这是自动驾驶发展史上的魔幻现实一幕。
公交自动驾驶、出租自动驾驶、观光巴士自动驾驶……
清扫车、巡逻车、微循环社区公交、摆渡车，都由自动驾驶系统驱动。
这甚至还不是某个特殊节日的演示。
在暴雨天、夜晚、早晚高峰的市区和主干道，它们都能照常运营无误。
之所以魔幻现实，是因为这样的场景来自现实，更因为它并非出现在硅谷或中国某一个以科技先进而知名的城市。
衡阳，位于中国湖南省中南偏南的一个三线城市，一个大多数中国人也只是通过“衡阳雁去无留意”而存有印象的地方……
率先把想象中的自动驾驶落地终局，变成了日常。
「衡阳模式」
一个三线城市，究竟有啥魔力？
原因与之前鲜少提及的自动驾驶落地模式有关，是一种来自“城市级”维度的高维商业化检验。
这个模式的构成，比之前自动驾驶商用落地中被讨论的任意一种，都更宏观。
它包含了三大方面：
车
路
云
车，单车智能。
直观的传感器，如激光雷达、摄像头、毫米波雷达，都在车端部署。
而且从传感器到计算力，都按L4 级自动驾驶标准来准备。
路，智慧道路。
车端类似的传感器之外，新增通信设备，包括通信单元RSU、5G 民用网络，以及计算设备，像边缘计算服务器。
如此改造之后，路端就变成了一个完整的交通感知系统——可以在路侧就感知数据，然后实时计算，最后第一时间将结果反馈给路上的自动驾驶车辆，协助其全知全能，实现车路协同。
云，AI云平台。
集合车端、路侧的全维度数据之后，建立数据模型，驱动实时计算、监测交通事件、分析交通态势，以及自动驾驶车辆调度，可以统一在云端还原智能决策。
这已不是之前常见的用于训练的那种自动驾驶云平台，而是具备了交通AI底层系统和应用运营系统的AI交通大数据平台。
如果要类比，你可以想象为一个机场的塔台、一个地区的通信总基站，也可以理解为一台电脑的操作系统。
因为这个AI云平台，实现了一座城市交通元素的全覆盖、分析、预测和调度。
而衡阳模式，就是这种车路云一体化落地的模式。
带来的效果也非常显性。
一方面，自动驾驶的城市落地展现出全面性，不仅有RoboTaxi、RoboBus，还有清扫车、巡逻车等。
载人也载货，乘用也商用。
另一方面，为自动驾驶落地中的长尾问题提供了更好的解法。
长尾问题，corner case，自动驾驶技术研发领域最提心吊胆的存在。
只要解决得不够到位，自动驾驶落地中的安全性，就难打包票。
但现实骨感之处，恰恰在于长尾问题的无穷无尽。
再智能的单车自动驾驶系统，即便完成了99.9%问题的准备，但如果在0.1%问题出现时应对不力，就会造成事故。
这也是自动驾驶落地开创者Waymo，推进 10 年，烧了上百亿美元，仍然难以在路况复杂城市落地RoboTaxi的关键原因。
夜晚、刮风下雨下雪、早晚高峰路况，以及各种各样异型交通主体，都可能造成自动驾驶系统的误判。
但如果在车端之外，拥有来自路端的传感数据冗余，再配备云端全局维度的计算和决策，应对长尾问题的能力，就能得到质变式提升，落地运营中的安全性和可靠性，也会有更高维度的保障。
在自动驾驶领域，这不算是新认知，但在衡阳之前，还没有哪一座城市、哪一个地方，真正实现车路云一体化的城市级商用落地。
而衡阳，项目总金额 5 亿元，用时大半年时间，验证了自动驾驶商业化落地的全新模式。
甚至被称为：终局模式。
三大自动驾驶商用模式
自AI变革开启，自动驾驶规模化落地有望成真以来，领域内出现了两大路线。
一种被叫做Waymo路线。
一种则被称为特斯拉路线。
虽然有技术选择和演进方式的原因，但更主要的还是两种不同的路线，代表着不同的商业化模式。
Waymo路线，有时也被叫做RoboTaxi路线，顾名思义，就是以RoboTaxi作为商业模式，以推出RoboTaxi产品、提供RoboTaxi服务来实现营收和盈利。
