站在 2018 年看自動駕駛產業終局

*擠在矽谷開展自動駕駛技術研發的巨頭們

雷鋒網按：本文來自微信公眾號「42號車庫」。作者Chris Zheng。雷鋒網已獲授權轉載與發布。

進入 2018 年，以 Waymo 下單 2 萬輛捷豹 I-PACE 為開端，自動駕駛領域的場子再次熱了起來。本文將分享我近期觀察自動駕駛領域的一些發現，如有不同觀點，歡迎在文末評論交流。

自動駕駛領域從未出現泡沫

考慮到技術的複雜度和商業化的不確定性，自動駕駛一開始就被認為是資本密集型行業。但 2016 年年底很多業內人士和調研機構都認為該領域出現了泡沫。比較典型的是以下三起收購：

通用以 10 億美金現金+期權收購 Cruise Automation；

Uber 以 6.8 億美元收購 Otto + 3 億美元與沃爾沃合作；

福特以 10 億美元現金+期權收購 Argo.ai。

這裡的背景是，上述以 10 億美元估值成功上岸的創業公司被收購時團隊規模都在 50 人以內。所以 2016 年 8 月，Gartner 發布的技術成熟度曲線（The Hype Cycle）中，自動駕駛汽車（Autonomous Vehicles）位列在過度期望的峰值（Peak ofInflated Expectations）。

Gartner 認為 2016 年自動駕駛汽車得到了主流媒體的吹捧，導致對這項技術不切實際和過高的期望。自動駕駛汽車距離成熟和普及還需要至少 10 年時間。

Gartner 技術成熟度曲線在業內具備相當的影響力，許多企業都將該曲線作為評估新興技術、做出重大投資決策的判斷依據。

所以很顯然，自動駕駛領域存在泡沫？

我認為，是人才的稀缺性+資本密集型產業的特點，使得調研機構和投資人出現了誤判。

事實上，今天在加州車管局（DMV）申請自動駕駛牌照獲批的自動駕駛研發企業有 55 家，如果加上未申請/尚未獲批的企業，這個數字遠遠超過了 100 家。這使得人才的稀缺性進一步凸顯。

有不低於 20 家創業公司的核心研發團隊來自 Waymo、Uber、百度美研和特斯拉這四大自動駕駛人才黃埔軍校，整個自動駕駛行業的人才流動非常頻繁。

第二個特點是資本密集型。

到 2018 年，上面三起收購的主人公通用 Cruise 車隊 180 輛左右，團隊規模超 800 人；Uber 車隊達到 300 輛，路測里程達到 500 萬英里；最差的福特 Argo.ai 團隊規模也有 350 人，車隊路測里程不詳。

接下來下全是算術題：

組建一支 300+ 人規模的自動駕駛工程師團隊，平均年薪 30 萬美金；

組建一支至少百輛級規模的自動駕駛路測車隊，改造完畢的自動駕駛汽車 35 萬美金/台；

組建一支與車隊規模匹配的安全測試員隊伍；

百輛級規模路測車隊跑兩年的運維成本、能耗成本。

10 億美金是一個不偏不倚、合乎邏輯的價格。

如果還是覺得沒有說服力，那麼看看走到技術商業化臨界點的巨頭是怎麼花錢的：

Waymo：6.2 萬輛克萊斯勒 Pacific 路測車隊 + 2 萬輛捷豹 I-PACE 路測車隊+相應的運維成本，即便有規模化帶來的成本下降，Waymo 投入也在百億美金以上。

通用 Cruise：收購 10 億+通用追加 11 億+軟銀 22.5 億+通用工廠改造，保守估計45 億美金。

豐田：「未來幾年投資 3000 億日元（約28 億美金），發展 1000 名規模的員工隊伍。」姑且認為「未來幾年」是 2020 年前。

福特：到 2023 年投資 40 億美金（包括收購 Argo.ai 的 10 億美金）發展自動駕駛技術，預估到 2020 年投入20 億美金。

*Uber 等紅色柱條均根據客觀條件預估，可能與實際情況有較大出入。

Uber：先是高管離職潮，後是自動駕駛車禍致死；職業經理人出任 CEO，訴求由發展轉為推動上市，預估到 2020 年累計投入 15 億美金。

寶馬聯盟：囊括了寶馬、克萊斯勒、英特爾、Mobileye、德爾福、大陸的超強組合，缺陷是商業化計劃偏保守，預估 25 億美金。

特斯拉：自動駕駛行業最大的變數之一，截至 2018 年 8 月，Autopilot 2.0 車型保有量達到 20 萬輛；收集路測數據超 4 億英里；到 2020 年路測車隊達到 60 - 90 萬輛；搭載自動駕駛 AI 晶元的 AP 3.0 車型 2019 年 Q1 量產。預估到 2020 年達到等價投入 70 億美金的技術能力。

