有关自动驾驶的讨论，伴随着新能源汽车行业的风起云涌一次次被推到台前，它太有吸引力了。试想一下L4级别的自动驾驶能力被应用到乘用车的场景：汽车可以不再有司机、方向盘乃至刹车，所有人都是乘客，人类不再需要关心道路与交通，一切都由算法和机器代劳。
这科幻般的前景一度引发市场对自动驾驶的狂热追捧，麦肯锡估计从2010年到2021年，传统车厂和自动驾驶初创企业为此投入了超过1000亿美元。
然而烧钱大战或许适用于互联网社交产品、新经济与崇尚规模效益的制造业，但L4级自动驾驶看上去不属于其中任何一种，硅谷创投圈流行的那句名言，fake it until make it 在硬科技面前败下阵来。
从2022年开始，自动驾驶行业开始了明显的收缩，融资金额急剧下滑，许多曾经的明星公司，或倒闭（Embark）、或市值大幅跳水（图森未来、Waymo、Mobileye），或干脆被大股东径直解散（Argo AI），而许多幸存下来的公司则对自己的业务方向进行调整，不再将全部资源投入无底洞一般的L4自动驾驶研发，转而切入更务实的辅助驾驶赛道。国内的头部企业中，小马智行去年11月宣布成立了辅助驾驶业务部门，文远知行则和博世达成了合作，将自动驾驶方案应用于L2到L3级别的前装量产中。
L4级自动驾驶看上去愈发遥远，有行业机构预测，到2025年，L2级辅助驾驶的汽车渗透率可能超过50%，但L3到L5级的渗透率可能只有1%多一点。
乘用车L4级的自动驾驶能力，看上去距离规模化应用越来越遥远。
藏在“角落”里的蓝海
一般人习惯于把自动驾驶和消费级市场，准确地说就是乘用车市场联系起来，这听上去十分合理。乘用车是个巨大的市场，自动驾驶的发展又遇到了新能源转型这个数十年来少有的汽车行业重新洗牌的关键时刻。
唯一的问题是，L4级自动驾驶在技术上还不能实现。
福特的CFO John Lawler说，大规模盈利的全自动驾驶汽车还需要至少五年。Waymo的首任CEO John Krafcik则说，自动驾驶的挑战性比之火箭发射更甚，甚至“可能根本不会实现。”
一方面，自动驾驶的研发需要巨额资金投入。另一方面，无论走渐进式还是跨越式的技术路线，短期内自动驾驶在乘用车领域无法做到绝对安全，哪怕是不考虑成本问题也是如此。因为没有任何一种算法可以穷尽开放道路上的所有情况，并自动进行妥善的应对。
彭博社的总结是，自动驾驶之路走完了99%，但剩下的1%是最难的。
坦率地说，依照目前的发展水平，自动驾驶，准确地说是辅助驾驶，很多时候更像是一个售卖的噱头，或者一个可供选配的酷炫功能，这一点甚至消费者自己也非常清楚，不会有人把方向盘完全交给机器并撒手不管。
但当我们把目光从乘用车市场跳脱出来，在一般消费者和市场看不到的地方，工厂的角落、矿山的深处还有港口的末端，工业级L4级无人驾驶正在落地生根。
这里是一片驳杂但需求极其旺盛的蓝海。
工业级自动驾驶是在每个细分场景中都有千亿规模的巨大市场，这一点往往为外界所忽略。就拿场间物流来说，其叉车、牵引车等车辆的存量高达270万到280万，如果每辆车按一个驾驶员算，这几乎与整个中国出租车驾驶员数量相当。
九曜智能的创始人、CEO史亮给我们算了一笔账，2010年整个中国制造业成本平均下来，一个工人一年大概是7万块钱，十年后，这个成本翻了一倍达到15万。随着人口红利消退，年轻人不愿意再从事劳动强度高、安全性差、职业天花板低的行业工业驾驶场景正是其中的典型，数据显示2020年中国有超过一半的货车司机平均年龄在40岁以上。
