談到無人駕駛，先要明確標準。

綱領性的文件有三個：一是美國公路安全管理局(NHTSA)的四級論，二是國際工程師協會&美國汽車工程師學會(SAE)的五級論，三是中國版智能網聯汽車的四級論，內容大同小異，算是今天行業廣泛認可的標準。

特斯拉的Autopilot大致處在L2到L3的水平。

此前特斯拉數次出現事故，主要問題還是在營銷的過度宣傳，模糊了高級輔助駕駛與無人駕駛的區別，去年10月ElonMusk宣稱實現了L5級的無人駕駛，并對車輛進行了多項軟硬件升級，但外界的質疑頗多。

SAE的標準則多出一個Level5，內涵基本相同。

相比之下，中國版的無人駕駛標準就略有不同。

在《中國制造2025》中，無人駕駛概念被外延更廣的智能網聯汽車所取代，并由國家制造強國建設戰略咨詢委員會規劃了技術路線圖，給出的定義是搭載先進的車載傳感器、控制器、執行器等裝置，融合現代通信與網絡技術，實現車內網、車外網、車際網的無縫鏈接，具備信息共享、復雜環境感知、智能化決策、自動化協同等控制功能，與智能公路和輔助設施組成的智能出行系統，可實現“高效、安全、舒適、節能”行駛的新一代汽車。

其中無人駕駛被分為DA、PA、HA、FA四級。

最初級的DA相當于現在的ADAS，包括一項或多項局部自動技術，如ESC、ACC、AEBS等，并有基于網聯的智能提醒信息;

PA指部分自動駕駛，駕駛員短時轉移注意力仍可保持控制，失去控制10秒以上予以提醒，并能提供基于網聯的智能引導信息;

HA是高度自動駕駛，偶爾需要駕駛員接管，但移交過程安全可靠;

FA是完全自主駕駛，系統徹底接管車輛，駕駛員虛位而已。

無人駕駛是汽車創新的制高點，也是世界范圍內傳統車企與互聯網公司交鋒最激烈的一個戰場，勝敗將具有決定性意義。

目前來看，兩大流派涇渭分明：

原教旨的一派是主機廠+科技公司+Tier1，如通用10億美元收購無人駕駛創業公司CruiseAutomation，福特投資了ArgoAI等等;

比如占據目前ADAS(AdvancedDrivingAssistantSystem，高級駕駛輔助系統)75%份額，剛被Inter收購的以色列公司Mobileye;

比如原來做高端顯卡，突然發掘全新商業模式的Nvidia(黃仁勛的英偉達致力于為車企賦能而不是顛覆);

再比如2025年要實現完全無人駕駛的Bosch、以及鼓吹V2E(車聯一切)的Delphi、零部件巨頭采埃孚(ZF)、Valeo(法雷奧)等等。

互聯網新勢力則以谷歌、百度為代表加上數不清的創業公司，谷歌去年拆分了無人駕駛業務成為母公司Alpahbet旗下的子公司Waymo，顯然是寄予厚望。至于把技術開源化的百度就更不用說了。

這兩個流派的主要區別在于Roadmap不同，主機廠大多走的是基于ADAS的漸進式路線，而互聯網新勢力試圖依靠激光雷達直接突破L4，實現彎道超車。

此前JDPower的市調顯示，多數人很看好互聯網公司主導下一輪的汽車創新，但其實車企的動作并不慢。

在美國加州機動車管理局((CaliforNIaDepartmentofMotorVehicles)拿到無人駕駛路試牌照的企業中，車企梯隊實力不俗，大眾、奔馳、通用、日產、寶馬、本田、福特、斯巴魯甚至上汽都赫然在列，還不算Bosch、Delphi、Valeo等Tier1，互聯網巨頭和創業公司則有谷歌、百度、ZOOX、吳恩達老婆CarolRiley的Drive.ai、樂視花瓶FaradayFuture、Navya、Renovo、Nuro、Wheego、蔚來以及最引人關注的蘋果等等。

咨詢公司Navigant所列出的未來10年最可能把無人駕駛商業化的18家企業中，除特斯拉外僅5家是互聯網公司，而且都在前6名之外，其余全是傳統車企。

只不過車企行事更為低調，技術上也更接地氣，如奧迪研究V2I(車輛與基礎交通設施的信息交互)，奔馳探索讓車隊首尾銜接以提升物流效率，車企即便用激光雷達也是32或16線的Velodyne產品，如福特去年在CES上展示的蒙迪歐以及上汽在加州路試的MG就是如此，不像谷歌和百度上手就是64線高端技術。

