自動駕駛正經歷一個漫長的寒冬。
2022年，國內自動駕駛相關的投融資金額為200億，較2021年的932億下跌78.5%。
2023年，『自動駕駛第一股』的圖森未來在退市面前選擇了裁員重組，阿裡達摩院自動駕駛實驗室也被並入菜鳥集團，市值一度高達52億美元的Embark更是成為了第一家破產的自動駕駛上市公司。
即便如此，人類的未來不能沒有自動駕駛。
『短期看金融，中期看土地，長期看人口』，這是中國民營經濟研究會副會長任澤平研究房地產的心得。
一定程度上，自動駕駛的未來也可以通過類似的方式判斷。
根據聯合國發佈的《2022世界人口展望》報告，2022年時全球僅撒哈拉沙漠以南的非洲仍保持人口高速增長，其他地區均進入緩慢增長甚至下降的階段，人口老齡化成為人類最大的挑戰。
2022年，全球65歲以上人口有7.7億，2030年時這個數字將達到9.9億，2050年達到16億。
屆時65歲以上人口數量將是5歲以下兒童的兩倍多，這是人類歷史上前所未有的情況，全球老齡化將會普遍且深遠地影響整個人類社會。
曾任全國老齡辦常務副主任的王建軍講過，預計到2025年，中國60歲及以上老年人口數將達到3億，占總人口的五分之一；到2033年將突破4億，約占總人口的四分之一；到2050年前後將達到4.9億，約占總人口的三分之一，用於老年人開支的GDP占比預計將提升至26.2%。
如果勞動力短缺的問題得不到解決，30年後人類社會或將面臨空前的人道主義危機，而自動駕駛，恰好是解決人口老齡化問題的諾亞方舟。
人類離不開自動駕駛
自動駕駛，顧名思義便是可以代替人開車，然而自動駕駛的意義遠不止於此。
在分工明確的現代社會，物流是經濟發展的基石。
《中華人民共和國2022年國民經濟和社會發展統計公報》顯示，2022年中國交通運輸、倉儲和郵政業增加值49674億元，占全年國內生產總值1210207億元的4.1%，雖然比例看起來並不算太高，但是物流作為國民經濟各個部分的紐帶，幾乎影響各行各業的生產銷售流程。
其中公路運輸又是中國目前最主流的貨運方式，2022年貨物運輸總量為514.7億噸，其中有371.2億噸由公路運輸完成，占總量72.1%。
然而撐起物流行業半邊天的公路貨運正面臨嚴重的人員短缺問題。
中物聯2023年的調查顯示，目前有超過8成貨車司機年齡超過35歲，其中36-45歲占比48.7%，46歲以上占比33.8%，貨車司機大齡化問題愈發嚴重，年輕人越來越抗拒從事貨運行業，這導致貨車司機人數逐年減少，2020年中國貨運駕駛員為1510萬人，較2016年的1898萬人下降了20.4%。
2019年時，央視財經統計目前貨車司機缺口達到了1000萬，人員短缺導致76.2%的貨車司機日均工作時長超過8小時，更有28.5%的貨車司機日均工作時長超過12小時，高強度工作造成了安全事故多發。
2021年，中國公路貨運事故中有37%是由於司機因素造成的，35%是由於卡車盲區引發的。
如果貨車司機的缺口和安全問題得不到解決，貨運問題或比老齡化更快地影響整個中國的經濟，而這恰好是自動駕駛最直接的價值。
高速場景下，L3級及以上的自動駕駛可將單車司機從2名減少到1名，同時讓司機從駕駛員變為押運員，僅需在城郊道路駕駛或處理緊急情況，而L4級別的自動駕駛更有希望替代2名司機，徹底解決人員缺口。
同時，自動駕駛卡車依托傳感器也能進一步減小車輛盲區，綜合來看可以避免目前72%的貨運安全事故。
另一方面，由於自動駕駛擺脫了對人的依賴，理論上可以實現24小時不間斷運輸，將運營效率提高至目前的2-3倍，如果能與新能源結合，還能進一步降低運營成本。
取代人類駕駛員還隻是第一步，自動駕駛的最終目的是取代人類所有的體力勞動。
2022年，中國全年出生人口956萬，同年高校畢業生人數已經達到1076萬。
如果學校不縮招的話，2022年出生的新生兒未來都能接受高等教育，幾乎不會有年輕人願意從事體力勞動，現有的勞動力缺口必然會持續加大。
