一个没有司机的时代离我们有多远?(二)

  

在自动驾驶的背景导入篇中(文章在这里),我们简要回顾了自动驾驶的基础概念,并且回答了三个问题:为什么要发展自动驾驶?现阶段的自动驾驶技术到达了一个怎样的水平?自动驾驶技术的进步将会给产业链带来哪些巨大的变革?同时,也将国内外的技术发展水平进行了概览和对比。

 

在云启资本自动驾驶行业分析报告的第二篇推送中,我们将会集中呈现并分析五家企业在自动驾驶领域里的布局或是发展,其中有汽车厂商特斯拉,也有互联网巨头谷歌、百度;既有依托汽车共享服务发家的成熟初创企业Uber,也有专注“自动驾驶+供应链”的国内新兴初创企业图森。


如果你正在从事和自动驾驶汽车或ADAS系统相关的创业,或对这一领域有自己的见解,欢迎在文末留言,或者通过邮件和我们取得联系:yunqi@yunqi.vc。


01 | 特斯拉:Autopilot精进至 2.0,所有车型具备完全自动驾驶的硬件基础

 

2016年10月,特斯拉发布了自动驾驶系统Autopilot 2.0,宣布消费者如果现在订购特斯拉汽车,就可以选择具有Autopilot2.0套件的车款,所有特斯拉车型(包括Model 3在内)都将具备进行完全自动驾驶的硬件基础。它认为,完全自动驾驶将使得特斯拉成为比人类更靠谱的“司机”。

 

  • Autopilot 2.0运作模式


1)Tesla新的Autopilot将以“影子模式”进行工作:即在后台运行,不采取实际动作,但是会记录自己应该采取什么动作,用于对比机动驾驶与人类驾驶的安全性。


2)为了进行充分测试保障安全性,autopilot 2.0开放的功能暂时少于上一代,暂时被关闭的功能包括自动紧急刹车、碰撞预警、车道保持、以及自动巡航功能。

  • 配套硬件

1)八个摄像头,提供360度环视功能,最远能够测量250米范围内的物体。


2)12个超声波传感器,对视觉作补充。


3)一个增强版的前向毫米波雷达,能够在恶劣天气下工作,探测到前方车辆。


4)一个全新的车载电脑,运行基于深度神经网络研发的视觉系统、声纳与雷达系统软件,其计算能力比上一代强40倍之多。

  • Autopilot 1.0 VS Autopilot 2.0

从特斯拉Autopilot 2.0布局可以看出,自动驾驶的传感技术重心从雷达回到了摄像头。如果这次的特斯拉大升级固定了未来技术路线方向的话,那么这意味着在自动驾驶的探索上,特斯拉从最初选择摄像头为解决方案、到倚重雷达,到最后终于又选择了摄像头,即激光雷达的解决方案很有可能会被特斯拉抛弃。


技术路线回归摄像头的原因猜测:


1. 在方案里加入毫米波雷达,是因为与激光相比毫米波的传播受气候的影响要小得多,可以认为具有全天候特性。


2. 雷达技术造成的误识别几率更高,安全风险更大。因此,特斯拉方面对于摄像头的图像处理更加有信心。


3. 雷达的生产成本较高,即改善雷达技术缺陷的成本过于大。著名的激光雷达创业公司Velodyne正在计划降低其激光雷达产品的生产成本,并在中国国内寻找相应代工商。

 

至于自动驾驶传感器未来的走向,我们认为存在一种混合型的路线:即把各种“不完美”的传感器组合起来。

 

摄像头擅长识别(物体是车还是人、标志牌是什么颜色),但容易受光线、天气影响,在强光直射时会出现致盲,运气最差的时候会导致整个传感器失灵。毫米波雷达在不同光线和天气中表现出较强的可靠性,主要作用也是检测追踪物体,但分辨率相对较低,看东西像近视眼没戴眼镜,并且检测行人的能力不足;激光光束的聚拢特性,不会因为衍射而错过细小物体,不过因为整体技术不如毫米波成熟,在雨雾天的表现会收到影响。

