作者 | 吳建明（計算機視覺專家）
來源 | 知乎
自動駕駛汽車依靠5G、人工智能、視覺計算、雷達、監控裝置和全球定位系統協同合作，讓電腦可以在沒有任何人類主動的操作下，自動安全地操作機動車輛。近年來全球汽車行業達成共識，認為自動駕駛代表了未來汽車行業的發展方向。
實現自動駕駛是一個漸進過程，目前國際通用的自動駕駛標準根據自動駕駛程度逐步提升可以分為5級。
一 、以場景為先導，自動駕駛全棧解決方案提供商將分批實現商業化｜自動駕駛全棧解決方案提供商各自以“場景”為戰
如今，高等級自動駕駛已經逐漸從技術研究階段演進至產品落地階段，正處於穩定發展期。
在中國，百度的加入將此前一直生長於高校中的自動駕駛技術帶到產業化大門前，越來越多中國企業開始追隨百度腳步，加入自動駕駛戰局，共同探索落地應用路徑。在這過程中，應用場景的重要性不斷凸顯。
這很大程度上在於，目前的高等級自動駕駛技術還無法做到像人一樣，能夠適配任何駕駛場景。
因此，選定1～2個應用場景，全力攻破，是如今大多數自動駕駛全棧解決方案提供商的商業化路徑。以道路是否開放為界線，目前主流應用場景有：園區、機場、礦區、停車場、港口、高速公路、城市道路等。
依照各個場景下自動駕駛技術實現難度的不同，自動駕駛全棧解決方案提供商也將分批實現商業化，完成從技術研發到產品供應的飛躍。
開放道路環境複雜，仍有較多“長尾問題”待解決，至少需要10年時間才能實現商業化。限定場景則因駕駛範圍的限制，減少了異常情況的發生，而其車輛速度普遍不高、環境相對可控等特點，也使得自動駕駛實現難度降低，相關企業將在未來3年左右率先實現商業化。
1、限定場景下，高等級自動駕駛技術率先實現商業化
所謂限定場景是指某些具有地理約束的特定區域。該區域駕駛環境單一、交通情況簡單，幾乎沒有或只有少量外界車輛和行人能夠進入，例如：園區、機場、礦區、停車場、港口等。較開放道路場景而言，限定場景具有三大特點：
該場景下自動駕駛車輛分為無人行李車、無人配送車、無人清掃車、無人接駁車、自動駕駛公交車、自動駕駛寬體自卸車、自動駕駛礦卡、具有AVP功能的乘用車等類型。
目前，新石器、智行者、主線科技、慧拓、踏歌智行、馭勢科技等初創企業均已在園區、礦區、港口、機場等限定場景下實現試點運營。
雖然停車場也屬於限定場景，但該區域內車輛類型以乘用車為主，與個人生命安全聯繫更為緊密，且國內法規暫未給予自動駕駛汽車在停車場內行駛的路權。
因而，還沒有中國企業在該領域實現試點運營，但目前百度、Momenta、長城、吉利等科技企業與自主車企都在研發該場景自動駕駛解決方案。目前，全球首個針對自動代客泊車系統的許可來自德國巴登-符騰堡州。
2019年7月，該州有關部門批准戴姆勒和博世，在斯圖加特的梅賽德斯-奔馳博物館停車場日常使用自動代客泊車系統。
總體來說，限定場景自動駕駛正處於早期向中期發展的轉變階段。
目前，為保證安全和便於推廣運營，礦區、港口等場景的自動駕駛車輛仍配備安全員，但多數企業表示將會用一年左右的時間逐步去除安全員的角色。
在各家企業的規劃中，限定場景自動駕駛有望在未來三年內實現大規模試點運營、小規模商業化運營。
由於產品的應用速度普遍快於標準出臺速度，因此未來三年後相關標準或會出臺，屆時將迎來限定自動駕駛的規模運營和商業化起點。
目前，限定場景自動駕駛企業仍專注打磨產品，與此同時更加註重運營。未來三年，各企業競爭重點將完全由技術轉向產品和運營。
產品方面：該領域未來優秀的產品，必須滿足三個特點，即穩定的性能、較低的成本、強大的場景複製能力。
運營方面：企業將更加註重產品細節和用戶使用的便利性，與此同時，配送員、司機等傳統職業也將被自動駕駛遠程接管員、自動駕駛運維員、自動駕駛平臺管理員等新角色取代。
2、開放道路場景下，高等級自動駕駛技術商業化時間推遲
在自動駕駛的諸多應用場景中，開放道路無疑是最難的一個。
該場景具有以下三個特點：
無地理約束限制，進入該區域的行人和車輛種類數量多，行為類型更為豐富，且相對來說不可控，因此易發生邊角案例（corner case），對自動駕駛汽車技術要求高。
車輛速度快，緊急情況出現時的制動難度大，安全性降低。
該場景下車輛多為乘用車和商用車，配有駕駛位，當前階段仍無法去掉安全員的角色。由於涉及人身生命安全，自動駕駛車輛需加裝多種高性能傳感器，其整體成本因此上升，量產難度大。
城市道路與高速公路是兩個最常見的開放道路場景，前者典型產品為自動駕駛出租車（RoboTaxi），後者典型產品為自動駕駛卡車。
據蔚來資本測算，RoboTaxi的市場規模約為3500億元，跨城物流和同城物流的市場規模分別為7000億元、2500億元，市場前景廣闊。
在諸多自動駕駛企業成立的2016年左右，業界和資本普遍認為開放道路場景的L3/L4級自動駕駛車型在2020年左右可以上路，對這項技術抱有極大期待。但經過近幾年發展，業界逐漸意識到該場景對高等級自動駕駛技術提出的諸多挑戰超出想象，以及未成熟的供應鏈、尚不完備的法律法規等外部因素對該項技術的制約。
隨之，企業不得不推遲商業化時間。
開放道路場景自動駕駛目前尚處於早期發展階段，自身技術尚不成熟，其大規模商業化時間在十年以後。而對於開放道路場景自動駕駛企業而言，想要實現大規模商業化，技術完備、路權供給、供應鏈成熟、成本大幅降低四點缺一不可。
