自动驾驶在高速公路和市区道路两种场景下，哪个是刚需？
自动驾驶从场景上来分，可以分为封闭场景、半封闭场景和开放道路场景三类。业界公认的观点是：技术难度由易到难，市场容量由小到大，商业落地速度由快到慢。按照这种观点，封闭场景的自动驾驶公司是不是容易被开放道路场景的自动驾驶公司技术上“降维打击”？封闭场景的自动驾驶公司是不是很快会触摸到市场天花板？
对于具备L4自动驾驶能力的系统来说，这种恶意攻击应该是小把戏，多传感器融合及多重感知冗余可是L4的标配，骗过了激光，还能骗得了相机。但结果让人大跌眼镜，这样一个骗过激光雷达的“交通锥识”，竟然也骗过了多冗余的视觉感知系统，失败率高达99.1%。难怪作者发出这样的感慨：“多传感器融合，其实是融合了个寂寞”。
这不仅让我对当前L4自动驾驶技术发展有一个大胆的猜测：
（1）激光雷达和视觉的前融合目前还是个“寂寞”，宣称的多融合应该还处在拉投资的PPT和路演中；
（2）卫导与惯导的融合目前是传感器融合里做的最好的了，但也仅限于松耦合。深耦合的高精度组合导航产品已知的仅有国外Novate和国内的北云的部分产品，其它家的深耦合产品都还在路上；
（3）各项功能严重依赖单一传感器应该还是主流。定位高度依赖高精度组合导航，感知避障、辅助定位高度依赖激光雷达和毫米波雷达，交通标识识别及远控依赖车载相机。
铺垫这么多，终于可以提出本文的拙见了：
- “降维打击”纯属无稽之谈，封闭场景和开放道路自动驾驶技术水平当前应该处在同一起跑线。且大家都是基于公开的论文和开源的代码去打磨提升自己的自动驾驶算法能力，长期一段时间不存在技术上谁更先进之说；
- 封闭场景自动驾驶公司由于具有结合场景落地的丰富经验，更早的量产能力积累。当业界自动驾驶全栈技术能力（算法、感知硬件、计算单元）真正达到L4的级别时，封闭场景自动驾驶公司极有可能实现弯道切入，弯道超车；
- 自动驾驶最终比拼的是对场景的理解，对场景中20%的长尾问题的特色解决方案，而不是现在一味的硬件军备竞赛，算法乱放卫星，名字起的震天响。
下面就挑选每一场景有代表性的领域，介绍其场景领域的主要特点及代表性公司。
封闭场景有港口，机场、矿场，园区，目前均已形成头部企业，且均有代表性的商业落地案例。其中港口场景又最具代表性，劳动密集型、强度大、劳动重复度高，基础设备完备，信息系统完善，特别适合自动驾驶的商业化落地。
港口场景具有如下特点：
（1）路径规划由码头FMS(车队管理系统)负责，通过与码头TOS（生产作业系统）对接，完成整个码头所有水平运输车辆的路径规划；
（2）单车定位精度要求控制在+/-5cm。如此高的定位精度一方面是受制于码头的土地高利用率，另一方面是由于装卸船需要与码头岸桥，堆场场桥等设备进行精准定位。（干线物流定位精度要求在-/+10cm，开放道路定位精度要求会更低）；
（3）单车定位难度很大。码头堆场全是五六层的金属集装箱，岸桥也全是百米高的钢铁巨人，这种多金属的场景，高精度组合导航的多径影响会非常严重，卫导信号基本是没法用的，如果这个时候选择相信组合导航里融合IMU的数据，岸桥下长时间的停车装船卸船又会造成巨大的累积误差。
因此，这种情况只能使用激光进行辅助定位，但堆场集装箱的高度又是随时变化的，离开岸桥又是广阔无垠的开阔区域（这个时候组合导航还在初始化，尚未输出固定解），车道线在风吹雨淋下又是沧桑衰老。如何实现定位稳定，可靠，是所有做码头场景的自动驾驶公司的一大难题。
（4）动力学模型复杂。当前国内自动化码头倾向于IGV方案，支持多轮转向、多轴驱动。转弯半径大，还支持蟹行。15米的车长（不分车头车尾）对传感器布局是一个挑战，80t重载下车身高度变化对传感器标定是一个挑战，多轮转向、多轴驱动对里程计模型是个挑战。就更别提线控制动、线控转向。
（5）港口环境比想象的恶劣。尤其是盐雾，见过多少传感器及风冷控制器在港口风吹日晒半年后，也漏出了锈迹斑驳的面容。
港口封闭驾驶的头部企业有：西井科技、主线科技、飞步科技、斯年智驾等。西井在泰国林查班港口，阿布扎比港口，新疆陆港均已有车队在运营，正在给天津港、青岛港等提供自动驾驶全栈解决方案，同时几乎给国内所有码头配套过智慧岸桥、场桥、理货、闸口等AI升级业务。主线深耕天津港，前期已有几十台改装集卡在运营，目前和徐工合作正在拓展天津港的IGV业务。斯年智驾在服务模式上有所创新，在苏老师的一篇文章里有过详细介绍，按下不表。只想提一句八卦，分家后的弟弟选择在相同赛道竞争，指定是在家里还没吵够，村外还想再干一架，只能说拭目以待。
总结：封闭场景的自动驾驶车辆就像一头牛，工作区域就是一亩三分地，来来回回的拉，农田的总面积很固定，所需牛的数量也很稳定。工作场景要求牛能吃苦耐劳。
半封闭场景有干线物流、最后一公里配送、短途人/货接驳等。此种场景目前均在大规模测试阶段。其中干线物流赛道市场规模在万亿，市场蛋糕非常诱人，场景里又是刚性需求（劳动密集型、劳动重复性大、安全事故高），聚集的玩家的背景也都非常深厚。
干线物流场景具有如下特点：
（1）单车需要通过V2X与路侧单元进行道路信息的交互，共享交通状况信息；
（2）路线相对固定，但行驶过程中涉及高速跟车、换道，超车，急停避让等过程，因此一定需要多传感器的融合，一方面取各自技术之长，另一方面起到多重感知冗余；
（3）需要证明事故率低于有人驾驶、运输效率高于有人驾驶。
目前做干线物流的主要分为三派，一派侧重L3自动驾驶技术的应用，嬴彻科技、宏景智驾属于这一派；一派侧重L4自动驾驶技术的应用，图森未来，小马智行均属于这一派。还有一派啥都做，就是智加科技。三派肯定均有优劣，孰优孰劣，交给时间和市场验证。
总结：半封闭场景里的自动驾驶车辆就像一头马，负责驿站之间信息的传递。驿站随着商业的繁荣，会越来越多，所需马的数量也就越多。工作场景要求马吃苦耐劳而不丢灵敏。
最后一个场景，开发道路场景，自动驾驶道路上的皇冠。谁征服了，谁就能坐上铁王座。上到宇宙第一车企上汽，下到刚下海的小米，卖房子的，卖广告的，卖鱼的，卖肉的，都在追逐这无上权利的铁王座。
这个场景里有各家都在发力的Robotaxi，说不定在广州、深圳、上海、北京部分地区已经体验过他们的打车服务，玩家有小马智行，百度，文远知行，AutoX等。还有正在蓄力的私家车领域自动驾驶，玩家为赛道上下游所有企业，真正的珠穆朗玛峰。
总结：开发道路场景的自动驾驶车辆就像一只猫，他的活动区域没有限制，翻墙，钻洞无所不能，有路的地方都可以有它。活动空间需要它机敏而灵活。