高企的成本和招工难的困境同时出现，这直接影响了许多工业流程的正常运转，比如露天矿山。华泰证券研报显示，每位矿用卡车司机的年用工成本达到20万元以上，而矿用宽体车和矿卡都需要配备3-5名司机，这两种车型一年的总用人成本可以达到七八十万乃至百万以上。而根据业内人士透露，操纵驾驶大型矿车的司机很少能做到十年以上，这意味着企业必须不停的寻找成熟的驾驶员，港口的状况同样如此。
除此之外，安全还是一把悬在所有人头上的达摩克斯之剑。就在2月22日，内蒙古阿拉善露天矿发生崩塌，造成多人死亡。
成本、效率和安全，工业驾驶领域的几项关键要素都在“为人所累”，因此它们对无人驾驶的需求也是最强的。
然而人是最活跃的生产要素，这一点却又在工业制造和物流领域体现的尤为充分。如果我们把工业制造领域的链条展开分析，会发现许多领域早已实现了自动化，比如工厂内部的室内物流。经过十多年的发展，中国这个制造业全链路大国有上千家公司提供这种室内物流的自动化设备。
可一旦走出室内，自动化水平就陡然降低。这是因为工厂内部的工艺流程是完全固定的，但工厂外的场景，无论是矿山、接驳货物的港口，抑或连接工厂与工厂、工厂与交通干线之间的场间物流网络，它们的运行动线往往随生产流程变化而随时变化，同时还面临许多突发情况，所有这些都需要人的介入来能动地调整。
因此，想要切入这个千亿级大市场，自动驾驶必须得满足上面的所有条件，足够安全，足够经济，以及足够智能，不仅是驾驶能力的智能化，还有针对工业场景的自动化能力。
此刻我们回头再看L4自动驾驶在消费级领域的表现，恐怕很难对其在工业领域的表现保持乐观，然而事实是，这片蓝海中已经有了不少的先行者，他们不仅技术上满足了上述严格的条件，而且走通了商业化落地的链路。
他们是怎么做到的？
在这里，人人都能做到L4
看惯了消费级自动驾驶，我们很容易把有没有人，车辆可不可以无人作为一个最重要的判断指标，但在工业级自动驾驶领域，头部玩家几乎都已做到了这一点。
下人是一个刚需，斯年智驾的CTO张娜说到，工业级自动驾驶必须做到L4级别，具体到斯年智驾，所指涉的领域就是港口场景。
这是工业级自动驾驶中一个被普遍认为最好落地的场景，市场规模大，标准化程度高，而对自动驾驶的需求更是格外旺盛。因为港口需要7X24小时不间断作业，而重卡司机还必须持有A2级驾照，在大多数时间里，司机始终存在着需求缺口。
目前斯年智驾开发的无人驾驶卡车和智能无人平板车（IMV）已经运行在宁波、唐山、珠海、厦门等七个港口。在一段演示的视频里，斯年智驾自主研发的IMV可以自动对接岸桥接驳集装箱，然后将其运输到指定的堆场，期间甚至可以与有人驾驶车辆混行。张娜表示，斯年智驾的无人驾驶方案甚至不需要对港口做过多的技术改造，也不需要设置安全护栏或过多的引导标志，基于云端车端一体化架构即可完成全港口、全工艺、全流程的无人运输作业。
斯年智驾的IMV可以安全地在有人与无人驾驶车辆混行的道路上行使。
矿山场景的头部自动驾驶公司，踏歌智行同样早在2020年就实现了矿卡安全员下车这是L4能力的一个标志；2022年，踏歌智行又实现了“安全员下车”常态化，所谓常态化即是车辆完全自主运行，真正参与到矿区生产工作中，也就是说整个矿卡的自动驾驶可以完全摆脱人的干预控制。即便在出现故障的时候，基于包括远程接管在内的多重安全冗余设计和机制，其无人运输系统也能提供足够的安全保障，同时为生产作业提供效率保证。
