635
L4自動駕駛公司降維做L2前裝量產(chǎn)，前景如何？
之前九章發(fā)過一篇文章《Robotaxi公司做L2前裝量產(chǎn)，機遇與挑戰(zhàn)并存》，近兩年來，L4自動駕駛公司做L2逐漸為一個趨勢，主要是過去這段時間內(nèi)，Momenta實在是太火了。
2021年，Momenta完成兩輪融資，累計金額超10億美元，投資方也非常豪華，頭部車企有上汽、通用、豐田、奔馳等，還有博世這樣的國際Tier 1巨頭，也接連拿到多個智能駕駛量產(chǎn)項目，這可把苦苦掙扎于商業(yè)化落地的L4公司“饞哭了”。
5月18日，輕舟智航官宣進入前裝量產(chǎn)方向，還有幾家L4公司，雖然沒有官宣，也已經(jīng)在密切地和車企接觸，據(jù)說有些還拿到了量產(chǎn)項目訂單。
世事就是如此讓人難以預(yù)料。
這邊廂，L2賽道，曾因為傳感器數(shù)據(jù)質(zhì)量不好（缺少激光雷達(dá)）和算力不足（只有幾Tops），被L4 公司“看不上”，不過隨著近兩年硬件水平的迅猛發(fā)展，情況已大為改觀。一方面，新車型開始搭載激光雷達(dá)，攝像頭數(shù)量也越來越多；另一方面，隨著像Orin、地平線J5這樣的高算力芯片出現(xiàn)，算力已不再是瓶頸。近年來各車企也紛紛宣稱，要用L4的技術(shù)架構(gòu)和“硬件預(yù)埋”去實現(xiàn)L2+的功能。
那邊廂，Robotaxi公司商業(yè)化遇阻，技術(shù)、成本、政策都限制了規(guī)模的擴張，規(guī)模不足不僅不能獲取足夠多的數(shù)據(jù)，也限制了成本進一步下降。
有Momenta“珠玉在前”，于是這些L4玩家準(zhǔn)備進軍L2市場，一方面通過商業(yè)化獲得營收，另一方面也能獲取更多數(shù)據(jù)。
這些從L4“降維”的玩家和堅持做L2“升維”的玩家相比，其優(yōu)勢和短板是什么？整個自動駕駛軟件行業(yè)現(xiàn)在又遇到了什么問題？如何解決敏感的數(shù)據(jù)問題？會不會在車企自研成功后被“卸磨殺驢”？行業(yè)終局究竟會是怎樣？
帶著這些疑問，九章智駕采訪了元戎啟行CEO周光、福瑞泰克CTO沈駿強、輕舟智航CTO侯聰、Momenta等一些行業(yè)內(nèi)專家。
談到對L4公司做L2的思考時，輕舟智航CTO侯聰說道：
“像Robotaxi這種開放道路L4場景，離最終商業(yè)化落地還有一定的距離，所以L4公司也一直在探索落地場景。隨著這些年乘用車電動化、智能化的趨勢越來越清晰，ADAS也開始往更復(fù)雜的城區(qū)道路場景發(fā)展，現(xiàn)在城區(qū)NOA的場景其實和L4已經(jīng)非常接近了。
“硬件上也取得了很大的進展，從發(fā)展角度來看，L2和L4在趨同，這意味著L4公司去做傳統(tǒng)L2業(yè)務(wù)，盡管可能在某些開發(fā)路線或功能定義上會有些差異，但在城區(qū)NOA場景下，功能相同點比差異點會更多一些，背后的研發(fā)體系、組織架構(gòu)和測試開發(fā)方式也是高度重合的。”
除了上述原因外，還有一個原因是，Robotaxi的場景和L2的場景相同，算法復(fù)用成本低。“Robotaxi是城市道路，包含高速場景，這部分場景和L2場景是相同的，也是我們熟悉和擅長的，雖然適配有難度，但場景不變，適配工作量不會很大，”元戎啟行CEO周光介紹道。
綜上可以發(fā)現(xiàn)，L2的硬件的快速突破，加上L4和L2的場景趨同、數(shù)據(jù)可復(fù)用，也是L4公司進軍L2的重要考慮因素之一。
一、L4公司的優(yōu)勢
一位自動駕駛測試專家說：“L4公司的算法能力肯定更強，特別是規(guī)控算法。”
業(yè)內(nèi)也普遍認(rèn)為這些L4公司的算法能力更強一些，畢竟L4的場景要比L2的場景復(fù)雜得多。
在降維做L2場景時，除了算法能力強，L4公司還有以下優(yōu)勢：
01數(shù)據(jù)閉環(huán)能力更強
L4的場景中遇到的問題，比L2要復(fù)雜得多，這也要求L4公司要更好地利用數(shù)據(jù)閉環(huán)，挖掘長尾場景，迭代算法能力。
此外，在幾年前，L4公司在認(rèn)知和思維上也領(lǐng)先L2公司，L2公司創(chuàng)始人中硬件背景的較多，軟件思維較弱，缺少數(shù)據(jù)思維，而L4公司的創(chuàng)始人普遍是算法背景，數(shù)據(jù)思維強大，從一開始就注重數(shù)據(jù)閉環(huán)，有先發(fā)優(yōu)勢。
一位算法專家也認(rèn)為：“L4公司的優(yōu)勢，是通過數(shù)據(jù)迭代深度學(xué)習(xí)算法的能力，這一點，比那些基于規(guī)則的算法公司的能力要強很多。在未來數(shù)據(jù)量爆炸時候，L4公司的算法表現(xiàn)會更快地和友商拉開差距。”
輕舟智航侯聰說：“L4公司在數(shù)據(jù)閉環(huán)和數(shù)據(jù)鏈路上投入的資源更多一些，而L2公司則較少，這是L4公司的優(yōu)勢。輕舟打造的仿真系統(tǒng)，對于數(shù)據(jù)的使用則更加高效，可以更多地‘榨取’數(shù)據(jù)價值。”
02系統(tǒng)流暢性更好
當(dāng)前量產(chǎn)和在開發(fā)的L2+算法架構(gòu)中，普遍是通過狀態(tài)機的切換來確定當(dāng)前的智能駕駛功能是L2及以下功能（如ACC、AEB、LKA等）還是L2+功能（如高速NOA），在行駛過程中，系統(tǒng)需持續(xù)監(jiān)測當(dāng)前車輛的狀態(tài)和周邊環(huán)境，來決定當(dāng)前的狀態(tài)機，所以中間會涉及到不同系統(tǒng)之間的持續(xù)性切換。
