21世纪经济报道记者 董静怡 上海ਯ报道
自动驾驶的发展中，一直存在着“渐进式”和“跨越式”两条路♣线વ之争。前者以特斯拉为代表，从L1、L2级别的基础辅助驾驶逐步迭代到高级别自动驾驶；后者以Waymo为代表，一步到位À研究L4、L5高级别的自动驾驶。
∇而最近自动驾驶的寒冬，Þ就ૣ与走跨越式路线的公司们有关。
受限于高级别自动驾驶技术不够成熟，长尾问题难解等问题，跨越式自动驾驶公司无法实现数据闭环与规模商用，也就难以支撑无休止的烧钱运作。今年以来，美国自动驾驶初创公司Ar“go AI宣布倒闭、自动驾驶技术公司Motional被曝裁员、英特尔的自动驾驶业务Mobileye上市估值腰斩、国内自动驾驶领域的明星公司小马智行、文远知行等也频有负面传出，高级▨别自动驾驶的故事逐渐失去吸引力。
今年5月，曾专注于L4级别自动驾驶的એ轻舟智航和文远知行相继宣布进入L2领域，车企的降维转型成为它们自谋出路的方式。显然，经过长时间的拉扯，越来ô越多的自动驾¹驶企业意识到商业化和量产能力的重要性。高工智能汽车研究院监测数据显示，2022年1-11月，中国市场(不含进出口)乘用车前装标配搭载L2级(含L2+)辅助驾驶交付上险为503.65万辆，同比上年同期增长63.88%。
“同时具备技术和量产两个核心¸能力，才能驱动自动驾Ċb;驶持续向上生长，一直到无人驾驶的终局。”近日，易航智能创始人、董事长陈禹行在GTM2022全球科技出行峰会上表示。
围绕场景实bd;现▦商ો业化落地
毫末智行COO侯军认为，整个自动驾驶不是一蹴而就的，它有一个°渐进的过程，整个过程是从低速到高速，从载物到载人，从商用到民用的渐进路线。
他认为，实现自动驾驶要经历三个阶段，可行、可靠、可商用。“可行”指的是在这个阶段需要自动驾驶的能力初步具备感知⋅的能力、算法的能力和车辆的控制，在一些局部的区域测试场所可以进行运行；“可靠”阶段需要自动驾驶车辆具备◈安全性，车规级全天候、全地形；“可商用”指的是最终的规模化商业部署，需要对相应的场景进行适¿配，控制规模成本，有相应政策法规的支持和助力。
实现最્终的商业落地对于自动驾驶企业来说尤ⓐ为重要，尤其在自ૠ动驾驶的寒冬里，融资环境不断下降，对于创业公司来说，商业闭环的建立助力企业完成自我造血，比起只依赖融资的企业更能活得长久。
目前来看，针对特定场景的自动驾驶布局δ正成为一大趋势。
陈禹行在论坛上指出，近几年，ϒ越来越多的企业开始围绕场景来做自动驾驶，通过打开场景来创ઍ造更多的价值。出现这种现象的根源还是在于高级别自动驾驶的技术受限，安全性虽然全面，但场景极为有限。
“有的做到L3、L4级别的车型，在高速公路上，仅有一小部分路ⓦ段可以开启相关功能，需要车速不超过60公里每小时，并且得在能看到隔离带最内侧车道行驶。”陈禹行表示，“用户感知不强，启用的也不多，导致这套系统的价值有限。þ”
而在一些特殊的场景，如无人巴士、干线物流、无人d3;配ࢵ送等，自动驾驶已经实憨现了商业化落地。从技术角度来看，这些工作场景相对更加封闭，技术落地难度更低。
以友道智途为例，其自动驾驶车队已经可以实现自动编组和解组，实现跟车、车道保持、绕道换行、紧急制动等队列行驶¾功能，大约能提升东海大桥50%以上的通行效率；在末端物流自动配送车领ૌ域，毫末智行也在今年Θ推出了10万元级末端物流自动配送车小魔驼2.0，目前已经在商超配送、接驳等场景中应用。
