自動駕駛來到了十字路口。

2022年3月6日，特斯拉CEO馬斯克發了一條微博：“即便是一些世界上最優秀的人工智能軟件工程師，也沒有意識到特斯拉人工智能的先進程度。”

2022年3月6日，北京時間下午4點，特斯拉CEO馬斯克發了一條微博

相比于造車，馬斯克對于特斯拉的AI能力更加自信，而AI最重要、也是最值錢的應用領域無疑是自動駕駛。

此前，22年1月27日，馬斯克在電話會議上談到：開發人型機器人將是今年最重要的工作。此言一出，業界嘩然，各種各樣的分析和猜測也接踵而至。

人型機器人并不是空穴來風，在2021年8月20日的特斯拉AIDay上，馬斯克宣布了看起來不那么靠譜的的特斯拉機器人TeslaBot，而且，現場的TeslaBot是由真人裝扮的。

AI Day一向是特斯拉的大日子，當天TeslaBot風頭蓋過了FSD、神經網絡自動駕駛訓練、D1芯片、Dojo超級計算機。

在未來，TeslaBot將與特斯拉汽車共同使用具有恐怖算力的D1芯片、Dojo超級計算機，還有特斯拉引以為傲的視覺神經網絡等等，也就是說TeslaBot和FSD采用相同的全套計算設備。

馬斯克還表示：特斯拉將是全球最大的機器人公司，“我們的汽車就好像帶輪子的半感知型（semi-sentient）機器人”。

也就是說，自動駕駛不只是車的附屬品，與自動駕駛相關的算力、算法、感知、執行、乃至數據可以成為AI打通更多垂直領域的核心能力。

這個觀點，相信不僅是和特斯拉在同一個月內相繼發布了機器人產品的小米、百度會點頭稱是，還有很多科技巨頭也會認同。早在2018年之前，美國最頭部的科技公司中，除了Facebook外，都系統的布局了自動駕駛。

美國科技巨頭的自動駕駛布局

盡管還沒有經過科學計算的數據支撐，但是在未來，隨著高等級自動駕駛技術不斷突破場景限制，MaaS大范圍落地，乘用車、商用車的使用效率得以大幅提升。車在總量和增量上一定將呈下降趨勢，甚至車的形態也可能會發生顛覆性的改變。

特斯拉是唯一在新能源汽車和自動駕駛技術的核心領域實現了全棧自研自產的科技公司，它的所做所想極具參考價值。而在造車、用軟件定義汽車這一系列問題上糾結了多年，也在手機戰場上廝殺了多年的小米和蘋果，在自動駕駛領域的動向當然也很值得關注。

盡管特斯拉造手機未必是認真的，但小米造車一定是認真的。但是在真正下場造車之前，小米卻先在自動駕駛領域進行了系統的投資布局。

早期，在2014年，小米就投資了凱立德；2017、2021年，順為先后參與了Momenta的A+輪、C輪融資；2017、2018年，順為又投了智行者A輪和B輪；2018年，順為戰略投資了優電科技；2019年，順為投資了北醒光子、奧易克斯；2020年，小米聯系投資了博泰車聯網、比亞迪半導體、能鏈集團。

隨著2021年3月官宣造車，小米從6月到9月，連投了6家自動駕駛公司，包括：ADAS供應商縱目科技；激光雷達智造商禾賽科技；4D毫米波雷達供應商幾何伙伴；智慧停車方案商愛泊車；高精定位方案商DeepMotion；自動駕駛芯片企業黑芝麻智能。

兵馬未動，糧草先行，小米還未造車，卻先批量下注自動駕駛及相關企業，也不禁讓人產生疑問，自動駕駛對于造車而言，到底為何如此重要？現階段造車的目的是什么？五年、十年后的汽車市場又會是什么樣？

在大洋彼岸，三萬億巨頭蘋果在造車這個問題上同樣糾結了多年。

早在2014年，蘋果便開始了代號為“泰坦”的計劃，迅速組建數百名員工參與秘密研發蘋果汽車。這一項目由CEO庫克批準，彼時，大量分析報告稱，蘋果這一決定的目的是為了對抗特斯拉。

