無人駕駛商業(yè)落地難點在于外部環(huán)境的復(fù)雜性

無人駕駛商業(yè)落地難點在于外部環(huán)境的復(fù)雜性。無人駕駛技術(shù)在運營領(lǐng)域取得突破性進展可能是在2021年5G大規(guī)模應(yīng)用之后，主機廠要想把搭載L4級無人駕駛技術(shù)的車輛賣給消費者，至少應(yīng)該在MEMS激光雷達在前裝車規(guī)模應(yīng)用后（預(yù)計2025年以后）。2018年國外車企無人駕駛水平可以做到L2-L3之間，個別車型達到L3級別；國內(nèi)大多數(shù)車企處在L1-L2的水平，部分車企已經(jīng)具備L2級無人駕駛的能力。2019年國內(nèi)大多數(shù)車企都會落地L2自動駕駛技術(shù)。百度無人駕駛路測牌照質(zhì)量和數(shù)量雖然在國內(nèi)遙遙領(lǐng)先，但在加州其路測數(shù)據(jù)中MPD值落后Waymo兩個量級。

目前互聯(lián)網(wǎng)公司不具備量產(chǎn)汽車的能力，很難解決無人駕駛在執(zhí)行層面遇到的問題，要么直接購買汽車開展運營業(yè)務(wù)，要么專注于汽車大腦放棄造車。傳統(tǒng)車企有量產(chǎn)優(yōu)勢，但也受制于安全性、成本壓力，整車廠主導(dǎo)的無人駕駛進度應(yīng)該是逐步推進的。如果只看整車廠和互聯(lián)網(wǎng)公司對無人駕駛的規(guī)劃，很容易認(rèn)為無人駕駛正在迅速到來。然而受傳感器和人工智能技術(shù)進步的制約，無人駕駛的各種商業(yè)模式成熟度不一樣，規(guī)?；瘧?yīng)用的時間節(jié)點也不一致。正如科幻作家威廉?吉布森(William Gibson)所言：“未來已經(jīng)到來—只是分布并不十分均勻。”

一、無人駕駛發(fā)展歷程

1、無人駕駛汽車發(fā)展歷程

Google在2009年建立了由Thrun領(lǐng)導(dǎo)的無人駕駛汽車項目。2012年，自動駕駛原型車開始進入美國公共道路，他們已經(jīng)行駛了數(shù)千萬公里，也變得更加安全可靠。但這項技術(shù)離大規(guī)模部署還有一段距離。

圖1：國外無人駕駛汽車發(fā)展歷程

圖2：我國無人駕駛汽車發(fā)展歷程

來源：公開資料整理

2、難點在于外部環(huán)境的復(fù)雜性

人類駕駛的工具可以分為三類：車，船，飛機。無人機、無人船并沒有引起大公司足夠的興趣，然而無人車從進入大眾目光開始，就挑起了巨頭們的強烈的興趣，原因有二：一，汽車數(shù)量大，市場萬億級，足以挑動巨頭們的神經(jīng)；三，汽車屬于高頻使用，無人車應(yīng)該會比無人機、無人船能為人類節(jié)約更多時間，促進生產(chǎn)效率的提升。

在介紹無人駕駛汽車之前，我們先回顧一下無人駕駛飛機的發(fā)展。飛機的無人駕駛早在1910年代就出現(xiàn)了，1930年代成熟，工程師把飛機的升降舵、副翼和方向舵與陀螺儀和高度計相連，飛機可以根據(jù)設(shè)定的方向和高度飛行。20世紀(jì)70年代，電子計算機進入飛機，從而實現(xiàn)了自動化飛行。那么飛機飛行是否就可以不要駕駛員，而完全由計算機控制自動完成飛行任務(wù)了呢？答案是不行。主要原因在于：飛機在起飛和降落這兩個階段中，變化因素太多，計算機只能按預(yù)先編好的程序動作，不具備靈活反應(yīng)的能力；即使飛機在巡航狀態(tài)時，駕駛員可以不做任何動作去控制飛機，但他必須監(jiān)視這個機器“大腦”的工作。萬一這臺“大腦”出現(xiàn)什么故障或反應(yīng)不夠及時，駕駛員要立刻接管駕駛飛機的任務(wù)，這樣才能保證飛行安全。