聚焦场间物流领域的自动驾驶公司九曜智能在2020年就提出了工业级无人驾驶的概念，并在2021年将之升级为全工作链无人驾驶解决方案。这种升级意味着不只是驾驶本身的无人化，甚至涉及到整个场间物流的所有工作环节史亮把它称为工艺流程，都应当实现无人化。
比如说，从干线物流中接驳货物，一直将它送入室内工厂加工，这其中贯穿了多个环节，除了卡车、叉车和牵引车本身的自动行驶能力，还包括了它们之间的互相衔接：叉车如何用最优方式接驳卡车上的货物，尽可能密集码放托盘实现空间利用率最大化？如何精准与牵引车做对接？牵引车又如何与工厂内对应的设备精准对齐？还有一些看上去非常微小，但对成本和效率有显著影响的点：比如对运货路径如何优化，确保充分利用运力，甚至是如何给新能源车辆充电。
在有人驾驶时，这些问题都是仰赖驾驶员的能动性，一旦把人去掉，这些流程则都要靠机器和算法来解决。为此，九曜智能甚至开发了号称是全球第一款的自动脱钩挂钩装置。
这背后贯穿着一个重要的方法论，在工业领域，仅完成单车智能驾驶是不够的，还需要实现对车辆与车辆之间，车辆和工艺流程之间的全自动化协同，唯有如此，工业级自动驾驶才是一套商业化可行的方案。这背后必须基于对工业场景的深刻理解。事实上，深耕场景这四个字不断出现在每一个自动驾驶企业负责人的口中，这反映出了工业级自动驾驶和消费级自动驾驶本质上的不同。
“客户不再需要演示系统。”踏歌智行研发副总裁邬海杰说，“他们需要的是生产系统。”只有在保证安全的基础上，降低成本，提高效率，工业级自动驾驶才有可行性。
“我是个老板，我不管你高大上，原本我花100万能搞定的事，如果自动驾驶要花200万，对不起，110万我都不会出钱。”史亮说到，to B的客户都是理智型消费，自动驾驶在工业领域要做的不是追求尖端技术，而是对场景本身的深入了解。
相比之下，L4级自动驾驶从来不是这些工业级自动驾驶厂商的核心追求。换而言之，实现它的难度远比消费级L4自动驾驶来的低。这其中最重要的原因是速度。场间物流车辆的最高时速在40km/h左右，同乘用车相差甚大。较低的速度意味着对算力需求的降低。有业内人士表示相比乘用车动辄几百乃至上千TOPS（英伟达的最新汽车芯片算力高达2000TOPS），工业级无人驾驶的算力需求在100TOPS以内，这无疑极大降低了成本。
但这并不意味着工业级自动驾驶没有难点了。
同一技术底座上开出两株花
从某种意义上讲，速度导致的算力需求降低几乎是工业化自动驾驶唯一“占便宜”的地方，除此之外，基于深耕场景逻辑，工业级自动驾驶所要解决的难点丝毫不逊色于乘用车只是大家走在了不同的方向上而已。
张娜给我们举了一个例子，港口货运最难的一个技术点是岸桥对位。岸桥是岸边集装箱起重机的简称，斯年智驾的IMV需要精准与其对接，才能装载集装箱货物，这被称为对位。然而由于环境设备遮挡，岸桥下难以依靠GPS实现定位，斯年智驾团队最开始的解决方案是对岸桥进行某种改造，比如贴一些标志物，以便激光雷达能够捕捉信号从而定位。但方案落地的过程中这种思路被否定了，因为改动岸桥设备会影响港口对其的维护。
最终斯年智驾自研了一套融合感知技术方案，能自动识别岸桥位置，在不需要对港口进行任何改造的情况下实现精准对位。
实际上融合感知技术在工业级自动驾驶领域的广泛应用已经成为现实，九曜智能和踏歌智行同样拥有一套自己的融合感知算法。尽管总体上他们的融合感知传感器同乘用车是一样的，都由视觉、激光和毫米波雷达构成，再加上GPS/RTK/DR等辅助，但它们的诉求却截然不同，这同样是基于落地场景。
