智能驾驶产业链现状与发展

王晔 曲林迟

摘要：

智能驾驶技术的发展将改变人们的出行、生活以及生产方式，因此各国以及智能驾驶技术的相关厂商和互联网企业正积极参与到该领域的竞争中。首先总结了智能驾驶技术的现状和技术路径，在此基础上梳理了智能驾驶的产业链以及智能驾驶技术将会对相关产业产生怎样的影响。最后，在总结全文的基础上，分析了智能驾驶未来发展中可能面临的技术挑战和法律、伦理困境。

关键词：

智能驾驶; 汽车制造; 产业链

中图分类号： TP 399; F 49

文献标志码： A

Current Situation and Development of Intelligent Driving Industry Chain

WANG Ye， QU Linchi

（School of Economics & Management， Shanghai Maritime University， Shanghai 201306， China）

Abstract：

The development of intelligent driving technology will change people's travel， life and production mode in the future. Therefore， many countries， relevant manufacturers of intelligent driving technology and the Internet enterprises are actively participating in the competition in this field. Firstly， this paper summarizes the development situation and technical development path of intelligent driving technology， and then analyzes the industrial chain of intelligent driving and the impact of intelligent driving technology on related industries. Finally， after summarizing the whole paper， this paper analyzes the technical challenges， legal and ethical dilemmas in the near future.

Key words：

intelligent driving; automobile manufacturing; industrial chain

0引言

智能驾驶汽车通常也称为了自动驾驶汽车等，不过严格的说，自动驾驶汽车只是一种智能化、自動化程度较高的智能驾驶汽车。根据计算机替代人类驾驶的程度，或者说根据自动化程度的不同，智能驾驶汽车又可分为多种级别，如2014年美国SAE International（国际汽车工程师学会）制定出了SAE J3016标准，将车辆分为6个级别。类似地，在《中国制造2025》中，我国也将智能驾驶的自动化程度由低到高分为DA、PA、HA和FA四种等级[1]。不过对完全自动驾驶汽车的定义基本一致，如按照美国的SAE J3016标准中的L5级（最高级别）和中国的FA级别，汽车的决策行为都是完全由机器完成，而不需要人类介入。自动驾驶未来将带来无法估量的社会价值和商业价值[2]，并且考虑到汽车工业及其相关产业链在一国经济体系、工业体系中的重要地位，全球几乎所有国家、科研组织以及相关厂商都毫无例外的在相关领域投入了大量人力和财力，以避免在智能驾驶的科技竞争中落后。因为在智能驾驶领域的落后很可能意味着在很长一段时期内无法享受智能驾驶技术发展带来的发展红利。本文即从智能驾驶产业发现状况及其对产业链的影响出发，对相关领域进行综述。

1智能驾驶技术现状与发展路径

1.1智能技术发展路径

从目前的发展来看，智能驾驶汽车的发展存在两种发展模式：第一，“渐进式发展”，渐进提高汽车驾驶的自动化水平;第二，“跨越式发展”，一步到位无人驾驶技术。

“渐进式发展”模式以传统车企为代表，包括通用、福特、大众、宝马、丰田等。传统车企倾向于在现有ADAS（高级驾驶辅助系统）功能的基础上，不断完善现有技术，最终实现自动驾驶。它们通过自建、收购与自动驾驶公司、激光雷达公司、高精地图及打车平台形成跨界合作，在全产业链积极布局。所谓渐进式的技术发展路径即在现有技术条件和成本约束的基础上不断地改进，随着技术的成熟或者相关软硬件配套系统和零件成本的下降，逐渐实现程度越来越高的自动化，直到最终达到完全自动化驾驶。

从经济学的角度来看，传统汽车制造商选择渐进性的技术发展路径完全符合其比较优势，因为这些传统厂商在汽车制造、汽车设计和成本控制等方面拥有大量的技术沉淀和制造经验，因此围绕硬件系统来构建相应的软件配套就成为其主要发展方向。现阶段，由于软硬件之间的协调、软件算法尚不成熟等问题，这些厂商已经投放市场或正在试验阶段的智能驾驶汽车依然是以人的决策为主，电脑控制系统在其中只起到辅助作用[3]。

