图片来源@视觉中国

文｜谈擎说AI，作者｜郑开车

近日，一款“无需激光雷达，即可实现L4级自动驾驶”的汽车在苏州落地试运行。

关注自动驾驶赛道的人都知道，商业化是当前赛道的主旋律，所以单从“无需激光雷达”和“实现L4”来看，着实让人感到兴奋。

不过，这款由中智行、苏州金龙和天翼交通三方联合打造的“协同1号”只是一辆中巴车，本质上是基于车路协同方案的Robobus。

事实上，自动驾驶降本路线有很多，用“聪明的路”弥补低配车端感知能力的方式，只是众多降本路线中的一种。

我们不妨从降本的角度，来观瞧一下在单车智能领域还有哪些值得期待的技术路线。

商业化驱使下，降本不能只盯着激光雷达和高精地图

事实上，相比前几年，现在的自动驾驶所需的硬件成本比之前已经没那么离谱。

以激光雷达为例，由于小鹏、蔚来等新势力车企的造势和高端智能汽车品牌的上车需求带动，激光雷达产业链生态正在逐步走向成熟。

但是目前激光雷达的价格仍难以被主流用户接受。

拿即将发布理想L9来说，一整套高阶智能驾驶的BOM成本算下来达到几万元，只有豪车的利润才能覆盖自动驾驶系统的成本。而据行业调研，94%的受访者可接受的激光雷达价格在5000元以下，可接受价格在500-1000元之间的占比39%。

可见，如果想要让走量最多的中低端车型也用上激光雷达，目前的价格还是偏高了。

除了激光雷达，高精地图也是一个重要的成本来源。目前图商采取的主要采集数据手段，是通过专业的采集车进行集中制图，其缺陷是成本高，更新慢。

即使有众包采集方式作为补充，但是这种方式触碰到了数据安全的红线，迟迟难以付诸行动。所以目前很多车企和自动驾驶公司都提出要走“重感知、轻地图”的路线。

激光雷达和高精地图都是感知层面的降本，事实上，由于自动驾驶几乎是一个全新的赛道，整个供应链体系基本上都有待进一步走向成熟。

为了让整个自动驾驶解决方案物美价廉，绝不是单凭某一个环节的降本就可以完成，整个自动驾驶产业链上的供应商都有一方施展技艺的舞台。

换言之，除了感知层领域的激光雷达和高精地图，决策层的芯片和算法、执行层的线控底盘都有进一步降低成本的空间。

更重要的是，激光雷达和高精地图固然重要，但已经涌现出比较明显的头部企业，产业链体系初具雏形。而线控底盘、自动驾驶域控制器这个两个细分赛道还处于市场导入期，属于红利比较突出的赛道。

最近，成立不过半年的线控底盘厂商利氪科技获得多家国内外头部投资机构近2亿元的资金加持；环宇智行、领目科技等域控制器厂商也在今年相继拿到融资。可见资本市场对这两个赛道青睐有加。

那么接下来，我们不妨看一看这两个细分领域中，有哪些值得关注的降本路线，以及每个路线的主要特点。

线控降本：滑板底盘能回避技术难点吗？

在自动驾驶的实验室阶段，并不需要线控底盘。但是想让AI有媲美人类老司机的驾驶水平，线控底盘必不可少。

从技术角度来看，自动驾驶通常分为感知、决策、执行三个环节，在执行环节，轮子该怎么制动、怎么转向，这和自动驾驶的体验、安全性紧密相关，而在执行层面想要明显提升对车辆的控制精度，就绕不开线控底盘技术。

通俗地来讲，如果把一辆自动驾驶汽车看做人的身体，自动驾驶软件就相当于人的大脑，摄像头、毫米波雷达、激光雷达等感知硬件相当于五官，而线控底盘就是人的手脚和相关联的神经和脊柱。

在线控底盘技术中，线控油门和线控悬架基本成熟，无须赘述。线控制动和线控转向技术难度高，价格也高，市场渗透率较低。

在自动驾驶产业链国产替代的趋势下，国产厂商已开始布局，其降本主要有两种路径：

第一种路径是“一步到位”的滑板底盘。入局这个赛道的主要有Rivian、悠跑等厂商，他们的初衷是赋能车企轻松造车，自诩为智能电动车行业的“硬件安卓”。

从技术本质上来讲，滑板底盘是线控技术的高阶形态，可以看做是“全线控底盘”的延展，并且也支持自动驾驶。

根据滑板底盘厂商悠跑科技的宣传，其HPVC 芯片上支持异构大算力计算平台，最高算力可以拓展至 1,000 TOPS 以上，可满足未来 L4 及以上自动驾驶的需求。

