從Waymo和Cruise在美國加州獲得自動駕駛出租車商用許可證，到百度Apollo、小馬智行在北京獲準啟動收費的Robotaxi試點服務，再到自動駕駛商用車在干線物流、港口、礦山、低速等場景加快應用，自動駕駛的商業化正迎來“春天”。

隨著行業發展進入新階段，人們不禁產生新的疑問：自動駕駛的商業化還存在哪些瓶頸?多久才能走向成熟?企業未來應該如何蓄力前行?對此，整車企業、芯片供應商及不同類別的自動駕駛公司，有自己的感悟與理解。

“3.0時代”提出新需求

集度汽車首席執行官夏一平首先提出了智能汽車“3.0時代”的概念。他認為，在實現高階自動駕駛和高度智能交互后，汽車實際上就是擁有汽車形態的機器人，具有迭代能力。汽車機器人將開啟智能汽車波瀾壯闊的“3.0時代”。

在過去很長一段時間里，汽車的計算能力一直低于智能手機。有一種說法，在今年之前，整車特別是座艙的計算能力仍低于智能手機。這導致了很多對算力有要求的AI技術，不能在汽車上發揮優勢，也無法全面充分地提升用戶體驗，導致了技術與產品的隔閡。

夏一平認為，智能汽車“3.0時代”將賦予汽車足夠的算力。最近一段時間，隨著高通、英偉達、地平線等企業高算力汽車芯片的推出，原來以運輸屬性為核心的汽車正在演變成由AI驅動的智能移動空間，給行業發展帶來了更多可以想象的空間。“AI帶來了技術的革新、效率的提升和體驗的顛覆。”夏一平認為，2023年會是汽車智能化競爭的元年，智能汽車“3.0時代”即將到來。

如何定義智能汽車“3.0時代”的產品?夏一平介紹說，第一，它應該具有實現高階自動駕駛的軟硬件系統，具備在城市域、高速域、停車場點到點的自動駕駛能力;第二，語音、語義交互要做到準確識別，交流過程要自然無障礙。簡單來說，就是接近于人與人之間的真實交流，不再是簡單的指令，而是根據不同的場景和需求主動建立溝通;第三，根據駕駛人員對汽車的使用習慣，完成自主學習和功能迭代。如何持續讓AI在車輛上進化是“3.0時代”產品的核心競爭力。

而這些能力和體驗的背后，離不開軟件、算法以及滿足相應算力要求的硬件的共同支撐。“軟件的研發、驗證以及確保軟件運行的安全穩定性，是所有汽車企業都要去關注的方面。”夏一平強調稱。

漸進式路線的背后邏輯

軟硬一體、算力冗余、智能云等，為高階自動駕駛落地提供了一定的技術支撐，但如何推廣商業模式始終是橫亙在不少企業面前的“一座大山”。在市場尚未完全成熟的情況下，企業如何自我“造血”，成為關乎其生存發展的重要命題。

自動駕駛行業流傳一句話，“攀登珠峰，沿途下蛋”。“珠峰”是一個終極目標，或者說企業初心;“下蛋”則指在追求“理想主義”目標時，用孵化出來的技術做出“現實主義”的產品。如今，自動駕駛市場上既有直接推廣Robotaxi一步到位的方案，又有從低階到高階量產迭代的方案。圖森未來聯合創始人兼首席架構師郝佳男表示，自動駕駛有很多方向都值得探索，不在一定的時間周期內，很難看出最終哪個方向更可行，所以不同的探索都是合理的。

宏景智駕聯合創始人兼軟件算法副總裁董健表示，該公司非常堅定地走迭代的漸進式路線。“宏景智駕的終極目標是做高階自動駕駛，但我們希望選擇逐步可持續落地的路徑。”他說。

目前，國內還沒有比較完善的針對L3級以上自動駕駛的法規。換句話說，如果不做L3級以下自動駕駛系統，創業公司不可能拿到車企每年10萬輛甚至百萬輛級的訂單。對于宏景智駕來說，選擇漸進式路線，已使其獲得不錯的營收業績。

通過L2及L2+級自動駕駛項目，宏景智駕積累了很多量產經驗。董健談及，自動駕駛系統非常復雜，涉及軟件、硬件、系統集成等多個方面。如果不經歷量產項目的“洗禮”，不經歷與車企的深度磨合，恐怕很難打造出真正能夠落地量產的產品。

