近兩年，自動駕駛的熱潮一直高漲不退，自動駕駛行業正發生一些有趣的變化。

一直以來，無人駕駛/自動駕駛公司都非?！笇Ｒ弧?，在各自戰場默默發育壯大，立志于將「無人駕駛帶進現實」。但不知什么時候開始，這些公司都在逐漸擴大自己的邊界，開始用自己的L4自動駕駛技術涉獵更多不同場景：Robotaxi、Robobus、無人貨運……

如今，行業又迎來了一波新的擴張潮，越來越多的自動駕駛車企開始將魔爪伸向高級別自動駕駛領域。

另一邊，隨著Momenta、輕舟智航、文遠知行等等曾專注于L4 自動駕駛的公司開始做 L2 級別的前裝量產，L4 自動駕駛的商業化問題再次受到質疑。

01

執著高階智能駕駛的公司們

1

元戒啟行

2021年12月8日，元戎啟行發布了面向前裝L4級的自動駕駛解決方案DeepRoute-Driver 2.0，搭載5個固態激光雷達，8顆高動態范圍攝像頭，可適配不同類型傳感器和車型。

這么頂的配置，成本不到1萬美元。

不過，元戎啟行的前裝方案激光雷達數量其實可以選裝，對應自動駕駛能力自然也有所不同。

說白了就是，元戎啟行也可以為主機廠提供高級別輔助駕駛解決方案。

而且相比于5激光雷達方案，這套成本又能低不少。

這還沒完，據元戎啟行CEO周光透露，在確保系統性能的基礎上，與車企大規模合作后，整套自動駕駛系統成本可再降低70%。

2

輕舟智航

5月18日，輕舟智航舉辦了第一屆品牌日。在這次品牌日上輕舟帶來了第四代量產車規級自動駕駛方案：DBQ V4。同時帶來三個不同配置：旗艦版（高配）、加強版（中配）、標配版（標配）。

對于不同配置差異。輕舟智航CEO 于騫這樣說道：

「高配版可以實現完全自動駕駛能力。」

「中低配版可以以一個合理的成本為用戶提供更加順暢的駕駛體驗?！?/p>

3

華為

在最開始，華為瞄準的其實也是L4自動駕駛。最知名的應該就是和奧迪的合作。

2018 年 7 月，雙方簽署戰略合作諒解備忘錄，共同開發智能互聯汽車；同年 10 月，華為 MDC（智能駕駛計算平臺）上車奧迪 Q7 ；同年12月，奧迪中國研發團隊聯合華為在北京延崇高速公路一封閉路段進行了L4自動駕駛以及基于C-V2X（基于蜂窩網絡的V2X）的車路協同演示，成為首個在國內實際高速公路場景進行相關聯合演示的車企。

2019年9月華為全聯接大會上，華為L4 全棧智能駕駛解決方案（ADS）亮相，同時華為表示正在和奧迪做聯合路測，此次與奧迪的聯合路測，測試車隊規模將達數十輛，是奧迪目前在中國最大規模的自動駕駛車隊之一。

02

L4量產應用的難點

誠然，L4公司在算法能力、數據閉環能力、系統流暢性和技術架構上限上占據了一些優勢，但是也并不是全然沒有短板，他們的集成能力和供應鏈管理相對較弱，不過最突出的短板還是工程能力。

1

何為工程難點

在智能駕駛行業內，大家提到的“工程能力”，具體是指以下三點：

1、滿足車規級要求，如安全性、穩定性、可靠性等；

2、能夠滿足功耗成本等目標；

3、滿足1和2的基礎上最優化算法功能和用戶體驗。

在這方面，不少L4自動駕駛公司是算法優先，追求算法的先進性，靠打榜或者發Paper來證明自己多牛，對算力功耗等考慮的較少；而L2公司則是工程優先，面向量產，要解決的問題也要繁瑣得多，如成本、功耗和算力限制等，也有很多安全性、可靠性和流程上的要求。

一位細分賽道自動駕駛公司技術副總裁提到“工程化的理解”時說道，在技術驗證階段，一般會為了達到某些性能指標而不惜一切代價堆資源，“一顆orin不行上兩顆，兩顆不行上四顆”，而不用考慮方案的可量產性；但在考慮商業化落地時不能這么干，激光雷達的感知距離就那么長，芯片的算力就那么大，硬件肯定會不停地迭代，但落地預期在那擺著，來不及等新硬件出來，能做的只能是將現有資源的性能“吃干榨凈”，將其價值充分發揮出來。

元戎啟行周光也承認這一點：“??整體來說，L4自動駕駛公司，工程能力會偏弱一些，傳統L2起家的公司工程能力??會強一些?！?/p>

這一點，可以從很多L4自動駕駛工程師的光鮮的職業履歷上找到原因，他們普遍名校畢業后，加入知名的互聯網公司或明星自動駕駛公司，在此之前和車幾乎沒打過交道。他們自認為是“摘星星的人”，對于工程化的“臟苦累”的活，是有點瞧不上的，也不屑于去做。曾有人向九章智駕吐槽：“很多算法工程師，真的只懂算法，但車是一個工程，是一個產品，畢竟車能上路跑起來，不是只靠算法?！?/p>