與蘋果此前主營的消費電子產品不同，汽車的供應鏈體系是手機等產品的上百倍，在2016年，由于整車制造產業鏈構建過程中遇到的阻力遠超想象，蘋果暫停了“泰坦”項目，轉而研發自動駕駛技術。

到了2021年6月，據外媒報道，蘋果已經重啟“泰坦”計劃，既造整車，也開發自動駕駛軟件。

從2020年，或更早些時候，就傳出蘋果對于美國造車新勢力Canoo的好感，把Canoo定義為造車新勢力可能有些偏頗，因為Canoo不打算賣車，其核心是一款純電開發平臺，將電源、動力、感知、執行、算力全部集成在滑板底盤中，以此為基礎適配不同功能的車身。據稱，這樣造車，可以把開發周期縮短6-12 個月，使整車開發成本降低60%。

Canoo的樂高式造車

最終，蘋果希望的交易沒有成功，但在近期傳出Canoo的多位高管，包括CEO Ulrich Kranz離職，并在離職后加盟了蘋果。

一向以來，蘋果擅長解構看起來已經成熟的產品，從客戶體驗的角度去顛覆原有的市場，對于僅僅十幾年歷史的手機、可穿戴設備來說，蘋果收獲了相當高的成功率，但是對于有百年歷史的汽車就很難了，從自動駕駛入手，用軟件去重新定義汽車無疑是一條并不簡單的捷徑。

某硬科技領域的資深投資人向36氪表示：汽車工業站在民用工業領域的制高點，自動駕駛則站在了巨人的肩膀上。未來車和自動駕駛的關系，就如同智能手機和操作系統，還是有很多變量存在，就像在iOS和安卓之外，曾經也有過不少其他的智能操作系統，但是都逐漸消亡；而谷歌的安卓系統盡管取得了成功，但是他家的手機卻賣的卻并不好。汽車的復雜程度遠超手機，自動駕駛則綜合了AI等最前沿技術，車和自動駕駛之間的關系也有著更多的可能。

造車還是機器人

自動駕駛或正在突破交通工具的外延

2021年8月18日，百度世界大會上，李彥宏發布了Apollo“汽車機器人”，同時，機器人概念車首次亮相。外觀上，自動鷗翼門、全玻璃車頂與外部傳感器融為一體；在內部，汽車機器人不設方向盤、踏板，具有超大曲面屏、智能控制臺、變光玻璃、零重力座椅等智能化配置。

而此前幾天，8月10日小米十一周年慶，雷軍進行了一場以“我的夢想，我的選擇”為主題的年度演講。除了發布手機、平板等產品之外，還推出了一款重磅新品，小米的首款仿生四足機器人“CyberDog”，并親切的稱其為“鐵蛋”。

無獨有偶，幾天后的8月20日，馬斯克在特斯拉位于帕洛阿爾托的部舉行的人工智能活動中宣布，特斯拉將于2022年推出智能機器人。

TeslaBot

馬斯克表示，這個特斯拉機器人是共用汽車AI系統的仿真機器人，超級計算機既可以訓練汽車在城市道路上導航，也可以訓練機器人做同樣的事情，這個機器人將能夠完成包括去商店購物、整理家庭物品和其他日常任務。

半個月之內，老牌自動駕駛公司、造車新新勢力、全球最高市值的主機廠，都在發布機器人，即使是偶然，也必然存在深層的內部聯系。

近日，Uber旗下由Postmates分拆出來的機器人部門Serve Robotics，推出了新一代送貨機器人，具有自動緊急制動、車輛防撞和故障安全冗余的機械制動等功能，試圖開創一個新的品類，即具有L4級自動駕駛水平的機器人。

該機器人的AI計算平臺由英偉達提供，配備Ouster的3D激光雷達傳感器，2021年已經在洛杉磯成功完成了數萬次送貨。

Uber的送貨機器人

通過準確的定義來區分車和機器人其實并不容易，但是如果回歸商業本質，差別又顯而易見，事實上這里的機器人省略了定語，即其本質是商用機器人，車可以理解為最終會出售給終端消費者，而機器人則是MaaS中需要訂閱的服務。