“跨越式发展”模式以互联网企业为代表，包括谷歌 Waymo、百度Apollo、Mobileye等高科技企业，通过不同方式进行自动驾驶相关技术的研发和推进，国内的阿里、腾讯、华为等公司也纷纷在车载操作系统、车联网基础设施、数据和高精地图等领域进行战略布局。这些选择跨越式发展的企业与渐进式发展模式的汽车厂商具有截然不同的特征，甚至可以认为是一种跨界竞争。虽然这些企业在汽车制造工艺、技术等方面较前者具有完全劣势，但他们也选择了符合自己比较优势的发展方向，也就是“跨越式”发展。因为较之高度依赖汽车硬件系统的渐进式发展，一旦技术成熟，跨越式发展完全有可能实现对传统汽车企业的弯道超车，用先进的智能化软件系统弥补硬件制造方面的不足。对于拥有算法优势、各类云服务平台以及大量数据基础的互联网企业来说，只要能够在传统汽车厂商实现较高程度的自动化驾驶汽车之前，实现L5级别的智能驾驶汽车，就完全可能颠覆这些传统的汽车企业。

1.2智能驾驶技术应用场景

结合目前智能驾驶技术的发展现状和未来的发展趋势，智能驾驶汽车未来将应用可以分为3类场景。第一类是货物运输，第二类是载人运输，第三类是特殊场景应用。其中货物运输主要涉及固定线路的物流配送，这类应用对智能驾驶技术的要求更多的是高效和低错误率。载人运输主要涉及公共交通、网约车等场景，这类应用对智能驾驶技术的要求更多的是人身安全和智能化，最后，特殊场景的应用如高温高辐射地区等对智能驾驶技术的要求更多的是可靠性，对智能化程度没有太高的要求。这些应用的具体介绍如下。

1） 货物运输

（1） 标准化程度较高的陆运物流

在电子商务、网络购物高度发达的中国市场上，支撑这一经济模式的基础就是发达的物流系统，而由于中国地理因素决定了其中大约4/5的物流都是通过陆运的方式。这就为智能技术在陆运物流中的应用提供了巨大的潜力。实际上，以快递业为例，虽然快递行业的货运标准化程度相对较高，而路线也以连接城市之间的高速公路为主。但在当前技术条件下，物流活动仍然是以人类司机为主。此外，物流行业的市场结构决定了司机往往只有通过超载、疲劳驾驶等违法违规行为才能获得利润，这也为陆运交通的安全、效率等带来了巨大的隐患。这样的行业特征也使得我国的单位GDP物流成本远高于发达国家。以国内某物流上市公司为例，在其年报中显示，人工和货物流动环节产生的成本占其总成本的约8成。随着我国人口红利的消失，人工成本还将进一步提升，并且物流行业的特征也决定了这些活动无法转移到成本更低的国外，因此如何将自动驾驶技术应用到交通运输，将助力物流企业在运输行业的整合中占据领先地位。

鉴于不同物流配送点之间主要以高速公路为主，路线相对固定，并且没有交通信号灯，操作简单等特征，该领域很好地契合了当前智能驾驶技术的发展现状。尤其在牵扯到中国东西部或者南北部之间的超长距离运输来说，智能驾驶技术能够以更低的成本，更高的效率和更加安全可靠的运输方式实现物资跨地区调配。因此，陆运物流可能是未来中国市场规模最大的智能驾驶技术应用场景。

（2） 自动化筛选与配送

在超市或者小区等货物或人群居住密集的地方，选购物品和寄送快递涉及到简单的智能化驾驶和自动分拣等操作，这些场景下往往行驶速度缓慢且任务简单，符合当前的技术发展现状，并且能够大量节约快递员或超市工作人员的工作时间和等待时间，同时大幅提升效率并减低偏差。

不同于长距离货物输送，实际上在很多地区超市以及小区内已经实现了简单的智能机器人配送服务。随着未来相关设备的制造成本越来越低，将很快在更多的小区以及中小城市推广。

2） 载人运输

（1） 园区内的公交线路

虽然智能驾驶技术目前尚不足以完全实现载人运输，尤其是作为公共交通，但如相对封闭的公园内部或偏远的地区，路线和发车时间相对固定，所需的技术难度和危险系数也相对较低，因此可以很好的应用智能驾驶技术。当然，公共交通因为牵扯公共安全和人数众多，发生事故的成本也较大，因此这一领域实现规模化可能仍然需要更加成熟的技术。