 

因此,这种路线认为,在“硬件万无一失”的前提下,可以简化算法更快实现功能。没有一个传感器可以独当一面,激光雷达也不例外。但是因其精准快速的特点,成为必不可少的补充。

 

02 | 谷歌:最先进入无人车研发领域的互联网巨头

 

  • 谷歌无人车的“软件+硬件”配置

  • 谷歌的无人车技术发展及最新的路测情况


1)谷歌目前在路上公测的车型包括24辆雷克萨斯RX450H SUV、34辆原型车。


2)截至今年10月,自动驾驶模式下一共行驶了2,230,275公里;手动模式行驶了1,309,634公里;平均每月自动驾驶里程数2.4-2.6万公里。


3)谷歌进行路测的区域包括:Kirkland、Mountain View、Phoenix、Austin。


4)谷歌当前致力于如何利用自动驾驶技术如何实现三点调头。自动驾驶汽车拥有比人类更加开阔的视角,但是在实际的解决过程中,不仅需要能够具备因地制宜的能力,更要尽可能符合人类的驾驶习惯。

  

03 | 百度:三级与四级自动驾驶技术同时发力


  • 百度无人车的时间发展节点

1)百度自动驾驶车项目于2013年起步,由百度研究院主导研发,其技术核心是“百度汽车大脑”,包括高精度地图、定位、感知、智能决策与控制四大模块。


2)2013年,自动驾驶汽车项目启动。


3)2015年12月,百度自动车进行了第一次路测。


4)2015年12月14日,百度自动驾驶事业部(四级)成立,百度自动车现世。


5)2016年3月31日,百度正式发布“智慧汽车战略”,并与长安汽车签署战略合作协议。


6)2016年11月30日,百度宣布成立L3事业部,专攻自动驾驶三级技术。

 

  • 谷歌与百度的区别与联系

而从2016年12月开始,百度与谷歌之间又多了一个新的区别,即百度不仅仅致力于一步到位地实现四级的完全无人驾驶技术,也开始专攻ADAS路径下的三级不完全自动驾驶技术。新组建的百度L3事业部将会专注于研发无法向Level 4过渡的Level 3级别自动驾驶方案。

 

至于L3事业部与自动驾驶事业部之间的关系,则是明显既竞争又合作的关系。两者将共享底层资源,并保持一定的沟通。但是在经费与人力问题上,两者也将展开直接竞争,势必会以各自的发展来进行评估。

 

在眼下的国内互联网格局里,百度数百亿美元的市值已经不抵阿里腾讯两者动辄数千亿美元市值的几分之一。因此,想要维持甚至超越现在的互联网巨头的地位,百度必须要抢占新的高新技术市场,找到新的业务增长点。而新兴的自动驾驶技术所需的人工智能、大数据等技术正是百度所擅长的,而且自动驾驶背后极可能是下一个千亿级市场规模的金矿。

 

因此,在被两大巨头围拢夹击的形势下,自动驾驶技术几乎是百度的必争之地。而然百度日前宣布成立L3事业部,形成了与原本自动驾驶部门竞争的格局,虽然这可能实现两方技术上的分享、互补与促进,但是L3的出现势必会分散原本投注在自动驾驶上的各种资源。

 

基于上文的判断,我们认为百度选择在三级与四级技术层面同时发力的原因可能包括:

 

1. 三级自动驾驶技术虽然不能够实现完全的自动驾驶化,但这也意味着三级的技术难度低,能够更快地研发、成熟与商业化。实际上,高频行驶的商用车对于自动驾驶的需求更急迫,而且商用车出入的高速与工业园这类场景对于自动驾驶的技术要求并不高,三级基本可以满足应用需求。因此百度发力三级自动驾驶,可以更快地孵化技术,进行商业化和变现。

 

