這也不是陳默“傲嬌”，開放路測對于無人駕駛最大的意義是積累里程數以及數據，但無人駕駛的商業化遠不止技術。在陳默看來，設備成本、應用場景將是無人駕駛真正商用的主要門檻。

 

         談優勢

 

         商用場景不需要“深度學習”

 

         現在的無人車包括rulebase(基于規則)及learningbase(基于學習)，前者就是設定程序告訴車輛應該做什么不該做什么，而learn-ing base則是通過路面訓練去應對沒想到的復雜情況。后者更加先進，但其“應對”的思維方式與人類不同，也就是所謂的“黑匣子”，這也導致其“可靠性”只能通過長里程長時間的經驗總結，谷歌已經總結了8年依然不敢隨意上路。

 

         “我們現在80%是rulebase，他只需要知道點對點，基于車輛重量的速度、行駛路線就夠了。”不過陳默認為通勤需要這種復雜的學習能力，而貨車反而不用。這也是為什么2B (tobusiness，面向商業用戶)的場景會更快爆發的原因。“2 C (to cus-tom er，面向消費者)場景消費者的需求比較多，開快開慢，開哪條路，但2B只要解決一個問題，就是便宜。而且現在卡車貨運事故頻發，無人卡車沒有情緒、沒有疲勞，安全系數更高也更容易贏得社會支持。”

 

         “現在無人駕駛試驗場景主要包括封閉環境的礦區與景區、運貨卡車以及出租車四類，”陳默告訴南都記者，現在只有U ber做面向C端的出租車環境，但實際上他還要配個工程師在車上以防萬一，“成本其實更高，2B場景會更快得到商業化。”

 

         封閉園區內對激光雷達要求低

 

         同樣不需要的還有激光雷達。現在激光雷達是無人車一個重要命題，因為其黑暗環境識別率更高，識別物體種類更多，被視為未來無人車的標配，但是在封閉環境下，并不需要這么復雜的識別能力。

 

         “封閉環境路況簡單，路線單一，不需要太高的可靠性，”馭勢科技CEO吳甘沙如是告訴南都記者。馭勢科技就選擇了封閉園區環境。3月份，馭勢科技曾在白云機場嘗試用無人車做機場擺渡也是一種可能性。

 

         而圖森選擇的無人卡車路線更是如此。貨車的技術路徑跟乘用車則略有不同。“這也是路況原因。可能一個激光雷達可以識別10 0種物體，而攝像頭只有10種物體，但我們用攝像頭就夠了。卡車跑在高速公路上，比如就不用去識別嬰兒車、行人之類”。

 

         當然更重要還有成本考慮。現在一個64位的激光雷達需要8萬美元，圖森用的攝像頭一個才200美元，一臺車裝10個攝像頭成本依然是雷達的零頭。目前，圖森與陜西一家卡車制造廠商合作，前者為后者實現貨車電子化改造，而后者則可以加上它面向L4(無人駕駛)的技術實驗。

 

         預測市場

 

         真·無人車不用拿來賣 跑300單能收回成本

 

         無人駕駛分為L1-L5五個級別，在L4之前都需要人為干涉，陳默認為，L4之前跟之后的商業模式完全不同。

 

         “在這之前是賣車，智能駕駛只是提高駕駛體驗輔助工具，”陳默認為，L4的無人車不是拿來賣的，而是提高運營效率，用戶不需要擁有車輛所有權，“實際上90%的購車都為了通勤，但通勤的使用效率跟公用車輛完全無法比。U ber出現已經讓北美購車需求大幅下滑，無人車的出現將極大解放生產力。”

 

         陳默算了一筆賬，一臺傳統卡車現在是30多萬元，電子化改造后造價50萬元，相比之下，英偉達硬件平臺、攝像頭、軟件算法等無人駕駛裝備僅需要1萬美元左右。“硬件成本往下走、人工成本往上走是必然趨勢，”陳默說，現在圖森在河北一段50公里的公路實驗，普通卡車拉一車成本是600-800元，大概拉滿300單就可以體現其成本優勢。

 

         “硬件成本下降，人工成本上升都是必然趨勢，”陳默認為，現在只要L4的技術可靠性過關，這帶來整個行業的就業革命。“這個臨界點將在2019年到來。”