“你们商业化了么？”
在 Robotaxi 公司工作的李思（化名）曾在一次大型展览会后和我苦诉：你猜这个问题今天我被问了几次？
“不下十次。我苦苦啃下的技术稿只字未用呀！”
对于自动驾驶开发者而言，自动驾驶的魅力在于其所带来的「以科技改变生活」的方式。
这无疑让人兴奋。
而在善于竞技的楼天城眼中，自动驾驶的魅力似乎多了一个色彩维度。
即在与 Waymo 众多科技公司之争中，楼天城的竞技精神依旧带领着小马智行在赛道中狂奔，相信这个无人车的圆，终有重合之处。
“只有在对手在所犯的错误时，就是一个实现超越的机会。”
在自动驾驶滔天巨浪里，自动驾驶者开发者们如一叶扁舟，在滚浪中前行，也在与技术之争中寻找一条最佳途径。
“最后，孰能上岸？
一：无人车的「面」与「里」：聊聊小马智行的上半场
外界常常对于无人车公司扣以一个指标，即“如何实现商业运营？”
在 2021 世界人工大会上，小马智行对外宣布“三年内，小马智行都做了什么？”
视频上传成功
我们也以此来聊聊，细掰商业化的逻辑：
我尝试把它划分为两个大前提，即：「可量产的无人化」落地以及「规模化」。
1、可量产的无人化
与当前主流的造车理念不同，Robotaxi 的可量产化在当前没有任何前者可供参考。
虽然不用涉及到整车制造，但无论是传感器的融合、亦是与整车控制系统的深度结合，都需要考量稳定性、安全性等。
所以我们可以总结为可量产的目标有两个：
- 一个是我们都熟悉的智能驾驶系统，例如小马智行的 PonyAlpha、PonyAlpha 2 到目前我们看到的PonyAlpha X系统。
- 而另一个大家忽略的是系统背后的硬件体系。
“小到车内的显示器支架大到计算平台，都需要经过一些列高温、震动等一系列测试以及道路验证。”
所以从可量产上，小马智行也需要遵从从设计、标准化生产、道路测试、车规级验证再到最后的产品落地，而我们看到这也是未来达到可量产后，保证产品一致性的基础。
2、规模化运营
规模化运营前提是硬件技术、背后数据的收集与泛化、最终目的是提高体验。
如何理解规模化，小马公布了当前的服务范围：
- 广州南沙全域运行，服务范围达到300平方公里；
- （首家）加州推出自动驾驶服务公司（先于Waymo）；
- 北京开启夜间服务，覆盖晚高峰与夜间；
- 即将开启的上海地区。
统计到当前，小马智行的自动驾驶测试历程已经突破 600 万公里。
“自动驾驶的初心和目的是一定要做到无人化的自动驾驶出行服务，而这个服务范围不是在空旷的街头、半封闭的园区，而是真正的进入城市中心，进入变化莫测的拥堵城市道路。
这才是商业化的开始。”小马智行副总裁张宁提到。
而当我们看到在规模化需要两个最为简单的技术「前提」：
- 一个是基于传感器硬件以及软件的结合；
- 另一个是针对不同场景的数据收集。
首先PonyAlpha X 在传感器上：
- 4个激光雷达（主+左右侧+前向）
- 7个摄像头（前视 3 个+ 1 个自研信号灯检测+左右后侧各一个）
- 4个毫米波雷达（前后侧、左右侧）
- 2个 GNSS 天线（厘米级）
除了硬件上融合的能力，针对不同环境做「有代表性」的数据采集依旧是一个重要前提。
例如「广州地区多见的人车混流、城中村复杂场景、大雨天气等、北京地区的特殊雨雾、大雪天气、多种复杂大型路口等、而美国加州地区道路广阔、车辆行驶快等等。」
伴随着测试车的增加以及测试路段的扩大，对这些特殊场景的提取以及仿真测试，即提高了整个自动驾驶水平，同时也扩了整个服务范围以及运行时间。
所以我们也看到：
小马智行对于数据的采集不是针对某一地区的采取，而是通过对每个场景背后的「本质」做拆解、分析、理解、重构，最终完成「举一反三」的能力。
而这个能力是具备泛化性的。
在交流后，我和大家分享两个数据：
- 在抗疫期间，小马智行从从未覆盖的疫情地区无人派送物资，只花了两天时间就把系统跑起来；
- 在上海嘉定地区落地后开始跑起来，只花了一到两个月的时间。
在多传感器融合技术以及小马智行自研平台下，数据的收集以及应用都伴随着运营范围的扩大以及技术的提升带来了泛化能力以及规模化，都成为两道纵向齐驱的技术路线。
而两点出发最终都会重合画成一“圆”，以此达到的是用户体验的升级。
在小马智行公布的数据中：
- 小马智行 Robotaxi 在广州、北京扩大了运营规模和服务范围后，99% 的乘客完成行程后通过车内交互界面给出正面评价，服务满意度评分为 4.91（5分制）。
用户体验将会是衡量 Robotaxi 商业化的一大前提，这也成为小马智行开启下半场的核心竞争力。
三、小马智行的下半场 ：离商业化还有多远？
1、另一条腿：无人重卡
