麦肯锡：中国自动驾驶规模将突破万亿美元 如何成为搅动大局的领头羊？

麦肯锡的一份最新报告指出，如果自动驾驶的前景在中国铺展开来，这一产业的收益规模将达到数万亿美元。

从无人驾驶出租车到自动化货车，自动驾驶汽车（AV）将改变公路驾驶的性质，并在此过程中彻底改变汽车和出行行业。在这种机会和不确定性的混合中，自动驾驶的生态连接者（从组件供应商到移动服务提供商）可以在中国获得数万亿美元的收入。未来 20 年中，人们的出行方式可能会发生翻天覆地的改变。乘客们会逐渐转变观念，将出行看成一种服务。

从根本上改变了出行性质

麦肯锡的研究表明，自动驾驶汽车在某种程度上可以占领中国大部分汽车市场。调查中的行业受访者表示，用于出行服务的乘用车（如“robo-taxis”）的最高采用率将达到62％，其次是私人高级车辆（51％）和私人大众市场汽车（38％）。由于自动驾驶汽车的预期利用率增加（接近24/7运行）和较低的劳动力成本（无驾驶员），因此移动出行服务将占据很大优势。同样的理由使城市公交车的采用率达到69％，而商用车（CV）则达到67％。

自动驾驶汽车可能会将大部分移动市场价值从产品（即购买车辆）转向服务（即支付每英里的交通费用）。对汽车制造商来说，这种改变可能会替代这一行业一直强调的“多卖车多赚钱”的理念，取而代之的则是靠提供服务来赚取利润。同时，靠新的出行模式变现的概念可能也会不断延伸，乘客在车辆上的时间也会成为厂商们的兵家必争之地。这种“移动即服务”（MaaS）转型表明，汽车销售量，商业模式以及公司在这种新环境中需要发展的能力将会发生巨大变化。在中国，我们认为完全自动驾驶汽车（SAE 4级及以上）将在9-10年内展开大规模的部署。

这些转变将改变整个移动领域的游戏规则，因为软件和数据在构建和运营汽车时成为基本的差异化因素。因此，出行行业将成为包括汽车、交通、软件、硬件和数据服务在内的行业融合的基础。

当下的汽车制造商专注于销售新车，运输公司专注于提供服务，技术参与者们则向汽车制造商销售硬件和软件。未来，可能会出现新的商业模式。技术参与者可以从汽车制造商处购买车辆，并且直接向消费​​者提供服务。或者，汽车制造商可能垂直整合服务和软件开发（正如领先的参与者今天已经在做的那样）。这些行业的参与者必须协调他们在产品生命周期（例如，汽车三到四年，软件几周到几个月）和商业模式（例如，产品与服务）之间的差异，以便彼此竞争和有效合作。

很明显，许多公司已经拥有积极的自动驾驶汽车战略，包括百度、腾讯和Waymo等技术企业以及通用汽车、上汽集团和特斯拉等汽车制造商。然而，考虑到该行业充满活力，快速发展的特性，玩家们需要不断更新和升级其策略。

中国如何撑起自动驾驶半边天？

中国有潜力成为世界上最大的自动驾驶汽车市场。在麦肯锡的基准预测中，此类车辆可能占到2040年旅客公里数的66％（图1），从出行服务中产生1.1万亿美元的市场收入，并且依靠自动驾驶汽车销售产生0.9万亿美元的收入。从单位来看，这意味着自动驾驶汽车占2040年新车销量的40％以上，占车辆安装基数的12％。

图表1

自动驾驶汽车可以解决重大的基础设施问题

2009年，中国超过美国成为世界上最大和最重要的汽车市场，2018年将继续消耗近3000万辆轻型汽车，比美国增加近70％​​。这种持续的爆炸性增长正在使该国与汽车相关的基础设施负担过重，从而导致交通拥堵和污染加剧。北京人每天平均花费1.3小时通勤——是美国普通通勤者的三倍多。自动驾驶汽车将为这些基础设施挑战提供潜在的解决方案。在共享出行领域，他们可以减少道路上的车辆数量，并让前司机在途中工作或放松。如果由绿色电力或氢气驱动，它们还可以帮助减少当地的车辆排放。