未來三年，聚焦開放道路場景自動駕駛企業的重點仍是打磨技術，剩下的“長尾問題”需要企業花費更多耐心和精力去解決，以確保絕對安全。
就資本層面而言，由於技術發展不及預期，2018年下半年之後，資本對高等級自動駕駛的熱情普遍降低，在這類開放道路自動駕駛企業身上體現得尤為明顯。
就企業自身而言，商業化時間過長，導致其此前幾乎都是憑藉大額融資維持運營，但目前單純靠逐漸冷靜下來的資本“輸血”變得越來越困難。
未來三年，“活下去”成為這類企業最重要的目標。為實現此目標，未來企業或會在研發開放道路自動駕駛的同時，探索更多商業化路徑，“多條腿走路”或轉型以先實現自我供血。
二 、更多自動駕駛非全棧解決方案提供商迎來發展機會 ▏自動駕駛非全棧解決方案提供商逐漸受到關注
在自動駕駛技術發展過程中，其全棧解決方案提供商率先出現，美國的Waymo和中國的百度是該領域兩大代表企業。
經過近幾年技術迭代，自動駕駛產業鏈逐漸由粗放式向精細式方向發展，自動駕駛非全棧解決方案提供商陸續出現，諸多關鍵技術模塊也取得突破。
自動駕駛非全棧解決方案提供商過去：
內部環境：自動駕駛技術剛從實驗室走到產業化大門前不久，仍處發展初期階段，各家對細分技術的要求並未統一，市場中缺少能提供部分自動駕駛解決方案的企業。
外部環境：資本瘋狂追逐自動駕駛技術，企業有足夠資金研發全棧解決方案。
結果：諸如Waymo、百度等第一批進入自動駕駛領域的企業均選擇全棧解決方案提供商之路。
自動駕駛非全棧解決方案提供商現在：
內部環境：經過近幾年發展，業界逐漸對部分自動駕駛的標準形成統一共識，且認識到高等級自動駕駛技術的實現難度，自動駕駛非全棧解決方案提供商開始零星出現。
外部環境：資本市場漸冷，企業以現有資金儲備和人才儲備難以做到面面俱到，“抱團”成為趨勢。
結果：自動駕駛非全棧解決方案提供商逐漸受到業界關注。
從產業鏈構成來看，目前自動駕駛執行層基本被國際Tier 1供應商壟斷，他們擁有體系化的底盤控制系統，及與主機廠的深度綁定關係，因而很難有初創企業能夠位列其中。
感知層和決策層零組件供應鏈分散，企業類型豐富，初創企業相對容易切入，自動駕駛非全棧解決方案提供商主要集中於此。
憑藉高性價比和定製化服務，目前禾賽科技、速騰聚創、地平線等諸多中國企業在該領域佔有一席之地，並在2020年初的CES上“大展拳腳”。
禾賽科技：發佈超廣角短距激光雷達“PandarQT”，最小可探測距離為0.1m，水平視場角保持360°的基礎上，垂直視場104.2°（-52.1°~+52.1°），64線零售價4999美元。
速騰聚創：展示全球首款集成AI感知算法和SoC芯片的MEMS智能固態激光雷達“RS-LiDAR-M1Smart”。
大疆：發佈兩款L3/L4自動駕駛的激光雷達“Horizion”和“Tele-15”，前者售價6499元，後者售價9000元。
地平線：展示基於征程二代車規級AI芯片的Matrix2自動駕駛計算平臺，性能方面裝配有16TOPS的等效算力，功耗為Matrix 1的 2/3。
1、感知領域發展機會仍存
自動駕駛產業鏈中，感知處於第一層級。任何車輛要實現自動駕駛，首先都要解決“在何位置、周邊環境如何”的問題，以此為依據，進行下一步決策規劃，隨後再通過車輛的控制執行系統，完成整個自動駕駛流程。
因而，感知一直備受自動駕駛業界關注。
自動駕駛感知層分為環境感知與車輛運動感知。前者幫助自動駕駛車實現環境建模，包括攝像頭、激光雷達、毫米波雷達、超聲波雷達等傳感器；後者為自動駕駛車提供速度、位置、姿態等信息，包括MEMS、GNSS、IMU等傳感器。
在環境感知領域，憑藉較多技術路線與龐大的市場規模，激光雷達和毫米波雷達在過去幾年間一直是國內創業公司相對集中的兩個領域。甚至吸引了大疆、華為等巨頭的加入。發展至今，禾賽科技、速騰聚創等公司已推出性價比較高的產品，併產生穩定營收。
即便玩家眾多，但環境感知領域廣闊的市場前景仍將吸引更多新企業加入。據法國行業研究公司Yole測算，未來數年，傳感器收入規模將進入高速發展期。其中，激光雷達、IMU、攝像頭排名前三。
不同傳感器收入規模預測（來源：YOLE）
與此同時，市場仍在變化中。有三點變化可能會為相關企業提供更多發展機會：
激光雷達廠商正在由研發機械式激光雷達向固態激光雷達方向轉變；毫米波雷達廠商試圖用毫米波雷達取代激光雷達；新技術的應用使以上激光雷達和毫米波雷達兩個領域機會仍存（如FMCW技術，主要採用該技術的Blackmore已被Aurora收購）。
由於感知層的攝像頭、激光雷達、毫米波雷達、超聲波雷達等各類傳感器各有優缺點和適用場景，因此在高等級自動駕駛的實現過程中，多傳感器融合成為必然趨勢，也就是將各類傳感器獲取的數據信息集中在一起綜合分析，以求更加準確描述外部環境，為車輛進行決策打下基礎。
各類傳感器能否有效融合，融合後數據是否準確，都為自動駕駛感知提出新挑戰。
作為感知領域關鍵零部件，激光雷達、毫米波雷達等將繼續受到關注。
但僅憑環境感知並不能保證自動駕駛車輛的絕對安全。2018年3月，Uber自動駕駛車在路測過程中撞死了一名行人，這起全球首例自動駕駛致行人死亡事故震驚業內外，事故主要原因之一便是自動駕駛車頻繁更改目標識別結果。即便是低等級自動駕駛，也不能只憑借視覺傳感器百分之百正確感知周圍環境，特斯拉Autopilot的多起事故就起因於此。