此外，從數據積累角度來看，如果選擇只做Robotaxi項目，在法規和限定區域的條件下，量級可能只是數百輛的車隊;但如果做L2或L2+級自動駕駛項目，可以積累到每年數十萬甚至數百萬輛汽車的數據，同時也不限定區域。這些數據的豐富程度有利于企業推動L3、L4級自動駕駛走向成熟。

應對B端和C端雙重訴求

禾多科技副總裁戴震判斷，2025年或是自動駕駛量產的關鍵時間節點，而現階段行業面臨的最大挑戰在于，要同時滿足B端及C端客戶需求的雙重訴求。

傳統車企行事謹慎，將安全性、穩定性作為重中之重，供應商在技術開發和流程控制等多個方面必須滿足這些要求。而從消費者角度出發，雖然現在市面上的車輛具備了不少ADAS功能，但不敢保證所有的體驗都能讓他們滿意，難免有些消費者對技術的應用產生一定的顧慮，這從某種程度上也制約了自動駕駛的商業化落地進程。

在馭勢科技聯合創始人兼首席產品官周鑫看來，自動駕駛的推廣要著重解決以下幾個問題。首先，安全是金科玉律，永遠要放在第一位，沒有安全就沒有自動駕駛的未來。對算法的追求無可厚非，但企業仍要系統化地保障安全性，比如針對一些特殊的天氣場景。

其次是效率和成本，無人駕駛技術應用的最終目的，要么是削減成本，要么是創造效益，總歸要幫助客戶創造價值，同時幫助整個社會進步。這就要求相關企業真正做到，在各種復雜場景下的自動駕駛汽車有更高的速度、更敏捷的能力和更好的性能。

根據多年來服務B端客戶的經驗，周鑫總結出了另外一個關鍵點——管理，包括社會管理、法律管理和行業管理。“管理雖然與技術和產品研發沒有直接關系，但它可能是自動駕駛最終能否商業化的決定性因素。從宏觀到微觀層面，管理一定需要與無人駕駛的技術研發配合，互相改變，互相‘進步’。”他表示，此前針對有人駕駛的管理辦法，不一定適合無人駕駛技術，否則可能扼殺自動駕駛行業的未來。無人駕駛一定與社會管理者同時進步，與企業管理者一起行動。

突圍單車智能和車路協同

展望自動駕駛的未來，無疑會是一條充滿機會，但又陡峭崎嶇的山路。寒武紀行歌執行總裁王平指出，未來5年，行業將呈現三大趨勢。第一，L2+級自動駕駛系統配裝率迅速普及，未來5年，L2+級及以上自動駕駛系統的總體滲透率會超過50%;第二，受限場景下L4級自動駕駛解決方案將逐步落地，但距離大規模量產還有很長的路要走;第三，車路云的閉環協同，將推動駕乘體驗持續升級。

與此同時，自動駕駛芯片的發展將呈現通用開放和大算力的特征。在L1和L2級自動駕駛階段，汽車產生的數據量相對比較少，因此不少車企接受了芯片和算法強耦合的封閉式一體化方案;到L3、L4級自動駕駛階段，數據量會激增，算法也將更加復雜，大算力芯片才能滿足需求。此外，OTA也需要通用開放的軟件平臺加以支撐。

王平表示，自動駕駛系統的規模化落地，目前還面臨多重挑戰。單車智能方面，一是目前單片SoC的處理能力普遍不足，兩片甚至更多片才能滿足需求，使得系統復雜度指數級上升，造成量產困難;二是多片SoC的應用導致域控制器功耗很大，必須采用風冷甚至液冷，增加了系統成本，使得自動駕駛系統在10萬元以下車型上很難普及;三是國產芯片市場占比仍然較低，芯片供應受全球供應鏈影響巨大。

而在車路云協同方面，首先，海量數據的閉環需要大規模AI集群的支撐，根據特斯拉方面的數據，每一輛智能汽車上路，就需要增加價值500美元的云端AI計算資源支撐，企業成本壓力巨大;其次，車企還需投入大量資源，對數據安全和隱私進行保護;最后，云端統一運營數據的模式，還不能有效滿足車主的個性化需求。

關鍵詞： 智能汽車 自動駕駛 通信專利 芯片挑戰