自动驾驶，越来越像是一个充满矛盾的综合体。
例如刚刚在11月17日接受采访时，宣布将推迟公司L4级自动驾驶Trinity项目，并考虑放弃狼堡建厂计划的大众汽车新任CEO，又在24日声称，“大众旗下自动驾驶汽车将在2030年成为主流”。
据内部人士透露，大众CEO推迟、放弃自动驾驶相关项目，是因为看不到L4级自动驾驶商业落地的可能。而其对2030年的预期，则是因为认可自动驾驶汽车的市场潜力，坚持认为自动驾驶领域有着“巨大的利润和机会”。
自相矛盾的观点阐述，或许只是深陷迷茫的自动驾驶行业中，冰山一角的缩影。至少从11月初，福特和大众相继撤出L4级自动驾驶独角兽Argo AI，导致Argo AI宣布倒闭后，越来越多的人都开始思考——
自动驾驶，真的只是个看得到、吃不着的大饼吗？
一、高投资低回报黑洞，自动驾驶技术落地艰难
其实从技术的角度来看，理想状态下的自动驾驶落地，仍是个非常艰难的任务。
现阶段的国内外自动驾驶企业，普遍对外宣传已经掌握L4级自动驾驶技术，并且在个别车型上已经得到有效应用。但如果严格按照美国汽车工程师学会SAE的分级标准，当前在售的自动驾驶车型，大多数或许只能达到L2级的技术水平应用。
即便个别车型理论上可以实现L4级自动驾驶技术，但受限于芯片算力、智能座舱设计、路面配套设施等多方面因素，最终呈现出来的实际驾驶表现，可能也只有L3级的水平。
最典型的案例，莫过于从L5跌落L2，曾被嘲讽为“牛皮吹破”的特斯拉。2019年马斯克在FSD系统发布时，预测2020年底将实现完全无人驾驶操作，然而在2020年底被曝光的，特斯拉发给加州机动车管理局的邮件中，却主动承认了FSD和Autopilot一样都是L2级自动辅助驾驶系统。
之所以如此，是因为在SAE的自动驾驶技术分级中，从L0至L5共分为6个级别。其中从简单配备自动紧急制动、各类危险警告功能的L0，到初步为驾驶员提供转向、制动、加速等控制功能的L1和L2，都被定义为“智能驾驶辅助”，而不是真正意义上的“自动驾驶”。
之后的L3级自动化技术，虽然已经可以在满足特定条件的前提下实现自动行驶，成为区分驾驶辅助和自动驾驶的分水岭。但这一阶段中，车辆行驶过程中，也还是以人工干涉为主。
也即是说，L3级只能算作是自动驾驶的基础门槛。进入L4后，尽管仍对驾驶环境存在需求限制，但基本摆脱了对人工干涉的依赖，甚至从这一阶段开始，车辆已经不再需要踏板和方向盘。
至于最高级别的L5，由于没有任何使用限制，同时汽车本身也开始具备真正意义上的高智能、高互动能力，或许更像是科幻概念中，具备自主AI的机器人。
因此在部分业内人士看来，虽然自动驾驶技术水平已经处于L4级的早期阶段。但是在实际应用过程中，大部分企业依旧尚未真正迈过L3级的门槛，部分企业为了加速落地，也会采用利用L4级技术降维应用到L2级场景的策略。
漫长的研发周期、极高的研发成本、遥远的落地前景，也意味着对资金储备、投资者信心等现实因素的直接考验。
就像百度曾透露，仅是2020年就投入了超过200亿元在自动驾驶的研发上；小米也在宣布进军智能新能源汽车市场时，给出了首投100亿元人民币，后续追加100亿美元的心理预期；特斯拉每辆车的研发成本都在1.9万元人民币左右，平均每年投入168亿元的研发费用；走轻资产路线的造车新势力“蔚小理”，综合融资额度和频率来计算，每年的研发投入也都在30-50亿元左右。
同时，芯片供应短缺、工艺原材料持续涨价，以及全球上游代工工厂普遍产能不足，严重拖累着自动驾驶大规模量产的节奏。再加上传感器、电池等关键零部件的价格昂贵，智能汽车的单车成本始终无法得到有效控制，导致商业化落地前景始终不够明朗，难以走通盈利模式。
很长一段时间内，自动驾驶都将是一个投资和回报严重不成正比的黑洞。像Argon AI这样，在主要投资方撤出后无以为继，直接宣布破产的L4级自动驾驶独角兽，今后或许也会出现更多。
二、自动驾驶寒冬已至，中国市场将成避风港？
波及全球自动驾驶行业的寒冬已经到来，但在中国市场，或许还能找到一丝温暖。
放眼海外，不仅是刚刚破产的Argon AI，进入2022年之后，谷歌旗下Waymo、通用汽车旗下Cruise、英特尔旗下Mobileye、独角兽Nuro等等第一梯队自动驾驶企业，都不同程度出现了裁员、降薪、市值暴跌等情况。
而同时期的国内自动驾驶企业，从8月份至今有裁员传闻的，只有国汽智控、Momenta和小马智行。除此之外，除了类似于“文远知行正加速赴美上市”的谣言四起，整体来看目前国内并没有感受到太大的寒意。
其背后，或许是守着全球最大新能源汽车市场，投资者信心更容易维持；也或许是从2021年开始商业化试点落地的政策，加速着自动驾驶的变现可能。至少在仔细观察部分头部企业的进展和规划后，仍可以燃起对未来的期望。
例如注重科技沉淀的华为。虽然没有加入车企之间的激烈内卷，但是凭借鸿蒙系统的物联网优势，以及自动驾驶领域的技术积累，现如今借助智选车的合作模式，已经跻身一线自动驾驶企业的行列。