新生兒減少的同時，失能老年人的數量也會急劇攀升。
根據中國人民大學老年學研究所杜鵬教授的預測，2050年時中國80歲及以上的高齡老人數量將超過1.1億，僅是照顧這批高齡老年人便需要數千萬的勞動力。
要想避免人口老齡化帶來的惡果，用機器取代人類勢在必得，而這恰好是自動駕駛的優勢。
2023年的特斯拉投資者日上，特斯拉CEO馬斯克透露，特斯拉已經打通了FSD和機器人Optimus的底層模塊，實現了一定程度的算法復用。
FSD算法正是特斯拉全自動駕駛系統所采用的算法，依賴於神經網絡和計算機視覺技術，可以通過對實時傳感器《如相機、激光雷達等》獲取的數據進行處理和分析，並從中提取有關道路、車輛、行人和障礙物等信息，實現車輛的環境感知和物體識別。
搭載了FSD算法的人形機器人，不僅可以和人類一樣行走，還可以精準控制力道，靈活拿取各種工具。
一旦技術成熟之後，便可以替代人類大多數的體力工作，這也是全球人口老齡化的唯一解。
除了解決未來的人口問題，自動駕駛作為AI芯片最重要的前沿應用場景，也會大幅促進芯片技術的發展。
飄搖的諾亞方舟
然而，還沒等拯救人類，自動駕駛便先自身難保了。
技術攻關、成本控制、商業落地、法律法規等方面的挑戰接踵而至。
從技術層面來看，主流自動駕駛企業分為兩條路線，分別是註重商業化落地的L2級輔助駕駛，以及一步到位的L4級高度自動駕駛。
L2(L2+)在感知方面采用攝像頭、毫米波/超聲波雷達和感知融合算法；在決策方面采用基於規則的算法和較小算力的芯片；在執行方面采用基本的線控制動及轉向。
L4在感知方面要增加激光雷達、高精地圖，並采用多源感知融合算法；在決策方面需要機器學習以及深度學習算法和更高算力的芯片；在執行方面則需要兩套系統的冗餘配置。
目前兩條路線的發展均不順利。
L2級雖然可以更快地商業化落地，但是漸進至L4級的過程困難重重。
曾任Waymo首席執行官的約翰·克拉夫切克說過：『從L2到L4真的沒有路——隻有一條巨大的鴻溝。
這是一種完全不同的開發思維模式』
L4級雖然在算法上有一定優勢，但礙於成本、法律和技術等原因，距離商業化落地還有很長的路要走。
短期內沒有盈利能力的L4級企業隻能靠融資維持研發，一旦遇到經濟下行周期，便會出現經營困難的狀況。
綜合來看，一家公司要想在自動駕駛領域有立足之地，必須同時重視L2級和L4級的研發。
通過L2級輔助駕駛功能的量產，企業既能保證盈利能力，又能收集路測數據訓練L4級算法模型，實現數據閉環。
同時，L4級的算法優勢也能拿來反哺L2級輔助駕駛，從而打造出具備差異化的產品，增強L2級產品的競爭力。
在L4級的研發上，也必須循序漸進，遵循先低速後高速，先載物後載人，先封閉場景後開放場景，先商用後民用，先有安全員後無人駕駛的發展路線。
在封閉場景落地時，車路協同的發展也格外重要。
車路協同作為未來的新基建，可以將共性的能力放置於路端，從而大幅降低L4級自動駕駛的單車成本。
在封閉場景下發展車路協同，既可以降低運營成本，也能提前做好技術儲備。
隻有多條技術路線同時發展，才能讓自動駕駛企業穿越黑暗。
結語
縱觀人類歷史上三次重要的科技革命，不論是蒸汽機、電力和內燃機，還是信息技術，均有一個共同點，便是能立即提高人類的生產力，讓商人在利益驅使下自發更換生產工具。
自動駕駛雖然能大幅提高人類的生產力，但是由於技術難度更高、落地時間更長等特點，在相當長的時間內投入將遠大於收益。
L4級自動駕駛由於技術和成本問題難以商業化，而L2級輔助駕駛雖然可以量產但受眾多為消費者，很難直接提高社會生產力，願意為L2級輔助駕駛買單的企業也僅有車企。
在此背景之下，車企主導自動駕駛的研發將是未來趨勢。
大多數車企既具備盈利能力可以支持L2和L4級兩條路線的研發，又可以直接接觸用戶數據來訓練算法模型，還可以通過研發成果增加產品競爭力，是自動駕駛的最大受益方。
未來成功的自動駕駛企業，必然和車企深度綁定。