特斯拉路线，也叫量产自动驾驶路线，在量产车上率先应用自动驾驶，面向车主收取费用，最后在技术达到L4 之后，渐进到RoboTaxi模式上。
这两大模式，各有优缺点。
Waymo路线面向的受众广阔，提供的服务也更本质，变革涉及面也更为广泛，从出现的第一天开始，就被认为是交通出行的颠覆性变革。
甚至一度有乐观者畅想，人类很快既不需要考驾照，也不需要买车，RoboTaxi会实现汽车所有权到使用权的彻底性改变。
但Waymo路线的缺点，也在落地中暴露。
因为Waymo不仅以RoboTaxi为目标，而且还是单车智能基础上的RoboTaxi为目标。
这就意味着Waymo需要提供一位接近无限全能的AI虚拟司机，才能放心提供安全可靠的RoboTaxi服务。
为了达到这种标准，Waymo一方面在车端配备昂贵冗余的传感器，确保车端传感系统的准确率；另一方面还要在落地一座城市前，用规模庞大的车队实路路测，确保尽可能多的长尾场景，能在运营前被解决。
但过程中不仅费时耗力，所有的成本还都压在Waymo一家公司身上，并且随着落地紧迫性提升，压力还会更大，耐心也被一点点消耗。
所以作为自动驾驶商业的开山鼻祖，Waymo最先培养了人才、指出了商业模式，赢得了所有人的尊敬……但在落地实践中，却一而再被唱衰。
Waymo从最初分拆时被评估的千亿美元，不断缩水，在两轮外部机构参与的募资后，估值 300 亿美元左右。
然而现实更凛冽的是，即便如此，Waymo也很难给出规模化商用的时间表。
与Waymo遭遇的冷遇相比，走出产能阴影的特斯拉火爆异常。
因为特斯拉展现的自动驾驶可能性，市值随其交付量水涨船高，最新已经突破了万亿美元。
特斯拉路线在自动驾驶的商用上，优势显而易见，它的成本主要集中在系统研发阶段，一旦推向车端应用后，每一辆特斯拉智能车上路的地方，就是其开启路测的地方。
每一位特斯拉车主，不仅付费使用自动驾驶能力，而且在影子模式下，实际也是马斯克的义务安全员，他们需要时刻监控车辆在自动驾驶模式下的状态，并能在长尾场景、极端场景时紧急接管——其后系统就会针对性学习，不断迭代进化。
相比Waymo的自建车队、自养安全员，特斯拉推进自动驾驶落地过程中，也将成本压缩到了极致。
最大的问题，在于安全性和可靠性。
首先，特斯拉提供的是一套进化中的自动驾驶系统，或者只能称其为辅助驾驶系统，AI司机无法做到100%决策。
其次，人机共驾中的悖论没有消除——一个被AI部分解放的人类司机，要如何才能在紧急时刻迅速完成有效接管？
事实证明，放松状态的人类司机，几乎很难紧急接管，事故也就在所难免。
那么问题来了。
既然Waymo和特斯拉两种落地模式，优缺点都已经在实践中暴露，那自动驾驶商用，就有没有兼收并蓄的模式？
取Waymo和特斯拉之精华，避其短板。
有，依然以另一家国外公司来命名，这就是Cruise模式。
Cruise最早是独立的硅谷创业公司，后来被汽车巨头通用收归旗下，然后又在孙正义的主导下，并而复拆，吸引更多外部资本加速发展。
但因为Cruise这种独特的背景，也就让其采用“Waymo+特斯拉”模式成为可能。
一方面，Cruise直接面向Robotaxi，研发L4 级自动驾驶技术。
另一方面，它又把L4 级自动驾驶技术，降维释放给量产车使用，并且随着量产车上路，用实路数据迭代L4 自动驾驶模型。
在这种技术流和数据流的循环中，实现成本和安全、技术和商业的平衡。
这也是Waymo和特斯拉不断被热议中，Cruise模式越来越被看好的原因。
但Cruise具备的优势，主要还是站在单车智能的维度，而这个维度的推进，越往后越极致，基本属于科学问题。
