一騎紅塵妃子笑，僅因為喜食荔枝，杜牧用一句詩，讓千年以后的人們也沒有忘記唐統(tǒng)治階級的驕奢淫逸。
可幾梭光陰笑妃子，如今且不說是荔枝，萬里之外的智利都已經(jīng)將各種水果送到我們街頭巷尾的便利店。
從被釘在恥辱柱上的一騎紅塵，到飛入尋常家的萬千蔬果，這背后的人類運輸發(fā)展，還遠(yuǎn)遠(yuǎn)沒有畫上句點。
大繁至簡，是事物發(fā)展的客觀規(guī)律。今天，就有這樣一群人，他們要將從古至今道路上從未缺位過的人這一最大要素拿掉，以無人的方式推動人類運輸史再進(jìn)一程。
2010年，谷歌成立了神秘的Google X部門，也就是如今自動駕駛一哥Waymo的前身，經(jīng)歷了近十年的發(fā)展，2018年，摩根士坦利的一份報告顯示，Waymo在當(dāng)年的估值已經(jīng)達(dá)到1750億美元，而到2019年，其年收入也僅有數(shù)十萬美元。
新生事物從實驗室到落地，資本無疑有著催化作用，能夠快速讓一條賽道熱鬧起來。但在技術(shù)方面則是無能為力的，畢竟生孩子這事兒還得參與者自己來。在無人駕駛?cè)晕凑嬲涞氐慕裉?，資本已經(jīng)回歸了些許理性。根據(jù)投資者網(wǎng)站PitchBook的數(shù)據(jù)，今年Waymo最新估值約為300億美元，這一數(shù)字相較于3年前，已經(jīng)縮水超1400億。
兜兜轉(zhuǎn)轉(zhuǎn)，越來越多人開始意識到，想要讓無人車真正顛覆人類交通史，毫無疑問，需要實現(xiàn)L5級的自動駕駛。但如今的現(xiàn)實情況是，可以做到L4級自動駕駛的玩家也是鳳毛麟角。在從繁到簡的無人駕駛初次博弈里，大家看到了愿景與現(xiàn)實之間的落差：
遠(yuǎn)方是一座金礦，但想越過面前的激流，并非易事。
然而賽道上兵馬與糧草都已到位，據(jù)天眼查APP，獨角獸企業(yè)圖森未來不僅在近兩年進(jìn)行了高密度的融資，還成為了自動駕駛第一股，賬上趴著大量融資，就地解散顯然不太不合適。
但相較于一口吃個胖子式的技術(shù)攀峰，如今的很多玩家已經(jīng)放下了執(zhí)念，轉(zhuǎn)而向著場景化落地發(fā)力。
從自動駕駛分級圖中可以看到，相較于L5，L4級別自動駕駛的不同之處在于駕駛可以不需要人的參與，但必須在一些限制條件下進(jìn)行。如何理解此處的限制條件？這就需要引入自動駕駛的設(shè)計運行區(qū)域（ODD）概念。
ODD這一概念正來自于制作這張自動駕駛分級圖的美國汽車工程師學(xué)會，定義是：為特定駕駛自動化系統(tǒng)或其功能專門設(shè)計的運行條件，包括但不限于環(huán)境、地理、時間限制，和/或某些交通或道路特征的存在或缺失。
是不是很拗口？其實在談擎說AI看來，通俗一點講，主要就是在無法完全達(dá)到隨心所欲的無人駕駛之前，自動駕駛技術(shù)需要被一個特定場景限制來運作，以盡可能消除無法應(yīng)對的不確定性。
舉個栗子，就比如期末考試（場景環(huán)境），可能每年的考試范圍都在變，學(xué)校（研發(fā)企業(yè)）無法用一年時間讓學(xué)生（無人車）成為百科全書（實現(xiàn)L5無人駕駛），但最起碼要保證教給每一個學(xué)生當(dāng)年考試大綱（特定ODD）里的全部內(nèi)容。
場景不同，對無人駕駛泊車、超車、跟車、讓行等等的一系列參與交通的要素要求就會改變。
目前針對一些場景，很多企業(yè)已經(jīng)開始了布局。