飛機無人駕駛替代的是“飛行員看儀表指針并在指針偏離設(shè)定值時按固定動作修正回來”的操作。之所以飛機能夠用于這個功能，因為天空飛行和海洋航行、太空飛行一樣，在巡航階段的很多情況下并沒有什么“情況”。巡航階段即使發(fā)現(xiàn)情況，也不會立即發(fā)生事故，飛行員有時間接手處理。而汽車面對的交通場景是有車道線的公路，公路比天空和海洋里巡航階段要復(fù)雜太多，一旦發(fā)生偏離，幾乎立刻會發(fā)生事故，這也是汽車無人駕駛發(fā)展緩慢的原因。

無人車需要大量的傳感器，精確識別道路上的物體大小、速度、距離和方向，判斷道路方向、路面狀況，猜測物體下一步可能發(fā)生的運動改變并在緊急情況打破形式限制，將來甚至還需要在發(fā)生事故中知道如何選擇更輕微的事故方式。對于人來說近乎本能的駕駛反應(yīng)，對于無人車來說則是大量傳感數(shù)據(jù)、綜合處理和算法積累。筆者認(rèn)為，如果當(dāng)前汽車駕駛面臨的復(fù)雜外部環(huán)境不變，面向私人消費者的乘用車（VaaP）實現(xiàn)完全無人駕駛需要讓汽車大腦具備人腦面對突發(fā)情況時的推理和判斷能力。人類只有進入了一個人工智能高度成熟的時代，這種情況才可能實現(xiàn)。因此面向消費者的乘用車完全無人駕駛離規(guī)模應(yīng)用還十分遙遠。

二、國內(nèi)外無人駕駛水平對比

國際汽車工程師協(xié)會（SAE）制定的汽車智能化分級標(biāo)準(zhǔn)，從駕駛操作、環(huán)境監(jiān)控、系統(tǒng)接管、應(yīng)用場景四個方面，SAE把汽車智能化分為L0-L5五個等級，如下圖所示：

圖3：無人駕駛等級劃分

來源：公開資料整理

L4和L3的區(qū)別在于，L3在系統(tǒng)出問題時需要人接管，而L4可以自己處理所有特殊情況。L4和L5的區(qū)別在于，L4只適用于特定場景，L5適用于所有場景。目前市面上在售的所有汽車幾乎都還處于組合功能輔助駕駛的階段。

1、主機廠車型對比

Tesla的Autopilot系統(tǒng)能夠?qū)esla電動車具備的眾多L2功能，如AEB、ACC、LKS等有機結(jié)合起來，實現(xiàn)了高速公路的無人駕駛。2018新款的奧迪A8搭載了名為“Traffic Jam Pilot”的特定條件的L3無人駕駛，解決的是特定場景-交通擁堵情況下的無人駕駛。從量產(chǎn)車的角度來看，全球現(xiàn)在只有一臺L3級別的自動駕駛，奧迪全新A8。具備L2功能的自動駕駛量產(chǎn)車，到目前為止只有凱迪拉克CT6、特斯拉model s、x、3，沃爾沃S90、XC90，XC60、奧迪Q7、奔馳E級、日產(chǎn)第二代聆風(fēng)。國外主機廠無人駕駛水平可以做到L2-L3之間，個別車型達到L3級別。

國內(nèi)大多數(shù)車企目前處在L1-L2的水平，部分車企如小鵬、拜騰、蔚來、威馬等已經(jīng)具備L2級無人駕駛的能力，2019年國內(nèi)大多數(shù)車企都會落地L2自動駕駛技術(shù)。

2、路測數(shù)據(jù)對比

截至目前，已經(jīng)有60家企業(yè)取得了加州自動駕駛路測牌照，其中美國本土企業(yè)數(shù)量32家，中國12家。取得中國自動駕駛路測牌照的主機廠最多，占到了62%，第二名是互聯(lián)網(wǎng)公司，占據(jù)17%，自動駕駛算法公司也占到了13%的份額。獲得美國加州自動駕駛路測牌照的企業(yè)中，自動駕駛算法企業(yè)占39%，主機廠占據(jù)了25%的份額，互聯(lián)網(wǎng)公司占據(jù)13%，還有一些Tier1供應(yīng)商和芯片廠商也在美國獲得了自動駕駛路測牌照。

