自动驾驶 2020丨今天，给中国「Robotaxi 」一个总结
长久以来，自动驾驶一直是创投圈的核心话题。
2020 年国内自动驾驶的融资故事，以文远知行完成 2 亿美元的 B1 轮融资告一段落。
实际上，自动驾驶的发展已经进入中场，仅凭一个 demo 已无法吸引资本市场眼球。而且，由于技术、以及产业链等先决条件尚未成熟，Robotaxi的落地时间一再跳票。
相比起五年前的热火朝天的投资热潮，资本市场对于自动驾驶的期待近年逐渐趋于冷静。
不过，情况在2020 年发生了一些改变。
作为自动驾驶领域最符合人们对于未来出行幻想的形态，Robotaxi 赛道中除了上文提到的文远知行，AutoX、小马智行、滴滴等国内玩家均于 2020 年宣布拿到了新的融资。
一方面是资本不断入场，一方面是政府部门的大力支持。
2020 年初，国家 11 部委出台相关政策，支持未来自动驾驶汽车在特定环境下市场化应用。此外，地方政府也积极响应，例如，长沙、广州、北京已陆续颁发了开放道路的全无人驾驶路测的许可证书。
不难看出，2020 年，Robotaxi 在技术成熟度、安全性、监管方面的发展都获得了进一步的认可。
在资金和政策双重保障的基础上，赛道玩家正逐步将技术转化为产品，Robotaxi 商业化落地的想象空间在加速释放。
大脑、眼睛、身体全方位发展
事实上，无论是资本市场的信心，还是政府政策的重视，都离不开 Robotaxi 自身在 2020 年的稳健发展。
回顾今年的 Robotaxi 自动驾驶技术的迭代，我们可将其拆解为三大部分：大脑（车载计算平台）、眼睛（传感器）、身体（整车）。
更聪明更稳定的大脑（车载计算平台）
正如人类的行为需要经过大脑思考，自动驾驶车辆的任何决策也要经过复杂冗长的计算过程。
在 Robotaxi 赛道深耕的企业都深谙一个道理：想要训练出足够聪明的自动驾驶「大脑」，则需要有足够多的数据来支持。
作为收集数据最常规最直接的方式，路测一直是玩家们的第一选择。
依托于国内展开的各地路测，Apollo 路测里程已经超过 600 万公里；截至 10 月，小马智行（Pony.ai）已在全球公开道路完成了超过 400 万公里的自动驾驶测试里程；文远知行自动驾驶车队规模超百辆，路测里程超 300 万公里。
这些数字看起来可能十分抽象，但据新智驾了解，玩家们单位时间内收集的路测数据数量正在呈倍数增长。基于此，自动驾驶算法的迭代速度无疑会加快，对Robotaxi的商业化落地也会起到一定的助推作用。
如果说数据为自动驾驶「大脑」的运转提供源源不断的燃料，那么，车载计算平台则是自动驾驶「大脑」的具象化载体，是自动驾驶算法正常运行的基石。
就车载计算平台而言，算力的提升自然是不用多说，同时，助力Robotaxi商业化落地的其他趋势也在日益凸显。
比如向车规级靠拢、为自动驾驶的正常运转提供高可靠性；体积缩小并集成到后备箱或者备胎槽中，尽可能地将空间还给乘客。
基于上述的一些考虑，2020 年，AutoX 推出了自主研发的L4 级车载计算平台AutoX XCU。据AutoX 肖健雄透露，XCU 的GPU 算力能够达到1820 TOPS。
另一方面，元戎启行则展示了基于与英伟达车规级计算平台 Xavier 而打造的 DeepRoute Tite 计算平台解决方案，体积和功耗相比传统方案都有了大幅度的提升。
总而言之，「喂养」的数据越多，Robotaxi 就越有能力来应对各种 Corner Case，也更容易向商业化落地的真实状态迈进。
不过，想要完全实现安全可靠，自动驾驶系统至少需要经过110 亿英里的「训练」。从目前的情况来看，Robotaxi玩家都还处于初期阶段。
