近日，一款“無需激光雷達，即可實現L4級自動駕駛”的汽車在蘇州落地試運行。

　　關注自動駕駛賽道的人都知道，商業化是當前賽道的主旋律，所以單從“無需激光雷達”和“實現L4”來看，著實讓人感到興奮。

　　不過，這款由中智行、蘇州金龍和天翼交通三方聯合打造的“協同1號”只是一輛中巴車，本質上是基于車路協同方案的Robobus。

　　事實上，自動駕駛降本路線有很多，用“聰明的路”彌補低配車端感知能力的方式，只是眾多降本路線中的一種。

　　我們不妨從降本的角度，來觀瞧一下在單車智能領域還有哪些值得期待的技術路線。

　　商業化驅使下，降本不能只盯著激光雷達和高精地圖

　　事實上，相比前幾年，現在的自動駕駛所需的硬件成本比之前已經沒那么離譜。

　　以激光雷達為例，由于小鵬、蔚來等新勢力車企的造勢和高端智能汽車品牌的上車需求帶動，激光雷達產業鏈生態正在逐步走向成熟。

　　但是目前激光雷達的價格仍難以被主流用戶接受。

　　拿即將發布理想L9來說，一整套高階智能駕駛的BOM成本算下來達到幾萬元，只有豪車的利潤才能覆蓋自動駕駛系統的成本。而據行業調研，94%的受訪者可接受的激光雷達價格在5000元以下，可接受價格在500-1000元之間的占比39%。

　　可見，如果想要讓走量最多的中低端車型也用上激光雷達，目前的價格還是偏高了。

　　除了激光雷達，高精地圖也是一個重要的成本來源。目前圖商采取的主要采集數據手段，是通過專業的采集車進行集中制圖，其缺陷是成本高，更新慢。

　　即使有眾包采集方式作為補充，但是這種方式觸碰到了數據安全的紅線，遲遲難以付諸行動。所以目前很多車企和自動駕駛公司都提出要走“重感知、輕地圖”的路線。

　　激光雷達和高精地圖都是感知層面的降本，事實上，由于自動駕駛幾乎是一個全新的賽道，整個供應鏈體系基本上都有待進一步走向成熟。

　　為了讓整個自動駕駛解決方案物美價廉，絕不是單憑某一個環節的降本就可以完成，整個自動駕駛產業鏈上的供應商都有一方施展技藝的舞臺。

　　換言之，除了感知層領域的激光雷達和高精地圖，決策層的芯片和算法、執行層的線控底盤都有進一步降低成本的空間。

　　更重要的是，激光雷達和高精地圖固然重要，但已經涌現出比較明顯的頭部企業，產業鏈體系初具雛形。而線控底盤、自動駕駛域控制器這個兩個細分賽道還處于市場導入期，屬于紅利比較突出的賽道。

　　最近，成立不過半年的線控底盤廠商利氪科技獲得多家國內外頭部投資機構近2億元的資金加持;環宇智行、領目科技等域控制器廠商也在今年相繼拿到融資�？梢娰Y本市場對這兩個賽道青睞有加。

　　那么接下來，我們不妨看一看這兩個細分領域中，有哪些值得關注的降本路線，以及每個路線的主要特點。

　　線控降本：滑板底盤能回避技術難點嗎?

　　在自動駕駛的實驗室階段，并不需要線控底盤。但是想讓AI有媲美人類老司機的駕駛水平，線控底盤必不可少。

　　從技術角度來看，自動駕駛通常分為感知、決策、執行三個環節，在執行環節，輪子該怎么制動、怎么轉向，這和自動駕駛的體驗、安全性緊密相關，而在執行層面想要明顯提升對車輛的控制精度，就繞不開線控底盤技術。

　　通俗地來講，如果把一輛自動駕駛汽車看做人的身體，自動駕駛軟件就相當于人的大腦，攝像頭、毫米波雷達、激光雷達等感知硬件相當于五官，而線控底盤就是人的手腳和相關聯的神經和脊柱。

　　在線控底盤技術中，線控油門和線控懸架基本成熟，無須贅述。線控制動和線控轉向技術難度高，價格也高，市場滲透率較低。

　　在自動駕駛產業鏈國產替代的趨勢下，國產廠商已開始布局，其降本主要有兩種路徑：

　　第一種路徑是“一步到位”的滑板底盤。入局這個賽道的主要有Rivian、悠跑等廠商，他們的初衷是賦能車企輕松造車，自詡為智能電動車行業的“硬件安卓”。

　　從技術本質上來講，滑板底盤是線控技術的高階形態，可以看做是“全線控底盤”的延展，并且也支持自動駕駛。

　　根據滑板底盤廠商悠跑科技的宣傳，其HPVC 芯片上支持異構大算力計算平臺，最高算力可以拓展至 1,000 TOPS 以上，可滿足未來 L4 及以上自動駕駛的需求。