然而，复杂的环境可能会减缓自动驾驶的初期普及。从短期来看，鉴于中国复杂的交通环境，自动驾驶汽车必须适应道路状况和激进的驾驶行为，这可能会减缓采用的渗透率。但其实对比来看，纽约市中心到罗马的西部城市，拥有同样密集的人口和混合交通水平。

因此，中国自动驾驶的技术解决方案与其他国家的技术解决方案没有太大差别。所需的计算平台可能会符合要求，因为现有平台具有足够的“缓冲”能力来处理分析中国道路上的对象所需的更复杂的计算任务。传感器配置可能不会因地区而异，因为当前设置可以覆盖非常不同的驾驶用例的所有关键方向。

中国的主要差异体现在其高度复杂的标识、交通信号灯和道路标志尚未完全标准化。同样，由于中国司机未能遵守道路规则而导致的通行权问题，严重加剧了对自动驾驶车辆的编程和“培训”要求等不确定因素。因此，中国市场在优化自动驾驶决策算法方面需要更多的训练与积累，与采用美国相比，采用时间表可能会延长2-3年。因此，自动驾驶汽车在受限环境中的首次应用可能会在未来五年内开始，但大规模采用可能仅在2027年之后才会发生，因为它将需要该技术来解决城市和郊区驾驶的大部分所需条件（图表2 ）。

图表2

虽然自动驾驶汽车的核心算法在全球范围内基本相同，但在中国运营需要额外的数据和测试。例如，开发人员需要收集和输入本地流量数据，以解决独特和不统一的道路标识问题。他们还必须通过道路测试优化运动规划，以便算法能够学会处理由一些中国交通驾驶中容易引起的问题。

不过，长期前景似乎很有希望

从长远来看，中国很可能成为世界上最大的自动驾驶汽车市场。事实上，中国汽车市场已经在快速采用“移动即服务”（MaaS）。例如，今天出售的提供出行服务的汽车约占中国汽车总销量的10％，而且该国的出行服务市场在过去几年中以两位数的速度增长（图表3）。这种趋势长期以后将产生对自动驾驶出行的强烈需求。

图表3

麦肯锡开发了专有的模型来预测中国的自动驾驶汽车市场。该模型采用用例方法，分析特定类别的自动驾驶汽车（例如机器人或自动卡车）在市场上取得成功所需的发展。该模型对自动驾驶生态系统中的40多位行业专家进行了调查，并收到了外部顾问委员会的反馈和建议，其中包括来自汽车制造商、一级供应商、技术公司和移动服务提供商的自动驾驶专家和高管。专家认为，可能会阻碍自动驾驶汽车采用的，可能不是监管，而是技术。模型分析选择了两种商业化速度：快速采用和缓慢突破。基于该分析，我们认为2025-2030将代表采用自动驾驶汽车的拐点，其广泛的时间跨度取决于应用模型和基于城市的推动力量。

图表4显示了用作机动车出租车的全电池电动车的成本交叉分析。主要成本驱动因素包括车辆折旧、驾驶员成本、维护、保险和电力（或燃料）。它们不包括运营移动服务机队的运营或管理费用。由于安全和监管考虑，自动驾驶车辆中的人类驾驶员的替换将逐步发生。

图表4

自动化“机器人出租车”预计将在2025年到2027年之间达到一个拐点。

整个视音频系统（包括传感器，计算平台和软件）的成本应该在技术成熟（2023年后）迅速降低，到2025年达到约8,000美元。一旦自动驾驶汽车达到关键的“交叉点”，采用将加速。

这个拐点是基于自动驾驶技术的功能稳健性和成本的成本曲线，自驱动运输将与人为驱动的运输达到经济等价。换句话说，自动驾驶汽车每公里的总成本将大致与带驾驶员的传统汽车的总成本相匹配。在这个拐点之后，对自动驾驶汽车的需求应该稳步上升，这取决于市场的发展方式。当这种情况发生时，新参与者掌握控制汽车价值链的可能性就会增加。

