今天小編分享的汽車經驗：跨過長尾場景的“大山”，無人礦車開向商業化坦途，歡迎閲讀。
圖片來源 @視覺中國
文｜談擎説 AI，作者｜鄭開車
從 L2 到 L4，從場景數據訓練到 GPT 大模型，自動駕駛行業在不斷改變。
經歷過 waymo 裁員、Mobileye 估值大跌之後，行業前景變得逐漸明晰：當 L4、L5 的故事講完之後，商業化才是自動駕駛的歸途。
于是，我們看到，一些做開放道路場景的自動駕駛公司在轉型，要麼 ToB 做車企 T1 供應商，專注 L2 以及 L2+ 落地，要麼做園區物流配送等場景下的商業化。
出人意料地是，在大多數目光聚焦的開放場景之時，做封閉場景的自動駕駛公司卻是另一番景象：過去一段時間，踏歌智行、中科慧拓、希迪智駕等企業都受到來自資本市場的目光。
天眼查 APP 融資信息顯示，過去一年，踏歌智行、中科慧拓、希迪智駕等做礦山場景自動駕駛的企業均有融資入賬。
為什麼目前自動駕駛技術商業化進程最順暢的卻是封閉場景？無人礦車為什麼又備受關注？在風口中落地的這個領網域究竟又有哪些價值？值得深究。
礦山場景奪下自動駕駛商業化 " 頭籌 "
過去的自動駕駛技術的發展證明，商業化落地是一個循序漸進的過程。從 L2 到 L4，從封閉場景到開放場景，既是技術成熟曲線的客觀規律，也是自動駕駛行業化落地的既定路線。
對此，政策層面也有清晰的規劃路線。
根據 2020 年發布的《智能網聯汽車技術路線圖 2.0》，到 2025 年，完成特定場景和限定區網域的 HA 級應用；2030 年完成高速公路廣泛應用以及部分城市道路規模應用；2035 年之後達成全場景覆蓋。
在這個路線中，行業還需要解決兩個難題：從工程化階段走到商業化階段；從區網域示範落地走到真正擁有自我造血能力。
從目前的發展來看，率先能夠解決這兩個問題的，可能是礦山自動駕駛。
從工程化階段到商業化階段，需要解決的核心問題其實就是長尾場景的問題。
從區網域示範落地走到真正擁有自我造血能力。需要解決的就是成本替代的問題。
一個事實是，自動駕駛技術發展到今天，技術其實不是瓶頸，而是對長尾場景數據的覆蓋。
無論是車輛的感知能力，還是 AI 算法、芯片算力都不是自動駕駛落地的短板，真正的困難其實就是在于場景。
2018 年的 Uber 自動駕駛車輛撞死行人的事故，以及海外特斯拉自動駕駛事故頻發，都提醒着人們長尾場景問題才是關鍵所在，而開放環境下，這個問題近乎無解，因為永遠都會有新的場景出現，算法、數據不可能覆蓋到 100% 的場景。
不過，在礦區，這個問題似乎不算特别難以解決。
目前，封閉的礦山已經實現了全機械化生產，生產流程更标準化，非标準化的場景其實本來就比較少，自動駕駛更容易落地。
" 封閉場景與開放場景最大的一點不同是，封閉道路的工況和場景是可以被列舉出來的，比如説做露天礦的自動駕駛解決方案，可以跟前期客户去确認需求、去解決一部分可能遇到的長尾場景問題 "。踏歌智行方面對談擎説 AI 表示。
成本替代方面，對于相比開放場景，無人礦車落地更 " 剛需 "，更能體現出成本優勢。
" 與開放場景不同的是，自動駕駛礦車落地對礦企來説是剛需，一是不再需要更多的工人到一線，增加生產過程的安全性，二是，通過自動駕駛線路優化控制程式優化，能夠幫助減少車輛損耗，節省燃料，減少額外的開支，自動駕駛改造的成本就能省下來，礦企其實有很強的買單意願。" 中科慧拓方面表示。
解決這個兩個問題之後，礦山自動駕駛就更容易進入快速規模化落地階段。
談擎説 AI 認為，技術的商業化，大都是由 B 端到 C 端滲透的。比如計算機、互聯網，都是從 B 端開始向 C 端滲透的。
因為當一項技術真正作為生產資料，能夠提真正提升生產效率之時，才能大規模普及。蒸汽機、内燃機莫不如此。
事實上，一些自動駕駛場景項目，更容易由 B 端成本變革驅動，而非技術、資本、政策因素驅動。而當下階段，自動駕駛在 B 端的價值，要遠遠超過 C 端。
不管是 C 端還是 B 端，自動駕駛最大的價值，一個是降低事故率，另一個就是成本。但對于這兩種價值，C 端的購買意願和購買力還遠遠不夠。
一方面，開放場景下的技術落地還不成熟，Robotaxi 也好，Robotruck 也罷，法律法規真正放權之前，大規模商業化都只是紙上談兵。即便是現在有的特斯拉 FSD 等產品，C 端的購買率其實并不高，安全、信任及倫理等問題依舊需要解決。
另一方面，足夠的購買力才是商業化的前提。在這一方面，顯然礦區、港口等 B 端客户的體量更大，購買力也更強，
" 這個行業不缺強買單能力的客户，而且這點投入對他們平時采購的大型工程機械來説并不算大額支出，而且能實實在在幫助礦企降本增效。" 中科慧拓方面表示：" 現在市場已經關注到了這個行業的價值，年後我們幾乎每周都能接到電話（來自投融資機構），市場對這個行業的認知也在變得更深刻。"
