L4前装方案压低至1万美元 自动驾驶的风口终于来了吗

　　众所周知，RoboTax行业一直以来都是以高成本著称，目前大多数L4级别自动驾驶测试车制造成本都高达上百万元，而动辄融资数亿美金的RoboTaxi公司也一直被人视为花钱如流水的“烧金窟”。

　　以谷歌一手孵化的RoboTaxi巨头Waymo为例，它从成立至今就已经烧掉了超过35亿美金。即便是这样，这家巨头想要将旗下的RoboTaxi无人车覆盖到市场，并且实现盈利也依然遥遥无期。

　　2021年6月17日，国内自动驾驶领域巨头百度Apollo与北汽极狐联合发布了Apollo Moon共享无人车，这款无人车以48万元的低廉成本震惊业界。12月8日，元戎启行再度刷新了无人车成本的下限，它面向前装的L4级自动驾驶解决方案——DeepRoute-Driver 2.0，成本还不到1万美元。

　　要知道，RoboTaxi乃至是自动驾驶最大的问题就是高成本，而如今有了低成本的自动驾驶解决方案之后，这个行业还不得起飞?超低成本自动驾驶方案怎么来的?

　　如果百度将Apollo Moon共享无人车成本做到48万都足以令人难以置信，那么元戎启行又是如何将L4级自动驾驶解决方案成本拉到1万美元以下的呢?

　　在小雷看来，元戎启行之所以能够将L4级别自动驾驶的硬件成本压缩到1万美元以内，其主要的原因就是它集合了特斯拉、百度apollo、Waymo等多家自动驾驶领域巨头的低成本研发路线于一身。

　　在自动驾驶领域当中一直都存在两条截然不同的主流技术路线。其中，RoboTaxi主要是通过堆积感知设备来实现对车辆的掌控，由于这一技术路线对于硬件要求较高，因此成本也一直高居不下。而以特斯拉为首的视觉算法流派对感知设备依赖较少，因此成本较为低廉。

　　在小雷看来，尽管元戎启行是一家RoboTaxi公司，但是它走的技术路线却更像是倾向于视觉算法的特斯拉。相较于Auto X第五代 Robotaxi Gen5 上搭载的50个感知传感器，元戎启行DeepRoute-Driver 2.0上搭载的5个固态激光雷达和8个摄像头确实是少得可怜。

　　元戎启行DeepRoute-Driver 2.0之所以能够通过少量的感知传感器就支撑起L4级别的自动驾驶能力，主要是它通过自研的感知算法，以及推理引擎弱化了自动驾驶车辆对感知设备的依赖性。

　　另外，在感知设备不足，并且算法还没有海量数据支撑的情况下，元戎启行为了确保自动驾驶车辆的可靠性，又采用了与百度Apollo 5G云代驾技术类似的5G远程监管技术作为安全冗余。元戎启行在极端情况下可以通过5G技术对自动驾驶汽车进行远程接管。

　　路测数据对于自动驾驶技术而言就像是升级打怪的经验值，是论证自动驾驶技术成熟与否最有力的明证。为了获取真实有效的路测数据，但凡有实力的自动驾驶公司都会不惜成本地部署测试车辆到真实道路上去进行测试。

　　然而，在有了海量数据作为基础的情况下，自动驾驶公司再想要论证自动驾驶技术成熟与否却并非只有上路测试这一条路可走，因为元宇宙的到来自动驾驶技术路测带来了无限的想象空间。

　　要知道，无人驾驶领域巨头Waymo就曾经在一个用于训练自动驾驶AI的模拟软件中输入0.1亿英里真实路测数据，完成了150亿英里的仿真路测。元戎启行也有类似于Waymo的模拟测试系统，它能够有效降低自动驾驶测试成本，并且极大地提高开发测试的效率，确保自动驾驶的可靠性。

　　如果从安全的角度上来看，自动驾驶技术是否一定需要“满配”的硬件，优秀的算法能否弥补硬件上的弊端也尚无定论。在小雷看来，过于堆料虽然能给安全加码，但是必然会导致成本攀升。如果一味追求算法而忽略感知硬件，那么缺少依据的算法则会显得十分空洞。因此，在算法与感知硬件之间找到一个平衡点就是目前自动驾驶公司急需做的。 成本和安全，RoboTaxi公司该如何抉择?

　　其实RoboTaxi一直以来都是一个极具争议的领域，认可RoboTaxi发展的人认为它会是自动驾驶的终局，不看好它的人却认为成本高昂的RoboTaxi只是一个伪概念。事实上对于自动驾驶的成本问题，不只是外界看法众说纷纭，在业内也是公说公有理婆说婆有理。

　　百度Apollo认为，如果RoboTaxi的成本过高就很难上量，本来打车难就是大城市的出行痛点，上不了量会让痛点加剧，造成恶性循环。以不惜成本堆料著称的Auto X则认为，真正面向L5的无人车就是要确保万无一失。此时，元戎启行此时也已经就成本问题给出了自己的答案和解决方案。

　　在小雷看来，当无人驾驶技术发展成熟时，RoboTaxi就绝不会是一个伪命题。问题在于目前无人驾驶技术还尚不成熟，因此RoboTaxi在短时间内就不可能普及。

　　另一方面，按照Auto X的说法，它们之所以不惜成本地堆料，主要还是因为用户不会在乎RoboTaxi无人车值多少钱，他们只在乎安全性和打车的费用。在小雷看来，Auto X的说法倒是有点伪命题的意思。