站在未來人工智能的高地，車、RoboTaxi、Robot的邊際將日趨模糊。在不遠的將來，是賣車，還是做運營，或是都做，也將是傳統車企、現在的造車新勢力、自動駕駛新貴們都要面臨的選擇題。

2021年以來，RoboTaxi的成本在快速下探。據公開資料，百度第五代無人車Apollo Moon，單車成本48萬，大體是上一年度Robotaxi成本的一半，采用北汽ARCFOX極狐的αT做基礎，集成Apollo自動駕駛套件，包括2個激光雷達，一個在車頂環視，另一個在車頭牌照駕下方，作為系統冗余，車身周圍一共有13個攝像頭、5個毫米波雷達，配合Apollo云端，最高可達到800TOPS算力。

在訪談中，元戎啟行向36氪表示，在技術上，元戎啟行最早提出自研推理引擎、和多傳感器融合，并采用一體化傳感解決方案，已將L4級自動駕駛硬件成本降至25萬。此外，其面向前裝的自動駕駛解決方案DeepRoute-Driver 2.0，采用了5顆固態激光雷達和8顆攝像頭，可對標特斯拉FSD，甚至有更好的上路表現，該方案成本不到1萬美元。

2021年11月25日，北京市智能網聯汽車政策先行區，正式對外發布《北京市智能網聯汽車政策先行區自動駕駛出行服務商業化試點管理實施細則（試行）》，并向部分企業頒發國內首批自動駕駛車輛收費通知書。北京成為國內首個明確認可自動駕駛”Robotaxi“商業化試點的城市，也標志著國內自動駕駛賽道終于迎來了“下半場”——商業化運營階段。

Robotaxi將如何改變出行、是否能改變汽車產業等問題也將水落石出。Robotaxi絕不僅是以取代司機為目標，而是要徹底提升宏觀交通體系的運營效率。

12月29日，吉利控股集團宣布，與美國無人駕駛技術公司Waymo達成合作，其旗下電動品牌極氪將為Waymo One無人駕駛車隊提供專屬車輛，并在美國投入商業化運營。該車型基于極氪智能出行平臺——浩瀚-M（SEA-M）架構打造，由極氪歐洲創新中心（CEVT）設計與研發。

這距離2021年3月，吉利宣布旗下全新的電動品牌“極氪”正式成立，僅僅過去了半年多的時間。作為全球范圍頭部的自動駕駛技術公司，Waymo在Robotaxi領域最具代表性，2021年6月Waymo在新一輪融資中獲得25億美元投資，最新估值超過300億美元。

Waymo+極氪的合作模式或許將對未來的汽車市場產生深遠的影響，有些主機廠會從Robotaxi中獲得快速增長的機會，有些則可能面臨長線利空。

極氪 X Waymo

據iCET“2018中國乘用車實際道路行駛與油耗分析年度報告”數據，中國乘用車年均行駛里程8000公里，平均每天僅22公里，從官方行業數據可見，同年全國汽車產銷分別完成2780.9萬輛和2808.1萬輛，乘用車全國保有量達2.4億。

考慮到以上數據中包含了運營車輛的行駛里程，因此非營運車輛的年均里程數將進一步降低，對應每天20公里或更低，或可折算為半小時以內的行駛時間，也可以理解為車輛的使用效率僅為2%。

從自動駕駛的終局而言，如果低效的乘用車保有量可以大幅降低，則道路擁堵、停車等大量交通問題可有效緩解，RoboTaxi、RoboBus結合未來高比能電池組、超充等新能源技術，必將深刻影響社會各階層對于出行方式的選擇。

假設每一輛RoboTaxi的日均使用效率可以達到30%，則相對于普通乘用車2%的使用效率，經粗略測算，或可減少14輛乘用車的市場需求。

但是這樣的終局或許只利好全棧式自動駕駛的頭部玩家，同時也將顛覆主機廠的競爭格局。不止是傳統主機廠、造車新勢力也會面臨同樣的問題，現有產能從長期來看超過了未來市場需求。