为什么不能站上更高维度，用更全局的安全冗余审视？
比如车路协同。
实际上，Waymo、特斯拉还是Cruise，纷纷以单车智能维度落地，并不完全是认知不到位或“时代局限”，背后也有所处国家和地区的制度制约。
美国，并不是一个以基建狂魔著称的国家，也不在集中人力物力办大事的领域具备优势。
Waymo、特斯拉和Cruise，商用落地不得不偏向单车智能。
完成MVP验证的第四种模式
所以在自动驾驶的车路协同模式上，西边不亮东边亮，也就顺理成章。
车路协同模式下，聪明的车和智能的路相配合，不仅是技术能力上的提升，也能实现安全性上的冗余保障。
在推动自动驾驶规模化商用方面，优越性也不言自明。
首先，整体成本在降低。
车路协同可以让单车改造的成本降低，自动驾驶车辆普及和被接受都会提速，而路端的成本有公共服务分担，自动驾驶的成本不会压在一家企业身上。
其次，需求明确，营收前置。
Robotaxi和量产自动驾驶，都有市场教育过程，需要让用户认可、买单。
但车路协同，第一阶段的营收来自公共服务提供者，即To G。
从实践证明来看，中国城市公共服务对于自动驾驶技术的刚需明确，除了公共出行等方面的民生改善，还有清洁、巡逻等方面的人力短缺难题。
如果应用自动驾驶，可以显著提升城市效率和幸福感。
所以结果上看，不少城市都已经为自动驾驶方案前置买单，金额动辄数亿元。
衡阳案例中披露的是 5 亿元，而百度也通过财报披露过， 2021 年前三个季度，千万元级订单就已经超过 20 多个，并且如广州黄埔这样的地区，一个订单就达到4. 6 亿元。
商业模式和收入变现上，已经得到了证明。
最后，模式上还可持续。
车路协同的建设到提供服务，非常类似于云服务。
又因为其牵涉的资源和技术标准，客户更换的门槛不低，模式上的稳定性和可持续性也就更高。
但车路协同也不是完全没有挑战。
最核心的问题是：规模大、要素多，复杂性高。
车路协同模式里，车端系统、路端建设，以及云端协同，每一项都是大工程，而且最后还要实现数据层面的协同打通，做到一套实时系统的构建。
在之前中国互联网的发展历程中，曾有两家公司率先开启过类似系统架构的打造。
一家是百度，打造的是一整套信息检索系统架构。
另一家是滴滴，打造的一整套车辆实时调度系统架构。
但这两套系统，在车路云一体化系统面前，也是小巫见大巫，车路云一体化系统，涉及的数据量规模，对时延的要求，前所未有。
于是这样的车路云系统，一度也有极其强烈的出身论——
认为只有巨头玩家才能搞，在自动驾驶领域，综合技术实力、公司体量和资源整合能力，排资论辈之后，甚至名单上只剩百度和华为。
于是衡阳成果浮出水面，城市级自动驾驶落地成真，车路协同路线上第一个真正意义的城市级自动驾驶MVP——最小可行产品出现，外界反应也是理所当然的二选一：
百度？华为？
但答案出乎意料：都不是。
自动驾驶落地的终局
衡阳模式的打造者，来自一家此前并不被外界所知的公司：
蘑菇车联。
创办于 2017 年，从一开始就瞄准车路协同展开自动驾驶商用落地，并且获得了腾讯、京东、顺丰等在内巨头公司的看好和投资。
不过因为车路协同涉及面广、落地相比单车智能见效更慢，于是也很难站在聚光灯下。
直到此次，在衡阳一鸣惊人，一炮而红。事实上，该公司丛 2019 年在北京建成全国首个商用5G车路协同示范路段后，相继在苏州、上海等地展开尝试，衡阳项目签订后不久，其与河南鹤壁也签订了类似的城市级自动驾驶落地项目，公布金额为 3 亿元。
不仅是对自身技术等综合实力的证明，更验证了车路协同模式的商业化落地优越性。
蘑菇车联创始人及CEO朱磊，甚至认为“单车智能+车路协同”模式，就是自动驾驶落地的终局模式。
与自动驾驶产品是RoboTaxi、智能量产车等认知不同，朱磊从一开始思考自动驾驶变革，就是一种城市级思维和视角。