一位自動駕駛公司項目管理專家認(rèn)為：“如果L2和L2+的系統(tǒng)是幾家供應(yīng)商合作開發(fā)，那么狀態(tài)機切換其實是雙方合作完成，甚至是三方合作完成，無論是邏輯的合理性，還是運作的流暢性，都是不足的。而如果L2和L2+的系統(tǒng)全都交給一家L4公司來做，整套系統(tǒng)能夠運轉(zhuǎn)得更加流暢。”
03性能天花板更高
L4系統(tǒng)的架構(gòu)相比于傳統(tǒng)L2的架構(gòu)，更能適應(yīng)城區(qū)的復(fù)雜工況，性能的天花板也更高。
元戎啟行周光說：“L4公司做L2，有兩種做法：第一種是依靠獨立的團隊和獨立的代碼，實現(xiàn)L2的具體細(xì)分功能，不過這會讓L4的技術(shù)積累用不太上；第二種，就是降低L4級軟件系統(tǒng)對傳感器和算力的需求，把L4軟件系統(tǒng)塞到 L2的硬件里面。不過第二種做法也是很難的，因為L4自動駕駛系統(tǒng)算力和功耗都很高，要放在車規(guī)級算力平臺上，只有對算力和功耗優(yōu)化特別好的公司才能做到。
“這樣做雖然難，但是有很多好處，最大的好處是L4架構(gòu)，其性能天花板和L2系統(tǒng)是不一樣的。主機廠能夠以一套L2的硬件成本，讓用戶可以以同樣的價格，買到更加優(yōu)質(zhì)的服務(wù)，這就是元戎啟行的優(yōu)勢。”
二、L4公司工程能力的短板
誠然，L4公司在算法能力、數(shù)據(jù)閉環(huán)能力、系統(tǒng)流暢性和技術(shù)架構(gòu)上限上占據(jù)了一些優(yōu)勢，但是也并不是全然沒有短板，他們的集成能力和供應(yīng)鏈管理相對較弱，不過最突出的短板還是工程能力。
2.1工程能力的定義
行業(yè)內(nèi)普遍認(rèn)為L4公司量產(chǎn)經(jīng)驗少，工程能力較弱。那么，大家所謂的“工程能力”具體是指什么？
筆者查閱了很多資料，也和很多位行業(yè)專家交流，總結(jié)下來，在智能駕駛行業(yè)內(nèi)，大家提到的“工程能力”，具體是指以下三點：
滿足車規(guī)級要求，如安全性、穩(wěn)定性、可靠性等；
能夠滿足功耗成本等目標(biāo)；
滿足1和2的基礎(chǔ)上最優(yōu)化算法功能和用戶體驗。
在這方面，不少L4自動駕駛公司是算法優(yōu)先，追求算法的先進性，靠打榜或者發(fā)Paper來證明自己多牛，對算力功耗等考慮的較少；而L2公司則是工程優(yōu)先，面向量產(chǎn)，要解決的問題也要繁瑣得多，如成本、功耗和算力限制等，也有很多安全性、可靠性和流程上的要求。
一位細(xì)分賽道自動駕駛公司技術(shù)副總裁提到“工程化的理解”時說道，在技術(shù)驗證階段，一般會為了達(dá)到某些性能指標(biāo)而不惜一切代價堆資源，“一顆orin不行上兩顆，兩顆不行上四顆”，而不用考慮方案的可量產(chǎn)性；但在考慮商業(yè)化落地時不能這么干，激光雷達(dá)的感知距離就那么長，芯片的算力就那么大，硬件肯定會不停地迭代，但落地預(yù)期在那擺著，來不及等新硬件出來，能做的只能是將現(xiàn)有資源的性能“吃干榨凈”，將其價值充分發(fā)揮出來。
元戎啟行周光也承認(rèn)這一點：“整體來說，L4自動駕駛公司，工程能力會偏弱一些，傳統(tǒng)L2起家的公司工程能力會強一些。”
這一點，可以從很多L4自動駕駛工程師的光鮮的職業(yè)履歷上找到原因，他們普遍名校畢業(yè)后，加入知名的互聯(lián)網(wǎng)公司或明星自動駕駛公司，在此之前和車幾乎沒打過交道。他們自認(rèn)為是“摘星星的人”，對于工程化的“臟苦累”的活，是有點瞧不上的，也不屑于去做。曾有人向九章智駕吐槽：“很多算法工程師，真的只懂算法，但車是一個工程，是一個產(chǎn)品，畢竟車能上路跑起來，不是只靠算法。”
2.2L4公司或?qū)⒈还こ棠芰ν侠郏?/h3>
那么，工程能力的重要性具體體現(xiàn)在哪些方面呢？
一位資深從業(yè)者曾舉過一個例子說明工程能力的重要性，他說：“純視覺AEB功能，雖然看起來簡單，但卻是所有ADAS功能里（除城區(qū)NOA外）最難實現(xiàn)的。”
“純視覺AEB最難解決的問題是誤識別。當(dāng)前面沒有東西而出現(xiàn)‘幽靈剎車’時，用戶體驗是極差的，甚至?xí)?dǎo)致被后車追尾。”
“誤識別主要因為感知算法不能做到100%準(zhǔn)確，為了優(yōu)化體驗，就需要在后面‘打補丁’，加一些判斷條件。比如在拐彎或者一些特殊場景下，加一些場景判斷，把容易產(chǎn)生誤識別的場景識別出來，剔除出去，從而避免誤剎車現(xiàn)象。”
“舉個例子，拐彎的時候，路邊站著個人，這個人在圖像上（自車坐標(biāo)系下）是從左到右運動的，算法判斷這個人有橫向速度，跟自車行駛軌跡要重合了，就要剎車，但實際上他是靜止的，是不能剎車的，就需要把這個場景排除掉。這些場景需要通過大量的路試去積累經(jīng)驗和Know-how，這就是工程能力的體現(xiàn)。”
一位CTO認(rèn)為算法和技術(shù)遠(yuǎn)沒有想象中的重要，甚至可能50%的分量都不到，其他則需要依靠工程經(jīng)驗。
在進一步解釋工程經(jīng)驗的重要性，他說：“首先是系統(tǒng)穩(wěn)定性，大規(guī)模量產(chǎn)時，和幾百輛車時出現(xiàn)的問題是不一樣的。如果樣本數(shù)量不夠，很多問題根本并不會出現(xiàn)。
