正文
另一方面，从利益角度出发，自动驾驶可以有效提高土地利用率。一个产业新城的建立，大概 30% 的土地会用在交通上，而这 30% 的土地又主要是为私家车服务。这是很大的问题。如果我们更多使用共享出行，土地利用率会大幅度上升，从而使得交通应用的土地从 30% 以上降到 15%，甚至更低，这对城市管理者来说有着巨大吸引力。
从交通管理的角度来讲也是一样。现在停车场事实上造成了一种被动的拥堵，每次快到乘车时，快到达目的地时，人们会自动降低车速，从而造成拥堵。共享出行则不需要专门寻找停车位，整个交通运行效率会提升很多，这也是智慧城市建设的目标之一。
同时，智能驾驶作为产业的关键浪潮，也有助于实现本地政府的产业升级目标，因此也可得到政府的大力支持。
消费者看中的是共享出行的成本和效率。根据摩根斯坦利的数据，共享出行的成本从每英里 1.5 美元降到了每英里 20 美分，在中国差不多也是这种情况。
2. 自动驾驶的应用场景
在应用场景上，自动驾驶主要有两个类型，一个自动驾驶巴士，一个是自动驾驶的小型车。
在中国有很多产业新区和特色小镇，多是从一张白纸开始构建，所以在交通基础设施方面，可以预先为自动驾驶做出规划。这样的条件使得自动驾驶商业化运用可以从很好的基础展开。我们最近跟行业很多人沟通，发现很多产业新区都有一些试运行的自动驾驶计划展开。
中国还有一个不同于欧美的地方是，中国的单个城市体量都很大，上海、北京人口都超过 2000 万，这么大的城市，通勤需求是非常旺盛的。这样的密度对自动驾驶的商业化会产生核聚变效应，当规模和密度到达一定水准时，市区内的通勤在商业上就会变得有利可图。所以繁忙地段公交有非常强烈的自动驾驶需求。
我们曾经跟一个新区政府交流过，他们的产业新区离地铁站较远，偏郊区，所以他们希望在地铁站到园区之间有一段自动驾驶的路段，使通勤变得方便。
在乘运车方面，更多来自共享需求。整体来看，中国的自动驾驶落地跟美国有很大区别，中国现在是低速驾驶优先，在北美则是高速驾驶优先。去年，Uber 在货运车领域收购了 Otto，并且做了成功的自动驾驶货运车实验。
在美国，货运车人力成本较高，因此有强烈的自动驾驶需求。中国巨大的城市群、高人口密度则使低速自动驾驶更具吸引力。
在中国，一方面高人口密度让商业化落地有利可图，但另外一方面，技术的挑战也非常大。企业最开始落地时，大都是从一个封闭的环境开始。驭势科技在广州白云机场进行了自动驾驶的试运行，主要是机场通道内的封闭服务。另外也有一些在繁华地段的停车场进行的自动驾驶，原因在于停车场相对比较容易改造，环境也比较封闭，能够做一些条件上的限制。
四. 共享出行的运营公司及其面临的挑战
在滴滴时代，很多共享出行公司是轻资产运营，更多是提供交易平台，对接需求和服务，但在眼下的分时租赁市场，这样的模式其实不太可行，像 EVCARD 和绿狗，他们都是批量购买新能源车辆，重资产运行。
这种模式在资金上是很大的挑战，2 万辆车可能就需要 10 亿的投资，但另外一个好处是，掌握车辆以后，企业也会得到充分的竞争力，可以很好地调配资源，满足用户需求。
在运营成本和用户体验上，永远会有一个矛盾。用户需要一个完美的分时租赁服务提供端到端的解决方案，也就是任意点取车，任意点停车，但现在其实还做不到这点。一些技术能力差一点的公司，会倾向于在同一个网点停车，这会造成很大的不便。
像 EVCARD 这样的公司因为部署的网点比较多，已经可以做到任意两个网点取车停车，用户体验往前推进了一点，但还远远不够。
比如，用户租了车，到目的地找到一个停车网点，最开始的时候发现有停车位，但可能走过去已经没有了。这是非常麻烦的。这种情况下，如果能够使用自动驾驶服务，体验就会好很多。从 A 到 B 是一个点到点的关系，不用关心取换车的网点是不是在附近。
运维方面，现在分时租赁基本都是新能源车，这就有一个充电的问题。而且通常为了照顾用户需求，白天不太方便充电，只能夜晚充电，但是充电桩也是很大的挑战。充电桩都大量部署在城市外围，夜间需要把用户的还车移到郊区，这个环节要人力完成，成本很高，如果有自动驾驶，就可以方便很多。
这里面还有一个问题，在中国，泊车是一个很大痛点，像上海淮海路这样的热门区域，平均一次就需要半个小时，这里，自动驾驶将可以提供一个很好的解决方案，用户只需要把车开到车库入口处，剩下的事情就是让车自动停。
国外自动驾驶运营商