然而，滑板底盘降本的主要逻辑是标准化的滑板底盘带来的规模效应，在新车开发前期降本有巨大优势，但是后期的维修及回收成本偏高，需要量产规模均衡全生命周期成本。

更为关键的是，目前部分滑板底盘玩家正面临尴尬的困境：和Robotaxi厂商的遭遇相似，由于技术难度太高、底盘关乎车企的利益等原因，为主机厂降本增效的梦想短期内不容易实现。

需要注意的是，对Rivian和Lucid这类滑板底盘厂商，马斯克也不看好。他认为关键问题在于，在电动汽车行业，通常新车的利润很微薄，大部分收入来自利润丰厚的售后业务。

所以滑板底盘是一种生产模式和商业模式的创新，巧妙之处是回避了线控的技术难点，试图让线控厂商作为次级供应商，然而后者有多少合作的意愿也可能会是一个问题。

第二种路径，则是寻求更低成本的线控技术方案。

线控技术的成本之所以高，是因为安全冗余的要求随着智能驾驶的等级提升，这方面的成本占比增加不少。

“成本是一个不能忽视的障碍，因为线控驱动的可靠性与后续智能驾驶的功能安全紧密相关，尤其是进入L3+阶段，系统需要备份冗余。”一位自动驾驶公司的技术人员向谈擎说AI表示。

事实上，从很多车企都卡在L3也能看出，L3就是衡量一套自动驾驶系统适用性和可靠性的分水岭。原来由驾驶员完成的后备操作，现在要求AI自主完成，这对自动驾驶系统提出的要求上了一个大台阶。

既然冗余配置的部署逃不掉，那么如何降低冗余成本，就成了线控厂商追赶博世等国际Tier 1巨头的突破口。

对于线控制动技术，此前的主流路线是Two-Box方案，而现在成本更有优势One-Box方案正在占据更多的市场。

根据佐思的统计数据，Two-Box目前仍是线控制动市场的主流，但市场占比从2021年的76.6%下滑至2022年前五月的62.8%，而One-Box的占比从20.5%跃升到34.6%。

事实上，Two-Box最大的优势正是能满足在L3自动驾驶工况下的制动冗余需求，而One-Box产品能逆袭，是因为通过额外冗余功能组件，也能满足高阶自动驾驶的安全冗余需求。

更为关键的是，One-Box路线在能量回收方面要优于Two-Box，因为它回收能量的效率更高。而能量回收效率高，意味着电池的能量利用率间接提高了。特别是在刹车频繁的市区工况下，同样续航里程的电池包可以更小，电池成本也间接降低了。

与滑板底盘的降本思路相比，这种路线看似减配（少用了一个ECU芯片），但后期又能通过额外组件满足高阶自动驾驶的冗余需求，不失为一种平滑的“渐进式冗余”路线。

此外，线控底盘技术中难度最大的线控转向，依赖于自动驾驶技术的成熟，是一块很多厂商都不愿碰的硬骨头，不过国内已经有自动驾驶厂商开始瞄准该领域。

6月8日，百度旗下集度汽车发布了采用线控转向技术的ROBO-01概念车，可支持车辆在自动驾驶模式下的可变转向比。

而此前集度、蔚来、吉利等厂商成为线控转向技术发展和标准化研究的联合牵头单位，将牵头线控转向相关国家标准的制定。

多家主机厂之间的合作，有希望加速线控转向技术的国产替代，而线控转向技术的标准化是实现规模化的前提，从长远来看，国产替代势必也将有助于自动驾驶成本的进一步降低。

域控的竞合博弈与另辟蹊径的“送水人”