“其次是成本，目前很多L4公司更多側(cè)重算法開發(fā)，對成本考慮較少。”
“第三是安全性，這里面涉及到功能安全、信息安全等，L4公司考慮較少。”
按照上述說法，工程能力與工程經(jīng)驗是強相關(guān)的，一位資深項目管理專家也表達(dá)了類似的看法：“在汽車行業(yè)，工程能力更多取決于自身過去經(jīng)驗的積累，短時間很難去彌補，只能靠量產(chǎn)項目去堆。”
不過，元戎啟行周光則認(rèn)為過往L2的工程經(jīng)驗未必能完全復(fù)用到L2+上去，他的理由是：“傳統(tǒng)L2是由很多獨立功能構(gòu)成，而城區(qū)NOA都在往L4技術(shù)架構(gòu)發(fā)展了，L4是中心化架構(gòu)，用一套軟件算法解決所有問題，軟件架構(gòu)大不相同。”
雖然，隨著技術(shù)架構(gòu)的變化，工程能力未必能夠完全遷移，但是工程能力的重要性是毋庸置疑的。
2.3L4公司也在補工程能力短板
不過，L4公司工程能力弱，并不代表他們在工程能力方面就沒有積累，就像一位行業(yè)專家說的“L4的公司不一定沒有工程能力，工程能力和L幾沒關(guān)系”。
很多L4公司都向九章智駕表示，在過往的項目中“一直非常重視工程化”，在把算法往嵌入式平臺上遷移時，也積累了不少工程能力和工程經(jīng)驗，輕舟智航侯聰介紹說：
“一方面，當(dāng)一些L4公司還在使用多核工控機的時候，輕舟已經(jīng)著眼于未來，基于可量產(chǎn)的計算平臺去做算法開發(fā)，在相對低算力平臺的倒逼下，我們在研發(fā)過程中不得不關(guān)注工程化和性能問題。”
“另一方面，工程化過程中需要的工具鏈和流程，輕舟也很早就開發(fā)完成了?，F(xiàn)在我們有一整套性能優(yōu)化工具鏈和流程，可以快速將軟件遷移到嵌入式平臺上去。”
在安全性方面，輕舟也有很多積累，侯聰介紹道：
“我們也針對安全做了很多冗余設(shè)計，比如硬件冗余和軟件冗余。硬件上有兩套傳感器，域控制器部分，有主計算單元和備份計算單元，還有個單獨的控制器，可以在單點失效或多點失效下保證車輛安全，如靠邊停車或剎停等。”
“這些是L4的做法，對于L2++來說會做一些調(diào)整，但整體思路是高度一致的。為了保證安全，內(nèi)部也有工程質(zhì)量團隊，對工程質(zhì)量高標(biāo)準(zhǔn)嚴(yán)要求，使系統(tǒng)更安全、更穩(wěn)定。”
雖然L2做不到L4那么多的硬件冗余，但也說明像輕舟這樣的L4公司已經(jīng)在考慮功能安全了，在這方面也有一定的積累。
元戎啟行對于工程化也有一些積累，據(jù)周光介紹：“元戎很早就把L4算法架構(gòu)放在低功耗的量產(chǎn)芯片上跑，也在按照ISO26262功能安全要求開發(fā)自動駕駛系統(tǒng)，ASPICE也在認(rèn)證過程中。”
看上去L4公司在工程化上也在補工程能力的短板，相信后續(xù)可以慢慢通過量產(chǎn)項目積累的經(jīng)驗去不斷加強。
三、挑戰(zhàn)：定制化程度高，不同項目間軟件如何復(fù)用？
在采訪L4公司過程中，筆者發(fā)現(xiàn)一些L4公司人員對“降維”進入L2賽道持高度樂觀的態(tài)度。當(dāng)然，在進入一個新領(lǐng)域時，適度的樂觀是必要的，正如距離產(chǎn)生美。
不過當(dāng)近距離觀察當(dāng)前L2面臨的現(xiàn)狀和問題時，一旦關(guān)掉美顏濾鏡后，再去看自動駕駛量產(chǎn)軟件開發(fā)的前景，也許會發(fā)現(xiàn)并不如想象中那么“美好”。
很多行業(yè)高管在和九章智駕交流時都提到，現(xiàn)在行業(yè)極度缺人，尤其是開發(fā)崗位。究其原因，在適配不同車企、不同車型平臺的項目時，軟件的定制化程度太高，可復(fù)制性很差，“每拿到一個車廠量產(chǎn)項目，都要鋪一堆人去做，現(xiàn)在都不太敢拿項目了，怕項目拿到后，人招不上來，影響交付” ，一位L2軟件公司高管曾對九章智駕訴苦道。
如果定制化很高，軟件復(fù)用性差的問題遲遲不能解決的話，那么令L4公司所向往的“降維”故事，也許就不那么“性感”了，甚至有人開玩笑說，“某自動駕駛公司可能會淪為一個軟件外包公司。”
在進一步討論這個問題的解決方案之前，我們先來探討下軟件可復(fù)制性差的背后原因。
3.1 為什么需要高度定制化？
在和行業(yè)專家交流時，不少人認(rèn)為，其實真正算法層的適配成本并不高，反而在其他方面的定制化，要耗費大量的人力和物力，具體可以把原因匯總為：
3.1.1 電子電氣架構(gòu)不同
不同的車企，有不同的電子電氣架構(gòu)，所配置的傳感器、域控制器和執(zhí)行器也不同，稍有不同，就涉及到很多開發(fā)工作量，如通訊信號匹配、傳感器適配、計算平臺的適配、集成調(diào)試等。
最復(fù)雜的是匹配通訊信號。要做好整個智駕功能的閉環(huán)，就需要把信號從傳感器到域控制器，再到最后的執(zhí)行器，所有信號全部做好適配，開發(fā)工作量巨大。“在一個平臺上能很方便地獲取某個信號，到了另外一個平臺上，可能要花很多周折才能獲取，”一位專家介紹說。
同樣，每新增一個傳感器，也需要做大量適配。“如果新增一個相機，開發(fā)驅(qū)動，時間同步、圖像大小、幀率穩(wěn)定問題，這些都要重新搞一遍，”
各家使用的算力平臺不同，也需要做適配，“同樣的算法模型，在華為MDC上運行和在Orin上運行也是不同的。 ”
