•
澤平宏觀—中國智能駕駛報告2024：未來已來
智能駕駛是人工智慧革命和新能源革命的集大成者，是下一個兆級大賽道。一方面，目前的新能源電動化率已經大幅提升，而電動化後就要看智能化，目前L2+等級自動駕駛汽車正在快速滲透；另一方面，AI時代需要超級應用、超級場景來引領，智能駕駛就是AI能夠快速落地的超級應用，是新質生產力代表的方向之一。
中國的智能駕駛正在高速發展。智能駕駛將帶動兆級賽道，上下游產業鏈長、應用場景多，整個產業都會在未來幾年高速增長。2023年,中國L2級新乘用車滲透率達到47.3%；2024年1-5月突破50%。武漢成為全球最大的無人駕駛營運服務區。北京、武漢投入100+億做智能網聯建設；20+城市快速投入試點；上海新發佈4張牌照……都在代表著智能駕駛進入全面鋪開時代。
中國走的是車路雲協同和單車智能共同發力的一體化路線，需要大量的智能化“新基建”。與美國以單車智能為主的路線不同，這意味著中國在智能道路改造方面的新基建投入將更大，對經濟提質升級更明顯。
智能化不僅是技術上的突破，也將帶來商業模式的變革、出行行業競爭格局的重塑：
第一，高度的智能化是共享化，帶來商業營運、汽車保險等結構性變化。全自動駕駛實現後可能出現共享無人出租平台，汽車消費從個人保有轉為部分共享營運。汽車金融也會受影響，在平台責任制的認定下，無人駕駛保險等新險種的需求會爆發。
第二，智能駕駛將大幅節能減碳、減少交通擁堵和事故，短期雖然會暫時出現結構性計程車、網約車就業問題，產生交通擁堵等爭議；但是長遠來看交通事故減少，出行效率提高，無人駕駛時代到來，已是大勢所趨。
第三，智能化變革會加速對轉型慢的傳統車企淘汰，技術硬、積累深的新能源汽車公司成為受益者。主流汽車消費群體年輕化，影響了車企在智能化領域持續投入。目前，新售車型對L2+的車聯網能力需求將持續提升，保守估計到2030年前L2級以上滲透率將超過80%，其中L3+或超過20%。
第四，推進智能駕駛的同時，也要密切關注核心軟硬體的自主化替代處理程序，不能在智能化底層硬科技、尤其是高階算力晶片被卡脖子。
截止2024年5月，全國已有47個國家級智能網聯測試示範區，16個雙智試點城市，7個智能網聯先導區，包括武漢、重慶、深圳、北京等無人駕駛提前佈局的重點城市。全國共開放自動駕駛示範道路3.2萬多公里，測試里程超過1.2億公里，各地智能化路測單元部署超過8700套。
1 發展智能駕駛具有必要性、迫切性和合理性
智能駕駛是新能源汽車發展處理程序的下半場，智能汽車為使用者提供舒適、安全、科技感的駕乘體驗。發展智能駕駛具有必要性，對消費者和社會而言，智駕在出行安全、節能、性價比、駕乘體驗、出行效率等方面貢獻顯著。
一是更安全：世界衛生組織披露的資料顯示，每年道路交通事故造成全球約130萬人死亡、5000萬人受傷。密歇根大學報告顯示，20%-46%的碰撞事故可以被ADAS高級駕駛輔助功能所避免；美國IIHS公路安全保險協會指出，自動駕駛可以減少34%的安全事故。
二是更節能：智能駕駛的控制系統最佳化汽車加速、制動、減速方式，有效地提高燃油和電力利用率。卡內基梅隆大學報告指出，帶有智能駕駛功能的汽車，燃油經濟性提升10%，自動化等級越高、節能效率越高。
三是更有性價比：智能駕駛對人力成本較高的場景意義重大，比如將自動駕駛用於卡車長途運輸。
