自從1885年卡爾·本茨發明汽車以來，這個人類歷史上最重要的交通工具之一就開始朝著“自動化”不斷發展。

從搖桿啟動到電啟動，從手動擋到自動擋，從內燃機到電驅動，汽車的每一次技術革新都在降低人的操作難度，而自動駕駛的出現則從根本上解除了人與汽車的操作綁定。

一般認為，真正的自動駕駛概念于2013年出現，并在此后的十年間在汽車產業和資本市場中爆發。在自動駕駛產業發展初期，應用市場的態度十分樂觀，相當一部分車企曾表示在2020年就能實現L3級自動駕駛的全面普及，而L4級的自動駕駛在2025年就能落地。

一時間所有人都在期待著自動駕駛的大規模應用，這種應用包括“自動駕駛出租車”、駕駛私家車出行可以完全無人接管、相關系統成本大幅度降低、城市交通擁堵大幅度緩解等等，一切似乎都在朝著美好的方向發展。

但到了2024年，市場依舊沒有看到曾經想象中的全面自動駕駛，甚至連L3級的自動駕駛都沒有完全落地。不僅如此，在過去的幾年間，相當一部分企業，包括車企和自動駕駛企業還縮減了相關業務。

空中樓閣已經不再具有吸引力，落地成為了自動駕駛行業的關鍵詞。

而在2023年年底，「甲子光年」舉辦的甲子引力年終盛典新動能與新賽道專場上，與會嘉賓也討論了自動駕駛的落地和發展問題。

通用的自動駕駛技術還存在很多問題，要想實現自動駕駛落地，就必須讓技術和應用場景進行匹配。

1.城市場景，落地為王

在“乘用車”和“公共道路行駛”這兩個場景的疊加下，自動駕駛的發展風向已經從全面的L4級轉向了L2+到L3級的過渡，這個前幾年還有這激烈的技術路線之爭的話題如今已經在實踐中得出了結論。

在從低級向高級，從輔助駕駛到自動駕駛的發展過程中，相關技術更加注重具體場景的落地。

例如泊車場景是駕駛過程中出現的高頻場景，車企和供應商就研發出了相應的自動泊車系統（Automated Parking Assist，簡稱“APA”）和主動代客泊車系統（Automated Valet Parking，簡稱“AVP”）。

目前華為智界、比亞迪、小米、理想等車型，都已經搭載了主動代客泊車系統，該系統能讓車輛在商場地下停車場自動尋找車位，期間不僅精準識別周圍環境和車位，還能自動避讓行人和讓行對向車。并可實現一鍵召回。

而車輛的行駛過程中，人們又把場景分為了城市道路和高速高架道路，并發展出了高速NOA和城市NOA系統（NOA，Navigate on Autopilot即導航輔助駕駛）。

高速NOA的主要功能包括自動變道、超車提醒、車道保持等，旨在提高駕駛員的駕駛舒適性和安全性，由于高速路段相對封閉，路況相對簡單，因此發展的要比城市NOA更快。

佐思汽研數據顯示，2023年前三季度國內乘用車高速NOA滲透率為6.7%，同比增長2.5個百分點 ；城市NOA滲透率為4.8%，同比增加2個百分點。預計全年高速NOA滲透率將接近10%，城市NOA超過6%。

車企們，尤其是造車新勢力們，在推出自己的導航輔助駕駛系統時雖然名稱各異（小鵬叫NGP、華為叫NCA），但在落地時也遵循著“城市落地”和“道路落地”的規則。例如智己汽車就在去年宣布其高速NOA已經貫通全國，并表示LS6城市NOA將上海地區率先開放。

從自動泊車到行泊車一體、從高速NOA到城市NOA，這種在具體場景中打造自動駕駛功能的做法已經被驗證是可靠且符合商業本質的。

Nullmax創始人兼CEO徐雷表示，整個智能駕駛的開發是由場景來驅動的，歐洲、日本、美國、澳大利亞、中國等不同的國家和地區面對的挑戰也是不一樣的。

即使是同一種技術，例如自動泊車，在歐美國家和中國就有可能出現不同的執行策略，在通用且全面的自動駕駛到來之前，應用場景是自動駕駛技術落地的重要動力。

2.商用場景，效益第一

除了乘用車市場，商用車和特種作業車輛也在朝著自動駕駛進化。同時由于這些車輛具有生產力工具的屬性，具體場景對自動駕駛技術的引導就更為明顯。

例如在礦山環境下，安全是第一要務，一旦發生事故就會帶來難以挽回的損失，這其中包括生命財產的損失和停業整頓的損失。因此，礦山自動駕駛技術的落地最重要的是能安全運行，至于礦車跑的快不快、面對周圍車輛能不能進行策略博弈則不是重點考慮的因素。

