“自动驾驶商业化元年”的呼声正在明显变高，最有发言权的自动驾驶初创公司们，正在不断开展商业化的军备竞赛。

不少自动驾驶公司在今年都收获不小，但在商业化上最引人关注的，可能要数2017年成立的蘑菇车联。和Robotaxi或者量产上车的愿景不同，蘑菇车联提出并坚持“车路云一体化”自动驾驶方案，从而连获十亿级别大单，并隐约透露出高阶自动驾驶的前景。

9月底，瑞银证券亚太区工业及基础设施行业主管徐宾在一场媒体分享会上指出：“受益于车路协同的发展，中国或许比美国能更快地实现自动驾驶。”这里的自动驾驶指的不是一两家公司的测试，而是在一定条件下规模化、商业化的成熟运营。

(资料图片)

瑞银给出了一个颇具启发的意见，也侧面引发了一系列思考：作为今年商业化成果突出的路线之一，车路协同解决了什么问题，蘑菇车联又为何快速得到认可？现有的成果是否预示着，高阶自动驾驶落地，并非遥不可及？

在蘑菇车联的特殊实践中，答案正在浮现。

高阶自动驾驶的梦想照进现实

自动驾驶可以分为两个内部阶段，第一阶段是有条件自动驾驶，第二阶段是全无人自动驾驶。其中，L3需要人适时接管，只是过渡阶段；L5畅想的全场景无条件自动驾驶，目前不可能实现。因此，L4成为高阶自动驾驶的竞争焦点。

9月16日，蘑菇车联发布了全球首款搭载“车路云一体化”系统的自动驾驶前装量产巴士，包括MOGO BUS M1（小巴）和MOGO BUS M2（巴士）。其中，M1去掉了方向盘、油门和刹车，可以真正实现全无人驾驶。不仅如此，蘑菇车联在Robotaxi、环卫车、巡逻车、物流车、牵引车等自动驾驶车型上也早有布局。

此前，蘑菇车联一个月内揽获约66亿元订单的消息曾刷屏，这些车型也会应用于以车路云一体化为核心的城市级自动驾驶项目。基于L4级自动驾驶开发的新车型，说明高阶自动驾驶大规模落地的梦想，是有能力照进现实的。就在9月1日，百度创始人李彦宏也在上海的世界人工智能大会上表示，L4自动驾驶很可能比L3更早商用。

要解释为什么蘑菇车联的模式，有望让L4级自动驾驶率先大规模落地，不妨重温一下自动驾驶等级划分中的细节：

根据行业通用的美国汽车工程学会（SAE）分级标准，L4级别被称为高度自动驾驶，在限定道路和环境中，全程不需要驾驶员，因此也不需要安装油门、踏板、方向盘等操控设备。

L4级别要求的特定的道路和环境条件，本质上是需要保证自动驾驶感知信息来源足够充分，以替代人类驾驶员的认知。而车路协同或者车路云一体化的路线，就是建立这样一个信息饱和度高的交通系统。

现有的ADAS系统虽然为单车智能带来了量变，但面对暴雨、暴雪、逆光、物理盲区等极端天气或极端自动驾驶情境时，安全性、多样性、效率问题依然存在。按照瑞银的说法，车路协同模式下的自动驾驶有路侧感知设备作为辅助，能够更容易、更加便宜、更加快速、更加广泛地运用自动驾驶。

单车智能的设备再贵，也只能扫描车辆近场环境。“单车智能+车路协同”两条腿走路，才能更快满足L4的信息需求。在这样的背景下，车路云一体化方案，落地性优于AI弱智能+激光雷达强感知+高精地图的单车智能模式。

目前，自动驾驶企业的主战场还是城市，而城市又可以进一步划分成业务单元，可以满足特定区域对L4自动驾驶的需求。向高阶自动驾驶过渡的关键战役，就在这里打响了。

城市交通需要什么，“云”知道

“我们非常希望和运营平台合作，以验证自动驾驶的技术成熟度，并通过运营、提供服务的方式推向市场。”轻舟智航创始人于骞在一次采访中表示。

这既说明了自动驾驶初创企业商业化需要依附于运营平台，也让蘑菇车联将自动驾驶车队运营纳入自己模式的意图更加明晰。或者说，“车路云一体化”方案，在城市级运营中才能更好体现自身的优势。

