成本史無前例得低，產品界限逐漸模糊。

這是L4自動駕駛商業(yè)化的最新趨勢。

來自自動駕駛明星創(chuàng)業(yè)公司輕舟智航，為人熟知的標簽是無人小巴頭號玩家。

最新的L4自動駕駛套件，包括軟硬件在內，總成本1萬元，是有史以來的最低價，甚至比大多數(shù)乘用車上選配的輔助駕駛還便宜。

而搭載這套方案的產品，也突破了以往客運或貨運的界限，有了車企“平臺”開發(fā)的味道。

這樣的探索不是輕舟智航一家在做，無論是Robotaxi還是無人配送玩家，低成本和平臺化成了趨勢。

這樣的勢頭也指出了一個尖銳的矛盾：

AI司機能力泛化足夠好，成本又足夠低，那么希望從L2入手升級的自動駕駛路線，還有必要堅持下去嗎？

成本1萬的L4，能力怎么樣？

把自動駕駛成本做到足夠低，然后在不同場景的產品上釋放，這其實就是百度為代表的的一眾L4玩家常說的“降維打擊”。

但“打擊”的前提是能力水平，而低成本不免讓一部分人擔心是不是通過“簡配”實現(xiàn)，那么輕舟智航的這個史上最低成本的L4，能力到底怎么樣？

可以從實際表現(xiàn)、硬件配置和產品特征3個角度來看。

輕舟放出了一段在蘇州老城區(qū)鬧區(qū)市內的路測實錄，從場景來看，這套產品其實已經符合“城市領航輔助駕駛”的定義。

也就是說能夠根據導航信息自動規(guī)劃線路，自主處理紅綠燈、交通標志，人車混雜、不規(guī)范行為、狹窄道路等復雜路況。

按照日常用車流程逐一來看。

首先是停車場的自主召喚：

上路之后，DBQ V4可以實現(xiàn)城市環(huán)路場景下的領航輔助駕駛：

這些功能如今并不能稱得上是驚艷，畢竟領先的自動駕駛公司，甚至是主機廠都已經將停車輔助、高速領航量產。

輕舟智航DBQ V4的能力，官方認為是應對城市復雜道路復雜場景，尤其是車道線不明顯，人車混行的場景。

比如挑戰(zhàn)蘇州老城區(qū)狹窄的巷弄，還是在主副駕都完全無人的情況下。

像是隧道，無保護左轉這樣的場景，應對流暢：

除此之外，還能夠在極限狹窄的情況下通行：

遇到障礙物時，能夠等待合適時機通過：

另外在夜間場景，系統(tǒng)除了受到目標識別上的干擾，同樣也得兼顧其他目標的行為預測行駛策略博弈。

在測試實錄中，出現(xiàn)了正常車道被違停占道，使得本車不得不借道通行，同時對向又有來車的復雜博弈問題：

而輕舟DBQ V4系統(tǒng)表現(xiàn)得亮點在于，并不是一味謹慎低速，而是根據動態(tài)的速度、距離信息判斷是加速通行還是停車避讓。

而且，過程中還成功識別避讓了在機動車道上穿行的兩輪低速目標。

成本1萬元的輕舟智航L4級自動駕駛系統(tǒng)，能力就是這樣，你認為能稱得上老司機嗎？

硬件配置上，DBQ V4的最高配置有5個激光雷達、4個盲區(qū)雷達、6個毫米波雷達、12個感知攝像頭，實現(xiàn)360度無盲區(qū)、無死角的感知能力。

這樣的硬件配置在量產乘用車上也算得上是豪華，量產選配至少也得數(shù)萬元，但輕舟智航如何能把成本控制在1萬？

據官方透露，關鍵在于所用零部件的國產化，比如來自地平線的車載AI芯片，以及國內某供應商的固態(tài)激光雷達。

你肯定注意到了，前面說DBQ V4的“最高”配置是5個激光雷達，這其實是輕舟這套方案獨特的產品形態(tài)，能根據不同車型、不同客戶的需求，靈活配置激光雷達、盲區(qū)雷達的數(shù)量和布置方式，而且都能保證無盲區(qū)的感知能力。

這樣的產品策略，表明輕舟智航正在拓展除小巴之外的其他L4級技術落地場景，同時像是一種宣告：

L4成本已經走足夠低，應用場景可以是小巴，可以是Robotaxi，也可以是乘用車，甚至也可以用在商用車，這樣的情況下，輔助駕駛可能會被降維打擊。

L4反擊戰(zhàn)

這樣的趨勢已經再明顯不過：

• 技術上，L4玩家正在努力打造通用的AI司機，底層感知、決策核心相同，傳感器方案、數(shù)據也能最大程度復用。需要改變的，只是根據不同車型的控制要求適配。
• 產品上，逐漸模糊過去載客是載客，運貨是運貨這樣功能明確區(qū)分的形式，而是推出車型平臺，按照不同用戶需求擴展成不同功能的移動設施。

換句話說，AI司機更加純粹，核心技術和具體功能正在逐漸剝離，“一條大河灌溉所有田地”。

比如輕舟最新的龍舟Space，既可以是拉客的無人巴士，也加裝貨艙變成物流配送車。

而這種趨勢的基本成立條件，正是L4自動駕駛成本的不斷降低。

立足L4的公司，受制于場景難度和政策準入，過去幾年在商業(yè)化上一直不如L2順利。

L4要保證1%的長尾場景處理能力，需要足夠數(shù)據對算法進行訓練，而以往高性能激光雷達、算力平臺的成本，導致大規(guī)模的測試車隊不可能實現(xiàn)。

但AI司機的安全可靠性提高，根本途徑還是得依靠“數(shù)據收集——訓練——部署——反饋”的閉環(huán)能力，規(guī)模量產實現(xiàn)不了，有效數(shù)據的收集就慢，成本也居高不下…

不過現(xiàn)在L4套件成本降到1萬，甚至已經進入了普通家用車都可以承擔的水平，L4能力的釋放，其實只是一個時間問題。

隨著核心傳感器成本降低，L4自動駕駛玩家開始反向進入更多場景，可以是乘用車上的L4功能，可以是無人小巴，也可以是Robotaxi，甚至可以是商用車。

這樣的優(yōu)勢，是L2技術棧短時間內不具備的。不過眼下L2還是占有政策和市場先發(fā)的優(yōu)勢。

所以懸而未決的問題只剩下一個：

誰的數(shù)據處理和技術迭代更高效？

誰就可能最先實現(xiàn)自動駕駛終局目標。