《商业观察》记者 倪寒飞

步入 2024 年 10 月 11 日这一里程碑时刻，特斯拉长久 以来预告的 Robotaxi 服务终将迎来其璀璨登场，此举标志 着特斯拉对于“全自动驾驶”愿景的一次勇敢探索，旨在 颠覆并重塑城市出行的未来图景。与此同时，百度 Apollo 自动驾驶平台亦蓄势待发，即将揭晓其 10.0 版本的神秘 面纱，该版本深度融合了先进的 ADFM 大模型技术。另有 消息称，萝卜快跑正紧锣密鼓地推进其全球化战略，与多 家国际巨头展开深度交流，意在将自动驾驶的足迹延伸至 海外。

追溯汽车工业的发展轨迹，从亨利·福特的流水线革命， 到电气化转型的浪潮，再到如今智能化的蓬勃兴起，每一 步变革都无疑是现代科技跃进的生动写照。而今，特斯拉 与萝卜快跑在自动驾驶领域的最新动向，无疑预示着我们 正站在一个崭新的历史转折点上，见证着汽车工业新纪元 的曙光。

那么，在当前自动驾驶行业的竞技场中，各大势力如 何排兵布阵？技术路径又呈现出怎样的多元化趋势？此外， 还有哪些难题与挑战横亘在这条通往未来的道路上，亟待 攻克？这些问题，正引领我们深入探索自动驾驶领域的广 阔天地，以期揭开其神秘而诱人的面纱。

技术路线：各行其道

回溯中美自动驾驶技术的发展轨迹，不难发现两者均 展现出一个显著的共性：起初由科技巨头领航，随后逐渐渗透至传统汽车制造商与网约车服务 平台，后者奋力直追，力求在这场技 术革命中占据一席之地。

早在 2009 年，谷歌便率先涉足 自动驾驶领域，7 年后，该项目独立 成为 Waymo 公司。而在中国，百度 于 2013 年前瞻性地成立了深度学习 实验室，成为国内自动驾驶领域的先 行 者。 此 后，Cruise、Argo、 小 马 智 行、文远知行等企业如雨后春笋般涌 现，共同推动了自动驾驶技术的快速 发展。

Waymo 作为先行者，采取了成本 高昂的“重硬件”策略，致力于自主研发各类关键传感器， 从激光雷达到毫米波雷达，再到计算平台，均实现了自主 研发。然而，这一路径对资金的消耗极为巨大，甚至引来 了马斯克的调侃。与此同时，特斯拉则另辟蹊径，选择了 “软件优先”的发展道路。其采用的端到端技术方案，通过 神经网络处理图像输入，直接输出驾驶决策，实现了 AI 主 导的全自动驾驶。这一方案，即特斯拉著名的纯视觉方案 FSD，展现了其在软件领域的深厚积累。

而在中国，自动驾驶技术的发展则呈现出“中间务实” 的特点。以百度 Apollo 为代表的企业，推出了车路协同自 动驾驶方案，旨在通过道路两侧的传感器和通信设备，实 现车辆与基础设施之间的信息共享与协同驾驶。这一方案 在特定路段能够实现高精度定位和感知，提升驾驶安全性， 展现了“聪明的车”与“智能的路”相互协同的美好愿景。

有趣的是，尽管中美科技企业在自动驾驶领域的发展 路径存在相似之处，但两者背后却蕴含着截然不同的内生 逻辑。这种分歧在很大程度上源于技术上的错位。无论是 单车智能的“Waymo 派”还是“特斯拉派”，其核心能力均 聚焦于人工智能算法与决策芯片。美国凭借其发达的集成 电路技术，在高端芯片设计领域保持领先，为高性能车载 芯片的发展奠定了坚实基础。

相比之下，中国的自动驾驶研发起步较晚，但得益于 国内完善的产业配套和政策扶持，中国自动驾驶技术得以 快速发展。中国大力推动 5G、卫星互联网、数据中心、智能交通等新型基础设施建设，并在道路改造方面坚定推行 5G LTE-V2X 技术标准，支持 LTE-V2X 向 5G-V2X 的平滑 演进。

