10月11日，马斯克发布了特斯拉无人驾驶出租车，并称这是“载入史册的一天”，引起全世界关注。但在发布会后，特斯拉股价大跌，与此前的预期恰似冰火两重天。
回顾历史，早在1921年8月5日，第一辆无人驾驶、由无线电操纵的汽车就已在美国试验成功。一百多年来，人们一直在追求无人驾驶的落地，但都遇到各种各样的难题。这不禁让人思考：无人驾驶离我们到底有多远？百年梦想如何照进现实？
近日，复旦管理案例工作坊聚焦“无人驾驶：变局与机遇”专题，邀请上汽AI LAB赛可智能CTO兼智己汽车 L4 自动驾驶项目总工程师于乾坤、小马智行供应链副总裁彭健、享道出行前瞻创新事业部总经理兼申程出行总经理袁栋梁、正海资本投资合伙人陆锋伟、复旦大学管理学院应用经济学系教授姚志勇、复旦大学管理学院信息管理与商业智能系副教授胥正川等嘉宾结合各自产业与研究展开对话，回应了社会关注的无人驾驶热点话题。
本次案例工作坊由复旦大学管理学院和上海汽车报社联合主办、复旦大学管理学院商业知识发展与传播中心承办，以下为嘉宾精彩分享摘要。
Q1
背景：在2024年10月11日举行的特斯拉发布会上，马斯克重申坚持纯视觉技术路线，即依靠摄像头获得原始数据，通过AI模型分析，实现无人驾驶，也被称作端到端的模式。纯视觉路线的硬件主要是摄像头组成，具有明显的成本优势。国内大部分厂商采用的是多模态融合方式，即通过激光雷达、毫米波、摄像头等设备获得环境感知，再结合高清地图进行操控。那么，纯视觉和多模态这两种技术路线，今后会如何演进？
🔺NHTSA，美国国家公路交通安全管理局
SAE, 国际汽车工程师研究会
彭健
小马智行供应链副总裁
各家采用不同的技术模式，取决于要达到什么样的目的。对纯无人L4的自动驾驶来说，车子本身要去承担所有驾驶行为的责任和义务，从法律上讲，车子需要为很多事情去兜底，也就是背后的技术提供方来兜底。出于这样一种对安全和责任的考虑，小马智行采用的是多传感器融合的方式，来保证系统的安全性和可靠性。如果仅仅只是帮助驾驶员有更好的体验，车上有驾驶员为安全兜底的话，技术路线也会不一样。所以，技术路线之争，其实关键还是看谁在为这件事情去兜底。
于乾坤 上汽AI LAB赛可智能CTO
兼智己汽车L4自动驾驶项目总工程师
为什么特斯拉会选择这种端到端的路线呢？端到端路线的反面是规则路线。比如，红灯停，绿灯行，通过写很多的类似规则，让车辆去应对这些规则。这会面临什么样的问题呢？随着交通状况的增多，尤其是你的车子是在全国甚至全世界销售的时候，这些规则很难满足各种环境。所以，特斯拉面向全球市场时，为了降低开发工作量，运用端到端的这样一套黑盒神经网络，去代替那些成千上万个规则，也就是用几千行代码代替30万行代码。
从技术角度看，多模态和端到端这两个路线，是两个维度的一个事情，两者并不冲突。多模态路线通过多个传感器输入，解决的是感知问题，比如说你除了有眼睛，还有耳朵，而端到端路线解决的是怎么处理这些数据的问题。所以一个是输入端，一个是执行端，是两个维度。端到端的优势是，可以基于海量的驾驶数据，自动去学习这里面蕴含的一些要素。这可能就涉及云端的一些工具链建设，比如采用大模型的方案，需要把一些极端的情况给它模拟出来，加入数据训练。
袁栋梁
享道出行前瞻创新事业部总经理
兼申程出行总经理
从运营的角度看，无论是哪种技术路线和技术方案，只要它的表现更接近于一个人类驾驶员，那么无人驾驶在网约车平台或者出租汽车公司更容易落地。在这个过程当中，如果仅仅依赖高精地图的话，就比较费劲了。因为你要去设点位，但又不可能一个点一个点去设，另外，道路情况会千变万化。目前看下来，可能端到端的技术方案更符合大面积开通一个区域进行无人驾驶运营，并应对各种复杂情况的需求。
胥正川
复旦大学管理学院信息管理与商业智能系副教授
