人类为什么需要自动驾驶？

自动驾驶正经历一个漫长的寒冬。

2022年，国内自动驾驶相关的投融资金额为200亿，较2021年的932亿下跌78.5%。

2023年，“自动驾驶第一股”的图森未来在退市面前选择了裁员重组，阿里达摩院自动驾驶实验室也被并入菜鸟集团，市值一度高达52亿美元的Embark更是成为了第一家破产的自动驾驶上市公司。

即便如此，人类的未来不能没有自动驾驶。

“短期看金融，中期看土地，长期看人口”，这是中国民营经济研究会副会长任泽平研究房地产的心得。一定程度上，自动驾驶的未来也可以通过类似的方式判断。

根据联合国发布的《2022世界人口展望》报告，2022年时全球仅撒哈拉沙漠以南的非洲仍保持人口高速增长，其他地区均进入缓慢增长甚至下降的阶段，人口老龄化成为人类最大的挑战。

2022年，全球65岁以上人口有7.7亿，2030年时这个数字将达到9.9亿，2050年达到16亿。届时65岁以上人口数量将是5岁以下儿童的两倍多，这是人类历史上前所未有的情况，全球老龄化将会普遍且深远地影响整个人类社会。

曾任全国老龄办常务副主任的王建军讲过，预计到2025年，中国60岁及以上老年人口数将达到3亿，占总人口的五分之一；到2033年将突破4亿，约占总人口的四分之一；到2050年前后将达到4.9亿，约占总人口的三分之一，用于老年人开支的GDP占比预计将提升至26.2%。

如果劳动力短缺的问题得不到解决，30年后人类社会或将面临空前的人道主义危机，而自动驾驶，恰好是解决人口老龄化问题的诺亚方舟。

人类离不开自动驾驶

自动驾驶，顾名思义便是可以代替人开车，然而自动驾驶的意义远不止于此。

在分工明确的现代社会，物流是经济发展的基石。

《中华人民共和国2022年国民经济和社会发展统计公报》显示，2022年中国交通运输、仓储和邮政业增加值49674亿元，占全年国内生产总值1210207亿元的4.1%，虽然比例看起来并不算太高，但是物流作为国民经济各个部分的纽带，几乎影响各行各业的生产销售流程。

其中公路运输又是中国目前最主流的货运方式，2022年货物运输总量为514.7亿吨，其中有371.2亿吨由公路运输完成，占总量72.1%。

然而撑起物流行业半边天的公路货运正面临严重的人员短缺问题。

中物联2023年的调查显示，目前有超过8成货车司机年龄超过35岁，其中36-45岁占比48.7%，46岁以上占比33.8%，货车司机大龄化问题愈发严重，年轻人越来越抗拒从事货运行业，这导致货车司机人数逐年减少，2020年中国货运驾驶员为1510万人，较2016年的1898万人下降了20.4%。

2019年时，央视财经统计目前货车司机缺口达到了1000万，人员短缺导致76.2%的货车司机日均工作时长超过8小时，更有28.5%的货车司机日均工作时长超过12小时，高强度工作造成了安全事故多发。2021年，中国公路货运事故中有37%是由于司机因素造成的，35%是由于卡车盲区引发的。

如果货车司机的缺口和安全问题得不到解决，货运问题或比老龄化更快地影响整个中国的经济，而这恰好是自动驾驶最直接的价值。

高速场景下，L3级及以上的自动驾驶可将单车司机从2名减少到1名，同时让司机从驾驶员变为押运员，仅需在城郊道路驾驶或处理紧急情况，而L4级别的自动驾驶更有希望替代2名司机，彻底解决人员缺口。同时，自动驾驶卡车依托传感器也能进一步减小车辆盲区，综合来看可以避免目前72%的货运安全事故。

另一方面，由于自动驾驶摆脱了对人的依赖，理论上可以实现24小时不间断运输，将运营效率提高至目前的2-3倍，如果能与新能源结合，还能进一步降低运营成本。

取代人类驾驶员还只是第一步，自动驾驶的最终目的是取代人类所有的体力劳动。

2022年，中国全年出生人口956万，同年高校毕业生人数已经达到1076万。如果学校不缩招的话，2022年出生的新生儿未来都能接受高等教育，几乎不会有年轻人愿意从事体力劳动，现有的劳动力缺口必然会持续加大。