2

工程能力對L4公司的重要性

一位資深從業者曾舉過一個例子說明工程能力的重要性，他說：“純視覺AEB功能，雖然看起來簡單，但卻是所有ADAS功能里（??除城區NOA外）最難實現的。”

“純視覺AEB最難解決的問題是誤識別。當前面沒有東西而出現‘幽靈剎車’時，用戶體驗是極差的，甚至會導致被后車追尾。”

“誤識別主要因為感知算法不能做到100%準確，為了優化體驗，就??需要在后面‘打補丁’，加一些判斷條件。比如在拐彎或者一些特殊場景下，加一些場景判斷，把容易產生誤識別的場景識別出來，剔除出去，從而避免誤剎車現象?！?/p>

工程能力與工程經驗是強相關的，一位資深項目管理專家也表達了類似的看法：“在汽車行業，工程能力更多取決于自身過去經驗的積累，短時間很難去彌補，只能靠量產項目去堆。”

03

L4“降維”進入L2前裝量產成趨勢

當理想與現實碰撞，對 L4 自動駕駛廠商而言，面對資本謹慎，外援不足的現實狀況，亟需另謀生路，找到一條能夠短期變現的道路——在此背景下，L4 降維進入 L2 前裝量產成為趨勢。

在 Momenta、輕舟智航走 L2 前裝量產路線后，文遠知行在 5 月 25 日也官宣與 Tier1 廠商博世進行戰略合作，布局L2 至 L3 級別自動駕駛應用。

文遠知行與博世的合作被視為降維競爭的開始。1

L4 玩家能做好 L2 前裝量產嗎

在 L4 廠商降維做 L2 的路線中，既有自主拓展產業鏈，直接交付方案尋求與車企合作的，也有像文遠知行選擇與頭部 Tier1 廠商合作，僅提供軟件開發和技術支持，由 Tier1 廠商進行集成和規模化量產，進而向主機廠銷售。

無論哪一種模式，對 L4 廠商來說，降維 L2 并不意味著算法能夠直接復用，而是從頭再來。

即便是Waymo，同樣面對著商業變現的難題

“L4 的算法很難復用到 L2 ”，一位汽車行業觀察人士向鈦媒體 APP 說道，“僅是在感知層面就完全不同，L4 多采用激光雷達，L2 則是純視覺或是視覺與激光雷達的結合，不同傳感器所采用的算法完全不同?！?/p>

也就是說，即使 L4 廠商積累了強大的計算能力，但依舊難以復用至 L2，因此需要新增一部分人力物力對不同量產項目進行定制化開發，這也將進一步衍生更多成本支出。

2

誰來買單

隨著 L2 輔助駕駛從高速場景走向城區場景，L2 輔助駕駛和 L4 自動駕駛在場景應用上已十分趨同，這給 L4 廠商提供了進場時機，也預示布局 L2 輔助駕駛的主機廠將和降維至 L2 的自動駕駛廠商將在同個競技場上較量。

當下越來越多主機廠投入研發自動駕駛技術，其中既有堅持全棧自研的蔚小理等造車新勢力，也包含長城、吉利、上汽、一汽等傳統主機廠，有的甚至在體系外搭建了專門團隊，如上汽的零束科技、長城的毫末智行、吉利的億咖通等。

“不具備自研能力的車企”，一位行業人士說道，“有能力自研的車企都不愿意把靈魂交給供應商，長此以往，主機廠最后會成為代工廠角色。”

L4的理想與L2的現實之間有著商業化這道鴻溝

另外，即使 L4 廠商與主機廠達成合作，關于自動駕駛數據歸屬權的問題也需要雙方博弈。對 L4 廠商來說，無論是安全性驗證還是自動駕駛能力的提升，都離不開數據。對車企而言數據同樣十分重要；畢竟，自動駕駛競爭的關鍵在于數據。

主機廠會因為 L4 廠商強大的算法能力，數據處理和分析能力而選擇與其合作，也不排除會因為數據問題而產生忌憚。

隨著智能化越來越成為汽車競爭的重要標的，主機廠與供應商之間的關系也并不是傳統的供給關系，而是競爭與合作并存。

即使是降維進入，但并不意味著 L4 廠商就能夠輕松做到前裝量產，其不僅需要補足短板，還要應對來自車企和競爭環境的不確定性。

L4 廠商能否在 L2 前裝量產的路線上走出一片天地，一些都還沒有定論，一切都還是未知數。

04

“自動駕駛理想與難以商業化”的現實矛盾

自動駕駛汽車一直呈現出兩條發展路徑——一是以 Waymo 為代表的跨越式全自動駕駛路線，即一步到位制造達到 L4或L5 級別的自動駕駛汽車；另一種則是漸進式路線，從 L2 級的輔助駕駛量產開始向 L3、L4、L5 的無人駕駛等級逐步升級，特斯拉、蔚小理等都是這一方向。

盡管兩條路線殊途同歸，但從現實情況來看，不同的實現路徑已將場內玩家進行分流，L4 自動駕駛重技術實現，L2 輔助駕駛重量產應用。