784
特斯拉自动驾驶入华的技术思考
特斯拉FSD入华的消息已经不是第一次传开了，虽然每一次最终都被确认为假消息，但事实上早在2021年，特斯拉就在上海落成并启用了本地化的数据中心，以满足国内监管和政策方面的要求。此外，特斯拉还在国内组建了FSD的本地运营团队，并从总部调来工程师进行培训，同时还计划在国内建立规模达上百人的数据标注团队，为训练算法做必要的准备。
更重要的是在去年11月，工业和信息化部、交通运输部等四部委联合印发通知部署开展智能网联汽车准入、上路通行试点工作，为此准备已久的特斯拉FSD也被认为进入了“入华倒计时”阶段。同一时间段，FSD V12的软件系统开始内部部署，更新版本号为2023.38.10，马斯克也确认了这一消息……这一切都无不在释放一个信号：FSD可能真的快来了。
强化人工智能，FSD技术存在理论优势
新能源汽车经历了如同“坐火箭”一般的超高速发展阶段，已经将智能驾驶成功培养成自品牌、价格、外观内饰之后的第四大决定性要素，短视频平台大量车评人和测试机构都以智能驾驶为主要看点进行传播，也进一步拔高了用户的智能驾驶技术的期待，大家也都以看新奇看热闹的心态，来看这台车是否能躲过“鬼探头”，又是否能解救新手司机的“泊车困难综合症”……
从技术角度来看，当前的智能驾驶体系大多数都是模块化的设计，也就是感知、决策和执行三个主要模块。感知就是用摄像头、雷达来扫描环境，相当于人的眼睛和耳朵，而决策就像人的大脑，由它来分析感知模块送来的数据，从而做出决策，并发送到执行模块。
不难看出这一套流程虽然很符合逻辑，但有几个比较明显的问题，首先就是太被动，必须要情况已经发生，它才会做出对应的反应，摄像头或雷达必须探测到情况，再交给决策进行判断，最后再传递给执行单元进行紧急避让、紧急制动等操作。其次是流程太长，可能会产生所谓的联级误差，也就是一开始犯了个小错误，后面就会像滚雪球一样彻底变成一个大错误，从而导致反应延迟甚至还没来得及反应就已经遭遇事故。
所以，如果要达到更高级别的智能驾驶，流程就不能太“被动”，也不能太复杂，需要车机主动分析场景，提前做出可能性的预判，而这恰恰就是特斯拉FSD一直在强调的。
FSD V12利用人工智能即时演算来模拟真人驾驶员
特斯拉在去年底推出的智能驾驶方案FSD V12被称为“端到端”方案，汽车上的各种传感器不停地捕捉道路场景，但这些信息不会被传递给预先编制好的程序模块去进行被动计算，而是直接送给一个人工智能神经网络计算中枢，由这个模拟人类大脑的智慧中心去进行实时思考与分析，进而得到控制指令并直接传递给汽车操纵系统，实现对从道路端到驾驶端的直接联系。
这时候你可能会问：“人工智能就那么靠谱么？”事实上从全球范围来看，也只有全球出货量第一的特斯拉才可能有机会回答这个问题，在最近几年，FSD依托全球数百万的特斯拉汽车保有量，不断输入车载视频数据对系统进行训练，直到完成了千万级别的视频训练量之后才终于推出了V12版本，这个数据量和时间成本是非常可怕的，虽然马斯克在1月25日的特斯拉全年财报电话会上强调FSD可以授权给其他车企，但国内新能源品牌可能不会为此唯特斯拉马首是瞻，原因我们后面细说。
信AI还是信人类？法规仍持保守意见
虽然FSD雄心勃勃，但智能驾驶在现阶段依然属于辅助驾驶的范畴，像特斯拉宣传的那种全面自动驾驶还未获得法规允许。我国《交通安全法》明确规定，机动车驾驶人不得有拨打、接听电话等行为，使用完全自动驾驶的话，驾驶人大概率会走神玩手机，甚至还有人可能会直接呼呼大睡，在已有的多起涉及自动辅助驾驶的交通事故纠纷中，原本可能是双方共同的责任，法院也会以使用自动辅助驾驶为由，判定其中一方承担主要责任。