因而，車輛運動感知同樣重要。為更加精準確車輛自身位置，高精度定位模塊作用逐漸凸顯，將變得不可或缺，其能達到釐米級的精度，為自動駕駛汽車精確理解自身定位提供幫助。
通常而言，高精度定位系統由4G/5G模塊、RTK接收機和IMU組成，工作原理如下：傳統GNSS單點定位精度為米級，但在RTK技術的輔助下，GNSS定位系統的精度可達動態釐米級，滿足高等級自動駕駛需求。考慮到星況變化情況，僅靠GNSS仍無法應對多種極端場景。此時，慣性導航系統IMU作用凸顯。其測量方法不依賴外界，在GNSS信號丟失的情況下，車輛依舊能夠準確定位，穩定高頻輸出信號，短期精度較高。
基於此，以GNSS+IMU的高精度定位傳感器為基礎，綜合考慮周圍環境特徵的方案將越來越受歡迎。2019年，千尋位置、戴世智能、導遠科技等定位服務提供商均完成新一輪融資。未來，各家自動駕駛公司對高精度定位模塊的需求將向趨同化發展。
2、感知之外，更多細分產業鏈也存有機會
總體而言，感知層在過去幾年吸引了業界諸多關注。但當感知層性能提高的同時，其後的決策層和執行層也愈發受到關注。業界正在思考：車輛如何在感知正確性未達到100%情況下，做出準確規劃？
從技術角度而言，自動駕駛決策層和執行層仍有諸多難題等待企業解決。但從新機會角度來看，執行層多被國際Tier 1所把控，初創企業很難切入，而決策層與場景息息相關，企業也較難將其單獨拆分提供標準化產品。但共同點在於，二者均需要大量數據作支撐。
尤其決策層，需要大量數據做行為預測與規劃，不斷訓練自己的模型。因此未來計算平臺、場景測試、仿真平臺等與數據相關的諸多細分領域，都將產生髮展機會。
03 、車企更注重方案量產可能性，未來致力於實現部分L3級自動駕駛技術量產 ▏車企逐漸重視自動駕駛技術
面對自動駕駛技術，車企經歷了從不信任到逐步重視的心理過程，直到目前市面上各大主流車企都在該領域有所佈局。
不感興趣：2014年-2015年，百度成立自動駕駛事業部，開始研發自動駕駛技術。由於企業基因不同，擁有百年發展歷史的車企對科技公司的業務並不感興趣，此時發佈的戰略多與智能網聯有關。
重新審視：2016年-2017年，上汽在其前瞻技術論壇上，提出“電動化、智能化、網聯化、共享化”的新四化佈局，這遂即成為各家車企追求的目標。與此同時，小馬智行、主線科技、禾多科技等一眾自動駕駛公司誕生，車企開始重新審視並對這項代表未來的新技術進行跟進。
制定戰略：在奧迪2017年發佈全球第一款量產的L3級自動駕駛汽車新款A8後，北汽、上汽、長安等國內主流車企陸續公佈更加聚焦於自動駕駛領域的戰略規劃。
避免淪為自動駕駛企業“代工廠”，百年以來，車企憑集成和製造經驗，始終在汽車產業鏈中佔據主導地位。但來勢洶洶的自動駕駛浪潮似乎正在改變這一格局：
- 零部件企業以圖像識別、高精地圖等技術為切入點，試圖佔領“高地”；
- 互聯網巨頭嗅覺敏銳，早早踏上自動駕駛的研發之路；
- 自動駕駛初創企業雖然體量尚小，但經過四年左右的成長，大多已在技術方面取得較大進步，實力不容小覷。
來自四面八方的威脅使車企驚覺，如果不及時順應浪潮做出改變，就有淪為自動駕駛企業“代工廠”的危險。智能化浪潮下車企地位會發生怎樣的變化？自動駕駛的主導者：抓住浪潮機遇，及時轉變角色投入人力物力財力，主導推動自動駕駛技術發展。自動駕駛的企業代工廠：無法掌握自動駕駛核心技術，錯失浪潮機遇，淪為單純製造商和端口。
1、車企自動駕駛佈局正由“激進”走向“務實”
能否在變革中生存下去，是每一家車企都要面臨的問題，傳統車企必須“求變”。
一方面與科技企業攜手探索自動駕駛技術；另一方面在集團內部組建研發團隊，制定自動駕駛戰略規劃。但極度焦慮與對技術發展的樂觀預估，使車企最初自動駕駛戰略規劃都較為激進。2017年，北汽與百度簽署戰略合作協議，計劃借後者人工智能核心技術，於2019年前後量產L3級自動駕駛車，2021年前後L4級量產。但在2018年發佈的“海豚+”戰略中，北汽表示，正全面推進L2/L2.5級智能駕駛規模化量產應用，2022年之前實現L3級智能駕駛規模化量產。
經過近幾年的實際探索，車企自身掌握了一些高級駕駛輔助系統（ADAS）技術，也逐漸明晰高等級自動駕駛技術的量產難度，於是陸續重新調整戰略規劃，變得更加務實。
具體表現有兩種：更願意將已掌握技術先應用在現有產品中。通過二者結合的方式，完成迭代升級，為用戶創造價值，並增強自身產品科技感屬性。更偏向於自動駕駛漸進式路線。
不再一味追求L4/L5級自動駕駛的實現，未來幾年將重點研發部分L3級自動駕駛功能，如HWP、TJP、AVP等，力求早日實現部分功能的量產，以此作為新車賣點。
2、大多數車企已實現L2級量產，目光瞄向更高等級
當前，國內主流車企大多已經推出L2級自動駕駛量產車型。根據SAE分類，該等級自動駕駛開啟情況下，駕駛員仍需要時刻觀察行駛情況，主動對汽車進行制動、加速或轉向，以確保行駛安全。LKA、APA、ACC、AEB都是常見的L2級自動駕駛功能。
（來源：iSlide）
2018年起，大批國內自主品牌L2級自動駕駛乘用車開始上市，如長安CS55/CS75、長城F7/VV6、吉利繽瑞/繽越/博越GE、上汽Marvel X等車型。
