随着《智能网联汽车技术路线》的发布，我国在商用车无人驾驶领域有了更清晰的蓝图，预计在2025年实现高速公路有条件无人驾驶与队列行驶，2030年实现城市道路与高速公路高度无人驾驶，2035年实现完全无人驾驶。这其中，场景复杂度较低、人工替代需求意愿较高的封闭/半封闭的货运场景，慢慢的开始逐步迈向量产落地的阶段。

  除了技术和商业化的逐步成熟外，资本市场对商用车自动驾驶的发展给予了肯定，2023年1-11月中国商用车自动驾驶产业累计融资总额90.9亿元，累计投融资事件22起。从融资分布来看，商用车造车新势力在电动化和智能化的前瞻布局，得到了资本市场的认可；而一些商业化进展较快的场景也同样得到了资本的青睐。

  商用车自动驾驶的最大价值在于是否能替代人类，而其中这两方面价值最高：一方面替代简单场景下的标准化作业人员；另一方面是，替代高危且重人工的场景。因此，封闭/半封闭的载物应用场景预计将优先实现其商业化价值。

  由此不断倒逼商用自动驾驶商们快速落地，而在大规模商业化落地过程中，又存在数据处理成本高和算法迁移难度大的痛点。商用车自动驾驶迈入智能化阶段，各个细分应用场景商业价值开始凸显。

  相比乘用车，商用车自动驾驶系统的设计难度较大，EE架构的技术发展较慢，传统的小模型很难高效地获取场景落地所需要的corner case，而通用类大语言模型的出现或将有效解决这些问题。

  另外，商用车普遍存在体积大、重量大的特点，并且在某些无人小车适用的场景，也会存在场景内的交通参与者较多的特点。所以，商用车自动驾驶技术需要做到“看得远”、“看的清”、“刹得住”，而激光雷达和线控底盘是实现这些目标的关键之一。

  激光雷达不仅可以提供更强的感知能力，使得感知信息的精度更高，同时也可以提供更强的定位能力，让定位精度更高。随着激光雷达技术不断成熟，激光雷达的市场价格也会逐渐降低。

  线控底盘相当于自动驾驶车辆的手和脚，作为车辆智能化的硬件基础和底层架构，线控技术可以使得软硬件能真正做到解耦，让上层算法的系统响应速度更快。矿山等部分场景已逐步实现线控化，整车线控系统是实现矿车自动驾驶的关键技术和重要基础。

  通用类大语言模型的出现，有效解决：商用车自动驾驶在大规模商业化落地过程中，数据处理成本高和算法迁移难度大的痛点。

  在大模型的助力下，商用车自动驾驶企业可以搭建高效的数据闭环系统，为数据处理、模型训练以及算法部署等方面进行赋能。

  现阶段的商用车自动驾驶EE架构正逐步从分布式架构迈向了域集中架构，而未来商用车的电子电器架构将向跨域集中式发展，尤其是在干线物流的卡车上。

  随着新能源商用车和渗透率的不断提升，新能源商用车销量爆发，同时推动各细分场景的市场规模不断增长。在细分场景市场规模方面，部分场景自动驾驶技术的商业化已见雏形（如矿山、港口等），而目前仍以ADAS技术为主的干线物流场景虽然整体市场规模较大，但尚未能真正实现无人化运营。从已形成商业化落地场景来看，他们的共同特点是运行速度低、场景复杂度低，并且场景的生产资料属性较强，而与人的交互较少。

  未来，细分场景若要从垂直场景走向泛化场景，需要从多方面去考虑技术迁移的可能性，包括技术可行性、商业可行性和方案成熟度。

  随着自动驾驶细分赛道的不断发展，部分商用车自动驾驶场景开始进入了量产交付阶段，一些具备场景复杂度低、作业标准化程度高等特点的场景开始慢慢地走向商业化落地，比如干线物流、矿山、港口、末端配送、机场。

  每个垂直细分场景都拥有各自的一些商业逻辑，并且五类场景无论是在细分场景的市场空间，还是无人化的成本替代优势上，都显示出了一定的商业价值。

  此次我们聚焦智能电动汽车（SEV）、无人驾驶、出行科技、新能源等出行领域环节，围绕科技出行产业生态创新发展、企业降本增效、用户体验升级三个方面展开，基于对未来一年的战略技术创新与突破进行趋势预测与展望，探寻市场发展的挑战与机遇，使行业内外人士直观了解新阶段产业发展的科技想象空间。

  从大数据中，提取出“2024中国科技出行产业10大战略技术趋势展望”，分享给大家。

  但在无人驾驶领域，不论是科技出行产业生态创新发展、企业降本增效、还是用户体验升级，单打独斗去拼一条赛道固然英勇，但抱团取暖更稳健的成长也不失为一条捷径。蒲公英孵化器「PGY LINK-大企业对接」- 汽车智能化领域企业，诚邀相关领域企业参与，共赴无人驾驶领域之巅。返回搜狐，查看更多