侯军告诉21世纪经济报道È记者，在乘用车领域，辅助驾驶产品的商业化落地已经打通℘，目前高速公路和快速路场景下的辅助驾驶方案已经比较成熟，现阶½段全球从业者的共同目标是城市复杂道路，技术、成本控制、芯片算力、AI处理等都有很多挑战要去解决。
在无人配送领域，商业化落地的难题主要是∑如何有效控ⓖ制无人配送车生产成本、运营成本，从而形成更良性的商Μ业模式。
“自动驾驶科技公司ય成功的首要因素是‘机制’，”侯军表ગ示，“‘机制’正确了，就á可以解决技术、数据和资本等问题。”
ς技ૠ术成熟离不开ૉ数据支持
通过打开ç场景来创造更多价值，对于◐自动驾ⓖ驶创业公司来说是短期的造血尝试，长期来看，还是在为攀顶高级别自动驾驶做准备。之所以这么说，不得不提到数据对自动驾驶技术精进的重要性。
侯军将近十年的自动驾驶技术¾发展归类成了三个阶段，即由硬件驱动的自动驾驶1.0时代、由软件驱动的Â自动驾驶2.0时代以β及即将到来、并将持续发展的由数据驱动的自动驾驶3.0时代。
ৄ在侯军看来，自动驾驶的终局之ਜù战，实际上是数据之战。
自动½驾驶技术走向成熟离不开大规模高质量数据的支持。在自动驾驶算法模型逐步趋向合流，车端平台大算力普及，数据规模成为决bd;定自动驾驶能力高低的关键变量ⓕ。
其中，数据规模、数据获取成本、数据质量直接和自动驾驶产品能力提升速度高度相关。侯军在接受21世纪经济报道记者Š采访时表示，相对于跨☜越式路线采用的小范围，乃至封闭区域的小规模测试，渐进式路线更容易从用户真实使用场ⓜ景中获得足够数量、丰富场景的海量数据，并且获得数据的成本更低、质量更高。
陈禹行也有着૩类似的看法。他认为，以场景为核心的自动驾Ü驶技术在向无人驾驶阶段过渡的过&#ffe1;程中，首先从ADAS（高级辅助驾驶）切入，然后到达NOA（领航辅助驾驶）的阶段，在达到FSD（全场景自动驾驶）后迎来拐点，随后行业将进入一个时间较长的稳定发展期。
“从功能上来讲，NOA开启了‘人机共驾’的时代，是迈向自动驾驶终局的一个新Ε阶段。”陈禹行表示，“从技术上来讲，数据是自ો动驾驶未来决胜的一个关α键，NOA是真正意义上的自动驾驶功能，所以它可以提供和积累高价值的自动驾驶数据。”
陈禹行认为，2025年将会是一个拐点，下一个阶段的竞争是能不能够量࠷产基于B²EV技术的城市全Θ场景辅助驾驶的FSD方案。
然而，渐进式路线仍有短板，业内普遍认为，通过渐进式路线收集数据♠虽然成本低，但数据是否受限于场景ο、是否对于L4、L5级别的自动驾驶能产生高价值仍旧存疑，需要有足够多的细分场景才能保证数据的全面。不过，从整个融资环境上来看，更有确定性、可以更能实现量产的渐进ૢ式路线则更受资本青睐，对于初创公司来说，也是一条更容易走的发展道路。
“L2等渐☞进式路线的公司，正在大规模落地、商用，今年智能驾驶L2的搭载渗透率已经接近30%，毫末判断2025年高级别辅助驾驶搭载率将达到70%，”侯军向2ö1世纪经济报道记者表示，“这ੇ也许并不是寒冬的征兆，恰恰是春天的来临。”
£（δ作者：董静怡 编辑：林曦）
<!–
–>
