科學技術發展的魅力在于，它給人類提供了源源不斷想象未來的空間；而自動駕駛發展的魅力在于，人們對想象的未來逐漸有了具象的實物承載。

自動駕駛已經進入了競爭的白熱化階段，全球涌現出了一大批玩家，每個公司都在試圖打造自己差異化的技術，但遺憾的是這些公司都沒能逃脫出技術趨同這個怪圈。

現在全世界做自動駕駛的公司很多，但概括起來無非就兩條路徑，其中包含，三個技術選擇。

• 兩條路徑是：一，單車智能；二，車路協同。

• 三個技術選擇：一，感知融合技術；二，純視覺感知技術；三，車云一體化。

所以，本質上不管是 Waymo 還是特斯拉都只是技術選擇不同，都是主體要基于單車智能去實現全自動駕駛；隨著車路協同被國家列入重點發展規劃，由車路協同衍生出的「車路云一體化」方案或許是新的方向，國內典型的企業就是百度和蘑菇車聯。

同一目標，不同選擇

自從自動駕駛開始被真正和車深度結合開始，各個玩家一直在探索到底是基于單車智能還是車路協同，這里一般分為兩個派別：

一，以特斯拉為主的新造車新勢力派。

汽車廠商是最希望推動自動駕駛量產裝車的，從本質上來講他們是商業公司，又是汽車商業公司，而這是自動駕駛系統天然的載體，但區別在于，系統搭配整車核心是要把車賣出去。

高效率、低成本、高可靠性以及高安全性是滿足車規級的底層邏輯，而目前的計算平臺、感知傳感器、車控能力以及法規沒法滿足 L3 級以上自動駕駛。當然，特定場景的 L4 已經落地，但想要實現乘用車公開道路大范圍泛化則很難。

因此，這就限制了汽車廠商不可能實現直接面向 L4 級別大規模布局，而廠商又希望自動駕駛能成為其整車向上的突破口，所以實現自動駕駛功能上車成為了大多數車企的選擇。

所謂功能上車則是，不再按自動駕駛級別去定義自動駕駛系統，而是通過實現不同場景的功能來提升用戶對智能汽車的高階體驗。

實現的結果則是，車輛只能在部分高速場景下有輔助駕駛能力，而人需要全程做好接管的準備，這帶來的結果則是，自動駕駛可用場景還是太少。

二，自動駕駛解決方案開發商。

這個群體的目標是直接實現 L4，這樣在商業上可以橫跨乘用車、無人機出租車、商用物流等，這個群體的代表就是 Waymo。

Waymo 開始于 2004 年，當然那時候還不叫 Waymo，它還是梅隆大學的課題小組，自從參加了美國國防部舉辦的無人駕駛挑戰賽一舉成名。

而這個團隊也受到了谷歌的關注，谷歌從一開始資助梅隆大學團隊研發無人駕駛系統，到投資再到整體收購，一步步將 Waymo 早期的團隊組建完成。

Waymo 是自動駕駛領域里最有名的公司之一，可以說是其他公司的燈塔，在 2009年 Waymo 還是谷歌自動駕駛團隊的時候，它的無人駕駛測試車就已經在加州開啟測試了，直到 2016 年谷歌將它獨立運營，成立 Waymo 無人駕駛出行公司，它的完整形態才出現在大眾視野里。

Waymo 在技術走的是激光雷達路線，它直接跳過 L3 做 L4 級別自動駕駛，Waymo 路線的模式就是采購車輛，通過改裝部署自身的自動駕駛技術方案，對外宣講的商業圖景。

這個模式在早期吸引了一大批追隨者，包括，國內的百度、小馬智行、輕舟智航等。但 Waymo 路線也因為以激光雷達為主的感知系統成本居高不下，激光雷達的技術落地難度大，技術迭代速度慢，再加上「激光雷達 + 整車」的采購基本勸退了一眾玩家。

從目前行業的現狀來看，這兩種模式都有一些局限性，比如，乘用車可開放場景少，感知融合的算法、成本難突破。而這兩個技術路線其實都是基于單車智能這個邏輯架構搭建的，問題在于，如果企業沒有可落地的方案就沒有支撐其商業模式。

因此，「活下去」這三個字顯得尤為重要，從直接落地 L4，到現在多數自動駕駛公司開始實際思考自動駕駛產品落地，這不僅是商業模式的新探索，也是技術本身的新變化。而這一變化則是利用 L4 的技術去做 L2 的應用，再由 L2 獲得數據來反哺 L4，載體也在從乘用車開始大量向商用車轉變。

商業模式清晰，技術架構實施成了關鍵，這就說到了我們國家一直在大力推動的「車路協同技術」，百度則是這個路線的大實踐者。

百度此時已從科學派悄然轉為工程派，依托強大的資金能力兩條路并行，比如，一是基于制造整車實現自動駕駛技術落地；二是基于車路云一體技術打造智能交通整體解決方案。

而行業中還有另一家使用「車路云一體化」方案落地的公司就是蘑菇車聯，這家創辦于 2017 年的自動駕駛技術公司不僅在自動駕駛 L4 技術上穩扎穩打，還建立了一套領先的車路云一體化技術體系，并已經在城市實踐。

近日，百度 Apollo、蘑菇車聯還共同入選「2021 中國新科技 100 強」，是僅有的兩家入選該榜單的自動駕駛公司，這也是自動駕駛企業和智慧交通板塊首次出現在這一榜單。