更加敏锐的眼睛（传感器）
在真实世界数据与车载计算平台之间，Robotaxi 玩家需要架起车载传感器的桥梁——传感器会将自己「看到」的客观信息映射至「大脑」，帮助自动驾车辆以自己的方式去理解这些数据。
除了上文提到的车载计算平台，今年Robotaxi 上的车载传感器也一改此前分散的布置，正在朝着更加集成、更加一体化的套件发展。
例如，小马智行新一代自动驾驶软硬件系统 PonyAlpha X 的车顶盒整体重量下降 22%，螺栓数减少 90%；此外，AutoX 已经研发了平板式的传感器融合车顶盒，车顶盒厚度仅有 15 厘米（业界不少非平板式凸起方案厚度超过30 厘米）。
基于更加集成的设计，传感器套件能够与车身进一步贴合，对风阻、能耗、以及在过桥、进车库等场景下均有实际好处；同时，也更易于形成一套「标准化工序」来推进Robotaxi车辆的量产落地。
当然，传感器套件是一个整体，其发展也离不开摄像头、激光雷达、毫米波雷达等单个传感器的提升。
作为高级自动驾驶不可或缺的零部件，激光雷达领域在今年迎来一个重要的转折点——其应用场景开始从L4 往L2+/L3下探。
而且，已经有多家前沿主机厂宣布了将在新车型上采用激光雷达的信息。
新智驾从国内激光雷达企业Livox处获悉，过去十五年，搭载激光雷达的L4级车辆规模在千台级别，但很可能明年一年全球搭载激光雷达的前装车型出货量就会接近甚至超过这个数字。
上述趋势似乎与激光雷达在L4 级自动驾驶上的应用关系不大，但换一个角度来看，当下激光雷达的售价仍以万元为计算单位，随着行业关注度高涨以及市场规模扩大，供应链上下游的生态也会逐步成熟，从而带动激光雷达整体成本的下降。
身为自动驾驶系统里昂贵的传感器，激光雷达的价格如果可以降至更合理的区间，这对于Robotaxi商业化落地的意义是不言而喻的。
强壮的身体（整车层面）
当然了，有了聪明的大脑和敏锐的眼睛，Robotaxi 还需要强壮的身体——Robotaxi 归根结底还是以车为载体，其发展并非凭自动驾驶企业一己之力就能够推动，需要汽车 OEM 的支持。
从整体上来说，自动驾驶企业与OEM 的合作整体可以分为后装和前装两大形式。后装更主流，也更符合行业的发展现状；但基于长远考虑，后装的集成方案拥有太多限制，前装无人车才是承载Robotaxi商业化落地的终极形态。
在前装无人车方面，AutoX 走得比较靠前。在今年CES 2020 期间，AutoX 正式宣布与欧洲汽车巨头FCA 合作，引进Pacifica 大捷龙来支持AutoX Robotaxi在中国的大规模运营。
这里需要注意的是，Pacifica大捷龙是FCA 和Waymo深度合作而设计的专为自动驾驶而生的车型，具备车规级冗余硬件的底盘，包括刹车、转向、电源等。
另一方面，百度Apollo和一汽红旗在前装无人车的打造上也有了新的进展。双方正在合力推进第五代前装量产自动驾驶车辆红旗EV 的研发工作。
此前，百度Apollo和一汽红旗联手打造了首条 L4 级自动驾驶乘用车前装产线。
放眼全球，像AutoX 与FCA、百度Apollo与一汽红旗这样基于前装的合作案例尚且不多，但Robotaxi赛道的其他玩家也在积极寻觅破局点，比如小马智行。
不久前，小马智行发布其首条自动驾驶系统产线，可实现其 L4 级别自动驾驶软硬件系统 PonyAlpha X 的标准化生产，并将率先搭载于丰田旗下雷克萨斯 RX450h 车型上。
在一定程度上来说，通过这种标准化流程帮助自动驾驶软硬件系统上车，能够化繁为简，缩短自动驾驶车辆走向规模化生产的时间跨度。
