自动驾驶历经多年的发展，市场关注度不再仅停留于技术层面，尤其在特斯拉、Waymo、图森未来等企业实现进一步的商业化落地后，自动驾驶何种场景更容易规模落地成为业内关注的焦点。

趋之若鹜的RoboTaxi，机会越大，挑战越大

(相关资料图)

提及自动驾驶在汽车市场的商业化落地，首先需要理解目前智能驾驶技术在商用车和乘用车领域能起到的作用。

一般来说，乘用车是为了使生活便利而设计，用于运载人员及其行李/或偶尔运载物品，涵盖了轿车、微型客车以及不超过9座的轻型客车；商用车则主要是为企业经营获取利润而设计，用于运输大量的人或者货物，包含了所有的货载汽车和9座以上的客车。

虽然智能驾驶技术在二者的底层技术上是部分通用的，但由于具体场景不同，会呈现出显著不同的技术要求和商业模式。

众所周知，在众多的自动驾驶落地场景中，属于乘用车细分市场中的RoboTaxi是最性感的一条赛道，究其原因，不仅在于其市场规模足够大，而且更是对传统出行方式的变革。

在《中国自动驾驶市场与未来出行市场展望》的报告中，咨询机构IHS Markit预测，到2030年，中国共享出行总市场规模将达到2.25万亿，RoboTaxi在其中的占比将达到60%，规模为1.3万亿。

万亿市场规模之外，RoboTaxi带来的社会效益更是无法估量。完全无人驾驶开放之后，自动驾驶将真正代替人工驾驶，司机得到彻底解放，进而带来的是交通安全和效率的大幅提升。传统出行方式得到颠覆，普通用户将享受到更便捷和个性化的出行服务。

现阶段领先企业的示范运营以商业化为主要目的。之前开放道路测试主要针对自动驾驶技术验证，在开放载人测试后，其重点转向商业应用。将自动驾驶出租车作为出行服务提供给民众，验证运营模式及商业模式。

百度、文远知行、小马智行、AutoX 等均已在城市的特定区域开展RoboTaxi业务。以百度为例，其自动驾驶出租车已可面向普通民众开放，使用百度地图或百度APP可进行叫车服务，无需进行额外申请或下载；AutoX接入高德打车平台，在高德地图APP即可进行呼叫，与民众日常出行使用习惯融为一体，形成场景应用闭环。

所谓市场越大，挑战越大，除了对手众多，竞争激烈外，RoboTaxi依然面临政策、测试、技术等方面的挑战。

以技术为例，RoboTaxi应用在城市开放道路，面对的交通路况异常复杂，包括无保护左拐、行人/摩托车/电动摩托车/单车避让、夜间行驶等，以及延伸出大量极端场景，如车身广告印刷图案、路边行人手持标志牌、路中间的不明障碍物等。目前虽可处理90%的常规问题，但剩下10%影响巨大，需要花费90%时间解决，长尾效应明显。

此外，对于国内大多数专注于RoboTaxi领域的企业来说，似乎离盈利还遥遥无期。

例如百度在2013年开始进入智能驾驶领域，直到2019年百度的L4级量产自动驾驶乘用车下线，再到2021年5月Apollo RoboTaxi在北京试运营地区收费，实现商业化收入，所谓的商业化竟历时8年。而根据麦肯锡预测，RoboTaxi每千米成本不断下降，与传统出租车成本相比，RoboTaxi出行服务成本将在2025年至2027年之间才会达到拐点。

更有业内人士认为，高线数激光雷达传感器能降到1000美元以内，自动驾驶算力平台价格也在万元人民币以下，成本基本上就可以接受。商用车实现盈利可能在3-5年后，乘用车实现盈利则可能需要10-20年。

技术、成本、市场的最佳平衡，干线物流有望最快落地

如果说前述RoboTaxi在乘用车市场被认为是自动驾驶落地最大应用场景的化，那么在商用车细分市场中，干线物流被认为是仅次于RoboTaxi的第二大自动驾驶商业化应用场景，甚至是整个（包括乘用车和商用车市场）自动驾驶应用场景中最有商业价值的场景。