无人驾驶是人工智能的超级应用场景。人工智能分为两种，一种是基于规则的专家系统，一种就是神经网络深度学习，越来越多的公司倾向于用神经网络来学习，包括特斯拉的端到端模式。其原理就是输入端有人类开车的视频数据进来，经过AI系统处理，输出端直接变成驾驶指令。人工智能从基于规则转向深度学习，其本质就是数据驱动。数据从哪里来？特斯拉作为电动汽车的排头兵，车辆保有量多达500万辆，在FSD12的训练中使用了超过1,000万段的人类驾驶视频作为训练数据，而且这1,000万段不是谁的视频都可以，只有驾驶技术过关的高质量人类司机才行，否则低质量驾驶视频会导致AI越训练越差。
陆锋伟
正海资本投资合伙人
从资本方的角度来讲，在谈到技术路线时，成本其实是很核心的一个考虑。多模态路线的缺点是激光雷达价格贵，但一旦激光雷达的成本达到一个临界点，比如说下降到1,000元以下或者更低，那么它只是一个简单的零部件，车企会承担这些花费而增加功能的冗余。所以从未来整体的方向看，可能多模态路线能够增加安全性，成本又不会很高。由于特斯拉一骑绝尘，大量的主机厂又不愿意去做追赶者，而宁愿去做一些差异化的竞争，这会进一步导致激光雷达大幅度降本，所以，未来还是产业推动的一个技术变动。
姚志勇
复旦大学管理学院应用经济学系教授、博士生导师
从经济学角度看，技术路线取决于很多的因素，哪个先有先发优势？谁先形成网络效应？由于人工智能和自动驾驶技术还在不断的演进当中，目前是两种技术路线，后面有可能融合、兼容、共存。企业采取适合自身的技术路线，主要是基于当前的约束下的一个最优的选择。随着这个约束条件的不断变动，比如技术创新，未来还有各种各样的可能性存在。所以技术路线是一个开放型的东西，就是看各个玩家怎么努力共建。
Q2
背景：无人驾驶作为人工智能、大数据等前沿技术领域的集大成者，技术成熟后有望催生无人驾驶出行服务、无人配送、无人矿卡等新场景。知名投资机构ARK预计，全球无人驾驶出租车的市场规模会达到11万亿美元。一方面，无人驾驶带来了广阔的商机；另一方面，无人驾驶也带来了大家担心的社会问题，比如对司机人群的冲击，以及技术伦理问题。无人驾驶到底会给哪些产业带来直接的影响？对个人的影响呢？
袁栋梁
享道出行前瞻创新事业部总经理
兼申程出行总经理
未来3-5年，咱们叫出租车或者网约车的话，可能就是一台无人驾驶车，这个是大概率事件，因为在一些城市已经实现了。对于自动驾驶公司或者出行运营企业来说，一方面会减少车内驾驶员的数量，另一方面需要转移一部分劳动力作为云端驾控人员和地勤人员。当然，云端驾控人员跟地勤人员的多少与技术能力是完全相关的，技术能力越强，需要的人就越少，这是一个大的形态。另外，车辆运营的效率会越高，使用时间会延长。
于乾坤 上汽AI LAB赛可智能CTO
兼智己汽车L4自动驾驶项目总工程师
其实现在我们在推L4无人车的时候，我的感觉是把车企的路给堵“死”了。为什么这么说？现在所有的整车厂，卖车的对象还是一般消费者，等到L4普及了之后，C端销量一定会大幅度下降，因为共享化之后不需要那么多车子。就像现在的大学校园，学生们买自行车的越来越少，更多人愿意采用租金方式使用共享单车。这样以来就会对整个汽车产业链产生一个巨大的影响，包括上游的零部件体系，下游的经销商体系，都是如此。
姚志勇
复旦大学管理学院应用经济学系教授、博士生导师
有了无人驾驶，以后驾校也可能不需要了。对于出租车公司而言，可能中间过渡阶段会有自动驾驶和人工驾驶共存，那么到将来可能是差异化。比如有的客人喜欢聊天，希望有人提供拿行李服务，可能他还愿意找一个人工司机开车。另外，未来3-5年无人驾驶技术成熟了以后，它的成本是不是能够降低到跟人工成本相提并论的水平，我觉得可能还不一定，所以完全替代人可能还是一个比较长的过程。
彭健
小马智行供应链副总裁