從滲透率來看：據國盛證券研究所，若以“各級別自動駕駛車型數量/當年上市的全部車型數量”作為L1/L2級自動駕駛歷史滲透率的評估標準，截至2019年，L2級自動駕駛的市場滲透率已經歷起步階段，上升至3.3%，臨近滲透率迅速提升的曲線拐點。
從指導價來看：L1級自動駕駛相對配置成本已在2017年下降至0.06萬元，截至2019年，L2級自動駕駛的相對配置成本為4.88萬元，成本較高，售價也相對較高，溢價能力初顯。
在實現L2級自動駕駛量產後，車企們紛紛將目光瞄向更高等級——L3/L4級自動駕駛技術的量產。不同於互聯網公司和自動駕駛全棧解決方案提供商，車企為保持品牌競爭力，必須及時推出具備自動駕駛功能的量產汽車，無法如前者一樣，只專注技術研發不考慮量產問題，因而L3級自動駕駛成為車企的“折中選擇”。
奧迪於2017年推出全球首款L3級自動駕駛量產車型第四代A8，但迫於法規問題，實際使用時，A8的L3功能並不能完全開啟。2020年初，業界一度盛傳“奧迪已放棄L3級，轉而研發L2級和L4級自動駕駛技術”，雖然隨後奧迪闢謠，但業界對L3的爭議從未停止。此前沃爾沃、福特等國外車企均表示會越過L3，直接研發L4/L5級自動駕駛。但與國外車企不同，中國車企多選擇“漸進式路線”——一邊先實現L3級自動駕駛量產，另一邊研發L4/L5級自動駕駛技術。
3、 L4級自動駕駛技術難量產，非車企現階段研發重點
對於當前車企而言，L4級自動駕駛技術的量產存在以下幾個難點：
安全：傳統車企的基因決定其將安全放在首位，任何一起安全事故都會對車企產生毀滅性打擊。軟件層面的評判標準之外，車企也更在意車輛硬件方面的功能安全。
成本：短期內，L4級自動駕駛產業鏈不會成熟，零部件成本高昂，難以達到車企量產條件。
技術：目前，大多數車企的自動駕駛技術還停留在L2級水平，短期無法實現從L2級到L4級的飛躍。
路權：政府路權未放開，L4級自動駕駛短期無法投入使用。
面對科技互聯網公司和自動駕駛全棧解決方案提供商都難以企及的L4級自動駕駛技術，意在量產的大多車企選擇將其暫時擱置。從各家規劃來看，近三年是大多數國內自主車企的“L3級自動駕駛量產年”。
L3級自動駕駛為深藍色；L4級自動駕駛為淺藍色。
4、未來三年，車企將重點研發部分L3級自動駕駛技術
未來三年，車企將重點研發部分L3級自動駕駛技術。
國家：與大多數國內車企未來三年內實現L3級自動駕駛車輛量產的目標相比，國家層面的預期則更晚一些，預計2025年實現規模化量產。
業界：由於尚未實現大規模量產，目前業界對L3、L4級自動駕駛技術的定義並不十分明晰，消費者更對其功能狀況不甚瞭解。
車企：作為量產主導方的車企，擁有某一級的某項特定功能後，甚至就可以宣稱自家技術達到該級標準，以此作為賣點，增強科技感屬性。
依據技術可量產與用戶需求兩大指標，TJP（Traffic Jam Pilot）和HWP（ Highway Pilot）成為兩種常見的L3級自動駕駛研發方向，這也將成為國內車企未來三年的研發重點。
技術可量產方面而言，與L4級自動駕駛相比，L3級自動駕駛的成本和技術實現難度都更低。
用戶需求方面而言，目前，上下班通勤擁堵和長途旅行駕駛疲勞覆蓋了80%的人和80%的出行場景，是乘用車用戶存在的兩大痛點。2020年2月，國家發改委、中央網信辦、工信部等11個部委聯合印發的《智能汽車創新發展戰略》中指出，有條件自動駕駛（L3）汽車在2025年達到規模化量產，比兩年前徵求意見稿中的實現時間推後5年。
根據此前規劃，2020年3月，廣汽宣佈Aion LX將搭載首個可交付應用的中國版高精地圖，實現L3級自動駕駛功能，2020年7月初正式交付。同月，長安也宣佈搭載L3級自動駕駛系統的車型“UNI-T”正式量產。
但根據長安展示的自動駕駛功能，UNI-T能夠實現TJP交通擁堵引導功能，暫不能實現HWP功能，因而不能稱之為嚴格意義上的L3級自動駕駛。
由於目前法規對L3並未有嚴格意義上的限定範圍，因而L3級自動駕駛多由車企進行定義。
此外，針對乘用車用戶的高頻使用場景——停車場，吉利、廣汽、長城等諸多車企也制定了AVP（自主代客泊車系統）發展戰略。其中，廣汽與博世合作研發，吉利、長城等車企自建團隊研發。未來，企業希望以此增加營收。
由於全程無人參與，因此該功能理論上應屬於特定場景L4級自動駕駛技術，應用落地時間比TJP和HWP更晚一些。未來三年，車企將跟進研發。AVP：Automated Valet Parking；自主代客泊車系統適用於停車場入口/出口到停車位之間的特定區域，全程無人參與。
駕駛員在手機上發出停車命令後，車輛能自動從下車區駛入停車場內，並找到車位停車；駕駛員在手機上發出取車命令時，車輛能自動回到上車區。目前，戴姆勒、博世等國外企業推出的AVP解決方案大多依賴場端改造，需要在場端部署激光雷達等傳感器，成本較高，不適宜量產。對此，博世正試圖將激光雷達換成雙目攝像頭，以降低成本。
四、各地政府越來越關注自動駕駛技術，未來與相關企業探索多種合作模式 ▏自動駕駛發展道路上，政府地位至關重要
縱觀歷史，諸多新興行業在早期發展階段，都需要政府的大力扶持，為行業做一次“冷啟動”，自動駕駛這項新興技術也不例外。