据统计，我国目前由中重卡承运的干线运输占到整体公路货运市场的82%，全国中重卡保有量约730万台 ，体量全球第一。而高速公路相对规范的道路环境和公路货运行业强烈的应用需求，使得干线物流被认为是特定场景之后将最快实现自动驾驶商业化落地的另一个细分市场。

对于干线物流来说，自动驾驶可大幅降低人力成本、减少燃油消耗，为物流企业降本赋能。

根据相关统计测算，自动驾驶货车在长途运输时，可将驾驶员减少为1名，短途运输显著减少驾驶员的工作量；平均减少0.5-1个驾驶员的人力成本支出，约为6-15万/年/车。另一方面，自动驾驶货车通过编程，优化行驶速度及加减速策略，提高燃料的使用效率，每年减少10-15%的燃油费用，约为3-5万/年/车。若采用列队行驶技术，使多辆货车更加紧密地编队行驶，通过减少风阻，进一步减少约10%的燃油消耗。

另据东吴证券的估算，从重卡的5年运营成本结构来看，引入自动驾驶系统后，重卡5年总成本将降低23.4%，总成本节约近百万元，平均每年20万元。

基于此，头部干线物流自动驾驶方案解决商与主流 OEM、场景方构建生态圈，跨场景玩家纷纷入场布局。

目前头部重卡自动驾驶公司主要包括图森未来、智加科技、主线科技、赢彻科技和宏景智驾等。与此同时，跨场景玩家也纷纷利用自身差异化优势入局。包括小马智行、希迪智驾、清智科技、经纬恒润等均开始布局自动驾驶重卡领域。同时，传统重卡市场也积极布局自动驾驶技术，其中上汽红岩、三一重工等均有所布局。

以智加科技为例，以智加科技为例，其始终坚持渐进式的发展路线，与主机厂和一级供应商紧密合作，通过前装量产及联合物流客户的实际运营，不断释放自动驾驶技术的商业价值，让客户方和场景方切实从科技赋能中收获绿色低碳、降本增效、安全省力。

具体表现在联合一汽解放、挚途科技完成了面向荣庆物流的100台中国最大前装量产自动驾驶重卡订单的首批交付，与此同时，智加科技还积极与下游场景方建立紧密联系，例如与亚马逊签署订单，将提供至少1000套搭载 NVIDIA DRIVE Xavier运算平台的自动驾驶系统，为亚马逊长途物流车队进行升级。

其他场景挑战犹存，市场空间相对较小

除了上述的干线物流，商用车的自动驾驶应用场景还包括港区场景、物流园区、矿区场景、机场场景、末端配送和无人清扫，属于半封闭或者封闭的自动驾驶应用。

但在业内看来，所谓封闭并非意味着简单。

以港区为例，其没有交通灯控制，每个路口都没有保护，考验自动驾驶集卡的感知能力和行为预测能力。自动驾驶集卡仅承担港口作业中的水平运输环节，和桥吊、场桥的配合十分重要，要求定位误差要维持在厘米级范围内。对于车身长、惯性大的港口集卡，需要进行适应调整；对于码头遍布金属集装箱将对信号有所干扰的情况，还需解决影响卫星导航系统定位精度的问题。

又例如矿区场景，矿区自动驾驶运输场景的实现，除了自动驾驶矿用货车能够在技术上满足需求外，还需要能够将商业模式复制和拓展，才能将规模做大，摊低成本。目前国内矿业市场比较分散，在一个矿区打通商业模式后，能否进入另一个矿区的供应体系，可能会存在一定困难。

由此看，这些场景同样存在不小的挑战，但与前述同样具有挑战的RoboTaxi和干线物流场景相比，市场容量却较小，容易触及增长天花板，使得其在市场、成本、技术间很难实现如干线物流场景的平衡，所以最终落地尚需时日。

写在最后：其实一个新技术能否最终规模性、商业化落地，从来都是供需双方在技术、成本以及市场等因素的最优平衡，结合这些因素及目前自动驾驶落地的现状，未来自动驾驶规模化落地的应用场景大概率会首先是在商用车市场的干线物流，其次是乘用车市场的RoboTaxi。