麦肯锡|高级自动驾驶的“拦路虎”以及路径和战略选择( 三 ) 算法|商业模式|麦肯锡

— “场景”所有方的开放度及合作度不确定。类似与主机厂合作的“影子模式”，借用各类场景进行数据搜集和算法训练，同样存在合作意愿和数据开放性的潜在挑战。场景是否适合自动驾驶落地，自动驾驶的成本节降潜力是否能覆盖前期投入，这是场景所有方非常关注的问题。同时，以物流企业为例（包括自带物流场景的外卖等线上交易平台），考虑到自动驾驶成本节降潜力的不确定性，以及场景数据对其业务的核心作用，这类企业对待数据开放非常谨慎；特别是不少头部企业已经投资自动驾驶研发企业，很难对希望寻求合作的其他初创企业“来者不拒”。
— 算法训练的可复制性待提升。除了仅专注于特定场景的初创企业，大部分自动驾驶企业仍希望将在这些特定场景中积累和训练的算法推广到更多的驾驶场景中，但算法的可复制性存在较大问题。即使是像末端配送这样与市内交通重复度较高的场景，同样面临物流车速较低、舒适度要求不高，所以当其自动驾驶算法运用到市内交通时，算法仍需进行大幅度改良的问题。
自动驾驶产业价值链相关企业的战略选择
目前来看，高级自动驾驶开发的道路仍将充满变数，不同开发路径有各自需要解决的挑战。但高级自动驾驶一旦实现，将可能彻底颠覆汽车行业及相关产业，因此希望在这个领域有所作为的企业必须即刻行动起来。高级自动驾驶当前面临的重大问题基本解决时，也意味着行业的战略格局基本确定，后来者只能依附领先企业及平台，将面临极大的战略被动。
【麦肯锡|高级自动驾驶的“拦路虎”以及路径和战略选择】无论是主机厂、自动驾驶初创企业、相关硬件企业，还是出行及运输场景所有方，要想在未来高级自动驾驶生态中拥有立足之地，都需要解决如下问题：
— 高级自动驾驶的战略定位及商业模式。高级自动驾驶对于企业未来发展战略及核心竞争力的重要性如何？战略落地需要企业在高级自动驾驶上成为“领跑者”，还是成为“快速跟进者”即可？高级自动驾驶的商业模式，是出售硬件和提供软件升级服务为主，还是以重资产模式出售运力为主？
— 在战略定位及商业模式的基础上，结合自身能力和战略掌控要求，识别自动驾驶全局技术栈（包括数据场景、硬件架构、软件算法等）中自建与外包的要求和机会点。
— 对于需要外包及构建自动驾驶整体生态的部分，至少需要从潜在合作伙伴的技术实力、商业模式（包括数据开放性等）、战略契合度（如其现有生态及合作关系的潜在制约）等三个维度去识别最佳合作伙伴。
展望高级自动驾驶之路，虽然岔道纵横、荆棘密布，但未来成熟落地后将带来巨大的颠覆效应和市场机会。这既让众多玩家跃跃欲试，也让传统厂商同时嗅到机遇和危险。有志于进入高级自动驾驶生态的企业，必须在数据与算法这两项核心资产方面寻求突破，同时明确自身战略和商业模式，并在生态发生显著改变时有效调整，方能在这条诱惑力十足但高度不确定的赛道上稳健加速。
参考文章

岔道纵横，披荆斩棘：通往高级自动驾驶之路 - 作者彭波，陈晴图文版权归麦肯锡所有

*未经准许严禁转载和摘录-获取参考资料方式：
举报/反馈