除了算法模型外，不同的計算平臺的底層軟件也是不同的，底層軟件不同，上層的中間件、通信框架和算法等，也都要做相應(yīng)的適配。“華為MDC給不同廠商的底層軟件可能是不同的，不同的域控廠家集成Orin時集成電路不同，對應(yīng)的適配環(huán)境也有區(qū)別，要基于環(huán)境開發(fā)集成調(diào)測臺架和發(fā)版環(huán)境，其實也很花時間，”上述專家說。
Momenta相關(guān)人員也告訴九章智駕：“定制化程度高的主要原因是每家的車型、傳感器的配置、芯片都不一樣，算法接口不統(tǒng)一，數(shù)據(jù)和技術(shù)流通受阻。”
3.1.2 產(chǎn)品功能定義不同
不同功能的切換，涉及到狀態(tài)機的定義和判斷。狀態(tài)機的數(shù)量、定義、更新頻率以及切換策略等，都有完整的控制邏輯，這些是由車企產(chǎn)品團隊負(fù)責(zé)定義。
不同車企對智駕功能有不同的理解，狀態(tài)機的定義也不同，在實際功能開發(fā)過程中也不太一樣。
Momenta相關(guān)人員告訴九章智駕，每家客戶的功能需求也有差異，如果缺乏良好設(shè)計，就會造成大量重復(fù)工作。
造成上述兩個現(xiàn)象的原因，福瑞泰克CTO沈駿強認(rèn)為和汽車行業(yè)的歷史有關(guān)，他說：“和IT行業(yè)相比，汽車行業(yè)還是比較封閉的，各家都有一套標(biāo)準(zhǔn)，按照自己的想法定義系統(tǒng)，要求供應(yīng)商按照自己定義的系統(tǒng)開發(fā)零部件。”
3.2更省事的標(biāo)準(zhǔn)化方案是否行得通？
既然車企的差異化如此之大，那么Tier 1是否有更省事的方法，那就是建議或推動車企和其他合作伙伴采用一套標(biāo)準(zhǔn)化解決方案呢？
這取決于Tier 1自身的影響力。
國際Tier 1巨頭依靠自身的供應(yīng)鏈管理能力和自身影響力，對上游（如其他傳感器供應(yīng)商）和下游（車企的需求定義）的話語權(quán)要強得多，能減少不少定制化開發(fā)的工作量。
“我們對于主機廠的電子電氣架構(gòu)有很大的話語權(quán)，對其他接口不一致的硬件，我們也可以推動他們?nèi)ジ模?rdquo;一位在某國際Tier 1巨頭任職軟件管理的專家說。
話語權(quán)依靠公司本身巨大的體量支持，這對于L4公司是很難的。
“電子電氣架構(gòu)和狀態(tài)機的定義，雖然我們也會建議主機廠去修改，有些能改，不過大多數(shù)都是不能改的。”一位國內(nèi)自動駕駛軟件公司從業(yè)者說。
要想提高話語權(quán)，L4公司還需要通過量產(chǎn)項目不斷積累經(jīng)驗，才能贏得車企的信任，否則也很難推廣自己的標(biāo)準(zhǔn)化方案，“就算我們想去推標(biāo)準(zhǔn)方案，客戶也得相信才行”，上述從業(yè)者說。
3.3如何提高軟件的可遷移性？
那么，既然現(xiàn)階段推進標(biāo)準(zhǔn)化方案比較困難，那么怎么才能提高軟件的可遷移性呢？
其實，車企在傳感器和芯片的選型上也正在走向趨同，這個趨勢對于提升軟件可遷移性是非常有利的，輕舟智航侯聰說：“在城市復(fù)雜場景下，方案其實在趨同，無論傳感器選型還是芯片選型，都沒有太多的選擇，都傾向于使用目前驗證過的硬件組合。”
除了上述趨勢外，Tier 1也采取了很多積極主動的措施，他們的思路是，既然不能要求上下游去按照自己的方案去改，那就修煉“內(nèi)功”，讓自己可以更靈活地適配上下游。
行業(yè)普遍認(rèn)為，優(yōu)化軟件架構(gòu)，對硬件進行“抽象”，可以提升軟件的可遷移性。
當(dāng)前很多公司的軟件架構(gòu)優(yōu)化得并不好，一位自動駕駛工程師說：“軟件設(shè)計領(lǐng)域一直有‘先定架構(gòu)后開發(fā)’，還是‘先開發(fā)，然后迭代出一個更好的架構(gòu)’的爭論。每一家公司都說自己是‘先定架構(gòu)后開發(fā)’的，因為如果不這樣說，會顯得決策層很low，但現(xiàn)實往往是‘時間緊，任務(wù)重’‘你先給我出個版本，以后有時間再去優(yōu)化’，架子沒搭起來就開始考慮客戶的量產(chǎn)交付了。”
這位自動駕駛工程師認(rèn)為，通過做好硬件抽象可以解決這個問題：“硬件抽象可以類比于模型的Inference框架，只需要開發(fā)一套算法，通過這個框架，可以在不同的硬件平臺上跑。”
侯聰也認(rèn)為應(yīng)該通過“硬件抽象+參數(shù)配置”的方式來適配不同的平臺，他說：“拿操作系統(tǒng)舉個例子，為了能夠讓自己接入更多硬件，需要對系統(tǒng)大量的功能模塊進行抽象實現(xiàn)，如線程等這些概念就是對硬件抽象后形成的。
我們會對基本的算法模塊、基本的功能定義，做一些抽象。這樣在適配不同車型時，就變成了參數(shù)配置。”
除了優(yōu)化架構(gòu)外，還有一個方法，就是通過和上下游接口統(tǒng)一，形成行業(yè)共識或行業(yè)標(biāo)準(zhǔn)，從而降低適配成本。
一些行業(yè)聯(lián)盟正在牽頭制定標(biāo)準(zhǔn)化軟硬件接口的定義，沈駿強介紹說：“一些行業(yè)聯(lián)盟也在逐漸形成，比如歐洲的AUTOSAR聯(lián)盟，中國汽車基礎(chǔ)軟件生態(tài)委員會（AUTOSEMO）聯(lián)盟和中汽協(xié)軟件定義汽車（SDV）工作組。這些行業(yè)聯(lián)盟，特別是SDV工作組，在各個層面進行標(biāo)準(zhǔn)的軟硬件接口的定義。基于這些標(biāo)準(zhǔn)接口，再加上SOA架構(gòu)（面向服務(wù)的架構(gòu)），復(fù)制成本高的問題會慢慢改善。
