除了治理拥堵、减少环境污染，自动驾驶汽车的潜在市场规模是吸引各路玩家的最重要因素。易观汽车出行行业中心资深分析师张旭在演讲中提道，「到 2020 年，中国智能汽车市场规模将达 1214 万亿美元。」到 2035 年，仅中国就将有约 860万辆自动驾驶汽车，其中约 340 万辆为全自动驾驶，520 万辆为半自动驾驶。此外，研究也显示，中国轿车销售、巴士、出租车和相关交通服务年收入有望超过 1.5 万亿美元。
「2016 年，中国有 3.1 亿名司机，每周行程总和 51,429,000,000 公里，平均车速仅为23.7Km/h。」这是吉利汽车研究院总工程师刘卫国在 2017 年第二届中国（武汉）智能汽车创新发展论坛上给出的一串数字。
在中国最繁忙的市区，约 75% 的道路会出现高峰拥堵。加州大学洛杉矶分校城市规划学教授 Donald Shoup 曾做过研究，发现都市区 30% 的交通拥堵是由于司机寻找附近停车场而在商务区绕圈造成的。「智能汽车可帮助司机每年节省出一周时间，无论是用于工作还是学习。」刘卫国说。
除了治理拥堵、减少环境污染，自动驾驶汽车的潜在市场规模是吸引各路玩家的最重要因素。易观汽车出行行业中心资深分析师张旭在演讲中提道，「到 2020 年，中国智能汽车市场规模将达 1214 万亿美元。」到 2035 年，仅中国就将有约 860万辆自动驾驶汽车，其中约 340 万辆为全自动驾驶，520 万辆为半自动驾驶。此外，研究也显示，中国轿车销售、巴士、出租车和相关交通服务年收入有望超过 1.5 万亿美元。
更重要的是，业界普遍认为，在智能汽车领域，中国存在弯道超车的机会。「从电动汽车到智能汽车，核心技术已从发动机和变速箱转向人工智能。而在这一领域，中国已经非常接近美国， 中国有机会赶上并处于领先地位。」 百度高级副总裁、自动驾驶事业部总经理王劲也曾公开表示。
一、围猎自动驾驶
1、互联网巨头：一步到位，争做主车厂的「操作系统」
谷歌认为 L3 的自动驾驶技术没有意义，L3 属于半自动驾驶，美国国家高速公路安全管理局将其分为 L1-3 级，而完全自动驾驶为 L4 级。2015 年 6 月，谷歌发布没有方向盘、油门踏板、后视镜及其他部件的第三代原型车，自动驾驶技术为 4 级，是目前全球最高水准。除了谷歌，百度、Uber 等互联网巨头也倾向于一步到位、直接切入无人驾驶。
「消灭」司机，至少要做到 L4。谷歌研发 L4 是建立在大规模实现点对点的无人驾驶规划上。「这有很大可能，是建立在整个城市交通重新规划的需求之上的。那时，车辆的绝对数量减少，但是车辆使用率极高，这就将属于共享经济的范畴。」图森未来 CEO 陈默在接受国内媒体采访时曾表示，到那时，汽车不再是简单的消费品，而是一种设备。
而在 Uber 看来，直接开发 L4 是因为无人驾驶与汽车共享之间的天然契合性。购买 L4 自动驾驶汽车的不再是个体消费者，而是 B 端用户。自动驾驶汽车的主要落地场景之一就是共享出行，Uber 和 Lyft 具有先天优势。
不过，谷歌转变了公司无人驾驶开发方向，放弃独立造车。Waymo 成立后加强了与传统汽车厂商的合作，转向开发类似有方向盘和刹车这类能合法上路的自动驾驶技术，打造从算法到硬件的一整套体系，让汽车厂商拿回去装在自家车上就成了自动驾驶，就像安卓在智能手机中的上游位置。Uber 也可能会与一家汽车厂商合作开发无人驾驶汽车项目，以降低运营成本。此前，Uber 与戴姆勒、现代都曾在无人驾驶汽车领域进行过合作。
今年 4 月，百度「阿波罗计划」试图通过共享其无人驾驶技术，成为汽车界的安卓。百度称，该计划「将向汽车行业及自动驾驶领域的合作伙伴提供一个开放、完整、安全的软件平台，帮助他们结合车辆和硬件系统，快速搭建一套属于自己的完整的自动驾驶系统。」
