一個需要謹慎回答的問題。

作者 | 潔萍

在過往交流中，曾有多名業內人士不約而同地對新智駕提及，“怎麼不關注商用車，商用車輔助駕駛領域玩家也很多。”甚至有企業高管斷言，做乘用車一定沒有未來。

但也有業內人士認為，做商用車只是能夠活下來，只有做乘用車才能活得更好。

不難發現，智慧駕駛領域近兩年一個明顯的趨勢是：越來越多專注RoboTaxi場景的公司，開始將觸角延伸到諸如干線物流、機場、物流園區等商用車賽道。

而商用車賽道的智慧駕駛玩家也有了越來越多令人驚喜的新進展。相比於聲量鼎沸的RoboTaxi領域，一個略顯低調，卻充滿想象空間的冰山正浮出海面，給自動駕駛行業帶來新的興奮點。

如果參照傳統汽車行業，產業鏈企業既做乘用車又攻商用車，是產業成熟後水到渠成的選擇，但在智慧駕駛技術並未完全成熟、試錯成本高昂的當下，企業是選擇專注於商用車賽道，還是乘用車領域，抑或是乘商並舉兩條腿走路，實在是一個需要謹慎回答的問題。

那麼究竟走哪條路，玩家們才能更快地走到智慧駕駛領域豐饒的“迦南地”汲取甜美的奶和蜜？在不同的道路上，又會遇到什麼挑戰？

商用車與乘用車之爭：偽命題？

首先需要理解目前智慧駕駛技術在商用車和乘用車領域能起到的作用。

一般來說，乘用車是為了使生活便利而設計，用於運載人員及其行李/或偶爾運載物品，涵蓋了轎車、微型客車以及不超過9座的輕型客車；

商用車則主要是為企業經營獲取利潤而設計，用於運輸大量的人或者貨物，包含了所有的貨載汽車和9座以上的客車。

雖然智慧駕駛技術在二者的底層技術上是部分通用的，但由於具體場景不同，會呈現出顯著不同的技術要求和商業模式。

2018-2021 Q1 期間商用車與乘用車的融資情況（部分）

魔視智慧聯合創始人兼COO王學海對新智駕介紹道，智慧駕駛技術在商用車領域已經形成量產的主要有兩個方向：

• 一是L2級以內的雙預警（行人預警和車道線預警）、AEB（自動制動）、ACC（自適應巡航）、LKA（車道保持輔助）等；
• 另一個則是從安全方面考慮，針對艙內做的DMS（駕駛員疲勞檢測系統）等。

乘用車領域則主要從泊車場景開始，做APA（常規自動泊車）、HPA（記憶泊車）、AVP（自主代客泊車）等，再慢慢迭代到行泊一體的系統。

王學海表示，商用車和乘用車在智慧駕駛技術的應用上，核心的感知和融合演算法、量產化的晶片平臺以及對量產的體系要求基本類似，但乘用車的複雜程度和智慧化要求會更高，由此也使得二者的大規模量產起點、應用場景起點十分不同。

這也是出現產業鏈玩家們對商用車和乘用車商業線路爭論的原因所在。

半封閉的園區、景區、礦區、港口等場景由於有著環境相對固定、交通流量小、行駛速度較低、ODD執行設計域相對簡單、不需要大量測試資料支撐等特點，智慧駕駛技術量產化、場景規模化比較容易，但市場容量較小，容易觸及增長天花板，而乘用車場景雖然面臨著技術、成本、法律法規等多重挑戰，但卻有著巨大的市場空間。

核心之爭也許在於，企業究竟是要抓住當下，還是著眼未來。

但也有企業選擇商乘並舉兩條腿走路，智慧駕駛技術的量產推進和前沿研發並不矛盾，只是不同企業對這二者有著時間先後以及資源傾斜的輕重點之分。

商用車：悶聲幹大事？

商用車更像是低垂的果實。

商用車的自動駕駛應用場景主要包括七個領域：幹線物流、港口場景、物流園區、礦區場景、機場場景、末端配送和無人清掃。

其中幹線物流和港口物流是兩大主要場景，前者有著萬億級的廣闊市場體量，後者作為低速封閉場景，則有望率先商業化落地。

港口和幹線物流場景，基本上採用的都是重卡車型。為了有效降低駕駛事故率，2020年11月交通部發布的《道路運輸條例（修訂草案徵求意見稿）》顯示：

12噸以上載貨車輛被要求配備智慧影片監控裝置，政策預計今年下半年落地，同時面對貨執行業人力成本持續上升、貨車司機年齡斷層趨勢凸顯，崗位缺口較大等問題，目前卡車運輸服務公司也有著非常強的驅動力去安裝相關的輔助駕駛功能。