“SOA架構(gòu)其實最早是計算機行業(yè)里‘面向?qū)ο?rsquo;的概念，強調(diào)的是保留一個數(shù)據(jù)接口，把內(nèi)部的功能實現(xiàn)后，封裝起來，基于這樣的數(shù)據(jù)接口，形成可以被行業(yè)普遍認(rèn)同和廣泛接受的標(biāo)準(zhǔn)。目前福瑞泰克面向新的E/E架構(gòu)下SOA分布式中間件開發(fā)架構(gòu)，通過搭積木式的方案推出平臺化的軟件模塊，增強了平臺的可拓展性以及提升用戶體驗。”
相信隨著軟件架構(gòu)的優(yōu)化和軟硬件接口的逐漸統(tǒng)一，可遷移性會逐漸提高，從而真的實現(xiàn)“軟硬件解耦”。
四、敏感問題：數(shù)據(jù)驅(qū)動如何實現(xiàn)
除了上面提到的復(fù)制性差、遷移成本高的問題外，還有一個很關(guān)鍵也很敏感的問題，那就是數(shù)據(jù)。
數(shù)據(jù)的價值就無需贅述了，所有自動駕駛公司都稱自己是數(shù)據(jù)驅(qū)動，如Momenta宣稱自己是“基于數(shù)據(jù)驅(qū)動的飛輪技術(shù)洞察，以及量產(chǎn)自動駕駛和完全無人駕駛相結(jié)合的‘兩條腿’產(chǎn)品戰(zhàn)略”，L4公司參與到L2中來，一方面也是看到L2海量數(shù)據(jù)的價值。
那么，現(xiàn)在就面臨一個問題：車企愿不愿意分享數(shù)據(jù)給這些自動駕駛公司？
這就涉及到自動駕駛數(shù)據(jù)歸屬權(quán)的問題了。
在量產(chǎn)車輛行駛過程中，傳感器采集的數(shù)據(jù)、車輛的行為數(shù)據(jù)和底層數(shù)據(jù)，雖然目前國內(nèi)法規(guī)還沒有明確界定數(shù)據(jù)的歸屬權(quán)，不過2018年，歐盟已經(jīng)通過相關(guān)法律認(rèn)定，判定自動駕駛數(shù)據(jù)歸屬于車企，相信國內(nèi)在制定相關(guān)法規(guī)時，也會參考?xì)W盟。目前行業(yè)里也默認(rèn)數(shù)據(jù)屬于車企。
不過現(xiàn)狀是，車企也已經(jīng)意識到數(shù)據(jù)的重要性了，尤其對于國營車企，他們甚至為了數(shù)據(jù)安全，不惜花重金自建私有云，對這些企業(yè)而言，數(shù)據(jù)問題一定程度上具有政治敏感性，如果處理不好就容易出問題，這是原則，是底線。
那么，既然車企這么“寶貝”這些數(shù)據(jù)，Tier 1能否從車企處獲得想要的數(shù)據(jù)呢？車企是否愿意“無私”地分享數(shù)據(jù)給Tier 1？Tier 1和車企又是什么樣的合作模式呢？
對此，行業(yè)普遍認(rèn)為“數(shù)據(jù)所有權(quán)”和“數(shù)據(jù)使用權(quán)”分離是當(dāng)前的主流做法。
一方面，車企雖然擁有量產(chǎn)車輛回傳數(shù)據(jù)的所有權(quán)，但是這些數(shù)據(jù)中，有價值的數(shù)據(jù)會被淹沒在大量無用數(shù)據(jù)中，要高效準(zhǔn)確地進行數(shù)據(jù)挖掘才能最大化地發(fā)揮數(shù)據(jù)價值。目前很多車企并不具備這樣的技術(shù)實力，相當(dāng)于空有一座金礦而自己又不會挖礦;另一方面，Tier 1雖然有這個技術(shù)實力，也希望利用這些數(shù)據(jù)去迭代自己的算法，但苦于沒有數(shù)據(jù)所有權(quán)，最后，車企還要依賴Tier 1利用這些數(shù)據(jù)持續(xù)迭代算法功能，OTA到量產(chǎn)車上。
雙方都有意愿最大化地把數(shù)據(jù)利用起來，于是一拍即合，達(dá)成了一個默契：數(shù)據(jù)所有權(quán)還歸車企所有，但是開放數(shù)據(jù)使用權(quán)給Tier 1。這基本已成為行業(yè)的通用做法，一位Tier 1工程師甚至提到，如果車企特別‘寶貝’數(shù)據(jù)而不愿意分享使用權(quán)，他們會認(rèn)為合作價值不高而放棄合作。
不過這就出現(xiàn)了一個問題，比如一家Tier 1有不止一家車企客戶，如果A車企有30萬輛車，B車企有10萬輛，假設(shè)這兩家車企都同意把數(shù)據(jù)開放給這家Tier 1使用，或者是A車企車上配置的傳感器、芯片配置更高從而數(shù)據(jù)質(zhì)量更好，那么，A車企是不愿意Tier 1把用他們的數(shù)據(jù)訓(xùn)練出來的算法賣給B車企的，即希望"你用我的數(shù)據(jù)迭代的算法只能為我服務(wù)"。但在實踐中又如何管控呢？
筆者在和車企的工程師交流后發(fā)現(xiàn)，車企的心態(tài)是比較矛盾的：既希望Tier 1能把其他車企的新特性和corner case同步到自己家，又不希望Tier 1把用自己家的數(shù)據(jù)訓(xùn)練的算法開放給其他車企使用。
由于這種矛盾心理的存在，車企們的做法也比較多元化，盡管還沒有形成共識，不過可以根據(jù)車企技術(shù)能力的高低大致分成兩類：
如果車企的開發(fā)能力很強，那就把自動駕駛數(shù)據(jù)放到車企指定的云上，后續(xù)的數(shù)據(jù)挖掘、模型訓(xùn)練等算法迭代流程都是車企用Tier 1提供的開發(fā)工具鏈來操作，這樣就能保證：1.數(shù)據(jù)只能自己用；2.訓(xùn)練出的算法，也只能給該車企自己用。