四是駕乘體驗更好，是老齡社會友好型產品：智能駕駛能更及時全面捕捉路面資訊，做出反應。日本內閣《交通安全白皮書》指出，因踩錯剎車油門的死亡事故，75歲以上司機是其他群體的4.9倍。智駕提升駕乘舒適度，高齡駕駛員操作友好。
五是提升出行效率：每年交通擁堵帶來的經濟損失相當於國內生產總值的5-8％，自動駕駛後使整體交通效率提升10%。智能駕駛能減少交通事故，改善道路擁堵，降低人員和經濟損失。
發展智能駕駛具有迫切性，對汽車產業影響深遠。汽車是居民消費中附加價值較高的產品，是一國製造業的核心領域之一。智能網聯車本質上是以網際網路、雲端運算、巨量資料等為代表的新質生產力在耐用消費品、交通領域的應用。智能駕駛的發展帶動汽車產業技術升級，帶動供應鏈和產業生態的革新，帶動上下游核心科技突破，是各國必爭的戰略高地。
發展智能駕駛具有合理性。中國是全球最大的汽車消費市場，不僅基礎設施配套齊全，技術和標準趨於完善，而且消費者的對新事物接受度高、市場活躍。2024年6月，中國機動車保有量達4.4億輛，汽車3.45億輛。道路基礎設施正加快智能化升級，支撐智能駕駛發展。截止2024年5月，全國已有47個國家級智能網聯測試示範區，16個雙智試點城市，7個智能網聯先導區。截至2024年5月底，全國共開放自動駕駛示範道路3.2萬多公里，測試里程超過1.2億公里，各地智能化路測單元部署超過8700套。
技術端，高精地圖、激光雷達、車載AI晶片取得重大進展，未來將有眾多跨時代意義的新技術得到應用。以車載AI晶片為例，高階自動駕駛晶片已具備量產裝機能力。華為昇騰310和610搭載MDC810、MDC610計算平台，引領國內高端自動駕駛市場；地平線征程6也在2024年4月北京車展公佈，算力從10+TOPS到560TOPS。
行業標準日趨完善，政策端對智能汽車的發展尤為重視。2024年，五部門聯合發佈重磅政策，智能網聯汽車進入快速成長期。7月3日，工信部、公安部、自然資源部、住建部、交運部聯合公佈了智能網聯汽車“車路雲一體化”應用試點城市名單。包括北京、上海、重慶、鄂爾多斯、蘇州、無錫、成都、廣州、深圳等20城。
智能駕駛可劃分不同等級，當前中國正處於從輔助駕駛到有條件自動駕駛過渡，同時也處於高度自動駕駛開啟階段。
國際上看，SAE美國汽車工程師學會的分級標準，是目前較為通用的自動駕駛分級標準，獲全球眾多國家地區參考。國內方面，2020年3月，中國《汽車駕駛自動化分級》規定智能駕駛分為6個等級：L0-L2為駕駛輔助，L3-L5為自動駕駛。通俗來講：L1一般是可以解放手或者腳；L2可以同時解放手和腳；L3可以進一步解放眼；L4及以上還可以解放大腦。
自動駕駛技術涉及交通、通訊、電子等多領域融合和多產業協同，是一個從L0、L1、L2往L3、L4、L5漸進的過程。隨著等級上升，軟硬體組態要求也在提高。以激光雷達為例，L0-L2駕駛輔助無需激光雷達，但在L3及以上高階自動駕駛中，激光雷達是必不可少的硬體裝置。晶片方面，若要實現L2到L3等級的跨越，算力需要從24Tops跨越到300Tops，提升至少12.5倍。
2 智能駕駛：技術與安全是首要考量、配套與成本是落地關鍵
推動智能駕駛發展的核心驅動力是汽車使用者群體的出行偏好改變。一方面是基於對智能駕駛的技術認可，當前中國已經擁有一個成熟、完整、自主的智能汽車產業鏈。另一方面，安全問題是根本，關於人和系統，那方的駕駛決策更優引發廣泛討論。
