森MPI

乘用車問題（頭部幾家）主要在感知和決策層，不能準(zhǔn)確判斷路面的障礙，不能很好的做路線規(guī)劃，在執(zhí)行層經(jīng)常出現(xiàn)的問題是壓了實(shí)線，騎著車道開，拐彎沒有打轉(zhuǎn)向燈，可以看到現(xiàn)在領(lǐng)先的無人駕駛技術(shù)也像是新手在開車，會出現(xiàn)很多問題。

再看上海數(shù)據(jù)，區(qū)別于加州，上海是示范應(yīng)用模式，比如圖森就是在上海臨港地區(qū)公開道路進(jìn)行測試，具體是在臨港物流園區(qū)和洋山深水港之間測試，這是一段偏遠(yuǎn)的高速。這個數(shù)據(jù)顯示的人工干預(yù)率就高很多，比如滴滴開100公里需要人工干預(yù)27次，基本上開幾公里、十幾公里就需要被接管一次。整體上無人駕駛還處于新手剛脫離教練的階段。

硬1：兩大技術(shù)路徑

純視覺vs激光雷達(dá)

到底誰的路徑會和更快跑出來呢？在技術(shù)上其實(shí)分成了兩大路徑，

• 一是純視覺，不依靠激光雷達(dá)與高精地圖，只有8~10個攝像頭。

• 一是基本其他所有，通過1~2個激光雷達(dá)+12個攝像頭+5個毫米波雷達(dá)做感知。

這兩個技術(shù)線為什么會有這么大的分歧？

特斯拉：純視覺

商業(yè)上考慮：視覺方式做無人駕駛，從數(shù)據(jù)獲取，到替代供應(yīng)商，自己做研發(fā)，整個迭代速度會比激光雷達(dá)要快很多。

特斯拉很明確的講過他賣車不是他掙錢的核心，未來還是要靠軟件掙錢，他會不斷降價，包括最近model 3又降價1.5萬，通過不斷降價把銷量提上去，通過足夠的數(shù)據(jù)訓(xùn)練算法，靠自動駕駛賺錢。2020年Tesla無人駕駛的價格為1w美金，滲透度為15%。最近無人駕駛升級，價格從1萬美元漲到1.2萬美元，后來因?yàn)榭棺h客戶比較多，最終只漲了1000-1500美元。

以下是一個激進(jìn)的預(yù)測，如果未來價格上漲到1.5w，滲透度提升到79%，無人駕駛業(yè)務(wù)可以為Tesla貢獻(xiàn)1020億美元盈利！！

除了盈利模式不一樣以外，還因?yàn)閲饣A(chǔ)設(shè)施不像國內(nèi)這么完善，比如鄉(xiāng)村小路很難有人去繪制高精地圖。純視覺路線不太依賴于這些環(huán)境，可以適用于更廣的市場。特斯拉屬于大研發(fā)投入，適用于更大的市場，賺取更多利潤。

特斯拉屬于大研發(fā)投入，銷售到更大的市場，賺取更多利潤。

國產(chǎn)：激光雷達(dá)＋高精地圖

國產(chǎn)新能源車的盈利模型是依賴于積分，而不是賣車或者無人駕駛。當(dāng)然Tesla現(xiàn)在的利潤大部分也是來自政府補(bǔ)貼。

中國的主機(jī)廠有個雙積分制（乘用車企業(yè)平均燃料消耗量積分和新能源汽車積分）五菱宏光去年賣車賺了大概44萬的新能源積分，上汽是負(fù)的97萬分，然后五菱宏光賺了44萬的正積分，按6000-10000元/分來算，雖然五菱宏光賣車不賺錢，但是通過積分可以賺到約合26~44億元的利潤，這也是有很多新能源主機(jī)廠造這么便宜的車的原因，不拿補(bǔ)貼而為了銷量。

5G下來之后中國可能會把整個道路智能化，比如紅綠燈、斑馬線、人行橫道，這些東西都會有相應(yīng)的5G的智能設(shè)備鋪在里面。所以車輛不用做到特別強(qiáng)的算法，通過跟道路聯(lián)合就能判斷紅綠燈的信息。而且中國的高精地圖繪制也會比較快，百度已經(jīng)把基本上所有高速都做完了。所以在基礎(chǔ)設(shè)施很發(fā)達(dá)情況下，可能并不需要算法特別強(qiáng)，所以說商業(yè)角度考慮，中國情況跟美國會截然不同。

