集微网消息，“落地与技术投入是相辅相成的，清晰的商业路径为技术迭代提供了清晰的目标，迭代也是为了更好落地。”新石器无人车COO胡宇沸对集微网这样指出。过去一年，这家专注于低速自动驾驶汽车赛道的创业团队，在加紧冲刺商业落地。在未来汽车被技术重新定义完成巨变之前，“活下去”是前提。
因而自动驾驶和它的黑科技必须快速成为一个“商业命题”，而不能在一次又一次的路测之后，还是停在实验室的车库里。
不过，刚刚过去的2020年，在“最后一公里”的落地冲刺中，又多了一些新商业案例。背后的一些新变现逻辑，以及将对上下游产业链带来的变革和重塑，或许可以为自动驾驶提供一种商业化的样本。
“无人化”、“规模化”是自动驾驶实现盈利的前提
自动驾驶能力无疑被业界视作未来智能汽车的决胜点，但商业盈利是一个新兴产业持续发展的基石。
自动驾驶分为高速和低速两个分支。其中，低速分支多为限定场景，被认为最可能规模化落地。继物流配送、安防和清洁之后，在“最后一公里的落地冲刺”上，无人驾驶汽车的玩家们不断尝试开拓新场景。
新石器团队通过将无人车变身移动餐厅切入新零售的尝试，在过去的一年中得到了一些积极的反馈。据新石器公司保守估计，这样一辆无人驾驶的移动餐饮售卖车可以实现单车年入25万的盈利预期。先解决“吃饭”问题是自动驾驶创业团队面临的现实。
“毕竟，你得先活下去，然后才有更多未来的可能性。”一位新石器团队成员表示。
实现单车盈利是自动驾驶迈向商业化的第一步。目前在低速自动驾驶，率先看到了一些商业落地的积极信号。
IEEE高级会员，香港科技大学智能驾驶中心主任、机器人与自主系统领域主任刘明对集微网指出，比如，在物流场景中，无人系统的应用可以解决未来物流行业劳动力缺口的问题；而在工业场景中的应用，因为它具有明确的工作流程，所以它设备的投入产出来讲，可以有一个很明确的指标去进行性价比的计算。
刘明进一步表示，在保证“无人”这一条件下，自动驾驶可以拓展很多的各类不同应用，如零售无人车、消防无人车、广告无人车等。
而在高速的一端，无人驾驶Robotaxi的商业模式被业界视作最有希望的方向。不过针对该商业落地模式，业界的一大共识同样是——无人化和规模化是获得商业盈利重要前提。
国内L4级自动驾驶技术的智能出行公司文远知行（WeRide）COO张力此前在接受媒体采访时就曾这样解释，目前自动驾驶车辆配备安全员运营的模式不可能赚钱，甚至比普通模式还要亏钱，“在出租车成本结构里，司机成本占60%左右，如果不能替代司机，无人驾驶Robotaxi的商业模式是不成立的。”
具体从技术和市场趋势来讲当前国内的自动驾驶产业进展阶段，头豹研究院的一份分析指出，当前，国内的自动驾驶发展正处于积极地从L2阶段利用高级驾驶辅助系统（ADAS），即部分手动干预过度到L3阶段（有条件自动化）。而目前，行业内尚无统一的无人驾驶硬件配置方案，但总体来看，摄像头、激光雷达、毫米波雷达等相结合已成为主流配置方案。无人驾驶研发商通过选择搭配在不同领域有优势的传感器和摄像头，并综合考量成本因素，在合理造价的范畴内，达到产品性能要求。
2020年后，大部分主流车企计划开启L4级别自动驾驶，各个汽车主机厂将实现无人驾驶作为未来汽车重要战略目标。头豹研究院梳理了汽车在向车联网、无人驾驶（L4）级别进化中的成本构成（见下图），并分析指出，鉴于L2自动驾驶对环境感知要求较低，且主机厂有控制成本的压力，“摄像头 + 雷达 + 计算机视觉”，在未来五年仍是主流解决方案。而随着越来越多的公司进入该市场，L3级别的全面商业化，激光雷达技术有望发展成熟，成为必备的硬件，并实现成本降低。
图片
新生态链形成中
未来5-10年，“汽车+科技”的融合将全方位加深，并重新定义和驱动整个汽车工业的发展。随着汽车不断与人工智能、5G通讯技术以及云计算等技术密切结合，自动驾驶的终极目标是无人驾驶，而无人驾驶将颠覆汽车出行格局，并带来产业链上下游的变革。
中国汽车工业协会预测，中国将在2020至2025年间实现低速驾驶和停车场景下的自动驾驶，在2025至2030年间实现更多复杂场景下的自动驾驶。到2040年，道路上行驶的车辆将有四分之三都是智能驾驶的车辆。有预测称，到2035年中国智能汽车产业规模将超过2000亿美元。
当前正处在巨变的起点，围绕着汽车工业的智能化变革，一个新的产业生态链也在加速成型。而科技和互联网公司在自动驾驶领域的深度布局、跨界合作正在给整个汽车工业注入发展活力。
比如，阿里从自动驾驶软硬件出发，打造无人配送车、芯片以及移动操作系统；腾讯积极开展无人驾驶路测，从车联网、高精地图、整车制造、自动驾驶软件多个方面进入无人驾驶领域；百度以系统和平台为落脚点，致力于成为自动驾驶综合解决方案提供商；华为以数云服务、智能互联、车联网为三驾马车开始无人驾驶领域的深度布局。同时，新造车势力注重汽车软件和用户体验，向无人驾驶进发，开发具备自动驾驶前沿技术的车型，加速路测，实现量产。
罗兰贝格预计，2030年自动驾驶车端系统的市场规模将达5000亿元。其中，芯片、传感器和软件算法是主要贡献者，市场规模分别预计可达1480亿元、1308亿元、917亿元。
不过，目前自动驾驶平台市场高度分散，由外国科技公司和硬件厂商主导，科技巨头和硬件制造商（芯片/半导体）目前发展潜力最大。这让以往车企在整个产业生态中的主导地位备受挑战，为了在竞争日趋激烈的市场立足于不败之地，车企通过建立联盟、兼并收购或自主开发，探索不同业务模式以进行自动驾驶相关研发，其中建立联盟备受车企追捧。