在朱磊来看，自动驾驶变革，就是给整座城市接通了“电力系统”，RoboTaxi、RoboBus和清洁车等等，都只是通“电”后的新应用而已。同时把车路协同引入这个系统，如同“电网”上增加的多重安全冗余。
只是区别于成熟的电力系统，自动驾驶现在还处于相对早期阶段。
既需要技术驱动，也需要实现商业驱动循环。
于是车路协同、把“城市”作为落地对象，也是这种行业特殊性的内在要求。
蘑菇车联的核心能力，沿着两大要素展开。
一是自动驾驶全栈技术提供商，包括车路云一体化整套解决方案，自动驾驶核心算法、硬件、操作系统和云控平台。
另一个就是自动驾驶的运营服务商，运营包括自动驾驶出租车、自动驾驶巴士、清扫车、巡逻车等全系列城市公共交通和服务车队。把自动驾驶技术嵌入实际运营场景中，比如自动驾驶公交服务，可能需要与公交集团合作，由公交集团采购或租赁自动驾驶车辆，蘑菇车联来提供运维的方案。
当然，在这种推进之下，最直接的优势是——两大自动驾驶落地的挑战和顾虑，有最优解了。
从技术落地层面而言，车路协同是安全性上最有保障的方式，理论上可以无限趋近100%。
在数据和信息全局性、及时性的基础上，可以实现决策层面更长时间的预判。处在这个系统中的车辆，如果可以提前预知 1 公里、甚至 10 公里外的所有交通信息，安全性将大大提升。
而从商业层面来看，自动驾驶落地的统一运营，更利于城市有序高效的管理。
并且只有所有的自动驾驶车辆都接入城市的统一管理服务，来做统一的调度和信息分享，才能真正解决城市的效率问题。
所以归根结底，衡阳模式之所以一鸣惊人，有技术能力的原因，但更本质的是战略构想的胜利——
此前自动驾驶的商业化落地，从未站到如此全局的维度来审视。
并且一旦城市级落地真正展开，厚积薄发的效应也会立竿见影。
朱磊透露，衡阳主干道和城区的基建改造花费了半年时间，但接下来，完成改装后进入落地的自动驾驶车辆，会在一定周期内达到几千辆，这将是自动驾驶落地前所未有的规模。
不过，朱磊反对把车路协同称为“第四种路线”的划分方法。
他说更倾向于1. 0 和2. 0 的划分。
1. 0 是以单车智能化为核心的自动驾驶技术；2. 0 时代则是以“单车智能+车路协同”的整套自动驾驶方案。
并且单车智能在任何情况下，都应该做到极致，这是技术发展的必然要求。
根据朱磊的介绍，蘑菇车联整套商业化路径会分三步走：
第一阶段是以技术服务商角色出现，提供软硬件的整套体系，有一定的商业和合作模式。
第二阶段也就是现阶段，是自动驾驶公共服务车辆的商业运营模式，典型特点是商业场景扎实，运营模型健康，但这个阶段不会追求高的毛利率，这是由场景的商业特征决定的。
第三阶段则是通过智慧交通的AI云服务，为自动驾驶车辆和普通车辆实时提供各种交通信息、导航、预警等服务。这个阶段会有较大规模的营收和利润，真正实现自动驾驶技术和商业价值的最大化。
至于该如何检验？
蘑菇车联CEO的回答，指向实践，唯有接二连三的成果才能证明。
目前，衡阳模式接近完成城市级落地验证，蘑菇车联又新增河南、湖北、浙江、四川等多个省市的自动驾驶商业落地项目，覆盖城市开放道路、园区、港口、机场、高速公路等场景。
此外，一个贯穿上下游的自动驾驶落地朋友圈，也逐渐成型。
其中囊括了多个通信运营商、网络安全供应商、汽车制造商、公共服务提供商、地方产业基金和大型投资机构等。
所以衡阳模式究竟能否快速复制？
很快就会有答案。
与此同时，自动驾驶的落地模式和江湖格局是否会得到改写？
也很快就会有答案。
原创文章，作者：carmelaweatherly，如若转载，请注明出处：https://blog.ytso.com/188812.html