當然，RoboTaxi也需要百花齊放，如果法拉利也有RoboTaxi，或許沒有人會拒絕，即使每公里100塊，畢竟大部分人不會花幾百萬去買它，也不會花幾千塊一天去租它。

所以，談到未來造車，其實造的未必真的是車，小米等新新勢力也將面臨復雜的選擇題，可能是單選、也可能是多選，而題目中并沒有注明。

通用汽車是按多選題來做的，從L2的Super Cruise到L3的Ultra Cruise，再到L4的 Cruise，其商業模式也值得長期關注。

特斯拉是單選，全棧全自研，堅定的走升維之路，但是愿意為私車買單自動駕駛的終端消費者比例還不是很高，其財報顯示在中國市場，只有不到2%的車主選配了FSD，而如何提高這個比例，目前尚沒有行之有效的措施。

高等級自動駕駛的門檻有多高

1000TOPS算力可能僅僅是開始

如果要定義自動駕駛的全棧能力，起碼在現階段，核心應該是算力，但隨著自動駕駛向更高級別演進，核心將不再是單純的算力。

2022高級輔助駕駛車輛算力排行 T為根據公開消息推測

自動駕駛對于算力的需求沒有止境，2014年，初代特斯拉Model S采用Mobileye的EyeQ一代芯片，算力僅僅是0.256TOPS；而到2019年，Model 3開始采用自研的芯片，算力提升到144TOPS；再到2020年蔚來新推出的ET7采用4顆英偉達Orin芯片，算力驚人的超過了1000TOPS。

國內自動駕駛芯片賽道的玩家在2021年出手不凡，其中尤以在融資數額和融資頻率方面一枝獨秀的地平線機器人最為突出，其年中發布的征程5芯片，算力已達到128TOPS；黑芝麻智能也發布了大算力芯片華山二號A1000Pro，算力為106TOPS；此外，芯馳將在2022年推出算力最高可達200TOPS的V9P/U。

主機廠方面，先是蔚來汽車宣布了自研芯片的計劃；零跑汽車更是直接發布了采用阿里旗下平頭哥半導體公司“玄鐵C860”的車規級AI智能駕駛芯片“凌芯01 CPU處理器”；定位于Tier0.5的華為到目前為止已經發布了MDC210、MDC300、MDC610和MDC810四個不同算力等級的產品，其中最強的MDC810算力可達400TOPS。

但是高功耗依然是高算力芯片平臺需要不斷解決的問題。即使是賽道內表現出色的英偉達，其芯片及計算平臺的功耗，對仍然是很大的挑戰。基于主力產品Orin所開發的L5級自動駕駛計算平臺，盡管算力可達到夸張的2000TOPS，但750W的功耗，對于燃油車還可承擔，對于電動車來說，相當于又開了一組空調，對目前動力電池容量提出了相當大的挑戰。

國內廠商在快速追趕的同時，已經在車規認證，以及L2、L3前裝量產方面取得了突破。但是放眼更高等級的自動駕駛領域，國內的頭部玩家還是處于大面積缺失狀態。

在一系列的訪談中，有多家高等級自動駕駛創業公司，對于如何評價自動駕駛芯片的優劣，以及選擇標準等問題采取了回避的態度，但在實際的選擇中，答案又很誠實。

梳理國內外RoboTaxi及高等級自動駕駛賽道可見，全球范圍的頭部陣營內，除Cruise、特斯拉目前還在自研外，其余各家清一色的首選英偉達的芯片方案，具體來說包括但不限于：Waymo、Aurora、Argo、Motional、百度Apollo、AutoX、Momenta、Pony.ai、WeRide；在RoboTruck領域也幾乎是同樣的局面。

事實上，對于高等級自動駕駛而言，算力已經并不是首要的考量標準，當前階段英偉達勝出的重要原因是，目前市場上的芯片公司中只有英偉達能夠提供桌面端、云端和車端的統一架構、統一軟件開發環境。