即便是在特斯拉的大本营美国，对自动驾驶也始终保持相对保守的态度，比如加州最近就通过了一项新法规，禁止车企过度宣传端到端智驾系统的“全自动驾驶”能力，这说明全球范围内的社会各界，对端到端智驾系统试图模拟“人类大脑”规划决策能力的技术方向依然持怀疑态度吗，这也为FSD V12力推的这条全新智驾路线蒙上了不确定因素。
问界获发深圳L3自动驾驶测试牌照
除此之外，目前FSD完全自动驾驶即便在北美地区也仍然处于测试阶段，这也就意味着FSD还没有达到真正成熟可用的状态，再加上中国的路况比北美更加复杂，现阶段的FSD难以满足开放条件，仍需要继续深挖训练数据来摆脱人工智能大模型“水土不服”的问题。不过好消息是去年年底，比亚迪、问界等品牌已经在深圳、重庆等地获得了L3自动驾驶测试牌照，可见相关部门对自动驾驶依然是保留了乐观态度。
国产也有对应的纯视觉智能驾驶辅助方案
跟还是不跟
国产智驾路线或“两条腿一起跑”
FSD V12的出现相信也给国内的新能源品牌敲响了警钟，被动式智能驾驶从成本来说明显偏高，因为每个组成模块都包含着多个小模型的组合，如感知模块可能包含分类、追踪和定位等不同 AI 模型各司其职，而且这个复杂的模块式架构会随着软硬件升级与逐步深入，对计算能力和海量数据处理能力需求的指数级暴增，又会增加成本。
而如果实现自动驾驶的成本过高，就只会有少数“领先用户”采用，销量不够大、企业利润不够多，就会缺乏资金进行技术创新投入，迟滞技术的迭代升级进程，形成恶性循环，所以降低软硬件成本是普及智能驾驶的大前提，因此推动类似FSD V12“端到端”技术是势在必行。
不过，一如我们前面所说，“端到端”的人工智能基于大量的行车数据，为什么我们国产新能源品牌不能直接用FSD的方案呢？这是因为特斯拉是纯视觉方案的倡导者，而国产新能源企业有很多是雷达+视觉方案，甚至还有纯雷达方案，所以不同企业对训练数据的需求也是不一样的，并不能简单地奉行拿来主义，这就逼得各大厂商只能各自为阵，以相对缓慢的进度来累积人工智能所需的数据。
华为已经在算法上接入人工智能推理
而在这个累积量变的期间，新能源智驾自然就还得依靠传统的被动式方案，这也就意味着在未来相当一段时间内，智能驾驶依然会停留在辅助驾驶阶段。不过为了降低成本，各大品牌现在也都开始为智能驾驶硬件做减法了，以华为ADS 2.0方案为例，相对ADS 1.0取消了2个侧向激光雷达、2个侧前方和1个后方毫米波雷达，摄像头也从原本的13个减少到了11个，但与此同时，也在算法上做了大提升，其中BEV算法就倾向于“端到端”的方案，而且还减少了对高精地图的依赖，总体来说释放的信号就是强化L2级辅助驾驶，不对L3及以上的智能驾驶好高骛远，这也代表了当下国产新能源智能驾驶平台的态度。
国内车企智驾系统重新“排兵布阵”
城市智驾大练兵 面对越演愈烈的特斯拉FSD入华消息，国内标榜智能化的新能源车企们也已经下定决心，几乎全在近年涌向了智能驾驶最难攻克的城市道路。
曾经用“冰箱彩电大沙发”定义智能座舱的理想汽车，过去一年多时间里，一直在投入重金招兵买马，恶补智能驾驶短板。去年年末，理想宣布已经提前推出了覆盖超100座城市的智驾功能。
没过两天，原本计划在今年年底完智能驾驶扩城200座目标的小鹏汽车，也宣布提前一年完成任务。在新车型X9的发布会上，公司创始人何小鹏透露，其智能驾驶系统XNGP已经覆盖了国内243座城市。