行业利润池流向服务和软件

与现在的价值相比，自动驾驶汽车的出现将使中国自动驾驶汽车行业的流动性利润至少增加600亿美元。汽车销售仍将占整个价值链利润总额的很大一部分，即500亿至600亿美元。但是，移动服务利润将增长到总利润池（包括车辆，组件，移动服务和车队管理）的25％到30％，并且可能超过汽车销售，特别是如果MaaS市场竞争力较弱（例如，如果政府与流动性参与者合作）。另一方面，视音频技术和系统集成将产生150亿至200亿美元的利润，占汽车零部件总利润池的50％至60％。

利润池将取决于竞争环境。在一种情况下，机器人出租车将通过当地的公共/私营合资企业运营。在这种情况下，MaaS可以弥补500亿至550亿美元——超过中国195亿美元利润池的四分之一。在另一种情况下，如果机器人出租车在竞争激烈的自由市场环境中运营，那么移动服务部门将大幅缩减至150亿至200亿美元。无论哪种情况占优势，更重要的是自动驾驶汽车为行业创造巨大价值的潜力，这种潜力无疑将对利润池产生重大影响。

重塑中国自动驾驶革命

中国自动驾驶汽车市场将为愿意承担风险的运营商提供巨大的机会，从中国本土汽车制造商到跨国公司再到科技巨头和出行业务。为了抓住这些机会，玩家可以与最终客户建立差异化的服务连接，或者控制自动驾驶技术的关键部分。确定该技术的哪些元素具有长期战略价值及其随时间的演变将使玩家能够找到自动驾驶机器的高价值“灵魂”。

技术将成为价值链的“最强助攻”

新兴的自动驾驶生态系统与传统的汽车方法不同，因为它专注于技术积累——高科技和计算行业中使用的概念（图表5）。

图表5

一个示例有助于说明自动驾驶车辆的技术层面。核心要素包括传感器、计算平台、软件（包括对象检测和分析以及运动规划）、系统集成和验证、映射和基于位置的服务（LBS）。因此，它代表了汽车自动驾驶系统的核心。这使其成为汽车制造商、供应商、技术公司和其他公司“拥有”汽车的关键部分。这一层次结构的重要元素似乎会随着时间的推移而发展，因此要求该细分市场中的公司监控和评估与后续技术创新相关的颠覆。

每个技术积累层都有不同的关键成功因素。例如，传感器层需要强大的可靠性和安全元素，以及强大的批量生产和生产管理能力，以实现必要的规模经济。算法和软件层需要敏捷开发技能和快速迭代功能，以使公司能够通过培训数据来一致地提高性能。系统集成和验证需要出色的可靠性和安全性以及强大的批量生产能力。

中国的技术积累层分布如何？

业内人士关注的重点是中国市场在多大程度上与世界其他国家不同。该层面结构的最终状态仍然高度不确定，因为它取决于不同参与者的竞争力和监管环境。然而，早期指标表明，全球和本地开发的解决方案将在整个层面结构中出现。

硬件组件最有可能从全球解决方案的规模经济中受益。传感器、照相机、激光雷达和计算平台在中国需要与世界其他地区相同的功能（因此受益于全球解决方案的规模影响）。映射、LBS和数据云解决方案可能需要大量本地化。

例如，典型的自动驾驶汽车技术积累层面的一些元素——例如LBS和数据云——目前面临政策上的一些门槛和限制。这就需要外国企业抓紧基于攻破其他五个部分——移动服务接口、运动规划算法、连接功能、中央处理和图形处理单元以及传感器——这些目前大多是开放的。

图表6

中国在计算平台和自动驾驶汽车系统集成和验证方面的技术差距最大。

中国政府大力支持本地视听技术的发展，建立多个视听测试区，包括上海的嘉定和北京以外的雄安。最初是积极的，这种支持可以帮助本地玩家发展能力。然而，随着时间的推移，日益增长的本地化进程可能会限制该行业的竞争（例如，妨碍外部人员在本地运营或访问本地技术的能力）。

