焦点讯息:自动驾驶公司,如何完成“车队梦”?

2022年号称自动驾驶商业化元年,但在真正的落地上,初创公司遇到的问题显然比想象中更多。

要翻的坎一个接一个,一开始是技术能否满足基础的安全运营要求,然后是对应方案所需的软硬件成本是否合理,接下来还有上车量产如何与整车的需求磨合。

最后,还有一些尖锐的难题,比如Robotaxi目前的落地进度够快,但撑不起想象中的自动驾驶商业化潜力。于是,更多初创公司试图拓展自己的能力圈和朋友圈,讲出新故事——然后它们发现,要适应不同的应用场景、不同种类的前装车型,又是一个“大坑”。技术必须为现实服务,于是,自动驾驶公司必须回答,商业化之路如何在各种应用间做到“求同存异”。


(资料图片)

作为代表行业技术“顶流”的L4级自动驾驶初创企业之一,面对商业化“求同存异”的这个问题,文远知行最近又“提交”了一个自己的答案:自今年9月1日起,文远知行在广州市黄埔区落地了国内首个开放道路下的全无人环卫车落地运营项目。事实上,文远知行也曾是国内首辆L4级自动驾驶出租车以及首个开放运营的商业化Robotaxi服务的打造者,可以说在自动驾驶商业化的探索上文远从不缺席。

目前,包括百度Apollo、仙途智能、星火科技、蘑菇车联在内,众多自动驾驶公司都瞄准了环卫领域。但文远知行的特点在于,其出租车、环卫车、小巴、货运车等车型,全部采用了通用的技术平台。也就是说,顶层设计标准化之后,再根据具体用途做方案调整适配。

那么,落地复杂的自动驾驶,为什么有机会以“一招鲜,吃遍天”的方式走向商业化?除此以外,还有什么“共性”问题,是需要初创公司解答的?

自动驾驶公司,都有一个“车队梦”

成排成排的自动驾驶出租车、巴士、货运车、环卫清扫车,井然有序地排列在停车区,等待在路上开启常态化运营。它们车身的Logo,显示出其自动驾驶方案的提供者。

对于很多自动驾驶初创公司来说,这显然是一个非常值得期待的场景。成规模的车队,至少代表着三个方面的优势。其一是技术上已经达到了量产的要求,其二是落地能力的边界延伸,其三是在规模化运营中,进一步查找软硬件产品的漏洞,并进行更有针对性的优化。

而那些已经开启商业化运营的初创公司,也需要在规模化的旗帜引领下,找到摊平成本、占领市场的制胜点。

规模化的美好愿景,让自动驾驶公司们都有了一个“车队梦”。在它们的对外发声中,有多少能实际跑在路上的车辆,历来是一种骄傲。

根据公开信息显示,文远知行目前全球的无人驾驶车队规模超过400辆;作为主打跨越式路线的自动驾驶公司,小马智行(广州)总经理莫璐怡透露,其中美两地自动驾驶车辆总数超100台。

采取渐进路线的初创公司甚至有更激进的目标。主攻干线物流的嬴彻科技去年曾表示,预计2024年搭载其“轩辕自动驾驶系统”的卡车将达到8万台,并在大规模车队基础上,实现自动驾驶等级从L3向L4的迭代。而背靠长城汽车的毫末智行,正试图将搭载辅助驾驶系统的乘用车数量提升到百万级别。

显然,无论是渐进式还是跨越式,自动驾驶规模化已经成了一种信仰。从瞄准单一技术难题,到追求规模化落地,本身也是从技术研发者向商业模式构筑者的形象切换。

不过,规模化落地还面临另一重挑战——统一性。乘用车和非乘用车使用的技术平台可能并不一致,两者再度进行车辆细分后,又会延伸出更多的需求方向。这意味着重复开发适配的成本,以及后续的运营维护支出。

除了少数只注重一条细分赛道的初创公司,大部分企业都需要思考,如何充分发挥软件的边际成本递减效应,进一步减少部署成本,避免陷入“规模越大负担越重”的怪圈。

中信证券在一份研报中预计,2025年L3/L4及以上级别的自动驾驶渗透率将分别为10%、1%,到2030年这两个数字将分别提升至40%、8%。

相对较低的绝对值,实际上是对应着非乘用车场景会率先规模化落地,乘用车紧随其后。众多以Robotaxi作为最初切入点的自动驾驶初创企业,正在开展跨领域布局。其中,文远知行已经给不同领域间的平台通用化的问题,给出了一个参考答案。

商业化的“奥卡姆剃刀法则”

如无必要,勿增实体(Entities should not be multiplied unnecessarily)——诞生700年有余的奥卡姆剃刀法则,以其剔除非必要内容、直接面对核心问题的精神,始终影响着物理学、计算机科学、商业管理等诸多领域的发展。

