自动驾驶时代，如何挖掘商业模式的革新点？

新智驾按：2019 第四届全球人工智能与机器人峰会（CCF-GAIR 2019）于深圳正式召开。峰会由中国计算机学会（CCF）主办，雷锋网、中国香港中文大学（深圳）承办，深圳市人工智能与机器人研究院协办，得到了深圳市政府的大力指导，是国内人工智能和机器人学术界、工业界及投资界三大领域的顶级交流博览盛会，旨在打造国内人工智能领域极具实力的跨界交流合作平台。

2019年自动驾驶行业的关键词是“落地”。在封闭场景发力低速无人驾驶，在高速公路上布局干线物流运输，在汽车上搭载L2/L3级别的解决方案，各家都以不同的方式推进落地的进程。

但少数车型的落地不意味着“量产”的到来。在自动驾驶技术尚未完全成熟的情况下，如何自我造血，如何探索出可靠的商业模式，是横亘在每一个自动驾驶公司面前的难题。

7月13日，在CCF-GAIR峰会的智能交通专场上，就这一命题，雷锋网邀请了菜鸟ET物流实验室主任张春晖、驭势科技联合创始人兼CEO吴甘沙、图森未来副总经理薛健聪、西井科技CEO谭黎敏、禧涤智能总裁高进，共同探讨自动驾驶下的商业模式革新的问题。以下为本次圆桌会议全文，雷锋网新智驾进行了不改变原意的编辑：

张春晖：今年是无人驾驶的落地元年。但目前大部分落地的案例都发生在垂直领域。从整个行业来看，此时自动驾驶的量产落地是激进、保守，还是正当时？

吴甘沙：落地不难，但量产很难，尤其汽车行业定义的量产更难。目前的问题在于，能否在“落地”和“量产”之间找到几个里程碑？这中间包括要真正解决，为客户创造价值，替很多客户解决痛点和创造价值，成本足够低的难点。产品变成商品时，才有量产可言。目前绝大多数行业参与者都在路上。未来一两年里真正解决客户痛点并创造价值，是驭势科技的目标。

人力成本（尤其是在工作条件不太好、人员流失率很高的地方）、管理成本、总体拥有成本等都是无人驾驶可以解决的痛点。TO B垂直场景的好处在于，客户更看重未来几年的整体成本，而无人驾驶的解决方案能为其减轻多少成本。

这对于在产量不大，成本偏高的无人驾驶的早期是有好处的。机场物流就是其中的代表场景，比较容易形成一套完整的商业模式。

发展商业模式的前提是真正实现无人，而这必须解决安全性问题。其实一两年前就已经有解决安全问题的方法，现在要做的是把它切入客户的场景。然后与其管理系统相结合，才算达到量产前最重要的里程碑。1000台是一个有代表性的里程碑。

薛健聪：“落地”永远是在摸着石头过河，特别是现在。当初行业兴起时，众人觉得自动驾驶时代很快会到来。但真正接触商业营运本质的时候，我们发现落地还是有距离的。

图森认为无人驾驶卡车、物流运输的商业模式会相对坚实一些。无人驾驶卡车的使用效率非常高。在政策、车的性能完善之前，如何做好现阶段的无人驾驶卡车和商业落地有很大的关联。

L1、L2是真实存在的市场，因为这两项技术可以带来安全性能的提升。但L3级别的卡车市场是否存在市场需求，这是一个值得探讨的话题？L3的自动驾驶大部分时间不需要驾驶员操控，但驾驶员应该什么时候接管、责任主体应该怎么界定，这是L3市场需要回答的问题。

因此，干线物流、码头、物流园区等是实现L4级无人卡车落地应用的场景，因为它绝大多数的时间在高速公路或半封闭场景里运行，路径场景相对单一，而实现无人化可以省去非常多的物流成本。因此，在讨论量产和落地之前，应该首先考虑商业模式是否真的符合市场需求。在美国，图森围绕现有的商业模式在做无人驾驶。目前图森的车队规模是50台车，未来将会扩展至100台。

目前图森已经和16家客户达成了合作，由于保密协议，唯一能透露的是美国邮政，剩下的公司都是抱着主动积极的心态，观望无人驾驶到底可以给物流行业带来什么改变？这是图森自动驾驶落地的前置条件，也是落地的基础。

高进：今年下半年禧涤会出两百台左右的车，到明年上半年会出到1000台。我们的应用场景速度要求比较低，距离也不要求太长，激光雷达可以覆盖25米左右，因此相对来说不那么难。

禧涤解决的是商用空间清洁工数量越来越少的问题。在发达国家，一个清洁工的平均工资在四万美元左右，而禧涤的机器售价不到两万美元。如果一天分白天晚上两班，机器至少可以替代两个人。有些场景人流较少，机器运作得快，可以取代四个清洁工。从成本角度来看，无人驾驶在发达国家有很大影响。

在中国，两万美元是两个清洁工的工资。禧涤的产品对清洁公司、物业外包公司来说都是很好的人力替代品。

谭黎敏：西井科技一直是把“落地”作为非常重要的目标。从2016年进入港口场景，西井用自研深度学习的加速芯片给用户提供前端的图象识别，帮用户解决了在港口理货的问题，减少工人提升了效率。随着需求越来越多，针对港口内的厂区安防、管理监控系统以及相关设备，西井提供了一些传感器、半无人化的作业系统以及生产系统的管理调度。

经过评估，觉得无人驾驶确实是能够提升港口的效率，西井才开始组建无人驾驶团队。目前我们有36个港口和码头的付费用户，这些订单也是西井收入的坚实的基础。

西井科技考虑的是，如何通过加入、落地自动驾驶技术和之前的子系统一起，帮助客户在完整的封闭场景里更深入地提升各个点的效率。对西井来说，“落地”是协同作战带来的产物。