风险投资界和主要互联网公司正在中国大力投资，以缩小全球/本地差距。在过去五年中，自动驾驶和组件公司已获得70亿美元的资金。阿里巴巴、百度和腾讯都通过参与融资（例如，百度和腾讯与NIO，阿里巴巴与Xpeng）、建立合作伙伴关系（例如，阿里巴巴与上汽集团，腾讯与几家原始设备制造商、百度与众多参与者合作构建其Apollo生态系统）。

大量可用资金以及政府的积极参与将积极有助于塑造中国自动驾驶汽车的竞争格局。与此同时，为了取得成功，中国的视听产业必须与全球生态系统深度融合，以避免重新一步步地去摸索。

这种类型的集成对于各种类型的中国自动驾驶生态圈玩家来说都是必不可少的，因为高级自动驾驶技术要求基本相似，因此可以跨市场和地区转移。此外，由于其全球影响力和专业知识，国际参与者通常在自动驾驶技术层面的某些元素方面具有相当大的优势。与任何新技术一样，尽可能多地将自动驾驶技术标准化可以带来巨大的回报，特别是对于那些在中国本土资源不足的企业。

确定获胜者和合作企业

赢得自动驾驶竞赛将需要行业老牌企业走出他们的舒适区域，并与整个价值链和整个技术架构层面中的各种参与者充分互动。技术巨头和其他外部人员也必须采用新战略，以确保他们的技术产品成为任何标准化自动驾驶汽车解决方案的核心部分。此外，参与者可能需要进入价值链的新细分市场。因此，获胜将需要本地和跨国公司之间以及价值链上的合作。

自动驾驶技术层面结构（图表7）以及跨国和本地参与者之间存在多种联盟模式（图表8）。

图表7

图表8

为未来的自动驾驶现实做好准备

对于在中国竞争的汽车制造商、高科技公司和出行服务提供商而言，自动驾驶现象的普及只是时间早晚的问题，但推迟定位策略可能会使玩家受到自由度的影响。

赢得这场比赛将要求公司仔细评估他们的进入战略，平衡高风险与成为世界上最大的自动驾驶汽车长期市场领导者的潜在价值。在中国以及全球范围内，由于技术的不确定性和缺乏经过验证的商业模式，自动化和MaaS为投资者提供了一个具有挑战性的环境。对传统驾驶技术进行大规模投注的公司（至少在未来五年内将产生大量市场量）需要同时平衡他们在新旧投资中的投资。

麦肯锡为开发自动驾驶策略的全球参与者们提供了如下建议：

做好优势定位。在控制点和差异化方面，明确决定自动驾驶技术层面结构的哪些部分对公司最有意义。建立与已识别的差异化来源兼容的商业模式。

制定路线图。确定您的差异化来源与您需要提供的技术路线图之间的联系。估算公司的能力差距以及决定是在内部开发技术还是获得所需能力所需的投资。

选择正确的联盟和生态系统。确定您的生态系统和联盟战略;没有一个玩家能够在自动驾驶技术层面结构中提供所有必需的技术。同时，AV价值链将与传统价值链不同。

建立组织敏捷性。培养战略和组织敏捷性，以便可以更新策略和策略，以预测市场动态的变化，并快速响应竞争对手或合作伙伴的行动。

除了这四项建议外，跨国公司还应考虑制定针对中国的战略，灵活地调整其中国的市场模式和应用解决方案。

麦肯锡还指出，想要打造一个成功的自动驾驶生态系统，一定不能忘掉这四点：

一是聚焦使用到的技术。比如现在自动驾驶汽车能做什么？功能进一步提升还要多久？

二是规则，现有交规和相关新政策能为部署创造什么新机遇？

三是专注于顾客，他们到底是谁？使用自动驾驶汽车的意愿如何？举例来说，从整体拥有成本（TCO）的角度来看，如果自动驾驶出租车全面普及，用户还会选择购置私人车辆吗？

四是商业案例，开发自动驾驶出租车有利可图吗？这种商业模式能长期维持吗？换句话来说，自动驾驶出租车出现后，能给现有出行市场带来一次大洗牌吗？

在进入全自动驾驶前，自动驾驶出租车还有三个阶段要走完。这些阶段在测试里程、道路类型等问题上都截然不同：