國內(nèi)申請牌照前，測試車輛和安全員分別要進行5000公里以上的封閉測試場日常訓(xùn)練、至少50小時的培訓(xùn)訓(xùn)練。加州自動駕駛路測牌照的獲取方式更為簡單，只要繳納500萬美元的保證金，按照加州車管局（DMV）的要求向其提交測試數(shù)據(jù)，并滿足DMV對技術(shù)、公司資質(zhì)等方面的審核標(biāo)準(zhǔn)，就可以拿到一張自動駕駛路測牌照。以下為獲得中美兩國自動駕駛牌照的企業(yè)以及相關(guān)情況。

圖5：獲得美國自動駕駛牌照的企業(yè)

圖6：獲得中國自動駕駛牌照的企業(yè)

圖7：獲得自動駕駛路測牌照的企業(yè)最新進展

來源：億歐

北京自動駕駛測試試驗用臨時號牌共分為T1至T5五個級別，T3代表著較高的技術(shù)級別，也是現(xiàn)階段業(yè)內(nèi)所能考到的最高級別，百度、小馬智行、智行者取得了T3牌照，其他企業(yè)均為T1。數(shù)量方面百度憑借29張自動駕駛路測牌照遙遙領(lǐng)先。從DMV發(fā)布的2017自動駕駛脫離報告來看，Waymo和通用的MPD值達到了同一個量級，百度和Waymo相差兩個量級。根據(jù)麥肯錫的研究報告顯示，中國本土自動技術(shù)在算法、訓(xùn)練數(shù)據(jù)上還需要2～3年的追趕時間。

圖8：DMV發(fā)布的2018自動駕駛脫離報告情況（部分）：

三、無人駕駛主流商業(yè)模式

無人駕駛主流商業(yè)模式有兩種，第一種是企業(yè)作為價值鏈的一部分，把車作為最后的產(chǎn)品，賣給私人消費者（VaaP）。另一個商業(yè)模式，把無人駕駛技術(shù)應(yīng)用在服務(wù)的場景中，收取服務(wù)費用，比如替代出租車司機的人力成本后，把每一次取得的項目費用作為無人駕駛營收（TaaS）?？紤]到Waymo在2018年底在美國運營無人駕駛出租車業(yè)務(wù)時還配備安全員，無人駕駛技術(shù)在運營領(lǐng)域取得突破性進展可能是在2021年5G大規(guī)模應(yīng)用之后，典型特征是Waymo完成一億公里路測，一個安全員可以在后臺遠程監(jiān)控甚至操作上千臺無人駕駛出租車。主機廠要想把搭載L4級無人駕駛技術(shù)的車輛賣給消費者，至少應(yīng)該在MEMS激光雷達前裝規(guī)模應(yīng)用（預(yù)計2025年）以后，而且涉及到事故安全責(zé)任的問題，極有可能只面向少數(shù)人群。

圖9：各家公司對L4的商業(yè)化計劃

來源：公開資料整理

1、TaaS模式：Waymo無人出租車業(yè)務(wù)缺乏安全考量

以Google、Uber等為代表的互聯(lián)網(wǎng)公司，通過安裝價格高昂的傳感器（激光雷達為主），獲得高質(zhì)量傳感器數(shù)據(jù)，再通過大規(guī)模的路測，積累海量數(shù)據(jù)，鍛煉算法，讓汽車大腦更加聰明，從而“一步到位”地實現(xiàn)完全無人駕駛，從而顛覆整個出行行業(yè)甚至汽車產(chǎn)業(yè)。目前L4載貨業(yè)務(wù)已經(jīng)可以落地，載人業(yè)務(wù)在封閉區(qū)域低速行駛情況下（短距離接駁車）也已經(jīng)可以落地。但是在開放路況中，在人與車共享路權(quán)的情況下，要想實現(xiàn)出租車隊實現(xiàn)無人駕駛安全性，還需要足夠的路測和模擬仿真駕駛里程。