例如2021年4月与赛力斯联合发布的赛力斯智选SF5，以及今年先后开启交付的M5和M7；5月份被极狐汽车寄予“卖断货”期望的阿尔法S华为HI版；号称是“第一款采用华为智能座舱的燃油车”的北京魔方等等。华为的自动驾驶技术，已经被许多车企视作新能源转型过程中的“捷径”。
尽管随着奇瑞、江淮等越来越多的车企选择与华为进行合作，市场方面也流传出华为将中小车企视作“代工厂”的负面传闻。但无论是变相减小自动驾驶技术研发成本，还是为产品赋予更多卖点，华为智选车依旧是许多车企短期内的最优选择。
而且近段时间中，华为也通过华为云平台，联合众多自动驾驶上下游企业，培育开放产业生态。这一条基于“人车路云”协同理论打造的新式产业链，对于自动驾驶的商业化落地，也提出了另一条可行道路。
还有同样专注硬核科技的百度。单以现阶段国内自动驾驶商业化落地的进展而言，或许百度是最有希望能够走通盈利模式的企业之一。
之所以这么推断，主要是因为百度在2021年就是国内首批自动驾驶商业化试点企业。旗下的“萝卜快跑”，不仅是百度自动驾驶商业化战略的首次落地，更是国内首个进行提供付费服务尝试的自动驾驶出行品牌。
特别是11月21日，北京市发放了自动驾驶前排无人化通知书，百度成为首批获准企业之一，正式开启了全无人内测。这也是国内自动驾驶无人化的第二阶段测试，如果能够顺利通过测试，大规模商业化的日子或许也就不远了。
不过，考虑到百度坚定认为车路协同才是自动驾驶的终极目标，而实现这一目标所要面临的难度或许要比商业化落地更难，周期和资金压力也更大。站在企业的角度来看，百度可能未必能够像华为一样改变当下的行业面貌，但如果这条路能够走通，未来同样能够引领时代的发展。
除去这两家头部企业之外，DMV自动驾驶接管里程全球排名第一的AutoX、同样取得了前排无人化测试资格的小马智行、在广州开发区打造全球首个无人驾驶氢能汽车示范区的文远知行等等，都在以各自的方式探寻更多的行业未来。如果这场寒冬无可避免，或许仍旧充满活力的中国市场，有希望成为自动驾驶技术的避风港。
而且，如果以商业化为初衷，国内市场早已经验证过，自动驾驶的价值，可能还在更多的细分市场之中。
三、自动驾驶的未来，或许不在L5
最好的，未必是最适合的。
L4级自动驾驶独角兽们的陨落，或许就是这句话最好的佐证。
综合来看，进入2022年之后经受挫折的L4级自动驾驶企业们，所共同的点都是过于追逐“跨越式”的技术发展。结果却因为技术高度，已经远超难当下的生产力和配套设施技术水平，反而因为“曲高和寡”，难以打通大规模的商业化落地。
芯片工艺的滞后，使得高级别自动驾驶技术被算力限制了性能发挥；算法逻辑的缺漏，导致自动驾驶的安全性能长期受人质疑；数据积累的不足，延迟了自动驾驶系统的量产规模；车辆硬件的系统更新速度不匹配，致使自动驾驶功能难以完全实现。
就像谷歌旗下Waymo，在研发过程中直接瞄准L4级和L5自动驾驶技术，借助摄像头与激光雷达等多传感器融合的路线，跳过低级别技术的经验和数据积累，直接实现高级别自动驾驶功能。尽管成为了自动驾驶行业的领头羊，但几年间，最高估值也从1750亿美元，直线跌落到300亿美元左右。
纵观自动驾驶技术的未来场景，所有细分市场中，已经得到初步应用成果的，大都是L2、L3级别的自动驾驶技术。某种意义上，自动驾驶技术之所以仍处于L4级早期阶段，并不是技术研发的迟缓，而像是当前各个产业的需求已经基本得到满足，对高级技术没有太多渴求。
就像是无人配送和无人物流，得益于中国市场庞大的消费需求，以及逐渐完善的线上经济逻辑，在国外难以走通的产业模式，反而在国内有更广的市场前景。
例如亚马逊在今年10月份叫停了运营4年的无人配送车 Scout项目，同时也解散了400人的团队。对外公布的理由是避障能力差、摄像头侵犯隐私、用户体验差，实际上更多还是因为研发活动造成的亏损，以及社会环境造成的无人机器损坏率过高。
相比之下，国内主要物流服务提供商们，早已将无人配送视作行业发展的必由之路。就像京东早在2016年就推出了无人配送车，今年更是在全国30个城市投入运营了700台无人车；阿里旗下，主要投放场景集中于各大高校的“小蛮驴”无人快递机器人，仅是今年双11前半程，累计运送包裹就超过了200万件；圆通、极兔、申通、邮政等物流机构，也与智梭无人车合作，双十一期间累计进行了35万件快递的运输。
诸如此类，各大科技、快递头部企业在末端物流场景中，已经基本实现了无人驾驶的落地应用。尽管由于安全和技术的限制，目前还没有进行全国范围的大规模普及，但随着基础不断夯实，大规模商用也只是时间问题。
此外，还有无人外卖配送、无人环卫、无人矿车等等细分市场，都在不断发展壮大。对于自动驾驶而言，未来前景如何，或许并不在于是否能够实现L5的终极目标，而是如何在适合的阶段，选择适合的技术。
