目前無人駕駛在每個(gè)領(lǐng)域都在探索、落地和迭代。無人駕駛不論哪家公司或者技術(shù)路線都必須做兩件事。

• 軟：大量車輛落地跑，積累道路實(shí)戰(zhàn)數(shù)據(jù)，改進(jìn)自有算法。

• 硬：不斷自研，提高自給核心硬件比例，不給核心供應(yīng)商卡脖子。

這也是百度發(fā)現(xiàn)通過電腦模擬的算法落地性差，必須通過造車賣車才能把數(shù)據(jù)做起來，之后就有了百度、吉利、富士康合作造車。

軟的部分，車輛落地可以看對(duì)應(yīng)的市場(chǎng)規(guī)模和特征，積累的數(shù)據(jù)量可以從公開路測(cè)數(shù)據(jù)和銷量來比較。硬件部分則分為兩條技術(shù)路線，一條是Tesla的蘋果路線，二是華為的安卓路線，可以從商業(yè)層面和技術(shù)層面拆開對(duì)比。

軟1：市場(chǎng)規(guī)模

乘用車、商用車、港口、最后一公里等

乘用車市場(chǎng)最大的是私家車市場(chǎng)8萬億元，其次是網(wǎng)約車比如robotaxi 3500億。乘用車落地最多的是各家主機(jī)廠的L2的乘用車，以及各地的路測(cè)。雖然乘用車L4落地難，但可以單一產(chǎn)品打天下，未來更容易出現(xiàn)大公司，或者更容易被淘汰。

商用車有圖森和智加這樣的跨城物流7000億，大部分在高速上行駛，應(yīng)用環(huán)境有優(yōu)勢(shì)。同城物流類似于倉配到店有2500億，美團(tuán)和快遞公司取代快遞員和外面員的無人配送小車屬于最后一公里，有840億。

商用車應(yīng)用最多的是各種小場(chǎng)景，如港口物流，比較復(fù)雜，因?yàn)樾枰蹍^(qū)堆場(chǎng)系統(tǒng)做對(duì)接，更類似是集成的系統(tǒng)。還有如各個(gè)園區(qū)內(nèi)無人駕駛，比如機(jī)場(chǎng)引導(dǎo)飛機(jī)的無人駕駛小車。

商用車的每個(gè)細(xì)分市場(chǎng)都需要針對(duì)性做很多軟硬件方案的修改，更像是一個(gè)個(gè)項(xiàng)目的大集成商，不單純做無人駕駛。因此商用車預(yù)計(jì)會(huì)活下更多公司。

當(dāng)然做這些試點(diǎn)項(xiàng)目，是因?yàn)楝F(xiàn)在這些項(xiàng)目更容易拿到，積累數(shù)據(jù)，都是想未來升級(jí)去做到整個(gè)同城的物流，然后再去做robotaxi ，再去做私家車。

軟2：車型大比拼

實(shí)際新能源車輛銷售數(shù)據(jù)

除了tesla的視覺路線，其他主機(jī)車都需要加載激光雷達(dá)來實(shí)現(xiàn)無人駕駛。由于高昂的成本，現(xiàn)在市面上在售的無人駕駛車輛比較少，就連新勢(shì)力都是準(zhǔn)備量產(chǎn)。如下圖，真正在售的只有極狐的華為版。截止2021年7月，極狐銷量只有1225臺(tái)~~~高配的華為版數(shù)量可以忽略不計(jì)。除了Tesla，現(xiàn)在主機(jī)廠都沒有通過銷售車輛來累計(jì)無人駕駛的數(shù)據(jù)。

軟3：路測(cè)數(shù)據(jù)大比拼

加州路測(cè)和上海路測(cè)

沒有銷售的車輛收集數(shù)據(jù)，我們只能看各家的路測(cè)數(shù)據(jù)情況。比較權(quán)威的是加州的交管局?jǐn)?shù)據(jù)，但這個(gè)數(shù)據(jù)是各家企業(yè)自行上報(bào)，并不是說加州交管局裝了系統(tǒng)來檢測(cè)，更類似于申報(bào)的系統(tǒng)。

加州路測(cè)MPI前三名

這個(gè)數(shù)據(jù)可以看到前三名的MPI（Miles Per Intervention，每?jī)纱稳斯じ深A(yù)之間行駛的平均英里數(shù)）數(shù)據(jù)增長都很快，企業(yè)申報(bào)數(shù)據(jù)都很好看。但是從商用車物流領(lǐng)域的圖森和智加來看，不是一個(gè)數(shù)量級(jí)，基本差一兩個(gè)零。美團(tuán)和阿里測(cè)試的快遞和外賣小車的數(shù)據(jù)比商用車更小。從數(shù)據(jù)積累上看，真正商用化起來可能乘用車會(huì)更快。

