這是自動駕駛發展史上的魔幻現實一幕。
公交自動駕駛、出租自動駕駛、觀光巴士自動駕駛……
清掃車、巡邏車、微迴圈社群公交、擺渡車，都由自動駕駛系統驅動。
這甚至還不是某個特殊節日的演示。
在暴雨天、夜晚、早晚高峰的市區和主幹道，它們都能照常運營無誤。
之所以魔幻現實，是因為這樣的場景來自現實，更因為它並非出現在矽谷或中國某一個以科技先進而知名的城市。
衡陽，位於中國湖南省中南偏南的一個三線城市，一個大多數中國人也只是透過“衡陽雁去無留意”而存有印象的地方……
率先把想象中的自動駕駛落地終局，變成了日常。
1 衡陽模式
一個三線城市，究竟有啥魔力？
原因與之前鮮少提及的自動駕駛落地模式有關，是一種來自“城市級”維度的高維商業化檢驗。
這個模式的構成，比之前自動駕駛商用落地中被討論的任意一種，都更宏觀。
它包含了三大方面：
車
路
雲
車，單車智慧。
直觀的感測器，如鐳射雷達、攝像頭、毫米波雷達，都在車端部署。
而且從感測器到計算力，都按L4級自動駕駛標準來準備。
路，智慧道路。
車端類似的感測器之外，新增通訊裝置，包括通訊單元RSU、5G 民用網路，以及計算裝置，像邊緣計算伺服器。
如此改造之後，路端就變成了一個完整的交通感知系統——可以在路側就感知資料，然後實時計算，最後第一時間將結果反饋給路上的自動駕駛車輛，協助其全知全能，實現車路協同。
雲，AI雲平臺。
集合車端、路側的全維度資料之後，建立資料模型，驅動實時計算、監測交通事件、分析交通態勢，以及自動駕駛車輛排程，可以統一在雲端還原智慧決策。
這已不是之前常見的用於訓練的那種自動駕駛雲平臺，而是具備了交通AI底層系統和應用運營系統的AI交通大資料平臺。
如果要類比，你可以想象為一個機場的塔臺、一個地區的通訊總基站，也可以理解為一臺電腦的作業系統。
因為這個AI雲平臺，實現了一座城市交通元素的全覆蓋、分析、預測和排程。
而衡陽模式，就是這種車路雲一體化落地的模式。
帶來的效果也非常顯性。
一方面，自動駕駛的城市落地展現出全面性，不僅有RoboTaxi、RoboBus，還有清掃車、巡邏車等。
載人也載貨，乘用也商用。
另一方面，為自動駕駛落地中的長尾問題提供了更好的解法。
長尾問題，corner case，自動駕駛技術研發領域最提心吊膽的存在。
只要解決得不夠到位，自動駕駛落地中的安全性，就難打包票。
但現實骨感之處，恰恰在於長尾問題的無窮無盡。
再智慧的單車自動駕駛系統，即便完成了99.9%問題的準備，但如果在0.1%問題出現時應對不力，就會造成事故。
這也是自動駕駛落地開創者Waymo，推進10年，燒了上百億美元，仍然難以在路況複雜城市落地RoboTaxi的關鍵原因。
夜晚、颳風下雨下雪、早晚高峰路況，以及各種各樣異型交通主體，都可能造成自動駕駛系統的誤判。
但如果在車端之外，擁有來自路端的感測資料冗餘，再配備雲端全域性維度的計算和決策，應對長尾問題的能力，就能得到質變式提升，落地運營中的安全性和可靠性，也會有更高維度的保障。
在自動駕駛領域，這不算是新認知，但在衡陽之前，還沒有哪一座城市、哪一個地方，真正實現車路雲一體化的城市級商用落地。
而衡陽，專案總金額5億元，用時大半年時間，驗證了自動駕駛商業化落地的全新模式。
甚至被稱為：終局模式。
2 三大自動駕駛商用模式
自AI變革開啟，自動駕駛規模化落地有望成真以來，領域內出現了兩大路線。
一種被叫做Waymo路線。
一種則被稱為特斯拉路線。
雖然有技術選擇和演進方式的原因，但更主要的還是兩種不同的路線，代表著不同的商業化模式。
