今年年初，不少投資機構在提到2018年的投資計劃時，都希望“今年上半年投幾家智能駕駛創業公司”，如今年已過半，多家智能駕駛創業公司都完成了數億元的新一輪融資。本文作者為中關村發展集團產業投資部賈振釗博士，他結合對行業的認識，讓讀者/投資者更全面、綜合的看清智能駕駛這個風口，對行業存在的機會和風險有更深入的認識。

無論是2015年發布的《中國制造2025》還是最近發布的《新一代人工智能發展規劃》，國家都將智能駕駛以及智能網聯列為汽車產業未來轉型升級的重要方向之一。可以說，發展智能駕駛已經成為國家戰略，從中央到地方，從傳統整車廠如北汽、上汽，到互聯網造車新貴如威馬、蔚來，再到創業公司如小馬智行、馭勢科技，智能駕駛產業的發展可謂如火如荼。

前一段時間，中關村發展集團主辦了一場主題為“智能駕駛·開啟未來”的沙龍，沙龍的會議室非常小，卻幾乎坐下了北京范圍內所有有點名氣的創業公司創始人、政府主管部門負責人、高校教授和知名投資機構合伙人，活動邀請了八位嘉賓做演講，這八位嘉賓，分別是北京市交通委的葛昱博士、清華大學***教授、北汽研究總院孔凡忠院長、千方科技產品研發中心總經理曹坤、智行者科技創始人張德兆、奧特貝睿科技創始人彭永勝、峰瑞資本創始人李豐和新智元創始人兼CEO楊靜。

本篇文章的初衷，是想結合各位嘉賓的演講，希望一方面能夠寫一篇科普文章，站在宏觀的角度，讓更多人了解這個快速增長的產業；

另一方面，年初在提到2018年的投資計劃時，不少基金的答案都是“今年上半年要投幾家智能駕駛創業公司”。如今年已過半，我們看到多家智能駕駛創業公司都完成了數億元的新一輪融資。我們希望結合對行業的認識，讓讀者/投資者更全面、綜合的看清智能駕駛這個風口，對行業存在的機會和風險有更深入的認識。

文章將按照如下的結構進行梳理：

What？智能駕駛是什么？具備哪些“智能”的功能？

How？智能駕駛的產業鏈生態如何？

Who？智能駕駛公司的技術路線如何，都有哪些玩家？

When？智能駕駛何時到來？它的產業化時間節點在何時？

What：智能駕駛是怎么定義的？離我們有多遠？

智能駕駛最直觀的定義，就是類比人類駕駛，用傳感器如雷達、攝像頭替代人眼，用算法芯片去替代人腦，再用電子控制去替代人的手腳，最終實現由智能電腦來控制汽車，實現智能駕駛。

國際汽車工程師協會（SAE）制定的汽車智能化分級標準，從駕駛操作、環境監測、回退性能、系統接管四個方面，SAE把汽車智能化分為L0-L5五個等級，如下圖所示：

圖1. SAE對于智能駕駛的分級定義

L1的典型代表是以色列公司Mobileye，它通過一個攝像頭以及他后面的芯片，為汽車賦予了L1功能；

L2的典型代表是特斯拉，盡管它號稱汽車具備了L5的硬件基礎，但是在駕駛Tesla的時候，雙手千萬不要離開方向盤，因為如果這時出了事故，責任全在駕駛員身上；

L3的典型代表是奧迪A8，但有業界人士并不認同A8的L3能力，因為A8只實現了某些特定場景下的L3級功能；

L4的代表是Waymo，目前已經在試運營；

L5，智能駕駛將完全具備甚至超過人類駕駛能力，在任何情況下都能夠接管車輛，處理任何路況，完成駕駛任務。

下圖可以從實現功能角度，給大家一個更加直觀的印象：

了解了智能駕駛的定義，那么，智能駕駛現在已經發展到什么程度了？

先看國外。前面我們也提到，奧迪A8已經確定了2018量產時間，最新的A6也搭載了L3能力。可以說，在個人消費領域，最新的技術能力已經達到了接近L3的水平。

為什么說“接近L3”而不是實現L3？是因為目前的L3功能還不完整，比如奧迪A8所謂的L3，只在時速不高于60km/h的條件下才能使用；，除此之外，Tesla的Autopilot系統能夠將Tesla電動車具備的眾多L2功能，如AEB、ACC、LKS等有機結合起來，實現了高速公路的自動駕駛。

