做自動駕駛的“開路先鋒”，自主泊車真的準備好了嗎？

圖片來源@視覺中國

文｜智能相對論（ID：aixdlun），作者｜魏啟揚

在今年的龍灣論壇上，吉利向外界正式發布了“爬行者智能系統”，並宣布利用V2X技術，借助“雲端”、“路端”、“停車場端”的輔助設施，能100%實現自主泊車。

幾乎在同一時間，百度智能汽車事業部總經理顧維灝在接受媒體採訪時，表示百度的自主泊車解決方案現可適用於市面99%以上的停車位，目前已有Gofun出行、盼達用車、威馬汽車、現代汽車、歐拉汽車、比亞迪汽車、長城汽車、江淮汽車、力帆汽車等9家企業成為百度自主泊車合作計劃的首批合作夥伴。

在此之前，自動駕駛初創公司縱目科技於去年12月26日宣布收到中國一汽的項目定點通知書，將在一汽紅旗品牌2020年的量產車型上，部署低速自動駕駛L4級自主代客泊車系統（Auto Valet Parking簡稱AVP）。這也是國內首個AVP項目明確落地的消息。

相比自動駕駛的遙遙無期，自主泊車似乎要先行一步率先實現商用落地了。然而，在自主泊車成為自動駕駛的“開路先鋒”之前，先審視一下自己，真的準備好了嗎？

自動泊車，自主泊車別傻傻分不清楚

在進行討論之前，我們得先分清自主泊車和自動泊車之間的差別。由於兩者隻相差一個字，且最終展現的結果都是實現智能化停車，因而很多用戶都將兩者混為一談。實際上，自動泊車和自主泊車在功能（智能停車）實現的方式、過程以及技術難度上完全不同，分別處於高低不同的兩個技術維度。

自動泊車是利用車輛周身搭載的傳感器（主要是超聲波雷達），測量車身與周圍環境之間的距離和角度，通過數據分析和操作控制，實現無人操作或便捷式操作停車入位。

自主泊車對技術的要求要高上一個等級，是自動駕駛的一個分支，解決的是“最後一公里”的停車問題，需要汽車按照規劃好的路線自動行駛並完成泊車。實現自主泊車需要更多的傳感器、更複雜的感知、定位、規劃等技術，在一些解決方案中，還需要車聯網、停車場標準化建設以及數據的協同和互通。

做一個形象一點的比喻，自動泊車做的是判斷題，即感知到車位後判斷能不能停，得到肯定答案後，再按照預先設置好的程序完成停車動作；自主泊車做的是應用題，不光要有感知車位的判斷能力，在“找到”車位之前還要解決路線規劃、躲避障礙等方面的問題，在整個過程中，最重要的部分是“如何找到車位”。

實際上，隨著技術的發展，越來越多主機廠在量產車型中裝配了自動泊車系統，並將其作為新車的主要賣點進行宣傳。

早在2012年，比亞迪推出售價不到10萬的新車速銳中就裝配了“遙控駕駛”技術，用戶可以在車輛周圍20米可視範圍內在車外使用遙控鑰匙，操作車輛啟動、前進後退和左右轉向，泊車、取車是該項技術的最大應用場景。該項技術也可視為具有雛形的自動泊車系統在國內市場的最早應用。

去年10月31日上市的吉利繽越在新車中配備的自動泊車系統可以一鍵實現水準泊入、垂直泊入和水準泊出功能，整個過程中駕駛員都無需控制方向盤、油門及刹車。

造車新勢力小鵬汽車也將自動泊車作為主要賣點。小鵬G3全車配備了12個超聲波傳感器，5個視覺傳感器和3個毫米波雷達。利用數量眾多的傳感器組合系統來提升車位識別率和泊車成功率，豐富自動泊車的功能。

至於自主泊車，現在還隻處於“爆發前夜”，停留在“定點展示”階段。

其中最早的落地案例來自2017年7月戴姆勒和博世聯手打造的“自動代客泊車服務”。戴姆勒提供測試汽車和汽車技術，博世負責停車場的智能化改造，在斯圖加特的梅賽德斯-奔馳博物館，用戶就能享受到使用手機APP操控實現自動泊車。

此外，像大眾、奧迪、國內的榮威、小鵬汽車等都通過不同的形式向外界展示過自己的自主泊車技術。

自動泊車尚未普及，自主泊車急切上位的底氣在哪？

一個較為尷尬的現實是，現在的自動泊車系統還不夠完美，有些系統對車位的要求比較高，實用性不強，有的則經常出現系統識別和判斷錯誤，停車失敗或者剮蹭等問題，上文也提到，小鵬汽車公布的70%停車成功率還算一個比較高的水準，這也使得自動泊車系統裝備上車的數量並不多，行業預測到2023年時，自動泊車系統的普及率才會超過20%。

在常識中，技術應用的普及過程一般按照先易後難的順序螺旋上升，而現在在自動駕駛的風潮下，自主泊車急於“上位”（上車），它的底氣從何而來呢？在智能相對論看來，無非這幾點：

1、時代環境發生變化，自主泊車已具備上車條件

首先，自動泊車是互聯網時代的產物，自主泊車是人工智能時代的產物。

自動泊車技術的不完善實際上可以歸結為“歷史遺留問題”，自主泊車則是在人工智能時代自動駕駛研發風潮下誕生的一個技術分支，兩者間沒有可以前後銜接結合的空間。

回到對人工智能時代自動駕駛的討論，上文提到技術應用的普及一般按照先易後難的順序螺旋上升，行業普遍認可的自動駕駛商業落地需要從4個維度進行考量：封閉場景/開放場景、固定路線/自由路線、低速/高速、車內有乘客/車內無乘客。