2017年起，大众与福特在全球自动驾驶、电动汽车研发领域开展合作，并实现了渠道共享。与此同时，部分大型主机厂会与科技公司联盟，构建完善开发体系。2016年起，宝马和英特尔–Mobileye开始合作开发自动驾驶技术；通用汽车收购了自动驾驶服务提供商Cruise Automation，要求其独立运营以进一步研究自动驾驶技术。也有个别主机厂设立新的业务部门/公司自主开发自动驾驶技术，如TOYOTA之前增设新公司，而非与技术公司合作。
还有很多硬仗
但必须承认的是，目前自动驾驶仍面临技术水平等瓶颈，在相当长一段时间内，主要将以场景化自动驾驶的状态出现。
以“出行即服务（MaaS）”的商业模式为例，尽管这被视作未来五到十年自动驾驶商业落地的主流方向，但多家机构的分析预测指出，2030年之前，完全自动驾驶还无法应用于MaaS。虽然完全自动驾驶已经在一些特定区域展开试运营（比如滴滴出行首选上海的特定自动驾驶测试路段作为自动驾驶出行服务的试点区域）。进一步的技术发展，系统性的法规和消费者教育（消费者信心）依然有待突破。
对此，刘明也指出，制约自动驾驶大规模商业落地的瓶颈，在技术层面，主要是受限于两点：一个是车本身数据的批量标定。传统车对速度的标定，如转角速度的标定，要求不是那么高；但是无人系统，对这一部分数据比较敏感。比如相对传统车，因为有人类驾驶员进行操控，因此容错率较高；但同样的条件，对无人车的控制及批量应用则提出更苛刻的要求。另一方面，无人系统的实时性，受限于传感器的刷新频率和FOV及点密度，尤其是激光传感器相关特性的制约，因而新一代传感器的发展尤为重要。
此外，如何保障自动驾驶技术的安全使用，也是急需解决的重要问题，需要具体考虑在什么样合适的场景，去实现无人驾驶技术的应用；同时，公开路面上数据的进一步采集，以及算法的进一步研究，也有待提升。
而这个过程中，商业模式、技术水平、基础建设以及相应的政策支撑等不同维度仍需要齐头并进。
汽车智能化的终极目标是无人驾驶的大规模商业落地，但这必将是一个渐进式的发展过程，并且单凭某一个领域的某一家或者数家公司都无法真正实现，而是整个产业链上下游，诸多细分领域公司共同推动的结果。正是从芯片、传感器、整车硬件，到算法、集成解决方案，再到出行服务的整个链条，构成了智能驾驶的完整生态，让它得以变成现实，最终走入寻常百姓家。
在一辆无人驾驶汽车的背后，是一系列复杂的合作和集成过程，也势必将引发商业场景和跨行业间的重新融合和变革。（校对/Jimmy）
因而自动驾驶和它的黑科技必须快速成为一个“商业命题”，而不能在一次又一次的路测之后，还是停在实验室的车库里。
不过，刚刚过去的2020年，在“最后一公里”的落地冲刺中，又多了一些新商业案例。背后的一些新变现逻辑，以及将对上下游产业链带来的变革和重塑，或许可以为自动驾驶提供一种商业化的样本。
“无人化”、“规模化”是自动驾驶实现盈利的前提
自动驾驶能力无疑被业界视作未来智能汽车的决胜点，但商业盈利是一个新兴产业持续发展的基石。
自动驾驶分为高速和低速两个分支。其中，低速分支多为限定场景，被认为最可能规模化落地。继物流配送、安防和清洁之后，在“最后一公里的落地冲刺”上，无人驾驶汽车的玩家们不断尝试开拓新场景。
新石器团队通过将无人车变身移动餐厅切入新零售的尝试，在过去的一年中得到了一些积极的反馈。据新石器公司保守估计，这样一辆无人驾驶的移动餐饮售卖车可以实现单车年入25万的盈利预期。先解决“吃饭”问题是自动驾驶创业团队面临的现实。
“毕竟，你得先活下去，然后才有更多未来的可能性。”一位新石器团队成员表示。
实现单车盈利是自动驾驶迈向商业化的第一步。目前在低速自动驾驶，率先看到了一些商业落地的积极信号。
IEEE高级会员，香港科技大学智能驾驶中心主任、机器人与自主系统领域主任刘明对集微网指出，比如，在物流场景中，无人系统的应用可以解决未来物流行业劳动力缺口的问题；而在工业场景中的应用，因为它具有明确的工作流程，所以它设备的投入产出来讲，可以有一个很明确的指标去进行性价比的计算。
刘明进一步表示，在保证“无人”这一条件下，自动驾驶可以拓展很多的各类不同应用，如零售无人车、消防无人车、广告无人车等。
而在高速的一端，无人驾驶Robotaxi的商业模式被业界视作最有希望的方向。不过针对该商业落地模式，业界的一大共识同样是——无人化和规模化是获得商业盈利重要前提。
国内L4级自动驾驶技术的智能出行公司文远知行（WeRide）COO张力此前在接受媒体采访时就曾这样解释，目前自动驾驶车辆配备安全员运营的模式不可能赚钱，甚至比普通模式还要亏钱，“在出租车成本结构里，司机成本占60%左右，如果不能替代司机，无人驾驶Robotaxi的商业模式是不成立的。”
具体从技术和市场趋势来讲当前国内的自动驾驶产业进展阶段，头豹研究院的一份分析指出，当前，国内的自动驾驶发展正处于积极地从L2阶段利用高级驾驶辅助系统（ADAS），即部分手动干预过度到L3阶段（有条件自动化）。而目前，行业内尚无统一的无人驾驶硬件配置方案，但总体来看，摄像头、激光雷达、毫米波雷达等相结合已成为主流配置方案。无人驾驶研发商通过选择搭配在不同领域有优势的传感器和摄像头，并综合考量成本因素，在合理造价的范畴内，达到产品性能要求。
