圖片來自網絡
文 | 魏啟揚
來源 | 智能相對論（ID：aixdlun）
對於還處於「投入期」的自動駕駛行業來說，「新基建」不光光是概念，更是實實在在的商機。
早在2018年的世界智能網聯汽車大會上，工信部部長苗圩做出預測，2020年中國智能網聯汽車市場規模可達1000億元以上。
當年的預測正在變成現實。
首先，年初突如其來的疫情讓本趨冷靜的自動駕駛行業迎來了一波爆發，其中的表現不光是大量低速無人產品的落地，還在於以小馬智行、馭勢科技、白犀牛、慧拓智能、新石器以及滴滴等為代表的自動駕駛企業在2至3月間密集宣布獲得融資。
其次，趁著「新基建」的風口，很多地方政府上馬了一批車路協同和智慧交通項目，今年3月，百度Apollo接連中標重慶、合肥、陽泉三地智慧交通項目將車路協同和智慧交通的熱度推向了頂點。
事實上，從去年下半年開始，除了BAT和華為之外，像中興、大唐這類通信領域的企業；蘑菇車聯這類車聯網企業；希迪智駕這類自動駕駛初創企業；做ETC的金溢科技、萬集科技；高德地圖、四維圖新這類圖商都開始跑步入場。
苗圩所說千億市場規模，其中很大一部分將在車路協同和智慧交通領域中產生。
說好的自動駕駛，為什麼車路協同和智慧交通在「新基建」的政策語境下顯得特別突出？
自動駕駛的新基建除了車路協同還有其他
與傳統「鐵公基」相比，「新基建」帶有濃重的產業網際網路基因，自動駕駛作為「新基建」七大板塊之一的人工智慧領域中的重要組成部分，更是涵蓋了人工智慧幾乎所有的技術類型，因而自動駕駛的新基建並不僅僅是如今風頭正勁的車路協同，還包括以下幾個部分。
首先，是感知層面的新基建，其中既包括雷達、攝像頭這類硬體傳感器，也包括像高精地圖這樣的專業工具。
以雷射雷達為例，作為自動駕駛汽車最重要的增量配件之一，價格太貴是自動駕駛技術難以快速推進的原因之一。在雷射雷達領域，存在著這樣一條價格鏈：
作為全球最大的雷射雷達供應商，Velodyne的產品單價可達幾十萬元人民幣一台；中國的禾賽科技同處賽道第一梯隊，其價格也僅僅只是比Velodyne稍微便宜一點；作為低價雷射雷達的代表，速騰聚創雖然將價格壓到了1.3萬一台，這仍不是一個能夠進行大範圍普及的價格。
去年，大疆投資的雷射雷達公司Livox終於將雷射雷達的價格打到了萬元以下，最便宜的Mid-40系列在大疆官網商場只要3999。價格是發生了翻天覆地的變化，但性能和可靠性還需經過一段時間的驗證才能做出判斷。這也是說，在雷射雷達這類硬體領域，仍然存在巨大的「新基建」機會。
至於高精地圖，在現實路況與地圖信息同步更新的要求之下，更是一項長期且日常性的工作，高精地圖廠商們的「新基建」則需在效率、精準度和價格成本上進行平衡。
其次，是測試環境方面的新基建，其中包括路測場景與雲測環境。
路測場景很好理解，就是在測試區內將5G、交通信號燈、斑馬線、交通標牌等設備補齊配足，將行車過程中可能遇到的場景進行標準化，來滿足自動駕駛車輛的路測需求。隨著技術研發的深入，路測場景也在不斷擴充，因而測試區幾乎每年都要進行新增測試場景的建設。
雲測環境的建設，則是採用模擬仿真的方式提升測試效率，幾乎所有的自動駕駛公司都會有自己的模擬仿真工具，AutoX剛剛建成的上海無人車運營大數據中心除了在運營側可以收集Robotaxi的出車數據外，還有一個專門模擬仿真大數據平台來支持海量測試運營數據進行數據加工、標註以及進一步的結構化測試。
