编者按：《贺雄松带你读自动驾驶场景商业化》，带你读懂自动驾驶领域不同场景的商业化，客观、理性地解读商业化背后投资策略演进。

本栏目由辰韬资本执行总经理贺雄松与汽车之心联合出品，每周六更新，内容独家授权汽车之心发布。

你好，我是辰韬资本贺雄松，欢迎来到《贺雄松带你读自动驾驶场景商业化》第二讲。

这一讲我们来了解下自动驾驶行业落地最大的机遇和挑战，分析为什么大家对自动驾驶这么感兴趣并且有这么多投资机构坚定地涌入这个赛道？以及这背后究竟面临哪些困难？

带着这些问题，我们一起来探讨一下。

2021 年，商用场景自动驾驶获得了更多的关注和认可。

干线、矿山、港口、环卫、无人物流小车等赛道融资持续火爆，自动驾驶老将新手都纷纷布局商用场景。

仅干线物流场景便涌现超6家初创企业：小马智行裂变出3家企业，分别是：千挂科技、擎天智卡和行猩科技 ；图森陈默创办了图灵智卡；百度和狮桥合资创办卡车品牌 DeepWay、吉利也正在推出远程汽车。

赛道热度可见一斑。

为什么大家这么喜欢这个赛道呢，总结起来有两个原因，一是趋势确定，二是市场空间大。首先我们来分析为什么趋势确定。

01

趋势确定且市场空间大

（一）自动驾驶发展趋势确定

1）劳动力短缺形势严峻

根据前瞻经济学人的统计，自 2013 年以来，我们适龄劳动力人口持续下降，7 年时间累计减少了2300 万人。

结合历年出生人口数据，可以得知我国正在逐渐步入老龄化社会，适龄劳动力人口减少的趋势在短、中期内没有逆转的可能。

劳动力供给减少导致的用人短缺，最先影响工作环境艰苦、体验差、收入低的行业和岗位。

而且，随着生活水平的提高，大部分适龄劳动力、尤其是年轻人不再愿意到干线、矿山、港口等场景当司机。

我们曾经访谈一个头部零担公司，他们旗下司机的平均年龄每年增长 0.7 岁，公司只能一再放宽司机年龄要求，然而还是难以完成招聘目标，他们对未来的司机招聘表示担忧。

快递、配送行业也存在类似情况，因为招不到骑手，不少快递的配送站点被迫撤销。

在劳动力供给减少和需求不断增加的双重影响下，司机短缺已成「灰犀牛事件」。

虽然大家也在做自动驾驶以外的方案探索，比如在末端配送等场景探索无人机、机器狗等方案，但综合下来，通过自动驾驶方案解决司机短缺问题确定性最高，最值得期待。

「司机短缺」这一主要矛盾，对自动驾驶领域的商业分析很重要。

以无人物流小车为例，无人物流小车因为无法上楼，跟人工配送相比服务体验有所下降，不少人为此担心其商业逻辑不够通顺。

但我们实地调研发现，已经有非常多的社区、园区，因为人力不足而无法提供配送上楼、到家服务，或者因为管理需求、防疫需求而禁止配送人员进入园区或上楼。

我们认为，即使不考虑未来小机器人或人机协作解决上楼问题，无人物流小车的商业模式也是合理的。

因为，在人力供给短缺并且日益加剧的现状下，未来需要权衡的不是有和优的问题，而是有和无的问题。

2）自动驾驶可以实现降本增效

以矿山为例，一台矿用宽体车一般需要 2-3 名驾驶员轮班，一台车匹配的司机费用需 30 万元左右每年，自动驾驶套件成本按 50 万元计算，假设按 5 年折旧。

综合下来，自动驾驶技术成熟后，一台车每年可节省近20 万元成本。

另外有两个趋势需要特别注意，一是劳动力的成本处于不断上升的趋势，二是自动驾驶套件相关的成本是处于不断下降的趋势。

这意味着，随着时间的发展，自动驾驶套件的经济价值将越来越明显。

以上是关于自动驾驶赛道趋势的分析，除了趋势确定以外，赛道特别受欢迎的另外一个原因是市场空间大。

（二）市场空间大

从市场空间的角度来看，自动驾驶行业是少有的顶级赛道。从运营的角度测算，干线自动驾驶和 Robotaxi 都具备数万亿的市场空间，环卫、矿山、末端配送等场景都是千亿级赛道，港口是百亿级赛道。

