(原标题:技术、成本、规则,谁能撬动自动驾驶汽车落地)图片来源于网络,如有侵权,请联系删除
刘诚/文图片来源于网络,如有侵权,请联系删除
人工智能的技术进步及其成本降低推动了DeepSeek等大模型的普及。那么,自动驾驶汽车呢?是否也可以通过技术、成本及社会规则的演进,迎来快速落地的井喷时刻?
技术:从理想照进现实
技术创新是新事物发展的前提,也是根本动力。当前AI技术创新正在经历显著转变,从以内容生成为核心的生成式AI转向以目标驱动为核心的智能体AI。我们预测,与ChatGPT、DeepSeek等模型在语言领域带来的跨越式进步类似,在不远的将来,智能体AI也将在自动驾驶领域呈现爆发式增长,实现感知、决策与控制能力的重大突破,大量新车将会具有高级别辅助及完全的自动驾驶能力。
当前,汽车工业的智能化创新正在如火如荼地发生着。一些车企加速驶入具身智能人形机器人赛道,而抛开外形的“表面”创新不谈,自动驾驶技术本身有两种技术走向。一种是“端到端”技术。它来自深度学习中的概念,英文为“End―to―End(E2E)”,指通过一个AI模型,只要输入原始数据就可以输出最终结果。应用到自动驾驶领域,这意味着只需要一个模型,就能把摄像头、毫米波雷达、激光雷达等传感器收集到的感知信息,转换成车辆方向盘的转动角度、加速踏板的踩踏深度以及制动的力度等具体操作指令,让汽车实现自动驾驶。但“端到端”需要海量高质量数据“投喂”训练。与大语言模型可以在互联网上爬取海量文字数据用于训练不同,“端到端”智驾需要的视频数据获取成本和难度极高。
另外一种是模块化技术走向。目前市面上绝大部分自动驾驶系统为模块化方式,即人工和智能的混搭系统:感知依靠神经网络,规划控制则使用人类手动设计的算法。该系统的好处在于分工明确,一旦发现缺陷,便于快速定位并分模块进行检查和解决。但问题是,这种模块化的自动驾驶系统在相对简单的驾驶任务上表现不错,而在复杂的驾驶任务面前,其天花板显而易见。
客观来说,当前各大车企采用的仍是辅助驾驶,而不是完全意义上的自动驾驶,这主要是限于技术能力及其成本。“既要相信系统,又要随时准备接管”是当前智能驾驶的最大悖论。如果不能实现高效且低成本的技术突破,普遍性的自动驾驶技术将难以上路,或仅存在于诸如无人矿区等特定场景,或囿于小范围的试验区。例如,易控智驾公司的无人驾驶矿卡已经进入20多座露天矿山,运行车辆超过1000辆;小马智行于今年3月正式开通北京南站往返北京亦庄的Robotaxi服务;特斯拉计划今年在德克萨斯州和加利福尼亚州启动无人监督的完全自动驾驶(FSD)功能。
成本:从小众走向普及
再好的技术,倘若只存在于实验室、无人区或试验区,都将难以充分发挥技术革新对产业革命的推动作用。马克思曾将新产品经过商业化和市场化检验、实现大规模产业化生产的过程,称为“惊险一跃”。
笔者认为,“惊险一跃”的关键一环是成本。对于新产品,成本的降低,一方面可以提高生产端的积极性,另一方面可以提高消费端的热情,使其真正走入“寻常百姓家”。
历史上,降成本有力推动汽车进入千家万户。1908年福特公司推出了T型车并采用了移动流水线组装的生产方式,极大降低了汽车生产成本。当时,大多数汽车的价格约为2000美元,而福特将价格定为850美元。接下来,福特不断提高产量,同时继续降价。这使得美国中产阶级首次能够负担得起机动交通工具,汽车数量急速增长。拥有汽车的美国人比例从1915年的10%提高到1930年的59%。
特别指出的是,中国在AI降成本问题上取得了突破性进展,或将在不久的将来推动自动驾驶领域的爆发式应用。以DeepSeek为例,R1在多个基准测试中与美国OpenAI公司的o1持平,但训练成本仅为o1的三十分之一。这种技术突破不仅降低了AI大模型的硬件门槛和能源消耗,更重要的是为AI技术普惠化铺平了道路。
从国内外来看,特斯拉为代表的一些车企也在减成本和降价格上大做文章。马斯克曾经表示,预计自动驾驶出租车Cybercab的成本将低于30000美元,交通成本约为0.2美元每英里,预计将于2026年投入生产。据华福证券研报,经测算对比,萝卜快跑Robotaxi的经营成本优势凸显,每公里运营成本仅0.81元,较传统油车节省58%,较传统电车节省43%。
总体上,随着时间的推移,自动驾驶技术的成本会降低,使用变得越来越容易,促进商业活动的迸发与繁荣,最终使自动驾驶得以大规模扩散和普及。值得一提的是,萝卜快跑、小马智行、文远知行等自动驾驶企业也在布局海外,萝卜快跑已于近期落地迪拜和阿布扎比。
规则:从现象倒闭制度
有一些天真的技术解决主义者认为,技术可以解决世界上的所有问题。然而,单靠技术本身并不足以解决所有难题。技术的创造、使用、所有权和管理方式都会产生深...