2020年后，大部分主流车企计划开启L4级别自动驾驶，各个汽车主机厂将实现无人驾驶作为未来汽车重要战略目标。头豹研究院梳理了汽车在向车联网、无人驾驶（L4）级别进化中的成本构成（见下图），并分析指出，鉴于L2自动驾驶对环境感知要求较低，且主机厂有控制成本的压力，“摄像头 + 雷达 + 计算机视觉”，在未来五年仍是主流解决方案。而随着越来越多的公司进入该市场，L3级别的全面商业化，激光雷达技术有望发展成熟，成为必备的硬件，并实现成本降低。
图片
新生态链形成中
未来5-10年，“汽车+科技”的融合将全方位加深，并重新定义和驱动整个汽车工业的发展。随着汽车不断与人工智能、5G通讯技术以及云计算等技术密切结合，自动驾驶的终极目标是无人驾驶，而无人驾驶将颠覆汽车出行格局，并带来产业链上下游的变革。
中国汽车工业协会预测，中国将在2020至2025年间实现低速驾驶和停车场景下的自动驾驶，在2025至2030年间实现更多复杂场景下的自动驾驶。到2040年，道路上行驶的车辆将有四分之三都是智能驾驶的车辆。有预测称，到2035年中国智能汽车产业规模将超过2000亿美元。
当前正处在巨变的起点，围绕着汽车工业的智能化变革，一个新的产业生态链也在加速成型。而科技和互联网公司在自动驾驶领域的深度布局、跨界合作正在给整个汽车工业注入发展活力。
比如，阿里从自动驾驶软硬件出发，打造无人配送车、芯片以及移动操作系统；腾讯积极开展无人驾驶路测，从车联网、高精地图、整车制造、自动驾驶软件多个方面进入无人驾驶领域；百度以系统和平台为落脚点，致力于成为自动驾驶综合解决方案提供商；华为以数云服务、智能互联、车联网为三驾马车开始无人驾驶领域的深度布局。同时，新造车势力注重汽车软件和用户体验，向无人驾驶进发，开发具备自动驾驶前沿技术的车型，加速路测，实现量产。
罗兰贝格预计，2030年自动驾驶车端系统的市场规模将达5000亿元。其中，芯片、传感器和软件算法是主要贡献者，市场规模分别预计可达1480亿元、1308亿元、917亿元。
不过，目前自动驾驶平台市场高度分散，由外国科技公司和硬件厂商主导，科技巨头和硬件制造商（芯片/半导体）目前发展潜力最大。这让以往车企在整个产业生态中的主导地位备受挑战，为了在竞争日趋激烈的市场立足于不败之地，车企通过建立联盟、兼并收购或自主开发，探索不同业务模式以进行自动驾驶相关研发，其中建立联盟备受车企追捧。
2017年起，大众与福特在全球自动驾驶、电动汽车研发领域开展合作，并实现了渠道共享。与此同时，部分大型主机厂会与科技公司联盟，构建完善开发体系。2016年起，宝马和英特尔–Mobileye开始合作开发自动驾驶技术；通用汽车收购了自动驾驶服务提供商Cruise Automation，要求其独立运营以进一步研究自动驾驶技术。也有个别主机厂设立新的业务部门/公司自主开发自动驾驶技术，如TOYOTA之前增设新公司，而非与技术公司合作。
还有很多硬仗
但必须承认的是，目前自动驾驶仍面临技术水平等瓶颈，在相当长一段时间内，主要将以场景化自动驾驶的状态出现。
以“出行即服务（MaaS）”的商业模式为例，尽管这被视作未来五到十年自动驾驶商业落地的主流方向，但多家机构的分析预测指出，2030年之前，完全自动驾驶还无法应用于MaaS。虽然完全自动驾驶已经在一些特定区域展开试运营（比如滴滴出行首选上海的特定自动驾驶测试路段作为自动驾驶出行服务的试点区域）。进一步的技术发展，系统性的法规和消费者教育（消费者信心）依然有待突破。
对此，刘明也指出，制约自动驾驶大规模商业落地的瓶颈，在技术层面，主要是受限于两点：一个是车本身数据的批量标定。传统车对速度的标定，如转角速度的标定，要求不是那么高；但是无人系统，对这一部分数据比较敏感。比如相对传统车，因为有人类驾驶员进行操控，因此容错率较高；但同样的条件，对无人车的控制及批量应用则提出更苛刻的要求。另一方面，无人系统的实时性，受限于传感器的刷新频率和FOV及点密度，尤其是激光传感器相关特性的制约，因而新一代传感器的发展尤为重要。
此外，如何保障自动驾驶技术的安全使用，也是急需解决的重要问题，需要具体考虑在什么样合适的场景，去实现无人驾驶技术的应用；同时，公开路面上数据的进一步采集，以及算法的进一步研究，也有待提升。
而这个过程中，商业模式、技术水平、基础建设以及相应的政策支撑等不同维度仍需要齐头并进。
汽车智能化的终极目标是无人驾驶的大规模商业落地，但这必将是一个渐进式的发展过程，并且单凭某一个领域的某一家或者数家公司都无法真正实现，而是整个产业链上下游，诸多细分领域公司共同推动的结果。正是从芯片、传感器、整车硬件，到算法、集成解决方案，再到出行服务的整个链条，构成了智能驾驶的完整生态，让它得以变成现实，最终走入寻常百姓家。
在一辆无人驾驶汽车的背后，是一系列复杂的合作和集成过程，也势必将引发商业场景和跨行业间的重新融合和变革。（校对/Jimmy）
自动驾驶“最后一公里”落地冲刺 新产业链加速重组，“落地与技术投入是相辅相成的，清晰的商业路径为技术迭代提供了清晰的目标，迭代也是为了更好落地。”新石器无人车COO胡宇沸对集微网这样指出。过去一年，这家专注于低速自动驾驶汽车赛道的创业团队，在加紧冲刺商业落地。在未来汽车被技术重新定义完成巨变之前，“活下去”是前提。