当下，各种技术路线的优劣尚难一概而论。毕竟，无 论是 PC 时代还是移动互联网时代，新技术的涌现总是伴随 着多样化的发展路径。在终点尚未明确之前，每一条道路 都蕴含着跑赢未来的可能。

整车自动驾驶元年 

步入 2024 年，自动驾驶领域呈现出一派蓬勃发展的景 象。如祺出行、文远知行、小马智行等企业纷纷加速冲刺 资本市场，以期在自动驾驶领域占据一席之地。同时，百 度在武汉推出的“萝卜快跑”自动驾驶网约车服务，也在 社会上引起了广泛讨论。北京、上海、深圳、广州等城市 更是竞相出台优惠政策，力图在自动驾驶产业的发展中拔 得头筹。

随着新能源汽车的发展从电动化阶段迈入智能化阶段， 自动驾驶正逐渐从概念走向现实。对于自动驾驶的大规模 商业化发展，业内专家指出，当前车路云一 体化的商业模式仍在探索之中，但预计在未来 两三年内，有望在局部地区实现一定程度的商 业闭环。据行业预测，到 2025 年，中国智能 网联汽车的市场渗透率有望达到 40%。而到 2030 年，智能网联新能源汽车有望成为市场 的主流产品，其市场规模更是有望突破 5 万亿 元大关。

当前，自动驾驶技术正以前所未有的速度 发展，激光雷达与纯视觉成为两大主流方案。 激光雷达凭借其精准的三维感知能力，构建 环境模型并识别复杂场景，成为自动驾驶的关键要素，应用范围日益广泛。而纯视觉路线 则主要依赖摄像头，利用深度学习处理图像 信息，使其成本较低且性能持续提升，展现 出强大的竞争力。有汽车行业的研究员指出， 随着软件算法的不断优化，以视觉为主要信 息来源的自动驾驶系统将呈现出越来越好的 效果。同时，激光雷达作为重要的辅助信息源， 能够为视觉为主的方案提供额外的安全保障， 这在算法尚待完善的情况下尤为重要。

2024 年被视为整车自动驾驶的元年，自 动驾驶技术的成熟与市场化应用标志着整个 行业迈入了一个全新的发展阶段。智能网联 汽车相关企业纷纷在细分领域进行布局，无论是激光雷达 还是软件算法，都能看到中国企业的积极参与。在硬件方面， 自动驾驶技术的进步尤为显著。国内车企在硬件技术方面 已经取得了领先地位，但仍需在软件能力上加大投入，以 实现更全面的发展。

在自动驾驶的应用场景中，除了乘用车之外，那些 驾驶环境相对简单的场景同样具备巨大的潜力。此外，自 动驾驶技术也在矿区等特殊环境中得到了实际应用，例如 利用无人车辆进行物资运输，显著提升了作业效率和安全 性。在封闭或受限的环境中，自动驾驶车辆的引入不仅意 味着人力成本的降低，还带来了安全标准的显著提升。以 机场为例，机场对于安全的要求极为严格，而高水平的自 动驾驶技术有助于实现机场安全管理的自动化，同时降低 员工因工作而受伤的风险。此外，考虑到机场司机的人力 成本较高，自动驾驶车辆的应用无疑可为机场节省这部分 开支。

现在，自动驾驶技术正逐步从测试区域扩展到更广泛 的应用场景。以北京为例，2024 年北京首次开放了高铁站的自动驾驶测试，涵盖了北京南站、丰台站、朝阳站、清河站、 城市副中心站 5 个重要的铁路枢纽客站，以及大兴国际机 场和首都国际机场，这些“五站两场”的接驳服务是示范 区 3.0 阶段打造的重点应用场景。

