1939年——仅仅在福特“T型车”推出20多年、逐步实现汽车的平民化之后——通用汽车在纽约世界博览会上搭建了Futurama的模拟城市展厅，对六十年代的智能交通提出构想。1956年，通用又推出第一款具备自动驾驶功能的概念车Firebird II。

　　概念和构想催生实践研究。20世纪80年代，美国、欧盟分别进入自动驾驶、智能汽车的研究热潮。美国、欧盟资助研发，解决技术和应用问题，日本则涉足略晚，更多关注车联网和智能安全。尽管起步时间够早，一度还是科研领域的热潮，但自动驾驶仅在近几年才开始成为蓝海市场，进入大众视野。笔者通过使用PEST模型，试图透过自动驾驶行业表面，对其宏观环境因素进行分析。

　　自动驾驶行业的PEST分析

　　PEST模型按照政治(Political)、经济(Economic)、社会(Social)、技术(Technological)四大因素洞察企业、行业所处的宏观环境，是经典的分析工具。以下将使用PEST模型对自动驾驶行业进行较为详细的梳理。

　　技术：自动驾驶汽车行业进展快慢，直接相关的就是自动驾驶技术。

　　1984年，卡耐基梅隆大学研发的自动驾驶车辆便能利用激光雷达、计算机视觉及自动控制技术感知周边环境，并据此作出决策，完成自动控制，在一定程度上实现了机器层面的自动驾驶。伴随V2X、人工智能(尤其是深度学习和强化学习)的发展以及更新速度的加快，自动驾驶汽车能够更大程度地模拟驾驶员行为，接近人的智能水平。如今，博世等制造商在自适应巡航系统、道路标志识别、自动泊车等方面已较为成熟，不过这些技术对于自动驾驶的实现还远未足够。

　　《中国智能驾驶白皮书》指出，百年汽车工业成功的三大要素在于规模化生产、精细化管理和高可靠运行。目前传感器的高价格和低产能问题得不到解决、无线数据传输效率低、车联网基础设施覆盖难度大、信息安全技术没有保障……面对种种难题，高度自动驾驶的量产化在短期内还难以兑现，因此，车企在大力研发单车智能的同时仍在谨慎观望关键技术的成本下降以及政府的技术关注度和资金投入。

　　政治：在颠覆性技术尚且超出大众知识理解的范围时，政府牵头促进研发和应用落地就显得弥足珍贵。

　　美国政府自上世纪90年代就实施“智能交通系统”支持自动驾驶汽车发展，2009 年和 2014 年分别以网联化和自动驾驶为重点发布研究计划，并于 2016 年发布自动驾驶汽车政策指南;欧盟、日本也持续推动自动驾驶汽车项目，并且分别在2015、2014年制定了未来发展战略。

　　在国内，相关法律法规滞后，技术标准仍在制定阶段，导致相关企业难以获得路测机会，标准缺失也使得业内产品良莠不齐。此外，自动驾驶汽车的整条业务链涉及多个部委管控，如何高效协同也是摆在从业者和管理者眼前的难题。

　　不过近年来政府规划的支持和宽松的政策管制使得国内的自动驾驶企业有机会与当地政府协商获得政策倾斜，自动驾驶汽车有望获得和电动汽车一样的政策优惠待遇。对此持乐观态度的从业者认为，自动驾驶在提高交通效率、减少事故等方面的优势显著，技术倒逼政策法规制定将是水到渠成的事情。

　　社会：毋庸置疑，自动驾驶为消费者出行带来的效益是巨大的(经济节约、出行方便)，消费者也不必再经历考驾照这个头疼的过程，但汽车的安全可靠度仍是消费者接受的大问题。

　　在大众尚不了解自动驾驶时，特斯拉的致死事故已经造成一定的震动，在概念普及之后，这样的事故给行业带来的冲击可能更为严重。波士顿咨询在报告中发布了对消费者的调研结果，发现多数人还是愿意接受这种新的出行方式，而日本、荷兰、德国民众要显得审慎一些。

　　在近期美国众议院批准自动驾驶法案的过程中，受到拥有140万名会员的美国卡车司机工会的影响，法案将商用卡车排除在自动驾驶之外。Uber、滴滴在进入市场时遭到出租车司机的强烈反对，自动驾驶这样的颠覆性技术也必然会受到传统模式受益者的反对和阻碍。

　　经济：在人工智能、大数据、云计算、新能源和共享租赁模式的驱动下，汽车行业具备了新的发展动力，2016年的汽车产销量和行业营收均实现显著增长。

　　自动驾驶技术作为汽车的发展趋势，被Strategy Analysis预测将有7万亿的市场规模(2050年)，如此庞大的蓝海市场引起资本的竞相追逐。智行者科技CEO张德兆认为，21世纪初汽车已开始具备一定的自动驾驶技术基础，但直到近两年才成为热点，关键是市场对其商业变现能力的认可。

　　除“放开方向盘”这一最直接的价值外，通勤成本降低、交通安全成本降低、车企能够利用驾驶空间创造更多收益(例如广告接入)、运营商省去司机雇用成本、用户体验得到更大程度的挖掘……这些商业变现的途径促使参与者能够更主动地参与到自动驾驶市场之中,力争成为新的生活方式的商业引领者。

　　麦肯锡对未来汽车发展的宏观环境分析

　　类似于PEST模型，其他研究机构也相当注重对未来技术的宏观环境分析。麦肯锡在2016年初发布报告《Automotive revolution – perspective towards 2030》，在探析未来汽车多样化出行、自动驾驶、电动化和互联化这四大发展趋势时，纳入了诸多宏观环境变量，并分别归纳为高层次的变革场景(High-disruption Scenarios)与低层次的变革场景(Low-disruption Scenarios)这两个概念进行衡量，形成预测模型。

　　针对自动驾驶未来发展的预测，麦肯锡认为在技术和法律监管问题得到解决后，在2030年，完全自动驾驶汽车，即无人车能在当年出售的新车中占到15%，高水平的自动驾驶汽车(L3及以上车型)将占到50%。相比较而言，技术、监管、商业的阻碍若难以解决，在2030年能出产的L3级别以上车型连5%都无法达到。

　　总结而言，在技术层面，深度学习、车联网、5G、信息安全等关键技术的进展以及激光雷达等车载硬件在成本、产能上的突破，对于自动驾驶的推动将有强力的影响;

　　政治层面，尽管行业标准、法规体系暂未出台，但国家目前已显露的重视态度值得行业期待;

　　经济层面，自动驾驶商业变现能力得到挖掘，促使其成为资本市场的热点;

　　社会层面，消费者的开放态度和传统行业受益者的反对将持续并存。

　　此外，四个因素之间相互作用，例如，技术的实现将倒逼政策落地，吸引资本的持续投入，给予消费者信心;相反，技术遇阻或难有应用落地将使过度火爆的行业泡沫破碎，引起社会和政府的不信任。可见，自动驾驶的实现是全局性、整体性的，存在着较为显著的短板效应。

　　笔者在走访自动驾驶从业者的过程中，注意到了行业对于全局环境的重视，尤其是行业标准、需要高经费、高精力投入的关键技术和商业变现路径，已成为企业常常提及的痛点。因此，在短时间内，除技术突破之外，实现自动驾驶的目标仍然复杂艰难。