虽然尚不清楚百度打算如何从开源模式中获得营收。不过，Roland Berger 驻上海顾问舒畅曾表示，该项目生成的数据将极具价值，「百度在该项目上最大的动力是，通过像这样的开放平台，它可以通过整个自动驾驶和汽车网络系统收集用户信息。」
「如果 5 年后，我们的无人驾驶汽车积累了大量高精准的激光数据，我们的处理能力、训练模型、驾驶能力会远超传统车厂。而它们（传统车厂）的数据未来如果换到无人驾驶，处理积累数据的计算能力并不足以支撑无人驾驶。那时的谷歌、百度不仅仅是技术的优势，还有数据的优势。（传统车厂）如果从头追赶很难。」王劲曾表示。
2、主车厂：循序渐进，打造自己的驾驶系统
L4/L5 技术难度太高，需要大量的资金与时间投入。谷歌已经研究近 10 年，目前仍处测试阶段，无法量产落地。许多主车厂都采取了渐进策略：专注 L3（和以下），也同时研发针对 L4/L5 级别的自动驾驶技术。
「大多数车厂都会使用 L1-L3 级别的技术，因为自动驾驶对它们而言，是防御策略。」陈默在上述采访中表示，「它们也需要减轻驾驶员的负担，减少事故的发生。」
东风汽车在技术路线上，会遵循「单一/结构化道路自动驾驶——城市道路自动驾驶——全道路复杂环境下自动驾驶」，采用渐进式的开发模式，「近期，以 ADAS 为主进行产品开发，并同步开展 3 到 5 阶的高度自动驾驶与无人驾驶的技术研究。」东风汽车技术中心副院长周剑光在大会上介绍说。
东风的技术落地时间表
吉利汽车也在这次大会上首次对外公布了面向自动驾驶技术研发的 G-Pilot 1.0 到 G-Pilot 4.0 技术规划，表示将在 2020 年后实现高度自动驾驶。
一汽、东风、吉利、BMW，Volvo，Nissan, Honda, Toyota, 甚至 Tesla 等主车厂也都在高调研究自己的自动驾驶系统。PC时代 OEM 厂商的前车之鉴，使得主车厂重新反思自己在智能汽车价值链上的定位。2017 年 3 月，丰田宣布推出首款无人驾驶汽车的原型，该汽车来自于 2015 年丰田投资了 10 亿美元的丰田人工智能研究所。驭势科技 CEO 吴甘沙曾表示，谁想在自动驾驶市场中胜出，关键要看谁最终具备网络效应，现在看起来如果 OEM 不做改变，可能不一定具备这个网络效应。
吉利汽车一直在推行「掌控核心技术」的理念，完全采用「V」字型模式开发智能驾驶系统。刘卫国在大会上透露，吉利目前正在开发一个试验场，预计投资 50 亿人民币，主要用于 ADAS 或自动驾驶产品技术的相关测试。
「V」字型模式
另一些主车厂（如一汽、沃尔沃、克莱斯勒）计划与科技公司展开合作。今年7月3日，一汽与百度达成战略合作框架。中国一汽将深度参与百度Apollo计划，通过双方共同努力，为自动驾驶、智能网联和智慧交通领域提供全面、系统、可靠的解决方案，推动人工智能、大数据、云计算技术在汽车全产业链上的应用。沃尔沃在一个项目中与 Drive.me 合作，计划在瑞士高速上投放 100 辆无人驾驶汽车。沃尔沃也与 Uber 自动驾驶平台的合作。克莱斯勒与谷歌合作推出的 100 辆无人驾驶 MPV Pacifica 上路。
3、一级供应商：走向台前的竞争者
有观点认为，自动驾驶领域最终的赢家将是一级供应商巨头。最近，美国最大的汽车零部件供应商德尔福在英国宣布，全面分拆旗下部门，原公司将专注于电子电气业务，尤其是自动驾驶、智能技术及安全技术等领域。这也意味着未来「德尔福」将要变成了一家有着一级供应商背景的自动驾驶公司。
「整车厂需要对自动驾驶汽车出现的事故承担责任，他们往往更青睐博世、德尔福这类能够提供完整解决方案的供应商。即便是创业公司的技术被整车厂商看中了，一般也要测试个三年多。而这个时间，创业公司耗不起。」张默认为。对 L4/L5 级以上的整个系统来说，要确保遇到人类无法接管的情况下，车辆也需要能采取安全最大化的驾驶策略。