對這4個維度的8項條件進行組合，自動駕駛的最高境界就是“開放場景、自由路線、高速和車裡有人”，這也是自動駕駛的終極目標，雖然全球的一線科技公司都在進行相關研發，但自動駕駛落地商業依然沒有明確的時間表。

說完最難的，再來說說自動駕駛最容易落地的情況：“封閉場景、固定路線、低速、車內無人”，在這方面，部分自動駕駛研發公司已經實現了技術在礦區、工業園區、港口等場景的落地。

就像升級打怪，此時自動駕駛開始挑戰更高一級難度的落地，處於中間地帶的自主泊車場景被提煉了出來——“開放道路（但道路條件較為簡單，行駛距離有限且受行人干擾較小）、自由路線、低速、車內無人”。

時代環境發生了變化，技術也達到了商用落地的臨界點，自主泊車急著“上車”也就不足為奇了。

2、能夠最大程度滿足商業變現的需求

自動駕駛對於汽車行業主要有兩層意義。一層為拓展汽車的功能，促進汽車銷售；一層為改變出行的形態，將汽車屬性由所有權變成使用權，共享出行。

“一萬年太久，隻爭朝夕”。

既然自動駕駛全面落地遙遙無期，那麽走“折中路線”的自主泊車就充當起“開路先鋒”的角色。

這也就很好理解了。

現階段，在銷售端，自主泊車可以很好的擴充汽車實用的智能科技功能，成為車企的銷售賣點，進而演化成具有核心競爭力的技術之一，畢竟那種“招之即來，揮之即去”的感覺只要嘗試過後都想長期擁有；在出行端，自主泊車更是擊中了出行平台泊車管理的痛點，在數字化運營的趨勢下，自主泊車還能切入出行平台的運營，這是一個比成為主機廠供應商更有誘惑力的方向。

作為自動駕駛的一種形態，自主泊車兩邊“討好”，成為現階段實現技術落地，商業變現的最佳方向。並且，自主泊車系統的推廣和普及，也會增強用戶對於自動駕駛技術的信心，為更多自動駕駛技術的推行掃清認知障礙。這也是行業推進自主泊車“上車”的原因所在。

3、面臨的法律政策風險更小

由於自主泊車處於“開放道路（但道路條件較為簡單，行駛距離有限且受行人干擾較小）、自由路線、低速、車內無人”的應用場景之中，其中的“低速”和“車內無人”將大大降低自主泊車上路的立法難度。

此外，由於“車內無人”，即便發生事故，處於自主泊車狀態中的車輛也無需進行“保乘客還是保行人”這樣的倫理選擇，這對於算法和機器訓練的要求也大大降低。

法律障礙小，事故風險低，這樣的結果就是主機廠採用新技術的意願更強烈。

在全面上車之前，自主泊車還需解決商業模式之爭

雖然行業都很看好自主泊車，一些車企的量產計劃也逐漸浮出水面，但市場仍然存在一些不確定的因素，其中最大的分歧在於自主泊車的解決方案和商業模式之爭。

在自主泊車的研發陣營裡，智能相對論發現，已經旗幟鮮明的出現了兩派。

一派是以百度、縱目科技等為代表的“單車智能”派，即通過對車輛的改造，提高單車智能的方式來實現自主泊車；

一派是以博世（根據吉利公布的“爬行者智能系統”的描述來看，也可歸為這一類）為代表的“車場協同”派，即通過對停車場端的設備改造，強調車端與場端的協同來實現汽車的“自動泊車”。

“單車智能”派的優勢在於成本可控，且技術方向更接近未來的自動駕駛形態。百度Apollo自主泊車採用攝影頭和超聲波雷達兩種傳感器的方案，可將整套成本控制在1萬元人民幣之內，對於大多數用戶來說，這是一個比較容易接受的成本增幅。

“車場協同”派的優點在於對車輛的要求不高，但在場端的設備改造成本則需生態圈中的某一方來消化。像戴姆勒和博世的聯合方案中，他們在場端使用了柱式安裝的工業級單線雷射雷達，實際應用中，平均每3個車位大約需要布局25顆雷射雷達。如果按照這樣的標準，場端改造費用將是一個天量數字。如果沒有足夠明晰的市場前景，是無法推動資本去完成這項基礎設施建設的。

對此，有自主泊車技術廠商提出了“運營商模式”，即由自主泊車廠商出資和設備進行場端改造，相對於在各個停車場建立“基地台”，技術普及後，自主泊車廠商憑借著手中的“基地台”資源變換身份為“運營商”，通過向用戶收取“自主泊車服務費”的方式來完成商業閉環。

其實不管是哪種模式，現在需要厘清的問題是，自主泊車到底面對的是C端市場，還是B端市場。從支付的閉環來看，最終買單的是C端用戶，那麽在整個流程中，自主泊車技術廠商、主機廠、出行平台運營商、物業公司、充電樁運營商等各方的利益如何分配？

智能相對論認為，上述問題的答案首先取決於兩種解決方案和商業模式最終的競爭結果，只有在統一技術方向和背景條件下，商業模式才有規範的可能；其次，在新的商業規則建立過程中，看哪方能率先拿下具有壟斷地位的資源，無論是技術方還是運營方，這樣自主泊車在整個汽車生態圈中才能掌握更大的話語權。

現在，我們要做的就是靜心等待，自主泊車全面爆發之時，所有問題自然迎刃而解。

【鈦媒體作者介紹：智能相對論（微信id:aixdlun）：深挖人工智能這口井，評出鹹淡，講出黑白，道出深淺。重點關注領域：AI+醫療、機器人、智能駕駛、AI+硬體、物聯網、AI+金融、AI+安全、AR/VR、開發者以及背後的芯片、算法、人機互動等。】