在車企方面，國內頭部的造車新勢力蔚小理均已宣布采用英偉達Orin芯片的L3車型，區別是使用了不同數量的芯片。在國際市場，奔馳、沃爾沃、現代、奧迪都已宣布將采用英偉達的解決方案。

隨著新勢力和新新勢力的不斷入局，新車型從設計到下線的周期不斷縮短，自動駕駛系統正在從開發效率方面改變著傳統的造車觀念，也因此一體化的架構和開發環境成為了最具生產力的賣點。

4月12日的GTC2021上，黃仁勛發布了全新的自動駕駛SoC Atlan芯片，單顆SoC的算力即可達到1000TOPS，相比其上一代旗艦Orin芯片算力提升了近4倍，比目前大多數L4級自動駕駛方案的整車算力還要高。

并且，英偉達同時推出了完整的自動駕駛解決方案“Drive AGX Robotaxi”，既是自動駕駛系統的計算機架構和傳感器平臺，又是一個集成自動駕駛功能模塊、接口的全棧式自動駕駛平臺。

英偉達在加速推動將最初為計算機游戲和圖形開發的技術擴展到汽車行業。

Omniverse已經成為主機廠數字孿生和自動駕駛公司模擬仿真的基礎平臺

在11月的英偉達GTC大會上，升級的Omniverse平臺能夠模擬倉庫、工廠、物理和生物系統、機器人、自動駕駛汽車。全新發布 Omniverse Replicator是為用戶訓練深度神經網絡的合成數據生成引擎，其兩款核心應用：Isaac Sim 面向通用機器人、DRIVE Sim 面向自動駕駛；DRIVE Sim 能夠模擬出自動駕駛車輛上搭載的“環繞攝像頭”的視覺圖像。由這些平臺和應用所構成虛擬環境，可以用來讓自動駕駛算法訓練自己的策略。

芯片領域的軍備競賽不斷升級，2021年10月，高通與麥格納競價收購Tier 1維寧爾，并最終與維寧爾達成收購協議。高通與合作伙伴以45億美元的價格共同收購維寧爾。借此在2022年，高通的Snapdragon Ride自動駕駛平臺將量產裝車，并集成維寧爾的自動駕駛視覺軟件。

對于國內的自動駕駛芯片公司，以及自動駕駛技術研發企業而言，英偉達的產品和方案即使難以對標，也必須要借鑒，而如何通過高效的自研、跨領域合作、投資并購等方式獲得更全面、更快速的開發能力。

在感知層面依然存在變量

激光雷達還在覬覦元宇宙

只要特斯拉一天不上激光雷達，關于感知層面終局的話題就依然有效，深入閱讀激光雷達領域，也可隱約感受到盡管自動駕駛離理想的終局尚有很遠的距離，但是也許細分領域的快速突破，可以加速整個進程的進度。

未來將占據主流市場的感知層方案大概率將包括全固態激光雷達和4D成像毫米波雷達。

據沙利文報告的預測數據，2025年激光雷達全球市場規模為135.4億美元，相比2019年可實現64.63%的年均復合增長率。

參考相對成熟的毫米波雷達市場，滲透率也在逐漸攀升。據Yole Développement數據顯示，全球車載毫米波雷達市場規模預計將由2019年的55億美元增長至 2025年的105億美元，年復合增長率達到11 %。

感知層對于汽車和自動駕駛而言至關重要，但這個市場卻并沒有想象中那么巨大。相比而言，在消費電子領域，蘋果單一品牌的Airpods將不起眼的藍牙耳機這一個單品類，迅速做到200億美元規模的市場。

考慮到未來元宇宙、空間智能對于3D空間建模的海量需求，也許未來每一個類似手機的移動終端都需要一顆更強大的微型激光雷達，iPhone12可能就會被看作早期元宇宙設備，激光雷達這一類感知層設備也將看到真正的增量市場。