此外，從企業層面來看，單車智能和車路協同路線之間競爭客觀存在，當前來看，智能網聯發展需要車路協同和單車智能的技術合力。實際上，智能駕駛並非單指某一技術路線。只是出於技術的成熟度、落地難度、商業化成本等客觀條件限制，當下仍是以車路協同發展為主，單車智能為有力支撐的，技術互補和相輔相成的現狀。
2.1智能駕駛技術：感知、決策、執行，三大系統協同
智能駕駛的實現，本質上是感知(環境感知與定位)、決策(智能規劃與決策)、執行(控制執行)三大核心系統的協同。自動駕駛系統最終是為了取代人工，如果將其類比人的話，如下圖所示：感知層相當於人的五官，感知周圍的環境，蒐集資料傳輸到決策層；決策層相當於人的大腦，處理感知層傳輸的資料，輸出相應的操作指令給執行層；執行層相當於人的四肢，執行大腦給出的指令。其中感知層主要包括三部分，環境感知、位置感知和速度、壓力等其它感知；決策層主要包括三部分，作業系統(演算法)、積體電路(晶片)、計算平台；執行層主要包括三部分，動力供給、方向控制、車燈控制。
從技術和產業鏈發展階段來看，感知環節基本實現國產替代，產業鏈較為成熟。車載攝影機、毫米波、超聲波雷達、激光雷達都已實現自主替代，技術路線多元化。決策層挑戰最大，上層軟體需要長期資料積累，中間軟體的壁壘高，自主替換難度大，底層軟體的作業系統基本完成自研。此外，最核心的AI晶片也長期被海外廠商壟斷，中國晶片廠商的產品正在快速進步、但仍需時間提升實力並驗證產品。
智能駕駛決策層的三大核心分別是硬體算力晶片、中間件軟體架構、底層作業系統。
1）硬體方面智能駕駛AI晶片是汽車行業最關注的核心。目前智能AI晶片發展存在多方面挑戰。一是行業進入壁壘高：由於汽車晶片的研發和驗證周期長、資金投入大，切換供應商存在失敗風險，因此多數整車廠選擇與先發的海外晶片廠深度繫結。二是研發技術難度大：智能駕駛的 AI 晶片不同於傳統汽車域控製器的 32位 MCU 晶片，前者在算力、性能、功耗、作業系統方面的要求顯著高於後者。導致其研發成本和製造工藝攻堅困難。三海外政策變數多：全球半導體產業鏈已經成熟，中國半導體製造行業起步較晚，且發展受海外政策環境變化擾動，部分關鍵技術獨立突破難度較大。目前智能駕駛訓練用的AI晶片主要來源於輝達，在海外限制收緊的背景下，中國車企如何去搭建算力基礎設施是一大隱憂。
2） 中介軟體軟體架構是技術壁壘最高的環節，是解決不同供應商軟硬體相容性問題的核心。其功能是通過整合的AutoSAR（汽車開發系統架構），連接上層應用軟體和底層作業系統直接互動。中介軟體的開發需要投入極高的時間、人力和財務成本，此外，還需要與多家供應商長時間合作來進行產品相容性偵錯與匹配。實際軟體開發還需要繫結硬體廠商，准入門檻十分苛刻。從2003年建立擴張至今，該聯盟已包含近200家企業，只有9家核心企業和63家一級會員能實際參與到開發模式的籌劃、管理和調控。中國科技巨頭中有百度、華為等8家是一級會員。
3）底層的作業系統是管理和控制車載硬體與軟體資源的程序。可以進一步細分為基礎型和定製型。由於作業系統的特殊性：一是涉及智能駕駛基礎核心操作，二是支援應用生態且積累龐大的使用者資料，三是系統的適配驗證成本極高，車企在選擇作業系統後就無法輕易更換。在基礎系統中如何去選擇底層路線成了車企的一大難題。
基礎型作業系統，如QNX、Linux、WinCE、Android，鴻蒙，目前 75%的自動駕駛底層作業系統使用的是 QNX 系統。基礎型作業系統自主開發難度高，國內廠商選擇通常是後者。定製型作業系統是在前者的基礎上深度開發、修改核心的定製化產物。