水深方能鱼大，自动驾驶行业有机会诞生超级独角兽。

02

存在技术和供应链等诸多挑战

上面分析了赛道充满魅力的原因，总结下来即趋势确定并且市场空间大。但客观来说，行业的发展依旧存在诸多挑战。

我们看到，行业龙头Waymo 经过了即使经过了 10 多年的努力，但在商业化上进展并不顺利。

国内虽然百花齐放，但除了部分特定场景外，批量落地的时间表依然不够明确。

落地到底存在哪些挑战呢？我们认为最大的挑战在于长尾场景和供应链，而路权和商业模型并不是主要阻碍。

（一）长尾场景是最主要的技术难点

长尾场景的解决是自动驾驶技术最大的难点。

自动驾驶技术的难度不在底层架构和算法框架，这些方面已经有成熟的方案，各家自动驾驶公司在方案上已经不存在本质的区别，即使有也会随着研发的推进被逐渐抹平。

自动驾驶落地真正的拦路虎在于长尾场景问题的解决，长尾场景是落地的关键，也是自动驾驶公司之间竞争的决胜手。

为什么长尾场景是决胜手？

自动驾驶功能是基于 AI 算法实现的。以目前的技术，AI 算法只能完成之前被训练过的任务，与能够基于先验知识进行推理的通用型人工智能有本质区别。

这意味着，如果想让自动驾驶车辆克服各种场景，就必须把这些场景提前找到并训练。常见的场景特别好找，但是有很多特殊的场景非常难碰到，也就是所谓的「长尾场景」。

理论上，我们只可能无限逼近而不可能彻底找到所有场景，所以没有解决的「长尾场景」太多，自动驾驶的事故率、故障率将居高不下，不仅严重影响安全，也会因为需要各种接管而无法商业化或者规模化。

（二）供应链离满足需求仍有差距

一方面，现有的辅助驾驶供应链难以满足自动驾驶的需求。

辅助驾驶意味着行驶中以司机为主，系统进行辅助，自动驾驶则以系统为主，司机辅助，甚至完全无需司机。

二者在设计理念和功能上存在很大区别，比如，相比辅助驾驶，自动驾驶对安全要求更高，需要更多的冗余备份。

目前，辅助驾驶供应链难以完全复用到自动驾驶产品上，但是市场上真正大规模出货的是辅助驾驶相关的产品，对大部分供应商来说，自动驾驶配套的部件开发难度高且暂时没有批量订单，因此，研发动力不足。

不少自动驾驶公司有针对场景的定制化开发需求，但供应商配合度不够高。

以底盘线控相关的部件为例，如果要实现自动驾驶，一定要有冗余，且有些功能需专门开发，比如在矿山场景，矿用车辆的底盘冗余设计就很难简单套用普通集卡的方案。

因此，目前不少自动驾驶公司已经被逼到不得不亲自下场做底盘相关的研发。

另一方面，自动驾驶相关的传感器尚未成熟。一些针对自动驾驶开发的传感器比如激光雷达、芯片等也还处于迭代中，离车规尚有距离。

而且，商用车比乘用车使用工况更复杂，比如矿山场景，道路环境差、昼夜温差大，冬天室外作业温度很低，一般的激光雷达没法满足要求。

（三）路权和商业模型不是主要阻碍

除了长尾场景和供应链的挑战以外，很多人还会想到路权和商业模型。但我们认为从长期来看，这两点不是主要的阻碍。

首先讨论路权。我国政府确实对自动驾驶车辆的路权开放有限，但目前我们离技术完全成熟的时间还比较长，我相信等到自动驾驶技术成熟以后，路权将不是主要阻碍。

有以下原因。

一方面，政府对自动驾驶技术普遍保持开放和支持的态度，北京和深圳等地都已经在积极推进相关立法。

另一方面，从政府的角度来说，他们主要担心的是自动驾驶车辆的安全性，如果能证明自动驾驶技术真的足够成熟，他们对安全性的顾虑也就不存在了。

其次是商业模型的问题。我们在上文简单分析了几个自动驾驶场景的商业模型，从测算结果来看，实现 L4 以后自动驾驶套件达成的降本效果非常明显。

另外还有两个因素需要再次强调一下。首先，人工成本在不断往上涨；其次，自动驾驶套件的成本会随着产业链的成熟和产品的放量不断下降。

综合来看，自动驾驶的商业模型一旦过了拐点，经济效益会越来越高。因此，从长期来看，商业模型不是主要的阻碍。

好了，以上是关于自动驾驶行业相关挑战的分析，这一讲的内容到这也就基本结束了。

我这一讲主要分享了自动驾驶领域落地最大的机遇和挑战。

我认为自动驾驶行业的机遇在于趋势非常确定且市场空间巨大。同时主要的挑战是长尾场景以及供应链问题的解决等，但我不认为路权和商业模型会成为主要阻碍。

最后，我想要来请你来谈一谈，你对自动驾驶行业的推动因素有什么看法？你担心落地会面临哪些挑战？

期待你在留言区的分享。

以上就是这一讲的全部内容，我们下一讲再见。

划重点

·自动驾驶解决的不是有和优的问题，而是有和无的问题；

·长尾场景是最主要的技术难点；路权和商业模型将不是主要阻碍。

本期制作

主讲：贺雄松 监制：朱山

编辑：叶方 后期：朱山

设计：陈溪阳 运营：灯塔

音频平台

喜马拉雅 | 小宇宙

Podcasts | 小鹅通

在以上平台搜索关注汽车之心

即可收听全部节目

「汽车之心 · 行家说」预告

3 月 10 日周四晚上 20:00-21:00， 易咖智车 CTO 柏俊波将做客汽车之心 · 行家说，聊聊「大热的滑板地盘会以什么节奏落地？」。