share_log

潘禺:萝卜快跑是怎么“生不逢时”的?-心智观察所、潘禺

潘禺:蘿蔔快跑是怎麼“生不逢時”的?-心智觀察所、潘禺

觀察者網 ·  07/12 14:41

【文/觀察者網專欄作者 潘禺】

蘿蔔快跑上了熱搜,是因爲成績有點好,跑得有點快。

覆蓋3000多平方公里和770萬人口,武漢形成了全球最大的無人駕駛服務區,超過了此前的冠軍,由Waymo服務的美國菲尼克斯(鳳凰城)。

有評論指出,當前的蘿蔔快跑,面臨着“既要又要”的尷尬。既要承載中國在自動駕駛領域跑得更快、“遙遙領先”的希望,又要在當下的世事維艱中,避免招致網約車司機群體的憤慨。

比如,一位央視特約評論員這樣寫道:

如果條件允許,蘿蔔快跑也許情願將大規模上路的時間點推到2015年——那時候,新業態可以憑着“汽車PK馬車”的敘事佔據制高點,靠大衆的“新經濟濾鏡”獲得輿論支持,再加上當時創業就業機會多,人們不會扎堆湧入網約車行業。但,這也只能是“如果”。

那麼,蘿蔔快跑爲什麼會“生不逢時”呢,在2015年有什麼條件不允許嗎?

百度的無人車,發展到今天一共是6代。第一代車型,是2013年百度和德國寶馬合作研發的。

這之後,又經歷了多次迭代。第二代無人車2016年上路,基於奇瑞EQ、比亞迪EV300和北汽EU260三款車型打造。

第三代無人車,基於林肯MKZ,將激光雷達替換成國產禾賽激光雷達,計算單元則升級爲自研hw3.0。

這前三代都是後裝改裝,也就是將自動駕駛技術添加到已生產和銷售的現有車輛上。

第四代無人車2018年11月發佈,由百度與一汽共同研發的紅旗EV。這一代開始前裝量產,也就是在汽車製造的過程中,在生產線上就將自動駕駛技術集成到新車中,這樣就有了自動駕駛系統和車輛各個部分的深度整合。

第五代無人車2021年6月發佈,基於北汽極狐阿爾法T純電車型定製而成。這一代被命名爲Apollo Moon,依託了百度Apollo的技術積累。2017年4月,陸奇宣佈了百度“Apollo計劃”,以開源方式進軍自動駕駛領域,Apollo至今已經升級到了9.0版本。

第六代無人車2024年5月發佈,Apollo RT6,也就是在武漢開始放量部署的這款。

如果對比Waymo的時間線,可以看出百度的速度其實並沒有像Google那樣激進。

Waymo第一代,是2010年改裝的Toyota Prius,最早的測試平台,驗證自動駕駛的可行性。

Waymo第二代,是2012年使用Lexus RX450h混合動力SUV,開始在公共道路上進行更多測試。

2016年,Waymo的第三代,與FCA(菲亞特克萊斯勒汽車公司)合作的車型。2018年,Waymo的第四代,與捷豹路虎合作的車型。這兩代就已經都被用於Waymo One自動駕駛出租車服務,在鳳凰城等地進行日常運營。相比之下,百度蘿蔔快跑部署的是第五代、第六代車型。

2016年是Waymo成立,Google宣佈將其無人駕駛汽車項目獨立爲一個名爲Waymo的新公司,第二年,Waymo在鳳凰城推出了無人駕駛出租車服務Waymo One,此後幾年Waymo One的服務範圍就在擴大。

2020年開始,Waymo在美國西南部測試無人駕駛貨運卡車,探索無人駕駛技術在物流領域的應用,並推出了Waymo Via品牌,專注於無人駕駛貨運和物流解決方案。Waymo Via的車輛主要基於商用卡車平台,針對長途運輸和高速公路駕駛進行了優化,而這已經是Waymo的第六代車型了。

也就是說,雖然大體上都是十年6代無人車,百度不僅起步相對較晚,而且快速進入市場的商業策略也沒有Waymo那麼積極。蘿蔔快跑的大規模運營路徑,到2024年有了武漢經驗,才開始清晰。

百度在初期更加註重技術的開發和完善,進行了大量的模擬測試和封閉道路測試,通過Apollo平台開放生態系統,吸引合作伙伴共同推進自動駕駛技術的發展,在技術成熟後,才開始在實際道路上進行大規模測試和驗證,此後才逐步開始擴大蘿蔔快跑的商業運營,確保技術的可靠性和安全性。

Waymo在初期就非常注重實際道路測試數據的大量積累,鳳凰城也有許多優勢,如氣候相對乾燥、晴朗,雨雪天氣較少,擁有寬闊的道路和較爲規則的街區佈局,交通標識清晰。而亞利桑那州相對寬鬆的法規環境,也是Waymo One能起步那麼早的重要條件。

兩相對照,百度卻反而在商業落地上有了反超之勢,也就是武漢運營的突然放量。

百度初期在商業運營上不採取激進策略,最重要的原因還不是法規和輿論的支持不夠,作爲當之無愧的“新質生產力”,敘事的制高點和國家產業政策的扶持力度,在需要的時候是少不了的。

真正的障礙是前五代無人車的造價高昂。以激光雷達爲例,現在的價格已降到單顆500-1000美元,過去的價格則可能是十倍。百度第五代無人車的成本是48萬,而第六代無人車成本已經降到了20萬,直接下降60%。以五年的運營週期來算,相比於前一代,第六代無人車每天可以節省100元。