如果選用QNX和Android等海外系統去進行定製化開發，可能會面臨一系列隱患。
一是資料安全問題：海外系統可能會存在資料後門，這導致車輛在行駛過程中產生的敏感資料，如位置資訊、駕駛習慣等，有可能被駭客攻擊或被企業收集用於非法目的。
二是可能導致上層應用開發受限。由於系統的原始碼受到專利保護，或受到相關政策限制，國內企業在開發上層應用時可能遇到諸多困難。不僅增加了迭代成本和研發周期，還可能導致發展落後於海外。
三是還可能面臨政策變化的風險。隨著國際局勢變化，某些國家可能會對敏感技術進行限制或制裁。如果大量依賴這些海外系統，將對中國智能駕駛應用和發展造成嚴重影響，使得中國企業處於被動地位。
2.2智能駕駛安全：智能系統決策更優，相關法規待完善
根據CIDAS(中國交通事故深入調查)資料庫顯示，人是交通安全中最不確定的因素。通過調查2011年至2021年的5664起乘用車事故發現，駕駛員人為因素佔比約為81.5%。其中，79.9%是因為駕駛員無法對危險進行提前識別和感知的主觀錯誤事故。43.4%是因為駕駛員未按規定讓行發生的事故。
2021年12月，由中國汽車技術研究中心有限公司聯合同濟大學、百度Apollo編制的《自動駕駛汽車交通安全白皮書》指出，智能駕駛並非‘零’事故”，但的確比人類駕駛更安全。
智能駕駛可從三個維度有效降低交通事故發生率。
一是依靠融合感知系統進行全方位路況資訊收集，提前規避道路風險。
二是憑藉智能決策系統和精確執行系統，杜絕疲勞駕駛、酒後駕駛等危險行為；在無其他更高優先順序事項的前提下，防範違反交規行為。
三是智能駕駛像駕駛員一樣具備案例分析和不斷學習的能力，在複雜的出行場景中也可以逐步解決不少癢點、痛點和高頻問題，讓出行的所有節點都“有跡可循”。
從歷史經驗和技術難點來看，智能駕駛出現安全問題通常有兩種情形。一是感知系統的技術盲點，二是人車決策的認知偏差。
感知系統技術盲點是指有些部分車企選擇“純視覺路線”作為智能駕駛的感知系統解決方案，該系統採用攝影機為主，毫米波、超聲波雷達為輔作為感測器。在沒有激光雷達測距的情況下，在極端氣候場景、AI學習樣本少的特殊場景中，演算法可能判斷失誤。因此，近年在激光雷達技術的不斷成熟下，“多感測器融合感知方案”成為自動駕駛落地的普遍共識。
人車決策的認知偏差，是部分使用者誤把市場上的駕駛輔助系統和自動駕駛劃等號，導致在駕駛過程中錯誤地把任務完全交予車輛。在多起相關事故中，使用者都在駕駛輔助功能下放棄了對車輛的控制，且在收到系統提醒後有充足反應時間的情況下，卻沒有恢復對車輛的控制。實際上，當前主流的L2只是在L1的ACC自適應巡航和LKA車道保持功能上增加了自動變道功能，並不等於能完全替代人類司機。
從安全責任角度看，自動駕駛由演算法主導，而演算法並不具備人類的道德地位，由此，機器根據預設演算法決定碰撞中的道德困境如何解決，引發了人機協作的倫理挑戰。在出現危險情況時，道義中心論演算法、功利主義演算法或者其他道德演算法方案所執行導致結果迥異，在法學界存在一定爭議。因此目前不同國別對自動駕駛責任認定存在差異。部分條例認定交通事故責任主體仍然是駕駛人，而部分國家自動駕駛認定責任主體為車輛生產主機廠。不同責任認定區間，或影響使用者使用高等級自動駕駛意願。若自動駕駛系統不為責任主體，使用者升級到 L3級以上意願或有影響。
