10月11日，马斯克发布了特斯拉自动驾驶出租车，并称这是“载入史册的一天”，引起全世界关注。但在发布会后，特斯拉股价大跌，与此前的预期恰似“冰火两重天”。
100多年来，人们一直在追求自动驾驶的实现，但都遇到各种各样的难题。这不禁让人思考：自动驾驶离我们到底有多远？百年梦想如何照进现实？
近日，复旦管理案例工作坊聚焦“自动驾驶：变局与机遇”专题，邀请上汽AI LAB赛可智能CTO兼智己汽车L4级自动驾驶项目总工程师于乾坤、小马智行供应链副总裁彭健、享道出行前瞻创新事业部总经理兼申程出行总经理袁栋梁、正海资本投资合伙人陆锋伟、复旦大学管理学院应用经济学系教授姚志勇、复旦大学管理学院信息管理与商业智能系副教授胥正川等嘉宾，结合各自产业与研究展开对话，回应了社会关注的自动驾驶热点话题。
Q1：技术是自动驾驶的基础，目前的技术路线会如何演进？
彭健：各家采用不同的技术模式，取决于要达到什么样的目的。对L4级自动驾驶来说，车辆本身就要承担所有驾驶行为的责任和义务。从法律上讲，车辆需要为很多事情兜底，也就是为背后的技术提供方兜底。出于这样一种对安全和责任的考虑，小马智行采用多传感器融合的方式来保证系统的安全性和可靠性。如果仅仅帮助驾驶员有更好的体验，车上有驾驶员为安全兜底的话，技术路线也会不一样。所以，技术路线之争，关键是看谁在为这件事情兜底。
于乾坤：为什么特斯拉会选择这种端到端的路线呢？端到端路线的反面是规则路线。比如，红灯停，绿灯行，通过写很多类似规则，让车辆应对这些规则。这会面临什么样的问题呢？随着交通状况的增多，尤其是你的车辆是在全国，甚至全世界销售的时候，这些规则很难满足各种环境需求。所以，特斯拉面向全球市场时，为了减少开发工作量，运用端到端这样一套黑盒神经网络，代替那些成千上万个规则，也就是用几千行代码代替30万行代码。
从技术角度来看，多模态和端到端这两条路线，是两个维度的一件事情，两者并不冲突。多模态路线通过多个传感器输入，解决的是感知问题。比如说，你除了有眼睛，还有耳朵，而端到端路线解决的是怎么处理这些数据的问题。所以一个是输入端，另一个是执行端，是两个维度。端到端的优势是，可以基于海量的驾驶数据，自动学习其中蕴含的一些要素。这可能涉及云端的一些工具链建设，比如采用大模型的方案，需要把一些极端的情况模拟出来，加入数据训练。
袁栋梁：从运营的角度来看，无论采用哪种技术路线和技术方案，只要它的表现更接近于人类驾驶员，那么自动驾驶在网约车平台或者出租汽车公司更容易实现运营。在这个过程中，如果仅仅依赖高精地图的话，就比较费劲了。因为你要去设点位，但又不可能一个点一个点去设。另外，道路情况千变万化。目前来看，可能端到端的技术方案更符合大面积开通一个区域进行自动驾驶运营，并应对各种复杂情况的需求。
Q2：自动驾驶技术成熟后，可能会给社会带来怎样的影响？
袁栋梁：未来3-5年，咱们叫出租车或者网约车的话，可能就是一辆自动驾驶汽车。这是大概率事件，因为在一些城市已经实现了。对于自动驾驶汽车公司或者出行运营企业来说，这一方面会减少车内驾驶员的数量，另一方面需要转移一部分劳动力作为云端驾控人员和地勤人员。当然，云端驾控人员和地勤人员数量与技术能力是完全相关的，技术能力越强，需要的人就越少，这是一个大的形态。另外，车辆运营的效率越高，使用时间会延长。
于乾坤：其实，现在我们推行L4级自动驾驶汽车的时候，我的感觉是把车企的路给堵“死”了。为什么这么说？现在，所有的整车厂卖车的对象依然是普通消费者，等到L4级自动驾驶普及后，C端销量一定会大幅度下降，因为共享化之后不需要那么多汽车。就像现在的大学校园，购买自行车的学生越来越少，更多人愿意采用租用方式使用共享单车。这样的情形，就会对整个汽车产业链产生巨大的影响，包括上游的零部件体系、下游的经销商体系都是如此。