在“车”的方面，L4自动驾驶车辆，基本都是公交车、配送车、清洁车、巡逻车、物流车、牵引车、矿卡等应用于特定区域的特种车辆。在技术能力上，它们的单车智能水平始终在线。路侧设备协同，则让多传感器融合水平、自动驾驶软硬件系统集成度得到了进一步提升。

蘑菇车联装载于车体的自动驾驶汽车大脑，集成了自动驾驶计算单元、高精定位单元、车路协同通信单元三大功能模块，并搭载蘑菇车联自研的Mogo AutoPilot（MAP），是业内集成度最高的软硬件一体化系统。这给车路云高度一体化，提供了“车”侧的支持。

“路”的本质是智慧交通新基建，也就是前文提到的摄像头、激光雷达、通信和边缘计算单元这样的，具备数字化调度能力的路侧设备，这在过往的智慧交通标杆案例中有所体现。不过，以自动驾驶落地为核心的路侧建设，在部署方面更强调与系统的智能融合。

很多特性都透露出对融合的追求，例如通信链路的建设。MOGO BUS从路侧到云端再到车端的整个链路延迟仅100毫秒，这意味着车可以更快了解路的状态。道路正在发生的事件被整理为数据，传递到L4自动驾驶车辆上，从而辅助车辆完成感知-决策-执行的链条。

在完成了车和路的两点协同后，车路协同才展示出自己的差异化优势：单车智能关注的是当前运行域的状况，它实际上是由一个个具体时间节点探测到的信息连接起来的。但通过跨传感器、跨系统的整体配合，车路协同可以对一个大区域进行全程无缝跟踪管理，从而实现对整个交通系统的高度掌控。

在城市级自动驾驶单元中，这个管理所用的工具是“云”。

在蘑菇车联的“衡阳模式”中，云端的“城市交通大脑”AI云平台，既为交通管理者提供实时动态的统一管理平台，也为普通用户提供新型交通服务。

举个例子，对城市运营，比如环卫车、巡逻车、物流车、警用车、医疗用车等特殊场景，系统可以进行点对点的快速支持，包括绿波带、线路规划等等，提高城市服务的效能和效率。

足够规模的车和路，可以将城市整体交通状态以数据化呈现，送到云端。所以，城市需要什么，“云”知道。在这样的底座上，高阶自动驾驶能储备更多的信息，走向有秩序的规模化。

回归“现实主义”

“以城市为独立单元是自动驾驶在国内环境下较为合理的落地逻辑。区域统一管理、基础设施一致、路线可控是自动驾驶落地城市的三个核心要素。”蘑菇车联CEO朱磊的这番说法，正好也描绘出城市的管理者们、居民们早已具有的需求。自2010年起，国内就开始推进车路协同的试验和建设。

值得一提的是，蘑菇车联衡阳市智能网联汽车（5G智能交通）项目，也被纳入湖南省工业和信息化厅公布的湖南2022年“数字新基建”100个标志性项目。新基建背景下，自动驾驶商业化注定会更多与当地经济社会发展战略相结合，这考验着科技公司对项目的把控能力。

接下来很长一段时间内，科技公司要关注的命题是，在直接投资回报率之外，寻找提高整体经济效益的可能性——孤立的自动驾驶方案虽然确实能降低成本，但要融入交通的圈子并不容易，没有什么方案可以只上车却不进交通系统。

当然，技术提供方也可以选择将进入交通系统的问题交给自己的主机厂，其中的利害见仁见智。至少，不考虑后面一个要素的方案，终究带着缺憾。对真正的自动驾驶，尤其是高阶自动驾驶商用而言，上车只是单脚迈过了门槛。

城市公共服务或许不是唯一的出路，但相较于重押Robotaxi等单一赛道，多手准备有助于对冲技术同质化背后的商业风险。蘑菇车联已经用实际行动给出了参考，更不用说Momenta、小马智行、文远知行等初创公司都在尽量拓展应用面。

瑞银证券亚太区工业及基础设施行业主管徐宾预计，2022—2040年中国路侧端投资规模将达到3000亿美元，每年车路协同可为中国公路货运市场节省2700亿美元的劳动力成本。这一切的前提是让模式跑起来，跑进日常的交通应用。

在单车智能和车路协同的路线辩论中，一种观点认为，车路协同的难点，就在于其商业运作完全超出了技术范畴。蘑菇车联的案例却说明，重视落地应用，才是技术服务于人类需要做出的改变。毕竟，只有活在现实中，技术才能发扬光大、长盛不衰。

来源：松果财经

关键词： 交通系统 基础设施 运营平台