而國產自主品牌（不算合資），目前的水平基本能達到L2（也是不完整的）。因為在市面上的大部分配備L2功能的車型，其供應商基本還是國外大型Tier1，如博世、大陸等。雖然一些國內的主機廠（OEM）具備了研發能力，也有自己的產品，如北汽、長城，但是，出于安全和市場需求考慮，目前國產車型配備的L2功能，主要來自進口，所以說我國的量產車自動駕駛技術水平，大概處于L1至L2之間。

至于國內外的差距，并非一個Level這么簡單。因為從L1到L2，從L2到L3，從L3到L4，每跨一級都需要付出極大的努力，尤其是等級越高，兩個等級之間的鴻溝就越大。填補這些鴻溝的指標不僅是技術還有零部件供應鏈（車規級激光雷達的量產）、市場（成本和市場需求）、法律法規（法律總是存在滯后性）等等。不過，這并不意味著我們離L4，離解放生產力的自動駕駛就很遙遠，因為，從業人員們正在努力開拓一條新的技術路線，讓準L4的車輛盡早落地。

How：智能駕駛的產業鏈生態

智能駕駛最重要的三個技術環節，是環境感知、中央決策和底層控制。

感知包括視覺（單目、雙目、環視）、雷達（毫米波雷達、激光雷達、超聲波雷達）和高精度地圖；決策，就是將感知信息進行融合并判斷，決策行駛路線，他建立在足夠智能的算法，以及能夠執行這些算法的計算平臺上，通常，我們稱之為“汽車大腦”，就像電腦一樣，有算法，有芯片；到執行層面就包括方向盤轉角、發動機功率和剎車等。Tier1將這些技術集成后，供應給整車廠，這就構成了智能駕駛的產業鏈生態。

感知融合&算法規劃，這是智能駕駛的靈魂，決定了智能化程度，感知融合分為前融合和后融合，所謂前融合，就是先將攝像頭、毫米波雷達、激光雷達等非同構數據進行融合，后傳輸給汽車大腦，后融合則相反，是將各“感知器官”的探測結果交給汽車大腦，讓汽車大腦進行綜合分析；汽車大腦將感知結果作為輸入，通過算法進行決策和路徑規劃，當然，這里的算法也分多種，UC Berkeley的Francesco Borrelli教授，將其導師提出的MPC算法首次應用到智能駕駛中，并成為目前公認的最為領先的算法之一；

計算平臺，分為芯片集成和板芯集成，所謂芯片集成，就是通過一顆芯片或SoC系統就完成智能駕駛的核心計算任務，我們看到在一些領先的單目、雙目上是能夠實現芯片級計算平臺的，提供L1或部分L2功能，但是涉及到智能駕駛大腦，由于算法還遠未成熟，除了極少數的一倆家公司具備自己的芯片解決方案，目前大多數的創業公司或傳統Tier1采用的大都是板芯集成方案，比如奧迪A8所用的zFAS，Tesla的Autopilot 2.0/2.5、NVIDIA的Drive Ecosystem和Visteon的DriveCore；國內也有幾家公司在做這方面的產品，目前來看，要實現L1，可能單目或者雙目上的芯片就足夠用了，而要實現L2，計算平臺則需要32位的單片機，到了L3、L4，計算量陡升，這時，就需要集成高性能的CPU、GPU等原件，這里的局限行，就體現在計算能力和功耗上，目前，全世界能量產的產品很少，百度Apollo給出的解決方案，是工控機，其他公司的可量產產品，預計到2019年才能供貨；

底層控制，主要指執行器，涉及更多的是傳統技術，不得不提的是，這反而成為制約不少高科技創業公司的瓶頸，因為他們對車并不了解，我相信，這是他們（包括Google、百度等互聯網公司）在開始做智能駕駛時所始料未及的；