（2） 智能驾驶网约车

智能驾驶网约车的出现可以在多个维度解决当前网约车市场中存在的问题，如成本问题以及乘客和司机之间的纠纷和安全事件等。另外，机器替代人类为乘客提供驾驶服务，也能在特殊时段如夜晚、恶劣天气等情况下，以更低的成本和更加可靠的技术为乘客提供优质的服务。

3） 特殊场景应用

（1） 高危场景

在一些突发事件或应急场景中，如火灾、易燃易爆物品、高污染、高辐射区域等，是无人驾驶汽车的理想应用场景。不过，在这些场景中，人们对自动驾驶机器智能化程度的要求并不高，甚至可以完全有人类遥控。在这些场景中，之所以采用智能化机器人代替人类更多的是出于保护生命安全的考虑，因此对于这些场景下的特种设备最重要的是确保机器的可靠性而不是智能化程度。

（2） 农业生产活动

与高危场景下的应用类似，在农业生产中，自动驾驶技术的应用更多的是代替人类完成繁重和重复的农业生产活动，对智能化程度的要求并不高，如播种、喷洒农药和收割庄家等活动主要是希望借助自动驾驶技术提高效率，这在我国当前土地流转加速，越来越多的规模化农场兴起的背景下具有巨大的应用潜力。

当然，虽然智能驾驶技术未来存在着广阔的应用场景和市场规模，但目前来看，该技术的大规模应用依然存在一些障碍或不足。首先，作为一项新技术，小范围的实验一旦推广，到底会带来怎样的风险还需要有更加审慎的态度，如园区内的自动驾驶公交车一旦行驶在公共道路上，可能会对乘客和行人带来未知的风险。其次，大规模智能驾驶技术的应用会对就业市场，尤其是低技能劳动者带来怎样的冲击还需要政府在技术普及之前做好应对政策，以避免失业等带来更多的社会问题。

2智能驾驶產业链与未来发展

结合当前智能驾驶领域的两种技术发展模式，智能驾驶产业链不是简单的链式关系，而是呈现出网络式分布特征，如图1所示。

如汽车厂商一方面属于智能驾驶汽车的中游产业，又积极参与上游和下游产业的技术研发[4]。不过，为论述方便，我们依然按照产业链的上中下游展开论述。其中智能驾驶上游产业主要是智能驾驶技术的软硬件供应商。自动驾驶是一种类人驾驶，即计算机替代人类的驾驶行为，按功能可分为感知、理解、决策和执行四个层次，由各类传感器、ECU 和执行器来实现，主要包括：1） 感知层利用激光雷达和摄像头等传感设备采集的信息感知汽车周围环境，主要衡量标准是硬件设备的精确度和可靠性。2） 执行层通过汽车执行器，如油门、转向和制动（刹车）等，实现车辆决策层输出的加速、转向和制动等信息，主要依靠机械传动执行。3）人工智能技术主要应用于理解层和决策层，担任“大脑”的角色。

自动驾驶汽车通过摄像机、激光雷达、毫米波雷达、超声波等车载传感器感知周围的环境，并根据环境信息进行决策判断，通过人工智能算法模型制定相应策略，如预测车辆与其他车辆、行人等活动目标的未来运动状态与趋势，并进行实施避障路径规划，然后控制车辆沿着规划的路径轨迹行驶。车辆控制系统包括横向控制（转向）与纵向控制（速度）。以上动作均基于传感器实时获取环境信息，并能及时做出局部路径规划的条件下完成，此外，还需要与基于完整环境信息的全局路径相结合。