如果車企自身的開發(fā)能力不強，就可能沒有那么多約束和要求，就會把數(shù)據(jù)挖掘和算法迭代全交給Tier 1來負(fù)責(zé)，不過這樣就很難限制“A車企的數(shù)據(jù)迭代的算法只能給A使用”了。
不過為了能夠有差異化的功能體驗，也會有話語權(quán)大的車企要求 “功能優(yōu)先發(fā)布權(quán)”，即Tier 1的某個新功能要在自家車型上OTA優(yōu)先發(fā)布，而其他車企的車型要稍晚一些發(fā)布，這有點類似于前幾年的Mobileye的芯片在某款車型上首發(fā)一樣。
五、風(fēng)險：傳統(tǒng)車企自研成功后會不會“卸磨殺驢”？
不過即使Tier 1可以從車廠拿到數(shù)據(jù)的使用權(quán)，也不代表就可以高枕無憂了，因為還面臨一個巨大的風(fēng)險，那就是“車企自研”。
頭部造車新勢力如蔚小理，堅定地以特斯拉為榜樣，走全棧自研路線，而傳統(tǒng)車企里，不僅長城、吉利這些民營車企在自研方面大力投入，國營車企，如上汽、一汽也投入了很多資源。
那么這些Tier 1的客戶是誰呢？
目前Tier 1合作的客戶還是以自研能力沒那么強的車企為主，甚至某Tier 1市場部人員曾對九章智駕直言：“我們的客戶，就是不要‘靈魂’的車企”。
不少車企工程師在和九章智駕交流時，紛紛透露內(nèi)部是“兩條腿走路”：一方面和外部供應(yīng)商合作，不過只是階段性的，是為了銷量，是“眼前的茍且”；一方面大力投入自研，甚至不惜重金去采購“白盒”算法，同時在和供應(yīng)商合作的時候，也能邊做邊學(xué)，這是為了“詩和遠(yuǎn)方”，一旦“師傅領(lǐng)進門”，車企的自研能力成熟后，肯定就不需要這些“師傅”了。
5.1傳統(tǒng)車企自研自動駕駛能否成功
不過，筆者有一個疑問：傳統(tǒng)車企自研，能成功嗎？
誠然，傳統(tǒng)車企自研遇到的阻力和問題并不少。
首先是人才，因為薪酬不夠高、團隊里缺少技術(shù)牛人，傳統(tǒng)車企很難招到合適的人，有些技術(shù)團隊的領(lǐng)導(dǎo)不懂技術(shù)，又想掌控，于是出現(xiàn)“外行領(lǐng)導(dǎo)內(nèi)行”，讓研發(fā)效率大打折扣。
此外，組織架構(gòu)也會影響自研效率，比如雖然行泊一體是趨勢，但很多傳統(tǒng)車企因為行泊是兩個部門負(fù)責(zé)，推進起來也很困難。
不過，更深層次的原因，還是企業(yè)文化或者“基因”。自研成功的新勢力車企都是有互聯(lián)網(wǎng)基因的，而傳統(tǒng)車企還是生產(chǎn)導(dǎo)向型的企業(yè)文化，注重流程，太注重流程就會影響自研的效率，在這一點上，為了自研，要做大量的內(nèi)部變革，才能形成新的企業(yè)文化和組織形式，這個過程很痛苦，也很艱難。
不過車企有錢，有時候為了加快自研進度，或者為了向上面“交差”，也會買現(xiàn)成的白盒方案，基于白盒方案去開發(fā)。那么實際上這個方法是否可行呢？
筆者就這個問題和行業(yè)專家交流看法時，一些專家持悲觀態(tài)度，“白盒買了，沒人會用啊，被忽悠了”“算法迭代很快，買的白盒算法很快就過時了”。
5.2傳統(tǒng)車企有沒有必要自研
誠然，傳統(tǒng)主機廠自研，存著諸多人才、制度和企業(yè)文化上的阻力，不過相比于討論“傳統(tǒng)車企能否自研成功”這個話題，Tier 1更愿意從行業(yè)分工、差異化體驗等角度來討論另一個話題，那就是——傳統(tǒng)車企到底有沒有必要自研？
他們的邏輯是，車企依靠銷量生存，做的一切也都是為了銷量，為了車能夠賣得好，就必須要自己的產(chǎn)品有競爭力，尤其需要在用戶體驗上有足夠的差異化體驗。在消費者高度看重的智能駕駛功能方面，表現(xiàn)不能太“拉胯”。只要Tier 1的能力始終領(lǐng)先車企一步，就不用太擔(dān)心。而德勤在主題為“汽車工程邁入軟件領(lǐng)航的新時代”的報告中也顯示，供應(yīng)商在應(yīng)對產(chǎn)品開發(fā)趨勢方面領(lǐng)先主機廠一步。
換句話說，并不是車企的自研體系建起來了，算法能跑通了，就可以把量產(chǎn)車輛上切換成自研方案了，而是要做到在體驗上能夠媲美切換之前Tier 1的水平，否則切換后功能表現(xiàn)會有落差，可能會引起用戶投訴，甚至帶來安全風(fēng)險。
元戎啟行周光給筆者舉了一個例子：“如果其他車企的智能駕駛做到100分的水平，那么你至少要做到90分才可以。如果自研只能做到70分，還要去切換的話，就會影響車的銷量，動了車企根基。”
事實上，特斯拉在切換自研的自動駕駛算法后，AEB功能曾缺席了好幾個月。同樣的遭遇，在國內(nèi)某頭部造車新勢力身上也發(fā)生過。
不過這個邏輯，車企未必會同意，或者說那些認(rèn)為車企沒必要自研的Tier 1們，可能低估了車企自研的決心。
在一次和趙福全公開對話時，蔚來汽車的李斌提到自研自動駕駛的邏輯：“越是涉及產(chǎn)品及時迭代、改進和反饋的部分，就越應(yīng)該由車企自己來做。因為整車企業(yè)比供應(yīng)商離用戶更近，當(dāng)用戶反饋意見之后，車企可以及時改進并回應(yīng)。如果要通過供應(yīng)商才能處理，就等于增加了一個環(huán)節(jié)，會變得很麻煩和低效。”所以蔚來選擇自動駕駛?cè)珬Ｗ匝?，用李斌的話說是“自動駕駛系統(tǒng)，除了芯片外，其余都是自己研發(fā)的。”
