无人驾驶在技术上不成问题，更重要的是车能长期、大规模地跑起来并不出问题。因此，从推广无人化应用的节奏来看，限定路段或固定场景的商用车推广速度更快。
在未来，车路协同是无人驾驶的“升级路线”，即车辆高度融入智能路网。路网承担大部分信息感知和运算功能，并指引、协调车辆高效、安全行驶。
◎上海证券报 记者 陈雨康
在电影《流浪地球2》里，零下30摄氏度的极寒天气下，拥有“超强大脑”的无人驾驶矿卡也能高效作业――这一场景令观众印象深刻。实际上，现实生活中无人驾驶在很多场景中已有应用。
前进、倒车、刹车、拐弯、上下坡……在内蒙古包头白云鄂博铁矿东采场内，高大的矿卡装载着沉甸甸的矿石，在蜿蜒起伏的矿坑里作业，平稳行驶的矿卡驾驶室里空无一人。
而在北京亦庄的宏达工业园等产业园区内，无人零售车“承包”了白领的早餐。赶时间的白领只要在车前招一招手，无人车便会立即停下，供大家扫码点餐。
“在马车时代，汽车首次亮相于马车道上，大家都担心扬起尘土、鸣响喇叭让马受惊等问题。随着汽车保有量增加，汽车专用道、高速公路渐渐成为主流，马车道则退出时代，只在部分旅游景区保留下来。”友道智途CEO王瑞对上海证券报记者表示，无人驾驶也正处于这样的转折期。短期内，无人驾驶车仍会以单车智能的形式穿梭于传统路网内。未来，随着无人驾驶车占比提高，一定会出现服务于无人交通工具的智慧路网，V2X即车路协同将成为终极目标。
记者近期在多地调研发现，目前，在港口、矿山、园区等封闭或半封闭场景中，无人驾驶技术基本可以实现人工替代，挑起了沟通和运输的“大梁”，并逐渐进入商业化阶段。而民用无人驾驶技术如无人驾驶出租车只在特定区域中应用，真正实现商业化仍有很长距离。
特定场景下无人驾驶大显身手
从上海临港(12.920, -0.03, -0.23%)物流园区出发，途径东海大桥抵达洋山港四期码头，全长30多公里的车程均是无人驾驶――近日，记者体验了友道智途智能重卡测试车辆。驾驶室内，随着后台发出起步指令，方向盘自动打转，牵引着重卡转弯。车在无人为操作的情况下缓缓加速，并稳稳驶上东海大桥。
此刻，左边驾驶座上的安全员目视前方，双手微微搭在方向盘的边缘，以防突发事件。在行驶过程中，安全员几乎没有任何操作，加速、减速、变道、刹车等均靠数据、算法和人工智能支撑。右侧副座的工程师则时刻关注正前方的可视化数据屏幕，速度、路况、行驶轨迹等信息都被实时记录。
作为全球最繁忙的集装箱港口之一，上海洋山深水港具有强烈的“无人化”转型诉求。
“从临港物流园区通过东海大桥至洋山岛港区，来回72公里的开放道路涵盖了普通道路、高速公路、隧道、码头、堆场、低附着路面和潮汐式大交通流量等复杂场景。同时，还要经受雨、雾、强侧风及7级以上台风等极端天气考验。长期以来，受到陆路运输和货轮靠离泊作业时间不匹配等客观因素影响，港区和东海大桥呈现潮汐式拥堵，制约了疏港效率，这为自动驾驶商业化落地提供了天然场景。”友道智途智能驾驶中心系统测试工程师周干表示。
在矿区、港口、机场、园区、干线等封闭或半封闭场景下，商用车自动驾驶已率先踏入商业化阶段。究其原因，一方面，B端用户对商用车价格的敏感性更低；另一方面，矿区、港口等场景也具有“减员化”“无人化”的内在需求。例如，港口集卡司机长时间在封闭区域内重复驾驶，易感到疲劳。矿区由于环境恶劣，安全问题频发。这些需求痛点，可以通过无人驾驶技术来缓解。此外，封闭或半封闭场景的交通复杂程度较低，无人驾驶技术的落地适配性更强。
“什么地方可以把人工成本省下来，什么场景、什么车型能支持无人操作，友道智途就重点突破这些场景。”王瑞表示，矿山的自动化成熟度较高，其设备和道路情况对自动驾驶较为友善。港口内各种设备、桥吊、轮胎吊均可实现无人控制，易和自动驾驶设备完成系统对接。