全球顶级汽车零部件供应商博世已宣布与人工智能计算公司英伟达联合开发应用于量产汽车的自动驾驶系统，最终出售给有此需求的汽车制造商。
不难看出，有可能会出现几个靠操作系统盈利的商业模式，它们会深深影响公司的研发投入、营销投入以及游说和运营。如果特斯拉模式胜出，那么，我们会继续在市面上看到炫酷的汽车款式，高价格、高利润的硬件（汽车）会成为商业的主要驱动力。如果百度的开源模式胜出，那么，来自不同厂商的低成本汽车会随处可见，百度也会通过出售其他设备来通过开源软件赚钱。
但这样一来，数据成为一个突出矛盾。比如，运行闭合的软硬件生态系统的公司，不太可能与其他人共享数据，这样，为自动驾驶汽车立法（全国范围内的）就很困难。而且如果一家公司最终成为早期市场领导者，对共享数据、算法持保留态度，或许会为其他厂商建造具有竞争实力的系统增加障碍。
「主机厂之间共享数据是很难的，只有作为一个供应商，服务多个主机厂，才能够确保跟不同的主机厂在同一个数据闭环里，大家能做到共赢。」倪凯在接受媒体采访时曾表示，「数据共享对于平台的技术迭代是至关重要的。只有这样的平台，未来能够支撑自动驾驶的发展，如果只是主机厂单打独斗，我觉得是不够支撑自动驾驶发展的。」
二、落定场景：成本、技术有限，在特定的垂直领域首先实现无人驾驶
1、从特殊人群切入市场
无人驾驶汽车可能会先进入特殊群体，然后再走向普通消费群体。因为安装了摄像头、感应器、激光和人工智能系统，无人驾驶汽车的最初成本会很高，普通消费者难以接受。但是，企业和一些特殊行业存在刚需，有望成为早期消费群体。最有可能采纳无人车的行业包括约车、巴士、出租车、快递车辆、工业应用以及老年人和残疾人士出行。
值得一提的是，在今年刚结束不久的 YC 夏季路演中，创业公司 May Mobility 也致力于为商业车队的公司提供自动驾驶技术。他们将服务定位于预测性较强的驾驶环境，比如，老年社区、军事基地、学校等地进行特定路线的自动驾驶接送服务。目前，公司已经打造出可供潜在用户安装在车辆上的综合自动驾驶技术栈，虽然公司自己不制造车辆。另外，公司还希望提供从日常运作到维护和清洁的全面自动车队运营服务。
武汉环宇智行的落地方案
东风汽车选择了微公交方式的落地方案。根据周剑光介绍，自 2016 年开始，东风开始基于 LTE-V/5G 网联技术开始自动驾驶车辆编队与调度等功能的测试验证，通过 V2X 技术来实现车辆的动态编队、一键召车、车辆智能调度等，未来这项技术将会应用在共享汽车领域，目前计划采用微公交的方式。今年将会在封闭/半封闭的道路环境下，完成 10 辆自动驾驶电动车在低速状态下（50公里/时以下）编队的研发与测试，计划在 2019 年实现商业示范运营。
「实现完全无人驾驶没有这么快，有些初创公司完全押宝在完全无人驾驶，我觉得这个商业模式非常危险，我不清楚接下来五年他们怎么生存。」自动驾驶初创公司 Auto X 创始人肖建雄曾告诉机器之心。AutoX 提供自动驾驶软件解决方案，其硬件成本不到 50 美元。而在效果方面，这个解决方案即使在光线不佳、天气不理想情况下依然可以有效运行。与 Mobileye 属于同一技术路径。
在肖建雄看来，有两种适合 AutoX 的切实可行的落地方式：第一种是特殊场景，比如物流运货、机场巴士等在限定路线和区域内的完全无人驾驶；在封闭园区或是固定路线上，其更容易实现商业化。第二种是半自动化驾驶，即在乘用车上实现 L2/L2.5/L3 的水平。
2、快递领域成为重要需求方
快递用车和「列队」卡车将是另一个可能较快采用无人驾驶汽车的领域。在线购物和电子 商务网站快速兴起，给快递公司带来利好。人们喜欢在网上订购物品（如食品、货物和服务），几小时就能送货上门。中国电商 2015 年总额达到 5900 亿美元，很多产品承诺同日送达，这促进了电动车和卡车快递。2015 年，中国电商规模比 2014 年增长 33%。「未来一到两年，校园送货物流无人车会在各个城市普及开。」深耕无人物流配送和无人作业车的智行者联合创始人兼副总裁陆欣在大会上预测道。