英偉達(dá)、智加、圖森MPI

乘用車問題（頭部幾家）主要在感知和決策層，不能準(zhǔn)確判斷路面的障礙，不能很好的做路線規(guī)劃，在執(zhí)行層經(jīng)常出現(xiàn)的問題是壓了實(shí)線，騎著車道開，拐彎沒有打轉(zhuǎn)向燈，可以看到現(xiàn)在領(lǐng)先的無人駕駛技術(shù)也像是新手在開車，會(huì)出現(xiàn)很多問題。

再看上海數(shù)據(jù)，區(qū)別于加州，上海是示范應(yīng)用模式，比如圖森就是在上海臨港地區(qū)公開道路進(jìn)行測(cè)試，具體是在臨港物流園區(qū)和洋山深水港之間測(cè)試，這是一段偏遠(yuǎn)的高速。這個(gè)數(shù)據(jù)顯示的人工干預(yù)率就高很多，比如滴滴開100公里需要人工干預(yù)27次，基本上開幾公里、十幾公里就需要被接管一次。整體上無人駕駛還處于新手剛脫離教練的階段。

硬1：兩大技術(shù)路徑

純視覺vs激光雷達(dá)

到底誰的路徑會(huì)和更快跑出來呢？在技術(shù)上其實(shí)分成了兩大路徑，

• 一是純視覺，不依靠激光雷達(dá)與高精地圖，只有8~10個(gè)攝像頭。

• 一是基本其他所有，通過1~2個(gè)激光雷達(dá)+12個(gè)攝像頭+5個(gè)毫米波雷達(dá)做感知。

這兩個(gè)技術(shù)線為什么會(huì)有這么大的分歧？

特斯拉：純視覺

商業(yè)上考慮：視覺方式做無人駕駛，從數(shù)據(jù)獲取，到替代供應(yīng)商，自己做研發(fā)，整個(gè)迭代速度會(huì)比激光雷達(dá)要快很多。

特斯拉很明確的講過他賣車不是他掙錢的核心，未來還是要靠軟件掙錢，他會(huì)不斷降價(jià)，包括最近model 3又降價(jià)1.5萬，通過不斷降價(jià)把銷量提上去，通過足夠的數(shù)據(jù)訓(xùn)練算法，靠自動(dòng)駕駛賺錢。2020年Tesla無人駕駛的價(jià)格為1w美金，滲透度為15%。最近無人駕駛升級(jí)，價(jià)格從1萬美元漲到1.2萬美元，后來因?yàn)榭棺h客戶比較多，最終只漲了1000-1500美元。

以下是一個(gè)激進(jìn)的預(yù)測(cè)，如果未來價(jià)格上漲到1.5w，滲透度提升到79%，無人駕駛業(yè)務(wù)可以為Tesla貢獻(xiàn)1020億美元盈利！！

除了盈利模式不一樣以外，還因?yàn)閲饣A(chǔ)設(shè)施不像國內(nèi)這么完善，比如鄉(xiāng)村小路很難有人去繪制高精地圖。純視覺路線不太依賴于這些環(huán)境，可以適用于更廣的市場(chǎng)。特斯拉屬于大研發(fā)投入，適用于更大的市場(chǎng)，賺取更多利潤。

特斯拉屬于大研發(fā)投入，銷售到更大的市場(chǎng)，賺取更多利潤。

國產(chǎn)：激光雷達(dá)＋高精地圖

國產(chǎn)新能源車的盈利模型是依賴于積分，而不是賣車或者無人駕駛。當(dāng)然Tesla現(xiàn)在的利潤大部分也是來自政府補(bǔ)貼。

中國的主機(jī)廠有個(gè)雙積分制（乘用車企業(yè)平均燃料消耗量積分和新能源汽車積分）五菱宏光去年賣車賺了大概44萬的新能源積分，上汽是負(fù)的97萬分，然后五菱宏光賺了44萬的正積分，按6000-10000元/分來算，雖然五菱宏光賣車不賺錢，但是通過積分可以賺到約合26~44億元的利潤，這也是有很多新能源主機(jī)廠造這么便宜的車的原因，不拿補(bǔ)貼而為了銷量。

5G下來之后中國可能會(huì)把整個(gè)道路智能化，比如紅綠燈、斑馬線、人行橫道，這些東西都會(huì)有相應(yīng)的5G的智能設(shè)備鋪在里面。所以車輛不用做到特別強(qiáng)的算法，通過跟道路聯(lián)合就能判斷紅綠燈的信息。而且中國的高精地圖繪制也會(huì)比較快，百度已經(jīng)把基本上所有高速都做完了。所以在基礎(chǔ)設(shè)施很發(fā)達(dá)情況下，可能并不需要算法特別強(qiáng)，所以說商業(yè)角度考慮，中國情況跟美國會(huì)截然不同。