畢馬威在2018年1月發佈的《自動駕駛汽車成熟度指數報告》（Autonomous Vehicles Readsiness Index）中指出，衡量自動駕駛汽車成熟度有四項標準：政策和立法、技術和創新、基礎設施建設、消費者接受度。
其中，政策和立法、基礎設施建設這兩項標準的主導者都是政府，足以看出政府在自動駕駛發展道路上佔據至關重要的地位。
具體而言，通過相關政策法規的出臺以及各項基礎設施的建設，政府在自動駕駛技術的發展道路上起到指引方向和給予路權兩大關鍵作用。
指引方向：政府出臺相關政策法規，明確自動駕駛落地應用時間、地點、責任界定等方面，指引技術發展方向。
給予路權：政府進行基礎設施建設，如建立測試場、開放公共道路測試路段等舉措，給予自動駕駛汽車一定路權，促進技術迭代。
1、中央政府：將自動駕駛列入國家頂層發展規劃
2015年起，中國政府開始出臺相關政策法規，將自動駕駛技術發展納入國家頂層規劃中，以求搶佔汽車產業轉型先機，強化國家競爭實力。
從2015年至2020年，中國政府發佈多項相關政策，關注點從智能網聯汽車細化至自動駕駛汽車。
2020年初，國家相繼出臺《智能汽車創新發展戰略》與《汽車駕駛自動化分級》兩項方案，進一步明確自動駕駛戰略地位與未來發展方向。
2、地方政府：相繼出臺新政策跟進
在國家大戰略方針指導下，各地方政府也相繼出臺自動駕駛相關政策跟進。
從類型來看，地方政府政策主要圍繞開放公共道路測試路段和建立智能網聯示範區兩方面展開。
2017年12月，北京市政府率先出臺了我國第一部自動駕駛車輛路測規定《北京市關於加快推進自動駕駛車輛道路測試有關工作的指導意見（試行）》及《北京市自動駕駛車輛道路測試管理實施細則（試行）》，隨後，上海、重慶、長春、天津、肇慶等城市也陸續出臺相關政策。
截至2019年底，國內共有25個城市出臺自動駕駛測試政策；江蘇、廣東、湖南、河南、海南（徵求意見）5個省份發佈省級自動駕駛測試政策。
3、政策之外，地方政府與相關企業探索更多合作模式
目前，地方政府與自動駕駛相關企業之間的合作主要集中在智能網聯示範區層面，隨著示範區普遍進入大規模建設階段，更多城市參與其中，二者關係將更為密切。
此外，多個地方政府也在稅收、土地、基建等方面給予相關企業一定優惠待遇，同時與後者共同探索更多合作模式。
在此過程中，商業模式為RoboTaxi的相關企業更加需要政府“幫助”。此類企業大多即將發展至載人試運營階段，開始涉及人身安全，且對路權有更大需求，因此這類企業與地方政府捆綁更為緊密。
目前，比較主流的合作模式是相關企業與地方政府共同成立合資公司，合力運營自動駕駛出租車。在某些地方，合資公司中也有當地車企和出行公司的身影。
未來，自動駕駛相關企業、地方政府、車企、出行公司之間的聯繫將更為緊密，合資公司的運營模式或將在更多地方複製。
4、各地政府與相關企業圍繞智能網聯示範區展開合作
目前，地方政府與自動駕駛相關企業的合作主要集中在智能網聯示範區層面，政府為企業提供自動駕駛路測場地。
2016年6月， “國家智能網聯汽車（上海）試點示範區”封閉測試區在上海安亭投入運營，這是我國工信部批准的首個智能網聯汽車示範區。截至2019年底，該測試區拓展至安亭鎮全域，以及外岡鎮，覆蓋面積達到100平方公里，增加高速公路測試場景。根據規劃，到2020年，該測試區覆蓋面積將達到150平方公里，測試車輛爭取達到萬輛級。
上海建成智能網聯示範區四年間，各地智能網聯示範區數量逐年攀升，並呈現加速增長狀態。
從示範區類型來看，近一年裡，地市級智能網聯示範區數量增速最快。針對自動駕駛技術，政府與企業都希望其能早日實現商業化，二者目的殊途同歸。
從政府角度來看，其參與到自動駕駛行業中具有必要性：限定場景的自動駕駛小車，如：無人清掃車、無人小巴等，涉及政府公共事業，理應有政府參與其中；開放道路場景自動駕駛車，如：RoboTaxi、無人駕駛卡車等，涉及人民生命安全，更是政府需要進行強管控的行業。
在政府參與到自動駕駛行業中後，這項新興技術也能為當地添加了一層科技感，帶來更多資本和商業機會。
從企業角度來看，出於技術迭代的需要，自動駕駛相關企業需要獲得政府許可，以進行實際道路測試，在這過程中，企業必須與政府建立聯繫。另一層面而言，政府不但可以為企業提供路權，也可以為企業提供資金和基礎設施建設支持。
因而，二者合作具有必然性。
據統計，目前國內各省市已建有智能網聯示範區50餘個，覆蓋所有一線城市及部分二線城市，涵蓋城市道路、高速公路、隧道、封閉園區等多個場景。
以中國七大行政區域劃分，華南地區示範區數量最多，其次是中南和西南地區。政府頒發路測牌照方面，截至2019年底，國內共有近40家企業獲得地方政府頒發的自動駕駛路測牌照，科技企業與傳統車企數量基本一致。
5、未來探索多種合作模式
隨著各地政府陸續和企業達成合作，未來雙方合作將更加深入。針對路測細則和示範區兩大合作重點，億歐汽車認為，其未來三年將會發生以下幾點變化：
自動駕駛路測細則方面：已建立智能網聯示範區的城市將優先出臺自動駕駛路測細則，2020年起呈“小爆發”態勢。
地方政府一般先建立智能網聯示範區，再出臺自動駕駛路測細則，因此目前擁有示範區的城市數量多於政策出臺的城市數量。2017年北京發佈自動駕駛路測細則之後三年，上海、重慶、杭州等已建立示範區的城市陸續跟進。2020年後，出臺路測細則的城市數量將繼續提升，並逐漸向二三四線城市擴展。