本篇文章，我們關注在整個智能駕駛產業鏈中，最核心、技術附加值最高的一部分——智能駕駛大腦，也就是接收感知信號，進行處理分析，然后輸出執行命令的智能ECU。

我們熟悉的Waymo、百度Apollo，以及最近融了很多錢的Cruise、pony.ai、roadstar.ai、馭勢科技等，都屬于智能駕駛大腦這個賽道的玩家。

Who：智能駕駛的三條技術路線和玩家

Waymo、百度Apollo等互聯網公司憑借著算法、算力的突破而讓整個智能駕駛產業提速，也形成了由它們主導的共享出行市場；傳統的車企和主機廠以及一級供應商，對個人汽車實現漸進式的自動駕駛。而在貨運物流、環衛等特定場景，則由無數創業公司主導。

綜合來看，當前智能駕駛主要有三條技術路線：

由互聯網公司主導的共享出行市場，它的技術路徑是跳過L3，直接進入L4/L5；

由主機廠（OEM）和一級供應商（Tier1）主導的個人車輛市場，它的技術路徑是L2-L3-L4的漸進式路線；

由創新公司主導的特定場景智能改造路線，如環衛車、巡邏車、低速物流車等；

以下是對這三條技術路線的詳細闡述。

一、共享出行

由互聯網公司主導的共享出行市場，通常選擇跳過L2/L3，直接去實現L4/L5，這里面典型的代表是Waymo、百度、Uber等互聯網企業。這類公司的特點是，擁有雄厚的資金，具備算法上的優勢，他們有實力直接做到最高級別的無人駕駛，然后再降維打擊，實現低級別的無人駕駛，形成對市場的占領。

和OEM不同，這些公司不在乎短期盈利，他們的理念是，一旦做成了，就要顛覆出行行業甚至汽車產業。

這條路線一方面需要算法的迭代、完善，另一方面需要車規級硬件的量產能力，主要是激光雷達。其他方面還包括基礎設施（5G通信）和法律法規的健全。

以Waymo為例，Waymo與對手大概有1-2年的領先優勢，主要體現在兩個方面，一是算法，二是自產激光雷達。

尤其是算法，目前，Waymo已經積累了804.7萬公里路測里程，而Uber只有321.8萬公里，這個差距體現的是算法的差距。目前的算法，其核心是基于規則的模式識別，除了將基本的交通規則寫入算法外，在遇到各種交通規則不能覆蓋的路況時，需要將路況信息記錄下來，告訴汽車大腦，下次再遇到這種情況如何處理，所以，L4/L5級的智能駕駛，是需要大量的數據去調校，去優化的，沒有足夠的路測數據，就得不到聰明的汽車大腦。所以，從這個角度去看，Waymo真的領先太多了。

2018年3月，Waymo向捷豹采購了2萬輛高端純電動SUV，而僅僅兩個月后，Waymo 又宣布向菲亞特·克萊斯勒（FCA）采購 6.2萬 輛 Pacifica 混動廂式車用于打造無人駕駛出租車隊，這些車可能并不是在今年就能實現L4級共享出行，但一個最直接的作用是，有更多的車將要上路測試，Waymo將會掌握更多的數據去優化汽車大腦。

Waymo與捷豹路虎聯合設計和制造的高級電動全自動駕駛汽車

不過，目前的算法也是存在本質缺陷的。有資料顯示，人類駕駛員平均每駕駛9656萬公里會發生一起致命車禍，Waymo是每5595公里需要一次人工干預，而2016年的數字，是5000公里，一年只增長了10%，那要多少年才能達到人類的駕駛水平？只要自動駕駛的安全性能達不到人類水平，那么落地應用就存在巨大障礙。

所以，對于這樣一條技術路線，筆者的基本看法是，要很久以后才能落地，也許是2030年，或者有幸提前五年，但是不可能再早了。在真正自動駕駛到來之前，Waymo、Cruise、Uber還要燒很多的錢，國內的L4的創業公司也面臨相同的問題，所以他們現在一個很重要的任務，就是要不停的融資，融到足夠養活他們5-10年的錢，那他們就贏了，剩者為王！

