wRobotaxi短兵相接：百度向左、滴滴向右( 二 ) 百度|w网约车|自动驾驶|uber

另外，一场围绕“定制化前装”的运动，也正在各大出行平台厂商那里徐徐展开，一支规模庞大的前装定制车型车队，已经在来的路上。
场景驱动型Robotaxi的商业模式也很直接，现有模式内替代——逐渐用AI司机、Robotaxi替代掉人类司机和常规网约车。
这样听起来似乎有理有据，但很多人也会疑问，为何Uber和Lyft都退赛不玩了呢？
【 wRobotaxi短兵相接：百度向左、滴滴向右】实际上，内因依然是关键，因为场景驱动型平台内部也有难念的经。
首先，挑战现有的商业模式、需要自我颠覆，并且自动驾驶的研发成本高企。
Uber也好、Lyft也好，营收赚钱的核心在于网约车业务，发展自动驾驶虽然是未来，但相当长一段时间内都是高成本投入，更何况网约车现在有规模但不见盈利，组织内部是否可以一如既往坚定如初，不好说。
况且，自动驾驶研发有多烧钱，谁用谁知道。Uber财报有过披露，一个月成本账单就是2000万美元。在Uber无人车部门出售后，外媒估算过，花费投入超过了20亿美元。既然如此烧钱，止损又遥遥无期，最后Robotaxi的应用还得有出行网络和平台，那为什么不是等到技术驱动平台研发成功了，再接入进来？
其次，出行平台搞Robotaxi，有场景优势但也有天然软肋。人类司机方面，面临阻力。而也正是出于这两大因素，Uber和Lyft退出自研，但放话仍然关注和笃信Robotaxi。
回到技术驱动派这边。
其实现Robotaxi的劣势相比也很明显，推进速度相对不会那么快，需要严格路测、试运营，然后无人化ODD区域落地，并且进一步实现商业化，另外也没有现成的出行平台网络可用。
不过，好处是没有包袱，百度也好，其他Robotaxi落地玩家也好，现如今正在展现出的逻辑可能就是：慢就是快。
一方面，他们所有的研发、路测和数据迭代，都是为Robotaxi而展开的，从收集到反馈都非常精准，自动驾驶的模型自然迭代快速。
以国内“带头大哥”百度Apollo为例，除了Robotaxi，其用在乘用车的自动驾驶技术（ADS）与Robotaxi同架构、共平台，目前已经和车企合作量产交付。这正是技术驱动型Robotaxi平台的新趋势——降维释放，利用Robotaxi和量产自动驾驶，实现“双轮驱动”。

文章插图
另一方面，商业化推进上不需要自我革命。今年五一期间，百度Apollo就开始在北京首钢园启动无人化的商业化运营，单程票价30元，但体验者预约不断，都希望打卡Robotaxi这一新物种。
而如果百度是先做了网约车业务，再换Robotaxi收费，恐怕接受度上就是另一番模样了。
Robotaxi江湖谁将主导？至此，我们明晰了两大门派的优劣势，或许对于接下来决胜关键，也就更加明确了。
概括起来，Robotaxi作为自动驾驶的终极目标，伟大前景毋庸置疑，但谁才能摘得圣杯呢？
之前，出行平台被认为是Robotaxi落地的绝佳场景。
普遍观点认为，除了自建的路测车队，网约车平台通过给运营车辆后装传感器，能开启大规模的数据收集。如果能进一步前装定制车辆，还能更精准获取路况和人类驾驶行为等方面的信息。
所以，一直以来，网约车平台搞自动驾驶，天生资源备受羡慕。但所有人都低估了算法迭代的挑战和扩充车队的成本。
场景型平台驱动的内生矛盾，让Uber、Lyft不得不在自动驾驶面前“没有梦想”。

文章插图
另外，海量出行数据本来是无数AI公司梦寐以求的，但如何把这样的数据优势变成算法优势，挑战其实不小。
出行平台收集数据的方案，往往是在车辆上后期加装传感器。比如行车记录仪。这样的摄像头可以很快覆盖到平台上的所有车型，但也有两方面的挑战。
一是车载记录仪式的摄像头数据，以前向行车数据为主，成像质量和分辨率，也非严格为自动驾驶高精度数据而生，如果还不能与车辆的驾驶行为数据（速度、方向等）数据打通，对自动驾驶系统的迭代帮助，效用就会存疑。
另一方面，标注的挑战。摄像头记录的视觉数据，需要经过标注、优化工作，才能对自动驾驶算法产生贡献。但每年千亿公里级别的数据，标注优化的工作量无法估计……
所以，出行平台和特斯拉，尽管表面看都有丰富的场景，但真正要让这些场景发挥出价值，标注方面的成本和技术能力，又是另一大关键技术挑战。
归根结底，难如登月的Robotaxi实现，不存在“资源密集”式的捷径。