新技术的出现和广泛应用，一定是对各个方面都会有很多的冲击，最关键的还是大家抱着一个什么心态来看这个事情。我看过统计数字，美国的Uber公司做过调查，了解市场对无人驾驶的接受度，国外的数据大概是接受和拒绝各占50%。小马智行也有自己的数字，我们这个数字反映的是超过70%的用户选择接受无人驾驶服务，他们都是回头客，坐过一次以后更有信心。
陆锋伟
正海资本投资合伙人
无人驾驶提供的是一个出行的整体解决方案，不单单是解决了a点到b点的一个交通方式，它有很多种低成本的方法去做。正如原来从传统手机变成一个智能手机一样，这中间有很多的场景可以应用。刚才我们提到未来出行市场可能是11万亿美金，如果单纯的只是a点到b点这一块来说的话，那远远达不到。出行解决方案会增加很多的附加值，所以我觉得这一块可能是未来一个主要的盈利点，或者说是主要的增长空间。
胥正川
复旦大学管理学院信息管理与商业智能系副教授
这样一来，车企可能要从出售汽车产品获利向提供出行服务转型了。对用户来说，以前要买车才能出行，现在不要。所以说，未来都是云服务的模式，从卖产品到卖服务，再到卖解决方案，会带来一系列商业模式的变化。特斯拉的发布会也说得很清楚，未来的城市可能真的不需要这么多停车场了，进而会增加更多公园绿地。所以不光商业形态，包括生活形态都会发生改变，这种变化是深远的。
Q3
背景：位列全球无人驾驶出租车第一梯队选手的Cruise公司于2016年被通用汽车收购，自2017年以来Cruise累计亏损已超80亿美元。谷歌旗下的Waymo也是无人驾驶领头羊企业，经历15年发展，至今仍处于亏损状态，但谷歌母公司Alphabet决定加大赌注，再次投入50亿美元。在中国，有人预测一座城市的总量达到1,000台车即可盈亏平衡，也有人说无人驾驶渗透率达到10%以上才可盈利。这种商业模式预计何时会盈利？
袁栋梁
享道出行前瞻创新事业部总经理
兼申程出行总经理
我们现在的重点工作就是在测算无人驾驶到了何等规模或者何等技术水平时才能在财务上打平。享道出行早在三年前就开始启动无人驾驶出租车项目，在上海嘉定区实施，当时还是有安全员的，那时候一台车改装下来要大几十万。现在大家看百度对外宣称的是20.46万元，它的车型叫Apollo RT6（颐驰06）。马斯克在10月11日公布的无人驾驶车价格是3万美金，也差不多20万左右。
所以，无人驾驶车会越来越便宜，但这个只是无人驾驶成本的一部分，最关键的是运营这台车所需要付出的成本，有很多是隐性的。比如，你去坐这台车，车上一个人都没有，但还需要云端驾控人员和地勤服务，系统是500公里接管一次还是2,000公里接管一次，都会影响到成本。根据最近这三年的表现，我感觉作为出行平台方来说，未来3-5年非常有机会形成一个正毛利的商业模式。
于乾坤 上汽AI LAB赛可智能CTO
兼智己汽车L4自动驾驶项目总工程师
我们之前也做过基本的测算: 一名网约车司机一天大概能接20单，每单价格 25-30元，也就是说每天营收500-600元。那么你造一辆车，如果20万元成本，6年报废，然后每年按330天运营的话，每天约100块钱折旧，电费几十块，再加上保险、运维各种各样的摊销，这基本上就是运营成本构成了。但是，无人驾驶的运营成本有不确定性，如云端人员和地勤人员的多少，系统接管水平的高低，这个是关键指标。
车辆方面的成本的可能主要是关注硬件成本，激光雷达、毫米波雷达等部件的价格都在快速下降。如果说特斯拉在美国的无人驾驶车是3万美金，在中国差不多2万美金就能搞定。但对于智驾而言，最核心的成本来自域控制器，尤其是面向全国的L4，域控制器的算力要足够，而大算力芯片对应的都是大把真金白银，这个部分是我们接下来主要的降本空间。
姚志勇
复旦大学管理学院应用经济学系教授、博士生导师