綜合來看，儘管系統決策比人類駕駛更加可靠，但目前高度智能的無人駕駛技術還在實際應用的試水期，對於責任界定，社會接受度方面還存在一定爭議，特定環境下接管控制任務是駕駛員的義務和責任。隨著使用者信任普遍形成，智能駕駛普及率上升，相關法律法規標準完善，智能駕駛會更加安全。
3 智能駕駛: 全球政策佈局已久，三大關鍵節點
3.1海外政策：大國博弈，輪流搶佔制高點
美國盡力保持在自動駕駛領域的全球領先的地位。2013年，制定了《關於自動駕駛汽車的初步政策》，2014年再推出《智能交通系統戰略計畫（ITS）2015-2019》。2017年發佈更具體的《自動駕駛系統2.0：安全願景》，加大對智能駕駛技術的重視。2020年，正式出台《確保美國在自動駕駛技術領域的領先地位：自動駕駛汽車4.0》，明確自動駕駛發展的重要地位。2022年3月,美國國家公路交通安全管理局發佈最終規定：最佳化測試審批流程，自動駕駛汽車的製造商無需為了滿足碰撞標準，配備手動駕駛控制系統，代表其全自動駕駛無需人工控制的時代來臨。從最初的制定自動駕駛測試的相關標準、確定以自動化和網聯化為核心發展目標，進化到全面打開全自動駕駛的大門。其目標是2025-2030年，大多數美國汽車自動駕駛，到2045年全美汽車實現自動駕駛。
歐洲是最早重視自動駕駛發展的地區之一。早在2003年就聯合產業界出台了eSafety，即歐洲道路安全行動計畫，提供了智駕發展的總框架和戰略：一是實現到2010年，道路安全事故死亡人數減半的目標，二是利用先進的資訊與通訊技術，探索車路協同方案的可行性。2011年，《歐洲一體化交通白皮書》，成為統一歐盟的交通基礎設施規範與規劃。2013年，“地平線2020計畫”，2015年《歐洲自動駕駛智能系統技術路線》，正式提出了歐洲自動駕駛發展戰略。2020年，歐洲經濟委員會發佈新標準，通過關於自動駕駛豁免的ECE新法規，極大放鬆了自動駕駛的測試監管。2021年9月，歐洲道路運輸研究諮詢委員會發佈最新自動駕駛技術路線圖，政策從最初的以保障車輛安全為目的，發展到建立智能化、自動化車聯網。歐盟提出了全球範圍內最激進的自動駕駛計畫，從2022年，全歐所有新車將統一支援車聯網，最快到2030年，歐洲進入全自動駕駛社會。
日本希望通過自動駕駛技術為經濟提供新增長點。2013年，“自動駕駛系統戰略創新項目（SIP-adus）”開始重視自動駕駛產業發展。2014年，發佈《官民ITS構想/路線圖》，通過政府和私營企業聯合制定、共同實施、一致發展智能駕駛產業。2016年和2018年，分別發佈《自動駕駛汽車道路測試指南》和“未來投資戰略2018”,鼓勵自動駕駛測試，強調“人工智慧”在出行領域和智能駕駛的結合。2020年推出《實現自動駕駛的相關報告和方案》。2022年4月，修改《道路交通法》，放寬自動駕駛範圍，允許在高速公路上使用L3級自動駕駛。日本的自動駕駛產業政策已經從最初的建立世界最安全的交通系統，發展為如今的希望通過自動駕駛技術帶動日本經濟增長。目標是：到2030年，L3等級汽車達到新車銷量30%。同時實施監管沙盒制度，在特定空間創造更寬鬆環境，使得自動駕駛實證實驗可以進行。但日本的自動駕駛測試的准入主體仍然有限，這也使得日本自動駕駛的發展相對緩慢。
3.2國內政策：產業支援充足，標誌性政策落地