二、循序漸進

接下來，我們介紹循序漸進的第二條技術路線，代表企業如福特、奔馳、豐田等。這些企業內部都具備強大的技術積累，他們從幾十年前就開始努力發展安全輔助駕駛，當然，這一陣營里還有耳熟能詳的汽車一級供應商（Tier1），著名的A（奧托立夫）B（博世）C（大陸）D（德爾福），其實，除了那些OEM巨頭，更多的技術是掌握在Tier1手上的；幾十年來，他們主導著汽車行業的發展，什么時候推出什么樣的產品，都在他們內部的時間表里，他們通過早已驗證有效的方式教育消費者，告訴他們需要什么樣的新產品。

那么，這條技術路線進展到哪一步了？相信很多愛玩車的人，都嘗試過一些進口車上的ACC和LKS功能，也就是自適應巡航和車道線保持功能，開啟這個功能，能夠讓車在結構化道路，如高速公路上，以特定的速度沿車道線行駛，ACC通過視覺和毫米波雷達探測前方行駛車輛的距離和速度，從而控制本車的油門和剎車，在確保安全的前提下，讓本車自動駕駛，當前方沒有車時，就通過識別車道線，做到沿當前車道以定速行駛，即所謂定速巡航。

這些都屬于L2功能，從市場角度來說，附加ACC、LKS的車，比同型號的車高出3-5萬，目前，大部分的高端車型，都具有這個選項。但是，L2功能還是人類司機在告訴車輛該如何行使，人類司機要時刻關注外部環境，只有到了L3，司機才能夠放心的把車交給汽車大腦。

目前，很多Tier1對外宣稱已經具備了L3的技術水平儲備，但耳聽為虛，眼見為實，我們還是要看真正量產的是哪些。而現在我們能在市面上看到的，就是2018新款的奧迪A8（和新款奧迪A6），他們搭載了名為“Traffic Jam Pilot”的特定條件的L3自動駕駛，這里的特定條件，具體指：

行駛在有對向車流隔離帶的高速公路上或多車道公路上

所有車道的車行駛緩慢，車輛間距非常小；

車速不超過60公里/小時；

車輛傳感器監控范圍內沒有交通信號燈或行人；

這些特定條件，將奧迪A8收斂到了一個非常簡單的行駛環境——沒有信號燈、沒有行人的擁堵高速路。這確實是一個非常簡單的行駛環境，簡單到讓人覺得這怎么能叫L3級自動駕駛呢？不過，根據我們前面介紹的定義，能夠實現特定場景的不需要人為干預的自動駕駛，確實要比L2更高級一些。但是，離全功能的L3還差很多，還需要突破速度限制、主動換道的限制。

一個理想的L3級自動駕駛，應該至少現實從汽車上高速路，到下高速路，或者說從這一個收費站到下一個收費站，能夠以最高時速（不違反交規），不需要人為控制，自動實現。

目前，Tesla的Autopilot 2.0算是給出了這樣的解決方案，Tesla號稱目前車載的硬件水平已經達到L4的能力，但是遲遲沒有更新軟件，再加上Tesla的高事故率，讓人無法相信Tesla已經實現了L3級自動駕駛，最近Tesla宣布要開始進行L4無人駕駛路測，其實，做路測這件事并不難（在介紹下一技術路線時會解釋），但Tesla的技術積累到底能達到什么程度，筆者并不樂觀，我們還是拭目以待吧。

在這條技術路線上，傳統OEM和Tier1都在摩拳擦掌，并時不時秀一下肌肉。但什么時候能真正拿出一款完整的高速公路L3級自動駕駛，還不確定。

個人認為，這個時間，最快應該是在2020年。而國內的技術水平，大概要在2022年實現自主知識產權的量產能力，這個時間點，可能和我們聽到的某些國內主機廠提出的2020甚至2019年量產L3級自動駕駛有些出入，原因是，我所說的時間節點，對應的是全功能L3，而國內主機廠，很可能會在2019或2020年，推出一些閹割版的L3，就類似今年要量產的奧迪A8，或者再強一些。

這里強調下主機廠與互聯網公司對于L3的分歧。

其實，在產業界一直存在關于L3必要性的爭論，硅谷新勢力認為應該跳過L3，主要依據是從駕駛員角度出發的：根據L3的定義，L3是人機共駕的狀態，那么就存在人機切換的問題，比如，當汽車大腦遇到了緊急情況，超出了處理能力時，汽車需要提醒人類駕駛員去接管車輛控制權，但是，這個時間是非常短暫的，這就要求駕駛員還是要保持清醒，并且能夠接收到來自汽車大腦的提醒。