簡而言之，車企的商業考量要勝過對技術的向往。

作為老牌Tier1的Bosch和Delphi有差不多的規劃，Bosch有個三段實現論，第一階段的Integratedhighwayassist，先解決高速公路上的路線控制，然后是Highwaypilot，減少對人的依賴，最后是Autopilot，以系統取代人類。

Delphi有個特別互聯網的口號V2E(VehicletoEverything，車聯一切)，強調汽車的跨平臺通信能力，以低成本的解決方案迎合主機廠。

2015年Delphi用一輛奧迪Q5搞了橫穿美國的公路秀，又準備在新加坡測試點對點的通勤服務，計劃2019年實現SAE的L4級自動駕駛。

法國Tier1Valeo去年CES上秀過名為eCruise4U的無人車，用360度環視解決緊急制動問題，用C-Stream攝像頭代替原來的后視鏡，用XtraVue視覺技術掃除盲區，而且正和美國盟友—初創電動車公司Wheego在加州進行路試。

Tier1的優勢在于與主機廠關系緊密，不像互聯網公司那樣心存芥蒂，但技術路徑偏于保守，在龐大市場誘惑下，主機廠也未必再愿受其束縛。

我們再來看這一行風頭最健的兩家企業—Mobileye和Nvidia。

最近一段時間，兩家公司在資本市場的此消彼長令人矚目，Mobileye一向是ADAS領頭羊，而Nvidia在老資格玩家眼中還是游戲硬件廠商，如今卻在無人駕駛上激烈交鋒。

Mobileye與特斯拉分手并被Inter收購前后，股價劇烈波動，而Nvidia股價從去年5月的35美元/股一路飆到今年5月的126.5美元，市值突破800億美元，要知道摩根斯坦利給Waymo的估值也只有700億美元，加上最近軟銀40億美元的大手筆，說明多數人認可了JensenHuang(黃仁勛)的說法：GPU是實現無人駕駛的唯一途徑。

具體來說，就是認為Nvidia的12顆GPU組成的擁有8萬億次浮點運算能力并能同時處理12路攝像頭、雷達和超聲波傳感器的水冷DrivePX2，要完爆Mobileye每秒2萬億次運算能力、僅支持8個攝像頭的EyeQ4處理器。

更不用說Nvidia的怪獸級深度學習計算機DGX-1了，后者擁有8顆Pascal架構GP100核心的TeslaP100GPU外加7TB的SSD，2顆16核心XeonE5-2698v3以及512GB的DDR4內存。

按Inter的估算，一輛無人車每小時會產生45T的數據，考慮到未來的商業普及，這種規模的數據完全靠云端解決并不現實，而本地化處理沒有超強的硬件絕對玩不轉。

這也就說明了為什么在行業人士看來，Mobileye那一套基于視覺感知體系建立起來的解決方案，怎么看都比Nvidia的硬件+深度學習要Low一些。

同時V2X通信標準成熟后，車輛可以不依賴攝像頭等視覺感知設備就與交通設施完成通訊，這就削弱了Mobileye而加強了Nvidia的地位。

這聽起來好象有道理，其實也未必。

Mobileye的最大教訓是去年5月7日的特斯拉事故后與ElonMusk互相指責，EyeQ3單目前視+毫米波雷達的信息冗余度不夠，極端情況下容易產生誤判，到EyeQ4的3目前視+5目環視方案就基本解決了。特別是3目前視能夠組合三維信息，就類似于激光雷達了。

但這還不足以與DrivePX2競爭，Mobileye真正要做的是Eye4+REM(道路體驗管理系統，RoadExperienceManagement)的解決方案。通過與主機廠合作，EyeQ4利用攝像頭記錄道路信息，轉化為可供車輛使用的數據，這使得Mobileye擁有了自己的高精度地圖，精確度號稱達到10.16厘米，讓Mobileye的“環境感知模式”可以快速識別并分類移動物體、護欄、道路標線、交通標志、信號燈等。

這個邏輯類似于當年谷歌收購眾包地圖Waze以及Uber收購地圖創業公司deCarte，算是低成本解決無人駕駛的一種過度性手段。

更重要的是這套系統不動聲色的利用了Mobileye多年來在ADAS領域的優勢，它從2007年就與VOLVO合作，至今擴展到數十家主機廠和數以千萬計的車輛，最近又與Delphi結盟，這些數據每天都在完善和提升REM的能力，幫助Mobileye突破L5級的自動駕駛。