在探讨自动驾驶的普及程度时，我们需要根据不同的 场景进行具体分析。在机场等限制性场景中，自动驾驶已 经实现了相当规模的普及；而对于像萝卜快跑这样的应用， 业内普遍认为在未来一两年内有望实现局部的商业闭环， 到 2030 年则可能实现大规模的市场落地。极越汽车的 CEO 对于乘用车自动驾驶的大规模商业化持乐观态度。他表示， 在 2024 年第四季度，几家真正具备实力的品牌将能够在全 国范围内实现自动驾驶技术的落地。自动驾驶技术依赖于 数据驱动，一旦 2025 年数据驱动的模式得以成熟，自动驾 驶能力的迭代速度将会更加惊人。

然而，要实现自动驾驶在应用场景上的大规模落地， 还需要尽快解决三大问题：一是加速制定应用场景的行业 标准；二是吸引行业内的顶尖人才加入；三是寻找专业的、 具有耐心的资本支持。

窗口期与淘汰赛同时进行

当前，自动驾驶行业犹如一座“围城”，景象复杂多变。 有的企业黯然离场，如苹果公司近期决定提前终止自动驾 驶汽车的测试许可，甚至在年初就已宣布放弃推出自动驾 驶汽车的计划。而有的企业则勇往直前，纷纷踏上上市之路。

这一现象背后是自动驾驶行业的窗口期与淘汰赛并存。 一方面，自动驾驶技术的大规模商用时间尚未明确，企业 在等待规模化落地的过程中，面临着激烈的淘汰竞争。另 一方面，得益于技术、政策等多方面的支持，自动驾驶行业依然展现出了广阔的发展前景。业内人士 普遍认为，当前的试点推进只是自动驾驶发 展的初级阶段，要想实现大规模商业化，关 键在于完善 L3 及以上级别自动驾驶车型的法 律法规体系。

目前，企业在自动驾驶领域的布局大多 采取堆砌配置的策略，如提升算力、增加毫 米波雷达等，导致成本居高不下。未来，如 何进一步优化成本，将是实现自动驾驶大规 模商用的重要考量。同时，自动驾驶的功能 完善和驾驶体验的提升也至关重要，只有当 消费者真正感受到智能驾驶带来的便捷与舒 适，才愿意为之买单。此外，自动驾驶的配 套生态还需进一步完善，包括数据治理、信 息安全等方面。

不可否认的是，自动驾驶行业正处于快速发展的窗口 期。随着传感器技术、人工智能算法、大模型以及大数据 处理能力的不断提升，自动驾驶汽车已在特定场景下展现 出了一定的应用能力。在政策层面，我国已在北京、上海、 广州等 20 个城市启动了智能网联汽车“车路云一体化”应 用试点，旨在构建统一架构、标准、业务互通且安全可靠 的车路协同发展体系。

预计在未来几年内，涉及智能网联汽车领域的多项国 家强制和推荐标准将密集发布。麦肯锡预测，2030 年，中 国有望成为全球最大的自动驾驶市场，自动驾驶相关的新 车销售及出行服务将创造超过 5 000 亿美元的收入。

如何破解盈利难题？ 

当前，自动驾驶行业正处于一个从百花齐放逐渐走向 收敛整合的阶段，参与者数量显著减少。这一现象主要归 因于自动驾驶领域的开发投入巨大且技术难度颇高。众多 企业在研发上的投入远远超出了其营业收入。以地平线为 例，过去 3 年的研发投入累计达到 53.9 亿元，而同期累计 营收仅为 29.25 亿元，研发投入几乎为营收的两倍。黑芝麻 智能的情况更为突出，其过去 3 年的研发投入是总营收的 5 倍以上。文远知行与小马智行在研发上的投入也占到了营 收的两倍以上。

研发投入的不断攀升与有限的营业收入之间形成的巨 大鸿沟，或许是导致自动驾驶公司盈利困难的首要因素。 自动驾驶公司目前面临的一个核心挑战是，自身高昂的研 发成本与车企持续压缩的预算之间的尖锐矛盾。投入产出 不匹配是当前最为棘手的问题。自动驾驶公司的智能驾驶收入主要依赖于车型装配量，若智驾车型销量不佳，公司 的收入自然难以提升。再加上消费者对高阶智能驾驶功能 的支付意愿不强，以及供应商账期等因素的影响，自动驾 驶公司的经营压力进一步加大。