“司机的成本、油费以及过路费，各占物流成本的三分之一。”
伴随着重卡司机的人力缺口、成本上升以及安全性思考，无人重卡成为「解放人力」、提高安全性的关键。
与 Robotaxi 不同，当前重卡运营一般有 2-3 个司机，数量成本较为高昂，并且需要有一个长时间的夜间、白天持续驾驶需求，这也挑战人类安全驾驶极限。
另外无人重卡的经营模式略有不同，在回报性以及需求端相比 Robotaxi 更高。
小马智行也罗列了关于无人重卡的数据：
在今年 5 月 11日，小马智卡宣布获颁道路运输经营许可证，目前在小马智行无人重卡开启的 200+ 天里：
- 完成约 13,650 吨货运运输；
- 商业运营里程达 37,466 公里；
- 降低了约 40% 的成本。
两条腿走路的小马智行，势必在新的竞争中「奔走」的更快一些。
2、小马智行的「逆向思维」
小马智行的「逆向思维」：研发设计、生产以及服务的链路闭环。
当前车企主流的研发思路大多围绕深度学习与数据训练出发，奔着全栈算法的自研方向。
所以当下的解决思路是利用硬件的迭代，自研软件算法，针对功能需求解决场景，最后攻克全栈算法。
我们看到第一阶段很大程度上是依托于硬件本身做软件算法升级。
而无人车公司的思路是「反」着来的。
小马智行首先需要解决的是「如何分析好然后解决好场景，所以需要构建一套高效计算平台，然后根据需求集成硬件。」
以车规级需求从研发端、设计端到生产的环节闭环，才能完成可量产规模化以及下降成本的目的。
在需求端与供给端两个角色中，小马智行针对自身的需求在供给端中寻找一个成本以及性能兼顾的最优解。
例如在传感器硬件的布局上，小马智行也逐步从供应商的合作上逐步迈向自研。
例如利用加速计完成传感器数据的预处理，而不是占用 CPU、GPU ，包括数据传输等，如何以高效完成整个数据的感知、传输以及应用，小马智行过去都是凭借设计好模块然后交给生产商生产。
例如针对长焦镜头对信号灯难捕捉、恶劣天气场景、逆光等场景下，小马智行也自身完成整个摄像头的设计、生产到车规级的验证。
除此以外在算力成本上，小马智行的核心在于如何以 minimu 最低的算力处理好更多场景、如何利用发挥软硬件融合的能力做更高效的场景处理，通过优化算法处理更多复杂场景。
而在过去五代车型的研发中，利用技术和生产的迭代，在实现真正落地商业化将完成用户体验升级。这都为小马智行在下半场发力的关键。
#飞机先生观点总结#
1、无人化与规模化密不可分
无人化的基础不是单车、双车的数量，而是具备规模的无人化。
小马智行对无人化的理解是对不同场景的处理能力，利用特殊地区针对复杂、困难场景，进行多场景的组合、重构。利用仿真平台做场景分析、分裂、重组，以此来达到处理长尾场景的处理能力。
举例：
我们掌握了数学难题背后的解题逻辑与思路，与过去传统的海量题目刷题、背题逻辑，在在最后处理数学难题的能力上会有很大的不同。
前者是可利用「举一反三」的能力去攻克自动驾驶剩余「百分之十」的长尾场景。
2、安全=前提。
与当前主流的新势力车企思路不同，例如我们最为直观的责任划分上，车企是重在产品本身，做成本、功能性、空间以及设计等的权衡。
而例如无人车为首的小马智行等科技公司，安全依旧是高于任何功能性。
但看客常常把只占百分之十的「场景表现能力」作为衡量技术的唯一标准，而往往没看见百分之九十背后安全的技术难题。
所以「我们常常习惯于关注于自动驾驶中 99% 可以处理变道、加速、雨天行驶等场景体验，由此定义自动驾驶的技术差异。
而关键的 1 % 长尾场景的处理能力可能最容易被忽略，但其可能最终直接决定了无人驾驶的可行性。」
只有解决了安全的前提，才可针对复杂场景对决策的舒适型做调整和优化，以此带来更为「老司机」的体验。
3、上半场的数据重在场景，下半场的数据重在用户。
科技公司的到来，其实我认为它们也将成为互联网下半场的受益者。
技术先行，这是科技革命演进中的常见「兵法」。
而从工业革命后，自动驾驶是利用信息技术与互联网结合的产业互联网。
而小马智行所主打的 Robotaxi 无人车公司，在终端下依旧是服务于 C 端个人用户。而在下半场的核心竞争中，数据、流量的入口将逐步从当前的「应用系」转向「终端」。
而小马智行在上半场的核心数据积累下反哺了技术本身，而在下半场中用户数据的到来将成为商业化落地的重要「筹码」。
在用户体验、个性化以及多元场景中，用户数据将发挥出真正的差异化。
「下半场，在许多人都为短暂的夕阳落幕高谈狂欢时，小马智行却又在新的黎明即起前，继续它的狂奔。」
{{detailStore.integral}}
积分赞赏人员
添加咨询车型