先从思维上找到经济的方式,再将它落实为生产技术手段。任何领域的发展,都是由简单走向复杂的过程。但真正高效的发展方式,却是从复杂中寻找简单的共性。一定程度上,这也是马斯克推崇的“第一性原理(First Principle)”的一种表达,特斯拉的百万级规模车队,就诞生自一个直接又精准的初衷,即造一台价格可以被市场广泛接受的电动车。

文远知行拥有自己的“奥卡姆剃刀”——WeRide One。这个新一代自动驾驶通用技术平台,在命名上就显示出“一个赋能一切”的理念。成本最小化,效用最大化,就需要一个平台承载和演化多个场景与应用。无论是规模化部署,还是商业化落地,这都会成为一种独特的优势。

简单来说,WeRide One依然是由软件、硬件和云架构层面的工具与系统组成。不同之处在于,WeRide One高度强调通用化整合。

举个例子,自动驾驶的硬件层面,最重要的是传感器。相较于自动驾驶领域此前火热的硬件数量军备竞赛(比如到底配置几个激光雷达最好这一类的问题),WeRide One强调的是模块化,不是某个数量最好,而是应用的场景和车型需要什么结构,就用什么结构。

而在软件上,自动驾驶的核心软件功能有着相似性:感知、预测、规划、控制、高精地图定位等等。于是,从整套系统中抽离出通用的核心功能,能够更快帮车队实现自动驾驶方案部署。对于特定的细分场景,只需要做微观上的调整适配,就能在新的场景下落地。

理想汽车创始人李想曾经有过这样的表态:“开产品会时,我做得最多的事情是决定不做什么,拼命砍掉一些没用的东西。”对于产品的缔造者而言,如何把核心功能做好才是他们最需要关心的。文远知行的WeRide One,就是这样的一套瞄准核心需求的通用性技术架构。

值得一提的是,尽管“奥卡姆剃刀”法则式的设计类似于极简主义,但它更强调直接而非简单。对于自动驾驶这个以安全为先的领域而言,冗余一样需要存在于通用的技术架构中。WeRide One的冗余系统覆盖了传感器、计算单元、通信网络、电源单元以及线控系统,用一种冗余方式满足不同落地需求,是对如何提炼系统精华的另一层解释。

虽然都有L4自动驾驶的需求,但封闭园区场景中自主运行的环卫车,不太可能和闹市区十字路口的Robotaxi面对一样的场景;奔跑在省际高速路上的物流卡车,和它的城际货运货车、低速物流车兄弟也并非真正的同类。文远知行WeRide One,解答了什么样的自动驾驶平台最有利于支持规模化、跨领域落地,也为其它仍然困在一个场景里的初创公司敲响了提示钟。

实际上,业内诸如文远知行、小马智行、蘑菇车联等头部公司,均已在跨领域布局上取得成绩。而纵观它们的合作落地情况,自动驾驶已然走向行业间的“大一统”。

行业边界模糊,自动驾驶走进“普适性”时代

禾多科技CEO倪凯曾在雷峰网的一项采访中提及:“主机厂希望能有一个与车辆性价比相匹配的方案,而且需求非常迫切,给的工期非常短,每一周我们都要开项目跟进会。”

这道出了自动驾驶开发者们的典型现状:当技术融于现实,企业的一部分注意力将从对技术长处的挖掘,转移到快速占领市场、创造应用价值上。自动驾驶企业、主机厂、平台方的关系,也从未如此紧密。今年5月,文远知行获得博世战略投资,并联手开展智能驾驶开发。此外,文远知行最早提出的“铁三角”模式,也是自动驾驶领域目前被普遍应用的模式。

每一个合作关系都是一种互相开放的端口,但受限于利益导向的不一致或其他因素,合作有一部分天生不可控。在边界模糊、协作深化的背景下,培养具有普适性的落地能力,关系到自动驾驶企业能否真正融入大交通系统,发挥自己的现实价值。

通用性依然是绕不开的话题。文远知行WeRide One这样的通用性技术平台,有一项显著优势,那就是可以快速打通“研发—部署—应用”的生命周期。对于一个项目而言,复制和微调的可靠性、性价比,远远超过从零开始搭建系统。即使是跨领域应用,它所需的前期开发时间、成本也更能吸引客户。

站在开发者视角上,要让技术产品化,也需要这样一个“模子”的支持。此外,通用性平台还缓解了合作运用中的维护压力——维护这样一个平台所需的精力和成本,会低于那些软硬件分离、类型五花八门的自动驾驶方案。当技术上车后,技术问题就成了商业问题,主机厂和平台方会十分关注其支援能力。

在下一个阶段,文远知行们可能还需要加强考虑落地后的运营问题,但那已是规模化的后话。只有一点是长期确定的,业务边界的延伸,意味着自动驾驶企业必须随之拓展能力边界。真正能通吃自动驾驶市场的,最终还是一家公司创造优势、发挥优势的能力。

来源:松果财经

关键词: 初创公司 奥卡姆剃刀 求同存异