商業的「多選」

近日《晚點 LatePost》報道，小馬智行已將卡車自動駕駛研發團隊并入乘用車研發團隊。合并前，卡車部門總人數約為 100 人。

卡車部門自動駕駛技術總負責人潘震皓、國內自動駕駛 PnC（Planning & Control，規劃與控制）組負責人孫浩文已在調整后離職。

部分離職人員正籌劃創業，方向也為自動駕駛，與小馬智行有競爭關系。其中一家公司中，有小馬智行天使輪投資機構投資人參與創立。據工商信息，該公司已獲得順豐控股的公司順豐投資和小鵬汽車的投資。

這個事件的背后反映的是即將 IPO 的小馬智行，依然在為其商業化做業務架構調整，堅持 Robotaxi 恐怕不能支撐其未來的股價，回到商用車和乘用車的主路線來才是最重要的，總結一句話是，自動駕駛如何落地？

Robotaxi 的核心是：「L4 級別自動駕駛」、「單車智能」。

行業的共識是，這二者放在當前這個節點，很難做功能上的突破，也就是說，基于單車智能做 L4 級別自動駕駛的落地很難。要知道特斯拉等本質還是 L2.5 的能力，即使是人機共駕中「人」依然是駕駛主體。

正如我們上面所說，利用 L4 級技術可擴展的軟硬件一體架構來打造 L2+ 級別輔助駕駛，利用 L2 大規模量產裝車后搜集的數據來反哺 L4 已經成為主機廠、Tier1、方案商的主要選擇。

這個技術路徑的調整，完美詮釋了百度 CEO 李彥宏對于百度自動駕駛要從「科學思維走向走向工程思維」的思考。

李彥宏在《北大新工科國際論壇 2021》的演講中表示：「工程思維在實際工作中非常重要，也很常見。一個近期的例子是自動駕駛。

用科學思維去做，就是一步登天，做到 L5 再去擴規模，進行商業化，Waymo就是這個路子。可是很多圖靈獎得主級別的人都說，L5 太難，再過幾十年都不一定能實現。

用工程思維去做，就是循序漸進，先在部分場景下實現自動駕駛。特斯拉采取了這樣一種方法，它先做到 L2，在高速上跟車，變道，在停車場實現自動泊車等等。

特斯拉的路子是一種工程化的思維邏輯，是對一個科學問題的妥協，是自動化程度的漸變，從 L2 希望逐步邁向 L3、L4、L5。但這是不是唯一可行的漸變方式呢？

我們認為還有一種漸變方式，就是自動駕駛行駛范圍的漸變。」

所謂自動駕駛的范圍漸變，就是先從一些交通要素簡單，能夠高度確保安全的場景做落地，收集數據，提升自動駕駛能力，現在百度已經專門成立了一個運力公司叫蘿卜快跑，提供自動駕駛落地，目前已經在北京、廣州、長沙、滄州等不少地方試點。

之后，百度將場景從 Taxi 場景擴展到城市公交、園區等各個場景，從戰略上由單車智能拓展到車路協同。

這里面說到了車路協同技術，之前很多人認為車路協同由于需要基礎設施補充，很難大規模推廣，但其實車路云一體化本身就是「范圍漸進式」的典型代表，車路云一體化是從場景切入，通過車、路、云的三端聯動，確保自動駕駛的安全和高效運營。

這是有成功案例的，除了百度的蘿卜快跑，早在 2019 年 10月 蘑菇車聯就在北京順義建成了 5G 商用車路協同示范項目，這是國內第一個車路協同方案下的自動駕駛項目。

目前，縱觀國內車路云一體化技術的落地，百度和蘑菇車聯推進速度相對較快。

比如，2020 年 8 月，百度 Apollo 相繼拿下廣州和長沙面向自動駕駛與車路協同的智慧交通「新基建」項目，其中廣州項目金額接近 4.6 億元。截至目前，百度已公布的智慧交通千萬級訂單城市超過 20 個，平均中標金額約 1.6 億元。

目前，百度 Apollo 已經成功中標滄州、合肥、重慶、廣州、成都等多地的自動駕駛車路協同示范項目；蘑菇車聯則在北京、上海、衡陽、鶴壁等城市落地，在江蘇、四川、湖北、河北、海南等多個省市都有項目推進。

如今，蘑菇車聯衡陽項目已經成為全球最大的城市級自動駕駛項目，該項目金額達到 5 億元，設計總里程 200 公里，覆蓋城市主干道、隧道、立交橋、鄉村道路等實際復雜路況，也是國內目前唯一的自動駕駛城市級項目。

百度和蘑菇車聯在技術路徑上一致，都是用「單車智能 + 車路協同」路線，打造了一套「車路云一體化」自動駕駛落地解決方案。車路協同的理念是引入路側和云端的智能感知、運算設備，能夠與車通訊、并指引和控制車輛，車與路相配合，最終使自動駕駛系統達到更高的安全性，有效解決以上單車難以窮盡的長尾問題。

寫在最后

百度和蘑菇車聯是國內落地車路云一體化技術比較快的公司，但這并不意味著他們可以高枕無憂，國內像大唐高鴻等企業也在快速推進這一技術的落地，對于前者而言商業化落地只是第一步。

「單車智能 + 車路協同」底層是一個龐大的實時數據架構系統，它或將創造出遠比讓一輛車實現無人駕駛更大的社會價值，但同時百度和蘑菇車聯這樣的公司也需要跨越更大的技術難關，讓龐大的技術體系做到高效、協同很重要。

車路云一體化還需要企業有足夠長期的研發投入，強大的資金保障也是這類公司需要注意的核心要素之一。

全球科技創新進入空前活躍期，新一輪科技革命和產業變革正在重構全球創新版圖，技術應用之快超乎人們的想象，前瞻性 AI 研發與探索會在相應的節點反哺這些走在自動駕駛前沿的公司。