地理位置相鄰的地方政府將針對自動駕駛道路測試進行互認合作。由於各地方政府路測細則並不統一，因此企業需要在多地獲取牌照進行路測，呈“割裂”態勢，區域測試協同存在壁壘。
地理位置相鄰的地方政府完全可以開展互認合作，規劃測試行為，共享測試數據和結果。
智能網聯示範區方面：二三四線城市成為智能網聯示範區的建設主力。目前，國內所有一線城市及部分二線城市都已建成示範區，未來逐步向二三四線城市擴展。已擁有示範區的城市或將在市內建立更多示範區，由點擴大及面，同時進一步放開測試路段。
從各地政府對智能網聯示範區的規劃來看，諸多地方級測試點將於2023年前完成示範區技術設施建設和改造，當同一城市建立的示範區越多，其由試點擴展至區域的可能性就越大。
2019年起，地方政府除了在政策和示範區兩方面給予企業幫助外，也在與後者共同探索更多深入合作模式，比如雙方成立合資公司共同運營RoboTaxi。2019年4月，百度與長沙先導產業投資有限公司、湖南湘江智能科技創新中心有限公司聯合成立湖南阿波羅智行科技有限公司，進一步推動自動駕駛和車路協同技術在長沙落地，長沙市/區多位領導到場支持。
四個月後，自動駕駛企業文遠知行與也“試水”合資公司模式，與科學城（廣州）投資集團有限公司、華南最大出租車公司廣州市白雲出租汽車集團，共同成立合資公司文遠粵行，以進行RoboTaxi的運營。
相較於其他自動駕駛場景，RoboTaxi的商業前景廣、落地時間長、資金消耗大、技術迭代慢，因而更需要政府的支持。
今後，這也將成為大多數RoboTaxi公司與政府之間的主力合作模式。隨技術的迭代發展，未來雙方或許還將在更多層面進行合作。
五 、資本對自動駕駛技術呈觀望態度，等待技術進一步落地 ▏中國資本對自動駕駛關注度下降
中國創投圈對自動駕駛技術的關注始於2014年。
彼時百度宣佈研發自動駕駛，並試圖實現該項技術的商業化落地。隨後，諸多人才出走百度，各自成立自動駕駛初創公司，市場上的投資標的開始變多。巨頭的入局，一定程度上是在“革車企的命”，與後者存在博弈關係，而有一定機會勝出的初創公司也吸引了資方目光。
此後短短六年間，資本對自動駕駛的看法經歷了開始關注、瘋狂追逐、逐漸冷淡三個階段。
未來三年，資本將站在新角度重新審視這項技術。
據統計，近幾年完成融資的自動駕駛相關企業數量由2014年的9家微增至2015年的10家，隨後又迅速攀升至2017年的33家。在2018年再次微微增幅後，2019年數量開始下降。
從企業獲投次數來看，這種現象則更為明顯。與2014年的9次相比，2015年資本對相關企業的投資次數微微增幅至11次，隨後增速開始變快，2016年增長至24次、2017年則達到46次，連續兩年翻倍。2018年後，資本腳步放慢，逐漸下降至2019年的32次。
1、資本更關心商業化落地的可能性與進程
2018年下半年開始，中國自動駕駛圈已經開始感受到資本的陣陣寒意，企業融資難度加大。發展至2019年，業界更有“自動駕駛進入資本寒冬”的說法傳出。
從資本角度而言，這種現象背後最直接的原因就是資方募集規模的大幅下降。據清科研究《2018年中國VC/PE機構透後管理調查研究報告》、《2019中國股權投資市場回顧與展望》數據，2017年後，我國私募股權投資市場募集總額呈下降態勢，2018年私募規模為10111億元，較2017年下降29%。
這直接導致當年私募股權投資市場的投資總額較上年下降14%，2019年的跌幅更是達到30%，連帶效應明顯。在這種情況下，資方風險意識加重，不再一味追逐自動駕駛風口，反而回歸理性。
其對自動駕駛的關注重點由最初的團隊人才背景、商業前景，變為企業現階段技術發展進程、商業模式落地的可行性。
一個不能忽視的事實是，自動駕駛企業此前對商業化的預期一向偏高，吸引大量資本進入，估值飆升。但三年時間過後，大多數企業並沒有完成當時定下的計劃，其技術仍在迭代中，不甚成熟。同時，過高的估值導致資本難以繼續加持。
目前，國家仍在對資金實行強管控，因此資本的理性也將持續。
未來三年，單純“講故事”已不足以吸引資本加入，資本將更加關注有商業落地苗頭的自動駕駛相關企業，比如已在某些區域實現試運營、具有自我造血能力的限定場景自動駕駛全棧解決方案提供商，已為多家客戶供貨的激光雷達、毫米波雷達企業等。
而在自動駕駛不斷髮展過程中，擁有新技術思路的企業也將引起資本注意。
2、資本對開放道路場景自動駕駛相關企業給予關注
從高等級自動駕駛中的限定道路和開放道路兩個場景來看，發展初期，後者顯然更受資本關注，其往往在成立初期（幾個月內）就完成第一輪融資，此後吸金不斷，短短几年就成長為“獨角獸”。
如2016年內成立的圖森未來，成立當年便完成5500萬元的A輪融資，2019年，該自動駕駛貨運卡車公司已完成D輪融資，估值超10億美元；同樣是2016年底成立的小馬智行，成立三個月內便完成9900萬美元的天使輪融資，2020年初小馬智行獲得豐田加持的B輪融資，估值高達30億美元。
但隨技術發展及商業化落地應用進展，資本對這類企業的關注度降低，轉而將更多目光投放在限定道路場景的自動駕駛全棧解決方案提供商身上。