而NvidiaDrivePX2售價高達1.5萬美元，這會讓主機廠的BOM表變得非常難看，雖然攻下豐田收獲大勝，但暫時還缺乏產業支持。

況且理論上說，收購了ATI的AMD只要愿意，也可以做同樣的事，或者說某家巨頭通過收購AMD的方式復制Nvidia的成功也不是沒有可能。

Mobileye的劣勢還在于它一直有抑制主機廠自主研發的強烈傾向，視覺算法也秘不示人，導致主機廠沒有差異化的空間，這就不如Nvidia的開放模式討巧了。

對Mobileye來說，Inter的入主有利有弊。

由于EyeQ4不可避免要在Inter的芯片構架下運行，Mobileye多年的老伙伴意法半導體就不得不淪為棄婦了，雖然去年兩家還高調宣布過開發EyeQ5。

Inter的基本思路是要把EyeQ系列整合到自己的芯片或集顯之中，在主機廠克隆pc廠商與自己的那種關系，這就讓Mobileye有退化為技術服務提供商的風險。

換句話說，Inter和Mobileye的解決方案是越俎代庖式的，主機廠參與性差，且有很高的同質化嫌疑，后者顯然更喜歡DrivePX2那種可以自行掌控、自行開發的平臺，這才是資本市場看好Nvidia的心理洞察。

至于深度學習，Nvidia的DGX-1雖然貴到不講理(12.9萬美元)，但也貼心的提供開源的深度學習工具DIGITS，后者可以識別巴塞羅納大學開發的Synthia數據庫中經過注解的圖片，這對于訓練神經網絡有決定性意義。要知道，Mobileye可是有一個600人的團隊從事這項工作。

DIGITS的成果可以打包部署到任何設備，不但主機廠喜歡，很多有志于無人駕駛的公司也用它來走捷徑。

所以Nvidia陣營擴大到奔馳、大眾、特斯拉、豐田、VOLVO等都來站臺就不奇怪了，Mobileye擁躉有減少的趨勢，但在技術真正成熟前，一切都存在變數。

我們再看互聯網公司。

谷歌很早就盯上了無人駕駛，此前是在舊金山灣區九曲花街進行前期測試，2012年5月8日在內華達取得了路試牌照，技術上主要是Velodyne的64線激光雷達為主，攝像頭+傳感器為輔，這也成為后來互聯網模式的標配。

谷歌的軟硬件相對成熟，但也出過一些事故，包括2015年6月26日與Delphi的那次“較量”，據說當時Delphi的奧迪Q5正在并線，而谷歌的雷克薩斯RX400攻氣十足的搶先并道，Delphi自稱“反應妥善”，沒有釀成事故。

無人駕駛的工作原理這里不做贅述，僅討論一下谷歌面臨的主要問題：

1、成本

Waymo的整車成本在15萬美元左右，其中Velodyne垂直26.8度和水平360度掃描，每秒產生130萬數據點的64線激光雷達單價就有7.5萬美元，商業化的瓶頸是價格。

Velodyne的64線雷達工藝復雜，1周只能出品2臺，按2025年會有2000萬輛無人車上路的預估，如果都用激光雷達，Velodyne的產能是另一個瓶頸

去年福特和百度以1.5億美元入股Velodyne，后者拆分出三個子業務，其中激光雷達屬于VelodyneLiDAR，百度已然“精明”的大量下單囤貨，加上采埃孚(ZF)收購了另一激光雷達公司Ibeo40%股權，所以對Waymo來說，雖然市場上還有Quanergy、Innoviz以及一些中國產品可供選擇，但自研才是控制成本的最好辦法。

Waymo自研的系統由3個激光雷達、8個視覺模塊和毫米波雷達組成，成本降至7500美元，不久前的開發者大會上，谷歌又發布了第二代“云TPU”用于機器學習和訓練，視覺搜索引擎GoogleLens和語音助手Assistant的技術也都將車規化。