因而自动驾驶和它的黑科技必须快速成为一个“商业命题”，而不能在一次又一次的路测之后，还是停在实验室的车库里。
不过，刚刚过去的2020年，在“最后一公里”的落地冲刺中，又多了一些新商业案例。背后的一些新变现逻辑，以及将对上下游产业链带来的变革和重塑，或许可以为自动驾驶提供一种商业化的样本。
“无人化”、“规模化”是自动驾驶实现盈利的前提
自动驾驶能力无疑被业界视作未来智能汽车的决胜点，但商业盈利是一个新兴产业持续发展的基石。
自动驾驶分为高速和低速两个分支。其中，低速分支多为限定场景，被认为最可能规模化落地。继物流配送、安防和清洁之后，在“最后一公里的落地冲刺”上，无人驾驶汽车的玩家们不断尝试开拓新场景。
新石器团队通过将无人车变身移动餐厅切入新零售的尝试，在过去的一年中得到了一些积极的反馈。据新石器公司保守估计，这样一辆无人驾驶的移动餐饮售卖车可以实现单车年入25万的盈利预期。先解决“吃饭”问题是自动驾驶创业团队面临的现实。
“毕竟，你得先活下去，然后才有更多未来的可能性。”一位新石器团队成员表示。
实现单车盈利是自动驾驶迈向商业化的第一步。目前在低速自动驾驶，率先看到了一些商业落地的积极信号。
IEEE高级会员，香港科技大学智能驾驶中心主任、机器人与自主系统领域主任刘明对集微网指出，比如，在物流场景中，无人系统的应用可以解决未来物流行业劳动力缺口的问题；而在工业场景中的应用，因为它具有明确的工作流程，所以它设备的投入产出来讲，可以有一个很明确的指标去进行性价比的计算。
刘明进一步表示，在保证“无人”这一条件下，自动驾驶可以拓展很多的各类不同应用，如零售无人车、消防无人车、广告无人车等。
而在高速的一端，无人驾驶Robotaxi的商业模式被业界视作最有希望的方向。不过针对该商业落地模式，业界的一大共识同样是——无人化和规模化是获得商业盈利重要前提。
国内L4级自动驾驶技术的智能出行公司文远知行（WeRide）COO张力此前在接受媒体采访时就曾这样解释，目前自动驾驶车辆配备安全员运营的模式不可能赚钱，甚至比普通模式还要亏钱，“在出租车成本结构里，司机成本占60%左右，如果不能替代司机，无人驾驶Robotaxi的商业模式是不成立的。”
具体从技术和市场趋势来讲当前国内的自动驾驶产业进展阶段，头豹研究院的一份分析指出，当前，国内的自动驾驶发展正处于积极地从L2阶段利用高级驾驶辅助系统（ADAS），即部分手动干预过度到L3阶段（有条件自动化）。而目前，行业内尚无统一的无人驾驶硬件配置方案，但总体来看，摄像头、激光雷达、毫米波雷达等相结合已成为主流配置方案。无人驾驶研发商通过选择搭配在不同领域有优势的传感器和摄像头，并综合考量成本因素，在合理造价的范畴内，达到产品性能要求。
2020年后，大部分主流车企计划开启L4级别自动驾驶，各个汽车主机厂将实现无人驾驶作为未来汽车重要战略目标。头豹研究院梳理了汽车在向车联网、无人驾驶（L4）级别进化中的成本构成（见下图），并分析指出，鉴于L2自动驾驶对环境感知要求较低，且主机厂有控制成本的压力，“摄像头 + 雷达 + 计算机视觉”，在未来五年仍是主流解决方案。而随着越来越多的公司进入该市场，L3级别的全面商业化，激光雷达技术有望发展成熟，成为必备的硬件，并实现成本降低。
新生态链形成中
未来5-10年，“汽车+科技”的融合将全方位加深，并重新定义和驱动整个汽车工业的发展。随着汽车不断与人工智能、5G通讯技术以及云计算等技术密切结合，自动驾驶的终极目标是无人驾驶，而无人驾驶将颠覆汽车出行格局，并带来产业链上下游的变革。
中国汽车工业协会预测，中国将在2020至2025年间实现低速驾驶和停车场景下的自动驾驶，在2025至2030年间实现更多复杂场景下的自动驾驶。到2040年，道路上行驶的车辆将有四分之三都是智能驾驶的车辆。有预测称，到2035年中国智能汽车产业规模将超过2000亿美元。
当前正处在巨变的起点，围绕着汽车工业的智能化变革，一个新的产业生态链也在加速成型。而科技和互联网公司在自动驾驶领域的深度布局、跨界合作正在给整个汽车工业注入发展活力。
比如，阿里从自动驾驶软硬件出发，打造无人配送车、芯片以及移动操作系统；腾讯积极开展无人驾驶路测，从车联网、高精地图、整车制造、自动驾驶软件多个方面进入无人驾驶领域；百度以系统和平台为落脚点，致力于成为自动驾驶综合解决方案提供商；华为以数云服务、智能互联、车联网为三驾马车开始无人驾驶领域的深度布局。同时，新造车势力注重汽车软件和用户体验，向无人驾驶进发，开发具备自动驾驶前沿技术的车型，加速路测，实现量产。
罗兰贝格预计，2030年自动驾驶车端系统的市场规模将达5000亿元。其中，芯片、传感器和软件算法是主要贡献者，市场规模分别预计可达1480亿元、1308亿元、917亿元。
不过，目前自动驾驶平台市场高度分散，由外国科技公司和硬件厂商主导，科技巨头和硬件制造商（芯片/半导体）目前发展潜力最大。这让以往车企在整个产业生态中的主导地位备受挑战，为了在竞争日趋激烈的市场立足于不败之地，车企通过建立联盟、兼并收购或自主开发，探索不同业务模式以进行自动驾驶相关研发，其中建立联盟备受车企追捧。