如今華為、騰訊等網際網路巨頭推出了專業的自動駕駛模擬仿真雲平台，一些測試區也通過建立仿真實驗室的方式來補足自己在這方面的能力。
簡而言之，雲測環境的新基建已經起步，且正在被越來越多的行業人士與測試區所重視。
最後，是應用環境方面的新基建，也就是文章最開始提到的車路協同和智慧交通系統的建設。
個個都重要，為何「車路協同」最特別？
上文分析了自動駕駛新基建的幾個方面，不難看出，既然是「基礎設施建設」，每個方面都很重要，但為什麼是車路協同和智慧交通最先冒頭，讓自動駕駛收穫商業價值？其中原因有三。
1、政策語境下的必答題
在國家戰略層面對自動駕駛的推進並不單單只有「新基建」，去年9月由中共中央、國務院印發的《交通強國建設綱要》和今年2月由11個部委聯合印發的《智能汽車創新發展戰略》均對自動駕駛行業的發展進行了非常有針對性的指導。
前者特別提到，要加強智能網聯汽車（智能汽車、自動駕駛、車路協同）研發，形成自主可控完整的產業鏈；後者要求到2025年，要基本形成中國標準智能汽車的技術創新、產業生態、基礎設施、法規標準、產品監管和網絡安全體系。
不難看出，產業落地是實現上述戰略規劃的關鍵。
騰訊安全戰略研究中心新技術首席研究員翟尤在接受「智能相對論」採訪時也表達了同樣的看法：「新基建的內核實際上是新要素和新經濟的集中體現，車路協同和智慧交通是典型的新要素與新經濟與傳統基建融合的場景。」翟尤認為，新基建中的大數據和5G能夠為車路協同和智慧交通帶來技術上支撐，新基建的其他領域在一定程度上能夠起到相互促進的作用，「技術和數據可以作為車路協同和智慧交通市場化的基礎，5G作為一種技術通訊手段，又是技術和數據的集結。」
從另外一個維度對此解讀，國家在短短半年時間內，密集出台了「交通強國」、「智能汽車發展戰略」、「新基建」三項與自動駕駛相關的戰略，對於地方政府而言必須做出相關部署，智能駕駛在中國的政策語境中，不再是選擇題，而是必答題。
2、突破技術臨界點的必由之路
政策刺激是從自動駕駛行業整體出發，具體到自動駕駛行業中的各個垂直領域中，車路協同成了突破技術瓶頸和大規模普及的必經之路。
如何理解？
「單車智能發展得非常的快，但是最後1%解決不了。雖然可以用更多的錢，更多的里程，更多的數據去逼近，但是造車光『逼近』是不夠的，它不像人臉檢測，96%或者97%準確率就可以用，對於車來說，不到99.999%，就近乎等於零。」希迪智駕CEO馬濰今年1月份接受智能相對論（ID：aixdlun）採訪時曾表示，車路協同可以迅速補齊自動駕駛的不確定性短板，從而邁過技術落地和大規模普及的臨界點。
在另一方面，自動駕駛單車智能的程度距離真正的商業化落地為時尚早，車路協同卻是可以產生實實在在的商業價值，據希迪智駕公開資料顯示，該公司成立第一年的3000萬營收中，幾乎一半來自於車路協同業務。
初創公司尚且能從中分到蛋糕，那些科技巨頭和專業玩家更是要集中資源參與其中的競爭了。
3、多股力量共同推動的結果
之前的分析提到，政府、自動駕駛公司、科技巨頭們都有推動車路協同大規模落地普及的意願，如果將視野放至車路協同產業鏈的全局，可以發現，要做好車路協同和智慧交通，還需要車企、通訊設備廠商、網絡運營商、高精地圖廠商、雷射雷達等傳感器廠商甚至道路基礎設施建設部門等多方合力參與。