但實際情況是，大部分人是不太可能做到這一點的，因為人類很可能在L3自動駕駛情況下去看電影，玩游戲甚至睡覺休息，就像Tesla的那幾起車禍，在危險來臨時，汽車發出了警告，要求駕駛員接管車輛，但是駕駛員要么在睡覺，要么在看《指環王》，最終導致了悲劇的發生。因此，互聯網公司認為L3是個偽需求，應該跳過L3，直接為用戶提供L4級自動駕駛。

這個說法確實有一定的道理，但是在筆者看來，L3還是有其必要性的，要闡釋L3的必要性，我們可以從車企和用戶兩個角度出發：

首先，從車企的角度來看，車企最關心的問題就是量產并且占領市場，而L4/L5級無人駕駛，到可量產還需要5-10年，這期間巨大的市場需求，不可能空置，不斷地推出智能駕駛功能，比如從L1的碰撞預警，到L2的自適應巡航，再到L2.5的自主巡航，再到L3的特定條件自動駕駛，這是一個不斷去教育市場，占領市場的過程，如此長的價值鏈條，OEM是不會輕易放過的，即使通用收購了Cruise，我們也并不認為通用不會推出L3級產品；

其次，從用戶的角度看，以Tesla為例，就算在經歷了多次事故、Tesla反復強調Autopilot不是自動駕駛而是輔助駕駛的情況下，我們仍然能看到個人車主把它當做L3去使用；再比如奧迪A8的Traffic Jam Pilot，他能夠幫助用戶在城市道路擁堵情況下，在保持跟車的同時去干點別的事情，這些都是用戶能夠實際使用的，解決很多痛點的問題。

筆者曾有幸體驗過一家國內創業公司的從外觀上完全看不出改裝痕跡的L3級自動駕駛汽車，在高速公路上，汽車以最高120km/h的速度高速行駛，并且能夠完成主動變道超車，那一刻，我突然想到自己經常深夜開車回家，有時候還會打瞌睡，非常危險，這輛車簡直就是我的福音，當時我就問那家創業公司的團隊，能不能把我的車給改裝成L3級。所以說，從用戶角度看，市場需求是確實存在的，有需求就有市場，有市場，OEM就不會錯過。

為什么那些互聯網公司或者有互聯網基因的創業公司打算跳過L3？其實，除了上文提到的原因，還有一個很重要的原因，那就是這些公司可能并不能搞定L3。因為L4的關鍵性技術突破在于算法，從感知融合到決策規劃，都需要更強大的算法，這是互聯網公司的強項，而L3的技術突破點，在于將現有的算法量產。

換句話說，現在的算法已經足夠解決L3的問題了，關鍵是要怎么量產，而想要量產，感知、決策、控制就都要達標，創業公司想做好控制，沒有多年汽車制造的積累是搞不定的。L4是個長板效應，只要算法搞定了，造車這事就能成。而L3是個短板效應（木桶效應），有任何一個環節搞不定，都做不出L3的量產車。所以，雖然從L4到L3存在降維打擊的概念，但是，真讓一個做L4的創業公司去做L3級量產，恐怕要比做出L4還難。我們看到不少創業公司，包括百度，最初又做L3又做L4，但是慢慢的，就不做L3了，其中的原因一定很復雜，但是是否具備改裝車、設計車底層控制的能力，一定是個大難題。

三、特定場景

第三條技術路線是鎖定特定場景的無人駕駛。我們已經在杭州的大路上、在清華的校園里，看到阿里和京東的無人配送機器人，而在一些港口、產業園區、地下停車場、高爾夫球場、礦區、公園等等特定場景中，也有無人作業的車輛在運行。

國內autowise.ai發布的無人駕駛清潔車

這條路線的特點是：

首先，因為是在特定場景，所以環境相對簡單可控，在具備高精度地圖的情況下，對于感知和決策的算法要求就沒那么高，有些場景甚至是固定路線的，所以，這條技術路線的技術門檻并不高，但卻存在很多的know how，需要非常多的積累；

其次，因為是特定場景，很多情況下，不需要等待國家的法律法規就可以實現，因為礦區、港口等封閉場景都存在各自的交通法規體系，因此更加靈活，在技術成熟的條件下，能夠更快落地，從而就離現金流更近一些。