激光雷達未來可能無處不在

4D成像毫米波雷達目前在全球范圍共有三種主流技術可實現4D點云功能，包括：1）采用現有的英飛凌、TI、NXP芯片，通過獨特的軟件算法和天線設計，在MIMO的基礎上做成高倍數虛擬MIMO，以達到在原來物理天線數基礎上虛擬出十倍的天線數，進而將角分辨率大幅降低；2）通過將多發多收天線集中在一個芯片組中來實現上述功能；3）通過使用超材料來解決上述問題。

激光雷達則要復雜很多，既是自動駕駛在感知層面最新的技術領域，也是近年來資本競相押注，市場相對不明朗的領域。

曾有這個領域的創業者表示：永遠不知道競爭對手會用什么方式去解決問題。同樣在感知層面已經存在并發展多年的攝像頭、毫米波雷達等傳感器最終都以純芯片的方式前裝在汽車上，當然這也是更符合車規的路徑，因此激光雷達將會采用同樣的路線。

車載激光雷達對比攝像頭、毫米波雷達在測距精度、抗干擾等方面有著先天的優勢和更好的表現。隨著低級別的輔助駕駛向更高等級的自動駕駛升級，自動駕駛系統徹底接管車輛的控制權，激光雷達的作用也將從輔助走向主導，隨著價格不斷下探，前裝數量也隨之增加。

但是要考量激光雷達，則要通過相當多的維度。在光束掃描器和探測系統這兩個維度不同的排列組合可以產生出大量可行的方案。

光束掃描器可以分成了機械旋轉式、MEMS（微振鏡）、微距移動、Flash、光學相控陣（OPA）；

探測系統可以分成非相干測量（TOF）和相干測量（FMCW）；

最終產品形態則可劃分為三類：機械式激光雷達、混合固態激光雷達和固態激光雷達。

汽車領域Top2的Tier1博世在激光雷達領域已經投資了美國的 Tetravue ，以及國內的禾賽科技和飛芯科技。

在此前蓋世汽車的訪談中德國博世集團創投合伙人蔣紅權博士表示：激光雷達在硬件方面最有技術空間。基于此，博世在中國市場相繼投資飛芯電子、禾賽科技。其中，禾賽科技專注光電設備、激光雷達研發及其核心芯片，而飛芯電子則專注于研發和制造用于機器人和無人車的激光雷達。作為自動駕駛發展中關鍵技術，即便是L4或是L5級自動駕駛尚未落地，激光雷達依然有其市場存在空間，因此，投資禾賽科技屬于尋找市場的拐點，投資飛芯電子則是在尋找科技的拐點。

現在，放眼整個自動駕駛相關的技術領域，乃至底層技術，中國和世界的差距在很多賽道已經可以以“年”計算，甚至持平。更加可喜的是，相同賽道的多家創業公司通過研發不同的技術路徑，形成更加理性的競合關系。

在線控底盤領域正在打破國外Tier1壟斷的拿森科技創始人陶喆向36氪介紹：目前行業內有個新提法，未來的供應鏈中的供應商也稱之為合作伙伴。在燃油車時代，整個供應鏈是金字塔式的，一級壓制一級。而未來汽車供應鏈將是網狀生態結構，上下游之間不再是壓榨和相互博弈，而是建立合作伙伴的大生態圈，實現戰略協同、聯合開發。

可能的藍海-RoboTractor

所剩無幾的超萬億市場

拋開關于機器人和RoboTaxi的爭議性話題，RoboTaxi作為自動駕駛技術的集大成者，通過數據積累、深度學習、算法迭代實現升維，也可以蒸餾模型，向多場景、低級別降維。因此Robo-家族也在不斷擴軍，RoboBus、RoboTruck之外，是否還存在藍海，在未來也將是個有趣的話題。

農業是目前數字化程度最低領域，農業也代表了最基本的剛需，其效能的提升，對于國計民生、對于碳中和，都具有重要的意義。從技術的角度來說，Robo化的農業機械將可以實現像黑燈工廠一樣的24*7工作，即可最大化的降本增效。

