賈浩楠 發自 副駕寺智慧車參考 | 公眾號 AI4Auto
成本史無前例得低，產品界限逐漸模糊。
這是
L4自動駕駛商業化
的最新趨勢。
來自自動駕駛明星創業公司
輕舟智航
，為人熟知的標籤是無人小巴頭號玩家。
最新的L4自動駕駛套件，包括軟硬體在內，總成本1萬元，是有史以來的最低價，甚至比大多數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，那麼希望從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，能力怎麼樣？
把自動駕駛成本做到足夠低，然後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透過“簡配”實現，那麼輕舟智航的這個史上最低成本的L4，能力到底怎麼樣？
可以從
實際表現
、
硬體配置
和
產品特徵
3個角度來看。
輕舟放出了一段在蘇州老城區鬧區市內的路測實錄，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資訊自動規劃線路，自主處理紅綠燈、交通標誌，人車混雜、不規範行為、狹窄道路等複雜路況。
按照日常用車流程逐一來看。
首先是停車場的自主召喚：
上路之後，DBQ V4可以實現城市環路場景下的領航輔助駕駛：
這些功能如今並不能稱得上是驚豔，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複雜道路複雜場景，尤其是車道線不明顯，人車混行的場景。
比如挑戰蘇州老城區狹窄的巷弄，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，能夠等待合適時機透過：
另外在夜間場景，系統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，出現了正常車道被違停佔道，使得本車不得不借道通行，同時對向又有來車的複雜博弈問題：
而輕舟DBQ V4系統表現得亮點在於，並不是一味謹慎低速，而是根據動態的速度、距離資訊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，能力就是這樣，你認為能稱得上老司機嗎？
硬體配置上，DBQ V4的最高配置有5個鐳射雷達、4個盲區雷達、6個毫米波雷達、12個感知攝像頭，實現360度無盲區、無死角的感知能力。
這樣的硬體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，關鍵在於所用零部件的國產化，比如來自地平線的車載AI晶片，以及國內某供應商的固態鐳射雷達。
你肯定注意到了，前面說DBQ V4的“最高”配置是5個鐳射雷達，這其實是輕舟這套方案獨特的產品形態，能根據不同車型、不同客戶的需求，靈活配置鐳射雷達、盲區雷達的數量和佈置方式，而且都能保證無盲區的感知能力。
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
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，感測器方案、資料也能最大程度複用。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分的形式，而是推出車型平臺，按照不同使用者需求擴充套件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，受制於場景難度和政策准入，過去幾年在商業化上一直不如L2順利。
L4要保證1%的長尾場景處理能力，需要足夠資料對演算法進行訓練，而以往高效能鐳射雷達、算力平臺的成本，導致大規模的測試車隊不可能實現。
但AI司機的安全可靠性提高，根本途徑還是得依靠“資料收集——訓練——部署——反饋”的閉環能力，規模量產實現不了，有效資料的收集就慢，成本也居高不下…
不過現在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。
隨著核心感測器成本降低，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。
這樣的優勢，是L2技術棧短時間內不具備的。不過眼下L2還是佔有政策和市場先發的優勢。
所以懸而未決的問題只剩下一個：
誰的資料處理和技術迭代更高效？
誰就可能最先實現自動駕駛終局目標。