1442
文 | 董二千，编辑 | 杨旭然
我们的世界正在走向更加剧烈的马太效应，全球的经济力量正在向少数大国日益集中，而大国之间的竞争博弈也越发激烈，这在以人工智能等为代表的先进科技领域表现得尤其明显。
随着新一轮科技革命与产业变革的不断深入，科技创新已经成为世界主要国家谋求经济发展内生动力和产业竞争优势的关键抓手，各国纷纷加大对新技术的研发投资和产业布局。
作为大模型重构物理世界最典型的应用，无人驾驶已成为大国布局未来的重要方向。
在大洋彼岸，特斯拉今日发布无人驾驶出租车，命名为“Cybercab”，特斯拉无人车没有方向盘、没有踏板，成本低于3万美元。
“这款产品将使特斯拉成为一家市值10万亿美元的公司，”马斯克曾表示，“一百年后人们还会谈论这一刻。”
而萝卜快跑早就在2022年发布第六代无人车，可选有、无方向盘两种模式，成本也一样低于3万美元，但与特斯拉无人车预计在2026年落地不同，萝卜快跑第六代无人车早已开启测试。
谷歌母公司Alphabet也在第二季度财报电话会议表示，将在未来几年内在其无人驾驶子公司Waymo上再投资50亿美元，用以打造世界领先的无人驾驶技术公司。
当下的无人驾驶正处于中美领跑世界的阶段，其他国家大多处于“重在参与”的阶段。
中国方面，无人驾驶最核心的玩家就是百度，其旗下的萝卜快跑之前就已经在全国实现了700万单里程碑。
有意思的是，Cybercab的种种创新似乎萝卜快跑都已有布局，因此有网友戏称，这是在致敬“国产萝卜”。如Cybercab没有方向盘、没有脚踏板、没有后视镜、也不需要司机，但萝卜快跑早于两年前就发布了第六代无人车，支持无方向盘和有方向盘两种模式。
马斯克表示，Cybercab的预计成本将低于3万美元，但萝卜快跑的第六代无人车颐驰06成本已经低于3万美元，这也足以说明萝卜快跑在应用落地方面更为成熟。
尤其是Cybercab还要2年才能投放市场，萝卜快跑还有充分的时间进一步提升自己的产品和技术。
5月，百度就在Apollo Day上发布了全球首个支持L4级无人驾驶应用的自动驾驶大模型Apollo ADFM，可以兼顾技术的安全性和泛化性，做到安全性高于人类驾驶员10倍以上，实现城市级全域复杂场景覆盖。
萝卜快跑甚至想抓住时间窗口，进一步攻入Cybercab腹地。有媒体报道，萝卜快跑正在积极进行全球布局，已与多个国际公司进行了深入沟通，计划进军海外市场。
产业竞争是残酷的，也充满了各种“操作谋局”，如美国频频给中国无人驾驶产业发展“踩刹车”，以数据安全为由，限制我国无人驾驶技术进入。以此为背景，2023年中国无人驾驶汽车在美国加州道路测试中的行驶里程，下降了约70%。
百年未有之大变局的背景下，无人驾驶对任何一方来说，都是一场“输不起的战役”，我们也必然会看到更加高强度的竞争局面。
重要赛道
必争之地。
早在2004年，美国国防部高级研究计划局（DARPA）在加利福尼亚州的莫哈维沙漠举办第一届无人驾驶汽车挑战赛，结果所有的参赛汽车在起点没走多远就失败了，这次比赛因而被戏称为“美国国防部高级研究计划局的沙漠大崩溃”。
然而，无人驾驶汽车的故事并未止步于此，随后的几届挑战赛也都取得了显著的成绩。此后，谷歌等众多的科技公司和汽车厂商陆续开始研发无人驾驶技术，拉开汽车行业变革的序幕。
自动驾驶走向规模运营之路，远比预计的要更加漫长。其中一个重要原因是传统的技术方案难以处理复杂场景，“自动驾驶在过去二十年的时间没有完全达成目标，除了传感器硬件、算力等原因跟不上，还有一个原因可能是方法跟不上。而最可能的实现方法就是以数据驱动，进行AI大模型训练和部署的方式来实现真正的自动驾驶。”毫末智行CEO顾维灏曾分享道。
2017年，Transformer架构在谷歌诞生，可以训练出更强大的模型。同年，马斯克从OpenAI挖来了卡帕西，重构自动驾驶代码，通过Transformer+BEV（鸟瞰视觉），将感知部分交给大模型。
近乎同一时间，百度决定用大模型重构自动驾驶技术栈——2017年开始全系统模型化，转向数据驱动；2021年开始，百度Apollo把系统中的多个小模型任务逐步整合，扩大模型规模，探索自动驾驶大模型技术，后续大模型已经全面部署上车。
作为综合了人工智能、通信、半导体、汽车等多项技术的无人驾驶，涉及产业链长、价值创造空间巨大，已经成为各国汽车产业与科技产业跨界、竞合的必争之地。
灼识咨询数据显示，2030年全球无人驾驶市场规模预计将达到17240亿美元，其中中国市场有望达到6340亿美元。
“近两年来，新一轮科技革命和产业变革正在重构全球创新版图、重塑全球经济结构。作为新质生产力代表的自动驾驶，已经成为全球竞争的关键领域。”北京交通大学市场研究所所长徐丽娟表示，“作为人工智能赋能汽车行业的典型应用场景，自动驾驶涉及芯片、操作系统、物联网、城市基建、检测认证等相关产业发展，是数字经济和实体经济融合的重要赛道。”