中国的人口结构大家也都看到了，未来劳动力会越来越稀缺，无人驾驶长期来看前景是非常好的。随着技术的进步，从硬件、软件到运营的成本都会降下来，所以盈利是大概率的事件。当然，在这个产业链上，各个环节的成本和收益可能会有一些差异，有的会率先盈利。但作为无人驾驶运营商来说，能不能一直活下去，并且撑到开始盈利的那一天，这个是好多企业可能要面对的问题。
彭健
小马智行供应链副总裁
从供应链的角度来测算的话，如果能够投入1,000辆车运营，可以实现运营成本打平。中美的出租车市场略有不同。在美国打出租车的价格比中国贵很多，基本上是中国的4-5倍，在运营服务方面，美国市场没有中国这么“卷”。
陆锋伟
正海资本投资合伙人
不同的城市有不同的运营环境，所以盈利点的规模肯定是不一样的。对无人驾驶运营商来说，会有一个很大的困境，就是在不盈利的情况下，到底要不要去铺更多的点位？如果快速铺点，一旦技术成熟、市场接受，就能发挥先发优势。但反过来，加速铺点也意味着短期承受更多负债。未来的商业模式如果可持续运营，在研发成本构成方面，可能需要将整车厂的单车智能和运营平台各自的研发费用进行分拆。
胥正川
复旦大学管理学院信息管理与商业智能系副教授
有趣的是，当谈到商业模式的时候，不可避免地又回到技术路线，因为不同的技术路线的成本是不一样的。总的说来，无人驾驶的成本包括了车辆成本，人力成本，人力成本又覆盖了研发加运营，另外还有数据采集成本，因为要用大量的视频来训练，以及算力成本。
Q4
背景：无人驾驶技术的落地，无人驾驶产业能否更好更快地发展，不仅是技术问题，还有极为关键的产业政策和法律监管等问题，如对数据收集、上路试运行的要求以及法律责任界定等。从新能源汽车在中国的发展实践也可以看到，产业政策对于加快电动汽车的普及起到了积极的助推作用。对于像无人驾驶这样的新兴产业而言，国内需要更加包容还是谨慎的政策？在促进产业发展和保护用户权益之间如何平衡？
袁栋梁
享道出行前瞻创新事业部总经理
兼申程出行总经理
总体而言，我们国内的无人驾驶相关政策比较稳健。目前也就武汉开放的区域比较大，节奏比较快。以上海为例，真正的无人驾驶试运营路段，只有200公里左右。这有两方面问题：一个是考验运营商的自动驾驶能力，这个与安全有关；另一个是验证无人驾驶的模式能否跑通，这个涉及可持续性。从运营角度来说，开放的区域越大越好，这样订单匹配效率就比较高，更容易产生规模效应。
于乾坤 上汽AI LAB赛可智能CTO
兼智己汽车L4自动驾驶项目总工程师
虽然无人驾驶引发了一些关于民生的大讨论，但是从国家层面来说，无人驾驶技术、智能网联汽车的发展是国家重点支持的方向。在近期举行的智能网联汽车峰会上，工信部也表态了十大技术方向，基本上涵盖了智能驾驶的方方面面。包括经信委、交通委、公安局等部门，对这一块也非常关注，态度也越来越开放。所以，从技术发展趋势的来看，政府对无人驾驶产业的支持不会改变。
姚志勇
复旦大学管理学院应用经济学系教授、博士生导师
无人驾驶是一个全新的事物，对其认知有一个过程，所以对监管部门来说也是一个挑战。但从中央部委到地方政府，对人工智能产业包括无人驾驶，还是非常支持的，出台了很多的产业政策。对于行业中出现的一些关键的问题，还是需要监管部门出台相应的规定，让大家有规可依。
彭健
小马智行供应链副总裁
政策的出台肯定是和技术本身要挂钩的，也是看这个技术怎么往前走，现在就说将来一定要怎么去监管，可能是无的放矢。比较可行的方式，还是要走一步看一步。
陆锋伟
正海资本投资合伙人
对于任何新技术来说，监管都会有一定的滞后，通常遇到问题了才会有一些新的监管措施出来。现阶段各项政策和监管的定位还是以鼓励为主，从无人矿卡、快递小车到Robotaxi， 都有很多政策在支持，这是国家层面对于整个行业的态度。
胥正川
复旦大学管理学院信息管理与商业智能系副教授