2. 四级驾驶技术的研发难度大,投入的成本高昂,商业化阻碍多。一辆成熟的四级自动驾驶汽车不仅包括设备先进且昂贵的硬件设施,而且需要配备经过大量测试和调整的软件系统。简而言之,直到百度无人车上市之前,自动驾驶事业部一直在烧钱,而且是大量地烧钱。而且百度最近也没有对外公布自身在四级自动驾驶技术上的新突破,反而是终止了和宝马汽车的合作,因此可以推测出百度四级自动驾驶技术的进展也并不顺利。除了技术的难度大之外,四级驾驶汽车还面临着更多的法律和伦理问题。

 

因此退而求其次地先实现三级的自动驾驶技术,不失为一项保留长期战斗力的战略选择。

 

04 | Uber:今年8月收购Otto,进入自动驾驶卡车市场


  • Otto简介

Otto是一家专注自动驾驶卡车领域技术初创公司。两位联合创始人是谷歌公司的前工程师,分别来自于谷歌无人车项目和地图项目。

  • 收购动机

1)这一收购行为,保守估计可以为Uber带来6.8亿美金的利润。


2 )Otto与Uber之前专攻的自动乘车服务的方向不同。因此收购Otto可以丰富特斯拉在自动驾驶领域的生态建设和服务种类。而且相较于自动乘车服务,以卡车为载体的自动运输服务能够带来更高的收入、更低的平均运费以及更加可预测的收入水平。


3.)虽然,自动驾驶卡车目前算是比较小众的市场,但是已经存在相当激烈的竞争,包括戴姆勒公司在卡车硬件上的生产研发与Pelton公司在自动化同步系统和基于节省燃料目的的绘图技术上的突破。收购完成之后,双方能够更加深入紧密地合作,尽快搭建出自动驾驶货运系统的基础框架。


4)今年10月,Otto和百威啤酒合作顺利的完成了自动驾驶卡车的第一次的商业使用,实现首次创收。

 

实际上,自动驾驶技术更适合,也将更早地运用在长途卡车的运输上。因为长途运输具有路况更加安全、可测的特点。同时,自动驾驶技术也将通过取代卡车司机的方式,极大地削减运输费用,而且自动卡车还能进行毫无间断的行驶。

 

05 | 图森:专注于可商业化的城际物流运输自动驾驶的研发和应用

 

  • 商业模式:物流运输自动驾驶的运营商

限定路段自动驾驶:高速公路自动驾驶,非高速与高速公路出入匝道人工驾驶;只需一名司机,完成单车长途运输。


全程队列运输:第一辆车在限定路段自动驾驶,后续车辆(最多4辆)无人驾驶跟随,组成紧密行驶的车队;两名司机在第一辆车,负责监控车队;油耗成本降低15%。


固定开放路段的点到点无人驾驶:城际间全程无人驾驶,可自动形成车队;无需人工司机。

  • 市场规模:亿万级市场

图森计划通过物流运输自动化平台,用自动驾驶替代800万名货运司机,并降低75%的货车事故致死率,即平均每年减少死亡14000人左右。中国市场平均每名司机的成本为12万元/年,即可行形成每年万亿元级别的市场规模。

  • 团队竞争优势:拥有全面且充分的竞争优势

团队:图森的合伙人团队拥有人工智能、计算机视觉、高性能计算、车辆工程、硬件研发等领域的专家。


数据:图森拥有中国最大的自主数据采集和标定平台。月均上千小时的各类行车数据入库,日均超2万张图片由人工标定平台处理。


技术:图森在自动驾驶领域全球最权威的的两个数据集 KITTI 、CityScapes 的评测中获得9项世界第一,并在人脸识别领域的 300W 和 AFLW 评测中获得世界第一。


产品化:图森的实车demo可实时运行上述 KITTI、 CityScapes 等数据集的算法。


落地:图森已与申通快递有限公司达成战略合作伙伴关系,合作开发可商业化的城际物流运输自动驾驶解决方案

  • 对传统物流运输模式的两大突破

降低成本:公路货运中,工资约占总成本的41%;驾驶员薪资为6000~8000元/月,部分地区更高。


提高安全: 货车事故致死率达32%;50%的客货运司机表示曾有疲劳驾驶经历,是驾驶事故主因。


分享到: