这也不是陈默“傲娇”，开放路测对于无人驾驶最大的意义是积累里程数以及数据，但无人驾驶的商业化远不止技术。在陈默看来，设备成本、应用场景将是无人驾驶真正商用的主要门槛。

 

         谈优势

 

         商用场景不需要“深度学习”

 

         现在的无人车包括rulebase(基于规则)及learningbase(基于学习)，前者就是设定程序告诉车辆应该做什么不该做什么，而learn-ing base则是通过路面训练去应对没想到的复杂情况。后者更加先进，但其“应对”的思维方式与人类不同，也就是所谓的“黑匣子”，这也导致其“可靠性”只能通过长里程长时间的经验总结，谷歌已经总结了8年依然不敢随意上路。

 

         “我们现在80%是rulebase，他只需要知道点对点，基于车辆重量的速度、行驶路线就够了。”不过陈默认为通勤需要这种复杂的学习能力，而货车反而不用。这也是为什么2B (tobusiness，面向商业用户)的场景会更快爆发的原因。“2 C (to cus-tom er，面向消费者)场景消费者的需求比较多，开快开慢，开哪条路，但2B只要解决一个问题，就是便宜。而且现在卡车货运事故频发，无人卡车没有情绪、没有疲劳，安全系数更高也更容易赢得社会支持。”

 

         “现在无人驾驶试验场景主要包括封闭环境的矿区与景区、运货卡车以及出租车四类，”陈默告诉南都记者，现在只有U ber做面向C端的出租车环境，但实际上他还要配个工程师在车上以防万一，“成本其实更高，2B场景会更快得到商业化。”

 

         封闭园区内对激光雷达要求低

 

         同样不需要的还有激光雷达。现在激光雷达是无人车一个重要命题，因为其黑暗环境识别率更高，识别物体种类更多，被视为未来无人车的标配，但是在封闭环境下，并不需要这么复杂的识别能力。

 

         “封闭环境路况简单，路线单一，不需要太高的可靠性，”驭势科技CEO吴甘沙如是告诉南都记者。驭势科技就选择了封闭园区环境。3月份，驭势科技曾在白云机场尝试用无人车做机场摆渡也是一种可能性。

 

         而图森选择的无人卡车路线更是如此?；醭档募际趼肪陡擞贸翟蚵杂胁煌?ldquo;这也是路况原因?？赡芤桓黾す饫状锟梢允侗?0 0种物体，而摄像头只有10种物体，但我们用摄像头就够了。卡车跑在高速公路上，比如就不用去识别婴儿车、行人之类”。

 

         当然更重要还有成本考虑。现在一个64位的激光雷达需要8万美元，图森用的摄像头一个才200美元，一台车装10个摄像头成本依然是雷达的零头。目前，图森与陕西一家卡车制造厂商合作，前者为后者实现货车电子化改造，而后者则可以加上它面向L4(无人驾驶)的技术实验。

 

         预测市场

 

         真·无人车不用拿来卖 跑300单能收回成本

 

         无人驾驶分为L1-L5五个级别，在L4之前都需要人为干涉，陈默认为，L4之前跟之后的商业模式完全不同。

 

         “在这之前是卖车，智能驾驶只是提高驾驶体验辅助工具，”陈默认为，L4的无人车不是拿来卖的，而是提高运营效率，用户不需要拥有车辆所有权，“实际上90%的购车都为了通勤，但通勤的使用效率跟公用车辆完全无法比。U ber出现已经让北美购车需求大幅下滑，无人车的出现将极大解放生产力。”

 

         陈默算了一笔账，一台传统卡车现在是30多万元，电子化改造后造价50万元，相比之下，英伟达硬件平台、摄像头、软件算法等无人驾驶装备仅需要1万美元左右。“硬件成本往下走、人工成本往上走是必然趋势，”陈默说，现在图森在河北一段50公里的公路实验，普通卡车拉一车成本是600-800元，大概拉满300单就可以体现其成本优势。

 

         “硬件成本下降，人工成本上升都是必然趋势，”陈默认为，现在只要L4的技术可靠性过关，这带来整个行业的就业革命。“这个临界点将在2019年到来。”