我們簡單的算一筆賬。在港口、礦區或者園區環衛方面，最大的成本支出就是人工，假設港口的司機年薪20萬，一輛車需要配兩個司機，那一年就是40萬，如果晝夜兩班倒就是80萬，而改裝一輛車的成本，大概就是這么多，也就是說，一年就能收回成本，所以，在這些特定場景里，無人駕駛的市場是巨大的。

因此我們就會看到，這條技術路線雖然沒那么高大上，但卻很受產業青睞，很多相關行業都在積極布局。

賽道玩家

作為投資機構，我們最關心的，是有哪些創業團隊在這個賽道上比拼，當我們對這個賽道上的玩家從創業公司的團隊背景和主要技術路線兩個方面進行分類，會發現一個非常明顯的分布特點：

首先，我們將團隊背景分為汽車背景、視覺背景和互聯網背景（海歸背景），其中，汽車背景，主要指的是那些從清華、同濟、北理等老牌汽車強校車輛系或交通系出來的團隊，這里面一個非常好的試金石，就是由國家自然科技基金組織的中國無人車未來挑戰賽，類似美國的DARPA。

從2009年起，每年的賽事都會吸引來自國內的眾多高校代表隊參加比賽，翻看歷史戰績，天津軍事交通學院、清華大學、北理的優勢較為明顯。過去幾年，中國無人車未來挑戰賽的比賽強度可謂日益提升，能夠完整的跑完比賽，甚至奪得名次，沒有多方面的積累是做不到的，這就是我們前面提到的短板理論：真正拉出來比賽的時候，感知、決策、執行，有任何一環做不好，都不可能拿到好名次；

其次是視覺背景，通過攝像頭，Mobileye的單目能夠提供L1的前車碰撞預警，斯巴魯的雙目能夠提供L2的AEB，更有肖建雄的AutoX，僅通過攝像頭實現L4級自動駕駛。所以，視覺背景的團隊，在智能駕駛創業公司中也是一支非常重要的力量；

第三類，就是互聯網背景或者稱作海歸背景的創業團隊，這些團隊的核心成員，基本上都是從百度出來的，也有的可能輾轉過Waymo、Apple、Tesla、Uber等國外知名智能駕駛團隊。顯而易見，這種背景的團隊，在環境感知和決策算法方面是具備突出優勢的，他們最早看到機器學習在圖像處理和路徑規劃上的巨大潛力，最早參與了智能駕駛的研發，帶著硅谷高科技公司的先進算法，頂著耀眼的海歸光環，他們是國內創業公司中曝光率最高的一類，因此，到目前為止，也是估值最高的一類。

如圖所示，我們把這三種背景的創業公司，分別按照他們目前的技術路線進行擺放，一個非常明顯的趨勢就顯現出來——汽車背景的團隊，集中在特定場景，視覺背景的團隊集中在ADAS/L3，海歸背景的團隊集中在L4/L5。

這樣的分布趨勢，和我們前面介紹技術路線特定形成了很好的相互驗證，一個最直觀的結論就是——專業的人干專業的事。低速特定場景的這些團隊，如果想去做L4/L5，我想他們是很難說服投資人的，因為，他們的算法積累并不好，而如果海歸背景的人想要進特定場景，不光投資人不看好，特定場景的產業方也不會認同，因為就連L4團隊自己的demo都是找汽車背景的團隊去改裝的，更別提去改裝一個3米寬，20米長的大卡車了。按照這個分類，還有很多的趨勢可以去挖掘，比如：

接地氣：特定場景的落地最快，ADAS/L3次之，L4/L5最晚；

賺錢快：特定場景有現金流，能養活自己，ADAS/L3有聯合研發項目經費，死不了，L4/L5靠融資活著；

想象空間：特定場景局限在特定場景，陷入追求量產、壓低成本的泥潭，ADAS/L3面向3000萬國內自主品牌產銷車，想象空間巨大，L4/L5顛覆汽車產業格局；

估值：特定場景最低，ADAS/L3居中，L4/L5勢不可擋；

其實以上只是一個非常粗略的比較歸類和趨勢判斷，目前，很多汽車背景的團隊在招募精通算法的人才，而海歸團隊也在尋找汽車背景的支持，拿到融資的團隊，都在不斷的擴大研發隊伍，彌補自己的短板，優化自己的解決方案，讓自己的“汽車大腦”變得更聰明，更安全。智能駕駛興起這幾年，我們確實看到了創業團隊在不斷完整、完善，都在朝著獨角獸走去。