2017年起，大众与福特在全球自动驾驶、电动汽车研发领域开展合作，并实现了渠道共享。与此同时，部分大型主机厂会与科技公司联盟，构建完善开发体系。2016年起，宝马和英特尔–Mobileye开始合作开发自动驾驶技术；通用汽车收购了自动驾驶服务提供商Cruise Automation，要求其独立运营以进一步研究自动驾驶技术。也有个别主机厂设立新的业务部门/公司自主开发自动驾驶技术，如TOYOTA之前增设新公司，而非与技术公司合作。
还有很多硬仗
但必须承认的是，目前自动驾驶仍面临技术水平等瓶颈，在相当长一段时间内，主要将以场景化自动驾驶的状态出现。
以“出行即服务（MaaS）”的商业模式为例，尽管这被视作未来五到十年自动驾驶商业落地的主流方向，但多家机构的分析预测指出，2030年之前，完全自动驾驶还无法应用于MaaS。虽然完全自动驾驶已经在一些特定区域展开试运营（比如滴滴出行首选上海的特定自动驾驶测试路段作为自动驾驶出行服务的试点区域）。进一步的技术发展，系统性的法规和消费者教育（消费者信心）依然有待突破。
对此，刘明也指出，制约自动驾驶大规模商业落地的瓶颈，在技术层面，主要是受限于两点：一个是车本身数据的批量标定。传统车对速度的标定，如转角速度的标定，要求不是那么高；但是无人系统，对这一部分数据比较敏感。比如相对传统车，因为有人类驾驶员进行操控，因此容错率较高；但同样的条件，对无人车的控制及批量应用则提出更苛刻的要求。另一方面，无人系统的实时性，受限于传感器的刷新频率和FOV及点密度，尤其是激光传感器相关特性的制约，因而新一代传感器的发展尤为重要。
此外，如何保障自动驾驶技术的安全使用，也是急需解决的重要问题，需要具体考虑在什么样合适的场景，去实现无人驾驶技术的应用；同时，公开路面上数据的进一步采集，以及算法的进一步研究，也有待提升。
而这个过程中，商业模式、技术水平、基础建设以及相应的政策支撑等不同维度仍需要齐头并进。
汽车智能化的终极目标是无人驾驶的大规模商业落地，但这必将是一个渐进式的发展过程，并且单凭某一个领域的某一家或者数家公司都无法真正实现，而是整个产业链上下游，诸多细分领域公司共同推动的结果。正是从芯片、传感器、整车硬件，到算法、集成解决方案，再到出行服务的整个链条，构成了智能驾驶的完整生态，让它得以变成现实，最终走入寻常百姓家。
在一辆无人驾驶汽车的背后，是一系列复杂的合作和集成过程，也势必将引发商业场景和跨行业间的重新融合和变革。（校对/Jimmy）
因而自动驾驶和它的黑科技必须快速成为一个“商业命题”，而不能在一次又一次的路测之后，还是停在实验室的车库里。
不过，刚刚过去的2020年，在“最后一公里”的落地冲刺中，又多了一些新商业案例。背后的一些新变现逻辑，以及将对上下游产业链带来的变革和重塑，或许可以为自动驾驶提供一种商业化的样本。
“无人化”、“规模化”是自动驾驶实现盈利的前提
自动驾驶能力无疑被业界视作未来智能汽车的决胜点，但商业盈利是一个新兴产业持续发展的基石。
自动驾驶分为高速和低速两个分支。其中，低速分支多为限定场景，被认为最可能规模化落地。继物流配送、安防和清洁之后，在“最后一公里的落地冲刺”上，无人驾驶汽车的玩家们不断尝试开拓新场景。
新石器团队通过将无人车变身移动餐厅切入新零售的尝试，在过去的一年中得到了一些积极的反馈。据新石器公司保守估计，这样一辆无人驾驶的移动餐饮售卖车可以实现单车年入25万的盈利预期。先解决“吃饭”问题是自动驾驶创业团队面临的现实。
“毕竟，你得先活下去，然后才有更多未来的可能性。”一位新石器团队成员表示。
实现单车盈利是自动驾驶迈向商业化的第一步。目前在低速自动驾驶，率先看到了一些商业落地的积极信号。
IEEE高级会员，香港科技大学智能驾驶中心主任、机器人与自主系统领域主任刘明对集微网指出，比如，在物流场景中，无人系统的应用可以解决未来物流行业劳动力缺口的问题；而在工业场景中的应用，因为它具有明确的工作流程，所以它设备的投入产出来讲，可以有一个很明确的指标去进行性价比的计算。
刘明进一步表示，在保证“无人”这一条件下，自动驾驶可以拓展很多的各类不同应用，如零售无人车、消防无人车、广告无人车等。
而在高速的一端，无人驾驶Robotaxi的商业模式被业界视作最有希望的方向。不过针对该商业落地模式，业界的一大共识同样是——无人化和规模化是获得商业盈利重要前提。
国内L4级自动驾驶技术的智能出行公司文远知行（WeRide）COO张力此前在接受媒体采访时就曾这样解释，目前自动驾驶车辆配备安全员运营的模式不可能赚钱，甚至比普通模式还要亏钱，“在出租车成本结构里，司机成本占60%左右，如果不能替代司机，无人驾驶Robotaxi的商业模式是不成立的。”
具体从技术和市场趋势来讲当前国内的自动驾驶产业进展阶段，头豹研究院的一份分析指出，当前，国内的自动驾驶发展正处于积极地从L2阶段利用高级驾驶辅助系统（ADAS），即部分手动干预过度到L3阶段（有条件自动化）。而目前，行业内尚无统一的无人驾驶硬件配置方案，但总体来看，摄像头、激光雷达、毫米波雷达等相结合已成为主流配置方案。无人驾驶研发商通过选择搭配在不同领域有优势的传感器和摄像头，并综合考量成本因素，在合理造价的范畴内，达到产品性能要求。