此外，在開放式的農業場景，光伏、風電、儲能、換電的有機配套，或將最先打通新能源從產出到消費的完整閉環。

據行業數據，在北美地區，農業自動化領域的市場規模超過5萬億美元，近年來，農業AMR（Autonomous Mobile Robot）的設計思路正在快速轉變。更加跨界的融合，比如重新解構并整合自動駕駛、拖拉機、機器人技術，以提高第一產業的生產力，已經開始實現場景化落地，未來最大的變數也將來自Robo+Tractor像樂高一樣組裝。

2018年成立于西雅圖的Carbon Robotics，融合高精定位、無人駕駛、機器人、AI，研發的除草機器人，重4.3噸，形似RoboTruck，采用英偉達自動駕駛芯片，利用高分辨率相機和AI識別技術，將農田里的雜草用150W的激光，精準殺死，其高精度激光束的誤差半徑僅為3毫米。這個可以24小時工作的自動駕駛除草機器人，可以每小時燒死十萬棵雜草。

相比而言，國內如大疆和極飛的農業無人機，主要功能是超低空噴灑除草劑、農藥，已經形成成熟的商業模式，但是除草劑、農藥本身的高殘留和毒性是無法根除的短板，從長遠來看必將被更環保的方式取代。

在剛剛結束的CES上，北美農業機械巨頭約翰迪爾展示了其第一臺自動駕駛拖拉機8R。可以 24/7 全天候運行，每 8-10 小時加油一次。12個立體攝像頭可以實現 360 度障礙物檢測和距離計算，自動駕駛拖拉機通過不斷檢查相對于地理圍欄的位置，確保它在預期的位置運行，并且精確度小于 1英寸，可以在不接觸方向盤的情況下精確播種、以及收獲種子。

約翰迪爾的無人駕駛拖拉機8R

據其公開資料宣稱，8R自動拖拉機在過去三年的現場測試中，共收集了超過 5000 萬張圖像。每個模型都采用數十萬張圖像進行訓練，其神經網絡可在約100毫秒內對每個像素進行分類。

據約翰迪爾數據，全球農業人口的平均年齡已經超過 55 歲，每天工作時長超過12小時。在中國，尤其是廣大農村地區的老齡化問題已經超過全球平均水平，且在未來中短期已很難逆轉，從勞動力結構的角度來說，農業自動化必將成為趨勢。

目前，全球超過80%的農業、種植業活動都是由人工完成的，并且在農業領域人工成本年均增幅超過了工業、服務業等其他領域，達到了10%左右，已經改變工業生產結構的機器人產線，及黑燈工廠理念，在農業領域或許可以釋放出更大的生產力。

從基礎設施的角度，中國的農業自動化領域雖然起步低，但未來將具有更大的增量，據中國農業普查數據，截至2020年，全國拖拉機保有量達近2700萬臺，雖然遠低于乘用車的數量，但已接近商用車的數量，而且具有高使用頻次、淘汰周期短、細分品類繁多的特點。

國內在農業機械領域，除“一托”外缺乏規模化行業龍頭，而農機水平距離國際范圍的頭部陣營還存在比較大的差距，自動駕駛和機器人技術將有可能助力農業機械行業實現彎道超車、或換道超車。

而從更宏觀的碳中和視角，RoboTractor可以關聯的風能、太陽能、儲能、換電、新能源拖拉機等環保能源技術；以及自動駕駛、機器人自動化、聲音及圖像識別等人工智能技術，可以很大程度的降低農業領域的能耗水平，形成完整的環保生態閉環，并將對雙碳進程產生積極的推動作用。

未來，阿里的農業大腦、騰訊的AI黃瓜、京東的智慧農場們或許會匯流成一條主線，也或許會出現新的RoboTractor賽道，并且可能誕生出一個超大規模的市場。

尾聲：自動駕駛的外延

對于創新企業而言，自動駕駛提供了從產業鏈新節點切入市場的機遇。

在達摩院XR實驗室定義的阿里元宇宙中，最高層的L4級（虛實聯動）的案例中赫然出現了一款自動蘋果采摘機器人。

蔚來則跨界聯合 NOLO和Nreal 打造了車載專屬 VR 頭顯和 AR 眼鏡。

自動駕駛賽道超寬，還有待國內創新企業繼續探索更多的可能。