據統計，從2015年起，開放道路場景自動駕駛全棧解決方案提供商的融資次數逐漸升高，2017年達到峰頂，是當年限定道路場景自動駕駛解決方案提供商的兩倍。隨後兩年，融資事件逐漸變少。此時，限定道路場景自動駕駛提供商則開始得到資本青睞。
高等級自動駕駛中融資事件次數變化（次）這符合新興技術發展規律——從新概念出現到市場投機，再到泡沫破裂，最後迴歸理性。據諮詢機構Gartner 2019技術成熟度曲線，L4級自動駕駛正處於“幻滅期”，L5級自動駕駛則處於“期望膨脹期”。
3、資本正在觀望自動駕駛技術發展進程
近兩年，由於資本對企業關注點發生變化，高等級自動駕駛行業融資事件發生次數呈現下降態勢。與此前對RoboTaxi的瘋狂追逐不同，目前資本更鐘愛限定場景的高等級自動駕駛解決方案提供商，關注點由企業講故事和人才團隊，轉向“故事”和計劃的完成度、團隊人才和試運營狀況。
2019年，該場景企業融資次數為13次，超過開放道路場景自動駕駛企業的融資次數。在這年，踏歌智行、慧拓、易控智駕等礦區場景自動駕駛企業，主線科技、暢行智能等港口場景自動駕駛企業均完成新一輪融資。
2020年初，專注研發限定場景自動駕駛的馭勢科技也宣佈獲得博世投資。目前，其無人物流車已在香港國際機場和五菱工廠內實現常態化運營。就開放道路場景自動駕駛企業而言，資本呈現向頭部企業聚集的現象。雖然該場景下自動駕駛短期內無法實現商業化落地，但仍有資本進行加碼。
即便在新冠疫情肆虐全球的2020年初，小馬智行仍宣佈獲得來自豐田的融資。自動駕駛圈並未進入所謂的“資本寒冬”，資本仍對自動駕駛抱有期待，對其認知也逐步加深。
在國家暫未放開相關政策的情況下，資本規避風險的意識本能提升。
另一角度而言，即便業界此前對技術期望值過高，但多數企業業務正在穩步發展，如專注物流場景的馭勢科技、專注礦區場景的踏歌智行、慧拓等企業均已進入商業化前夜。
隨著企業試運營的逐步開展，其技術將在試運營過程中逐步迭代走向成熟，與此同時，當自動駕駛車的應用數量增加後，其成本也將迎來下降空間，引發資本興趣。
就限定場景自動駕駛相關企業而言，財務投資者仍會對其進行加碼，但就開放道路場景自動駕駛企業而言，活躍其中的玩家更多為產業投資者。但不論資方身份如何，未來三年，資本將圍繞市場空間、業務快速擴展的可能性、商業模式三個角度考量自動駕駛相關企業。
六、車路協同技術迅速發展，將成為高等級自動駕駛背後驅動力 ▏什麼是車路協同
車路協同指藉助新一代無線通信和互聯網技術，實現車與“X”的全方位網絡連接，即車與車（V2V）、車與路（V2I）、車與人（V2P）、車與平臺（V2N）之間的信息交互，並在全時空動態交通信息採集與融合的基礎上，開展車輛主動安全控制和道路協同管理，充分實現人車路的有效協同。
目前國際上有兩種主流技術路線：DSRC：專用短距離通信技術，相關技術標準由美國IEEE主導，在美國、歐洲、日本等地均有應用示範。
C-V2X：蜂窩通信技術，相關標準由3GPP制定（華為、大唐參與），包括基於LTE-V2X/LTE-eV2X技術及基於5GNR平滑演進形成的NR-V2X技術，為我國主要採用的通信技術。
基於我國採用的C-V2X技術路線，國內已基本完成LTE-V2X標準體系建設和核心標準規範，政府和企業兩方也正在推動LTE-V2X的產業化進程。
該技術可以將“人-車-路-雲”等交通要素有機聯繫在一起，保證交通安全，提高通行效率。
從演進階段來看，車路協同共分為協同感知、協同決策和協同控制三個階段，目前我國仍處於協同感知階段。在5G技術不斷髮展的情況下， LTE-V2X正在向5G-V2X方向轉變。
根據國際電信聯盟組織（ITU），5G能實現1ms的E2E時延、10Gbps的吞吐量和每平方公里100萬連接數。這種低時延、高可靠性和高速率的特性對車路協同的發展有極大促進作用，能夠進一步提高車路的信息交互效率，保證高等級自動駕駛車輛安全。
2019年，由3GPP制定的5G R15標準已凍結，接下來，5G-V2X將通過Uu技術試驗，來驗證5G網絡對e-V2X部分業務場景的支持能力。
1、車路協同對高等級自動駕駛技術的意義
據千方科技介紹，V2X在高等級自動駕駛中具備配備六項要素：車側單元（OBU）、路測智能基礎設施、路測單元（RSU）、路測邊緣計算單元、路測信息提示單元和雲控管理服務平臺。
相較於單車智能，V2X增加路端和雲端部署，能夠有效降低單車智能技術難度。
路端：通過路端設備感知周圍交通靜態動態信息，結合車路數據，進行精準分析，再實時傳輸回車端，形成路側決策。由於在路側裝有感知設備，車端硬件成本得以降低，同時相當於形成一個“上帝視角”，能夠解決超視距、惡劣天氣影響等問題，保證高等級自動駕駛安全。
雲端：通過收集大量數據，以訓練自動駕駛算法，其同時可支持全局信息存儲和共享，互聯互通業務流，對自動駕駛車實行路徑優化。
根據百度預測，車路系統能使自動駕駛研發成本降低30% ，接管數下降62%，預計能讓自動駕駛提前2-3年在中國落地。
“車路雲”一體化協同示意圖政府與企業共同參與，加速車路協同發展以往，單車智能的打造與智慧道路的建設均是由相關單位從單個環節入手，獨自進行研發，呈“割裂”態勢，車路協同能有效將二者結合在一起，不僅有助於高等級自動駕駛的實現，也符合我國交通強國的大方向。
因而，車路協同備受關注，政府與企業都參與其中。
