自動駕駛的發展歷經了五年左右的快速迭代，已經從技術革新走到商業化落地的階段。因為政策的支持，測試的范圍逐步擴大，貼近c端用戶的Robotaxi從2020年起開始規模投放，許多人都紛紛嘗試這個新鮮的物種。對于行業內人士來說，自動駕駛之路的商業化標桿看的是Robotaxi的進程，這也是行業的共識。

　　隨著百度Aopllo、小馬智行、Autox等自動駕駛企業向Robotaxi路線紛紛駛進，從各種積累路測數據再到線下商業化運營，無不展現著自動駕駛來到了全新的階段與拐點。

　　車企紛紛入場Robotaxi的邏輯

　　這兩年車企紛紛入場Robotaxi路線，是一個天時地利人和的選擇。

　　“天時”：整個自動駕駛行業的發展已經從實驗室的demo階段走出，落地到實際生活中，技術的發展相較來說成熟很多，落地的時機剛剛好；

　　“地利”：政策引導和支持，對于智慧道路的建設，真金白銀的補貼政策，支持自動駕駛車輛的商業化運營方面，政府以一個支持發展的姿態幫助車企更好更快的迭代；

　　“人和”：企業這些年積累的數據、算力、算法模型，打磨得很成熟了，需要時機去落地實踐、檢驗和回血反哺自己。

　　從計算機仿真的實驗室到真實路況中的下場秀肌肉，大家選擇Robotaxi路線的根本邏輯還是將其作為試金石，自動駕駛已經走過了用demo吸引資本的階段，想要講好故事，需要實力說話。吸引資本的最好方式就是拿真實運營的數據情況展現技術實力。資本燒了那么多錢，需要看到燒出來的成果。企業到了需要展現自己技術實力與造血能力的時刻。

　　此外，Robotaxi的商業化運營得以進行的另外一個原因就是政策，各大城市政策法規的支持與引導無疑是最大的助推劑之一，無論是車路協同中“智慧的路”基礎設施的建設，還是真金白銀的補貼支持，以及允許無安全員的情況下，自動駕駛的車輛可以上路并且進行商業化運營的方式，都在積極向車企招手吆喝“快來玩啊！”

　　Robotaxi商業化路線的推進過程中，車企們的實際商業化運營雖然各異，但是整體的邏輯如上所述，Robotaxi商業化路線對于整個自動駕駛行業來說，具有里程碑的意義，在商業化試運營的現狀中，我們會發現，是一片如火如荼的繁榮場面，但是進場時機再合適，入場邏輯再充分，落地的實際狀況還是跟想象有一些出入。畢竟商業化落地牽扯的層面較多，涉及到成本、運營商業模式、技術、安全、政策等方面，這個復雜的熵增大亂燉場面，也非常容易引起蝴蝶效應，每個要素的角度、發展有偏差，對整個行業的發展都有大的影響，商業化進程的征途也是荊棘滿滿。

　　商業化進程的荊棘

　　試運營的情境下，無論是數據還是車企火熱的下場姿態，展示出來的是一片繁榮的景象，但是繁榮的背后，只有車企心里知道的商業化之殤。

　　荊棘之一是規模化發展的需求與低成本的難平衡魔咒，規模化的發展不僅僅是給資本展現時數據好看，更重要的是在實際的運營中能夠積累很多價值經驗與數據，只要成本負擔得起，企業還是很樂意規模化發展，但是規模化發展的最大的問題就是成本高昂。

　　據測算，業內的一輛測試車的改裝成本就在100萬元左右，如果再算上運維成本和安全員等人力成本，這個數字只會更高。資本與企業心中都有一桿秤，企業核心的需求還是在盡量低成本的情境下獲取更多的商業化價值。規模與成本之間難平衡，成為了車企的心中的魔咒，規模大了成本就高，規模小了，拿出來的運營數據又沒有很大的說服力。

　　荊棘之二是技術成熟背后的安全與政策的拉扯，技術成熟度背后的本質不僅僅是炫酷功能的實現，技術實力的肌肉，更是安全可靠性，無論是對于生命財產的保障，還是車企的聲譽，誰也不想成為禍害自動駕駛產業的老鼠屎，因為技術不成熟在行駛中闖禍，提高行業的政策成本與門檻。

　　而安全就是政府最關心的事項了，政策的推行圍繞著安全有一定的限制性，實際開放的路段距離和時間有限，涉及觸達的人群數量也比較保守。關于政策，各地政府針對Robotaxi的路線和標準不一，有些地方比如北京可以支持無安全員的商業化運營，有些地方可能僅僅只是支持路測，對于商業化運營并沒有跟進的支持政策。對于安全方面，政策的態度還是比較審慎，一旦出現安全問題，可能轉臉就成為落地難的攔路虎，限制一些法規政策，誰也沒法兜住這個結果。

　　荊棘之三自動駕駛平臺、系統集成商以及整車制造商的生態體系還未完全建立，Robotaxi技術體系的搭建，標準協議的制定和推廣還未有頭緒，需要整個行業的號召與推動去完善。舉例來說，無論是自動駕駛出行服務還是Robotaxi的商業化進程，都離不開試點路測區域以及特定封閉區域如高速公路的智慧設備建設，成本高昂，只靠企業去建設有點困難，需要借助整個行業與政府的力量去完成。

　　荊棘之四是平臺收集的海量數據難處理之殤，自動駕駛技術和算法的訓練需要依靠大量測試車采集數據，無論是路上實際在跑的測試車輛還是商業化運營的車輛，千億級別的數據，其中有很多是重復的數據，辨別數據價值的成本以及有價值的數據需要優化標注處理的流程，研發成本過高，再疊加Robotaxi本身的成本，數據不太美麗。

　　而對于網約車平臺來說，海量的車載記錄儀的攝像頭數據并非是自動駕駛高精度攝像頭的數據，車載記錄儀中的實際數據是否能與自動駕駛需要的數據打通，以及該數據的真實效用有無價值，還有兩說，網約車平臺在Robotaxi路線中的所謂的天然數據優勢效用存疑。

　　Robotaxi的商業化征程并非一帆風順，無論是政策、安全，還是行業生態的建立，都需要時間的打磨，事物的發展規律需要成長的空間，誰也不是從嬰兒嘩的一下子長大成人，自動駕駛的技術發展至少走了十年的迭代之路，實際的商業化之路如果如履平地，不太符合道的規律，商業化的落地使用遇到的問題和政策還有很多場景需要學習，需要革新。

　　反脆弱——除了Robotaxi路線的其他商業化選擇

　　Robotaxi的路線最大的挑戰就是其成本，幾乎拿捏住Robotaxi發展的命脈。不論是搭載昂貴的激光雷達車輛本身，還是一二線城市的人力、場地運營資本，商業化的運營每跑一公里耗費的成本不僅僅是油，燒的是錢。Robotaxi路線不是想埋頭堅持就能繼續走下去的選擇，對于財大氣粗本身就有造血能力的百度、滴滴以及背靠資本爸爸的明星創企比如文遠知行、AutoX來說，燒錢也會燒出個未來。

　　對于依賴資本的其他企業陪跑的話耗不起，需要考慮其他的支持業務路線，在反脆弱一書中，這也是對抗單一路徑的聰明選擇，多方向拓展業務，將自己的反脆弱能力提高。對于一些企業來說，燒錢的Robotaxi路線商業化進程短時間內走不出來，企業需要開拓其他業務發展。很多企業也會選擇無人小巴、自動駕駛卡車等業務線，進行L4的量產落地。

　　比如小馬智行，雖然背靠資本大樹，但是在業務考慮方面，除Robotaxi的路線，還有常態化的自動駕駛系統業務與自動駕駛卡車業務線。小馬智行的自動駕駛技術與整車制造商、供應商進行深度融合、合作，打造可復制可量產的自動駕駛解決方案。今年的世界人工智能大會上，小馬智行發布了智能卡車，據悉，目前小馬智卡已經進行商業化運營，共完成了13650噸貨運運輸，商業運營里程達37466公里。

　　無論是像AutoX專注發展Robotaxi路線還是走小馬智行多業務并行的路線，自動駕駛發展的路徑多種多樣，走得長遠就好，雖然Robotaxi距離大規模運營之間，還有一大段山頭需要翻越，但是靴子已經落地了，好過在實驗室里電腦中跑，剩下的事情就是交給時間一點點去打磨，自動駕駛的未來，我們都能體驗到。