最近，圍繞自動駕駛商用的消息很熱，似乎讓人感覺“無人駕駛”就在眼前。筆者從技術層面思考了自動駕駛商用的諸多不確定性，認為其存在不少的風險，并呼吁不應該一開始就允許無安全員的自動駕駛商業化運行。

這篇文章中，筆者更多從產業的角度對自動駕駛做了一些冷思考。有企業對L4自動駕駛車給出了2023年量產的“期票”，L4即高度自動駕駛，是限定區域內的無人駕駛，在自動駕駛感知信息來源比較充分的區域，可以沒有司機，汽車可以自動運行，甚至不再需要裝方向盤。不過，目前全球還沒有哪家企業能夠量產L4自動駕駛車輛，未來幾年也很難實現。受制于技術，很多以L4為目標的單車智能開發企業，都將L4自動駕駛車量產目標放在5年或者10年后。

經歷了十年的發展，自動駕駛如今已經進入蹣跚學步的階段，但商業落地卻需技術積淀，周期會很長。自動駕駛中的初創企業是否能夠挺過經年累月的消耗？用戶是否能夠放心使用自動駕駛？自動駕駛的倫理問題是否解決？凡此種種，都是需要思考的。

各方對自動駕駛的熱情正在減退

這幾年，資本是擅長講故事的，但資本的故事實現了多少？

傳統行業比較傾向于凈利潤和現金流，而驅動風口概念行業的，往往是故事。當前，自動駕駛的故事已經講得差不多了，各方對于自動駕駛技術的熱情正在減退，具體體現在：

其一，華爾街對于自動駕駛的熱情正在減退。2022年年中，隨著以美聯儲為首的歐美各國央行進入加息周期，美元基金對于風險投資的熱情正在減退。實際上過去20年，互聯網的發展離不開長期寬松的貨幣政策，諸如美元、歐元、英鎊、日元等主要貨幣對應的央行長期實施零利率的貨幣政策。這就使得風險投資盛行，大量資本涌入高風險行業。資本也不再要求初創企業具有盈利能力，僅僅是一個故事，就能從華爾街領到大把美元。但2022年，利率急速升高，使得需要長周期投入的自動駕駛企業獲取融資越來越難。資本要求自動駕駛企業加快變現步伐，這也是為什么國內外自動駕駛企業抓緊讓并不成熟的自動駕駛L4商用落地。

其二，自動駕駛在互聯網大廠中的地位逐步邊緣化。2022年，特斯拉自動駕駛部門裁員，Uber也在裁員，國內互聯網巨頭和造車新勢力的自動駕駛相關部門都有不同程度的縮編。移動互聯網的興盛已經基本觸頂，互聯網大廠的側重點是找到新的消費級入口，而不是持續燒錢在商用落地遙遙無期的自動駕駛上。主機廠也在進行規模縮編，主機廠是單車智能系統的下游，他們有動力繼續堅持下去，但也做好了長期研發的準備。

其三，用L2/L3技術冒充L4的自動駕駛企業逐步增加。既然要長期燒錢，那就需要有回血的手段，如果華爾街、互聯網大廠、主機廠商都不想做長期投入，那么利用手頭的技術基礎換點流動資金成為很多單車智能企業的做法，又或者利用示范工程承接一些項目。但由于L2/L3技術并不能解決關鍵的車輛痛點問題，所以對于主機廠來說并沒有太高的價值，這也使得單車智能企業很容易成為主機廠的附庸。

其四，高精地圖、激光雷達和芯片依然存在瓶頸。高精地圖的采集成本依然很高，在開放道路上實時更新的成本更高，還有法律法規上的限制，這使得高精地圖成為一個很高的門檻，自動駕駛單車智能企業需要自己開辟試驗線，通過購買和自我采集來獲得高精地圖數據。而國內激光雷達產業還不成熟，國內車載激光雷達企業大多數是初創企業，很多企業車載激光雷達產品依然依賴于進口。當然，百度將單車包括激光雷達的成本壓縮到25萬元的確讓人驚訝，但由于其開出的是2023年的“期票”，真的能不能壓到這個價格水平還有待觀察。再者，即便有激光雷達，激光雷達的耐用性也不佳，持續運行后故障率很高。

我國自動駕駛產業鏈仍存在諸多短板

從新聞層面來看，似乎我國自動駕駛走在全球前列。但其實我們在產業鏈高端依然存在較大短板，未來不能僅僅局限于商業化落地，應從產業鏈自主性來布局，否則即便有了自動駕駛，也有可能受制于人。以視覺神經網絡為例，在自動駕駛領域表現的依然是三件事物：數據、算力、算法。

當前，視覺神經網絡基本框架算法主要還是來自國外，但算法并非重點，隨著人工智能的發展，我國算法能力也在增強。難點是數據和算力。自動駕駛是非常注重數據積累的，這也是當前自動駕駛商用需要5~10年才能落地的原因，而算力方面，我國主要是在高端芯片上有短板。也有人想過利用云算力來實現自動駕駛，但實際上自動駕駛有實時性的要求，云算力存在物理通信距離，也就是存在時延，又極度依賴通信網絡的穩定性，因此并不現實。所以自動駕駛未來很長時間要依賴于單車算力，而單車算力則需要低功耗、高性能的芯片。再者，當前汽車智能座艙的操作系統，其實大部分依然是安卓系統，華為鴻蒙系統也有一定的突破，但普及度還是不如安卓系統廣泛，這客觀上也是我國自動駕駛供應鏈上的短板。

可以看出，自動駕駛的發展絕對不是單一功能的輸出，上游擁有復雜的產業鏈和供應鏈，而這些產業鏈中，很多產業鏈的核心部件尚未在國產層面給出解決方案。對于自動駕駛，我們要從整條產業鏈來布局技術，要著重補齊供應鏈的短板，做好補鏈強鏈，提高技術的自主性，否則即便有了自動駕駛，也有可能受制于人。

另外，當前國內的自動駕駛車輛試驗，大多數是從A點到B點固定線路的自動駕駛，實際上是達不到L4要求的。L4無人駕駛雖然是限定區域，但是是開放區域的自動駕駛，是需要在限定區域根據客戶要求自動規劃路線，到達目標地點。

實際上，無論是技術還是產業布局，我國自動駕駛還有很長的路要走，不能被表面的浮華所遮蔽，而要從全產業鏈來思考、來布局，這樣我國自動駕駛才有可能真正實現換道超車。

（作者系浙江大學國際聯合商學院數字經濟與金融創新研究中心聯席主任、研究員  盤和林）