据专家预测，港口自动驾驶有望在近两年出现爆发式增长，并在2025年前实现大规模应用。矿区和“最后一公里”配送自动驾驶有望到2025年实现大规模商业化。而自动驾驶干线物流则有望在2030年前实现大规模商业化。
如何跑通无人驾驶商业模式
在记者体验智能重卡测试车辆的同时，友道智途旗下的智能重卡车队正日夜兼程地往返于临港深水港物流园和洋山港四期码头之间。
记者看到，在东海大桥最右侧车道上，5辆长约17米的智能重卡排成一列，保持着约20米的间距，以约80公里/小时的速度行驶。和普通卡车不同，这5辆重卡仅首、尾两辆车内坐着安全员，中间3辆重卡的驾驶舱空无一人。这是国内首个社会道路常态化“真无人”运营场景，在2022年底落地。
周干介绍，具备L4自动驾驶能力的智能重卡进行5车编队跟驰运输作业，能缓解吞吐量翻倍增长造成的东海大桥通行压力，提升至少40%的通行效率，节省至少80%的人力成本。
随着通行效率提升，今年友道智途定下了更高的目标：2023年在洋山港完成20万标箱的运输任务――这个目标较2022年翻了1倍，较2021年增了4倍。
记者在调研中了解到，受多重因素影响，安全员是无人驾驶交通工具的标配。很多业内人士认为，无人驾驶商业模式要跑通，实现收支平衡甚至盈利，最关键的是实现“真无人”，把人工成本降下来。
据第三方机构估算，国内一辆重卡驾驶员的平均人工成本（一般每辆车配2名驾驶员）约为每年30万元至40万元，占整辆重卡物流运营成本的一半左右。
王瑞对记者表示，如果人力成本大幅下降，产业链上下游将共享红利，无人驾驶模式实现规模化，方能凸显商业价值。
业内普遍认为，相关政策、法规的完善将进一步推动无人驾驶产业化进程。例如，《上海市浦东新区促进无驾驶人智能网联汽车创新应用规定》于2023年2月1日起施行。在业内人士看来，该规定发挥了浦东新区先行先试的作用，是首部聚焦在L4级及以上自动驾驶系统的地方专项立法，将进一步推动智能网联汽车商业化应用和运营政策的整体落地。
毕马威中国汽车行业相关负责人表示，根据现行法律法规，无人驾驶场景下发生交通事故，各主体相关责任如何划分尚缺乏依据。此外，《中华人民共和国公路法》和《中华人民共和国保险法》尚无有关自动驾驶的条款。
RoboTaxi为何被关在“实验室”
在无人驾驶的众多应用场景中，RoboTaxi（无人驾驶出租车）无疑是最具商业前景的。英国商业咨询机构IHS Markit预计，中国RoboTaxi市场规模将在2030年达人民币1.3万亿元。毕马威中国汽车行业相关负责人表示，RoboTaxi是自动驾驶技术的巅峰。其中，自动驾驶网约车服务最为复杂，要求具备较高安全水平、明确的政策。
尽管配套技术基本成熟，RoboTaxi仍像被关在“实验室”里，运营范围局限于部分街区，其日常行驶离不开人工介入。
坐落于上海西北角的上海国际汽车城是国内首个智能网联汽车试点示范区，更是全国“无人驾驶”创新策源地之一。在这里，面向商用的自动驾驶出租车已经上路，并向公众开放体验。
2月下旬，记者来到上海汽车城地铁站，并在上汽集团(14.250, -0.02, -0.14%)旗下享道出行App上预约了L4级自动驾驶出租车。在等待了约5分钟后，一辆自动驾驶出租车抵达起点，从外形看和普通出租车并无差异。
坐上后排右座后，映入眼帘的是普通平板电脑大小的智能屏幕。通过人脸识别后，屏幕显示处于“人工托管”模式，驾驶座上的安全员随即操作车辆掉头。随后，出租车进入自动驾驶模式。此时，方向盘已完全进入“自转”的阶段，安全员仅需单手搭在方向盘边缘。
记者正前方的智能屏幕上，车速、路况、路线、预计达到时间等信息一目了然。当行驶在较为空荡的马路上，这辆车很快自动加速到了约50公里/小时。进入车流密集区，车速则动态下调至约30公里/小时。同时，屏幕上的路况信息元素更加多元，除了周边正在行驶的车辆外，绿化带、外卖电瓶车、行人、停在路旁的共享单车乃至施工警示柱都被清晰呈现。