《2024 麦肯锡中国汽车消费者洞察报告》指出，在价格 战的影响下，尽管中国消费者对智能驾驶的接受度有所提 高，但对智能驾驶功能的支付意愿却出现了下滑。麦肯锡 的调研结果显示，愿意为智能驾驶支付的用户占比从 2022 年的 42% 下降到了 28%。

辅助驾驶功能的装车率达到 66.4%，L2 占比略有提 升。当前市场仍以高价车型装载为主，智能驾驶市场正处 于加速渗透的窗口期，新车的装车率已有显著提升。然而， 在市场方面，ADAS 市场的竞争已趋于白热化，仅有头部 Tier1 企业能够保证盈利。其他企业则以扩大市场规模为主 要目标，以确保在激烈的市场竞争中立于不败之地。

当前，公共交通领域的自动驾驶技术尚不成熟，相关 的管理措施、法律法规也尚不完善。从产品到规模化量产 应用，还需经历一段时间。在规模化量产之前，自动驾驶 公司仍需大量的持续资金和资源投入，以维持企业的生存 和竞争力。

自动驾驶公司要破解盈利难题，需采取多方面策略以 应对当前挑战。随着技术的不断成熟和市场渗透率的提升， 预计在接下来的 2~3 年内，自动驾驶领域将涌现出实现 盈利的企业。为实现这一目标，自动驾驶企业首要解决的 是生存问题。它们需将技术应用于辅助驾驶产品，实现规 模化量产，或在特定区域内实现自动驾驶技术的量产，同 时积极寻求资本市场的持续资金支持，以确保企业的正常 运营。

同时，自动驾驶产品的设计方案需具备 足够的市场竞争力，这包括在成本、安全性、 可靠性等关键要素上展现优势。只有具备这 些优势，自动驾驶产品才能在激烈的市场竞 争中脱颖而出。此外，企业还需审视其产品 在现有或未来汽车产业链中的商业逻辑是否 合理，是否具有竞争力。这要求企业不仅要 关注产品的技术性能，还要深入了解市场需 求和产业链的动态变化，以确保产品的商业 价值和市场地位。

2025 年被视为自动驾驶公司从亏损走向 盈利的关键分水岭。以小马智行为例，该公 司将在 2025 年实现单车运营盈亏平衡（毛 利转正），并迈向 Robotaxi 的大规模商业化。 从整个行业层面来看，Robotaxi 服务有望在 2026 年左右实 现商业化。全球咨询公司 Frost & Sullivan 预测，按交易额 （GTV）计算，全球移动出行市场规模将在 2025 年达到 4.5 万亿美元，并在 2030 年进一步增长至 4.7 万亿美元。其中， 中国有望位于 Robotaxi 服务市场的前列，到 2030 年将占据 全球 Robotaxi 服务市场份额的一半以上。

然而，对于高阶智驾市场而言，当前城区 NOA 的真实 体验尚未达到用户“可用”的标准，更谈不上“爱用”。整 个市场的竞争才刚刚开始，预计到 2025 年，城区 NOA 将 进入真正的竞争窗口期，各企业将展开激烈的角逐。因此， 对于自动驾驶行业来说，2025 年将是一个至关重要的分 水岭。

自动驾驶领域的最终较量，聚焦于两大核心要素：算 力与盈利能力。在算力竞赛中，自动驾驶企业的软件架构 与算法模型逐渐失去其神秘面纱，真正的较量转变为能否 拥有充足的算力与数据资源来不断优化算法。这一转变意 味着，企业间的差异将主要体现在对算力与数据的高效利 用上。

因此，可以说，缺乏算力，任何自动驾驶的愿景都将 难以实现；而缺乏盈利能力，算力投入也将成为无本之木。 在自动驾驶的赛道上，算力与盈利能力共同构成了企业持 续前行的双轮驱动。