无论从何种角度来看，自动驾驶「大脑」「眼睛」「身体」都在2020 年得有了实质性的进展，Robotaxi 商业化落地的蓝图正在加速展开。
出行平台助力，Robotaxi 走近用户
整个自动驾驶的未来格局都与两方面息息相关：技术和商业模式。
技术层面，未来玩家们的传感器配置、算法架构、甚至整体解决方案都可能逐渐趋同，那么，自动驾驶技术的最终壁垒一定是数据获取以及通过数据迭代算法的能力。
商业模式层面，Robotaxi作为未来运力的补充，其内核离不开用户体验。也就是说，实现真正的Robotaxi商业落地，自动驾驶企业还要对实际运营的细节精雕细琢。
眼下，自动驾驶技术的安全性已经有了一定的保障，那么Robotaxi 该以何种方式走近用户？
站在现在的时间点来回望，这个问题已经有了十分明确的答案。
2020 年4 月，坐拥出行生态的百度Apollo率先开放Robotaxi服务，通过百度地图及百度 APP 智能小程序将Robotaxi开进长沙市民的现实生活中。
6 个月后，百度 Apollo 于北京正式全面开放 Robotaxi 服务，10 月 12 日当天订单高达 2608 单。
除了百度，高德（AutoX、文远知行）、滴滴两个出行平台也在2020 年开放 Robotaxi 约车服务。三家出行平台对于 Robotaxi 的运营模式分别是：
百度自己运营 Robotaxi 服务，同时接入其他网约车服务；
高德平台的 Robotaxi 服务和网约车服务皆来自第三方；
滴滴平台是自家 Robotaxi 和网约车混合派单。
除了上述的Robotaxi玩家，元戎启行也在2020 年官宣，明年将接入曹操出行 APP，面向公众提供试乘服务。
此外，另一家自动驾驶公司 Momenta 的 Robotaxi 产品 ——Momenta GO 也于今年 10 月亮相，并对外开展了 Robotaxi 试乘服务。
尽管这些与Robotaxi 相关的项目大都是部分城市的固定区域内运营，运营车辆和时间有限，随车配有安全员，但接入出行平台意味着这Robotaxi已经迈出了从内部研发走向用户现实生活的第一步。
不同于百度、滴滴等拥有现成出行生态的大玩家，大多数的自动驾驶初创公司自身并不具备造车，或者是运营规模化车队的能力。因此，与出行平台合作算是一种较为理想的商业落地模式。
值得一提的是，前不久，T3 出行联合苏州高铁新城发起自动驾驶生态运营联盟鳌头联盟，合作伙伴多达 30 余家。其中，小马智行、Momenta 两个 Robotaxi 玩家赫然在列。
尽管目前尚不清楚小马智行以及 Momenta 是否会像其他玩家一样接入出行平台，但两者与 T3 出行的关联变得密切起来，确实给业界留下了想象空间。
布局不同场景，寻找更多落地的机会
自动驾驶是一个烧钱游戏，Robotaxi 更是过尤而不及， Waymo Robotaxi 每年烧钱的速度是十亿美金起步。
尽管 2020 年Robotaxi在各方面都有了喜人的进展，但由于落地的难度远高于预期，自动驾驶企业想要通过 Robotaxi 来为自己的长线发展造血还有很长的路要走。
专注于 Robotaxi 赛道的玩家开始将目光锁定到其他场景，寻找更多落地的机会，例如：
元戎启行的L4 级自动驾驶技术已经触达港口的无人集卡；
小马智行研发了商用车L4 级自动驾驶软硬件系统，并获得了自动驾驶卡车测试牌照；
文远知行近日宣布正在布局自动驾驶小巴Robobus。
不难看出，这些自动驾驶企业的商业模式已经开始兵分两路，其中，Robotaxi 作为一个中长期目标，通过与出行服务公司合作的方式来落地；同时，充分发挥自身的优势，将自动驾驶技术模块产品化，落地到其他垂直行业。