中國智能駕駛佈局近十年，近期重磅政策落地。政策上，2018、2020和2024年是三個重要時間節點。
2015年《中國製造2025》的智能網聯車發展的起步點，也標誌著中國開始對自動駕駛產業進行總體方向規劃。2017年的《汽車產業中長期發展規劃》是第一部分類自動駕駛等級、對市場提出中長期規劃並完善相關標準的檔案。2018年《智能汽車創新發展戰略》要求車用無線通訊網路（LTE-V2X 等）實現區域覆蓋，新一代車用無線通訊網路（5G-V2X）在部分城市、高速公路逐步開展應用。
2020年《智能聯網汽車標準化工作要點》進一步夯實了發展智能網聯車的基礎。2020年，作為第一個重要節點，中國總結過去自動駕駛發展取得的進展，並展望了5年後的2025年，重新制定自動化分級標準。2020年7月《“十四五”規劃》提出積極穩妥發展工業網際網路和車聯網；聚焦人工智慧等關鍵技術的研發與迭代應用。2020-2022年推出一系列政策，針對性的對產業鏈完善、場景化應用、具體技術創新做出發展指引。2022年7月，中國首部L3級自動駕駛法規《深圳經濟特區智能網聯汽車管理條例》施行，9月上海出台政策對L3級實際落地和L4級商業化應用提供了支援。
2024年6月，五部門聯合發佈重磅政策，智能網聯汽車進入快速成長期。7月3日，工信部、公安部、自然資源部、住建部、交運部聯合公佈了智能網聯汽車“車路雲一體化”應用試點城市名單。包括北京、上海、重慶、鄂爾多斯、蘇州、無錫、成都、廣州、深圳等20城，預估初步階段涉及智能網聯智能化建設的市場規模約百億等級，智能網聯車消費市場為兆等級。
4 智能駕駛的未來：車聯萬物，暢想智行
智能駕駛的未來發展離不開車路雲一體化：單車智能技術進步與車路協同的建設完善，以及智能交通營運商的興起，來繼續推動市場進步，最終在政策的引導下，推廣更豐富的智能駕駛場景應用落地。
4.1車聯網：電氣架構轉型，通訊技術進步
車聯網，是指通過車載無線通訊裝置與人、其他車輛、道路、雲端等實現高速通訊的技術。
車聯網的基本組成包含：①車路協同路測設施（高精度感測器，邊緣計算單元，無線通訊系統）；②巨量資料、雲端運算平台；③車端感知、執行、人機互動系統；④基於人工智慧的綜合決策、治理、維運平台和大模型；⑤高精度地圖和衛星導航；⑥路測輔助設施（訊號燈、檢修清障）；⑦使用者側的車載交通服務軟體。
其工作原理是：車輛端的感知系統時刻保持對路況和運行的監控，通過V2X技術和道路與其他車輛保持同步連接，道路端的感測器、攝影機、訊號站、路燈等收集道路資訊、交通狀況；通過網路通訊技術上傳給雲端的儲存、計算、和決策中心，再由雲端通過網路反饋資訊和決策給車輛端。
車聯網發展的本質是改造汽車電子電氣系統的過程。汽車有五大系統和域，電子電氣系統是汽車“大腦”。在傳統汽車中，對於感測器與各種電子電氣系統的資訊傳輸與控制都由 ECU（車載電腦）完成。每個功能由一個獨立的 ECU 分佈式汽車電子控製器實現。當前ECU正向域整合化演變，不同的功能將整合到一個域內來實現，提升算力利用率。在未來，ECU架構將變為中央集中式，一個車載中央計算器控制全車的域控製器，最終通過雲端運算達到“車聯萬物”。
路測基礎設施建設、升級是中期的發展難點和政策聚焦點。引入路側感測、通訊、和計算是對車路雲一體化的全方位升級。但由於路測系統包含從攝影機到毫米波雷達、激光雷達的大量感測裝置、高算力需求單元和通訊傳輸裝置，各種硬體的相互適配和即時響應也是一大挑戰，因此路測設施建設對智能化一體化方案的設計能力要求較高。