卡车占美国机动车行驶里程的 5.6%，但是却占交通死亡事故的 9.5%。因此，在经济效益和避免人员伤亡方面，无人驾驶汽车可以创造不少增加值。大型卡车成本通常超过 150000 美元， 安装摄像头和感应器成本效益比较高，因为相比之下，小轿车的自身成本原本就很低。美国公司 Ottomotto 正在测试 18 轮全自动驾驶卡车，希望能在不远的将来推向市场。
在中国，图森未来选择切入 L4 货运市场，因为在这个市场「能够找到切实赚钱的一条路」。「2B的生意，要做的无非就是帮企业开源或者节流，你得给人家降低成本。」图森郝佳男在接受媒体采访时曾经说道，「驾驶这件事儿，成本就在人力上。」而要帮企业省掉驾驶员，系统至少要做到 L4 级别。据了解，图森无人驾驶卡车可能于 2018 年在美率先落地，计划于 2019 年开始营收。
至于商业模式，陈默将公司定位成技术运营商。他说，生产完整自动驾驶系统然后卖给车厂的工作是一级供应商的事，创业公司绕不过去，但是，可以做技术运营商。所谓技术运营商是指，图森从制造商处买来传感器等硬件设备，委托整车厂生产出能够搭载相关硬件设备的卡车，之后再把车辆卖给类似于顺丰、韵达、首钢这样的车队运营方。整车厂相当于变成了图森的代工厂，而当自动驾驶货车出现事故后，责任由图森承担。此外，图森还负责车辆后续的软件升级和系统管理工作。
三、中国式困境
中国新能源方面的政策很多，相比之下，智能汽车产业政策缺乏。在制约中国智能汽车发展的诸多因素中，众多嘉宾关注、谈及最多的是相关法律法规的不完善。比如，中国现有法规要求司机必须在车内，而且双手置于方向盘之上，这明显给自动驾驶汽车的推行带来限制。除非给予特别安排，否则试验项目也无法开展。
减少道路测绘的限制也很重要。企业需要获得国家测绘和地理信息局的特殊许可才能收集路况和桥梁高 度、宽度等数据。企业还禁止收集军事管理区周围的任何道路信息。精确的地图关乎自动驾驶汽车的未来发展。现有技术可以将线路图的误差降低到几厘米。出于安全考虑，政府规定公共地图的精确度不能超过 50 米（ 165 英尺）。因此，很难为自动驾驶汽车绘制精确的 3D 高精度地图。如果达不到这一精确度，车辆则无法安全行驶。
基础设施问题困扰着许多国家。例如，在印度，高速公路和普通公路是主要挑战。印度的道路 中有 36%是土路，而在中国，这一数字为 16%左右。在世界经济论坛的基础设施排行榜中， 印度排第 87 位，远低于日本的第 6 位，德国的第 7位，中国的 46 位。高速公路状况不佳给自动驾驶汽车带来挑战。车辆行驶需要可预测的路面和标示清晰的车道。因此，政府需要为自动驾驶汽车的发展投资高速公路基础设施建设。
自动驾驶汽车需要「消化」和「生产」海量数据。数据分为两类：地图数据、驾驶数据以及监管数据和乘客数据。监管数据用来连接一些行车规则和法律规定。乘客数据用来创造个性化出乘体验。与此同时，汽车不同组件，比如传感器、摄像头、雷达、声呐以及 GPS 等都会生成海量数据，提升汽车的自动驾驶模型、交通出行计划以及共享出乘公司的路线优化算法。
另一个重要的数据内容就是使用人工智能来生产训练数据的公司。在可预见的未来，「人类控制」的系统会是生产高质量训练数据集和反馈回路的关键。数据具有网络效应。接下来几年，谁拥有数据？谁可以接触到这些数据？谁能处理数据？将是公司和立法者争议的关键问题。因为汽车会生产和消费越来越多的数据，谁来控制这些数据、如何用数据赚钱，会是需要关注的关键问题。可能会涌现一大批公司，独资打造搜集、清晰数据的业务，这些公司如何与其他玩家合作，也正处在探索中。