而中游产业主要是整车制造供应商。作为智能驾驶汽车最为重要的参与者之一，目前世界上主流的汽车厂商都将在未来12年的时间里推出能够实现部分场景下由汽车自主做出驾驶决策的汽车。可以预见，近一两年来，传统汽车厂商之间的竞争可能会发生一些新的变化，在智能驾驶这种破坏性创新技术的助力下，一些传统的龙头企业如果无法很好的适应新的竞争形势，可能会被一些传统汽车市场中相对落后的厂商赶超，甚至替代。基于这一点，几乎所有中游的汽车厂商都在积极布局智能驾驶，预期未来几年，汽车智能化程度成为与车辆驾驶属性同等重要的因素，进而决定其竞争力。

最后是智能驾驶的下游产业，即出行服务供应商。作为智能驾驶产业链最下游的出行服务提供商，如滴滴、Uber等，在智能驾驶技术实现规模化商业应用之前，并不在智能驾驶的产业链中，但无论是滴滴还是Uber都已经意识到，他们未来的竞争对手可能不是美团或嘀嗒等打车平台，而是谷歌、百度等互联网公司。2016年12月，谷歌正式成立独立实体公司（Waymo），并从谷歌X实验室中剥离。Waymo从谷歌剥离后，将继续获得Alphabet提供的基础设施和资源支持，同时也能获得风投支持。Waymo刚成立不久，2017年1月，谷歌就已经申请了无人驾驶叫车软件的专利，表明谷歌并不满足于只定位在无人驾驶技术提供商，因为调度和运营此类服务，显然是无人驾驶出租车领域的蓝海市场。随着无人驾驶技术的普及，人们的出行方式和对汽车的所有权将发生巨大变化，其中“共享”是非常有前景的方向。综上所述，智能驾驶产业链中，为了避免因为技术革新被上游厂商“颠覆”，下游厂商正积极与上游厂商展开直接竞争。

在了解智能驾驶技术完整产业链的基础上，我们还需要认识到智能驾驶技术的发展对于产业链自身的影响。随着智能驾驶技术的发展，汽车整车将不再仅仅是一台机械系统，而是同时包含了硬件系统和软件系统的智能化、互联化机器。人们可能会为了更加智能化和自动化的体验，放弃机械性能远超智能驾驶汽车的传统汽车，因为智能驾驶汽车能够为消费者带来完全不同的体验。这不仅可能改变未来汽车市场的竞争模式，而且会大幅提高电子元器件在汽车制造成本中的占比，并且加快汽车更新换代的速度。这种更新换代不是硬件上的更迭而是通过在线升级和售后附加服务等给用户带来的新体验。甚至有可能，未来汽车产品的核心价值将从传统硬件转向软件系统。

实际上，当前主流汽车厂商似乎也已经注意到了智能驾驶技术可能对整个汽车产业链带来的深刻影响，因此这些厂商在进行渐进性智能驾驶技术创新的同时也在积极通过股权投资、甚至整体收购的方式将智能驾驶算法、高精度地图等领域的初创企业纳入到自己的版图中。综上所述，智能驾驶技术对汽车的影响，类似于从功能手机到智能手机的转变，汽车作为商品的功能属性将发生巨大变化。汽车产业链的上下游厂商关系和软硬件占比将发生巨大变化，如图2所示。

（数据来源：东北证券、中国产业信息网，其中2020年与2030年的数值为预测值。）

此外，在中国汽车市场快速发展的同时，我们也应该注意到，越来越多的城市开始施行严格的车辆购买和使用限制，并且越来越严重的交通拥堵和停车难问题也使得许多有车一族改为公共交通出行。这些限制因素都在客观上为智能驾驶技术的推广提供了政策支持。如果自动驾驶技术达到L4甚至L5级别，无人驾驶运营车辆将迅速成为主流车辆，出行模式将彻底转变为按需出行，民众不需要购买车辆，而是通过分时共享或者租赁的方式随时随地地享受与私人驾驶几乎同质的服务，还能够将持有私人汽车中的保养、维修成本等外包给企业。

未来的汽车将不再是简单的出行工具，而是面向承载出行、生活、娱乐、办公等场景的移动智能终端，随着自动驾驶技术的不断成熟，共享出行将彻底改变人类的出行甚至是生活方式[5]。也就是说，智能驾驶将对出行服务行业带来革命性变化。