根據東吳證券的估算，從重卡的5年運營成本結構來看，引入自動駕駛系統後，重卡5年總成本將降低23.4%，總成本節約近百萬元，平均每年20萬元。

極目聯合創始人兼COO李磊透露，其商用車駕駛輔助業務已擁有造血能力，但目前的難題在於如何切入客戶的大批次量產產品領域，以及透過技術降本，達到量產成本優勢。

不同場景有不同的機會，當然具體落地也會面臨十分不同的定製化要求。

根據深蘭科技自動駕駛資深專家介紹，礦山場景車輛噸位大慣性也大，同時由於路況崎嶇，因此對車輛控制的響應要求會更高；港口毗鄰大海或者江面，又有船舶和集裝箱的遮擋，容易導致GPS訊號不穩定，同時吊運裝置要對準才能抓放集裝，因此對融合定位和規控的精度要求更高。

再比如無人清掃場景則要求駕駛速度不能過快、清掃車距離路沿不超過5釐米，對障礙物的識別和分類要求也更高；而高速幹線自動駕駛卡車質量大、制動距離要求遠，感知距離已普遍被提升至1000米左右，另外由於廂式掛車不是一塊剛體，因此車輛對控制模組方面要求更高。

在巨大市場空間和理想落地場景的誘惑下，商用車領域已漸漸雲集眾多智慧駕駛玩家，這其中有輕資產運營，僅提供技術解決方案的，也有砸下重金，既做技術又做車隊的，技術運營兩手抓的；從另一個維度分，各企業中，有選擇漸進的輔助駕駛技術路線的，也有堅持跨越式L4級技術的。

智慧駕駛商用車七大場景部分賽道玩家

從具體進展看，嬴徹科技在今年7月份展示了兩款分別與東風商用車、中國重汽聯合開發的最新自動駕駛量產重卡，號稱這兩款產品將是全球最早的量產型自動駕駛重卡，兩款車都搭載了嬴徹全棧自研自動駕駛系統“嬴徹軒轅”，並計劃於今年年底量產下線。

嬴徹科技表示，其軒轅自動駕駛系統，從軟體到感測器規格到對線控底盤的要求，都是面向L4，面向無人的。

而與專注於L4級自動駕駛解決方案的圖森未來、小馬智行不同，諸如智加科技等則選擇基於現有量產車+後改裝兩種模式提供卡車自動駕駛多元化解決方案。按照計劃，智加科技與一汽解放聯合開發的車規級量產高級別自動駕駛卡車也將在2021年投放市場。

從場景端看，目前末端配送場景蘇寧、京東等平臺均已推出L4級無人配送小車，並已實現運營；機場場景中，在廣州、海口、北京等多地機場已展開自動駕駛試運營，力圖打造智慧化機場；物流園區自動駕駛則有菜鳥、蘇寧、德邦等佈局；港口場景在全國已有十餘個港口實現自動駕駛集卡落地。

有智慧駕駛解決方案公司則對新智駕表示，根據財務預測，2022年其商用車解決方案專案能實現數億元的營收。

乘用車：賠本賺吆喝？

但對於國內大多數專注於RoboTaxi領域的企業來說，似乎離盈利還遙遙無期。

百度在2013年開始進入智慧駕駛領域，直到2019年百度的L4級量產自動駕駛乘用車下線，再到2021年5月Apollo RoboTaxi在北京試運營地區收費，實現商業化收入，歷時8年。

不過今時不同往日，隨著產業的逐步發展，深蘭科技自動駕駛專家對新智駕表示，預計5年內自動駕駛套件會降到低點。

根據麥肯錫預測，RoboTaxi每千米成本不斷下降，與傳統計程車成本相比，RoboTaxi出行服務成本將在2025年至2027年之間達到拐點。

也有業內人士表示，

高線數鐳射雷達感測器能降到1000美元以內，自動駕駛算力平臺價格也在萬元人民幣以下，成本基本上就可以接受。商用車實現盈利可能在3-5年後，乘用車（實現盈利）則可能需要10-20年。