L4級別的業(yè)務(wù)競爭壁壘在于數(shù)據(jù)積累和算法。目前的算法，除了將基本的交通規(guī)則寫入算法外，在遇到各種交通規(guī)則不能覆蓋的路況時，需要將路況信息記錄下來，告訴汽車大腦，下次再遇到這種情況如何處理，本質(zhì)上類似于人類的經(jīng)驗學(xué)習(xí)。這就給路測數(shù)據(jù)和仿真模擬數(shù)據(jù)有效性帶來了疑問，雖然路測數(shù)據(jù)積累越來越快，但如果汽車面對的外界環(huán)境沒發(fā)生本質(zhì)改變，比如Waymo是在限定的 25 個城市展開道路測試，汽車大腦學(xué)到的經(jīng)驗有可能是重復(fù)的，并沒有變聰明。

有資料顯示，人類駕駛員平均每駕駛9656萬公里會發(fā)生一起致命車禍。因此無人駕駛路測應(yīng)該不少于一億公里，此外還需要在計算機虛擬環(huán)境測試9億公里。谷歌是較早投入到無人駕駛技術(shù)研究的企業(yè)，目前已經(jīng)在進行無人出租車商業(yè)運營，其Waymo產(chǎn)品的路測數(shù)據(jù)為1600萬公里。按照Waymo的路測進度， 2025年前路測數(shù)據(jù)能突破1億公里。Waymo 跑完第 1 個 100 萬英里耗時整整 6 年，第 5 個 100 萬英里只用了 4 個月；同時虛擬里程也從去年 17年10 月的 10 億英里迅速攀升至 18年2月的50 億英里。

圖10：Waymo數(shù)據(jù)積累曲線

來源：公開資料整理

美國的人類駕駛員每 165000 英里才出一起普通事故；每 90000000 英里才出現(xiàn)一起致死事故。從平均每次干預(yù)行駛的里程（MPD值）角度，Waymo經(jīng)歷從每 5000 英里（ 2016 年）到 5596 英里（ 2017 年）再到11153英里（2018年）干預(yù)一次的轉(zhuǎn)變，我們可以看出從2016年到2017年MPD提升的幅度很小，2017到2018年提升幅度卻很大。按照2018年的提升幅度有理由相信Waymo的MPD值在不久的將來能夠達到人類水平，只是數(shù)據(jù)大幅提升的原因究竟是人工智能技術(shù)有升級還是汽車大腦已經(jīng)熟悉了路況尚不清楚，如果Waymo的汽車大腦已經(jīng)熟悉了平時訓(xùn)練的道路，在2018年MPD突然大幅提升也不是不可能。

圖11：MPD值對比

打造無人駕駛出租車隊，有降低人力成本的好處，將來在廣告、贊助、車內(nèi)服務(wù)等新的商業(yè)模式上也可以進行創(chuàng)新。但是中國無人駕駛環(huán)境復(fù)雜，人口稠密、混合交通、野蠻駕駛，人力成本相對低，如何能推行適合“本土化”的L4、L5無人駕駛技術(shù)是運營商需要考慮的重點。

預(yù)計未來無人駕駛出租車在城市運營有三種可實現(xiàn)路徑：1、為出租車建立專用“管道”，從而讓無人駕駛出租車面對的環(huán)境更加簡單，這種管道可以是虛擬的高精度地圖加高精度定位，也可以是實際道路（各地正在興起的無人駕駛小鎮(zhèn)有可能會興建無人駕駛專用道路）；2、借助后臺人員遠程監(jiān)控操作無人駕駛車輛，當(dāng)無人駕駛車遇到不能決斷的情況時，把控制權(quán)交給后臺人員（并不是嚴(yán)格意義上的L4）；3、等待人工智能推理判斷能力的成熟，無人駕駛車輛能夠在和人共享路權(quán)的情況下，準(zhǔn)確判斷周圍人的運動意圖（根據(jù)以上討論這種路徑在2025年前不太可能實現(xiàn)）。