這個賽道上，除了創業者，還有投資者，所以聊完創業團隊，我們也來聊一聊自動駕駛投資。

現在的投資者已經很少是純財務投資的了，帶上產業性質的資本，在智能駕駛這個產業，跟創業者的關系會變得非常密切。而單純從產業協同的角度出發，我們認為，汽車、地產、物流、出行都會因為智能駕駛的到來而發生重大變化。汽車和出行行業我們不再解釋，前面已經說得很清楚，而很多時候，因為一件事情很貼近我們的生活，就會讓創業者或投資人更容易去想象他的發展空間，而除了乘用車，除了共享出行外，商用車領域同樣存在巨大的智能駕駛的落地價值。

我們先看物流。物流行業大概可以分為三類，普通快遞，貨車運輸和重型設備物流。

對于普通快遞，目前我們已經看到了阿里、京東的物流機器人在城市道路上跑，送快遞，送外賣，可能現在的效率還不高，但是隨著技術的迭代升級，我們非常確定他會取代相當一部分的人工快遞工作，為社會節約更多的勞動力，創造更多的價值；

京東的無人配送機器人

其次，貨車運輸，這種物流的模式是在全國各地分布了非常多的物流中心，貨車往返物流中心運輸各類貨物，所以它的特點是路線基本固定，而且是通過交通干道運輸，這就為智能駕駛提供了成熟的落地條件，目前我們已經看到很多公司，不管曾經是否從事物流行業，都在布局干線物流，投資創業公司，收購物流車隊，甚至布局高精度地圖、收購貨車主機廠；

最后一類，是重型設備物流，這個領域是個容易被大家忽略的方向，因為他離我們的生活實在太遠，然而正是這種巨型卡車或者板車，他們常年以不到60邁的速度行駛在高速公路的特定車道上，運輸這各類如壓路機、攤鋪機、巨型變壓器等等重型物資，成為了智能駕駛最可能率先落地的場景——低速、特定場景、結構化道路。

中國是物流大國，據統計，全國有超過700萬輛長途重卡、100萬輛重型板車和3000萬物流司機，整體物流也占GDP的17%，這是一個怎樣的市場可想而知，如果把一半的物流司機換成智能駕駛，按物流司機年薪10萬來計算，那也是一個萬億級的市場。而智能駕駛除了降低物流成本，還會讓物流交通更安全，因為“汽車大腦”是不會存在疲勞駕駛的，而超過一半的物流交通事故起因都是疲勞駕駛。因此，不論從成本還是安全角度去考慮，物流行業很可能成為第一個被智能駕駛洗牌的萬億級市場。

再看地產，地產分很多種，我們認為，商業地產、園區地產是智能駕駛落地更快的場景。如今的各位地主，都在提倡智慧家園、智慧園區的概念，如何體現智慧？一個很好的方式，就是無人駕駛的擺渡車或是通勤車，早期，可以在小區或者園區內進行運營，而后，就可以將覆蓋范圍拓展到附近的地鐵站或超市，解決小區內居民或園區用戶的短途出行問題。我們相信，未來的地產商進行區域規劃時，一定在社區交通、設施布局等方面，把智能駕駛的因素考慮進來。

When：智能駕駛的重要時間節點

介紹了智能駕駛的這些創業公司和產業前景，一個非常關心的問題就會浮現出來，那就是智能駕駛的產業化時間節點。

其實，在前文在介紹技術路線時，我們已經劇透了本節的內容。最近新媒體平臺車云和陳卓博士共同寫了一本新書，名叫《智能汽車決戰2020》，我想，不管是以上哪種技術路線還是從目前各個主機廠公布的量產計劃，2020年都是一個非常關鍵的時間節點。