"自動駕駛套件的成本沒有最低，只有更低，核心要素仍是在於量產規模。"

AutoX創始人兼CEO肖健雄則告訴新智駕，AutoX將透過自研、擴大量產、開源三種途徑達到盈虧平衡點。

肖健雄認為，自研是降低成本的重要方式，成本會比非自研的更加便宜，AutoX的目標不是透過賣硬體賺錢，而是透過RoboTaxi的服務產生收入。

而在量產、自研技術之外，AutoX也在考慮如何增加收入。“雖然RoboTaxi成本更貴，但作為運營車輛的收入也更高。為了讓AutoX RoboTaxi更具有使用價值，AutoX計劃從技術上不斷拓展自身的ODD（執行設計域），在不同天氣、光照、時段、路況、區域面積等緯度拓展ODD可以增加RoboTaxi單車盈利。”

在拐點到來之前，一個更可行的“曲線救國”方式則是，企業從L4的全棧技術進行降維，先做有安全員的自動駕駛商用車量產，進行規模化落地後再提升技術，從而擴大市場，提升盈利空間。

也有企業選擇商乘並舉的路線。比如Waymo作為全球首個開啟RoboTaxi商業化運營的公司，早在2018年3月就在亞特蘭大已完成首次貨運路測，2020年3月，Waymo還正式推出了“Waymo Via”，專注於提供各種形式的貨物交付服務。

此後，Waymo與菲亞特克萊斯勒簽署獨家合作協議，後者將為Waymo開發L1-L3級自動駕駛的輕型商用車，並應用於Waymo Via的自動駕駛配送服務中。

文遠知行則在去年12月獲得宇通集團的戰略投資後，宣佈將研發全智慧駕駛小巴、公交車等其他商用場景的應用。今年3月，文遠知行還收購了專注於物流行業的智慧駕駛公司牧月科技，引發外界對文遠知行開拓Robotruck業務的想象。

相較於文遠知行，AutoX更早推動商用車業務發展。

2019年11月的高交會中，AutoX首次展示其與東風汽車合作的東風華神電動卡車。拿下電動卡車後，AutoX緊鑼密鼓與新能源物流車運營服務商地上鐵合作，共同佈局智慧駕駛物流。

2021年3月，小馬智行也宣佈了其卡車業務部門的名稱——“小馬智卡”，英文名為“PonyTron”。據小馬智行副總裁、卡車事業部負責人李衡宇介紹，“Tron”與中文“創”字諧音，並與卡車英文“Truck”的發音相似。

這標誌著小馬智行在自動駕駛領域，正式形成“自動駕駛乘用車（RoboTaxi）+自動駕駛商用車”雙輪驅動的業務佈局。

除了多家以RoboTaxi為主要商業目標的智慧駕駛公司開啟新的賽場外，Waymo高管變動，Cruise、Zoox、Lyft等被收購也側面說明著RoboTaxi的商業環境出現變化。

魔視智慧聯合創始人兼COO王學海強調，做智慧駕駛技術不要被某些應用場景所限定。

文遠知行也對新智駕表示，其自動駕駛系統所使用感測器不受車型限制，硬體可快速複用，駕駛演算法採用框架式設計，高度通用，可應對龐雜場景的壓力。

目前，文遠知行已在林肯MKZ、日產LEAF2、軒逸、東風風神E70、宇通小巴，3個製造商，5種車型上成功配裝測試WNP自動駕駛平臺，通用化平臺為量產自動駕駛系統提供基礎。

90分到100分之路：還要怎麼走？

一個行業共識是，目前智慧駕駛技術已經面臨著產業爆發點，智慧駕駛商用車進展飛快，乘用車的無人測試運營也在逐漸增加。

一個問題則是，擁有RoboTaxi技術能力的公司同時可以延伸到自動駕駛卡車賽道，那麼一開始只開發自動駕駛商用車技術的公司，也可以將業務拓展到RoboTaxi嗎？

上述業內人士周論放（化名）告訴新智駕，很多人更多聚焦在技術的角度去探討商用車和乘用車的共通性，但實際上，自動駕駛發展到現在的階段，技術研發已經是上一個階段的維度了。

