自動駕駛，美國正在加速踩油門
在最近美國加利福尼亞州召開的特斯拉發佈會上，馬斯克隆重宣佈了一項重大規劃：預計於2025年在美國兩個州率先啓用無人監督的完全自動駕駛功能，進一步引領汽車行業向智能化邁進。而本次發佈會上也可謂是看點十足，特斯拉發佈了Robotaxi無人駕駛出租車服務、兩款全自動駕駛車型Cybercab賽博無人出租車和Robovan無人駕駛多功能車，並推出了針對Robotaxi的無線感應充電技術等。
與此同時，在蘋果宣佈放棄發佈電動汽車計劃的六個月之後，事態又有了新的發展。加州機動車輛管理局（DMV）於9月27日正式撤銷了蘋果的自動駕駛車輛測試許可證。這一決定無疑爲蘋果公司長達十年的電動汽車項目畫上了句號，標誌着該項目已徹底終止，未來難以繼續推進。
那麼美國"智能駕駛"如今已發展到什麼水平？商業化進程走到了哪裡？產業鏈又將產生怎樣的變化呢？
01
美國自動駕駛的十年醞釀
最早的自動駕駛概念可以追溯到1939年。彼時，通用汽車在世博會上展示其未來自動駕駛概念。通用汽車在世博會搭建的Futurama的模擬城市展廳，提出對1960s的智能交通暢想，模擬城市中，有一個專職的交通管理中心，城市中運行着322輛配備了獨立聲音系統的車輛，所有的道路與交叉口都按照新的交通環境進行了設計，其中最爲獨特的是提出了自動高速公路(AutomatedHighwaySystem，AHS)的概念，這是目前智能汽車、智能交通最早的雛形。1956年，在通用舉辦的Motorama展覽會上，通用推出了FuturamaII，展示了AHS的設計原型，並推出了第一款具備自動駕駛功能的概念車FirebirdII。
自動駕駛開始真正走近大衆視野則是從2013年開始。
2013年，美國首次公佈了自動駕駛分級的政策法規《自動駕駛汽車政策》，並確定了L0-L5的自動駕駛分級標準。某種程度上，這可視爲美國自動駕駛政策的起點。
至2016年，美國政府頒佈了第一份自動駕駛汽車聯邦政策文件，開始爲這一行業定"規矩"，促使無人駕駛汽車順利測試。美國政府認爲，自動駕駛汽車可使交通運輸變得"更安全、更清潔、更易獲得、更高效"。政策文件側重於自動駕駛汽車的安全性，包括一個涵蓋15個要點的安全評估，汽車廠商必須在完成這一評估後，才能讓其自動駕駛汽車駛上公共道路。文件列出的15個安全評估要點包括：數據記錄與分享、用戶隱私、車輛網絡安全性能、人機操作界面、防撞性能、用戶教育與培訓、出現系統故障或車禍後的車輛響應能力等。
今年3月，美國批准了Waymo在舊金山和洛杉磯的擴區計劃，新增運營面積超過1200平方公里。
8月份，美國加州機動車輛管理局又公佈了"關於自動/無人駕駛（重型）車輛的規則框架的草案"。該草案取消了目前對車輛總重量爲 10001 磅或以上的自動駕駛汽車的禁令，併爲製造商在公共道路上測試和部署自動駕駛重型商用汽車，創造了一條監管途徑。
伴隨着產業政策的逐步實施，相關產業也得到了迅速發展。
2016年，Waymo宣佈從谷歌獨立出來，並在美國鳳凰城開始自動駕駛的上路測試。今年5月，Waymo宣佈其無人駕駛出租車服務Waymo One，已在舊金山、鳳凰城和洛杉磯三個城市實現每週50000次付費出行。此外，在包括奧斯汀在內的四個城市，也已經提供了累計超過100萬次的乘客出行服務。
特斯拉也在今年宣佈了兩個自動駕駛的大動作，一方面是將推動自動駕駛系統FSD入華；另一方面是高調宣佈將在8月推出無人駕駛出租車服務Robotaxi。
02
美國自動駕駛發展勢頭迅猛
在美國，自動駕駛領域吸引了衆多企業的佈局，這些企業在技術研發、測試、商業化運營等方面均取得了不同程度的進展。到2024年，美國叫車市場在2022年和2023年的放緩之後，在自動駕駛技術方面取得了新的進展。
Waymo：Waymo剛開始是Google於2009年開啓的一項自動駕駛汽車計劃，之後於2016年12月才由Google獨立出來，成爲Alphabet公司旗下的子公司。2017年11月，Waymo宣佈該公司開始在駕駛座上不配置安全駕駛員的情況下測試自動駕駛汽車。2018年7月，Waymo宣佈其自動駕駛車隊在公共道路上的路測里程已達800萬英里。2019年10月10日，Waymo宣佈純無人駕駛汽車即將上路。到2024年8月底，Waymo在美國的付費每週機器人出租車乘坐次數達到了10萬次，而5月份每週爲5萬次。
2024年8月20日，Waymo推出新一代自動駕駛系統Driver。在2024年夏天，Alphabet表示將向旗下自動駕駛汽車公司Waymo額外投資50億美元，該公司還推出了第六代Waymo Driver自動駕駛系統。該系統被宣傳爲比前幾代更智能、更經濟且更具能力，預計將大幅提升行車安全性，同時使車輛能夠在更多樣化的環境中運行。