在車聯網實現的車路協同場景中，確保車端與路端的資訊即時互動十分重要，通訊模組負責車與車、車與路之間即時傳輸資訊，能通過可靠、低延時的網路環境確保兩端快速接入網路，是車路協同發展的關鍵技術。通訊技術是車路協同中的連接通道也是車聯網的底層技術。
目前，主要的車路協同的底層通訊技術是DSRC和C-V2X（蜂窩車聯網）。C-V2X起步相對較晩，但因為基於蜂窩通訊技術，其便捷性、可靠性方面具有優勢。除此之外，C-V2Ⅹ可以與5G通訊技術相容，未來在自動駕駛領域的應用也廣受關注。隨著未來通訊技術與C-V2X的進一步融合，三維建模、時空同步、智能識別等技術愈發成熟，越來越多支援車路協同的高速公路將在全國建成。
4.2無人駕駛應用場景：解決乘用痛點，拓寬商用範圍
智能駕駛的應用場景可以分為乘用場景和商用場景兩類。乘用場景除了使用者自購自用主要是自動駕駛計程車（Robotaxi）和無人駕駛公車(Robobus)。
根據美國SAE標準定義，Robotaxi是指出行公司提供的L4-L5級自動駕駛計程車。Robotaxi無人駕駛計程車具備三大優勢，能解決傳統出行服務三大痛點。
一是隱私保護，許多乘客希望出行過程可以減少與他人溝通，無人駕駛計程車可以避免乘客在狹小空間內與他人的接觸，減少溝通成本，保護乘客隱私，提高乘坐體驗。
二是高效出行，自動駕駛計程車可以適應城市道路上的多種複雜路況，並根據即時交通訊息做出路線調整。在路況判斷、規劃執行、遵守交規方面也優於人類駕駛員，能給乘客帶來便捷高效的出行體驗。
三是成本更低，資料表明，國內一線城市計程車均價區間在2.6-3.2元/公里，其中駕駛員成本佔約50%。雖然目前無人駕駛出租成本偏高，但在未來大規模商用落地後，最終能完全節約人力成本，為使用者帶來經濟實惠的出行體驗。
中國無人出租起步相對較晚，武漢為全國乃至全球無人駕駛提供範本。2019年9月22日，武漢國家智能網聯汽車測試示範區正式揭牌。2022年9月，武漢與重慶率先發佈全無人商業化試點政策，向百度發放全國首批無人化示範營運資格。截止2023年底，武漢已成為全球最大的無人駕駛營運服務區。
Robobus無人駕駛公車是按照指定路線行駛的無人公共交通工具。對車路協同、車輛智能監控、安全預警等方面要求比乘用車更高，實現大規模商用還需要時間驗證。2021年4月，全國首個自動駕駛公車示範營運項目在重慶永川正式落地。2022年4月，Apollo Robobus獲得北京市頒發的智能網聯測試牌照。2022年9月，山東菏澤也亮相了宇通自動駕駛公車。
4.3智能交通營運商：驅動智能網聯進步的關鍵參與者
智能交通營運商的主要職能：協助車聯網一體化體系建設，建構路側智能化基礎設施，提供雲側的巨量資料分析、雲端支援、AI模型等技術支援，完善智能出行的服務和安全標準。讓越來越多經驗豐富、技術深厚的智能網聯營運商加入進來，加速建構起未來社會的智能交通新生態。
在智能網聯化構想下，交通系統需要融合現代通訊與網路技術，最終實現車與萬物的智能資訊交換與共享。成熟的智能交通營運商理論上需要三方面條件：
一是要有高階路側裝置的智能化一體化方案的建設、營運、維護能力。以路測邊緣計算單元為例，組態200TOPS以上的算力就能支援L4級自動駕駛上路。但從部署難點看，高算力計算單元不僅單顆生產成本高，適配不同車型和感測器需要演算法調整，上傳到雲端也需要即時響應，且為了保障即時的資料處理對延遲的要求也極為苛刻。因此，企業有研發、生產路側感測裝置、通訊裝置能力，擁有邊緣計算產品十分重要。