2020年后，大部分主流车企计划开启L4级别自动驾驶，各个汽车主机厂将实现无人驾驶作为未来汽车重要战略目标。头豹研究院梳理了汽车在向车联网、无人驾驶（L4）级别进化中的成本构成（见下图），并分析指出，鉴于L2自动驾驶对环境感知要求较低，且主机厂有控制成本的压力，“摄像头 + 雷达 + 计算机视觉”，在未来五年仍是主流解决方案。而随着越来越多的公司进入该市场，L3级别的全面商业化，激光雷达技术有望发展成熟，成为必备的硬件，并实现成本降低。
新生态链形成中
未来5-10年，“汽车+科技”的融合将全方位加深，并重新定义和驱动整个汽车工业的发展。随着汽车不断与人工智能、5G通讯技术以及云计算等技术密切结合，自动驾驶的终极目标是无人驾驶，而无人驾驶将颠覆汽车出行格局，并带来产业链上下游的变革。
中国汽车工业协会预测，中国将在2020至2025年间实现低速驾驶和停车场景下的自动驾驶，在2025至2030年间实现更多复杂场景下的自动驾驶。到2040年，道路上行驶的车辆将有四分之三都是智能驾驶的车辆。有预测称，到2035年中国智能汽车产业规模将超过2000亿美元。
当前正处在巨变的起点，围绕着汽车工业的智能化变革，一个新的产业生态链也在加速成型。而科技和互联网公司在自动驾驶领域的深度布局、跨界合作正在给整个汽车工业注入发展活力。
比如，阿里从自动驾驶软硬件出发，打造无人配送车、芯片以及移动操作系统；腾讯积极开展无人驾驶路测，从车联网、高精地图、整车制造、自动驾驶软件多个方面进入无人驾驶领域；百度以系统和平台为落脚点，致力于成为自动驾驶综合解决方案提供商；华为以数云服务、智能互联、车联网为三驾马车开始无人驾驶领域的深度布局。同时，新造车势力注重汽车软件和用户体验，向无人驾驶进发，开发具备自动驾驶前沿技术的车型，加速路测，实现量产。
罗兰贝格预计，2030年自动驾驶车端系统的市场规模将达5000亿元。其中，芯片、传感器和软件算法是主要贡献者，市场规模分别预计可达1480亿元、1308亿元、917亿元。
不过，目前自动驾驶平台市场高度分散，由外国科技公司和硬件厂商主导，科技巨头和硬件制造商（芯片/半导体）目前发展潜力最大。这让以往车企在整个产业生态中的主导地位备受挑战，为了在竞争日趋激烈的市场立足于不败之地，车企通过建立联盟、兼并收购或自主开发，探索不同业务模式以进行自动驾驶相关研发，其中建立联盟备受车企追捧。
2017年起，大众与福特在全球自动驾驶、电动汽车研发领域开展合作，并实现了渠道共享。与此同时，部分大型主机厂会与科技公司联盟，构建完善开发体系。2016年起，宝马和英特尔–Mobileye开始合作开发自动驾驶技术；通用汽车收购了自动驾驶服务提供商Cruise Automation，要求其独立运营以进一步研究自动驾驶技术。也有个别主机厂设立新的业务部门/公司自主开发自动驾驶技术，如TOYOTA之前增设新公司，而非与技术公司合作。
还有很多硬仗
但必须承认的是，目前自动驾驶仍面临技术水平等瓶颈，在相当长一段时间内，主要将以场景化自动驾驶的状态出现。
以“出行即服务（MaaS）”的商业模式为例，尽管这被视作未来五到十年自动驾驶商业落地的主流方向，但多家机构的分析预测指出，2030年之前，完全自动驾驶还无法应用于MaaS。虽然完全自动驾驶已经在一些特定区域展开试运营（比如滴滴出行首选上海的特定自动驾驶测试路段作为自动驾驶出行服务的试点区域）。进一步的技术发展，系统性的法规和消费者教育（消费者信心）依然有待突破。
对此，刘明也指出，制约自动驾驶大规模商业落地的瓶颈，在技术层面，主要是受限于两点：一个是车本身数据的批量标定。传统车对速度的标定，如转角速度的标定，要求不是那么高；但是无人系统，对这一部分数据比较敏感。比如相对传统车，因为有人类驾驶员进行操控，因此容错率较高；但同样的条件，对无人车的控制及批量应用则提出更苛刻的要求。另一方面，无人系统的实时性，受限于传感器的刷新频率和FOV及点密度，尤其是激光传感器相关特性的制约，因而新一代传感器的发展尤为重要。
此外，如何保障自动驾驶技术的安全使用，也是急需解决的重要问题，需要具体考虑在什么样合适的场景，去实现无人驾驶技术的应用；同时，公开路面上数据的进一步采集，以及算法的进一步研究，也有待提升。
而这个过程中，商业模式、技术水平、基础建设以及相应的政策支撑等不同维度仍需要齐头并进。
汽车智能化的终极目标是无人驾驶的大规模商业落地，但这必将是一个渐进式的发展过程，并且单凭某一个领域的某一家或者数家公司都无法真正实现，而是整个产业链上下游，诸多细分领域公司共同推动的结果。正是从芯片、传感器、整车硬件，到算法、集成解决方案，再到出行服务的整个链条，构成了智能驾驶的完整生态，让它得以变成现实，最终走入寻常百姓家。
在一辆无人驾驶汽车的背后，是一系列复杂的合作和集成过程，也势必将引发商业场景和跨行业间的重新融合和变革。（校对/Jimmy）
江西蓝海芯科技有限公司#蓝鲸制造#
蓝海芯科技集团有限公司是一家专注于功能性高分子复合新材料的研发、生产、销售一体的国家级高新技术企业。公司成立于2007年，产品主要应用于消费电子制造领域，以实现智能手机、平板电脑、笔记本电脑、汽车电子等产品各功能模块或部件之间的粘接、保护、防干扰、导热、散热、防尘、绝缘、导电、标识等功能。