比如在清潔環(huán)衛(wèi)領(lǐng)域布局的于萬智行、龍馬環(huán)衛(wèi)；在整個新零售領(lǐng)域布局的新石器；以及在物流運輸領(lǐng)域布局的京東、美團(tuán)、阿里等互聯(lián)網(wǎng)巨頭，圖森未來、贏徹科技、智加科技等新晉玩家。
隨著戰(zhàn)略路線的轉(zhuǎn)變，從圖森未來上瑞典公開道路測試，到美團(tuán)的無人車魔袋在北京順義落地運營，可量產(chǎn)L4級別無人車已經(jīng)離我們越來越近。
事實上，在當(dāng)前無人駕駛賽道上，盤踞玩家最多的正是貨運，這個交通不穩(wěn)定因素較低且存在巨大轉(zhuǎn)型空間的領(lǐng)域。通過研究賽道最熱的局部，也就能夠更好地理解整個賽道的機遇與價值何在。
無人駕駛真能革了貨運的命嗎？
先來看幾組數(shù)據(jù)，據(jù)中國物流與采購聯(lián)合會，2020年中國社會物流總費用為14.9萬億元，占GDP比重達(dá)14.67%。而據(jù)全國道路貨運車輛公共監(jiān)管與服務(wù)平臺數(shù)據(jù)，在我國的物流運輸模式里，2020年，公路運輸占比約74%，這無疑是一條萬億級別的賽道。
從當(dāng)前無人駕駛貨運賽道的玩家基因來看，需求不同，注定了其布局的底層邏輯存在差異，談擎說AI將目前賽道上的玩家布局分為兩條路線，一是干線物流，二是同城配送。前者的陣營里，有阿里和圖森未來等企業(yè)，后者則是以美團(tuán)、新石器等玩家為代表。
解放生產(chǎn)力是科研的契機，但安全往往是決定可行性的根本。在這一道金科玉律下，本文將以這兩條路線為基點，從三個層面進(jìn)一步分析無人駕駛在我國的貨運市場究竟是不是一門好生意。
當(dāng)前的無人貨運，首先繞不開的就是成本與商業(yè)模式上的問題。我們先來看看干線物流，通過查閱2020年我國公路貨運的主要成本構(gòu)成占比，不難發(fā)現(xiàn)，其中燃油費和司機薪酬是當(dāng)之無愧的兩座大山，占比總成本接近半數(shù)。
決定無人駕駛能否正式落地的一大要素，就是貨運車輛在規(guī)?；卮钶d了無人駕駛技術(shù)之后，這部分成本能否優(yōu)于如今主流模式里的司機薪酬、燃油費、車輛折舊等成本開支。
目前來看，這個可能性是存在的。自動駕駛獨角獸圖森未來曾算過一筆賬，其無人駕駛系統(tǒng)每英里的成本約為0.3美元，而美國卡車司機的工資成本約為每英里0.8美元。
除此之外，在燃油方面，機器的操控會優(yōu)于人工，可以最節(jié)能的方式來跑，這么算的話，從解放生產(chǎn)力的角度來看，無人貨運確實是一門好生意。
但凡事都有一個but，一方面，圖森未來的無人貨運在美國進(jìn)行地如火如荼，然而“每英里成本”這一人機價格差搬到中國，還是否劃算？另一方面，2020年我國公路貨運成本中車輛折舊占比13.42%，無人駕駛技術(shù)雖能削減一部分成本，但無疑也會擴大這部分成本。
并行前進(jìn)的同城配送在當(dāng)前的成本上也沒有好到哪去，“現(xiàn)在整車成本在50萬元左右，最好的能壓在20萬元左右。”任職于國內(nèi)某自動駕駛企業(yè)的硬件測試工程師李暢（化名）向談擎說AI團(tuán)隊表示，“但隨著逐步規(guī)?；土慨a(chǎn)，后面的成本很快就會下降，我們預(yù)測最終將會控制在5-10萬之間?！?/p>