這些造車新勢力之所以堅定的選擇自研，一方面是為了更好的用戶體驗，他們想把自動駕駛打造成自己的核心競爭力；還有一方面就是軟件付費的商業(yè)模式，國產(chǎn)版特斯拉 Model 3標(biāo)準(zhǔn)續(xù)航版本售價為27.99 萬元（不含補貼），駕駛輔助軟件FSD一次性付費購買價格高達(dá)64000元，占車輛售價的23%，且隨著FSD功能的不斷強大，購買價格也在不斷提升中，蔚來、小鵬等也有類似的軟件付費購買業(yè)務(wù)。
不僅造車新勢力，傳統(tǒng)車企們也意識到了這一點，上汽集團董事長陳虹曾在股東大會上，公開拒絕采用華為全棧自動駕駛技術(shù)，稱“靈魂要握在自己手里”，上汽集團總裁王曉秋也曾公開說過“任何一家汽車公司不做自動駕駛，就是死”。
看上去，很多車企已經(jīng)把自動駕駛上升到了“靈魂”和“生死”的高度，可見他們對自動駕駛的重視程度。
一位自動駕駛Tier 1公司創(chuàng)始人也是類似的觀點，按照他的說法，可以站在車企的角度，把所有業(yè)務(wù)按照兩個維度分成4部分，一個維度是車企實現(xiàn)的技術(shù)難度大小，另一個維度是對用戶的價值高低，該價值高低取決于車企能夠形成多少差異化的競爭優(yōu)勢。
第一部分，技術(shù)難度大，差異化價值也高，車企會優(yōu)先選擇自研或者收購，比如自動駕駛系統(tǒng)。
第二部分，技術(shù)難度小，差異化價值高，該部分車企會選擇自研，比如智能座艙的車載信息娛樂系統(tǒng)。
第三部分，技術(shù)難度不大，差異化價值也不高，比如底層驅(qū)動軟件等，可以大量通過外包等方式交給合作伙伴。
第四部分，技術(shù)難度高，差異化價值不高，比如操作系統(tǒng)、中間件、芯片等，車企就沒必要自研了。”
按照上述的分類，有能力的車企都會選擇自研自動駕駛。
不過，自研需要雄厚的資金和巨大的體量來支持，也許并不是所有的車企都適合自研，尤其是那些“家底不那么厚實”的車企。
也有人認(rèn)為，比如主機廠掌握適度自研能力是合理的，但是沒必要全棧自研，只需要掌握如控制算法等即可，這些功能對舒適性、操控等影響較大，至于其他如感知等算法則選擇和外部供應(yīng)商合作。一方面，這些算法研發(fā)難度大，研發(fā)投入也大，經(jīng)濟賬算不過來，另一方面，這些功能對于終端用戶的差異化體驗貢獻(xiàn)也相對較弱。
其實車企不管是自研還是外部合作，一方面在探索自己的能力邊界，另一方面也是在找和外部合作伙伴的最佳合作模式。背后隱藏的訴求，無非是希望在自動駕駛時代，能夠獲得更高的話語權(quán)，得到“安全感”。
5.3車企自研方面的動作及進展
也正因為重視自動駕駛，傳統(tǒng)車企在自研方面做出了很多努力。
在團隊搭建方面，傳統(tǒng)車企除了體系內(nèi)自建自動駕駛團隊外，有些還選擇在體系外搭建了團隊，比如上汽的零束、長城的毫末、吉利的億咖通。這些體系外的獨立公司，既可以擺脫傳統(tǒng)車企體制的束縛，在吸引人才和企業(yè)文化建設(shè)上，也能夠更加靈活和開放，更有利于自動駕駛技術(shù)自研。
除自研外，車企通過投資和業(yè)務(wù)合作等方式進行布局的腳步也一直沒有停下。
長安、一汽等傳統(tǒng)車企紛紛與百度、華為、地平線新等企業(yè)以投資、建立合資公司等方式進行合作。
上汽去年兩次投資Momenta，搭載Momenta泊車、高速、城區(qū)等場景的自動輔助駕駛功能的首款車型智己L7也預(yù)計將于近期開始交付。
廣汽也不例外，今年3月，獨家投資了禾多科技，搭載禾多科技行車、泊車功能車型也將于2022年上市。此外，廣汽還成為華為智能汽車“HUAWEI Inside”模式的合作方之一，雙方將于2023年推出合作開發(fā)的車型。
一位傳統(tǒng)車企工程師曾說：“目前技術(shù)基礎(chǔ)薄弱，還要依靠供應(yīng)商幫助，跟著供應(yīng)商做一個項目，再加上供參考學(xué)習(xí)的白盒方案，慢慢地建立起自研能力。”
這位工程師還提到，等到自研能力成熟了，量產(chǎn)方案切換時，也會穩(wěn)妥優(yōu)先，“一開始先在某款銷量不大的車型上試點，等成功了再慢慢拓展。”
按照這位車企工程師的思路，雖然車企切自研短期內(nèi)會付出一定的代價，不過只要自研能力建立起來了，長期來看功能迭代一定會慢慢跟上，這就需要車企在“短期利益”和“長期利益”中間做一個權(quán)衡。
為更好地實現(xiàn)自研，傳統(tǒng)車企選擇供應(yīng)商的方式也在發(fā)生變化——他們開始擯棄過去“所有自動駕駛軟硬件全部打包給一家Tier 1來解決”的“交鑰匙方案”，逐漸走向“精細(xì)化管理”，即把系統(tǒng)軟硬件按照功能拆分得很細(xì)，分開招標(biāo)定點，以此來加強自己的掌控力，也能借此機會向供應(yīng)商近距離學(xué)習(xí)，可以逐步接觸更核心的部分。
六、行業(yè)終局是什么？
筆者在和很多從業(yè)者在私下交流的時候，都會聊到一個話題，自動駕駛的行業(yè)終局是什么。思考終局能夠讓我們更好地“以終為始”地做決策。
上述討論的“主機廠有沒有必要自研”，取決于車企的價值判斷，這也決定了主機廠自研的投入力度和持久度，也很大程度上影響了行業(yè)終局。
一位自動駕駛Tier 1公司的副總裁告訴九章智駕，行業(yè)終局會形成三種格局。
第一種，特斯拉模式，全棧自研，從軟件到芯片，垂直一體化。
第二種，類似于PC行業(yè)芯片（英特爾）+操作系統(tǒng)（微軟），可能會出現(xiàn)自動駕駛芯片廠商和操作系統(tǒng)廠商為主導(dǎo)、OEM只做簡單開發(fā)的格局。