先看特定場景。雖然現在有些場景已經有demo入場，但是demo終究是demo，demo的作用，是適應場景，收集反饋信息，完善算法，這個demo可能并不是最終配置，可能不是車規產品，可能在某些情況下不能工作，但是，如果真的量產，是一定要做到在任何工況下都滿足安全標準的，這就對軟件算法和硬件質量有很高的要求。

以最簡單的通訊信號為例，在特定場景，智能網聯是很重要的技術環節，但是目前的通訊并不能夠保證任何時間都信號接受良好，那么一個很自然的問題就是，如果通訊信號斷了，汽車能不能安全的停下來，或者繼續安全行駛，直到恢復信號，這一點，目前很多創業公司是不敢拍胸脯保證的。

諸如此類的問題，我們認為，要完成這樣的迭代、優化，大概還需要1-2年的時間，所以，真正特定場景的量產，要等到2020年。現在，我們在清華的校園里已經能看到無人配送車送快遞、送外賣了，在一些礦區，我們也看到機器人在代替人類旋轉方向盤，左腳剎車、右腳油門去控制高大的礦車，我們相信，這些demo進入特定場景后能夠得到快速的迭代，他們很快就會為這些場景帶來巨大的變化。

再看L3級自動駕駛，我們有很大的信心，認為到了2020年，中國的高速公路上可以行使L3級自動駕駛，從進入高速，到出高速，汽車大腦幫我們解決這段路程的各種駕駛問題，我們能把時間花費在更有意思的事情上。很多人會疑惑：明明政策還沒出來，法律法規還沒出來，到時候出了車禍怎么辦？

看似還有很多問題擺在我們面前，但是，我們要相信技術的強大生命力，所有那些問題，在任何一個新生技術出現時都存在，但是，沒有任何一項技術是因為那些問題而夭折，原因就是，當技術成熟時，整個產業都會被市場推著向前走，哪怕身上掛著各種制約因素。

奧迪A8今年量產，雖然是閹割版的L3，但是兩年的時間，難道還不會把其他的功能補齊嗎？所以，我們最關心的問題應該是，到了2020年，3000萬國產汽車中，有多少能搭載L3級自動駕駛，而為這些自動駕駛汽車提供“汽車大腦”控制器的，是主機廠自己，還是國外的Tier1巨頭，還是國內的創業公司？

從政策、國家安全、技術儲備、市場等各方面考慮（若展開講需要很大的篇幅），筆者的判斷是：汽車就是武器，汽車的安全標準是僅次于軍工而遠高于工業的，而作為智能駕駛的汽車大腦，一定要有國家自主知識產權的市場空間，這個比例有多大我們不好判斷，但可以確定的是，到了2020年，國內一定會有一兩家，甚至四五家創業公司（畢竟中國有70多家主機廠），成長為L3級智能駕駛解決方案的供應商，面對3000萬的國產汽車，這個市場空間是巨大的。

再說L4/L5，在前文介紹中，我們提到L4/L5的落地應用，至少還有5-10年的時間，但是，在此之前，我們一定會看到很多創業公司，在某些特定的地方，比如一個經濟開發區，一個智慧小鎮，提供L4級無人駕駛共享出行的運營服務，就像現在Waymo已經在拉斯維加斯開始試運營一樣，不去采集這些數據，算法是永遠不會改進的，而能否做好一個小鎮的無人駕駛共享出行，將是這些創業公司最好的試金石。

2020年，將會成為智能駕駛產業最重要的年份之一，它將是國內這些創業公司的決戰年，在這一年，將會有一次現存創業公司的大洗牌，誰能拿到量產訂單，誰能拿出真刀真槍的運營數據，誰就能走向偉大，成為智能駕駛領域真正能撐得起10億美元甚至100億美元估值的獨角獸企業。

這是最壞的時代，也是最好的時代。中美貿易摩擦不斷升級，中國知識產權政策遭受質疑，《中國制造2025》面臨嚴峻挑戰，智能駕駛、智能網聯是人工智能的集大成者，是國家重要的戰略發展方向，能否在這條賽道上取得世界領先位置，就是由我們上面提到的這些創業公司和OEM決定的，2018年，智能駕駛東風正盛，將有更多的資本涌入這個賽道，我們希望在資本的助力下，智能駕駛技術能快速發展，政策能進一步開放，評估機制能盡快落地。

最后，我們2020年見！