　　要知道，我国有句俗话叫做“羊毛出在羊身上”。用户虽然不会在乎RoboTaxi无人车值多少钱，但是RoboTaxi运营商在乎无人车值多少钱。RoboTaxi运营商想要尽快实现盈利，那么它们必然在确保安全的前提下必然会选择性价比更高的无人车。如果Auto X旗下的无人车的成本过高，那么RoboTaxi运营商会不会采购这款无人车都是个问题。

　　如果RoboTaxi运营商因为成本问题根本不采购Auto X无人车，那么它旗下的产品即便是再安全也会被束之高阁，企业也必将面临生存危机。另外，即便真有RoboTaxi运营商采购Auto X旗下昂贵的RoboTaxi无人车，最终买单的也一定会是打车的消费者。

　　因此，在小雷看来，在硬件成本仍然高居不下的情况下选择堆料无异于逆势而为，这种对安全负责的行为虽然可敬，但是很难适应当前的市场环境。在确保安全的情况下，元戎启行的成本优势便于布局市场。 技术下放才是RoboTaxi公司的活路?

　　除了成本问题之外，RoboTaxi之所以被人认为是伪概念还有一个原因，那就是RoboTaxi自动驾驶的技术风格过于激进。要知道，即便是特斯拉的自动驾驶技术也仅停留在L2级别，而RoboTaxi的目标却是跨过L3，直接研发L4，甚至L5级别的自动驾驶技术。

　　由于L4级别自动驾驶对于真正的量产的RoboTaxi来说并没有太大的意义，因此包括百度Apollo、Auto X这些巨头在内，它们在L4级别自动驾驶技术上有所成就时，通常都会选择向L5级别无人驾驶技术发起冲击。有意思的是，已经具备L4级别自动驾驶能力的元戎启行的脑回路又与这些RoboTaxi自动驾驶公司略有差异。

　　元戎启行明确表示，DeepRoute-Driver 2.0自动驾驶解决方案将同时用于车场的前装量产合作以及未来的RoboTaxi运营中。这也就意味着，除了目前遥不可及的RoboTaxi之外，我们日常生活中能够接触到的量产车有可能会率先搭载元戎启行的自动驾驶技术。事实上我们从元戎启行最新的产品上就能够看得出来，它已经为量产装车做好了充足的准备。

　　相较于目前市场上的自动驾驶解决方案，搭载元戎启行DeepRoute-Driver 2.0的自动驾驶车辆要简洁美观得多，由于它与车企达成了深度合作，因此它的传感器大多嵌入车身，车顶上也不再需要复杂的传感器结构，让车辆基本保持了正常汽车该有的流线型设计。

　　在小雷看来，一项尖端的自动驾驶技术能够给一个车企带来巨大的价值提升，而元戎启行对车企降维释放自动驾驶技术也能够让它在短时间内实现利润、数据双收。

　　事实上以RoboTaxi巨头的身份入局汽车领域也并非元戎启行首创。早在今年3月份，百度与吉利就合资成立了集度汽车，而百度Apollo深厚的自动驾驶技术储备正是集度汽车的主要卖点之一。

　　在智能汽车时代，以自动驾驶技术为卖点的量产车多不胜数，并且尖端的自动驾驶技术已经成为了一件可以单独售卖的商品。例如，特斯拉用户想要使用完整版的Autopilot自动辅助驾驶功能就得掏56000元。

　　要知道，即便是完整版的Autopilot 自动辅助驾驶也仅仅只是L2级别而已。如果元戎启行将它的L4级别自动驾驶技术降级下放到量产车当中，那么它此举能够在汽车行业当中产生的化学反应可想而知。

　　在小雷看来，如果自动驾驶公司想要尽快盈利，那么它要做的绝不是布局RoboTaxi，而是将技术下放到量产车上。至少从目前看来，通过布局RoboTaxi来盈利还遥遥无期，而将尖端的技术下放到量产车上能够带来的利润是立竿见影的。

　　另一方面，如果自动驾驶公司想要以最快的数据获取大量路况数据，那么它要做的也不是布局RoboTaxi，而是将技术下放到量产车上。要知道，目前RoboTaxi还处在测试阶段，自动驾驶能够获得的测试牌照还相当有限，布局RoboTaxi绝不可能快速获得大量路况数据。

　　事实上全球拥有最多路况数据的也绝不是专注于RoboTaxi领域的公司，而是滴滴、Uber这类有野心涉足自动驾驶领域的网约车公司，以及特斯拉、小鹏汽车这类自动驾驶技术已经得到消费者认可的智能汽车公司。 总结

　　小雷认为，搞技术的前提是必须能够养活自己，而短期的盈利能力却是RoboTaxi公司眼下最大的难题。目前绝大多数的RoboTaxi公司都需要依靠融资才能得以生存，它们一方面得搞技术研发，一方面又得斥巨资做道路测试。这样的情况就像是以透支未来的方式来盖一座空中阁楼，一旦资金链断裂，这座空中阁楼就随时有可能轰然倒塌。

　　元戎启行以低成本的方式开发L4级别自动驾驶，然后再降维应用在量产车上却不失为一个自给自足的好办法。此举带来的利润能够养活公司，获取的数据又支撑自动驾驶成长，在小雷看来，只有这样的无人驾驶公司才是真正健康发展的无人驾驶公司。