政府方面：國家相關部門陸續出臺了《推進智慧交通發展行動計劃》、《數字交通發展規劃綱要》、《車聯網（智能網聯汽車額）產業發展行動計劃》、《推進綜合交通大數據發展行動綱要（2020-2025年）》等多項政策；工信部向中國移動、中國聯通等頒發5G牌照，並組織成立“國家智能網聯汽車創新中：引導車路協同發展；地方政府加速推進推進智能網聯示範區的道路改造計劃，開啟智能網聯汽車應用試點。
企業方面：國家三大電信運營商開設車聯網應用平臺試點；百度、騰訊、阿里巴巴、滴滴、華為等互聯網企業研發車路協同路側平臺和中心平臺；一汽、上汽、東風等車企開展車路協同應用測試；中國交建中諮集團、啟迪雲控等企業探索應用平臺的建設與運營。
此外，高新興、中興、大唐、國汽智聯、星雲互聯等諸多芯片模組廠商、終端設備提供商、安全廠商和位置服務提供商均參與其中。
在政府和企業的聯合推動下，車路協同在最近幾年得到快速發展。
2018年11月中國汽車工程學會年會暨展覽會（SAECCE）期間，華為、大唐、高通、金溢科技、 星雲互聯、東軟睿馳、上汽、長安、北汽、吉利等多家企業聯合展示了世界首例“跨通信模組、跨終端、跨整車”的互聯互通，成為推動我國C-V2X大規模應用部署和產業生態體系構建的重要一步。
從路側建設進度來看，各地政府大多都已建立智能網聯示範區，並著手改造示範區道路，部署車路協同路側設備。由於投資大、進程慢，未來三年，路側建設還將持續。
從應用類型來看，目前車路協同技術有智慧路口、智慧礦山、自動代客泊車、高速公路車輛編隊行駛四個典型應用場景。在各路玩家的努力下，車路協同將率先在以上場景中實現應用。綜合考慮技術和法律因素，未來三年，智慧路口和智慧礦山將成為與車路協同技術的落地場景。
從配套技術來看，由於高等級自動駕駛技術離成熟期較遠，未來三年，車路協同與自動駕駛的結合應用，還將在智能網聯示範區或特性路段小範圍進行。作為更多依靠基礎設施建設的技術，車路協同的大爆發還需等待自動駕駛技術的進一步成熟。
2、部分基於車路協同的自動駕駛場景將率先實現應用
根據技術特性和應用成熟度兩個維度，中國信息通信研究院將C-V2X支持實現的車聯網應用大致分為四個象限。
其中，技術特性指該應用從測試試驗驗證樣品到可量產產品之間還存在較大技術難度；應用成熟度指產業鏈、運用模式、管理制度和商業模式的成熟程度。
（C-V2X應用成熟度象限）
據此劃分，其中的L5級自動駕駛、車輛編隊行駛、封閉環境自動駕駛、停車場自主泊車為C-V2X支持的高等級自動駕駛場景。
從應用成熟度來看，四者由高到低分別為：封閉環境自動駕駛>車輛編隊駕駛>停車場自主泊車>L5級自動駕駛。
從技術特性來看，四者由易到難分別為：封閉環境自動駕駛
綜合來看，封閉環境自動駕駛將在四者中最先實現應用，其次是車輛編隊駕駛和停車場自主泊車，最後為L5級自動駕駛，實現時間遠遠超過十年。
在以上自動駕駛場景中，車路協同能夠發揮其“上帝之眼”的作用，通過路側傳感器感知車輛信息，並回傳與車輛進行信息往來。
對於園區、礦區等封閉環境自動駕駛而言，其區域固定且面積不大，路端設備相對好部署，自動駕駛汽車的行駛路線也可以進行提前規劃，實現難度相對較低。
目前已有多家企業初步實現試點應用。該場景可在3年內擴大應用範圍，逐漸轉向常態化。
但對車輛編隊駕駛、停車場自主泊車、L5級自動駕駛而言，由於大多為乘用車，且相關法規層面的缺失，未來3年內或會進行示範應用，但暫時不會投入運營。
3、車路協同的主要工作仍將主要集中在基礎建設方面
2016年起，我國各地開始建設智能網聯示範區，並有意識地增加示範區路側設備的部署，供自動駕駛汽車路測及探索車路協同技術。
目前，國家層面正大力進行基礎設施建設。2020年3月，工信部發布《關於推動5G加快發展的通知》，提出要促進“5G+車聯網”協同發展，明確將車聯網納入國家新型信息基礎設施建設工程，促進LTE-V2X規模部署。
但基礎設施的改造是一項長期的系統性工程，其不僅需要汽車、通信、科技等多類企業與政府不同部門之間合理配合，還需要投入大量資金。
以高速公路為例，保守假設每公里高速公路的智能化改造費用為100萬元，以2019年我國14.26萬公里的高速公路來測算，總體需投入1426億元經費，更不必說目前我國已近500萬公里的公路里程。
此外，鋪設完成後，後期設備的升級與維護也是一大挑戰。
因此，即便政府在4年前就已開始基礎設施的建設改造，但根據中國智能網聯汽車產業創新聯盟（CAICV）、IMT-2020（5G）推進組C-V2X工作組、中國智能交通產業聯盟（C-ITS）、中國智慧交通管理產業聯盟（CTMA）聯合發佈的《C-V2X產業化路徑和時間表研究》白皮書，2020年仍被認為是C-V2X產業化的“導入期”，此後在經歷4年的“發展期”後，才能進入“高速發展期”。
從這個角度來看，未來三年，車路協同的主要工作仍將集中在基礎建設層面，並將配合基礎設施建設開展小範圍應用試點。
路端之外，車端也需要配置相應設備，才能實現與路端協同應用。
國家工業信息安全發展研究中心發佈《AI智能下的汽車產業裂變——中國汽車企業與新一代信息技術融合發展報告(2019)》預測，我國2020年的智能網聯汽車滲透率或將達到51.6%，未來三年間，該滲透率也將不斷提升，為未來車路協同應用做準備。