根據介紹，第六代Waymo Driver配備了13個攝像頭、6個雷達、4個激光雷達傳感器，以及一系列外部音頻接收器。這些傳感器經過優化，在性能上有了顯著提升，並且成本大幅降低，且這一切都沒有以犧牲安全性爲代價。新系統還在車輛周圍提供了重疊的視野，並能夠探測到高達500米遠的物體。
得益於傳感器的戰略性佈局以及傳感器技術和機器學習模型的進步，Waymo第六代自動駕駛系統使用的傳感器數量較之前的系統有所減少。第六代Waymo Driver還具備了新的傳感器清潔功能。這一功能使得車輛即使在雪天也能實現自動駕駛。
Cruise Automation：Cruise Automation是一家GM旗下無人駕駛車公司，總部設在舊金山，旗下包括Cruise自動化公司和Strobe，兩者分別負責通用汽車公司自駕車開發和自動駕駛傳感器開發，自從2016年通用汽車收購Cruise以來，通用汽車就將電動和自動駕駛汽車視爲未來交通發展的關鍵因素。
2022年2月，Cruise宣佈向公衆開放robotaxi服務。截至2022年9月，該公司在舊金山運營着100 輛robotaxi，並宣佈打算將車隊規模擴大到5000輛。在發生一系列車輛事故後，Cruise於2023年10月暫停運營，創始人凱爾·沃格特於2023年11月辭去首席執行官一職。
今年9月份，通用汽車旗下自動駕駛汽車部門Cruise計劃今年秋季恢復在美國加利福尼亞州的無人駕駛機器人出租車測試。本次測試規模較小，最多隻有五輛車在試車員監督下進行開發工作。Cruise表示，它將在加州的桑尼維爾和山景城開展測試，而不會在監管上遇阻的舊金山。此外，通用汽車在2024年中加大了對Cruise的投資。
通用汽車也取消了Origin AV班車項目，認爲通過專注於目前測試車隊中的第一代Bolt EV和下一代基於Ultium的Bolt EUV的自動駕駛汽車，機會更大。
特斯拉：特斯拉的自動駕駛技術一直是其核心競爭力之一，也是投資者和消費者關注的焦點。馬斯克曾多次提及，特斯拉FSD會比人類駕駛安全10倍。
今年第三季度，特斯拉發佈了FSD完全自動駕駛能力（駕駛員監管版）V12.5版本，安全性和舒適性得到提高。馬斯克預計FSD V13版本相較V12版本，干預間隔里程將提升500倍以上。升級版的智能召喚功能ASS可讓車在停車場裡自動向車主駛來。特斯拉方面表示，用戶使用智能召喚已經超過100萬次。此外，特斯拉已向賽博越野旅行車的車主推送了FSD完全自動駕駛能力（駕駛員監管版），包括用於高速公路駕駛的端到端神經網絡。
隨着自動駕駛技術的快速發展，特斯拉不斷升級其車輛的硬件配置。繼Model S/X和煥新版Model 3之後，最新款的Model Y也已經換裝HW4硬件，即未來的AI4，逐步取代全車系原有的HW3。與HW3最明顯的區別在於HW4的攝像頭鏡頭呈現紅色原點。這是因爲HW4攝像頭增加了紅外線（IR）濾波器，以提高夜間的感光度，讓攝像頭在低光環境下能夠更好地捕捉影像。
不過在最近的財報會議上，馬斯克表示，儘管公司尚未100%確定，但根據目前的評估，HW4硬件的能力是HW3的數倍，更容易實現自動駕駛功能。如果最終確定HW3無法實現無監督的FSD，特斯拉將爲已經購買了HW3 FSD的客戶免費升級硬件。
03
爲什麼美國要搶佔自動駕駛的競爭先機？
美國自動駕駛汽車市場正處於快速發展階段，PR Newswire發佈報告稱，美國自動駕駛汽車市場預計將以19.56%的複合年增長率增長，從2023年的225.2億美元增長到2030年的786.3億美元。預計到2025年，美國道路上將有350萬輛自動駕駛汽車，到2030年這一數字將增至450萬輛。
不難看出，美國當前正在自動駕駛技術和政策上雙向發力，力求在全球自動駕駛競爭中奪得先機。
從汽車製造來看，自動駕駛的影響覆蓋全產業鏈，推動汽車從單一的交通工具向複合型的智能平臺轉型，從而帶動傳感器、零部件、整車製造的全方位升級。
無人駕駛需要大量的智能化部件。例如，智駕系統需要對道路信息進行捕捉，再進行多維傳輸，通過芯片與算法進行運行決策，再傳送給執行單元，這些流程中涉及到大量的電子零部件和相適應的智能化部件，例如線控底盤、域控制器、激光雷達等等。
從應用來看，自動駕駛還能用於物流配送、無人礦卡等場景，幾乎每拓展一個新場景，就能形成一個全新的產業鏈。隨着技術的逐步成熟，自動駕駛將逐漸進入商用化階段。物流行業可能是自動駕駛技術率先大規模應用的領域。
從人工智能的科技競爭上看，今年以來，伴隨人工智能（AI）技術的迅猛迭代，自動駕駛相關產業鏈也日臻成熟。自動駕駛需要通過計算機機器視覺，實時捕捉並分析道路上的圖像信息，收集大量路況、行人、車輛和環境數據，再反向促進算法訓練，測試運營的區域規模越大、頻率越頻繁，算法越成熟，兩者形成正面促進的飛輪效應。
事實上，美國政府已把發展自動駕駛汽車視爲美國汽車業重新領導世界的一個機遇。不過，自動駕駛技術的普及仍面臨諸多挑戰，包括技術成熟度、法律法規、社會接受度等方面的問題。