除了無人出租車隊，我們現(xiàn)在也已經(jīng)能看到在特定場景的無人駕駛，包括港口、園區(qū)、安防、礦區(qū)、景區(qū)、機場、環(huán)衛(wèi)等。因為是在特定場景，環(huán)境相對簡單可控，在具備高精度地圖的情況下，對于感知和決策的算法要求就沒那么高，人工智能不需要面對多變的情況，現(xiàn)階段的人工智能已經(jīng)足以應(yīng)付這些場景，雖然這條技術(shù)路線的技術(shù)門檻并不高，但卻存在很多經(jīng)驗性的技能，積累足夠的數(shù)據(jù)之后，就可以把產(chǎn)品服務(wù)性價比做到最好，從而形成競爭優(yōu)勢。現(xiàn)階段就能落地的項目可以給企業(yè)帶來持續(xù)的現(xiàn)金流，不必為了做無人駕駛出租車隊去等待法律法規(guī)的開放或者爭取有限的測試牌照進行漫長的路測。

圖12：國內(nèi)部分無人駕駛企業(yè)應(yīng)用場景

2、VaaP模式，主機廠采取逐步豐富有條件L3、L4的策略

將車輛賣給私人消費者(VaaP)的主機廠，出于安全和成本考慮，會走循序漸進的技術(shù)路線。奧迪、福特、通用、寶馬、豐田這樣的企業(yè)內(nèi)部都具備強大的技術(shù)積累，他們從幾十年前就開始努力發(fā)展安全輔助駕駛。此外汽車一級供應(yīng)商（Tier1），大陸、博世、德爾福等也掌握了很多的技術(shù)。2017年8月29日，德國科隆經(jīng)濟研究所（Cologne Institutefor Economic Research）檢索并分析了2010年至2017年7月期間的5839項自動駕駛相關(guān)專利，以確定該領(lǐng)域的活躍公司。第一名既非汽車制造商，也非美國高科技公司，而是德國汽車部件供應(yīng)商博世。日本權(quán)威媒體與專利分析公司Patent Result合作，18年出了一份自動駕駛專利競爭力排名，排在第一的是谷歌Waymo、第二是豐田，前十名主要被美國和日本車企所占據(jù)。

圖13：無人駕駛專利數(shù)量對比

來源：公開資料整理

未來全功能的L3還需要實現(xiàn)更多場景下的無人駕駛，比如高速公路上的自動跟車、高速公路全速120公里自動行駛、全自動泊車（代客泊車），通過高頻使用場景的逐步無人化，最終實現(xiàn)Tier1主導(dǎo)的全功能的L3、 L4?，F(xiàn)在的算法已經(jīng)足夠解決部分L3的問題了，全功能的L3關(guān)鍵是傳感器性能還達不到場景需求，無法量產(chǎn)。

國內(nèi)各傳統(tǒng)整車廠對于無人駕駛技術(shù)的規(guī)劃較為激進，相對而言北汽的規(guī)劃更加實事求是。造車新勢力要比傳統(tǒng)車企更為激進。比如，蔚來、拜騰都表示將于2020年實現(xiàn)L4級無人駕駛，車和家更是希望2019年就能出L4級樣車了。車企制定較為激進的規(guī)劃是為了吸引消費者注意，跟風(fēng)放“衛(wèi)星”。

表1：國內(nèi)主機廠無人駕駛規(guī)劃

來源：公開資料整理

面向消費者的L4級別的乘用車勢必要用到中遠程激光雷達，目前MEMS激光雷達還沒有量產(chǎn)，距離車規(guī)級應(yīng)用還需要一段時間，此外激光雷達成本過高也會延緩量產(chǎn)進度。如果車企選擇不用MEMS激光雷達，以Mobileye視覺技術(shù)為核心與GPS、IMU、超聲波、毫米波雷達等傳感器做深度融合，打造一款可在受限場景下穩(wěn)定運行的無人車也是是可行的。但是這種技術(shù)路線由于沒有使用MEMS激光雷達，數(shù)據(jù)精度和安全性都會下降。到時車企雖然號稱配備了L4級的無人駕駛，但因為不好用不會被私人消費者接受，只能配在少數(shù)車型上。

四、競爭分析

1、玩家背景分析：主機廠VS互聯(lián)網(wǎng)公司

玩家背景可以分為兩大類，一類是硬件為主的主機廠，另一類是軟件為主的互聯(lián)網(wǎng)公司。主機廠又可以分為傳統(tǒng)背景和新能源背景，傳統(tǒng)背景主要指燃油車時代形成的國際國內(nèi)主機廠，新能源背景主要指傳統(tǒng)汽車從業(yè)者或者創(chuàng)新型企業(yè)家在新能源變革的趨勢下，抓住機會，將汽車新能源趨勢和智能化趨勢結(jié)合起來另立門戶，代表企業(yè)有Tesla，蔚來汽車、小鵬汽車，他們創(chuàng)業(yè)骨干來自國際國內(nèi)各大主機廠。以Tesla等為代表的新興公司，在傳感器上力求降低成本，在無人駕駛推進上相當(dāng)激進。