隨着規模化的生產運營,這個成本還能繼續下降,而Waymo的成本,一輛車是20萬美元。

前面說過,Waymo從2020年開始,已經將重點放到了自動駕駛卡車Waymo Via上,但現在,又將重點放回了優先發展其自動駕駛出租車業務Waymo One,就是想改善財務表現。截至2023年第二季度,Alphabet“其他押注”部門報告收入爲2.85億美元,但運營虧損爲8.13億美元,其中Waymo佔據了很大部分。目前Waymo尚未公開具體的盈利目標。

而蘿蔔快跑的質變就發生在今年,2023年初,其運營規模還比較小,每輛車跑一天都要虧不少錢。今年年初,隨着時空覆蓋和運營效率的大幅提升,蘿蔔快跑營收增長了9倍,虧損減少了一多半。在里程單價僅爲普通網約車3/4以下的前提下,到2024年底,蘿蔔快跑預計將在武漢實現收支平衡,並在2025年全面進入盈利期。

這意味着,蘿蔔快跑將成爲全球首個實現商業化盈利的自動駕駛出行服務平台。從這個意義上說,蘿蔔快跑並沒有“生不逢時”,其對Waymo的反超,是“生正逢時”的結果。

蘿蔔快跑能解決單車成本,實現更大規模的規範化運營上路,首先,要放到整個中國汽車工業的發展中去理解。2024年的中國汽車工業,與2015年是不可同日而語的。2015年電動汽車產量37.9萬輛,出口70萬輛,2024年電動汽車產量預計超過700萬輛,出口預計超過200萬輛。規模的放大背後是成本的下降,以電池來說,2015年,電動汽車電池組的成本約爲每千瓦時350美元,到2023年,這一成本已經降至約每千瓦時100美元。

其次,也要放到這一輪以大模型爲代表的人工智能新技術浪潮中去理解。隨着大模型的成熟,自動駕駛的技術層面問題大幅減少。在2015年,即便是百度這樣的從業者,也還難以預見到Scaling Law(規模法則)能發揮如此大的作用,但今天,許多人已經相信,AI技術將通過無人駕駛的逐步實現率先落地。比如最近張亞勤就說,無人駕駛可能會成爲第一個真正實現具身智能或物理智能的AGI,而時間節點就在明年。

百度的Apollo ADFM就由多模感知大模型和多源規劃大模型組成。百度對此的解釋是,小模型解決具體問題,面對corner case的時候,解決問題的成本花費跟不上,就需要進行模型聚合。放在2015年的技術背景中,這也不會發生。

由於產業週期和技術週期的共同影響,在安全和盈利的雙重要求下,就決定了百度無人車在武漢的運營規模爆發是在當下,不會更早,也不會更晚。

但這又恰好是在一個特殊的時間點,2015年,中國網約車司機的數量約爲150萬人,而到2023年底,中國的網約車司機數量已接近660萬人。這是什麼概念呢,2023年中國汽車行業的就業人數,也不過是600萬人。

無人駕駛所在的產業週期、技術週期碰到當下的經濟週期,導致蘿蔔快跑引起了巨大爭議,上了熱搜,被認爲尷尬。

但無人出租車的運營真正要衝擊到司機的就業,依然需要一個漫長的過程,可以肯定不會是最近幾年,很可能要等到下一個經濟週期。以麥肯錫的估計,L4級別的自動駕駛出租車和L5級別的全自動卡車,其商業可行性預期在2028年至2031年之間達到,無人駕駛汽車對司機就業的衝擊預計最快要到2030年左右。

雖然百度在PPT上把全面盈利期設定在2025年,但這並不意味着到明年,業界就能在能力、法規和商業閉環方面完全成熟。

至少有三個方面的挑戰,是難以預估的,會影響到盈利時間表。

第一,儘管百度在多個城市獲得了運營許可,但全面推廣無人駕駛技術仍需克服各地的不同監管要求。這些要求會延緩技術的普及和商業化進程。

第二,百度的競爭對手,如小馬智行、特斯拉等,也在積極擴展其市場並提升技術水平,這會對百度的市場份額和盈利能力產生影響。

第三,要實現全面的商業化運營,還需進一步解決技術上的難題和提升公衆的安全信任度,公衆的信任度很難預估,但這會直接影響訂單。

只有當這些挑戰都被克服,許多隱性的成本都被考慮進去(比如,百度作爲運營方承擔事故責任賠償的成本,定損、賠償的流程是非常複雜的,很難去估算),無人駕駛才能說實現了真正的盈利,在這之後,廠商才會有動力大規模投資生產和運營,鋪開無人出租車服務的規模,對出租車司機形成衝擊。

麥肯錫估計的最快2030年,是比較合理的,到那時,可以見證蘿蔔快跑來的到底是不是時候,是不是生不逢時。

這樣來看,政府研究應對政策,減少對就業衝擊的影響,仍有足夠的時間餘量。

本文系觀察者網獨家稿件,文章內容純屬作者個人觀點,不代表平台觀點,未經授權,不得轉載,否則將追究法律責任。關注觀察者網微信guanchacn,每日閱讀趣味文章。

譯文內容由第三人軟體翻譯。


以上內容僅用作資訊或教育之目的,不構成與富途相關的任何投資建議。富途竭力但無法保證上述全部內容的真實性、準確性和原創性。
    搶先評論