　　然而，滑板底盤降本的主要邏輯是標準化的滑板底盤帶來的規模效應，在新車開發前期降本有巨大優勢，但是后期的維修及回收成本偏高，需要量產規模均衡全生命周期成本。

　　更為關鍵的是，目前部分滑板底盤玩家正面臨尷尬的困境：和Robotaxi廠商的遭遇相似，由于技術難度太高、底盤關乎車企的利益等原因，為主機廠降本增效的夢想短期內不容易實現。

　　需要注意的是，對Rivian和Lucid這類滑板底盤廠商，馬斯克也不看好。他認為關鍵問題在于，在電動汽車行業，通常新車的利潤很微薄，大部分收入來自利潤豐厚的售后業務。

　　所以滑板底盤是一種生產模式和商業模式的創新，巧妙之處是回避了線控的技術難點，試圖讓線控廠商作為次級供應商，然而后者有多少合作的意愿也可能會是一個問題。

　　第二種路徑，則是尋求更低成本的線控技術方案。

　　線控技術的成本之所以高，是因為安全冗余的要求隨著智能駕駛的等級提升，這方面的成本占比增加不少。

　　“成本是一個不能忽視的障礙，因為線控驅動的可靠性與后續智能駕駛的功能安全緊密相關，尤其是進入L3+階段，系統需要備份冗余。”一位自動駕駛公司的技術人員向談擎說AI表示。

　　事實上，從很多車企都卡在L3也能看出，L3就是衡量一套自動駕駛系統適用性和可靠性的分水嶺。原來由駕駛員完成的后備操作，現在要求AI自主完成，這對自動駕駛系統提出的要求上了一個大臺階。

　　既然冗余配置的部署逃不掉，那么如何降低冗余成本，就成了線控廠商追趕博世等國際Tier 1巨頭的突破口。

　　對于線控制動技術，此前的主流路線是Two-Box方案，而現在成本更有優勢One-Box方案正在占據更多的市場。

　　根據佐思的統計數據，Two-Box目前仍是線控制動市場的主流，但市場占比從2021年的76.6%下滑至2022年前五月的62.8%，而One-Box的占比從20.5%躍升到34.6%。

　　事實上，Two-Box最大的優勢正是能滿足在L3自動駕駛工況下的制動冗余需求，而One-Box產品能逆襲，是因為通過額外冗余功能組件，也能滿足高階自動駕駛的安全冗余需求。

　　更為關鍵的是，One-Box路線在能量回收方面要優于Two-Box，因為它回收能量的效率更高。而能量回收效率高，意味著電池的能量利用率間接提高了。特別是在剎車頻繁的市區工況下，同樣續航里程的電池包可以更小，電池成本也間接降低了。

　　與滑板底盤的降本思路相比，這種路線看似減配(少用了一個ECU芯片)，但后期又能通過額外組件滿足高階自動駕駛的冗余需求，不失為一種平滑的“漸進式冗余”路線。

　　此外，線控底盤技術中難度最大的線控轉向，依賴于自動駕駛技術的成熟，是一塊很多廠商都不愿碰的硬骨頭，不過國內已經有自動駕駛廠商開始瞄準該領域。

　　6月8日，百度旗下集度汽車發布了采用線控轉向技術的ROBO-01概念車，可支持車輛在自動駕駛模式下的可變轉向比。

　　而此前集度、蔚來、吉利等廠商成為線控轉向技術發展和標準化研究的聯合牽頭單位，將牽頭線控轉向相關國家標準的制定。

　　多家主機廠之間的合作，有希望加速線控轉向技術的國產替代，而線控轉向技術的標準化是實現規�；�的前提，從長遠來看，國產替代勢必也將有助于自動駕駛成本的進一步降低。

　　域控的競合博弈與另辟蹊徑的“送水人”

　　在汽車智能化的今天，域控制器是軟件定義汽車的關鍵。

　　智能化趨勢下，汽車搭載的傳感器數量暴增，導致車載ECU(電子控制單元)過多，冗長的線束增加了制造成本與重量，也浪費了芯片的算力和成本。

　　未來智能汽車需要全生命周期內可通過OTA更新功能，想做到這一點，要求軟硬件必須分離，這就離不開域控制器。

　　對自動駕駛來說，行泊一體的域控方案相比傳統的行車和泊車兩套系統，可以省去一套硬件設備，底層軟件和中間件的標準統一之后還可以縮短開發周期，是自動駕駛量產的推進劑。

　　特斯拉的Model 3是最先搭載域控架構的車型，采用自研的雙FSD芯片，NPU在同等面積下相比英偉達Orin芯片有更高的性價比，這也給其他車企打了個樣。

　　在域控制器成為自動駕駛必修課的趨勢下，自動駕駛公司在“是否有必要自研域控制器”這件事上出現了分歧，而導致分歧的其中一個重要緣由還是成本。

　　第一種路線，是索性放棄自研自動駕駛域控制器。比如Momenta和博世合作，易控智駕和華為合作。

　　從短期來看，放棄自研的好處很明顯。且不說域控制器的生產涉及到與多家供應商的合作，單是試驗和檢測設備就是很大一筆重資產。

　　據華為在去年上海車展發布的宣傳片，為建造車BU的GCTC車規級實驗室及測試設備的投資超過10億元。在融資收緊的當下，自動駕駛初創公司顯然難以承受這樣的費用。

　　所以放棄自研明顯節省了巨額研發成本。不過放棄自研后，也并非可以高枕無憂。

　　對自動駕駛廠商來說，選擇供應商意味著與后者的生態綁定，可能會導致自動駕駛技術同質化。

　　而且從長遠來看，主機廠對一家供應商形成依賴后很難有議價權，采購成本未必會很低，在缺芯的時期更是如此。

　　此外，英偉達芯片的功耗和利用率上一直在行業內被詬病。“無論怎么優化，英偉達Xavier、Orin的利用率基本上就是30%。”一位行業人士向談擎說AI透露。

　　芯片有一大半的算力處于閑置狀態，對于自動駕駛公司來說，意味著付出了不必要的成本。

　　第二種路線，是自研自動駕駛域控制器。自研域控的自動駕駛廠商中，一個很有代表性的企業是小馬智行。

　　小馬選擇自研路線的出發點是，市面上的域控制器雖然也基于英偉達搭好的框架，但并不能完全滿足自動駕駛應用的要求，授權合作方對軟件優化設計很難有深刻的理解，也難以做到軟硬件系統深度優化。

　　而小馬智行針對自動駕駛在性能、安全、成本、體積等方面，可以推出更適合的自動駕駛域控制器。

　　說通俗一點，英偉達的域控方案相當于一個“毛坯房”，小馬智行的手藝在于，在毛坯房的基礎上搞“精裝修”。這種降本路線的精髓在于，由專業的人做專業的事，實現優勢互補。

　　不過，小馬智行選擇自研也不能說沒有擔憂。需要注意的是，其自研域控制器也是基于英偉達的架構設計。而英偉達為了應對競對Mobileye的縱深布局，似乎也不甘于只提供“毛坯房式”的方案。

　　去年，英偉達推出了最新的完整硬件和軟件架構——Hyperion 8，基于此架構和奔馳深度合作的自動駕駛汽車將在2024年落地。

　　這意味著英偉達的野心越來越大，未來英偉達與車企的合作將不止于芯片，還有NVIDIA DRIVE平臺、云地圖，甚至還有整套打包好的軟硬一體解決方案。

　　那么一個問題就來了，當英偉達在自動駕駛方案上足夠深入，如果其整套解決方案已經到了“傻瓜化”的地步，相當于吃掉了自動駕駛方案的大塊蛋糕，留給小馬智行們的可能是一些利潤不高的“邊角料”。

　　由此看來，在域控領域的布局上，國際Tier 1巨頭和自動駕駛公司之間的競合博弈可能在未來還有一些變數。

　　不過，同樣是優勢互補，為域控制器研發配套的車端數據庫則是一種獨辟蹊徑的降本思路。

　　在互聯網領域，Oracle奪得第一大數據庫供應商已經有很多年，其數據庫產品是互聯網領域的基礎設施，可以稱之為IT領域躺著掙錢的公司。

　　今后智能汽車所產生的數據只會越來越多，能否在智能汽車領域復刻Oracle的神話呢?

　　這個問題暫時還不好下結論，但已經有企業開始這么做了。

　　據天眼查顯示，一家名為智協慧同的跨車云數據驅動賦能公司剛剛獲得了數千萬人民幣的A輪融資。

　　智協慧同開發的vData邊緣數據庫產品，是首個為汽車定制開發的時序數據庫，基于此研發的ExceedData車云計算解決方案去年在高合汽車上量產交付。

　　對車企來說，通過數據驅動方案，能夠在保證數據質量和精度的前提下，使量產車的智駕數據采集、傳輸、計算等成本大幅降低，為自動駕駛域控的降本提供了另一種思路。

　　寫在最后：

　　商業化的趨勢下，自動駕駛玩家生存不易，降維求生是多數廠商的選擇。

　　而主機廠在英偉達、博世、華為等國內外供應商的協助下，可選擇的自動駕駛方案越來越多。對自動駕駛創業公司來說，技術降維后所能提供的低階自動駕駛方案不再稀缺，“降本”成為活下來和殺出重圍的關鍵。

　　當然，自動駕駛產業鏈復雜，每個環節都有不同的技術路線。除了上面提到的線控底盤和域控制器，還有虛擬仿真、大SOC芯片、數據平臺等多個細分領域有待進一步挖掘，比拼將會是多個維度的較量。

　　換句話說，現在的自動駕駛競爭早已不再是算法游戲，更考驗的是工程力和產品力。