自動駕駛對普通人有什么用？

談到這個話題，人們腦子里浮現的可能都是有望“消滅”私家車的無人駕駛出租車。顯然，這項發明對普通人來說價值最大，當然，不包括廣大網約車和出租車司機。

但在預計的很長一段時間內，無人駕駛出租車的商業化運營都將可望而不可及。即使像百度的蘿卜快跑和上汽旗下享道出行這樣的無人車運營商，其覆蓋范圍也僅在人煙稀少的邊緣城區，更像在做公益。

圖注：一公里一塊錢的價格，堪稱做公益

因此，不少公司都在用車的具體細分場景上下手，試圖通過將自動駕駛在一些場景下率先落地來取得消費者的認可，實現商業收入。于是乎，速度更低，道路環境更為簡單且用戶使用更加高頻的停車場，開始成為企業發力的重點。智能泊車，遙控泊車，智能召喚，L4級無人駕駛泊車，P-AVP/H-AVP……車企與科技公司造的詞，可能一個停車場都放不下了。

只是，功能用處有多大，其實不好說。

跨層記憶泊車：可以，但沒必要

上周，虎嗅在北京南城的一個萬達廣場里，體驗了小鵬VPA-L跨樓層停車場記憶泊車，具體使用經過是這樣的：在經過地下停車場入口閘機抬桿后，就可以操控小鵬P5開始進行記憶泊車學習（現階段還不具備自動經過閘機功能）。開啟功能后，車輛就將記憶行駛軌跡。當車輛通過了下樓層的坡道，以及減速帶時，中控屏會有明確的UI圖標進行標注，路徑上探測到的兩邊車位也會標注出來。

更重要的是，VPA-L現在可用的最長距離是2公里，記憶學習的過程中還剩多少米也會顯示出來，使用體驗非常直觀。到達選定的停車位并踩下剎車后，中控屏便會彈出自動泊車選項。用戶在選定后，車輛就可以自主泊入車位，泊車學習到此就算圓滿完成。

隨后，用戶可以將路線根據目的地環境進行標注。包括“電梯廳”、“充電樁”等以便下次使用。當用戶再一次將車開出商場時，路線就會上傳到云端。等到下次再來到該商場后，就可以在同樣的出發點選擇開啟VPA-L，讓車輛自動開到上次泊入的車位，過程中還可以自主避讓車輛和行人。整個過程中車輛速度不超過10公里/小時，司機只需盤監督車輛，和使用小鵬高速NGP（領航輔助駕駛）的體驗差不多。

更重要的是，用戶還可以把自己已經學習過的路線與他人分享。這樣即使到了一個新的商場，用戶也不必再學習一遍路線，而是通過別人的“經驗”來直達充電樁或者電梯廳。此外，小鵬的VPA-L還無需要教條地必須停到學習的車位。沿路若有車位，用戶也可以選擇提前自動泊入。

同樣，即使沒來得及在路徑的起點開啟功能，用戶也可以從路上的任意一點開啟自動泊車。

根據小鵬汽車方面的介紹，記憶泊車這項功能在小鵬P7上已經做過推送。這次借助于激光雷達和更新后的XPilot系統，小鵬將記憶泊車的距離由1公里提升到了2公里，并且實現了跨層泊車的功能。

據了解，該功能在3月16日才剛剛上線，還沒有收到太多用戶反饋。但就體驗的順暢度來說，小鵬VPA-L已經超越了百度，成為目前相對最好用記憶泊車功能。當然，目前筆者體驗過的有且只有兩個，另一個是搭載百度AVP方案的威馬W6。

但刨除了效果只看功能本身的話，無論是小鵬VPA-L還是百度AVP，目前對消費者的用處都談不上大。

目前，自動駕駛在停車場還不太能打

一般來說，我們在停車場里的需求其實很簡單：把車停到距離電梯廳或停車場入口最近的停車位里，電動車也許還要加上停到充電樁的位置。當然如何停進去這個問題，主要依靠車技和智能泊車來搞定。