硬2：感知、決策和執(zhí)行

軟件和硬件一體化

感知、決策和執(zhí)行這三個環(huán)節(jié)相應(yīng)的軟件和硬件，都是無人駕駛必須要具備的。

感知層對比

純視覺派：特斯拉相信通過AI訓(xùn)練攝像頭可以達(dá)到人眼功能，所以Model Y他們用8顆攝像頭來模擬人眼。另外多種感知會有很多問題。

• 多種感知融合有干擾，比如毫米波雷達(dá)感知精度較低，經(jīng)常發(fā)出誤報，比如攝像頭沒看到什么，但是毫米波雷達(dá)感知有障礙會突然剎車，車主吐槽遇到幽靈。

• 多種感知對算法的干擾有很大的影響。毫米波雷達(dá)對靜態(tài)的東西沒法準(zhǔn)確判斷，特斯拉之前撞到了停在路上的白色卡車，因?yàn)橛袕?qiáng)光把攝像頭給晃瞎了，毫米波雷達(dá)又誤判。之后Tesla就更換了mobileye的方案，改為自己。優(yōu)步撞死過一個推自行車過街的女性事件就與這有關(guān)。這個事情的幾個月之前，他們CEO試乘時發(fā)現(xiàn)車輛有幽靈剎車現(xiàn)象，乘坐體驗(yàn)差，下令關(guān)掉該判斷。

激光雷達(dá)派：激光雷達(dá)提供可以感知到厘米級，大幅提高了多種感知的可靠性和安全性。其他家認(rèn)為如果沒有辦法解決純視覺，一定要上激光雷達(dá)來保證在路上不會撞死人。

但激光雷達(dá)有一個致命弱點(diǎn)，發(fā)出去的激光碰到大霧天、下雨天這種空氣充滿水霧的天氣，基本沒法用，并且成本高，現(xiàn)在基本上1萬元左右，國產(chǎn)的差不多6000元，跟等級有關(guān)，等級越高的價格越貴。

激光雷達(dá)路線還需要高精地圖輔助，高精地圖的作用有三個：

• 目前是普通的導(dǎo)航地圖，精度在10米，無法精確到車道。無人駕駛時需要比較明確的把車道的情況繪制出來。

• AI仿真訓(xùn)練時，也非常依賴于高精地圖做訓(xùn)練。

• 做路徑規(guī)劃的時候，到底什么時候出匝道，什么時候進(jìn)隧道，到底走第一條還是第二條車道，很多時候需要激光雷達(dá)和高精地圖配合算出來。

華為整套感知成本算下來兩萬多，這已經(jīng)算是非常便宜的成本了，因?yàn)槿A為本身激光雷達(dá)就做的比較厲害，華為和北極狐合作款的無人駕駛套裝需要4-8萬元，整車40萬元，屬于高檔車了，無人駕駛占到10-20%之間，可以說非常貴了，8萬塊錢都可以買兩輛五菱宏光開了。這么高的價格很難和特斯拉純視覺去競爭。即使是mobileye，也是估計(jì)要到2025年才能把整個系統(tǒng)成本做到3萬元。所以馬斯克覺得激光雷達(dá)是一個過渡性的產(chǎn)品，認(rèn)為這個很雞肋，就為了滿足一時的安全性，上了一個特別貴的設(shè)備。

決策層對比

決策層有兩個部分，一個是車內(nèi)的AI，一個是服務(wù)器AI。由于車內(nèi)AI的算力有限，因此都是需要在服務(wù)器上訓(xùn)練AI，建立模型。在行駛過程中，碰到類似情況，車內(nèi)AI只需按訓(xùn)練時進(jìn)行反應(yīng)即可，無需大量計(jì)算。

純視覺路線：

• 車內(nèi)AI：Model Y只有8個攝像頭，數(shù)據(jù)量小，因此對算力要求也非常低，只有144 TOPS。

• 服務(wù)器AI：特斯拉建立一個超級計(jì)算機(jī)Dojo，計(jì)算能力達(dá)到 exaFLOPS  EFLOPS 10x18，位居世界第一，是第二名的4x。

雖然這次升級跳票數(shù)次，但特斯拉無人駕駛對道路物體的識別程度和對附近車輛識別程度比以前高很多，可以看出超級計(jì)算機(jī)對訓(xùn)練AI的重要性很明顯。

激光雷達(dá)路線：

• 車內(nèi)AI：由于一般有5個毫米波雷達(dá)，1~2個激光雷達(dá)，會產(chǎn)生巨大數(shù)據(jù)量，處理和計(jì)算這些數(shù)據(jù)會對芯片的算力有非常高的要求。Nvidia 定義L4級需要7顆 Orin，合計(jì)1778 TOPS。

• 服務(wù)器AI：一種是Nvidia 半開放式服務(wù)器，主機(jī)廠可以在上面做訓(xùn)練，可支持部分個性化，滿足主機(jī)廠自研的需求。另外一種是封閉的，如Intel收購的Mobileye，算法和訓(xùn)練都是黑盒，主機(jī)廠只能接受現(xiàn)成的方案。

當(dāng)然從性能上來講，Mobileye的封閉模式會比Nvidia需要的算力和功耗都會更小。但對主機(jī)廠而言，自己造的車就變成沒有靈魂，只有軀殼的。華為其實(shí)也面臨Mobileye類似的困境。

執(zhí)行層對比

執(zhí)行層相對比較復(fù)雜一些，我們只講芯片環(huán)節(jié)。

• 燃油車上會放很多小的單價并不特別貴的芯片做信號的處理，最開始油車可能有差不多七十多個小的MCU，到電動車的時候大概有三四十個。我們叫只有肌肉，沒有四肢。

• 華為是把車身分成了動力、底盤、車身等7大子系統(tǒng)，相互通過復(fù)雜的中間件來交互。我們叫只有四肢，沒有大腦。

• 特斯拉是用中央計(jì)算平臺，類似大腦，只有核心環(huán)節(jié)才由子系統(tǒng)（肢體）控制，比如說比較關(guān)鍵的剎車、ADAS等。

• 未來可能只有中央計(jì)算平臺，直接控制所有功能。

為什么要越來越要集中到一起，因?yàn)閷⒏兄?、安全等功能都分散在不同的MCU，會導(dǎo)致很多浪費(fèi)，如系統(tǒng)的數(shù)據(jù)傳輸、算力，直接導(dǎo)致成本和功耗的升高。

這里不得不提一下商用車的控制系統(tǒng)，由于商用車的動力以燃油為主，電動化估計(jì)要等到氫燃料電池落地。因此商用車在底盤控制上，只能在燃油車基礎(chǔ)上做改進(jìn)，復(fù)雜且昂貴。

無人駕駛的競爭核心

軟硬件一體化

蘋果手機(jī)的芯片和軟件都是自研的，軟硬件一體化，所以手機(jī)功耗和內(nèi)存容量都比安卓系統(tǒng)好很多。所以無人駕駛的競爭不是一個感知、決策和執(zhí)行某個環(huán)節(jié)，很大程度取決于是不是三個環(huán)節(jié)可以做到高度的軟硬件一體化。

這也是為什么傳統(tǒng)車企轉(zhuǎn)型智慧電動車非常困難？因?yàn)檫@其實(shí)是在同時做一個蘋果+三星的事情。當(dāng)然Tesla也是從使用外部供應(yīng)商，逐步轉(zhuǎn)為自研。

• 主機(jī)廠要自產(chǎn)或參股占成本40%的電池，不然完全是一個組裝廠，沒有核心技術(shù)。這好比三星生產(chǎn)手機(jī)里最值錢的屏幕。

• 主機(jī)廠要在無人駕駛這邊大量投入到激光雷達(dá)、算法、MCU，提高自研比例。這好比蘋果自研芯片+操作系統(tǒng)。

無人駕駛整個發(fā)展趨勢，其實(shí)和手機(jī)有點(diǎn)類似，都是先賣機(jī)器，然后逐步從軟件，到芯片全都要自己研發(fā)。所以我們認(rèn)為100億造車的門檻其實(shí)是遠(yuǎn)遠(yuǎn)低估的，要真正能在市場有競爭力，需要的是每年100億的投入，連續(xù)多年。這么高強(qiáng)度，持續(xù)的投入，新勢力是否能跟上都值得觀察。這也是為啥業(yè)內(nèi)看好華為和小米的原因，因?yàn)橛羞@方面的經(jīng)驗(yàn)。