硬2：感知、決策和執(zhí)行

軟件和硬件一體化

感知、決策和執(zhí)行這三個(gè)環(huán)節(jié)相應(yīng)的軟件和硬件，都是無人駕駛必須要具備的。

感知層對(duì)比

純視覺派：特斯拉相信通過AI訓(xùn)練攝像頭可以達(dá)到人眼功能，所以Model Y他們用8顆攝像頭來模擬人眼。另外多種感知會(huì)有很多問題。

• 多種感知融合有干擾，比如毫米波雷達(dá)感知精度較低，經(jīng)常發(fā)出誤報(bào)，比如攝像頭沒看到什么，但是毫米波雷達(dá)感知有障礙會(huì)突然剎車，車主吐槽遇到幽靈。

• 多種感知對(duì)算法的干擾有很大的影響。毫米波雷達(dá)對(duì)靜態(tài)的東西沒法準(zhǔn)確判斷，特斯拉之前撞到了停在路上的白色卡車，因?yàn)橛袕?qiáng)光把攝像頭給晃瞎了，毫米波雷達(dá)又誤判。之后Tesla就更換了mobileye的方案，改為自己。優(yōu)步撞死過一個(gè)推自行車過街的女性事件就與這有關(guān)。這個(gè)事情的幾個(gè)月之前，他們CEO試乘時(shí)發(fā)現(xiàn)車輛有幽靈剎車現(xiàn)象，乘坐體驗(yàn)差，下令關(guān)掉該判斷。

激光雷達(dá)派：激光雷達(dá)提供可以感知到厘米級(jí)，大幅提高了多種感知的可靠性和安全性。其他家認(rèn)為如果沒有辦法解決純視覺，一定要上激光雷達(dá)來保證在路上不會(huì)撞死人。

但激光雷達(dá)有一個(gè)致命弱點(diǎn)，發(fā)出去的激光碰到大霧天、下雨天這種空氣充滿水霧的天氣，基本沒法用，并且成本高，現(xiàn)在基本上1萬元左右，國產(chǎn)的差不多6000元，跟等級(jí)有關(guān)，等級(jí)越高的價(jià)格越貴。

激光雷達(dá)路線還需要高精地圖輔助，高精地圖的作用有三個(gè)：

• 目前是普通的導(dǎo)航地圖，精度在10米，無法精確到車道。無人駕駛時(shí)需要比較明確的把車道的情況繪制出來。

• AI仿真訓(xùn)練時(shí)，也非常依賴于高精地圖做訓(xùn)練。

• 做路徑規(guī)劃的時(shí)候，到底什么時(shí)候出匝道，什么時(shí)候進(jìn)隧道，到底走第一條還是第二條車道，很多時(shí)候需要激光雷達(dá)和高精地圖配合算出來。

華為整套感知成本算下來兩萬多，這已經(jīng)算是非常便宜的成本了，因?yàn)槿A為本身激光雷達(dá)就做的比較厲害，華為和北極狐合作款的無人駕駛套裝需要4-8萬元，整車40萬元，屬于高檔車了，無人駕駛占到10-20%之間，可以說非常貴了，8萬塊錢都可以買兩輛五菱宏光開了。這么高的價(jià)格很難和特斯拉純視覺去競(jìng)爭(zhēng)。即使是mobileye，也是估計(jì)要到2025年才能把整個(gè)系統(tǒng)成本做到3萬元。所以馬斯克覺得激光雷達(dá)是一個(gè)過渡性的產(chǎn)品，認(rèn)為這個(gè)很雞肋，就為了滿足一時(shí)的安全性，上了一個(gè)特別貴的設(shè)備。

決策層對(duì)比

決策層有兩個(gè)部分，一個(gè)是車內(nèi)的AI，一個(gè)是服務(wù)器AI。由于車內(nèi)AI的算力有限，因此都是需要在服務(wù)器上訓(xùn)練AI，建立模型。在行駛過程中，碰到類似情況，車內(nèi)AI只需按訓(xùn)練時(shí)進(jìn)行反應(yīng)即可，無需大量計(jì)算。

純視覺路線：

• 車內(nèi)AI：Model Y只有8個(gè)攝像頭，數(shù)據(jù)量小，因此對(duì)算力要求也非常低，只有144 TOPS。

• 服務(wù)器AI：特斯拉建立一個(gè)超級(jí)計(jì)算機(jī)Dojo，計(jì)算能力達(dá)到 exaFLOPS  EFLOPS 10x18，位居世界第一，是第二名的4x。

雖然這次升級(jí)跳票數(shù)次，但特斯拉無人駕駛對(duì)道路物體的識(shí)別程度和對(duì)附近車輛識(shí)別程度比以前高很多，可以看出超級(jí)計(jì)算機(jī)對(duì)訓(xùn)練AI的重要性很明顯。

