經濟觀察網 記者 王帥國

“現在主要的問題是準入和法規(guī)問題，大多數公開道路環(huán)境下，法規(guī)上、政策上沒有辦法達到客戶需要的無人化，實現客戶節(jié)省成本的最終目標。”6月13日，在經濟觀察報主辦的“夢想照進現實——自動駕駛發(fā)展創(chuàng)新論壇”上，自動駕駛公司領駿科技技術副總裁司若辰表示，現在自動駕駛產業(yè)的硬件成本較之前已經大大下降，主要矛盾已經轉移至應用層面和準入法規(guī)方面。

成本、技術路線、應用場景、法規(guī)等幾大方面決定著自動駕駛產業(yè)能否實現快速發(fā)展。目前來看，行業(yè)在降本方面取得的進步最大，技術路線的選擇、應用場景的確定還存在一定爭議，同時受到法規(guī)限制，還沒有看到自動駕駛在應用層面突破性進展。

“從L4的發(fā)展過程來看，光從硬件來說，雖然我們是零售價拿貨，但得益于產業(yè)鏈的成熟和乘用車輔助駕駛的量產化，硬件成本已經降得非常厲害。”司若辰表示，“我們的L4無人駕駛產品現階段面向的更多是B端客戶。相對于車輛成本，B端客戶更加觀注使用過程中對安全成本、生產成本和生產效益方面的影響。客戶花更多的錢來買無人駕駛車輛，除了示范作用之外，考慮更多的是上了無人駕駛，是不是比人開的更安全，效率更高，是否能可以把車輛成本覆蓋，甚至形成盈利。這一方面對于L4技術和產品本身有更高的要求，不僅要能用，還要好用；另一方面也需要政策法規(guī)的配合，共同向無人的目標邁進。”總的來說，相對車輛前期采購成本，B端客戶更為看重自動駕駛方案后期能不能帶來長期高效的成本節(jié)省和效率提升。

這樣的客戶特性，也決定了自動駕駛企業(yè)對于技術路線的選擇問題。司若辰表示：“在商用車的場景中，L4以下的輔助駕駛功能對客戶來說沒有什么意義，比如給一個公交企業(yè)裝載輔助駕駛功能，并沒有直接降低經營成本，只有實現L4全無人化運營，才能創(chuàng)造出實際的商業(yè)價值。而在以C端用戶為主的乘用車領域，輔助駕駛卻發(fā)揮著巨大的作用。”

應用場景不同導致的技術路線分野，是領駿科技選擇從L4切入L2的根本原因。“從技術上來說，我們覺得不管是一步到位的L4和漸進式的L2，在我們的技術架構中沒有嚴格的區(qū)分，領駿科技的研發(fā)從剛開始就瞄準了L4級自動駕駛，商業(yè)化過程中，我們一方面將L4級別的自動駕駛產品投入到在園區(qū)觀光、智能網聯、城市支線物流等垂直場景；一方面將自動駕駛技術降維應用到輔助駕駛領域，通過與生態(tài)合作伙伴的技術整合一起切入前裝量產。高階技術可以降維到低階應用，低階應用的數據可以反哺高階的研發(fā)和產品迭代。下的去，上的來，二者是殊途同歸的”司若辰稱。

領駿科技是一家高等級自動駕駛核心軟件算法研發(fā)企業(yè)，自2016年12月成立以來，致力于高等級、全場景、可量產的全棧自動駕駛技術的研發(fā)和產品設計。研發(fā)領域包括傳感器融合、行車決策、軌跡規(guī)劃、行駛控制、仿真測試等。公司的主要產品包括：多層級自動駕駛核心軟件、自動駕駛仿真測試平臺、高精地圖工具等，并在L2+輔助駕駛、高速NOA、城市NOA、RoboTaxi、RoboBus、智能網聯公交等多個垂直場景中有量產應用。

以下為嘉賓發(fā)言全文：

司若辰：在智能駕駛產業(yè)激烈的競爭環(huán)境下，L4無人駕駛企業(yè)轉型切入輔助駕駛領域不推出個全棧方案似乎對不起L4的逼格（估值）。但領駿科技自始堅持自動駕駛是需要上下游產業(yè)鏈協(xié)同的產業(yè)，協(xié)同分工才是工業(yè)化最高效的方式。考慮到自身的規(guī)模和特點，我們將自己最擅長的智能駕駛的決策規(guī)控領域這一模塊單獨拎出來，與生態(tài)合作伙伴進行集成，非常成功地打造了高級別的城市和高速NOA產品。之前在上海車展我們（決策規(guī)控）與地平線（芯片與感知）、天準（域控硬件）、美行（地圖與定位）共同打造了基于國產J5芯片的6v純視覺高速與城市NOA的demo車，在開放試乘體驗中獲得了試乘客戶的一致好評。通過擁抱生態(tài)，集各家之長，我們不僅打造了有競爭力的產品，也節(jié)省了避免了盲目競爭的成本風險。 

講到成本的問題，之前大家討論的純視覺方案、激光融合方案這些主要考慮的還是硬件成本，或者說是車的成本。我們的L4商用車，像無人巴士，的客戶多是B端客戶，他們更關注的是產品和應用的熟度，車本身稍微貴一點沒關系，主要是后期能為生產經營帶來多大的成本節(jié)省和效率提升。現在主要的問題是一方面自動駕駛產品雖然普遍達到“能用”水平，距離達到“好用”的水平還需要進一步的提升，尤其是在交通環(huán)境復雜的開放道路；另一方面準入和法規(guī)問題，大多數公開道路環(huán)境下，法規(guī)上、政策上的限制導致無法實現客戶預期的真無人化。