姚志勇：有了自动驾驶，以后驾校也可能不需要了。对于出租车公司而言，过渡阶段可能是自动驾驶和人工驾驶共存，将来则可能是差异化。比如，有的客人喜欢聊天，希望有人提供拿行李服务，可能他还愿意找一名人类司机开车。另外，未来3-5年自动驾驶技术成熟之后，它的成本是不是能够降低到与人工成本相提并论的水平？我觉得还不一定，所以完全替代人类可能是一个比较长的过程。
Q3：目前，自动驾驶主流公司尚在亏损，这种商业模式预计何时盈利？
袁栋梁：我们现在的重点工作就是在测算自动驾驶到了何等规模或者何等技术水平时，才能在财务上打平。享道出行早在三年前就开始启动自动驾驶出租车项目，在上海嘉定区实施，当时还是有安全员的，那时候一辆车改装就要花费几十万元。现在，大家看百度对外宣称的是20.46万元，它的车型叫Apollo RT6（颐驰06）。马斯克在10月11日公布的自动驾驶汽车价格是3万美元（约合20万元人民币）。
所以，自动驾驶车会越来越便宜，但它只是自动驾驶成本的一部分，最关键的是运营这辆车所需要付出的成本，有很多是隐性的。比如，你去坐这辆车，车上一个人都没有，但依然需要云端驾控人员和地勤服务，系统是500公里接管一次还是2000公里接管一次，都会影响到成本。根据最近三年的表现，我感觉作为出行平台方来说，未来3-5年非常有机会形成一个正毛利的商业模式。
于乾坤：我们之前也做过基本的测算：一名网约车司机一天大概能接20单，每单价格25~30元，也就是说每天营收500~600元。那么你造一辆车，如果成本是20万元，6年报废，然后每年按330天运营计算的话，每天大约产生100元折旧费，电费几十元，再加上保险、运维等各种各样的摊销，基本上就是运营成本构成了。但是，自动驾驶的运营成本具有不确定性，如云端人员和地勤人员数量、系统接管水平的高低等都是关键指标。
陆锋伟：不同的城市有不同的运营环境，所以盈利点的规模肯定不一样。对自动驾驶运营商来说，会有一个很大的困境，就是在不盈利的情况下，到底要不要去铺更多点位？如果快速铺点，一旦技术成熟、市场接受，就能发挥先发优势。但反过来，加速铺点也意味着短期内承受更多负债。未来的商业模式如果可持续运营，在研发成本构成方面，可能需要将整车厂的单车智能和运营平台各自的研发费用进行分拆。
Q4：自动驾驶的运营与政策监管密切相关，如何在监管和发展中寻求平衡？
袁栋梁：总体而言，国内的自动驾驶相关政策比较稳健，目前也就武汉开放的区域比较大，节奏比较快。以上海为例，真正的自动驾驶试运营路段只有200公里左右。这里有两个方面问题：一个是考验运营商的自动驾驶能力，这与安全有关；另一个是验证自动驾驶的模式能否跑通，涉及可持续性。从运营角度来说，开放的区域越大越好，这样订单匹配效率就比较高，更容易产生规模效应。
胥正川：监管的本质是促进行业健康有序地发展，而不是予以限制。如果要鼓励技术先行，个人认为监管可以滞后一步，因为归根到底还是要发展，如果技术都没有了，监管意义何在？而且有些问题可能并非监管规定能解决的，首先要取得社会共识。比如，自动驾驶算法在面对可能发生的交通事故而必须做出选择时，更多面临的是技术伦理的问题。
Q5：自动驾驶是全球科技竞争的前沿，本土企业如何能在这场竞争中获得优势？
彭健：在自动驾驶领域，目前国内企业比较有优势的产品是激光雷达，这是自动驾驶多模态技术路线的重要部件。另外，中国的路况比美国复杂得多，这也给自动驾驶企业提供了更丰富的研发场景。
于乾坤：从技术实力来说，特斯拉处于业界领先地位，在AI人才密度、技术积淀、算力水平等方面整体超过中国企业。在推理芯片方面，国内企业基本上能够自给自足，但是在训练芯片方面，受到中美贸易冲突的影响，遇到“卡脖子”的问题。
还有很重要的一点，就是生态。比如，英伟达的生态链很丰富，大多数AI开发者都使用它的生态来开发，如果你再搞一套东西，没有人陪你玩，也没法把你的工具链闭环起来，那开源的社区也很少，这个差距会越来越大。所以说，自动驾驶技术的竞争，接下来更像是综合国力的竞争。