公司制造厂区占地面积达100亩，拥有进口高精密生产线和独立的研发涂布实验车间，并配备全套检测、实验设备设施。蓝海芯科技集团是目前国内唯一一家研发中心设立在中国改革开发的最前沿广东，生产基地坐落在具备最优成本竞争力的江西革命老区，研发贴近市场客户，制造扎根内地的经营模式较其他同类公司具备较大竞争力，不仅为客户提供快速样品开发及交付，而且大批量产综合成本较竞争对手更有优势。
2016 年12月，公司为了积极响应中央扶贫战略，将集团公司落户于贫困地区的革命老区江西井冈山，建成了蓝海芯江西科技园，拥有百级无尘车间3万平方米，7 条进口高精密涂布生产线，产能达650 万平方米每月。在井冈山实现三个第一：“当年投资、当年建厂、当年缴税”，上缴税费达1,504.94 万元。作为井冈山第一家重点上市扶持企业，受到当地政府的大力支持。
蓝海芯集团研发中心位于东莞松山湖，制造基地设立在江西井冈山市，注册资金6666.66万元，厂区占地面积10万平方米，是一家生产高分子保护膜、功能膜、光学膜、环保新材料等新材料的国家高新科技企业；产品主要应用于玻璃制品、触控显示等电子产品的结构粘结与表面保护。随着公司的发展壮大，公司计划借助一款生产管理系统把无序的生产数据有效的管控起来，使生产车间智能化、生产数据可视化、异常情况及时预警等。
一、蓝海芯车间管理难点
车间的碰到的一些关键问题如，产品质量不稳定、损耗失真、生产周期失控等。这些、都是因为生产管理问题所致，但最终、影响的是客户的交期、损失的是公司的信誉。
1.工单进度无法及时获取，生产现场灵活性差
车间不可能等一张工单做完后再投产下一张工单，当进行多个产品、每个产品多个工艺时，依靠手工报表来统计很难实现车间的灵活调整及调度。如插单、产能负荷。
2.实际生产进度与生产计划脱节，计划形同虚设
生产计划表仅起形式上的作用，生产计划与实际生产脱节，计划是一套，生产又是一套，生产计划根本不起作用，徒具形式。
3.各工序完成的物料数量难以掌控、多做或做少无法及时发现
由于各工序调机损失或多个班次生产一种产品，当工序较多或同一产品多工单生产时很容易发生某一张工单做多或做少，依靠手工很容易统计错误并且不能及时发现。
4.生产、品质、计划不能很好的衔接，一个出问题、个个出问题
生产经常紊乱，品质跟着失控，造成经常性的返工，经常返工又影响生产计划的执行，造成恶性循环。
5.产能瓶颈无法预警，产能负荷不能预先获取，标准产能只能是纸上谈兵
各车间只有产能平衡才能实现最大效率的产出，由于生产异常导致的工艺瓶颈及产能负荷不能精确的及时掌握、最后大家都在关注的OEE只能是空中楼阁，看的见、抓不着。
二、蓝海芯MES系统主要功能
1、生产线实时数据采集系统
1）压力、温度数据采集、空调传感器数据采集。
2）生产速度、放卷张力、电晕瓦数、涂头条件（依既有涂头之参数输出）、涂布张力、烘箱张力，UV能量监控，无尘室洁净度，溶剂浓度检测数据，收放卷米数，在线检测厚度，在线检测缺陷等数字化采集。
2、原材料仓库WMS
物料条码设计、物料条码打印、物料资料管理、物料PDA清点、PDA收货上架、IQC原材料进货检验、更新用友ERP入库单、下载用友工单发料指令、PDA发料下架、PDA退料上架。
3、计划排产系统
ERP数据同步、设备资源产能设定、工单排产管理、工单产能负荷分析表、生产计划达率分析。
4、品质管理系统
检验规则管理、检验模板管理、不良代码管理、预警规则管理、制程检验、首件检验、制程巡检、成品入库检验设备对接、成品检验分析。
5、设备管理系统
设备台账管理、维修保养管理、设备状态监控、维修派工、手机APP报告维修进度。
6、生产管理系统
工艺流程设计、工艺参数管理、条码规则管理、条码设计条码生成、条码打印、条码补打、标签模板设计、标签打印、标签补打。
7、生产过程监控
胶水混料作业、卷料PDA上料扫描、熟料PDA上架扫描、熟料PDA下架扫描、熟料室实时电子看板、合成原料称重数据收集、合成搅拌机搅拌转速、合成搅拌時間、成品分卷扫描、成品条码标签打印、用友U8出货计划下载、成品出货PDA扫描、成品出货Packing List、更新用友U8发料单据。
8、移动应用平台
使用手机APP就能实现产品信息、物料信息、工单信息查询和全程追溯，可在移动端进行物料管理和生产进度监控，可以远程在线查看设备状态，获取生产异常警报信息等。
9、追溯管理
从原材料、工艺过程设备机台、参数（温度、时间）、人员、胶水配制、环境温度等，客户端若投诉可以反查追溯。涂布生产日报表，通过日期查询收卷信息，并且知道每一个卷号用的胶水批次号，基膜批次号，离心膜批次号，上卷人，收卷人等信息，方便后期追溯；
手机保护膜、汽车防爆膜行业生产企业是连续的流程型企业，生产环节可分为配胶、原料处理、涂布、收卷和分切等五大工艺流程。
手机保护膜、汽车防爆膜行业行业多年来采用传统的“由上而下”按计划生产的方式。也就是从计划层到生产控制层单项的管理模式。在这种传统的计划模式下，计划层和过程控制层脱节，信息靠“手工”传递。传递中无法保证信息的统一、完整、及时和准确，导致计划层无法实时掌握全面的生产信息，造成决策响应周期过长，影响了企业的生产经营，使企业无法获得预期效益。
蓝海芯科技集团有限公司是一家专注于功能性高分子复合新材料的研发、生产、销售一体的国家级高新技术企业。公司成立于2007年，产品主要应用于消费电子制造领域，以实现智能手机、平板电脑、笔记本电脑、汽车电子等产品各功能模块或部件之间的粘接、保护、防干扰、导热、散热、防尘、绝缘、导电、标识等功能。