哪怕是在智能化领域一度相对保守的比亚迪，也不得不在智能驾驶上表决心。不久前举办的比亚迪“梦想日”活动上，比亚迪首次系统地展示了自家在智能座舱、智能驾驶等领域的技术储备和应用。人员数量上看，比亚迪智能驾驶团队有多达3000多名软件工程师、1000多名算法和硬件工程师，远超上述两家车企，甚至可以跟华为智驾团队一拼。
当然，人多不证明技术强大，但至少能看出在智能驾驶领域几乎没有基础的比亚迪之决心。有意思的是，去年3月，比亚迪董事长王传福还在评价无人驾驶技术就是“忽悠人”，认为现阶段的法律法规、技术成熟度都不足以让无人驾驶落地。
现在，在冲击高端市场的压力下，比亚迪不仅要智能驾驶技术自研，还要纳入外部供应商做保障，比如跟自动驾驶解决方案供应商百度Apollo、Momenta合作，传闻还要将大疆车载纳入供应链。根据比亚迪的时间表，今年第三季度仰望U8车型就将搭载城市领航辅助功能。
如果说，自动驾驶是汽车智能化角逐的皇冠，那么实现城市场景高级别智能驾驶就是皇冠上的明珠。按照理想汽车董事长李想的说法，如果如果高级别智能驾驶没办法在城市场景实现，那就像买了高层楼房却没有配备电梯，“以后在中高端市场只有被淘汰的结果”。如今国内竞争者已经纷纷就位，选择哪条技术路径来实现这一目标？车企“大干快上”的过程中，谁会成为“炮灰”？
技术路线去繁就简高级别智能驾驶进入城市的政策层支持已经就位。去年11月中旬，工信部、公安部等四部委联合发布《关于开展智能网联汽车准入和上路通行试点工作的通知》，决定挑选具备量产条件的L3和L4级智能网联汽车开展准入和上路试点。
从多年的尝试结果来看，全场景、全天候的自动驾驶只能发生于固定的小型区域，前面也提到，配备L3智驾系统的车企至今仍是个位数，且都还是在高快速路区域的测试阶段，落地复杂的城市路段恐怕还有一段时间。
L3是一个分界，以下是辅助驾驶或高阶智能驾驶（L2.5）、以上自动驾驶
而高阶智能驾驶系统的技术路线并不固定，从感知端技术划分，既有特斯拉力挺的“纯视觉路线”；大部分车企一开始选择的是结合激光雷达、毫米波雷达和摄像头等多传感器的的感知路线，甚至还在后期加入了高精地图作为辅助，提供更丰富的道路信息。
不过，特斯拉的纯视觉路线已经在争议中实现正向收益的同时，众多车企的辅助驾驶功能的商业价值都还没能展现出来，市场竞争环境又从去年开始变得愈发激烈。在车企纷纷加入价格战的同时，诸多车企选择抛弃需要高投入的传感器设备和高精地图，迅速调整路线向特斯拉靠拢。
高精度地图成了首先被抛弃的辅助产品。高精地图的作用类似于导航地图，但一般要达到分米级，还要提供大量行车辅助信息，包括各种道路细节。高精地图供应商四维图新的CMO孟庆昕曾解释，高精地图和我们常用的导航地图完全不一样，它可以被理解为写给车的整体的算力模型，也可以说高精地图是一种具备“超视距”感知能力的传感器。
按照最初设想，高精度地图与车道智能硬件设备交互信息，就相当于为汽车开了上帝视角：路是明确已知的，行车只需要要关注行人和其他交通参与者即可，能大大减轻车端感知和决策的压力。
但是高精度地图最大的应用难点在于，建图所需时间和经济成本都非常高昂，更别说要保证地图“鲜度”需要付出的成本。业界数据显示，分米级地图的测绘成本为每公里10元左右，而要达到厘米级地图的测绘成本可达每公里1000元。
另一方面，高精地图采集资格并不易得，只有少数供应商和车企有这一资格，而图商现在普遍还是3个月更新一次高精地图，对于高阶智能驾驶系统来说最理想的状态是日更或小时级的更新。“鲜度跟不上，高精地图还有什么用？像华为光采集上海高精地图就花了2年，还没采集完，怎么保证更新？”业内人士对于高精地图更新慢也给出了解释，主要还是因为成本太高、城市路况又太复杂。