相比起上述自动驾驶初创企业，百度 Apollo 在这一方面的思考更为深刻，布局也更加全面，并且于2019 年就提出了「永攀高峰，沿途下蛋」的商业路线。
百度Apollo长期布局Robotaxi和Robobus自然不必多说，此前打造的L4 级自动泊车 AVP 方案，当下已经与广汽，威马，长城等品牌在 AVP 开展量产合作。
如今，百度 Apollo 还将疆界扩至货运领域，与货运企业狮桥成立合资公司 DeepWay。除此之外，百度Apollo已经将L4 自动驾驶技术降维释放到辅助驾驶领域，推出了ANP（Apollo Navigation Pilot 领航辅助驾驶）方案。
事实上，无论身处哪条赛道，所需的自动驾驶技术在很大程度都有着互通性。
通过布局不同的场景，自动驾驶企业可以获得更加多元的数据，并对其现有Robotaxi的发展进行反哺；另一方面，也能帮助自动驾驶企业融入不同的产业链，寻找更多落地的机会，从而带来现金流。
「无人化」商业落地的突破口
Robotaxi 已经从最初的封闭场景驶上公开道路并进行载人服务，但出于对安全的考虑，驾驶座上还端坐着一名安全员——这与其商业模式的逻辑是相悖的：
行业普遍认为，Robotaxi实现盈利的前提是节省每年约10 万元的人类驾驶员工资费用。
因此，「无人化」成了现阶段推动自动驾驶车辆商业化落地的重点突破方向。
自动驾驶企业2020 年在「无人化」方面的动态并不算少，文远知行（广州）和百度Apollo（长沙、北京）均拿到了国内全无人驾驶路测的许可，可以进行没有安全员的道路测试。
诚然，安全员下车算得上是Robotaxi商业化落地进程中的一个关键节点，但文远知行和百度Apollo的无人驾驶路测并不是从真正意义上实现无人驾驶——作为冗余的一种手段，两家企业在进行无人驾驶路测时都有远程监管的兜底方案。
台前幕后的全无人化不是一蹴而就的事情，中间必然经历多次技术与模式的迭代。眼下，各大玩家还处于十分早期的阶段。
相比上述两位Robotaxi玩家，AutoX 可能更为大胆。
2020 年12 月，AutoX 正式公布了其首批车内全无人、无远程遥控的 Robotaxi 车队，并发布了其在深圳市繁华公开道路完全无人驾驶的视频。
在此之前，AutoX 获得了全球第二张、中国唯一一张加州全无人驾驶载人牌照，可在硅谷中心城市圣何塞地区进行可载人的全无人驾驶。
眼下，自动驾驶企业的技术达到了一定的高度，全无人驾驶驾驶路测也已经有了先行案例。在可预见的未来里，还将有更多城市拥抱无人驾驶，颁发相关的牌照，相应的时间周期也会进一步缩短。
随着全无人化路测的规模的进一步扩大，Robotaxi的商业化落地的基础将更加牢固。
新智驾总结
尽管 2020 年被突如其来的疫情打乱了节奏，但基于疫情防控的要求，自动驾驶领域的发展反而在一定程度上加快。
从资本的角度而言，今年整个行业也有了「回暖」之意。
据新智驾了解，仅仅是 2020 年上半年，自动驾驶领域融资总金额就超过 70 亿美元，比 2019 年自动驾驶行业公开披露金额的融资事件总额还要高。
无论是资本市场和政府部门的认可，还是自动驾驶自身各方面进展，都释放出了强劲的信号：
自动驾驶已经进入到商业化落地的初时代，不再是一个虚无缥缈的概念。
同时，由于资源的有限性，在未来几年的时间里，行业的马太效应会更加凸显，资源向头部玩家倾斜。
Robotaxi赛道的玩家们也已经开始未雨绸缪，抢占自动驾驶商业落地的先机。
尽管业内尚没有一个明确的结论来框定自动驾驶的终局将如何形成，以及何时形成，但可以肯定的是，只有在强大落地能力的支撑下，玩家才能成为未来的赢家。
雷锋网雷锋网雷锋网