九曜智能需要用算法保证极高精度定位，比如卡车倒车行驶时，其定位精度应达到2公分，这比乘用车自动驾驶要求的精度要高得多。而踏歌智行的矿山场景则要求传感器在种种恶劣的环境下依旧可以保证正常工作，邬海杰介绍的案例中既包括海拔超过5000米的高原、冬天气温低于零下40度的东北地区，还有气候相当潮湿多雨的南方。
另一个同乘用车自动驾驶不一样的地方是对云端中台的依赖。在有人驾驶时代，对车辆的调配和协同都由人来完成，自动驾驶则把协同的工作集中在云端，这看上去像是工业物联网在驾驶领域的应用，随着对场景理解的深入，云端中台将成为工业场景万物互联的入口，对自动驾驶车辆的调度协同是其中一个组成部分，终极的形态是让客户通过云端，如臂指使地调控应用场景中的一切。
这些同乘用车迥然不同的诉求都是基于场景深耕之后的产物，像是同样的技术底座上开出的两株花朵，只不过一个尚含苞，另一个已欲绽放。
蜻蜓将要飞走
面对 to B 客户，没有人会仅交付一套高精尖的技术。尽管最核心的逻辑上，工业级自动驾驶和乘用车自动驾驶是相通的，但在商言商，自动驾驶公司们都在努力给客户交付一套完整的解决方案：一个成熟的L4自动驾驶技术是远远不够的，客户需要的是不仅在技术上，同时也要在场景痛点上满足需求。
“技术的门槛相对没有那么高，但对场景的理解能力则千差万别。”一位熟悉工业级自动驾驶的行业人士表示。斯年智驾的第一个项目宁波港大榭码头在正式落地前经过了1000多项港口相关测试，九曜智能则为了满足客户的安全性需求，用8个多月的时间通过了欧盟CE检测和TV莱茵无人驾驶安全评估，踏歌智行则基于十余个矿、百余辆矿车、上万天系统的运行数据，最终实现了“虚拟安全员”系统对安全员的替代。
你可以把这些理解为扩张前的蓄势。事实上几乎每个人都提到了所谓先发优势，越早进入一个行业，越早洞悉痛点，就能越早累积经验。
邬海杰讲述了一次去矿区调研的经历，矿卡司机曾当面提出质疑：“我们坐在车上，听着发动机的声音和车身的振动，凭借经验就可以察觉到车辆状态可能出现问题，如果矿车无人化了，车辆状态有问题该如何识别和处理？”邬海杰当时的回答是，无人化以后，采集发动机的转速、噪音、振动等各类数据，通过深度学习算法，可以像“老司机”一样识别可能存在的问题，从而实现客户所需的车辆预测性维护。这是一个专家经验数据化、数据智能化的典型过程。
史亮同样举了一个例子，当时他们的系统已经在丰田车间上线，有一次车辆在自动运行的过程中突然暂停了七八秒，工程师们从空中看不到任何物体，直到分析地图时才发现，空中悬停了一个十公分的物体，那是两只蜻蜓。随后算法被修改，遇到类似的情况时车辆将会继续运行。
张娜把这种状况称之为场景和工程化的积累，因为类似的问题只有在方案落地的过程中不断遇到，相应的算法随之不断进行迭代升级才能解决。在这里，时间是一道迈不过去的坎，而当场景深耕足够到位，蜻蜓已然飞走，下一步才是规模化的复制和泛用。
这一步现在已经到来。九曜智能判断2023年为工业级自动驾驶的爆发元年，斯年智驾则想在今今年铺设不少于10个码头累计运营300辆无人驾驶车队，而踏歌智行仅去年在手的订单金额就达到了10亿，你可以将它理解为时间的回报。
工业级自动驾驶的急速发展同消费级自动驾驶的后退形成了鲜明对比，放到十年前恐怕没有人会预料到这样的结果。2020年，《智能网联汽车技术路线图2.0》发布，对未来15年汽车行业发展做出顶层规划，其中提到2025年在特定场景和限定区域实现高度自动驾驶，这一目标现在看来，即将由深耕工业场景的自动驾驶企业实现。
