节省1.8万亿人力成本，车路协同下的无人驾驶物流破局之路

　　没有人会忽视车路协同这样一个万亿级市场。

　　根据瑞银证券估算，2022年到2040年，路侧端投资的累计市场规模将扩大至1.7万亿元人民币，加上云平台领域3000亿元左右的投资，未来近20年内，车路协同整个路侧端的投资额有望达到2万亿元的规模。

　　这是一块尚未被瓜分的巨大蛋糕，在火热的自动驾驶单车智能路径之外，智慧道路等基础设施的建设同样具备广阔的市场前景和想象空间。

　　“未来5-10年，车路协同下的无人驾驶真正需求在货运领域。”瑞银证券亚太区工业及基础设施行业主管徐宾告诉HD Auto，到2030年，仅无人货运领域就有1.8万亿元人力成本的节省空间。

　　目前来看，车路协同提供直接面向消费者的服务还需要更多时间去探索，其深入Robotaxi这样无人载客领域更是需要很长的一段路要走。

　　物流降本是刚需

　　觊觎这块蛋糕的不是一两家公司，有BAT这样的科技公司，还包括华为、大唐这样的通信企业，以及联通、移动等巨头，当然也少不了福特、通用、吉利等汽车公司。这些公司都是探索车路协同的先行者。

　　然而，首先需要明确的是，道路有天然垄断性，政府部门及其下属的交通集团仍旧是智慧道路建设投入的主体和规范标准的制定者。

　　从大局来看，包括各类传感器、边缘计算单元以及5G技术在内的智慧道路是中国新基建的重要组成部分。根据瑞银的预测，传统道路进行智慧化升级对于经济的拉动作用明显，GDP乘数效应明显，带动制造业等其他产业的回暖。

　　同时短期而言，降低物流成本是未来5-10年车路协同的真正需求。

　　“在未来的五年或者在2030年前，我们更多先看到的是在一些个别的路段上面实现了无人化的货运。”徐宾对HD Auto表示，在货车高运量需求、经济效益也比较高的路段可能会率先布局，如某个工业园区连接到港口这两个地点之间，需要货车经常来回运输。

　　到2030年，无人货运的道路应用也不算是特别广泛，但即使如此，瑞银测算整个市场仍有1.8万亿元的降本空间，前提是货车真正实现全无人，没有一个司机，哪怕是安全员。

　　在未来几年内，有人和无人真的是“1”和“0”的关系，要么有驾驶员，要么车上没有任何人。现在大部分的自动驾驶、无人驾驶，哪怕所谓的无人驾驶，很多车上都有一个安全员，这不是完全无人化，也节省不了成本。

　　同时，对于Robotaxi的无人载客而言，车路协同更多是锦上添花，暂时还不是它的刚需。现阶段即使Robotaxi真正落地了，很多人如果要去500公里以外的城市，最好的方法是乘一段高铁，下来以后再换一个无人驾驶的车，而不是直接从出发点坐无人驾驶的车。

　　另一方面，车路协同下的无人货运还有“0”和“1”之间的“0.5”选项，也就是列队跟驰。即在一个车队中，第一辆卡车需要司机或者说安全员，但后面的司机就可以全无人。这样一个过渡的方式也能够有效降低成本，而对于客运车辆来说，这样的模式没有特别大的意义。

　　基于这样的考量，无论是政府还是物流公司，都有动力推动车路协同在无人货运领域的落地，有效降低成本。

　　当然，如果不涉及全无人驾驶，为消费者提供信息传递、播发的服务和功能是目前许多科技公司和车企正在努力推进的方向。

　　以福特汽车为例，今年6月15日，无锡、长沙和广州三城之后，福特宣布车路协同系统落地西安，携手合作伙伴四维图新帮助车主解决“等灯”难题。

　　按照未来的设计，车路协同可使得车与车(V2V)、车与智能基础设施(V2I)、车与人(V2P)之间进行“实时对话”。目前福特的系统属于V2I范畴，采用基于现有商用4G蜂窝网络的通信模式，即通过车辆、智能基础设施以及城市交通云控平台之间的互联，也就是“车-路-云”双向通信，为车主及时推送前方的交通信息，从而提升行车安全性和通行效率。

　　不过，要实现单车智能和车路协同两者的打通并不是一朝一夕就能成功的事。

　　单车智能和车路协同不是非A即B

　　当提到自动驾驶的时候，很多人会把单车智能和车路协同分成两条路线，目前来看这并没有太大的问题。

　　不过就像是电动汽车领域的充电和换电，两者相互竞争，同时又互为补充，单车智能和车路协同两者的路线差异并不是你死我活的零和博弈。又好比现在道路上的路灯和汽车本身自带的车灯，在黑夜中安全驾驶车辆，离不开任何一个。

　　自动驾驶最大的瓶颈永远是安全问题，无论是车辆自身采集信息还是路端信息采集之后和车辆进行交互，都是为了增加安全冗余，如果双方能够有效融合在一起，这将是更完美的方案。

　　正如前百度智能交通产品研发总经理陶吉所言，单车智能+车路协同是中国自动驾驶产业快速发展的最优解。车路协同拥有的超视距感知，能够很好地补足L3、L4级自动驾驶的感知能力，让自动驾驶更安全更智能。

　　但是，想要实现车路协同和单车智能的打通，甚至让前者参与到后者的决策中去，并不是一件容易的事情。

　　从路端采集到云端处理，最后传递给车端的信息是一个信号，而非原始的图像或者感知信息，这反过来也要求云端对于原始信息的处理能力足够准确和高效。否则这个冗余补充对于自动驾驶而言暂时颇为鸡肋。

　　“一旦要影响到驾驶者的决策，或者要代替驾驶者的决策的时候，数据的稳定性和数据的一致性、及时性要做到非常高。”福特中国智能网联产品交付高级经理范衡告诉HD Auto，现在数据的质量还没有到达要求，协同性也不高，并不是说基建做得不够智能，更需要对基础设施进行持久且高昂的运营投入。

　　数据协同能力是驾驶汽车的用户无法感知的，但又是隐藏在水面之下真正问题。现在的AI和机器学习技术是过剩的，车路协同最大的困难并不在于技术本身，而是怎么样把有用的数据从城市海量的数据当中挖掘出来，汇总起来。

　　有人已经在尝试解决这个问题。今年8月，中智行联合天翼交通在苏州上线了“轻车·熟路”车路协同自动驾驶系统。

　　据悉，这套系统在感知上实现了99.99%召回率、全路段厘米级的位置精度以及毫秒级的时间精度，通讯上引入5G切片保证了空口时延99分位（即99%的情况下)<30ms、端到端99分位延迟<240ms，稳定性上可支持7*24小时地稳定运转。这在一定程度上解决了感知准确性、通讯可靠性和系统稳定性等问题。

　　单纯的数据确实让非专业人士难以理解，为此，中智行发布了一个视频，测试车辆在遮蔽了车端全部传感器的前提下，单纯依靠路段感知，实现苏州高铁新城核心区域内公开道路上长距离长时间L4级别自动驾驶。

　　毫无疑问，这一个大胆且有益的尝试。据HD Auto了解，中智行和天翼交通还在探索车路协同“数字化运营”的商业模式。

　　相较于可预见的物流降本，这将是一条更为艰难而漫长的探索之路。在车路协同之外，还有更广阔的生态等着孤勇者们去开疆拓土。