因此，2022年10月，“造车新势力”中小鹏率先发声，宣布将不再依赖高精地图，2023年下半年无高精地图的辅助驾驶功能会向数十个城市的用户、通过OTA的方式推送；2023年3月，理想跟进，宣布端到端训练出、不依赖高精地图的城市NOA导航辅助驾驶系统会在2023年内进行测试；同月，人工智能芯片供应商地平线和华为都传出消息，将推出类似的智驾解决方案，也就是去年4月面世的华为ADS 2.0系统。
不过，并不是所有车企都选择“无图”路线。走在前列的海外自动驾驶公司如Waymo、Cruise仍然非常重视地图，广汽、宝马、蔚来等车企也没有放弃对高精地图的投资。但是高精地图的重要性已经降低，“轻地图”或成主流。
尚有“大山”在前和高精度地图在高阶智能驾驶领域的权重显著下滑不同，要不要砍掉感知硬件中最贵的激光雷达尚未有定论。
激光雷达有很多优点，它可以直接获得前方物体的速度和距离信息，不受光照影响，在夜间也能运转如常。最重要的是，这些特点恰恰能够弥补摄像头缺陷。
此前，激光雷达最大的缺点就是贵，这在车企把控成本为先时，几乎是“致命”的。不过，在争夺订单和技术迭代的作用下，激光雷达已经从2017年的8万美元降到了现在的几千元人民币。虽然还不够低，但也不再是以往的天价。理想、蔚来、小鹏都曾在高端车型中配备激光雷达，有些车企的新车型甚至配备了3到4颗激光雷达。
但如果以“纯视觉路线”为目标，那么激光雷达的必要性肯定会进一步降低。特斯拉是将摄像头用到了极致，如果跟随的车企选择多传感器融合方案，那么如果两种传感器发生冲突，系统算法以谁为重？如果选择的是摄像头，那何必装配激光雷达？
冷静下来的车企们，对于上车激光雷达也更加理智。刚提到过的华为最新智驾系统ADS 2.0不仅降低了对高精地图的依赖，也把激光雷达数量从最初的3颗砍至1颗；一直在技术路线上最贴近特斯拉的小鹏也提出要在今年精简自动驾驶BOM（物料清单），要让成本降50%，整车动力和硬件系统成本下降25%，新款P5已经把激光雷达取消。
不过这种改弦易辙也带了新问题：老车主的权益如何保证？事实上，技术路线的大幅变化很多时候并不能兼容老款车型，因为硬件要求和算法架构都已经完全不同，不仅算力不能满足，连OTA升级都会牵扯到多个供应商。
最重要的是，车企想要改变自己的技术路线也没那么容易。上文已经提到，特斯拉的“端到端”模型训练对算力以及数据规模、质量都有很高的要求，实现难度陡增。为此，特斯拉还自研了FSD车端人工智能（AI）芯片和云端训练芯片，而数百万辆特斯拉在路上行驶也带来了源源不断的数据。这些都是国内车企尚需逾越的大山。
寻找技术变现的破冰点
智能驾驶能回本吗
没有面包的爱情就是一盘散沙，无法赚钱的智能驾驶又能靠情怀撑多久？
黯然退市的智能驾驶明星企业
曾经智能驾驶行业的主流观点是，卡车比乘用车更快地实现智能驾驶商业化。逻辑也不难理解，相比城市道路的非标，高速路相对封闭和简单，意味着卡车智能驾驶的技术难度更小况且运货总比运人简单，先把智能运货搞明白再运人也更符合逻辑。
高期许下，智能驾驶第一股出自卡车领域，并获得了超高估值，但如今卡车智能驾驶的泡沫被戳破了，Embark已经破产被收购。图森未来市值也已跌去99%，并在近期宣布退市，曾经风光无限的智能驾驶明星企业陷入低谷，让人不禁对整个智能驾驶行业变现现状产生反思。
持续亏损的智能驾驶明星企业图森未来选择退市