這也就是說，車路協同和智慧交通的爆發既受政策和技術驅動，也是市場驅動下的結果，對於這些參與者來說，不管未來的路線如何搖擺，當下的現實是他們都能賺到自己的一杯羹。
自動駕駛進入產業投資階段，初創公司在車路協同領域的機會在哪？
就自動駕駛行業今年以來的融資事件來看，像豐田投資小馬智行，博世投資馭勢科技，甚至信中利和上汽資本投資車路協同服務商華礪智行……都呈現出一個非常明顯的趨勢，自動駕駛的價值和需求已經獲得了產業的認可，自動駕駛行業開始從VC級投資進入到產業投資階段。
在產業資本的加持下，自動駕駛行業的資源將趨向集中，這也意味著留給初創公司的空間會越來越小。對此，中科創星創始合伙人、聯席CEO米磊在某次線上沙龍分享中提到了「從邊緣進攻，農村包圍城市」的策略。
米磊表示，創業公司首先要成為細分領域的龍頭，哪怕市場現在還沒有那麼大，不要試圖去跟巨頭在正面戰場上直接PK，而是要從邊緣切入，邊緣創新，「哪怕是巨頭，他們只要在這個細分市場的投入不如創業公司，那他也是打不過創業公司的。」
回到車路協同和智慧交通領域，初創公司在巨頭們的環伺下，機會在哪？
國內一家自動駕駛企業網聯交通事業部市場總監吳深（化名）表示，還得深耕細分場景的應用。
從巨頭們的布局可以看出，系統架構層面是BAT和華為瞄準的主要的方向，在具體應用上還大量的空白區域沒有填補，這也是初創公司們的市場空間。
往小的方向說，可以是路側傳感器感知單元與算法的結合；往大的方向說，可以是自動駕駛、智能交通、智慧城市的深度應用。
「比如面向城市道路場景的『V2X+交叉路況』、面向高速公路場景的『V2X+智慧高速』、面向城市大眾運輸系統的『V2X+公交智慧出行』、甚至城市交通態勢感知等等，都有初創公司發揮的空間。」吳深認為，每個城市的道路狀況都有不同，這也使得每條路上每個場景的解決方案也會有所差異，「將應用場景化整為零，打碎孤立，這樣有多少場景就有多少機會。」
騰訊安全戰略研究中心新技術首席研究員翟尤用消費網際網路到產業網際網路進化過程中所產生的變化作為例子：「消費網際網路To C，對平台方要求標準和統一化，在這樣的產業結構中容易產生具有壟斷性質的巨頭，如今的產業網際網路是碎片化的，行業將面臨更多的場景，這樣也將產生更多的機會。」
翟尤表示，過去是人和人的連接，未來除了人和人的連接之外，還有人和物、物和物之間的連接，從To C到To B的拓展過程中，市場也從紅海變成了藍海。初創公司的機會在於用怎樣的姿勢融入巨頭的平台生態，在垂直賽道中將自己的優勢發揮到極致。
此內容為【智能相對論】原創，
僅代表個人觀點，未經授權，任何人不得以任何方式使用，包括轉載、摘編、複製或建立鏡像。
部分圖片來自網絡，且未核實版權歸屬，不作為商業用途，如有侵犯，請作者與我們聯繫。
智能相對論（微信ID:aixdlun）：
•AI產業新媒體;
•今日頭條青雲計劃獲獎者TOP10;
•澎湃新聞科技榜單月度top5;
•文章長期「霸占」鈦媒體熱門文章排行榜TOP10;
•著有《人工智慧 十萬個為什麼》
•【重點關注領域】智能家電（含白電、黑電、智慧型手機、無人機等AIoT設備）、智能駕駛、AI+醫療、機器人、物聯網、AI+金融、AI+教育、AR/VR、雲計算、開發者以及背後的晶片、算法等。