从Waymo和Cruise在美国加州获得自动驾驶出租车商用许可证，到百度Apollo、小马智行在北京获准启动收费的Robotaxi试点服务，再到自动驾驶商用车在干线物流、港口、矿山、低速等场景加快应用，自动驾驶的商业化正迎来“春天”。
随着行业发展进入新阶段，人们不禁产生新的疑问：自动驾驶的商业化还存在哪些瓶颈?多久才能走向成熟?企业未来应该如何蓄力前行?对此，整车企业、芯片供应商及不同类别的自动驾驶公司，有自己的感悟与理解。
“3.0时代”提出新需求
集度汽车首席执行官夏一平首先提出了智能汽车“3.0时代”的概念。他认为，在实现高阶自动驾驶和高度智能交互后，汽车实际上就是拥有汽车形态的机器人，具有迭代能力。汽车机器人将开启智能汽车波澜壮阔的“3.0时代”。
在过去很长一段时间里，汽车的计算能力一直低于智能手机。有一种说法，在今年之前，整车特别是座舱的计算能力仍低于智能手机。这导致了很多对算力有要求的AI技术，不能在汽车上发挥优势，也无法全面充分地提升用户体验，导致了技术与产品的隔阂。
夏一平认为，智能汽车“3.0时代”将赋予汽车足够的算力。最近一段时间，随着高通、英伟达、地平线等企业高算力汽车芯片的推出，原来以运输属性为核心的汽车正在演变成由AI驱动的智能移动空间，给行业发展带来了更多可以想象的空间。“AI带来了技术的革新、效率的提升和体验的颠覆。”夏一平认为，2023年会是汽车智能化竞争的元年，智能汽车“3.0时代”即将到来。
如何定义智能汽车“3.0时代”的产品?夏一平介绍说，第一，它应该具有实现高阶自动驾驶的软硬件系统，具备在城市域、高速域、停车场点到点的自动驾驶能力;第二，语音、语义交互要做到准确识别，交流过程要自然无障碍。简单来说，就是接近于人与人之间的真实交流，不再是简单的指令，而是根据不同的场景和需求主动建立沟通;第三，根据驾驶人员对汽车的使用习惯，完成自主学习和功能迭代。如何持续让AI在车辆上进化是“3.0时代”产品的核心竞争力。
而这些能力和体验的背后，离不开软件、算法以及满足相应算力要求的硬件的共同支撑。“软件的研发、验证以及确保软件运行的安全稳定性，是所有汽车企业都要去关注的方面。”夏一平强调称。
渐进式路线的背后逻辑
软硬一体、算力冗余、智能云等，为高阶自动驾驶落地提供了一定的技术支撑，但如何推广商业模式始终是横亘在不少企业面前的“一座大山”。在市场尚未完全成熟的情况下，企业如何自我“造血”，成为关乎其生存发展的重要命题。
自动驾驶行业流传一句话，“攀登珠峰，沿途下蛋”。“珠峰”是一个终极目标，或者说企业初心;“下蛋”则指在追求“理想主义”目标时，用孵化出来的技术做出“现实主义”的产品。如今，自动驾驶市场上既有直接推广Robotaxi一步到位的方案，又有从低阶到高阶量产迭代的方案。图森未来联合创始人兼首席架构师郝佳男表示，自动驾驶有很多方向都值得探索，不在一定的时间周期内，很难看出最终哪个方向更可行，所以不同的探索都是合理的。
宏景智驾联合创始人兼软件算法副总裁董健表示，该公司非常坚定地走迭代的渐进式路线。“宏景智驾的终极目标是做高阶自动驾驶，但我们希望选择逐步可持续落地的路径。”他说。
目前，国内还没有比较完善的针对L3级以上自动驾驶的法规。换句话说，如果不做L3级以下自动驾驶系统，创业公司不可能拿到车企每年10万辆甚至百万辆级的订单。对于宏景智驾来说，选择渐进式路线，已使其获得不错的营收业绩。
通过L2及L2+级自动驾驶项目，宏景智驾积累了很多量产经验。董健谈及，自动驾驶系统非常复杂，涉及软件、硬件、系统集成等多个方面。如果不经历量产项目的“洗礼”，不经历与车企的深度磨合，恐怕很难打造出真正能够落地量产的产品。
此外，从数据积累角度来看，如果选择只做Robotaxi项目，在法规和限定区域的条件下，量级可能只是数百辆的车队;但如果做L2或L2+级自动驾驶项目，可以积累到每年数十万甚至数百万辆汽车的数据，同时也不限定区域。这些数据的丰富程度有利于企业推动L3、L4级自动驾驶走向成熟。
应对B端和C端双重诉求
禾多科技副总裁戴震判断，2025年或是自动驾驶量产的关键时间节点，而现阶段行业面临的最大挑战在于，要同时满足B端及C端客户需求的双重诉求。
传统车企行事谨慎，将安全性、稳定性作为重中之重，供应商在技术开发和流程控制等多个方面必须满足这些要求。而从消费者角度出发，虽然现在市面上的车辆具备了不少ADAS功能，但不敢保证所有的体验都能让他们满意，难免有些消费者对技术的应用产生一定的顾虑，这从某种程度上也制约了自动驾驶的商业化落地进程。
在驭势科技联合创始人兼首席产品官周鑫看来，自动驾驶的推广要着重解决以下几个问题。首先，安全是金科玉律，永远要放在第一位，没有安全就没有自动驾驶的未来。对算法的追求无可厚非，但企业仍要系统化地保障安全性，比如针对一些特殊的天气场景。
其次是效率和成本，无人驾驶技术应用的最终目的，要么是削减成本，要么是创造效益，总归要帮助客户创造价值，同时帮助整个社会进步。这就要求相关企业真正做到，在各种复杂场景下的自动驾驶汽车有更高的速度、更敏捷的能力和更好的性能。
根据多年来服务B端客户的经验，周鑫总结出了另外一个关键点——管理，包括社会管理、法律管理和行业管理。“管理虽然与技术和产品研发没有直接关系，但它可能是自动驾驶最终能否商业化的决定性因素。从宏观到微观层面，管理一定需要与无人驾驶的技术研发配合，互相改变，互相‘进步’。”他表示，此前针对有人驾驶的管理办法，不一定适合无人驾驶技术，否则可能扼杀自动驾驶行业的未来。无人驾驶一定与社会管理者同时进步，与企业管理者一起行动。
突围单车智能和车路协同
展望自动驾驶的未来，无疑会是一条充满机会，但又陡峭崎岖的山路。寒武纪行歌执行总裁王平指出，未来5年，行业将呈现三大趋势。第一，L2+级自动驾驶系统配装率迅速普及，未来5年，L2+级及以上自动驾驶系统的总体渗透率会超过50%;第二，受限场景下L4级自动驾驶解决方案将逐步落地，但距离大规模量产还有很长的路要走;第三，车路云的闭环协同，将推动驾乘体验持续升级。
与此同时，自动驾驶芯片的发展将呈现通用开放和大算力的特征。在L1和L2级自动驾驶阶段，汽车产生的数据量相对比较少，因此不少车企接受了芯片和算法强耦合的封闭式一体化方案;到L3、L4级自动驾驶阶段，数据量会激增，算法也将更加复杂，大算力芯片才能满足需求。此外，OTA也需要通用开放的软件平台加以支撑。
王平表示，自动驾驶系统的规模化落地，目前还面临多重挑战。单车智能方面，一是目前单片SoC的处理能力普遍不足，两片甚至更多片才能满足需求，使得系统复杂度指数级上升，造成量产困难;二是多片SoC的应用导致域控制器功耗很大，必须采用风冷甚至液冷，增加了系统成本，使得自动驾驶系统在10万元以下车型上很难普及;三是国产芯片市场占比仍然较低，芯片供应受全球供应链影响巨大。
而在车路云协同方面，首先，海量数据的闭环需要大规模AI集群的支撑，根据特斯拉方面的数据，每一辆智能汽车上路，就需要增加价值500美元的云端AI计算资源支撑，企业成本压力巨大;其次，车企还需投入大量资源，对数据安全和隐私进行保护;最后，云端统一运营数据的模式，还不能有效满足车主的个性化需求。
