曹原 允中 發自 凹非寺量子位 | 公眾號 QbitAI

自動駕駛的兩條路線之爭

，在2022年似乎完全分出了結果。

一方面，

完全無人駕駛路線

，以Robotaxi為代表的純L4路線，進展遇冷，發展遇阻，甚至有明星獨角獸公司轟然倒閉。

另一方面，

量產自動駕駛路線

，把自動駕駛技術在量產車上釋放和乘用，繁花似錦，烈火烹油——特斯拉和毫末智行等高歌猛進、各種智慧車亮相上市，結論已經不言自明：

在自動駕駛技術落地程序中，量產一派已經取得了壓倒式勝利。

而且進一步細分，聚焦量產自動駕駛陣營，在這分水嶺的一年中，也展現出了分明的格局和梯隊。

玩家可以分出

三大類別

，並且以

兩大硬指標

為標準，現在已經分出

三大梯隊

。

量產自動駕駛：上車決生死，進城分高下

上車與否

是檢驗量產自動駕駛的

首要標準

。

既然是將自動駕駛技術應用於量產車，能不能

前裝量產

上車，以及

有多少量產車上路

，直接決定了量產自動駕駛的生與死，沒有量產車或定點專案，無法逐鹿中原，無法參與高下之決。

而分出高下的標準也很直接：

進城

。

按照自動駕駛技術的應用難度，

量產一派的技術進階路線

早已明晰：

最簡單的是泊車場景，解決封閉或半封閉場景下的低速自動駕駛。

其次是高速、環道和城市快速路，解決封閉或半封閉路況下的高速自動駕駛。

最難就是城市開放路況，需要考慮交通參與全要素，需要解決包括行人、機動車和非機動車在內的所有問題，以及難以窮盡的極端長尾場景。

實際上，城市開放路況下的自動駕駛，與完全無人駕駛追求的Robotaxi能力，別無二致。

只不過Robotaxi內在追求是人類不再是駕駛主體，而量產車上，即便有城市開放道路下的自動駕駛能力，人類車主司機，依然是責任人，需要隨時可以緊急接管。

而且雖然量產自動駕駛，可以工程化切分出三大技術模組，但最後殊途同歸：

點到點連續不間斷的自動駕駛，或者是一個停車場到另一個停車場的連續不接管自動駕駛。

在這條道路上，可以按照三大類別劃分玩家：

第一類，造車企業，主機廠。如特斯拉、蔚小理…

第二類，一級二級供應商，或者是可以同時提供軟硬體的新型供應商。像博世、地平線…

第三類，技術解決方案供應商，提供自動駕駛系統、方案，大腦。

這類玩家眾多，而且基本是自動駕駛浪潮開始後洶湧的玩家，從起點就瞄準量產自動駕駛，到一開始從L4切入，現在都進入了這個賽道。

上述三大類玩家創辦有先後，各自切入自動駕駛的角度也不盡相同，但在2022年行將結束之際，已經能看出梯隊式的進展。

量產自動駕駛2022年格局：三大梯隊

維度很簡單：

第一，是否量產上了車，是否有量產車上路。

第二，上車的是哪一技術等級的方案。

按照這兩大維度，截至2022年，已然有層次分明的三大梯隊。

第一梯隊

，量產上車，且落地的是

城區方案

，可以實現城市開放道路下的自動駕駛。

第一梯隊玩家：特斯拉（FSD）、毫末智行（NOH）、華為（Hi）、小鵬（XNGP）；

第二梯隊

，量產車就緒，

已經落地泊車和高速環路方案

，但城區方案尚未就緒。

百度Apollo、通用（Super Cruise）、Momenta（智己L7）、大疆車載、蔚來（NAD）、理想（NOA）、Mobileye、地平線、縱目科技、禾多科技、智駕科技、博世。

第三梯隊

，完成

定點合作

和披露了時間表，但量產車尚未上市。

該梯隊內，扎堆

L4級技術降維L2

的公司，也有後發造車的新勢力代表，是群雄齊聚又

變數叢生

的梯隊。

但站在2022年的時間點上，三大梯隊的層次格局已成，就像賽車比賽已經跑完了第一圈。

格局的特點也很明晰：

首先，跑得最快的第一梯隊玩家，

無一不是可以端到端、軟硬體一體打造的玩家

。

其次，入局先後的

時間差異

，只存在第二和第三梯隊的區別中。而第二梯隊到第一梯隊，卻要有

技術上的躍遷

。

這種特點的典型代表，正是第一梯隊中的最特殊玩家——

毫末智行

。

毫末智行，創辦於2019年底的自動駕駛公司，卻成為了量產自動駕駛領域

速度最快、技術躍遷能力最強、產品交付第一

的玩家。

僅僅3年時間，毫末智行就的量產自動駕駛系統

HPilot

就上車了魏牌、坦克、尤拉、長城炮等近20款車型，使用者行駛里程突破2300萬公里。甚至率先開啟了出海，隨摩卡PHEV落地歐洲。而另一條路線上，末端物流自動配送車領域，毫末自研的無人配送車小魔駝以12。88萬的價格優勢，卷出全球新紀錄，累計配送訂單迅速突破10萬單。

