文| 腾马丁博士
车图腾出品，未经许可，谢绝转载
作为交通工具的终极梦想，一台无人驾驶汽车，成本要多少钱？
2012年，谷歌曾对外宣称自己的无人驾驶车辆成本高达30万美元，当时特斯拉Model S的售价为4.99万美元。如果是这样的成本，那么大规模普及几乎是不可能的。
在无人驾驶技术发展的这些年里，无论是传统主机厂还是科技公司，一直在努力平衡成本与性能，虽然在本来被预测为无人驾驶汽车爆发之年的2019年，各大主流公司并没有给出一个完全成型的解决方案，无人驾驶看起来还很遥远，但好在，“激光雷达+定位组合+高精度地图”的基础架构已成为共识。
并且，沿着这条路径，在各方力量的努力下，无人驾驶汽车的成本正在迅速降低。
昂贵的“感知”
要了解无人驾驶汽车的成本构成，就要先了解其基本构造。
从定义上来讲，无人驾驶汽车是通过车载传感系统感知道路环境，自动规划行车路线并控制车辆到达预定目的地的智能汽车。
无人驾驶系统的核心可以概述为三个部分：感知、规划和控制。
首先，感知是指无人驾驶系统从环境中收集信息并从中提取相关知识的能力。例如障碍物的位置，道路标志的检测等等。一般来说，定位也是感知的一部分，是无人车确定其相对于环境的位置的能力。
其次，规划是无人车为了某一目标而作出一些有目的性的决策的过程，这个目标通常是指从出发地安全到达目的地。
最后，控制则是无人车精准地执行规划好的动作的能力，属于执行层面。
在以上三个部分中，感知层面的硬件和软件，可能要占到一台无人车成本的大部分。这也是无人车普及路上的最大瓶颈。
要想无人车加速普及，啃下这块硬骨头是当务之急。
绕不过去的激光雷达
在感知层面，无人驾驶系统通过融合激光雷达，毫米波雷达，摄像头等多种传感器的数据来获取环境信息，我们可以理解为无人车的“眼”。
这只“眼”有多贵？
据了解，初代车用级激光雷达的成本高达10万美元。可以说，无人车之所以贵，激光雷达是“罪魁祸首”。
激光雷达是一类使用激光进行探测和测距的设备，它能够每秒钟向环境发送数百万光脉冲，它的内部是一种旋转的结构，这使得激光雷达能够实时的建立起周围环境的3维地图。
激光雷达虽然贵，但线数多的激光雷达成像十分清楚。目前，Velodyne LiDAR的激光雷达产品售价在8,000-75,000美元。
毫米波雷达目前成本比较低，受天气影响比较小，不受雨雾影响，同时晚上也可以正常工作。但毫米波弱点是其波束比较宽，对物体的角度分辩率很差，一些细节是分辨不出来的。
在性能与成本的抉择中，大家的选择不同。
比如，马斯克就宣称：“任何使用激光雷达方案的人都是大傻X，注定失败。”特斯拉研究无人车，坚持使用毫米波雷达+摄像头的模式。
有意思的是，有报道说特斯拉也有车顶着Velodyne的激光雷达在做测试，说明他们也认识到单靠摄像头和毫米波雷达可能不是最终的解决方案，还是需要加上激光雷达。
突破技术还是扩大规模？
目前来看，降低激光雷达的成本主要有两个手段：一是在技术层面实现突破，二是扩大生产规模。
第一种方案是将机械激光雷达发展为固态激光雷达，后者体积小，成本低；第二种方案是尽快将激光雷达规模化，这也是非常值得期待的：谷歌给出的数据是，它所采用的激光雷达成本从2009年7.5万美金降至2017年的7500美金，这个数字下降了十倍！也有很多初创公司，致力于将固态激光雷达成本缩减到100美金。
总之，目前无人车之“眼”激光雷达的成本约为$90-$8000美元。请注意，这只是单只的价格，每台无人车大概需要6-8个，苹果无人车就是6个。
除了雷达，无人驾驶汽车上的其他部件成本如何呢？
根据波士顿咨询团队的一项研究显示（2015年），一套无人驾驶系统（不完全）的成本构成大致如下：
GPS：车用GPS比手机GPS精度高几十倍，作用是导航定位。（$80-$6000）
摄像头：监控路面环境，记录环境状况。（单向$125-$150/全方位$150-$200）
测距传感器：辅助GPS。（$80-$120）
超声传感器：感应车辆周围的近距离物体。（$15-$20）
雷达传感器：监控路面环境。（近程$50-$100/全方位$150-$200）
中央电脑：像大脑中枢一般，分析传感器的各项数据，根据交通规则控制车辆行驶。
需要说明的是，以上各部件成本都存在区间，这是根据不同性能划分的。如通过每种零部件你只选择价格最低的，那么你得到的也只是一台非常初级的无人驾驶汽车。
大众汽车集团战略负责人托马斯塞德兰称，仅仅目前的L3级智能驾驶（距离L5有很大距离）的传感器、处理器和软件已经花费了大约5万欧元。他希望降成本降低至6,000至7,000欧元左右，但前提是“这需要激光雷达技术创新的巨大飞跃。”
而这还不是一台半/全无人驾驶车的全部成本。在试用阶段，高精度地图和云计算预计将增加数亿欧元的年度成本，这部分成本是分摊给企业、政府，还是消费者？如果没有明确的商业模式，可能很难长期保持这种支出。