新生儿减少的同时，失能老年人的数量也会急剧攀升。根据中国人民大学老年学研究所杜鹏教授的预测，2050年时中国80岁及以上的高龄老人数量将超过1.1亿，仅是照顾这批高龄老年人便需要数千万的劳动力。

要想避免人口老龄化带来的恶果，用机器取代人类势在必得，而这恰好是自动驾驶的优势。

2023年的特斯拉投资者日上，特斯拉CEO马斯克透露，特斯拉已经打通了FSD和机器人Optimus的底层模块，实现了一定程度的算法复用。

FSD算法正是特斯拉全自动驾驶系统所采用的算法，依赖于神经网络和计算机视觉技术，可以通过对实时传感器（如相机、激光雷达等）获取的数据进行处理和分析，并从中提取有关道路、车辆、行人和障碍物等信息，实现车辆的环境感知和物体识别。

搭载了FSD算法的人形机器人，不仅可以和人类一样行走，还可以精准控制力道，灵活拿取各种工具。一旦技术成熟之后，便可以替代人类大多数的体力工作，这也是全球人口老龄化的唯一解。

除了解决未来的人口问题，自动驾驶作为AI芯片最重要的前沿应用场景，也会大幅促进芯片技术的发展。

飘摇的诺亚方舟

然而，还没等拯救人类，自动驾驶便先自身难保了。技术攻关、成本控制、商业落地、法律法规等方面的挑战接踵而至。

从技术层面来看，主流自动驾驶企业分为两条路线，分别是注重商业化落地的L2级辅助驾驶，以及一步到位的L4级高度自动驾驶。

L2(L2+)在感知方面采用摄像头、毫米波/超声波雷达和感知融合算法；在决策方面采用基于规则的算法和较小算力的芯片；在执行方面采用基本的线控制动及转向。L4在感知方面要增加激光雷达、高精地图，并采用多源感知融合算法；在决策方面需要机器学习以及深度学习算法和更高算力的芯片；在执行方面则需要两套系统的冗余配置。

目前两条路线的发展均不顺利。

L2级虽然可以更快地商业化落地，但是渐进至L4级的过程困难重重。曾任Waymo首席执行官的约翰·克拉夫切克说过：“从L2到L4真的没有路——只有一条巨大的鸿沟。这是一种完全不同的开发思维模式。”

L4级虽然在算法上有一定优势，但碍于成本、法律和技术等原因，距离商业化落地还有很长的路要走。短期内没有盈利能力的L4级企业只能靠融资维持研发，一旦遇到经济下行周期，便会出现经营困难的状况。

综合来看，一家公司要想在自动驾驶领域有立足之地，必须同时重视L2级和L4级的研发。

通过L2级辅助驾驶功能的量产，企业既能保证盈利能力，又能收集路测数据训练L4级算法模型，实现数据闭环。同时，L4级的算法优势也能拿来反哺L2级辅助驾驶，从而打造出具备差异化的产品，增强L2级产品的竞争力。

在L4级的研发上，也必须循序渐进，遵循先低速后高速，先载物后载人，先封闭场景后开放场景，先商用后民用，先有安全员后无人驾驶的发展路线。

在封闭场景落地时，车路协同的发展也格外重要。车路协同作为未来的新基建，可以将共性的能力放置于路端，从而大幅降低L4级自动驾驶的单车成本。在封闭场景下发展车路协同，既可以降低运营成本，也能提前做好技术储备。

只有多条技术路线同时发展，才能让自动驾驶企业穿越黑暗。

结语

纵观人类历史上三次重要的科技革命，不论是蒸汽机、电力和内燃机，还是信息技术，均有一个共同点，便是能立即提高人类的生产力，让商人在利益驱使下自发更换生产工具。

自动驾驶虽然能大幅提高人类的生产力，但是由于技术难度更高、落地时间更长等特点，在相当长的时间内投入将远大于收益。

L4级自动驾驶由于技术和成本问题难以商业化，而L2级辅助驾驶虽然可以量产但受众多为消费者，很难直接提高社会生产力，愿意为L2级辅助驾驶买单的企业也仅有车企。

在此背景之下，车企主导自动驾驶的研发将是未来趋势。

大多数车企既具备盈利能力可以支持L2和L4级两条路线的研发，又可以直接接触用户数据来训练算法模型，还可以通过研发成果增加产品竞争力，是自动驾驶的最大受益方。

未来成功的自动驾驶企业，必然和车企深度绑定。