蘋果：自動駕駛行業最大的變數之一，我得到的消息是，蘋果的技術能力已經達到非常領先的水平，目前尚無法確認蘋果、Waymo、通用的排序，預估 90 億美元。

上述領先者中，Waymo 的技術實力最強，我們看 Waymo 的路測里程走勢，是非常接近指數級增長模型的。

Waymo 的商業化步伐也是走得最快的。Waymo 此前公布了商業化四大應用場景：

自動駕駛計程車（Robo-taxi）

無人駕駛卡車貨運

技術授權

最後一公里服務（運輸乘客去公交/地鐵站）

領先的技術水平和有條不紊的商業化計劃給 Waymo 帶來了非常好的市場回報：在瑞銀的一份報告中，Waymo 是全行業唯一一家在 2018 年量產 L4 級自動駕駛汽車公司；而在摩根士丹利的一份報告中，Waymo 的最新估值達到了 1750 億美元。

自動駕駛領域從未出現泡沫，只不過技術從 Demo 到商業化需要重資產投入，大幅拉升了競爭門檻。或許應該這麼表述：自動駕駛計程車（Robo-taxi）這門生意，從資本角度根本不適合獨立的創業公司。

傳統汽車巨頭該怎麼做？

資本密集型這一特徵基本擋住了創業公司顛覆傳統汽車巨頭的可能性，除此之外，技術密集型和傳統汽車巨頭在汽車行業深耕上百年對車規、工藝、安全的理解，幾乎堵死了企圖獨立崛起的創業公司的道路。

考慮到全球汽車工業至今沒有互聯網化，也就不存在所謂零和博弈。頭部勝出、其他做炮灰的互聯網規律不適合直接拿來推演自動駕駛行業。也就是說，即便 Waymo 蘋果通用的取得了暫時領先，也不意味著其他巨頭就要繳械投降。

對於諸如大眾、賓士這類技術能力強、現金流充沛的巨頭，其實通用收購（戰略投資）創業公司的做法非常值得借鑒。Cruise 被收購時員工規模不到 40 人，測試車只有 2 輛。如今的領先地位來自通用管理層對自動駕駛業務全面的資源傾斜支持，具體包括：

徹底解決財務問題，讓團隊專註於技術研發

收購後保持獨立，讓 Cruise 作為創業公司的執行力可持續

管理層重視，推動車輛工程和底盤控制團隊和軟體演算法團隊融合

我們已經看到一些類似的組合，例如大眾 + Aurora、廣汽 + Pony.ai 等。

為什麼傳統汽車巨頭自主研發自動駕駛汽車不是個好主意？

最關鍵的還是企業文化和執行力問題，儘管巨頭們在生產製造、車輛控制等領域有豐富的經驗，但機構臃腫、決策緩慢、效率低下等大公司病+與互聯網行業完全不同的運行機制會讓巨頭在自動駕駛領域的競爭中處境變得艱難。反觀如今取得領先的 Waymo、Cruise，無一例外都是執行力高效的小公司。

除此之外，巨頭對人才的吸引力也往往不如創業公司，百度美研、Waymo 們的人才流動頻繁就是典型證明。

事實上，由巨頭戰投/收購演算法團隊較強的創業公司合作研發自動駕駛汽車是綜合考量巨頭+創業公司的特點，將優勢最大化的策略。

對於在自動駕駛領域已經明顯滯後、資本實力又不夠強的大公司，還有一個下下策：Waymo 拋出的「技術授權」。

創業公司的機會在哪？

自動駕駛領域發展到今天，我們看到很多創業公司已經逐漸跑出了各種各樣的方案。被普遍看好的、比較典型的藍海市場為以下三大場景：無人駕駛物流車、無人駕駛外賣車、無人駕駛貨運……也就是低速、封閉、限定區域這幾個詞排列組合。

做這種垂直細分市場的理由顯而易見：前面已經提到，由於自動駕駛領域資本密集型、技術密集型和設計產業鏈過長的特徵，創業公司從零開始運營自動駕駛計程車（Robo-taxi）顛覆傳統汽車巨頭的概率微乎其微。

而上述細分市場似乎對創業公司商業化要友好得多，下面逐一展開分析：

無人駕駛貨運

先提供兩個有趣的視角：特斯拉推出的純電動半掛 Semi Trunk 全系標配了 Autopilot 2.5 硬體，但是在發布會上，官方絕口不提自動駕駛。

特斯拉重點宣傳的是自動緊急制動、自動車道保持和車道偏離預警這三個 ADAS 功能和隊列行駛（Track Platooning）功能（即首輛卡車由司機駕駛，後續車隊自動跟車、無需配備駕駛員，將卡車車隊變身為「火車」）。

Uber 對貨運市場有兩個業務布局：一個是旨在匹配貨運供需兩端的 App  Uber Freight；一個是 Uber 自動駕駛卡車業務。本月初，Uber 宣布了兩個業務調整：恢復因致死事故暫停僅 4 個月的自動駕駛汽車路測計劃；終止自動駕駛卡車研發計劃。