得益于其他子系统，在进入自动驾驶领域之前，西井已经对场景、生产作业的流程已经有了两年时间的累积和观察。在这个基础之上，我们将自己清晰地定位于一个封闭场景，与用户的作业场景结合起来。

底层技术让车运作起来很容易，但接下，怎样保障车辆长期运营的稳定性和可靠性是难点。最初西井基于图像识别的子系统，加速芯片使得识别效率有了大幅度的拉升。但如果无法达到100%的识别率，对用户来说都是没有意义的。用户更看重安全可靠性，这是最后一步要解决的问题。只有做到这一点，真正能够把产品变成一个商品。

菜鸟ET物流实验室张春晖：现在行业内也有两种声音：一种声音是自动驾驶应该遵循渐进式道路，从L2向L3、L4演进，另外一种声音是直接从L2到达L4、L5。各位怎么如何看L3级自动驾驶是不是伪命题？

薛健聪：在无人驾驶的卡车物流领域，L3可能是个伪命题，L1到L5不是渐进的关系。在设计和无人驾驶的系统的时候，涉及到责任主体的考虑。L1和L2是以人作为责任主体出发，L4的最终目的是彻底无人化，否则产品不可能盈利。我们可以把无人驾驶系统简单划分为感知、决策、控制三个部分，单纯强调其中某个单项的优势是偏颇的。三个部分是互相配合的，否则整体系统性能就无法保证，因此需要以最根本的责任主体作为划分标准。

吴甘沙：我认为L3是一种特定的L4，指望车内驾驶员在紧急的状态下对系统进行接管，是不可能的。首先系统需要提前判断能否继续驾驶；其次实现优雅降级，可以减速或者靠边停下，给驾驶员或远程的操控者足够多的时间了解状况；使得驾驶员有充分的时间对车进行接管。所以我首先认为真正合理的L3就是一种L4。

当然从商业模式上说，L3和L4之间有巨大的差别。在对司机的资质和能力要求特别高的情况下，L3是否成立值得商榷。目前L3乘用车，需要车内的驾驶员只需要具备基本的驾驶能力，就具备接管的能力。但重卡和干线物流等商用车型，对司机的资质和能力要求非常高，而这类的司机资源是非常匮乏的，所以在商用车和干线物流等特定场景下，对于L4的需求是迫切的。

另外一个场景如小巴，在尚未完全实现L4之前，只需要在特定情况下对车进行接管，这时候对驾驶员的要求降低了，这是不是一种合理的L3车辆运营？这是可以进一步探讨的。

高进：从行业角度讲，低速行业是能在短期内可以实现马上落地商用，并且风险系数并不高。最理想的两个场景是商用空间清洁和封闭的场景物流，一是慢，二是场景封闭。商业场景足够慢，即使是存在不够灵敏的情况，也是能够存在商用运作。而且，存在着驾驶员的自动驾驶车辆还需面对一个哲理思考，遇到危险情况时，到底是保护车内人还是车外人？而机器人无原则护车外人。研发至今不到两年，我们就已经开始商用。

谭黎敏：西井的封闭场景原本就有完全无人化方案在运营，所以我们的自动驾驶一开始就瞄准了无人化。我们觉得L3并不是很合理的存在，如果没办法实现无人化，就没办法解决用户的痛点。无论是从用户需求还是从产品的价值导向看，西井科技都是瞄着L4走。越在商用车领域，越需要完全无人化。

张春晖：在你们看来，目前自动驾驶量产面临的最大挑战是什么？

驭势科技吴甘沙：个人认为，最大的挑战还是如何保证绝对的安全。无论场景再封闭，再低速都不能出现事故。如何保证绝对的安全？关键是怎么更好地测试无人驾驶，增加测试的有效性，增加测试内容的丰富性、代表性、强度和密度，这是整个行业要着力解决的。我相信未来任何一个无人驾驶的场景，都需要解决这样的问题。实现商业化落地，摆在前面最大的问题就是测试有效性的问题。这既是对客户负责任，也是对自己、对行业负责任。

薛健聪：我觉得可以从政策或者商业化的角度来看量产问题。中国和美国是全球两个最大的无人驾驶市场，规模体量也很接近。美国政策的开放度要优于中国。图森已经累积了足够多的数据进行相关测试，除了路测之外，图森在美国实现商业营收。虽然在保留安全员的状态下尚未实现盈利，但可以节省绝大部分的成本。

对于国内而言，政策是否足够开放，是除技术以外的限制AI赋能实体应用的关键节点。但令人欣喜的是，国内现在已经有了很多的动作，包括上海去年三月开始的路测、今年四月份公布的首批人工智能试点场景。我们希望还是给予技术足够的落地空间，让技术真正成熟。

禧涤智能高进：行业着如何大规模的问题。在低速无人驾驶上，如果机器人清洁能达到一两百台的运营体量，接下就要考虑云端问题。比如一个商场有十台机器人同时清洁，云端要如何管控的问题。只要过了百台，行业的发展得到提速，一百台是服务机器人是一个很重要的节点。

西井科技谭黎敏：在目前的系统里，西井科技的产品至少有三套系统在同时布局，以保证可靠性和安全性。在封闭场景里，搭建车路协同、厂内的通讯系统以及远程人工监管，目前都有不同维度和体系的保障。

反过来，我们已经发现一些新问题。比如我们在自动驾驶上用的是电车卡车，各方面的表现都比柴油车更好。但如果一个码头有两百辆卡车，按照1：3配充电桩就需要60几个充电桩，车的充电面临着新的问题。所以自动驾驶的落地过程中，一定会有新的工程问题和挑战出现。路的确比较长，但未来也会有好的技术出现。这个过程一定是不断优化，不断合理化的。