IPO 視窗已打開，產品、技術打開商業化 " 藍圖 "
市場對行業認知越深，行業内的玩家謀求上市的條件就越來越成熟，随着最近 Momenta、文遠知行等自動駕駛企業謀求上市消息傳出，自動駕駛企業可能會迎來一波密集上市。
這對于做封閉場景的自動駕駛企業來説，意味着 IPO 視窗期已經打開。
雖然行業整體仍然處在擴張階段，但無人礦車的商業化落地仍然比較穩。也就意味着相比 Momenta、文遠等自動駕駛企業，封閉場景下的自動駕駛企業商業化的步調可能會更穩一些。
一方面，相比開放場景，礦山等封閉場景下的自動駕駛商業化水平更高，業務端仍然處在擴張增長階段。
去年 Waymo、Argo AI 等一批自動駕駛企業紛紛裁員，截止今年 3 月份，Waymo 已經裁掉了 8% 或 209 名員工。
與之相對的是，由于業務增長的需要，踏歌、中科慧拓等做封閉場景的自動駕駛企業仍然在招聘。這也從側面反映出，礦山等封閉場景下的市場其實是一個可挖掘的藍海市場。
另一方面，從滲透率來看，目前行業整體的滲透率不高，還有很大的增長空間。
" 開放道路不太好評價，但封閉場景下自動駕駛商業化落地其實是很快的，目前行業還處在一個初期的發展階段，市場空間很大，粗略估算，僅存量車無人化改裝就有 4600 億左右的市場空間。" 中科慧拓方面表示。
對于增長趨勢，踏歌智行則表示：" 當行業實現全礦無人運輸運營的商業化落地，市場滲透率會出現重要的拐點，市場規模将達到新的數量級。"
談擎説 AI 判斷，以目前的行業容量來看，市場能夠容納 3 到 4 家千億市值規模的上市企業，但要進一步挖掘商業化增長空間，兑現商業化增長的藍圖，還是需要靠產品、靠技術拿出能夠可復制的規模化解決方案。
自動駕駛商業化，最核心的壁壘其實就是技術和產品。
首先，誰的技術、產品實力夠硬，能夠從 demo 級的方案進一步更新為規模化商業化的方案，誰就能取得市場份額上的優勢。
" 礦區對自動駕駛的需求跟其他場景不一樣，他對‘真無人’、‘安全員下車’的訴求是遠大于其他訴求的，比如説礦區内部的一些運輸任務，完全不需要人介入，而且要做到 7 天 × 24 小時生產狀态下的安全員下車，這對技術和產品的可靠性的要求是很高的。" 踏歌智行方面表示：" 一旦真正做到了這一點，那麼自動駕駛落地就會倍速增長，滲透率也就會進一步提升。"
在產品落地上，5 月 6 日，中科慧拓發布了我國首台套新能源礦山智能運載機器人 " 載山 "（CarMo）并投入使用，據悉，" 載山 "（CarMo）在底盤功能整合、核心控制算法、感知定位融合方面實現多項技術突破，進一步推動自動駕駛方案產品化落地。
踏歌智行方面，也已經在多個礦區實施 7 × 24 小時常态化無安全員作業，推動礦區無人駕駛商業化。
其次，礦山自動駕駛落地，帶來的其實不僅是技術和產品，也是全新的管理體系。
" 在落地的過程中，涉及到的一個重要的問題是管理的問題，如何做好礦上的無人化管理？無人化車輛、有人車輛如何去配合？如何重塑生產作業流程？這些都需要通過大量的實踐積累，這些才是落地過程中最關鍵的東西。" 中科慧拓方面向談擎説 AI 表示到。
也就是説，在產品的基礎上，企業賣的其實不是自動駕駛技術，而是新的自動化生產、運輸、管理體系的一整套解決方案，這樣的解決方案可復制性越高，那麼商業化也就越容易。
最後，技術和產品之上，決定未來格局的關鍵，還是核心的商業模式。
從資本市場的角度來看，商業模式決定業務模型，業務模型決定财務數據。
" 這兩年資本市場市場對做礦山港口的自動駕駛企業關注的确變多了，但這其實是行業規律的問題，商業化進程到一定階段，資本自然就會來關注，因為商業化進程究竟如何，不止體現在業務上，最終還是要歸結到财務數據上。" 踏歌智行方面對談擎説 AI 表示。" 能否到達一個盈虧平衡的點，關鍵其實就是看業務結構。"
對于礦山場景的自動駕駛企業來説，核心的商業模式也有三種：做運營、做前裝（賣車）、做全套的解決方案。其中體量最大的，市場規模最大的其實是做無人運輸運營，其次是賣無人駕駛礦車。但從毛利率的角度來看，做解決方案毛利率可能表現會更好。
因此，最終決定玩家綜合商業化水平的，還是得看具體的業務構成以及各業務的商業化進度。
整體來看，目前大型國有及民營礦企均在穩步推進智慧礦山的建設，這意味着行業的增長其實有很大的确定性，接下來就是技術和產品的博弈。
寫在最後：
自動駕駛商業化，猶如踏雪尋梅。
囿于當下時代所限，自動駕駛雖然還有很長的路要走，但我們亦能看見屬于未來的可能性。也許，礦山自動駕駛就是皚皚白雪中的那簇火焰。
在這個礦山獨特領網域，道德與法規不是約束而是助力，自動技術的生命力就會生長的越來越強，商業化的火焰就會越燒越旺。
更多精彩内容，關注钛媒體微信号（ID：taimeiti），或者下載钛媒體 App