公司制造厂区占地面积达100亩，拥有进口高精密生产线和独立的研发涂布实验车间，并配备全套检测、实验设备设施。蓝海芯科技集团是目前国内唯一一家研发中心设立在中国改革开发的最前沿广东，生产基地坐落在具备最优成本竞争力的江西革命老区，研发贴近市场客户，制造扎根内地的经营模式较其他同类公司具备较大竞争力，不仅为客户提供快速样品开发及交付，而且大批量产综合成本较竞争对手更有优势。
2016 年12月，公司为了积极响应中央扶贫战略，将集团公司落户于贫困地区的革命老区江西井冈山，建成了蓝海芯江西科技园，拥有百级无尘车间3万平方米，7 条进口高精密涂布生产线，产能达650 万平方米每月。在井冈山实现三个第一：“当年投资、当年建厂、当年缴税”，上缴税费达1,504.94 万元。作为井冈山第一家重点上市扶持企业，受到当地政府的大力支持。
蓝海芯集团研发中心位于东莞松山湖，制造基地设立在江西井冈山市，注册资金6666.66万元，厂区占地面积10万平方米，是一家生产高分子保护膜、功能膜、光学膜、环保新材料等新材料的国家高新科技企业；产品主要应用于玻璃制品、触控显示等电子产品的结构粘结与表面保护。随着公司的发展壮大，公司计划借助一款生产管理系统把无序的生产数据有效的管控起来，使生产车间智能化、生产数据可视化、异常情况及时预警等。
一、蓝海芯车间管理难点
车间的碰到的一些关键问题如，产品质量不稳定、损耗失真、生产周期失控等。这些、都是因为生产管理问题所致，但最终、影响的是客户的交期、损失的是公司的信誉。
1.工单进度无法及时获取，生产现场灵活性差
车间不可能等一张工单做完后再投产下一张工单，当进行多个产品、每个产品多个工艺时，依靠手工报表来统计很难实现车间的灵活调整及调度。如插单、产能负荷。
2.实际生产进度与生产计划脱节，计划形同虚设
生产计划表仅起形式上的作用，生产计划与实际生产脱节，计划是一套，生产又是一套，生产计划根本不起作用，徒具形式。
3.各工序完成的物料数量难以掌控、多做或做少无法及时发现
由于各工序调机损失或多个班次生产一种产品，当工序较多或同一产品多工单生产时很容易发生某一张工单做多或做少，依靠手工很容易统计错误并且不能及时发现。
4.生产、品质、计划不能很好的衔接，一个出问题、个个出问题
生产经常紊乱，品质跟着失控，造成经常性的返工，经常返工又影响生产计划的执行，造成恶性循环。
5.产能瓶颈无法预警，产能负荷不能预先获取，标准产能只能是纸上谈兵
各车间只有产能平衡才能实现最大效率的产出，由于生产异常导致的工艺瓶颈及产能负荷不能精确的及时掌握、最后大家都在关注的OEE只能是空中楼阁，看的见、抓不着。
二、蓝海芯MES系统主要功能
1、生产线实时数据采集系统
1）压力、温度数据采集、空调传感器数据采集。
2）生产速度、放卷张力、电晕瓦数、涂头条件（依既有涂头之参数输出）、涂布张力、烘箱张力，UV能量监控，无尘室洁净度，溶剂浓度检测数据，收放卷米数，在线检测厚度，在线检测缺陷等数字化采集。
2、原材料仓库WMS
物料条码设计、物料条码打印、物料资料管理、物料PDA清点、PDA收货上架、IQC原材料进货检验、更新用友ERP入库单、下载用友工单发料指令、PDA发料下架、PDA退料上架。
3、计划排产系统
ERP数据同步、设备资源产能设定、工单排产管理、工单产能负荷分析表、生产计划达率分析。
4、品质管理系统
检验规则管理、检验模板管理、不良代码管理、预警规则管理、制程检验、首件检验、制程巡检、成品入库检验设备对接、成品检验分析。
5、设备管理系统
设备台账管理、维修保养管理、设备状态监控、维修派工、手机APP报告维修进度。
6、生产管理系统
工艺流程设计、工艺参数管理、条码规则管理、条码设计条码生成、条码打印、条码补打、标签模板设计、标签打印、标签补打。
7、生产过程监控
胶水混料作业、卷料PDA上料扫描、熟料PDA上架扫描、熟料PDA下架扫描、熟料室实时电子看板、合成原料称重数据收集、合成搅拌机搅拌转速、合成搅拌時間、成品分卷扫描、成品条码标签打印、用友U8出货计划下载、成品出货PDA扫描、成品出货Packing List、更新用友U8发料单据。
8、移动应用平台
使用手机APP就能实现产品信息、物料信息、工单信息查询和全程追溯，可在移动端进行物料管理和生产进度监控，可以远程在线查看设备状态，获取生产异常警报信息等。
9、追溯管理
从原材料、工艺过程设备机台、参数（温度、时间）、人员、胶水配制、环境温度等，客户端若投诉可以反查追溯。涂布生产日报表，通过日期查询收卷信息，并且知道每一个卷号用的胶水批次号，基膜批次号，离心膜批次号，上卷人，收卷人等信息，方便后期追溯；
手机保护膜、汽车防爆膜行业生产企业是连续的流程型企业，生产环节可分为配胶、原料处理、涂布、收卷和分切等五大工艺流程。
手机保护膜、汽车防爆膜行业行业多年来采用传统的“由上而下”按计划生产的方式。也就是从计划层到生产控制层单项的管理模式。在这种传统的计划模式下，计划层和过程控制层脱节，信息靠“手工”传递。传递中无法保证信息的统一、完整、及时和准确，导致计划层无法实时掌握全面的生产信息，造成决策响应周期过长，影响了企业的生产经营，使企业无法获得预期效益。
✋热门推荐