這種量產自動駕駛產品交付第一的速度，也是“毫末速度”的來源。

當然，這背後自然與其組織和創新機制有關。一方面孵化於長城汽車集團，起步條件得天獨厚；另一方面又以創業公司突進，最大限度激發組織活力。這也是毫末智行被稱為老牌車企智慧化轉型樣板的核心原因。

但審視毫末，更需要從自動駕駛技術探索的維度。

之所以有“毫末速度”、“毫末模式”，是因為背後有對自動駕駛本質規律的認知和實踐。

這種自動駕駛本質規律，在其最新曝出的

三週年全員信

中，也被

董事長張凱和CEO顧維灝

著重提到。

在毫末內部信中，提到毫末三年來，做得最正確的事情就是——對自動駕駛第一性原理的堅定恪守、對AI技術的極致追求、對量產落地的高速推進，對降本增效的不懈探索。

所謂

自動駕駛第一性原理

，就是堅定相信：資料是人工智慧最大的驅動力，也是最大的成本。於是毫末智行很快就明確把

“資料智慧”

，作為發展自動駕駛的第一性原理，釋出了中國首個數據智慧體系MANA。

值得注意的是，毫末智行也是最早明確喊出

“輔助駕駛是通向自動駕駛的必由之路”

的玩家。而且在業內執著於“高精度地圖”加持帶來的效果時，就從成本、量產和應用範圍出發，啟動了不依靠高精度地圖的研發，其後率先發布了

中國首個重感知技術路線

，為可大規模量產的城市NOH產品奠定了基礎，在魏牌摩卡鐳射雷達版新車交付後，率先實現了北京城市開放路況下的上路。

另外，以毫末為參照，不僅可以知量產自動駕駛快慢原因，也能夠

重新審視完全無人駕駛路線

敗退的根源。

瞄準L4、L5的完全無人駕駛，如果以Robotaxi為產品落地，放在第一性原理下審視，無論資料累積的數量還是成本，都不具備短時間內閉環可持續的條件，完全押注Robotaxi的玩家，經不起經濟週期的任何風吹草動。

當然，自動駕駛的終極目標，曾經以不同切入點而劃分過兩大路線陣營，

但最高桂冠卻一直沒有變過，通向最高桂冠的技術、架構和機制原理也沒有變過。

下一階段的變數和亮點，依然與此有關。

第一是資料閉環。

現階段完成軟硬體一體上車，資料閉環架構已經搭建完成的玩家，能夠展現出怎樣的效果？

是真的可以滾起雪球、強者愈強？還是可能會在大規模資料中，疲於訓練、治理和部署，需要拿出更進一步的應對之策？

第二是L4對L2的降維。

諸多之前從L4自動駕駛為起點的明星玩家，都已紛紛入局量產自動駕駛，錨定定點合作，準備在量產車市場一展身手。

而L4積累的技術能力，到底能不能在L2產品上得到最強釋放？還是最終技術降維會因為應用場景不同而只是美好想象？

總之，出發時道路千萬條，最終都會歸於同一條。

自動駕駛不會長夜將至

對於整個自動駕駛行業來說，2022都是標誌性事件頻發的一年。

量產自動駕駛大規模上車上路，無人駕駛駛入主駕無人、全車無人甚至開始去掉方向盤。然後與之相伴相隨的是，更加受到關注的接管不及時事故，明星公司的收縮和行業洗牌。

或許若干年後，在自動駕駛的終極目標達成之時，這一年會被以各種各樣的刻度記錄。但當局之時，人類大腦的本能往往會對“坎坷曲折”有更深印記，所謂“好事不出門，壞事傳千里”。

在種種自動駕駛的“坎坷曲折”事件發生時，業內業外都心生懷疑：

自動駕駛，長夜將至？

然而縱覽全域性，以年為經，以進展為緯，用標誌性公司和人物為指引，就不會有任何猶疑：

自動駕駛，不會長夜將至。

因為同樣是這一年，

馬斯克

把Robotaxi和人形機器人放到了檯面，

李彥宏

以商業模型和訂單數，把自動駕駛商業化潛力放到了檯面，

毫末智行

也明確了全無人駕駛、綜合體機器人在內的“讓機器智慧移動”的願景。

長夜不會來，因為這些人和公司手握火炬。

自動駕駛的星河璀璨才剛剛開始，因為

從技術到商用的閉環：

check完畢！check完畢！

—

完

—