2、更多的信息獲取

無人駕駛的另一個要素是信息獲取。Waymo單靠自己路試，數據的樣本量非常有限，因此它亟需創造大規模應用場景。

2013年谷歌就給過Uber約2.58億美元的風投，但后者不甘淪為Waymo的附庸，2015年與卡內基·梅隆大學合作建立高技術研發中心探索無人駕駛，這讓谷歌非常不滿。去年1月Waymo工程師AnthonyLevandowski離職創建無人貨車公司otto并閃電被Uber收購，令雙方矛盾白熱化。對簿公堂之下，舊金山地方法院判令Uber返還全部1.4萬份技術資料，TravisKalanick的野心算是受到很大挫折。

但谷歌真正的鎩手锏是牽手Lyft。

首先是用旗下的Waze地圖完成對司機的實時追蹤，提升Lyft的運營效率，然后再切入無人駕駛，Lyft此前拿過通用的10億美元投資，很多人以為這是轉投谷歌的節奏，其實Waymo無非是找了一個驗證自身技術的高頻場景而已。

3、運營與合作的破冰

Waymo一邊加緊路試，一邊注意在某些野心很大但技術有限的車企那里爭取突破口，比如從菲亞特克萊斯勒訂購了100輛PACifica加入路試，與本田的合作也已公布。

其中Pacifica已經接近實用狀態，Waymo在EarlyRiders頁面公開接受亞利桑那州鳳凰城居民的申請，承諾運送到任何他們想去的地方，盡管車上仍有司機，但沒有L4級的技術水平是絕不敢這么做的。

Waymo意圖證明自己在成本控制、商業考量、技術儲備和安全高效上都做好了準備，這也有助于理解為什么百度要突然開放無人駕駛技術。

缺乏硬件基礎的百度Apollo只是一個軟件平臺，在Mobileye主宰的ADAS時代難有作為，甚至連前裝的機會都沒有，而如果主機廠圍繞Nvidia的DrivePX2去做無人駕駛的軟硬件整合，百度同樣沒有機會。

因此陸奇的慷慨也是不得已而為之。

百度的精明在于在目前的市場環境下，百度找到大牌伙伴的可能性很小，唯一的機會是在今年找到某家急于跳過ADAS階段的國內主機廠，迅速推出樣板產品。

不得不說，這個機會還是很大的。

百度提前鎖定Velodyne的產能是因為后者曾經吹牛如果訂單突破100萬，它就把產品價格下調到500美元左右，這當然有助于讓無人車的成本取得歷史性突破。

不過，無人駕駛的普及除了技術和成本因素，在商業化上還有幾個關鍵門檻：

1、沒有真正做到無人。

至少Waymo還不能完全脫離司機，按此前透露的數據，Waymo司機接管汽車的頻率已經從每1000英里0.8次下降到目前的0.2次。這個數據無限趨近而不是真正下降到0沒有任何實際意義。

2、立法困境和法理爭議。

去年12月聯合國日內瓦世界車輛法規協調論壇上討論過無人駕駛的立法問題，美國加州機動車管理局也出臺了無人駕駛草案，但今天的汽車產業準備不足，很多細節問題尚待解決，立法根本沒有基礎。

具體表現在沒有確定的管轄主體，一臺機器犯了錯誤，怎么處罰?就算可以，處罰機器也沒有意義，因此理論上說，汽車廠商、Tier1、硬件提供商、地圖服務商甚至碼農個人都可能成為被告。

英美法系是判例法，一旦出現成功索賠，將可能引發連鎖反應，由此而來的纏訟很可能讓任何企業吃不消。

摩根斯坦利估算，無人車雖然理論上比有人駕駛車輛更安全，但商業化之后，每行駛1.23億公里仍會造成50人死亡。

最先認識到這點的是ABA(美國律師協會)，它對無人駕駛的商業化比誰都積極，協會把無人駕駛視為未來50年的金飯碗，這就比較腹黑了。

3、社會倫理爭議。

當危險不可避免時，無人駕駛技術也面臨倫理困境，即優先保護車主還是路人，這很像當年著名的TrolleyProblem(電車難題)，在被動安全年代，主機廠的原則是雙向加強，比如VOLVO就花了很大力氣研究行人保護技術，捷豹也有引擎蓋抬升系統等等，但在無人駕駛時代，奔馳就轉而支持優先保護車主了。

配備無人駕駛的汽車現階段是奢侈品，奔馳的選擇符合商業倫理，但在法理上會有很大爭議，只怕又要讓ABA高興了。

4、副作用尚未真正顯現

此前美國TransportationResearch雜志刊載橡樹嶺國家實驗室的建模研究成果，指出無人駕駛汽車對交通效率和車主體驗的提升，將可能使人類消耗資源的總量不降反升。