Waymo路線，有時也被叫做RoboTaxi路線，顧名思義，就是以RoboTaxi作為商業模式，以推出RoboTaxi產品、提供RoboTaxi服務來實現營收和盈利。
特斯拉路線，也叫量產自動駕駛路線，在量產車上率先應用自動駕駛，面向車主收取費用，最後在技術達到L4之後，漸進到RoboTaxi模式上。
這兩大模式，各有優缺點。
Waymo路線面向的受眾廣闊，提供的服務也更本質，變革涉及面也更為廣泛，從出現的第一天開始，就被認為是交通出行的顛覆性變革。
甚至一度有樂觀者暢想，人類很快既不需要考駕照，也不需要買車，RoboTaxi會實現汽車所有權到使用權的徹底性改變。
但Waymo路線的缺點，也在落地中暴露。
因為Waymo不僅以RoboTaxi為目標，而且還是單車智慧基礎上的RoboTaxi為目標。
這就意味著Waymo需要提供一位接近無限全能的AI虛擬司機，才能放心提供安全可靠的RoboTaxi服務。
為了達到這種標準，Waymo一方面在車端配備昂貴冗餘的感測器，確保車端感測系統的準確率；另一方面還要在落地一座城市前，用規模龐大的車隊實路路測，確保儘可能多的長尾場景，能在運營前被解決。
但過程中不僅費時耗力，所有的成本還都壓在Waymo一家公司身上，並且隨著落地緊迫性提升，壓力還會更大，耐心也被一點點消耗。
所以作為自動駕駛商業的開山鼻祖，Waymo最先培養了人才、指出了商業模式，贏得了所有人的尊敬……但在落地實踐中，卻一而再被唱衰。
Waymo從最初分拆時被評估的千億美元，不斷縮水，在兩輪外部機構參與的募資後，估值300億美元左右。
然而現實更凜冽的是，即便如此，Waymo也很難給出規模化商用的時間表。
與Waymo遭遇的冷遇相比，走出產能陰影的特斯拉火爆異常。
因為特斯拉展現的自動駕駛可能性，市值隨其交付量水漲船高，最新已經突破了萬億美元。
特斯拉路線在自動駕駛的商用上，優勢顯而易見，它的成本主要集中在系統研發階段，一旦推向車端應用後，每一輛特斯拉智慧車上路的地方，就是其開啟路測的地方。
每一位特斯拉車主，不僅付費使用自動駕駛能力，而且在影子模式下，實際也是馬斯克的義務安全員，他們需要時刻監控車輛在自動駕駛模式下的狀態，並能在長尾場景、極端場景時緊急接管——其後系統就會針對性學習，不斷迭代進化。
相比Waymo的自建車隊、自養安全員，特斯拉推進自動駕駛落地過程中，也將成本壓縮到了極致。
最大的問題，在於安全性和可靠性。
首先，特斯拉提供的是一套進化中的自動駕駛系統，或者只能稱其為輔助駕駛系統，AI司機無法做到100%決策。
其次，人機共駕中的悖論沒有消除——一個被AI部分解放的人類司機，要如何才能在緊急時刻迅速完成有效接管？
事實證明，放鬆狀態的人類司機，幾乎很難緊急接管，事故也就在所難免。
那麼問題來了。
既然Waymo和特斯拉兩種落地模式，優缺點都已經在實踐中暴露，那自動駕駛商用，就有沒有兼收幷蓄的模式？
取Waymo和特斯拉之精華，避其短板。
有，依然以另一家國外公司來命名，這就是Cruise模式。
Cruise最早是獨立的矽谷創業公司，後來被汽車巨頭通用收歸旗下，然後又在孫正義的主導下，並而復拆，吸引更多外部資本加速發展。
但因為Cruise這種獨特的背景，也就讓其採用“Waymo+特斯拉”模式成為可能。
一方面，Cruise直接面向Robotaxi，研發L4級自動駕駛技術。
另一方面，它又把L4級自動駕駛技術，降維釋放給量產車使用，並且隨著量產車上路，用實路資料迭代L4自動駕駛模型。
在這種技術流和資料流的迴圈中，實現成本和安全、技術和商業的平衡。
這也是Waymo和特斯拉不斷被熱議中，Cruise模式越來越被看好的原因。