监管的本质是促进行业健康有序的发展，而不是予以限制。如果要鼓励技术先行，个人认为监管可以滞后一步，因为归根到底还是要发展，如果技术都没有了，监管意义何在？而且有些问题可能并非监管规定能解决的，首先要取得社会共识。比如无人驾驶算法在面对可能的交通事故而必须做出选择时，更多面临的是技术伦理的问题。
Q5
背景：当新能源汽车从上半场的电动化进入下半场的智能化时，无人驾驶出租车正渐行渐近。在这一科技竞争的前沿阵地，中美两国企业正在接力赛跑，争抢领先优势。作为国际科技竞争的前沿阵地，无人驾驶对于国家在战略性新兴产业中取得领跑优势意义重大。如何促进无人驾驶产业链的发展，避免在关键领域遭遇“卡脖子”的困境？面对美国科技巨头在无人驾驶领域的提速，中国本土企业有何作为？
彭健
小马智行供应链副总裁
在无人驾驶领域，目前国内企业比较有优势的产品是激光雷达，这是无人驾驶多模态技术路线的重要部件。另外，中国的路况也比美国复杂得多，这也给自动驾驶企业提供了更丰富的研发场景。
姚志勇
复旦大学管理学院应用经济学系教授、博士生导师
如果从经济学的理性思维看，中美两地企业要是能够在竞争中保持分工合作，比如自由交易激光雷达和芯片，这样双方可以优势互补，并且达到总成本最低，能够提升各自的竞争力。但显然这种竞争已经超越了经济学的范畴，更多涉及地缘政治。
陆锋伟
正海资本投资合伙人
从产业角度来说，中国车企以及无人驾驶企业需要发挥快速迭代的优势。比如说汽车制动的一些零件，国外需要2-3年才能迭代，国内则是6-8个月就迭代一次。即使是芯片，它也受限于摩尔定律的瓶颈，这给了我们一个追赶的机会。真正的困难，可能还是生态链问题。对用户来说，最大的问题不是说你这个东西不行，而是不能用，因为要迁徙软件，重新做个生态，这就增加了使用成本。
胥正川
复旦大学管理学院信息管理与商业智能系副教授
我们的优势是实干、能快速落地快速调整。所以马斯克很愿意跟中国合作，特斯拉中国工厂全球效率最高。但芯片确实是一个短板，以前美国卡的是训练芯片，不过随着GPT o1的出现，对推理的要求越来越高，未来推理的芯片可能也会缺。当然这个不只是无人驾驶，很多的层面都会有这样一个问题。
于乾坤 上汽AI LAB赛可智能CTO
兼智己汽车L4自动驾驶项目总工程师
从技术实力来说，特斯拉处于业界领先，在AI人才密度、技术积淀、算力水平等方面整体超过中国企业。在推理芯片方面，国内企业基本能够自给自足，但是在训练芯片方面，受到中美贸易冲突的影响，遇到“卡脖子”的问题。还有很重要的一点，就是生态。比如英伟达的生态链很丰富，大多数AI开发者都使用它的生态来开发，如果你再搞一套东西，没有人陪你玩，也没法把你的工具链能闭环起来，那开源的社区也很少，这个差距会越来越大。所以说，无人驾驶技术的竞争，接下来更像是综合国力的竞争。
内容整理丨张洁友
编辑排版丨刘蕊绮
审校丨张春依
【复旦管理案例】
2007年，复旦大学管理学院案例中心成立，致力于开发中国情境下的管理案例，推动管理教育、研究及实践的进步。
2016年，复旦大学管理学院案例库首次上线，坚持自主开发并获得规模发展，跻身全国管理案例库前列。
2020年，复旦大学管理学院提出科创战略，案例库每年新开发科创主题案例占比超过80%，服务科创企业人才培养。
复旦管理案例英文版经国际学术出版机构被全球30多个国家和地区逾200所院校教师采用。
复旦管理案例屡获教育部专业学位中心、全国MBA教育指导委员会精品案例和优秀案例奖。
2024年，复旦大学管理学院案例库面向国内外任课教师开放投稿、开放使用、开放合作，用案例连接理论与实践，促进跨学科的基于案例的价值创造。历时不到一年，来自全国70多所高校的专业学位教师已注册使用复旦大学管理学院案例库。
高校教师用户注册与使用：case.fdsm.fudan.edu.cn
院校合同采购与合作咨询：case@fdsm.fudan.edu.cn
复旦大学管理学院案例库