無人駕駛會促成汽車的大共享還是會因為使用門檻的降低導致私家車的暴漲，專家學者們也爭論不休。

同時無人駕駛究竟會緩解還是加劇擁堵亦無定論。

理論上說，隨著V2X的成熟，無人駕駛車輛將打通車內、車外和車際網，順暢的信息交互會讓整體交通體系更有效率。

這似乎有道理，但研究結果卻兩極分化。

數學家BenjaminSeibold在美國某著名雜志上撰文指出，無人駕駛有利于克服有人駕駛上的波浪式擁堵效應。

倫敦帝國理工學院的研究則表明，由于無人駕駛傾向于柔和采取制動和啟動措施，所以整體通行時間可能要多于有人駕駛。

無人駕駛的真正影響只能待事實驗證。

5、從消費路徑上說，無人駕駛不具備快速普及的條件。

宣稱在2020年量產無人車的企業不少，大量主機廠都有類似的計劃，百度也喊過“三年商用，五年量產”的口號，但純屬互聯網式的放衛星。

因為最根本的是安全問題還沒有解決，在手機重啟，pc藍屏都無法根除的今天，怎么保證系統不犯讓車主送命的錯誤?

技術在某個特定場景下的成熟，沒有多大商業意義，無人駕駛普及前必須承受復雜苛刻長達數億公里并考慮各種極端情況的路試，跳過這一步的可能性幾乎沒有，這就決定了無人駕駛只能是緩慢漸進式的發展。

我們知道最早的谷歌無人車也是2012年5月才開始路試，至今跑了不到500萬公里(雖然Waymo號稱相當于人類400年的經驗積累)，去年9月還有一次嚴重車禍，相比之下，普通的傳統汽車都要經過幾百萬公里的路試，比如奇瑞旗下品牌觀致上市前僅在歐洲就有650萬公里和10個批次的路試。

目前除了極少數巨頭，絕大多數互聯網公司不可能堅持這種規模的路試，這不符合快速迭代的互聯網思路，成本結構也不允許。

6、落地瓶頸

去年10月的中國汽車工程學會年會上發布了《節能與新能源汽車技術路線圖》，強調2025要有15%的汽車實現HA級的自動駕駛，但眾所周知L4級的自動駕駛依賴海量數據以提升深度學習能力，而數據不僅是車主隱私更是一種戰略資源。

至少我本人高度懷疑主管部門放手Mobileye的REM系統在中國建立高精度地圖庫的可能性，即便后者的服務器可以“遵命”部署在國內。

《中國制造2025》中對關鍵設備和技術的國產化也有明確要求，這個問題以及由此帶來的深遠影響才是無人駕駛領域的最大變數!

7、小范圍商用的可能性。

無人駕駛在規模化之前需要小范圍封閉環境的測試，比如企業園區通勤車、景區觀光車等低速場景，這樣安全可控，意外風險小。

Waymo在鳳凰城的嘗試，Navya在拉斯維加斯飛芒東街、密歇根大學城的免費搭乘，瑞士郵政巴士(PostBus)在瓦萊州首府錫永開通的小巴，nuTonomy在新加坡住宅區半徑2.5英里的出租車都屬此類。

關于無人駕駛有大概三點結論大致靠譜：

首先，誰的技術率先商用，誰的機會就最大，因為量產車型所帶來的規模化數據是任何路試不能替代的，但享受這份風光的條件是不能犯任何錯誤。

其次，無人駕駛的普及需要集合多方面的力量，互聯網公司脫離或試圖顛覆傳統車企將是非常錯誤的選擇。

最后，無人駕駛很可能促成真正意義上的大共享。羅蘭貝格的民調顯示，如果無人駕駛汽車普及，27%的中國人、32%的美國人，56%的日本人會放棄購買私家車。

但現在談無人駕駛的贏家還為時尚早。

十九世紀中葉，美國西部發現石油，冒險家蜂擁而至，沒日沒夜的鉆探，僥幸成功的一夜暴富，運氣不佳的傾家蕩產，而精明的老洛克菲勒卻開起了煉油廠，因為他知道工業界需要的是裂解后的汽柴油，結果他成了那場世紀紅利的收割人。

如果無人駕駛熱潮中最終獲益的不是傳統車企，不是谷歌百度，也不是Nvidia或Velodyne，而是ABA之流的律師協會。

這就尷尬了!