作為多領域學科交叉的高科技產物，自動駕駛汽車具備除了載具和生產工具之外的科技屬性。比如在我們贛州自營自動駕駛巴士在向普通大眾免費開放試乘體驗的過程當中我們發(fā)現普通群眾對自動駕駛汽車的濃厚興趣，周末經常有家長帶著孩子來體驗自動駕駛巴士。也讓我們發(fā)現了自動駕駛汽車在科普教育方面的價值。

問：行業(yè)里面有很多相反的觀點，有人說L4以上的無人駕駛很快要達成了，有人說10年、15年，甚至更長時間都不會實現。自動駕駛分乘用車和商用車，技術上分純視覺感知和雷達融合感知方案，一些在固定路線，一些在公共路線，不同的觀點比較多，從企業(yè)研發(fā)角度講，中間的鴻溝在哪里？能否預測一下什么時候能夠真正的實現完全打通，不管是乘用車還是商用車，進入完全的無人駕駛社會。

司若辰：根據領駿科技的經驗來看，技術路線也需要區(qū)分場景，從商業(yè)化角度來講，領駿科技自動駕駛和輔助駕駛是同步進行的。L4的應用已經在封閉、半封閉或開放道路固定路線這樣的垂直場景中得到了應用。在這樣面向B端的商用車應用場景中，輔助駕駛功能對用戶來說沒有什么意義，比如給一個公交企業(yè)的運營車輛裝載輔助駕駛功能，并沒有直接降低經營成本，只有實現L4全無人化運營，才能創(chuàng)造出實際的商業(yè)價值。

而在以C端用戶為主的乘用車領域，輔助駕駛卻發(fā)揮著巨大的作用，這對于完全自動駕駛來說是一條漸進式的路線。所以無論是一步到位的L4還是漸進式的L2，在領駿科技的技術架構中沒有嚴格的區(qū)分，領駿科技的研發(fā)從剛開始就瞄準了L4級自動駕駛，商業(yè)化過程中，把我們最擅長的規(guī)控模塊單獨拎出來，通過應用降維切入L2量產。L4的技術可以降維應用到L2，L2的數據又可以反哺L4的技術迭代升級。下的去，上的來，兩者是殊途同歸的。

問：怎么看現在自動駕駛商業(yè)化，講了很久的黎明前的黑暗，臨門一腳的問題，什么時候能夠落地，商業(yè)化的試點項目什么時候能夠賺錢？幾年前大家在講一整套方案，可能是幾萬美元的價格，現在有的公司說只要1000元，成本非常低，怎么看待降低的過程？

司若辰：現在自動駕駛的單個項目上大家基本都是有贏利的，問題是自動駕駛尚沒有形成規(guī)模化應用，試點項目的贏利不足以覆蓋自動駕駛高昂的研發(fā)成本。自動駕駛賺錢永遠無法依靠試點項目。試點項目是用來驗證技術和應用可行性的，我們是要通過試點項目推動技術的成熟和應用的普及。只有規(guī)模化應用，自動駕駛才能賺錢。同樣，只要規(guī)模化應用，自動駕駛就能賺錢。

上面說到規(guī)模化。近年來智能駕駛相關硬件的成本大大降低，也正是利益于智能駕駛在輔助駕駛的規(guī)模化應用。

而對智能駕駛方案，它并不是成本驅動的，而是功能和需求驅動的。單車道低級別輔助駕駛的方案當然比多車道高級別智能駕駛方案成本低。我認為當下高階智能駕駛的硬件成本已經進入可接受的范圍內了，現階段首要問題不是成本的極致壓低，而是安全性和穩(wěn)定性的保障，這才是高階智能駕駛應用推廣的基礎。一旦高階智能駕駛被廣大用戶接受形成規(guī)模，成本的進一步下降就是水到渠成的事了。

問：最近比較火的是自動駕駛方案的去高精地圖的觀點，小鵬和華為在上海車展公布的方案，民用的導航地圖替代高精地圖？

司若辰：近年隨著自動駕駛芯片算力的提高，感知模型的不斷升級和數據的飛速積累，智能駕駛感知效果得到了大幅提升，使實時獲取局部高精地圖成為可能。比如今天四月領駿科技在上海車展展示的高速和城市NOA方案就采用了合作圖商美行科技的SD-PRO地圖方案，即通過眾源數據和實時感知數據對普通SD導航地圖進行增強，并同時生成車道級融合定位結果。根據目前的測試結果該方案已能在大多數場景取代高精地圖支持高級別的智能駕駛。

問：特斯拉主導的方案一直存在著爭議，視覺感知的方案和高精地圖的方案，今年這個觀點沖突隨著特斯拉的FSD在北美全面放開，又引起了關于到底是視覺感知方案還是高精地圖，技術路線上的爭議，是否去高精地圖，從現在的技術可靠程度還是哪個方面的考慮？

司若辰：早期自動駕駛技術得益于使用高精地圖從而使L4形成快速的技術閉環(huán)，在商業(yè)化前期形成示范的效果，而高精地圖在資質法規(guī)、制作成本和更新頻率上的問題又成為高級別智能駕駛大范圍應用的一大阻礙。技術可靠度方面當然是高精地圖更高，實時感知不可避免會存在環(huán)境影響和復雜場景下的長尾。不過在大多數常規(guī)場景下去高精地圖已是可行可靠的方案。

問：未來是否會兩套方案都存在？

司若辰：輕地圖方案可在大多數常規(guī)場景下支持高級別智能駕駛，但由于不可避免的環(huán)境影響（如光照、天氣等）和復雜場景下的長尾效應（如復雜大路口、異形路口），基于實時感知的輕地圖方案尚無法覆蓋100%的應用場景。我認為輕地圖配合局部高精地圖是當下高級別智能駕駛兼顧成本和可靠性的地圖方案。