兩個自動駕駛領域的激進派代表都對自動駕駛卡車偃旗息鼓，值得我們深思。

自動駕駛貨運市場更易商業化的常見理由是：貨運市場對應的高速/港口場景相對簡單；貨物（相對人）對演算法控制精度的要求更低；貨運司機存在較大人才缺口等。

先說高速/城際公路場景。

我們以物流公司的視角思考問題：貨運行業總成本中第一是佔比 40% 的司機工資成本，第二是佔比 26% 的能耗成本。

給一輛半掛後裝一套創業公司研發的自動駕駛駕駛系統，是否可以大幅降低成本呢？

答案是不行。

因為目前創業公司的技術能力還達不到取消測試員的水平（即便是高速/城際公路等相對簡單的場景），也就意味著當車輛處於自動駕駛模式時，駕駛位必須坐著測試員隨時接管意外情況。

稍微展開闡述一下物流公司的思考邏輯：TCO 是貨運和出行第一定律。

（Total Cost of Ownership：即總擁有成本，包括產品採購到後期使用、維護的成本。這是一種被廣泛採用的技術評價標準。）

對於物流公司來說，TCO 包括車輛購置成本、車險、能耗成本、保養維護成本、人力成本、事故成本等。後裝自動駕駛系統大幅降低了事故成本、小幅降低能耗成本，但無法覆蓋後裝自動駕駛系統本身增加的成本。

任何細分市場的商業化都要以形成商業閉環為前提，如果盈虧平衡都不成立，說明商業化節點尚未來臨。

下面是港口場景。

2017 年，全球十大港口中有 7 家在中國，其中排名第一的上海港標箱吞吐量達到 4018 萬，中國前十大港口標箱吞吐量年增幅均在 100% 以上。

港口相對高速/城際公路最大優勢在於，這個場景相對封閉，所以受政策限制較低。

但成也封閉，敗也封閉：很多港口會選擇 AGV （Automated Guided Vehicle，即自動導引運輸車）方案。

所謂 AGV，即在港口貨物流轉關鍵路徑鋪設磁釘、建好電磁軌道，做基於 AGV 的集裝箱自動化裝卸。這是一種非常成熟的、高度標準化的現代物流自動化設備。

也就是說，創業公司的自動駕駛系統需要與現有的成熟自動化設備博弈，打敗後者才能具備商業化條件。

（多說一句：貨運乃至整個商用車領域的剛需是什麼？是 ADAS + 隊列行駛。以低成本方案大幅提升安全性、降低 TCO，這或許是個創業機會。）

無人駕駛物流車&快遞車

2014 年，中國的快遞業務量突破了 100 億件，且以 100 億件/年的速度逐年增長，預計今年將達到 490 億件。

2018 年 5 月 19 日，國內最大的外賣平台宣布日訂單突破 2000 萬單。按照目前的增速，中國外賣市場非常有希望在未來幾年突破 1 億單/天。

另外，中國的勞動力成本自 2005 年後的十年間上升了 5 倍。外賣/快遞在高峰期的運力不足日益凸顯。

這對自動駕駛技術來說這是非常好的應用場景。

細分來看，外賣無人車商業化會快於快遞無人車，下面是具體分析：

對比快遞和外賣成本結構可以發現，快遞的成本可以拆分為城際和末端（也就是常說的最後一公里），外賣更多時候只有「最後一公里」的概念，很少有外賣訂單的車程在 30 公里以上。但對於快遞來說，成本的大頭是城際物流成本，也就又回到了前面講到的貨運。

即便中國的快遞已經越來越快，但在時效性上仍遠遠比不上外賣。快遞的中轉配送站統一投送使得一個快遞員日單量可以 100 單 - 200 單。但外賣的時效性決定了一個送餐員的一天也就是 30 單左右。

一個快遞可能是一個冰箱，也可能是一份文件。這種包裹體積的不確定性對無人配送車也不夠友好。如果是外賣，它的餐盒規格是固定的，也就意味著每個外賣配送車的運行效率是穩定的。

所以真正最後一公里範疇（無人車可覆蓋的場景）的單件物流成本，外賣遠高於快遞。

當然我們看到的現狀是，菜鳥、京東、順豐、餓了么、美團的機器人遲遲沒有大規模鋪開，背後的主要原因是當下的無人快遞/外賣車 TCO 仍然高於人力成本，商業模型不成立。

不過，考慮到感測器成本正在快速下降、中國的快遞/外賣市場已經寡頭化，此類無人配送車的商業化仍然會快於乘用車和商用車領域。

發展中國特色的自動駕駛技術

在資本和技術之外，監管也是自動駕駛汽車商業化的重要因素。

從全球來看，看到了技術商業化臨界點、開始大規模投入的企業廣泛集中在美國。美國在自動駕駛領域不僅領先於正在崛起的中國，也領先於德日等傳統汽車強國。這可能是促成中德、中日就標準制定、數據共享達成合作的原因之一。

前不久上海經信委赴美體驗了 Waymo 的自動駕駛汽車，對 Waymo「平滑、流暢的試乘體驗予以肯定，堅定了加快發展自主無人車的決心」。

一流的政策和場景、二流的資本和技術，中國會發展出不同於矽谷、具有中國特色的自動駕駛生態。

這是中國自動駕駛產業鏈（感測器、演算法、晶元、高精地圖、平台）公司們的獨特機遇。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！