但Cruise具備的優勢，主要還是站在單車智慧的維度，而這個維度的推進，越往後越極致，基本屬於科學問題。
為什麼不能站上更高維度，用更全域性的安全冗餘審視？
比如車路協同。
實際上，Waymo、特斯拉還是Cruise，紛紛以單車智慧維度落地，並不完全是認知不到位或“時代侷限”，背後也有所處國家和地區的制度制約。
美國，並不是一個以基建狂魔著稱的國家，也不在集中人力物力辦大事的領域具備優勢。
Waymo、特斯拉和Cruise，商用落地不得不偏向單車智慧。
3 完成MVP驗證的第四種模式
所以在自動駕駛的車路協同模式上，西邊不亮東邊亮，也就順理成章。
車路協同模式下，聰明的車和智慧的路相配合，不僅是技術能力上的提升，也能實現安全性上的冗餘保障。
在推動自動駕駛規模化商用方面，優越性也不言自明。
首先，整體成本在降低。
車路協同可以讓單車改造的成本降低，自動駕駛車輛普及和被接受都會提速，而路端的成本有公共服務分擔，自動駕駛的成本不會壓在一家企業身上。
其次，需求明確，營收前置。
Robotaxi和量產自動駕駛，都有市場教育過程，需要讓使用者認可、買單。
但車路協同，第一階段的營收來自公共服務提供者，即To G。
從實踐證明來看，中國城市公共服務對於自動駕駛技術的剛需明確，除了公共出行等方面的民生改善，還有清潔、巡邏等方面的人力短缺難題。
如果應用自動駕駛，可以顯著提升城市效率和幸福感。
所以結果上看，不少城市都已經為自動駕駛方案前置買單，金額動輒數億元。
衡陽案例中披露的是5億元，而百度也透過財報披露過，2021年前三個季度，千萬元級訂單就已經超過20多個，並且如廣州黃埔這樣的地區，一個訂單就達到4.6億元。
商業模式和收入變現上，已經得到了證明。
最後，模式上還可持續。
車路協同的建設到提供服務，非常類似於雲服務。
又因為其牽涉的資源和技術標準，客戶更換的門檻不低，模式上的穩定性和可持續性也就更高。
但車路協同也不是完全沒有挑戰。
最核心的問題是：規模大、要素多，複雜性高。
車路協同模式裡，車端系統、路端建設，以及雲端協同，每一項都是大工程，而且最後還要實現資料層面的協同打通，做到一套實時系統的構建。
在之前中國網際網路的發展歷程中，曾有兩家公司率先開啟過類似系統架構的打造。
一家打造的是一整套資訊檢索系統架構。
另一家打造的一整套車輛實時排程系統架構。
但這兩套系統，在車路雲一體化系統面前，也是小巫見大巫，車路雲一體化系統，涉及的資料量規模，對時延的要求，前所未有。
於是這樣的車路雲系統，一度也有極其強烈的出身論——認為只有巨頭玩家才能搞，在自動駕駛領域，綜合技術實力、公司體量和資源整合能力。
於是衡陽成果浮出水面，城市級自動駕駛落地成真，車路協同路線上第一個真正意義的城市級自動駕駛MVP——最小可行產品出現，外界反應也是理所當然的看向巨頭玩家。
但答案出乎意料：不是。
4 自動駕駛落地的終局
衡陽模式的打造者，來自一家此前並不被外界所知的公司：
蘑菇車聯。
創辦於2017年，從一開始就瞄準車路協同展開自動駕駛商用落地，並且獲得了騰訊、京東、順豐等在內巨頭公司的看好和投資。
不過因為車路協同涉及面廣、落地相比單車智慧見效更慢，於是也很難站在聚光燈下。
直到此次，在衡陽一鳴驚人，一炮而紅。事實上，該公司從2019年在北京建成全國首個商用5G車路協同示範路段後，相繼在蘇州、上海等地展開嘗試，衡陽專案簽訂後不久，其與河南鶴壁也簽訂了類似的城市級自動駕駛落地專案，公佈金額為3億元。
不僅是對自身技術等綜合實力的證明，更驗證了車路協同模式的商業化落地優越性。
蘑菇車聯創始人及CEO朱磊，甚至認為“單車智慧+車路協同”模式，就是自動駕駛落地的終局模式。