在行業由技術研究階段過渡到產品落地階段的當下，企業無論是進入何種市場，除了要考慮資本、政策、技術等維度，還要考慮產業鏈的協同融合。

“你和主機廠的關係、你對產業鏈上下游的Tie1、裝置廠商的關聯度和議價能力、你對商業化應用的思考和佈局是否領先，都是評估企業在乘用車和商用車賽道資源傾斜程度的重要因素。”周論放說。

乘用車和商用車領域企業能否相互滲透，切入新賽道的底層邏輯在於，二者技術本身的互通性，以及圍繞技術的基礎架構的效率，前者是技術點本身的差異大小（具體偏差），後者是縮小技術點差異的效率（迭代效率）。

因此乘用車公司能否做商用車的核心，並非技術，而在於乘用車公司能否藉助於一定規模的試運營已經錘鍊出來了一套高效的基礎架構，幫助它們在商用車領域快速積累、分類、使用和驗證新的技術問題，並加速縮小特定技術點上的差距；而反過來，已經在商用車領域賽道的公司，越早能開始規模化應用，就能主動或被動錘鍊出同樣高效的基礎架構，幫助其保持或擴大在該賽道上的領先優勢。

周論放認為，這也印證了只有頭部的RoboTaxi公司才有可能切入商用車賽道，因為優勢不在於技術，而在於快速縮小技術差距的架構已經相對完善；反之，能夠切入乘用車賽道，也必然只有率先規模化落地的頭部商用車自動駕駛企業。

至於智慧駕駛乘用車領域和商用車領域接下來還有什麼問題需要解決，除了技術打磨、法律法規、量產、商業模式設計、安全可靠性等老生常談普遍問題，具體到商用車領域，比如在港口和幹線物流場景，想要做得更深更透，拋去技術和商業模式，更重要的還要和整個物流產業生態進行協同。

“（因為）從商業模式而言，物流是一個巨大的網路，包含了物流樞紐和幹線，例如港口就是大型物流樞紐，高速公路就是連線物流樞紐的線，隨著自動駕駛卡車從港口場景向高速公路場景遷移，將打造一個覆蓋全國的自動駕駛貨運網路。”業內人士陳觀（化名）表示。

那麼究竟具有什麼特點的智慧駕駛企業能夠在商用車領域跑出來？

新智駕在綜合了近10位業內人士的回答後發現，首先是選擇落地更加容易的半封閉園區、景區、港口等場景的企業，諸如專注於低速物流車、接駁車等的公司；其次則是掌握了AI演算法、強行業控制能力等技術優勢的公司；再有就是能夠積極主動把握客戶需求，在運營和商務有積累的企業。

總 結

智慧駕駛領域如今看似一片火熱，光在在8月份就有數起融資案例公佈，但一賽道投資人對新智駕透露，這些案例都是今年上半年就已完成，實際上隨著美股上市條件的縮緊，投資人對自動駕駛產業鏈企業的投資正趨於謹慎。

自動駕駛領域會不會迎來又一個融資的“冷淡期”？

事實上自動駕駛技術的發展有其特定規律和週期性，理論上出現資本的“觀望期”或者“冷淡期”並不意外，但業內人士周論放則認為，並不會出現全行業或全賽道的冷淡期。“對於能夠率先規模化技術應用和盈利的公司，反而會成為所謂‘冷淡期’的‘新熱度’。只有技術弱化或難以商業化的團隊，會進入相對艱難的階段，或面臨戰略調整。”

因此，對於當下的賽道玩家來說，商用車還是乘用車或許都只是載體，技術分級也並不那麼重要，關注智慧駕駛技術及其變現方式才是真正核心。

智慧駕駛的缺位、錯位與歸位第五問

回首百餘年汽車供應鏈發展史，國外巨頭一直牢牢掌握著話語權。但智慧駕駛的出現，似乎為這樣的局面帶來了轉機——

一方面，國產 Tier 1 玩家在智慧駕駛世界裡辛勤耕耘，已經收穫了不少碩果。另一方面，受國際貿易環境變動、缺芯潮等外部環境的影響，近年國產化呼聲日益高漲。

8月31日，新智駕將釋出《「虛火」的智慧駕駛國產替代潮》，本文將與行業人士共同探討，國產替代化浪潮下，智慧駕駛玩家們所遇到的機遇與挑戰。