贾浩楠 发自 副驾寺智能车参考 | 公众号 AI4Auto
成本史无前例得低，产品界限逐渐模糊。
这是L4自动驾驶商业化的最新趋势。
来自自动驾驶明星创业公司轻舟智航，为人熟知的标签是无人小巴头号玩家。
最新的L4自动驾驶套件，包括软硬件在内，总成本1万元，是有史以来的最低价，甚至比大多数乘用车上选配的辅助驾驶还便宜。
而搭载这套方案的产品，也突破了以往客运或货运的界限，有了车企“平台”开发的味道。
这样的探索不是轻舟智航一家在做，无论是Robotaxi还是无人配送玩家，低成本和平台化成了趋势。
这样的势头也指出了一个尖锐的矛盾：
AI司机能力泛化足够好，成本又足够低，那么希望从L2入手升级的自动驾驶路线，还有必要坚持下去吗？
成本1万的L4，能力怎么样？
把自动驾驶成本做到足够低，然后在不同场景的产品上释放，这其实就是百度为代表的的一众L4玩家常说的“降维打击”。
但“打击”的前提是能力水平，而低成本不免让一部分人担心是不是通过“简配”实现，那么轻舟智航的这个史上最低成本的L4，能力到底怎么样？
可以从实际表现、硬件配置和产品特征3个角度来看。
轻舟放出了一段在苏州老城区闹区市内的路测实录，从场景来看，这套产品其实已经符合“城市领航辅助驾驶”的定义。
也就是说能够根据导航信息自动规划线路，自主处理红绿灯、交通标志，人车混杂、不规范行为、狭窄道路等复杂路况。
按照日常用车流程逐一来看。
首先是停车场的自主召唤：
上路之后，DBQ V4可以实现城市环路场景下的领航辅助驾驶：
这些功能如今并不能称得上是惊艳，毕竟领先的自动驾驶公司，甚至是主机厂都已经将停车辅助、高速领航量产。
轻舟智航DBQ V4的能力，官方认为是应对城市复杂道路复杂场景，尤其是车道线不明显，人车混行的场景。
比如挑战苏州老城区狭窄的巷弄，还是在主副驾都完全无人的情况下。
像是隧道，无保护左转这样的场景，应对流畅：
除此之外，还能够在极限狭窄的情况下通行：
遇到障碍物时，能够等待合适时机通过：
另外在夜间场景，系统除了受到目标识别上的干扰，同样也得兼顾其他目标的行为预测行驶策略博弈。
在测试实录中，出现了正常车道被违停占道，使得本车不得不借道通行，同时对向又有来车的复杂博弈问题：
而轻舟DBQ V4系统表现得亮点在于，并不是一味谨慎低速，而是根据动态的速度、距离信息判断是加速通行还是停车避让。
而且，过程中还成功识别避让了在机动车道上穿行的两轮低速目标。
成本1万元的轻舟智航L4级自动驾驶系统，能力就是这样，你认为能称得上老司机吗？
硬件配置上，DBQ V4的最高配置有5个激光雷达、4个盲区雷达、6个毫米波雷达、12个感知摄像头，实现360度无盲区、无死角的感知能力。
这样的硬件配置在量产乘用车上也算得上是豪华，量产选配至少也得数万元，但轻舟智航如何能把成本控制在1万？
据官方透露，关键在于所用零部件的国产化，比如来自地平线的车载AI芯片，以及国内某供应商的固态激光雷达。
你肯定注意到了，前面说DBQ V4的“最高”配置是5个激光雷达，这其实是轻舟这套方案独特的产品形态，能根据不同车型、不同客户的需求，灵活配置激光雷达、盲区雷达的数量和布置方式，而且都能保证无盲区的感知能力。
这样的产品策略，表明轻舟智航正在拓展除小巴之外的其他L4级技术落地场景，同时像是一种宣告：
L4成本已经走足够低，应用场景可以是小巴，可以是Robotaxi，也可以是乘用车，甚至也可以用在商用车，这样的情况下，辅助驾驶可能会被降维打击。
L4反击战
这样的趋势已经再明显不过：
技术上，L4玩家正在努力打造通用的AI司机，底层感知、决策核心相同，传感器方案、数据也能最大程度复用。需要改变的，只是根据不同车型的控制要求适配。产品上，逐渐模糊过去载客是载客，运货是运货这样功能明确区分的形式，而是推出车型平台，按照不同用户需求扩展成不同功能的移动设施。
换句话说，AI司机更加纯粹，核心技术和具体功能正在逐渐剥离，“一条大河灌溉所有田地”。
比如轻舟最新的龙舟Space，既可以是拉客的无人巴士，也加装货舱变成物流配送车。
而这种趋势的基本成立条件，正是L4自动驾驶成本的不断降低。
立足L4的公司，受制于场景难度和政策准入，过去几年在商业化上一直不如L2顺利。
L4要保证1%的长尾场景处理能力，需要足够数据对算法进行训练，而以往高性能激光雷达、算力平台的成本，导致大规模的测试车队不可能实现。
但AI司机的安全可靠性提高，根本途径还是得依靠“数据收集——训练——部署——反馈”的闭环能力，规模量产实现不了，有效数据的收集就慢，成本也居高不下…
不过现在L4套件成本降到1万，甚至已经进入了普通家用车都可以承担的水平，L4能力的释放，其实只是一个时间问题。
随着核心传感器成本降低，L4自动驾驶玩家开始反向进入更多场景，可以是乘用车上的L4功能，可以是无人小巴，也可以是Robotaxi，甚至可以是商用车。
这样的优势，是L2技术栈短时间内不具备的。不过眼下L2还是占有政策和市场先发的优势。
所以悬而未决的问题只剩下一个：
谁的数据处理和技术迭代更高效？
谁就可能最先实现自动驾驶终局目标。