关键竞争
全球自动驾驶“三大家”
无人驾驶出租车市场是一片蓝海，也是一块仍未分配的巨大蛋糕。中美作为全球自动驾驶企业数量最多的两个国度，谁能率先跑通商业闭环，并建立起相关产业链，谁也就有了定义赛道、向其他国家输出技术产品的能力。
以中国积极开展无人出租车商业化的政策动作看，中国在这方面确实存在有强烈的企图心。而目前有能力承担这一任务的基本上只有百度。
5月，外媒EV Magazine评选出了一份全球无人驾驶技术公司排名，榜单主要评估L4级无人驾驶系统的技术成熟度、研发进展及产品能力，其中在“领导者”象限中，有3家美国公司上榜，而百度是唯一入选该象限的中国公司。
随着特斯拉发布无人驾驶出租车Robotaxi，萝卜快跑作为中国企业的代表，正与以谷歌、特斯拉直接竞速，中美无人驾驶“三大家”的竞争格局已经形成了。
在自动驾驶技术研发上，美国占据先发优势。美国拥有发达的集成电路技术，在高端芯片设计领域也一直保持领先态势，为高性能车载芯片的发展打下了良好的基础。不论是 “Waymo派”，还是“特斯拉派”，都更偏向“单车智能”的解决方案，背后的核心能力是人工智能算法和决策芯片。
中国企业则是找到了另外一条差异化路线，中国的优势则在于完备的基础设施，因此萝卜快跑等企业在在积极推动“单车智能+车路协同”方案，通过“聪明的车”与“智能的路”相互协同，构筑“人、车、路、云”全域数据感知的智能路网。
从数据积累来看，特斯拉FSD的累计行驶里程已经超过16亿英里，Waymo自动驾驶出租车服务在美国的每周付费出行次数也已突破10万次。而目前国内能做到规模化、常态化测试的无人驾驶企业只有萝卜快跑一家。截至2024年6月，其自动驾驶实际道路测试与示范里程超过1亿公里。
可以推断的是，中美无人驾驶领域仍有一些差距，但并非遥不可及。不过，贴身肉搏的产业竞争往往比我们想象得更加残酷。
2023年7月，四名议员曾写信给美国运输部长和商务部长，要求调查中国的自动驾驶技术在美国的情况及如何对其进行限制。信中写道，“自动驾驶车、激光雷达、雷达、摄像头、人工智能和其他先进传感器和半导体所使用的技术，都可以用来收集有关美国人民和基础设施的数据，这些数据可以分享回中国。”
此后，诸多中国无人驾驶公司纷纷退出美国市场。
正如中国国家创新与发展战略研究会副会长、中国科学院大学教授吕本富所言：“当前正值全球智能网联汽车发展窗口期，机会稍纵即逝，企业只有毫不迟疑地积极拥抱智能网联汽车，才不至于在未来最核心的前沿技术领域落后。”
规模效应
落地应用。
鲜有人关注的是，在这场竞争中，中国其实已踏出了最关键的一步。
无人驾驶产业曾经历过漫长的低迷期，其核心原因是低迷的营收无法覆盖高企的成本，大量企业在直面市场和消费者的大考中铩羽而归。在这场巨头的游戏中，那些缺乏技术、缺乏资本、缺乏落地应用能力的企业最终都难以成功。
在百度2024年第二季度财报电话会议上，百度创始人、董事长兼首席执行官李彦宏也透露，旗下无人驾驶出租车业务将实现区域性的收支平衡。
具体来说，实现盈利的推动力在于降低成本和提升需求。
高企的整车制造成本是当前推高单位服务成本核心原因，但行之有效的降本路径似乎已经被找到了以萝卜快跑的情况观察，第六代无人车颐驰06售价只有20.46万元，成本已经低于3万美元，相较第五代无人车成本下降了60%。
需求的提升来自于投放车辆规模及覆盖面积的不断扩大，而这非常有赖于相关主管部门给无人驾驶产业积极正向、开放包容的政策环境，充分发挥中国丰富场景优势，加速落地。
北京工业大学城市交通学院教授陈艳艳也曾提到：“目前国内多数发展无人驾驶的城市都是在限定区域和时间的小范围商业化试运营，地方性立法的步伐也要加快，大力支持无人驾驶企业扩展运营区域，助力规模化落地。”
毕竟历史的经验已经证明了，我们只要能在技术方面跟得上美国的实际情况，就可以凭借市场优势、规模优势实现总产值和利润上的赶超，同时海量资本反哺产业发展，最终在技术上的超越也可以完成。
面对特斯拉Robotaxi的竞争，萝卜快跑等中国力量仍然有继续释放能量的潜力。
写在最后
新兴经济体与传统强国之间的科技创新之争，正出现愈演愈烈的局面。
美国等发达国家凭借固有优势，在保持科技创新领先地位的同时，继续加速前进，但在商业化落地方面始终存在各种各样的问题。相比之下，中国可以依托于基础设施、市场优势、政策支持，不断将更前沿的模式推向市场，形成规模优势之后不断迭代创新，反而可以“后发先至”。
新兴产业发展的过程中可能会出现各种各样的问题，但最终的效果却总是不差。这在各种各样的互联网科技领域，都已经有了大量的成功案例。
以这样的趋势发展下去，中国科技产业最终会完成一条全新的成功路径。就像国务院于2017年发布的《新一代人工智能发展规划》中描绘的那样，到2030年，中国人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心。