二是需要有較強的軟體系統整合能力、雲平台、和巨量資料運算平台，在人工智能領域具備一定基礎。智能交通營運覆蓋範圍在理想狀態下是公路系統的全範圍，既使是覆蓋部分地區，也需要處理海量的道路和使用者資料。對於整車企業來說，這無疑是巨大的挑戰。對於軟體供應商來說，單個企業也難以支撐相應的規模。未來的成熟的車路雲體系涉及的資料量、計算量、算力需求都將呈數量級增長。而機器學習最佳化後的專用大模型，和邊緣計算的分佈式AI將很大程度上對感知演算法和決策精準度進行最佳化、提高維運效率的同時，資訊處理和即時反饋能力也將得到加強。因此，AI大模型的實力決定了營運商的能力上限。
三是智能交通營運商還必須親自參與到市場中，要擁有較為成熟的車端無人駕駛技術和豐富的落地示範項目經驗。因為車端無人駕駛成熟度主要取決於車載感測器演算法、計算平台的算力上限、訓練程度。這就要求營運商要在有成本優勢的前提下，具備投入自動駕駛汽車的能力。在現階段，具備這樣能力的企業不多。短期內，租用或購買其他車企的自動駕駛汽車來投入市場或許是主要智能交通營運商的選擇，但長期來看，擁有無人駕駛汽車研、產、用能力的營運商才能在競爭中存活，因為智能駕駛市場的核心在於車的差異化，沒有造車能力的科技企業，就算在雲平台和巨量資料上取得了優勢，作為營運商也會失去核心競爭力。
中國智能出行服務領域已有多家企業積極參與，初步形成市場格局。起步初期主要有三種模式：一是傳統車企自創出行平台，二是傳統出行平台聯合車企與新智行公司達成合作。三是網際網路科技企業成立新出行平台。對比來看，第一種獨家營運模式挑戰大，緊靠一家車企為主力，縱使是行業龍頭也難在新市場快速擴張。第二種模式擴張速度可觀，但後期難免形成決策權分散，發展上具有諸多不確定性。第三種模式成本高，需要自研、自測、自產無人駕駛汽車，但模式成熟後優勢也將凸顯，統籌的產品與服務更容易塑造品牌效應。
當前來看第三種模式在市場上較為成功，網際網路科技企業參與智能網聯建設和服務維運。2021年8月，百度成功孵化智能出行平台“蘿蔔快跑”，配備百度自家的Apollo系列汽車提供出行服務，成為第三種模式的創立者，百度2024年Q1財報顯示，蘿蔔快跑一季度提供乘車服務約82.6萬次，同比增長25%。
全球來看，智能網聯發展也在催生新的商業模式。比如特斯拉推出的Robotaxi服務。馬斯克認為，完全自動駕駛後下一步是共享化，將於2024年8月8日推出無人駕駛計程車Robotaxi。一方面回收部分特斯拉車型投入到計程車隊中，另一方面車主也可以加入平台，將空閒車輛作為Robotaxi賺取收益。隨著特斯拉的FSD全自動駕駛系統更加普及。該服務的推出可能會改變特斯拉的商業模式，從單純的汽車製造商轉變為兼為提供出行服務的公司。
Robotaxi也是全球智能駕駛進入爆發期的訊號：一方面，對於每個車主而言，車輛使用率會提高，對於特斯拉而言，在Robotaxi運行的規模優勢下擴巨量資料採集，加速演算法迭代。另一方面，智駕系統可以靠軟體和服務賺錢，這拓展了無人駕駛的新商業模式。馬斯克在財報中強調，汽車的未來不僅屬於電動化，也屬於自動駕駛。特斯拉有望通過數百萬車輛的資料和龐大的人工智慧訓練叢集，來實現規模化的自動駕駛應用。 (澤平宏觀)