当前出行服务主要包括出租车模式和滴滴、美团等网约车两类模式。网约车模式较之传统出租车模式，在效率方面有两点提升，其一是将原有的路边随机拦车改为线上约车，大幅减少空载的效率损失，也降低了乘车人和司机时间和地点的错配;其二是将私家车纳入到共享平台，大幅扩大了出行服务的市场规模，进而提高社会福利。然而，由于网约车模式具有平台经济的属性，滴滴等网约车平台在提高经济效率的同时，利用垄断力量能获得更多的经济租，乘车人和司机的福利水平在总福利水平提高的情况下，有可能低于原有水平。除了壟断力量对乘车人造成损害，滴滴等网约车在扩大市场范围的同时也引入了更多风险，比如近年来发生的多起网约车乘客遇害案，这些恶性案件使人们认识到，网约车在给人们带来便利的同时，也带来了更多的风险。因此，只有智能驾驶技术能够真正做到解决司机和乘客之间的矛盾和安全问题，同时还能够在特殊时段或特殊天气下为消费者提供连续不中断的高质量服务，这较之传统的网约车或出租车模式都实现了巨大的福利改进。

同时，智能驾驶汽车也能够有效缓解当前网约车平台垄断带来的新问题。在双边市场中，在网络外部性的作用下，新进入厂商几乎不可能战胜当前的垄断厂商，但智能驾驶网约车天然地消除了平台的价值，并能够通过更低廉的成本、更便捷的使用方式和更低的使用限制解决当前的网约车平台垄断问题。

预期未来智能驾驶技术将大规模应用到汽车，移动出行行业将有可能再次被拉回到原有的单边市场模式，不再具有平台双边性。

3总结

本文最后，我们可以对智能驾驶技术的应用和未来发展做简单总结。第一，深刻改变了整个产业链的上下游关系、竞争格局，从传统的链式上下游关系，变为网状关系，位于不同产业链位置的厂商之间竞争边界逐渐模糊;第二，改变汽车产品的竞争维度，从过去的机械性能、舒适性的竞争，变成类似电子产品的体验竞争和技术换代速度竞争;第三，一旦技术发展成熟，智能驾驶未来可能为民众和社会带来巨大的变化。比如1） 提高交通安全。根据以往经验，道路交通事故的主要因素是驾驶员的过失驾驶行为。自动驾驶不受人的心理和情绪干扰，确保遵守交通法规，按照规划路线行驶，因此能有效减少人为过失造成的交通事故;2） 实现节能减排。通过合理调度实现共享出行，降低私家车保有数量，不同出行之间的协同效应等，并大幅降低气体污染物排放量;3） 缓解交通拥堵，提升出行效率。通过提高车速，缩小车距，以及选择更有效路线减少交通出行时间，个人出行更加便利，有效减低停车场利用率[2];4） 拉动汽车、电子、通信、服务、社会管理等领域协同发展，促进我国产业转型升级等等。

当然，作为一项具有颠覆意义的新技术，智能驾驶仍然面临着诸多挑战[6]。在技术层面，能否研制出满足SAE L4及以上级别的软件系统是实现完全自动驾驶的关键因素。其中关键问题是道路上的自动驾驶汽车之间，以及与人类驾驶车辆的协同驾驶问題，此外，GPS传感器的错误率能否满足车辆的高精度定位亦亟待解决。

除技术因素外，制度也是影响一国技术进步的重要因素[78]。在法律制度层面，法律体系调整的滞后性也无形增加了自动驾驶落地的困难[910]。人工智能技术的引入对现存法律法规体系提出了巨大挑战。一方面，按照我国现有交通事故的责任认定准则，要想划分事故责任，首先应当认定事故责任主体，而在智能驾驶提供出行服务的过程中，主要牵扯到自动驾驶系统的开发商、汽车生产商和乘客（部分起到驾驶员的作用）这几个主要参与者而不只是驾驶员本身，因此难以界定责任主体;另一方面，即使责任主体清晰，或有明文规定，自动驾驶汽车相关责任的划分难度也要远大于传统的交通事故。因为传统交通事故的责任认定只需要遵从二元归责原则，即通过判断是否存在过错就可以快速进行责任划分。但智能驾驶技术因为牵扯到多个功能单元和多个相关主体，因此过错的认定并非通过结果就可以轻易反推;最后，深度学习的“黑箱子”导致算法过程的不透明和不可解释，会增加消费者的疑虑，需要建立独立完善统一的自动驾驶产业链监督机构，目前尚无针对性的监督体系，导致管理缺失或过严的规制。此外，由于自动驾驶涉及信息的互联互通，会产生大量隐私性数据，因此立法体系需要完善对掌握数据的公司在保护用户隐私权、合法合理使用用户数据方面的诉求[11]。