李暢向我們調(diào)侃，“（現(xiàn)階段）這些小車，一個個都像是行走的小金庫，路測要是真遇到個懂行的，能給拆的一干二凈?！?/p>
綜合來看，談擎說AI認(rèn)為，當(dāng)前無人貨運賽道上并沒有大規(guī)模商業(yè)化的項目，尤其是在同城配送領(lǐng)域，成本仍然高企，也因此，在成果規(guī)?；涞?，不斷達(dá)成技術(shù)成本的邊際效應(yīng)遞減后，無人貨運能否盈利才會進(jìn)一步地明晰。雖然當(dāng)前解放生產(chǎn)力這一初衷尚存阻滯，但前景客觀存在。
安全作為科技可行性的根基，全世界每年因交通事故死亡的人數(shù)龐大，無人駕駛的美好愿景自然是讓這一悲劇徹底消失，但現(xiàn)階段的無人貨運還有另一個問題，即路權(quán)問題：
首先，無人車想要參與交通，無疑需要高度規(guī)范的智能化，不能說你規(guī)定了起點終點，然后就可以想怎么開就怎么開。在無人車完全普及后，機器的高精度規(guī)范能夠極大改善我們當(dāng)前的交通安全現(xiàn)狀。
談擎說AI認(rèn)為，當(dāng)下的主要問題在于，從無人車上路到徹底普及，中間需要很長一段的人車共行時期來過渡，這一時期正是瓶頸所在。機器是完全可以嚴(yán)格遵守規(guī)矩的，人類交通參與者卻無法像機器一樣高精度規(guī)范化，但過渡時期又需要當(dāng)前的無人駕駛有一定的應(yīng)變能力來包容人的不確定性，很難做到兩全。
與此同時，在這一過渡時期內(nèi)，無人駕駛的終端究竟算是汽車還是機器人？如果是機器人，那么理論上就不可以走上機動車道，但如果算機動車，交通事故又如何判責(zé)，車輛如何上保險？
就比如前些時間，美團(tuán)無人車與一輛民用車輛相撞，當(dāng)事人用“橫沖直撞”來形容其駕駛技術(shù)，判決過程中，也存在著無人車雖是機動車，但無牌照、無交強險等難以界定的問題。
可以預(yù)測，未來很長一段時間內(nèi)人、車、無人車都會處于一種混行狀態(tài)，而那時的人車安全如何保障？如今的相關(guān)政策與法規(guī)，都存在著大量空白，這同樣是無人車大規(guī)模落地的先決條件之一。
在解放生產(chǎn)力與守住安全根基上，不難發(fā)現(xiàn)，無人貨運要做的，都可以稱得上是一件難而正確的事。而這件事的勝算幾何？通過干線物流與同城配送的殊途與同歸，我們也許能夠窺見一斑：
從干線物流與同城配送的運輸模型來看，前者是從干道的“線”擴張，后者則是通過區(qū)域的“面”擴張，因此，談擎說AI認(rèn)為，這樣的模型差異反映到無人駕駛的技術(shù)層面，會導(dǎo)致完全兩種不同的研發(fā)思維路徑：
在技術(shù)問題上，干線物流往往干擾因素少且路線是封閉或半封閉的，線路擴張無疑更加快速；同城配送則像是L4貨運最難啃的一塊骨頭，與乘用車無人駕駛存在相似性，在人車共用的開放場景里，每一塊新區(qū)域都有海量的不確定性與挑戰(zhàn)。
由此可見，短期內(nèi)，較為封閉場景下的無人貨運或許將最快迎接大規(guī)模落地，而放到長期來看，殊途必將同歸，無論是干線物流還是同城配送，甚至環(huán)衛(wèi)、礦業(yè)等諸多場景，一如支流匯入主流，未來也都將會在L5重逢。
盡管現(xiàn)在看來，這仍是一個美好的愿景，但近年來自動駕駛賽道上從未停止的轟鳴聲，已經(jīng)足以讓人振奮。
本文來自微信公眾號“談擎說AI”（ID:Mr-dushe），作者：鄭開車，36氪經(jīng)授權(quán)發(fā)布。