激光雷達(dá)路線：

• 車內(nèi)AI：由于一般有5個(gè)毫米波雷達(dá)，1~2個(gè)激光雷達(dá)，會(huì)產(chǎn)生巨大數(shù)據(jù)量，處理和計(jì)算這些數(shù)據(jù)會(huì)對(duì)芯片的算力有非常高的要求。Nvidia 定義L4級(jí)需要7顆 Orin，合計(jì)1778 TOPS。

• 服務(wù)器AI：一種是Nvidia 半開放式服務(wù)器，主機(jī)廠可以在上面做訓(xùn)練，可支持部分個(gè)性化，滿足主機(jī)廠自研的需求。另外一種是封閉的，如Intel收購的Mobileye，算法和訓(xùn)練都是黑盒，主機(jī)廠只能接受現(xiàn)成的方案。

當(dāng)然從性能上來講，Mobileye的封閉模式會(huì)比Nvidia需要的算力和功耗都會(huì)更小。但對(duì)主機(jī)廠而言，自己造的車就變成沒有靈魂，只有軀殼的。華為其實(shí)也面臨Mobileye類似的困境。

執(zhí)行層對(duì)比

執(zhí)行層相對(duì)比較復(fù)雜一些，我們只講芯片環(huán)節(jié)。

• 燃油車上會(huì)放很多小的單價(jià)并不特別貴的芯片做信號(hào)的處理，最開始油車可能有差不多七十多個(gè)小的MCU，到電動(dòng)車的時(shí)候大概有三四十個(gè)。我們叫只有肌肉，沒有四肢。

• 華為是把車身分成了動(dòng)力、底盤、車身等7大子系統(tǒng)，相互通過復(fù)雜的中間件來交互。我們叫只有四肢，沒有大腦。

• 特斯拉是用中央計(jì)算平臺(tái)，類似大腦，只有核心環(huán)節(jié)才由子系統(tǒng)（肢體）控制，比如說比較關(guān)鍵的剎車、ADAS等。

• 未來可能只有中央計(jì)算平臺(tái)，直接控制所有功能。

為什么要越來越要集中到一起，因?yàn)閷⒏兄?、安全等功能都分散在不同的MCU，會(huì)導(dǎo)致很多浪費(fèi)，如系統(tǒng)的數(shù)據(jù)傳輸、算力，直接導(dǎo)致成本和功耗的升高。

這里不得不提一下商用車的控制系統(tǒng)，由于商用車的動(dòng)力以燃油為主，電動(dòng)化估計(jì)要等到氫燃料電池落地。因此商用車在底盤控制上，只能在燃油車基礎(chǔ)上做改進(jìn)，復(fù)雜且昂貴。

無人駕駛的競(jìng)爭(zhēng)核心

軟硬件一體化

蘋果手機(jī)的芯片和軟件都是自研的，軟硬件一體化，所以手機(jī)功耗和內(nèi)存容量都比安卓系統(tǒng)好很多。所以無人駕駛的競(jìng)爭(zhēng)不是一個(gè)感知、決策和執(zhí)行某個(gè)環(huán)節(jié)，很大程度取決于是不是三個(gè)環(huán)節(jié)可以做到高度的軟硬件一體化。

這也是為什么傳統(tǒng)車企轉(zhuǎn)型智慧電動(dòng)車非常困難？因?yàn)檫@其實(shí)是在同時(shí)做一個(gè)蘋果+三星的事情。當(dāng)然Tesla也是從使用外部供應(yīng)商，逐步轉(zhuǎn)為自研。

• 主機(jī)廠要自產(chǎn)或參股占成本40%的電池，不然完全是一個(gè)組裝廠，沒有核心技術(shù)。這好比三星生產(chǎn)手機(jī)里最值錢的屏幕。

• 主機(jī)廠要在無人駕駛這邊大量投入到激光雷達(dá)、算法、MCU，提高自研比例。這好比蘋果自研芯片+操作系統(tǒng)。

無人駕駛整個(gè)發(fā)展趨勢(shì)，其實(shí)和手機(jī)有點(diǎn)類似，都是先賣機(jī)器，然后逐步從軟件，到芯片全都要自己研發(fā)。所以我們認(rèn)為100億造車的門檻其實(shí)是遠(yuǎn)遠(yuǎn)低估的，要真正能在市場(chǎng)有競(jìng)爭(zhēng)力，需要的是每年100億的投入，連續(xù)多年。這么高強(qiáng)度，持續(xù)的投入，新勢(shì)力是否能跟上都值得觀察。這也是為啥業(yè)內(nèi)看好華為和小米的原因，因?yàn)橛羞@方面的經(jīng)驗(yàn)。