互聯(lián)網(wǎng)公司出身的創(chuàng)業(yè)團隊，國內(nèi)主要是指百度以及從百度出來的創(chuàng)業(yè)團隊，國外主要是指來自Google、Apple、Tesla、Uber的無人駕駛團隊。按照學(xué)術(shù)背景創(chuàng)業(yè)團隊又可以分為兩類，一類是斯坦福、卡耐基梅隆、清華大學(xué)、中科院等計算機名?；蛘哐芯克膶＜医淌谧プ?a href="http://www.wenjunhu.com/v/tag/3744/" target="_blank">計算機視覺技術(shù)成熟的趨勢，對汽車進行智能化改造。通過攝像頭，Mobileye的單目能夠提供L1的前車碰撞預(yù)警，肖建雄的AutoX，能實現(xiàn)L4級別的載貨應(yīng)用。另一類是機器人背景的創(chuàng)業(yè)團隊，借助人工智能技術(shù)的進步，對傳統(tǒng)工廠中的自動導(dǎo)引車（AGV）進行改造升級。COWAROBOT與環(huán)衛(wèi)龍頭“中聯(lián)環(huán)境”聯(lián)合開發(fā)了無人駕駛掃地車，未來有望開發(fā)出在更加動態(tài)、開放環(huán)境中的快遞機器人、送餐機器人、跟隨載物機器人以及無人駕駛汽車。

圖14：國內(nèi)無人駕駛企業(yè)背景

來源：億歐

2、競爭策略：聯(lián)盟、投資并購、垂直整合

傳統(tǒng)車企有量產(chǎn)優(yōu)勢，但也受制于安全性限制、成本壓力，導(dǎo)致無人駕駛進度是逐步推進?；ヂ?lián)網(wǎng)公司不具備量產(chǎn)汽車的能力，很難解決無人駕駛在執(zhí)行層面遇到的問題，要么直接購買汽車開展運營業(yè)務(wù)，要么專注于汽車大腦放棄造車。

無人駕駛技術(shù)涉及到的汽車本身、計算平臺（芯片）、雷達、攝像頭、高精地圖、通訊技術(shù)等眾多領(lǐng)域，這些技術(shù)不是哪一家企業(yè)單憑一己之力可以完全做到的。對此企業(yè)有三種應(yīng)對策略。

一是聯(lián)盟：在無人駕駛技術(shù)研發(fā)進程中，技術(shù)生態(tài)圈的構(gòu)建會成為一大趨勢。當(dāng)前，市場上已經(jīng)出現(xiàn)了一些技術(shù)聯(lián)盟，如寶馬-英特爾-Mobileye、Uber-沃爾沃-戴姆勒、Lyft-通用-捷豹路虎、谷歌OAA聯(lián)盟，以及百度阿波羅平臺等。寶馬－英特爾－大陸－德爾福－Mobileye聯(lián)盟，寶馬負(fù)責(zé)駕駛控制、動力學(xué)、整體功能性評估、原型車生產(chǎn)。英特爾負(fù)責(zé)解決從汽車到數(shù)據(jù)中心的計算能力，包括傳感器聚合、駕駛策略、環(huán)境建模、路徑規(guī)劃以及處理器、固態(tài)硬盤和人工智能平臺等訓(xùn)練和模擬基礎(chǔ)設(shè)施。Mobileye則擅長計算機視覺處理，同時結(jié)合英特爾CPU和FPGA技術(shù)構(gòu)成的中央計算平臺，集成到每一輛無人駕駛汽車中。而作為Tier1，德爾福與大陸的加入更多地扮演技術(shù)集成的角色，它們更擅長將一堆部件結(jié)合成一套“總成”。