除了法律等正式制度会对智能驾驶技术的发展和应用带来深刻影响，社会伦理道德、用户习惯等非正式制度因素也会对于技术发展产生极为重要的影响。如有研究就指出[12]，除了正式制度外，社会文化等非正式制度也可以在很大程度上解释不同国家之间创新水平上的差异。针对智能驾驶技术，除汽车上的硬件配套外，最为重要的就是决定汽车驾驶行为和判断的算法，因为特定算法就是车辆在行驶中进行判定和最终决策的主体，这就带来了“算法伦理问题”。如自动驾驶算法如何在“电车难题”中进行决策将成为这项技术走入大众生活之前无法绕开的道德难题。当然，智能驾驶技术对社会伦理的挑战远不止于此。如何在整个社会中对类似场景下的算法伦理达成共识，是否应该允许不同品牌的汽车生产出不同伦理道德的自动驾驶汽车等问题将在很大程度上影响智能驾驶技术在社会中的接受程度和普及速度。因为不同于人类驾驶员在遇到突发情况时的临时决策，自动驾驶汽车的决策行为并不具有偶然性，也不是在情急之下的本能反应，而是事前就在算法中预先设定，因此自动驾驶汽车在危险境况下到底是优先保证乘客安全还是优先保证行人安全将面临极为苛刻的道德审查。

参考文献

[1]

吴东盛， 陈青， 陈芷衡. 智能汽车未来的发展趋势[J]. 发展改革理论与实践， 2018（3）：1922.

[2]沈逸峰. 以无人驾驶汽车为例分析人工智能的发展给社会带来的变化[J]. 现代工业经济和信息化， 2018，8（15）：5961.

[3]苏祥荣， 沈翔宇， 崔颖. 基于专利文献的智能汽车技术与产业发展对策研究[J]. 科技通报， 2019，35（3）：238243.

[4]殷媛媛， 杜渐. 新兴技术与实体经济深度融合的模式和路径研究——以智能网联汽车产业为例[J]. 竞争情报， 2019，15（1）：5360.

[5]王兆， 邓湘鸿， 刘地. 中国智能网联汽车标准体系研究[J]. 汽车电器， 2016（10）：1518.

[6]贾开， 赵彩莲. 智能驾驶汽车产业的治理：发展、规制与公共政策选择[J]. 电子政务， 2018（3）：1221.

[7]Acharya V V， Subramanian K V. Bankruptcy Codes and Innovation[J]. The Review of Financial Studies. 2009， 22（12）： 49494988.

[8]Acharya V V， Baghai R P， Subramanian K V. Labor Laws and Innovation[J]. The Journal of Law and Economics. 2013， 56（4）： 9971037.

[9]闫玺池， 冀瑜. SAE分级标准视角下的自动驾驶汽车事故责任承担研究[J]. 标准科学， 2019（12）：5054.

[10]North D C. Institutions and Economic Growth： An Historical Introduction[J]. World Development. 1989， 17（9）： 13191332.

[11]邓辉. 论我国智能驾驶汽车中的个人信息保护[J]. 电子科技大学学报（社科版）， 2020，22（1）：2028.

[12]Shane S. Cultural Influences on National Rates of Innovation[J]. Journal of Business Venturing. 1993， 8（1）： 5973.

（收稿日期： 2020.03.18）

基金项目：

国家重点研发计划（2017YFC0803700）

作者简介：

王晔（1974），男，博士，高级工程师，研究方向：交通运输经济与管理。

通讯作者：曲林迟（1964），男，博士，教授，研究方向：交通运输工程。

文章编号：1007757X（2020）08001904