礦山的作業環境十分惡劣，常會遇見沙塵、雨雪等惡劣天氣，這些要求自動駕駛的識別設備可靠，例如圖達通Innovusion的一款激光雷達就對煙霧粉塵進行了穿透優化，同時能夠覆蓋-40℃~85℃的工況溫度。

此外，礦山有著復雜的運行體系，不僅僅有運輸體系，還有挖掘體系、調度系統、路面建設體系等，因此礦山自動駕駛的落地往往伴隨著采礦作業系統的融入和“車路云”體系的建設。單車智能幾乎不存在于礦山自動駕駛場景。

相較于乘用車的自動駕駛，礦山自動駕駛也更追求商業效益。比如能夠提高運行效率，降低燃料成本、人員成本和維護保養成本。

易控智駕資本市場負責人廖琎表示，礦區發展無人駕駛技術的核心邏輯，是要做到無人駕駛比有人駕駛更具商業化價值，只有這樣才能讓技術實現落地。

無人清潔場景也是如此。

2023年8月，文遠知行正式獲得北京市高級別自動駕駛示范區工作辦公室頒發的智能網聯清掃車道路測試通知書，成為北京首家獲準在經開區開展無人清掃作業的自動駕駛公司。而無人清潔的商業閉環仍舊是降低原有作業模式的運營成本。

智行者聯合創始人、供應鏈副總裁霍舒豪表示，在無人環衛、無人清潔這樣的細分場景下，產品一樣用到了高級別的自動駕駛技術，這種產品確實能夠去替代或者優化相應的人員投入。

3.自動駕駛還不夠便宜和智能

自動駕駛的發展取決于各種硬件設備和軟件算法的發展，包括激光雷達、毫米波雷達的性能提升，感知算法的優化和算力的增強等。目前來看，無論是從成本上還是性能上，自動駕駛軟硬件設備仍有很大的進步空間。

以目前車企主推的城市NOA系統為例，其性能目前仍在成長期，城市環境中的車輛加塞、行人穿行、公交等大型車輛切入等情況非常頻繁，復雜的場景讓目前的城市NOA系統很難流暢應對，也無法保證百分百的絕對安全。

自動駕駛技術的“主動違規”問題也經常被業內認識討論：如果自動駕駛系統刻板地執行駕駛規則，可能會嚴重影響通行效率，例如前方車輛發生故障在實線區域內停車，自動駕駛可能無法判斷此時是否應該壓實線變道。

此外，現行的法律法規可能也會影響自動駕駛“智能化”的發展。此次甲子引力大會新動能與新賽道專場上，希迪智駕聯合創始人、CEO馬濰就表示，目前的自動駕駛車輛責任主體仍舊是人，相關的法規還有待完善。

簡單來說，目前的自動駕駛技術還不夠智能，無法做到提升道路交通效率的作用，也無法保證車輛和駕乘人員的絕對安全。

而在成本方面，目前的自動駕駛系統性價比也不高。

智行者科技聯合創始人張放曾表示：當前的城市NOA系統性價比相對較低，標配的激光雷達、高清攝像頭、大算力域控制器，大概是2~4萬元，如果是20萬~30萬的車型，智駕系統的成本占比很高。

興業證券的研究報告顯示，目前，國內自動駕駛系統的感知環節中，傳感器成本預計為5000~10000元，單顆激光雷達價格預計為3000~5000元，感知系統成本主要取決于激光雷達的數量；智駕域控制器成本預計為1.5萬~2.5萬元，主要取決于SoC芯片數量和價格。

但該報告也指出，伴隨著算法的迭代和成熟，高階輔助智能駕駛有望減配高成本硬件，未來綜合成本有望降低50%。

可以看到，在性能和成本都沒達到令市場滿意的程度的情況下，自動駕駛技術還有很大的發展空間。但自動駕駛應用場景的清晰能夠更好地引導技術的發展，無論如何自動駕駛都將成為未來汽車產業企業的核心競爭力。

審核編輯：劉清