而大家目前的痛點是以下三個

不知道哪里有空車位/充電樁。

解決方案：車輛接入車位管理系統。車機為用戶提供車道級導航和車位指引。

停車車位距離目的地太遠，下車走的距離太長。

解決方案：汽車能夠在乘客下車后，自動駕駛尋找車位并泊入。

路癡了找不到車。

解決方案：在乘客準備離開時，車輛可以接受召喚自助行駛到乘客上車點。

但是上述問題，小鵬VPA-L都無能為力。

因為每個需求，別說交給機器，就算交給人類駕駛員，往往在停車場高峰擁擠時間段，都是一場人與人之間的斗智斗勇。

舉一個生活中特別常見的例子。進停車場開半天還沒找到車位，你是再繞一圈還是跟著一個提著購物袋下了地庫的人走，等著那人開車離開？

看到這兒，是不是已經開始頭疼了？

小鵬VPA-L 這項功能當前可以解決的，只有用戶來到一個新的地下停車場后，不能準確找到電梯廳和充電樁的問題。但目前大多數停車場都對地下設施有著清晰的標注。相比較之下，進了停車場以后，用戶的疲勞駕駛倒不是啥痛點。

對此小鵬汽車給虎嗅的解釋是，他們目前還只是要把有人場景下的泊車做好，等到技術成熟時再探索無人場景。

更重要的是，筆者駕駛小鵬P5體驗時處于工作日時間，地下1層的停車場尚未停滿，地下2層更是空空如何。因此，該功能如果放在周末的北京朝陽大悅城，究竟體驗如何尚不可知。

相比之下，百度Apollo為威馬、長城和廣汽埃安提供的AVP記憶泊車產品在賬面參數和功能上就顯得很合理。以威馬W6為例，車輛可以記憶和學習的路徑雖然只有幾百米，但已經可以在車上無人的情況下，根據此前記憶過的泊入和駛出路線，實現手機遙控的自動駕駛。

不過在實際體驗中，若車輛周圍環境與當時進行路線學習時有較大變化，AVP自動泊車有很大概率無法啟動。而這種環境變化包括但不限于：停車場周圍停泊車輛的數量和種類、太陽光照角度的變化、地面上新的積水造成的道路顏色和反射率的差異，以及當地4G信號的強弱（遠程遙控的自動泊車，需要車機與手機的連接），以及車輛自動駕駛系統的心情。

因此，當前能夠可供使用的停車場自動駕駛方案，對于用戶來說都不是那么實用。那么問題來了，到底什么樣的方案，能夠解決在前文提出的三個用戶痛點？

技術難度，才是停車場自動駕駛的最大阻礙

大家可能有印象，曾經博世和戴姆勒聯合發布過停車場自動駕駛方案。兩家廠商打通了預先安放在停車場的攝像頭與車輛之間的數據鏈，走的是“車場協同”路線。只要與博世進行合作的車企，車輛無需安裝更多攝像頭和激光雷達等特殊傳感器，就可以在停車場的攝像頭指引下進行泊車。

相比較之前百度和小鵬的方案，博世與戴姆勒的AVP對車輛的要求更低。但問題在于，如此龐大規模的商場和寫字樓，若要逐一進行場地的勘察與安裝攝像頭，顯然是不菲的成本。對此，停車場管理公司顯然不愿承擔。而這如果要轉嫁到消費者身上，究竟能有多少人愿意為之買單尚屬未知。

相比之下，百度名為P-AVP的方案（P即Public的縮寫）走的是“重車輕場”路線。即在停車場提前繪制高精地圖，并與停車場的物業管理方合作規劃AVP的專用車位，實現車輛的自主尋找車位泊入以及召喚駛出。這些車位普遍比較偏遠，車主萬不得已不會使用，如果能通過自動駕駛提升這部分車位的使用頻率，物業管理方非常樂意。如果能夠實現，顯然是雙贏。

但問題在于，這項功能實現起來技術難度太大。據虎嗅了解，百度此前試圖在2021年下半年就向合作車企交付該功能，但該計劃不斷延遲，最終到今天也沒實現。更重要的是，該方案雖然不用在停車場安裝固定傳感器，但繪制高精地圖以及逐個停車場進行車輛適配，依舊需要耗費人力。畢竟，百度只是供應商，而不同品牌的車型在尺寸、技術架構上都有差異。

這項巨額成本，百度和車企都不愿承擔。

由此可見，小鵬這樣通過車端智能，不依賴場端的做法在商業化上似乎更加可行。虎嗅推測，小鵬的VPA-L在云端實現的路徑共享，讓人看到了“眾包建圖”的模式雛形。如果小鵬能夠在云端將每輛P5在停車場中采集到的地圖整合，那么采圖帶來的成本就可以依靠用戶量的增加而化解于無形。同樣，車企對于自身車輛的底層電子電氣架構也更加了解，適配難度更低，這都是百度所不具備的優勢。

因此，用戶若想要真正能解決自己停車痛點的自動駕駛技術，還需加以時日。當前的智能汽車，恐怕還做不到。

關鍵詞：