不過自動駕駛系統(tǒng)要想成為操作系統(tǒng)，一方面，算法要實現(xiàn)和下層硬件的解耦，另一方面，算法要和上層應(yīng)用也要隔離，比如，把和用戶體驗強相關(guān)的、能夠體現(xiàn)差異化的定義接口開放給車企，這樣方便車企根據(jù)用戶需求來進行定義。
第三種，和現(xiàn)狀差不多，以主機廠為主，和上游合作伙伴做行業(yè)分工。
“這三種格局，有可能并存，或者哪一種勝出，現(xiàn)在還沒有完全定論。不過按目前演進的路線，第一種和第二種的概率會更大一些，”上述副總裁說。
目前看下來，蔚小理等頭部造車新勢力堅定地走特斯拉全棧自研模式，長城、吉利、一汽、上汽、廣汽等傳統(tǒng)車企，也在往這條路上走，還有車企打算自己做芯片。該模式難度高，投入大，風(fēng)險也高，如果能成功，那么產(chǎn)品競爭力和收益也是最大的。
從終局看，最終只會有幾家頭部的車企在該模式下能跑出來，畢竟不管是自研自動駕駛系統(tǒng)還是芯片，都是需要重資金和人才投入的，這樣的投入恐怕只有頭部的車企才能養(yǎng)活得起，也只有頭部的車企，才有足夠的銷量去分?jǐn)偝杀?、形成競爭?yōu)勢，否則反而成了累贅。
第二種，對于資金沒那么雄厚、體量沒那么大的車企來說，是個“高性價比”的選擇，在控制投入的前提下，還能共享產(chǎn)出。以某幾個頭部自動駕駛軟件公司和芯片廠商為核心，形成一個開放的生態(tài)圈，既能讓芯片形成規(guī)模效應(yīng)，也能共享算法解決方案和自動駕駛數(shù)據(jù)，以此來抗衡特斯拉模式。
不少人認(rèn)為，在獨立的自動駕駛軟件公司這個賽道，最后很可能只有幾家頭部的公司才能活下來，其他的大概率會被并購，就像小米收購DeepMotion（深度科技）一樣。
李斌在對話趙福全時，也提到自動駕駛行業(yè)終局，他認(rèn)為最終也會形成幾個聯(lián)盟，不過和上述的“強Tier 1+弱OEM”不同，他認(rèn)為車企之間會相互聯(lián)盟，每個公司獨立運營，但加入某個聯(lián)盟來共享資源，比如傳感器布局、算力平臺、基礎(chǔ)算法、算法數(shù)據(jù)等，既合作又競爭。
其實車企之間“強OEM+弱OEM”的“抱團”的趨勢也已經(jīng)在發(fā)生了，2019年，大眾集團和福特對外宣稱共同投資Argo AI公司，共同分?jǐn)侫rgo AI研發(fā)自動駕駛汽車技術(shù)的費用。
2018年，本田通過投資7.5億美元，獲得通用汽車收購的Cruise 5.7%的股權(quán)，并在自動駕駛領(lǐng)域和通用繼續(xù)加深合作，于2021年和通用、Cruise一起合作開發(fā)出了無人駕駛車輛平臺Origin。
至于上述提到的第三種維持行業(yè)現(xiàn)狀的路線，更像是個演變進程中的過渡狀態(tài)，目前傳統(tǒng)界限分明、分工明確的Tier 1、Tier 2，也已經(jīng)開始慢慢模糊，開始出現(xiàn)Tier 0.5和Tier 1.5這樣的角色。Tier 1也在不斷調(diào)整自己的角色定位，“對福瑞泰克來講，新型Tier 1作為主機廠最緊密的合作伙伴，對整個系統(tǒng)開發(fā)負(fù)責(zé)，我們也會更多站在用戶的角度去思考功能的定義和開發(fā)，不僅提供最終產(chǎn)品的供應(yīng)，更重要的是幫助客戶一起完成產(chǎn)品的定義和論證，供應(yīng)商的管理。”沈駿強說。
市場風(fēng)向在不斷調(diào)整，車企的關(guān)注點也在不斷調(diào)整，而且往往是在兩個極端之間搖擺。
五六年前，車企對智能化的關(guān)注點還更多是在智能座艙上，2016年號稱“全球首款量產(chǎn)互聯(lián)網(wǎng)汽車”的榮威RX5發(fā)布，一上市中控大屏就驚艷了市場，而那時候智能駕駛領(lǐng)域還在被Mobileye壟斷市場，車企都還在用EyeQ系列芯片。
不過市場變化很快，隨著智能座艙的同質(zhì)化，和特斯拉智能駕駛功能FSD的火爆，讓用戶購車時更多關(guān)注智能駕駛功能上了，智能駕駛又成為了車企關(guān)注的焦點。
對軟件的態(tài)度也是如此。傳統(tǒng)模式下的產(chǎn)業(yè)鏈分工，車企幾乎不做軟件開發(fā)，由Tier 1將軟件封裝在ECU里軟硬件一起交付，對軟件的重要性認(rèn)識也不夠，一位自動駕駛公司創(chuàng)始人說：“四五年前，在和車企交流時提到軟件定義汽車，車企覺得‘軟件沒你說的這么重要’‘還是踏踏實實搞硬件’‘消費者不關(guān)心軟件’，在提到特斯拉時，也是用鄙視和調(diào)侃的語氣。”
隨著這幾年“軟件定義汽車”的大火，風(fēng)向完全逆轉(zhuǎn)了過來，車企都在大規(guī)模招聘軟件人才，組建軟件研發(fā)團隊。
在產(chǎn)業(yè)鏈分工上也是如此，從傳統(tǒng)的Tier 1、Tier 2的分工模式，形勢完全逆轉(zhuǎn)，車企紛紛模仿特斯拉做全棧自研，甚至芯片也要自己造，就像手機行業(yè)里的蘋果的封閉生態(tài)一樣。
不過，并不是所有的車企都能成為特斯拉，就像不是所有的手機廠商都能成為蘋果一樣。最后行業(yè)的終局，一定會出現(xiàn)類似于手機行業(yè)里安卓那樣的開放生態(tài)，車企借助上游合作伙伴的力量，一起抗衡蘋果模式的車企。
最終兩個生態(tài)相互競爭，互為補充，持續(xù)共存，這是自動駕駛行業(yè)最有可能的終局。
參考資料：
1.趙福全對話李斌（下）：解讀汽車產(chǎn)業(yè)價值轉(zhuǎn)移https://auto.ifeng.com/pinglun/20210119/1526989.shtml