與自動駕駛產品是RoboTaxi、智慧量產車等認知不同，朱磊從一開始思考自動駕駛變革，就是一種城市級思維和視角。
在朱磊來看，自動駕駛變革，就是給整座城市接通了“電力系統”，RoboTaxi、RoboBus和清潔車等等，都只是通“電”後的新應用而已。同時把車路協同引入這個系統，如同“電網”上增加的多重安全冗餘。
只是區別於成熟的電力系統，自動駕駛現在還處於相對早期階段。
既需要技術驅動，也需要實現商業驅動迴圈。
於是車路協同、把“城市”作為落地物件，也是這種行業特殊性的內在要求。
蘑菇車聯的核心能力，沿著兩大要素展開。
一是自動駕駛全棧技術提供商，包括車路雲一體化整套解決方案，自動駕駛核心演算法、硬體、作業系統和雲控平臺。
另一個就是自動駕駛的運營服務商，運營包括自動駕駛出租車、自動駕駛巴士、清掃車、巡邏車等全系列城市公共交通和服務車隊。把自動駕駛技術嵌入實際運營場景中，比如自動駕駛公交服務，可能需要與公交集團合作，由公交集團採購或租賃自動駕駛車輛，蘑菇車聯來提供運維的方案。
當然，在這種推進之下，最直接的優勢是——兩大自動駕駛落地的挑戰和顧慮，有最優解了。
從技術落地層面而言，車路協同是安全性上最有保障的方式，理論上可以無限趨近100%。
在資料和資訊全域性性、及時性的基礎上，可以實現決策層面更長時間的預判。處在這個系統中的車輛，如果可以提前預知1公里、甚至10公里外的所有交通訊息，安全性將大大提升。
而從商業層面來看，自動駕駛落地的統一運營，更利於城市有序高效的管理。
並且只有所有的自動駕駛車輛都接入城市的統一管理服務，來做統一的排程和資訊分享，才能真正解決城市的效率問題。
所以歸根結底，衡陽模式之所以一鳴驚人，有技術能力的原因，但更本質的是戰略構想的勝利——此前自動駕駛的商業化落地，從未站到如此全域性的維度來審視。
並且一旦城市級落地真正展開，厚積薄發的效應也會立竿見影。
朱磊透露，衡陽主幹道和城區的基建改造花費了半年時間，但接下來，完成改裝後進入落地的自動駕駛車輛，會在一定週期內達到幾千輛，這將是自動駕駛落地前所未有的規模。
不過，朱磊反對把車路協同稱為“第四種路線”的劃分方法。
他說更傾向於1.0和2.0的劃分。
1.0是以單車智慧化為核心的自動駕駛技術；2.0時代則是以“單車智慧+車路協同”的整套自動駕駛方案。
並且單車智慧在任何情況下，都應該做到極致，這是技術發展的必然要求。
根據朱磊的介紹，蘑菇車聯整套商業化路徑會分三步走：
第一階段是以技術服務商角色出現，提供軟硬體的整套體系，有一定的商業和合作模式。
第二階段也就是現階段，是自動駕駛公共服務車輛的商業運營模式，典型特點是商業場景紮實，運營模型健康，但這個階段不會追求高的毛利率，這是由場景的商業特徵決定的。
第三階段則是透過智慧交通的AI雲服務，為自動駕駛車輛和普通車輛實時提供各種交通訊息、導航、預警等服務。這個階段會有較大規模的營收和利潤，真正實現自動駕駛技術和商業價值的最大化。
至於該如何檢驗？
蘑菇車聯CEO的回答，指向實踐，唯有接二連三的成果才能證明。
目前，衡陽模式接近完成城市級落地驗證，蘑菇車聯又新增河南、湖北、浙江、四川等多個省市的自動駕駛商業落地專案，覆蓋城市開放道路、園區、港口、機場、高速公路等場景。
此外，一個貫穿上下游的自動駕駛落地朋友圈，也逐漸成型。
其中囊括了多個通訊運營商、網路安全供應商、汽車製造商、公共服務提供商、地方產業基金和大型投資機構等。
所以衡陽模式究竟能否快速複製？
很快就會有答案。
與此同時，自動駕駛的落地模式和江湖格局是否會得到改寫？
也很快就會有答案。
（資訊）