在靠近车流密集的十字路口时，屏幕显示车辆再次进入“人工托管”模式。安全员接管车辆并驶过路口后，这辆车迅速回到自动驾驶模式。
行驶约10分钟后，车辆抵达终点站。在这趟2.2公里的体验中，约90%的路程是安全员未介入的纯自动驾驶。
上汽集团相关负责人表示，享道出行RoboTaxi目前仍处于试验阶段，从技术上看已基本成熟，但尚难实现盈利。无人驾驶出租车步入真正的商业化仍需要法律、政策等方面支持。
有业内人士表示，目前允许无人驾驶出租车测试的街区路况较为简单，因此参与测试的企业只能缓慢积累具有代表性的数据，改善面向正常城镇路况的算法。换言之，正因城市道路测试不足和数据缺乏，无人驾驶出租车更加难以获得在常规道路上的运营许可。
王瑞表示，对无人驾驶产业而言，最重要的是把所有长尾效应辨识出来，并提出较好的应对方案。“把车跑起来在技术上不成问题，更重要的是车能长期、大规模地跑起来并不出问题。因此，从推广无人化应用的节奏来看，限定路段或固定场景的商用车推广速度更快。”王瑞说。
超现实的蓝图：车路协同
据悉，无人驾驶解决方案存在单车智能和车路协同两种路线。单车智能，即通过摄像头、雷达等传感器和高效算法，赋予车辆自动驾驶能力。当前已面世的智能重卡、RoboTaxi等均为单车智能。
在未来，车路协同是无人驾驶的“升级路线”，即单车高度融入智能路网。路网承担大部分信息感知和运算功能，并指引、协调车辆高效、安全行驶，让车充分“解放”。
网宿科技(7.030, 0.00, 0.00%)副总裁胡世轩给记者打了个比方：“目前，两辆车在路上发生轻微的擦碰事故，车主只需在交管部门App上拍照、上传信息，这比以前方便许多。然而，在未来车路协同的场景里，两车发生擦碰事故，车主可以直接开车离开。这是因为关于车辆行驶和事故的数据已由路边的激光雷达和车载摄像头存储、上传，后台通过数据分析就可分析出事故责任方，保险公司也会据此进行定损和理赔。”
业内普遍认为，在车路协同的场景下，自动驾驶落地更容易、成本更低，且能提供更多安全冗余。
“单车智能的一大问题在于成本高、效率低。单车要配备高精度的摄像头、雷达等设备收集数据，并配有高级别的芯片来承担算力功能。同时，单车无法从全局掌握路网情况，行驶效率较低。”网宿科技高级技术专家刘瑜表示，若把大部分数据存储和计算的职能转移到路端和云端，对车辆本身的要求会大大降低。
在国内部分示范区域，车路协同已初现雏形。
在位于北京亦庄新城的北京市高级别自动驾驶示范区内，当地司机常感觉红灯次数变少或等待时间变短，甚至一路畅通实现了“绿灯自由”――这得益于高水平的智能化路网协同改造。2020年9月该示范区成立以来，历经两轮信控优化，十字路口能根据实时交通运行数据，动态调整路口红绿灯时长，从而均衡响应各个方向的交通需求。
据北京市高级别自动驾驶示范区工作办公室相关负责人介绍，目前北京市高级别自动驾驶示范区涵盖329个智能网联标准路口、双向750公里城市道路和10公里高速公路，实现了车路云一体化功能覆盖，城市级工程实验平台初具规模，车-路-云-网-图-安全高级别自动驾驶标准体系搭建完成。
而在车路协同的场景里，无人驾驶是表层应用，数据和算法则是支撑整个场景的基础设施和底层结构。
“目前的自动驾驶已解决99%的问题，剩下的1%却需要付出更多努力。真实数据和仿真测试是训练自动驾驶进一步优化的两个必要路径，两者都需要超大算力支持。”胡世轩表示，若车路协同有朝一日成为落地的新赛道，数据的存储、传输和计算都将高速增长。网宿科技可以在其中扮演基础设施服务商的角色。
在刘瑜看来，车路协同场景下，边缘计算节点极有可能像如今的5G基站一样遍布各地。
“就像一个人走过不同的区域，手机也同步切换不同的5G基站――若车路协同场景得以全面铺开，边缘计算节点会像5G基站一样在各个路口广泛设置，车、路、云通过各个数据中心进行数据交互和运算，才能实现真正的智能驾驶。”刘瑜表示。