在汽车智能化的今天，域控制器是软件定义汽车的关键。

智能化趋势下，汽车搭载的传感器数量暴增，导致车载ECU（电子控制单元）过多，冗长的线束增加了制造成本与重量，也浪费了芯片的算力和成本。

未来智能汽车需要全生命周期内可通过OTA更新功能，想做到这一点，要求软硬件必须分离，这就离不开域控制器。

对自动驾驶来说，行泊一体的域控方案相比传统的行车和泊车两套系统，可以省去一套硬件设备，底层软件和中间件的标准统一之后还可以缩短开发周期，是自动驾驶量产的推进剂。

特斯拉的Model 3是最先搭载域控架构的车型，采用自研的双FSD芯片，NPU在同等面积下相比英伟达Orin芯片有更高的性价比，这也给其他车企打了个样。

在域控制器成为自动驾驶必修课的趋势下，自动驾驶公司在“是否有必要自研域控制器”这件事上出现了分歧，而导致分歧的其中一个重要缘由还是成本。

第一种路线，是索性放弃自研自动驾驶域控制器。比如Momenta和博世合作，易控智驾和华为合作。

从短期来看，放弃自研的好处很明显。且不说域控制器的生产涉及到与多家供应商的合作，单是试验和检测设备就是很大一笔重资产。

据华为在去年上海车展发布的宣传片，为建造车BU的GCTC车规级实验室及测试设备的投资超过10亿元。在融资收紧的当下，自动驾驶初创公司显然难以承受这样的费用。

所以放弃自研明显节省了巨额研发成本。不过放弃自研后，也并非可以高枕无忧。

对自动驾驶厂商来说，选择供应商意味着与后者的生态绑定，可能会导致自动驾驶技术同质化。

而且从长远来看，主机厂对一家供应商形成依赖后很难有议价权，采购成本未必会很低，在缺芯的时期更是如此。

此外，英伟达芯片的功耗和利用率上一直在行业内被诟病。“无论怎么优化，英伟达Xavier、Orin的利用率基本上就是30%。”一位行业人士向谈擎说AI透露。

芯片有一大半的算力处于闲置状态，对于自动驾驶公司来说，意味着付出了不必要的成本。

第二种路线，是自研自动驾驶域控制器。自研域控的自动驾驶厂商中，一个很有代表性的企业是小马智行。

小马选择自研路线的出发点是，市面上的域控制器虽然也基于英伟达搭好的框架，但并不能完全满足自动驾驶应用的要求，授权合作方对软件优化设计很难有深刻的理解，也难以做到软硬件系统深度优化。

而小马智行针对自动驾驶在性能、安全、成本、体积等方面，可以推出更适合的自动驾驶域控制器。

说通俗一点，英伟达的域控方案相当于一个“毛坯房”，小马智行的手艺在于，在毛坯房的基础上搞“精装修”。这种降本路线的精髓在于，由专业的人做专业的事，实现优势互补。

不过，小马智行选择自研也不能说没有担忧。需要注意的是，其自研域控制器也是基于英伟达的架构设计。而英伟达为了应对竞对Mobileye的纵深布局，似乎也不甘于只提供“毛坯房式”的方案。

去年，英伟达推出了最新的完整硬件和软件架构——Hyperion 8，基于此架构和奔驰深度合作的自动驾驶汽车将在2024年落地。

这意味着英伟达的野心越来越大，未来英伟达与车企的合作将不止于芯片，还有NVIDIA DRIVE平台、云地图，甚至还有整套打包好的软硬一体解决方案。

那么一个问题就来了，当英伟达在自动驾驶方案上足够深入，如果其整套解决方案已经到了“傻瓜化”的地步，相当于吃掉了自动驾驶方案的大块蛋糕，留给小马智行们的可能是一些利润不高的“边角料”。

由此看来，在域控领域的布局上，国际Tier 1巨头和自动驾驶公司之间的竞合博弈可能在未来还有一些变数。

不过，同样是优势互补，为域控制器研发配套的车端数据库则是一种独辟蹊径的降本思路。

在互联网领域，Oracle夺得第一大数据库供应商已经有很多年，其数据库产品是互联网领域的基础设施，可以称之为IT领域躺着挣钱的公司。

今后智能汽车所产生的数据只会越来越多，能否在智能汽车领域复刻Oracle的神话呢？

这个问题暂时还不好下结论，但已经有企业开始这么做了。

据天眼查显示，一家名为智协慧同的跨车云数据驱动赋能公司刚刚获得了数千万人民币的A轮融资。

智协慧同开发的vData边缘数据库产品，是首个为汽车定制开发的时序数据库，基于此研发的ExceedData车云计算解决方案去年在高合汽车上量产交付。

对车企来说，通过数据驱动方案，能够在保证数据质量和精度的前提下，使量产车的智驾数据采集、传输、计算等成本大幅降低，为自动驾驶域控的降本提供了另一种思路。

写在最后：

商业化的趋势下，自动驾驶玩家生存不易，降维求生是多数厂商的选择。

而主机厂在英伟达、博世、华为等国内外供应商的协助下，可选择的自动驾驶方案越来越多。对自动驾驶创业公司来说，技术降维后所能提供的低阶自动驾驶方案不再稀缺，“降本”成为活下来和杀出重围的关键。

当然，自动驾驶产业链复杂，每个环节都有不同的技术路线。除了上面提到的线控底盘和域控制器，还有虚拟仿真、大SOC芯片、数据平台等多个细分领域有待进一步挖掘，比拼将会是多个维度的较量。

换句话说，现在的自动驾驶竞争早已不再是算法游戏，更考验的是工程力和产品力。