以图森未来为例，其成立以来就描述了一个关于智能驾驶卡车的诱人故事，其招股书称，直接人工成本占每英里卡车货运成本结构的40%，公司打造的解决方案将货运运营成本降低50%左右；卡车货运市场是一个庞大而重要的行业，收入占美国货运收入80%左右，目前存在司机缺口，电子商务的发展将进一步加快对卡车货运的需求。图森未来一开始就给市场消费者勾勒了一幅L4智能驾驶的蓝图，“L4无人卡车”的概念的确很诱人，但仅仅是一个量产落地就遥遥无期，过高的技术要求反而让企业烧掉无数资金。
根据图森未来最新的一份财报，2023前三季度毛亏损为50万美元，时任联合创始人的陈默曾表示，智能驾驶公司要实现完全无人化货运，从量产车下线算起还需要10~15年，图森未来还将继续烧钱。
此外，美国最大的汽车制造商通用汽车公司1 月 30 日宣布，将在 2024 年削减旗下自动驾驶汽车部门 Cruise 的支出，削减金额约 10 亿美元。Cruise 在 2023 年烧掉了 19 亿美元现金，而税前亏损 27 亿美元，这还不包括第四季度因裁员而产生的 5 亿美元重组成本。
Cruise自动驾驶项目不光耗资巨大，而且在去年第四季度还陷入一起交通事故的风波中。去年 10 月初，旧金山的一名女子因车祸被撞到一辆无人驾驶 Cruise 汽车行驶的车道上，遭到了这辆无人驾驶汽车的碾压，伤势严重。事故争议点在于，Cruise 无人驾驶车辆检测到了撞击事件并紧急制动，但随后竟然启动了 " 靠边停车 " 的程序，将伤者拖行了 20 英尺（6.1 米）。事故发生后，加州监管机构吊销了 Cruise 的无人驾驶许可证。
扎堆上市融资的国内智能驾驶企业
Embark与图森未来在大洋彼岸的预冷并未能浇灭国内智能驾驶企业的热情，2023年以来，智能驾驶赛道不断传来企业IPO的消息，包括文远知行、知行科技、如祺出行、赛目科技、速腾聚创、黑芝麻智能、图达通、纵目科技、司南导航、海创光电、佑驾创新、地平线等。
在国内股权市场寒冬的情况下，在智能驾驶跑底层数据的过程中需要大量的时间成本和训练费用，必然是需要不断地“输血”，一旦后续资金跟不上，跑的模型就没有办法形成商业化的产品，在国内股权市场寒冬的情况下，唯有上市才能打开未来融资的窗口，所以它们才会扎堆上市。
然而，智能驾驶相关企业的融资金额都是数以亿级别，不然没有办法支撑模型的训练以及开发；盈利其实对于大部分真正做智能驾驶的公司来说依然是个比较漫长的过程。以智能驾驶解决方案提供商知行科技为例，该公司产品包括iDC系列、iFC系列以满足各类整车客户的选代需求；以及高端智能驾驶解决方案SuperVision，其可在各种道路上全面运行的点对点辅助驾驶导航解决方案。
广阔的市场空间使得近几年来知行汽车科技的营收涨势强劲。2020~2022年，知行汽车科技分别录得营收0.48亿元、1.78亿元、13.26亿元，其中2021和2022两年，同比增速高达274.06%和643.8%。
国内知行科技陷入“增收不增利”的窘境
可问题是知行科技的亏损绝对值也十分惊人。数据显示，2020年~2023年上半年，其年内亏损分别为5382.7万元、4.64亿元、3.42亿元、9974.8万元。由此可见，当前的知行科技，可谓“增收不增利”。尽管知行科技的亏损也在大幅收窄，但是一旦成本控制不当，甚至长期不能实现正向盈利。盈利困难意味着难以实现“造血”，扎堆上市才能获得“输血”的机会，进而探寻更多商业变现的可能。
降维寻求商业化的平衡点
开年不过两个月，谷歌旗下智能驾驶公司Waymo已启动两批裁员，美股上市的智能驾驶卡车企业Embark Trucks宣布停止运营……智能驾驶行业似乎迟迟未能走出寒冬，而在“裁员、倒闭、市值暴跌、融资困难”系列组合拳的打击下，“缺钱”成为整个智能驾驶行业的心病。相对于L4描绘的美好未来，现实让不少人冷静选择通过技术降维实现商业化造血。
相对于技术难度较高的L4级别智能驾驶，L2\L3级别的辅助驾驶技术具有更优的可实施性，与主机厂合作也能在短期内为智能驾驶公司带来变现的可能，弥补Robotaxi等场景迟迟难以实现大规模商业化的空缺。另一方面，在量产车上的应用也可帮助公司获得更多真实路测数据，助力L4级智能驾驶技术的成熟。
现阶段L2/L3级辅助驾驶方案价值也比较高，其量产落地的财务营收有良好的评估逻辑
对于致力于L4技术的智能驾驶公司来说，进入L2-L3级别的领域有天然的优势无论在算力还是数据闭环能力上，L4级别的系统都可以实现对L2-L3级别的兼容。目前国内百度、文远知行、轻舟智航等企业都开始选择两条腿走路，坚持研发突破L4级智能驾驶技术的同时，通过与主机厂商合作，让部分L2/L3级辅助驾驶技术率先落地变现，其中百度Apollo依托其智能驾驶长期储备降维的ANP行泊一体智能驾驶方案，服务座舱的小度语音助手、人机共驾地图等核心产品均是其面向主机厂的合作方案，而轻舟智航最新发布的方案也是完全为量产车设计，力求快速变现。
不过，智能驾驶企业降维变现也存在风险。在软件定义汽车大背景下，越来越多的主机厂也开始自研智能驾驶系统，一旦蔚理，吉利、上汽、一汽等主机厂自研成功，智能驾驶公司对其的价值就会下降，在这样的背景下，两条腿走路成为大多数智能驾驶企业共同的选择。
智能驾驶商业化落地路线之争
从意气风发地画下L4级智能驾驶蓝图，到降维L2/L3级辅助驾驶追求短期变现，其背后的核心原因是智能驾驶商业化路线之争，而场景是汽车智能化最先需要考虑的因素之一。目前行业分为两种路线：Robotaxi和高端乘用车市场，Robotaxi目标是直接替代司机，技术路线比较激进；消费市场是ADAS渐进性路线，即渐进式地从L2迭代L4以上。
定位做Robotaxi场景的公司，由于正式投入运营需要替代司机（不带安全员），实际落地场景有限且较慢。目前全球头部的ROBOTAXI车队数量约600台，未来三年内可能达到3000台，落地速度较慢、车队数量少，国内小马智行、文远知行暂时投放的车队数量均在百辆左右，百度这样的头部的Robotaxi车队数量约600台，未来三年内可能达到3000台，落地速度较慢、车队数量少。而据第三方机构测算，Robotaxi的盈亏平衡点约48000台，由于离不开安全员和实际运营数量难以达标，Robotaxi模式盈亏平衡点出现较晚。
相对于直接布局L4级智能驾驶的Robotaxi模式的图森未来、Embark，特斯拉则是从消费市场切入Robotaxi，进而重构产业的代表。特斯拉曾在全年业绩报告电话会中指出随着特斯拉全智能驾驶（FSD）技术的改进，特斯拉所卖出的汽车将会变成Robotaxi，从而使特斯拉汽车的使用率从每周的12小时增加至每周60小时。特斯拉可以从这些变成为Robotaxi的车辆中收取额外的费用（公司希望以每英里约1美元的服务价格，以每英里0.18美元的成本运营）进而增加更多的公司收入，而特斯拉汽车的消费者也可以自己所拥有的汽车出租来享受额外的收入。
从目前特斯拉的践行情况来看，“单单智驾功能，由消费者买单”的商业模式随着消费市场认知和接受能力的提升，或许会成为未来智能驾驶商业变现的主流趋势。
内容由作者提供，不代表易车立场