博世－百度－高德－四維圖新聯(lián)盟，相比上述陣容少了一個汽車制造商的角色。聯(lián)盟的牽頭者百度也并未想過自己造車，而是選擇在其它主機廠現(xiàn)成的車輛上搭載一套無人駕駛系統(tǒng)。未來百度通過售賣無人駕駛系統(tǒng)或提供系統(tǒng)租賃和運維服務(wù)。這種模式在傳統(tǒng)行業(yè)中已有案例。GE通過租賃航空公司發(fā)動機實現(xiàn)商業(yè)運營，發(fā)動機實時和衛(wèi)星連接，將數(shù)據(jù)傳回至GE，后者對發(fā)動機狀態(tài)及是否需要維護的情況一清二楚。在此合作中，百度主要提供高精地圖、自定位、增強現(xiàn)實、人機交互界面等核心技術(shù)。博世提供無人駕駛測試車的雷達和傳感器。

二是投資和并購：國外車企和其他巨頭與無人駕駛公司合作非常密切，甚至像通用（收購Cruise），福特（收購Argo），Uber（收購otto），德爾福（收購Ottomatika）等紛紛收購了至少一家無人駕駛公司。而國內(nèi)的車企為什么沒有收購初創(chuàng)公司的動作？這是汽車產(chǎn)業(yè)成熟度的差異造成的。汽車制造作為百年工業(yè)，發(fā)達國家的企業(yè)都經(jīng)歷了漫長的技術(shù)積累周期，為了保持產(chǎn)品的優(yōu)勢，很多新技術(shù)本身就是由他們提出的，已經(jīng)形成非常成熟的研發(fā)體系。現(xiàn)在世界上最頂級的一級供應(yīng)商里，德爾福曾是通用的零件子公司，電裝（denso）原是豐田的電氣安裝部門，以此足見國外車企的技術(shù)強大。而國內(nèi)汽車市場興起時，汽車的供應(yīng)鏈體系已經(jīng)很成熟，國內(nèi)市場爆發(fā)又快，車企把全部精力都放在占領(lǐng)市場上，技術(shù)都是直接拿來使用，幾乎沒有研發(fā)?，F(xiàn)在雖然很多企業(yè)開始重視研發(fā)，但差距巨大短時間根本無法趕上。因此，國內(nèi)車企更像一個組裝廠，就算他們收購或者找無人駕駛公司合作，自身也沒有足夠的技術(shù)能力支撐無人駕駛的技術(shù)需求。所以，在國內(nèi)與車企合作，更多需要提供一套完整的無人駕駛解決方案，這個挑戰(zhàn)比國外公司只用做好優(yōu)勢環(huán)節(jié)來說，要大太多。

三是垂直整合：少數(shù)公司也希望完全自主開發(fā)電動無人駕駛出租車解決方案。特斯拉就希望在該公司的高端電動車上配備無人駕駛軟件，并組建“特斯拉網(wǎng)絡(luò)”專車服務(wù)。神秘汽車科技獨角獸Zoox也在開發(fā)具備無人駕駛功能的電動汽車。Alphabet旗下的Waze同樣在加州推出了拼車服務(wù)，雖然與專車服務(wù)有所不同，但外界仍然懷疑該技術(shù)未來可能與Waymo的無人駕駛汽車整合。

圖15：目前在無人駕駛領(lǐng)域占得一席之地的車企、互聯(lián)網(wǎng)公司和各種解決方案供應(yīng)商

來源：Vision Systems Intelligence

五、無人駕駛面臨的技術(shù)困境：

感知和預(yù)測是較困難的部分

關(guān)于汽車電動化智能化的思考：汽車發(fā)展的趨勢是什么？ACES（無人駕駛、聯(lián)網(wǎng)、電動、共享汽車）。為什么不能在燃油車上做無人駕駛？無人駕駛也是汽車電子產(chǎn)業(yè)的優(yōu)化升級，未來隨著智能化程度的提升，整個無人駕駛系統(tǒng)所消耗的電量巨大，混動和純電動在這方面具有明顯優(yōu)勢。另一方面是燃油車發(fā)電機的底層控制算法相比于電機復(fù)雜太多，與其花大量時間在標(biāo)定和調(diào)試底層上，不如直接選用電動車研究更高層的算法。為什么國內(nèi)外無人車出租車運營商目前采用的都是混動車？當(dāng)前的無人駕駛出租車存在續(xù)航里程焦慮和智能化消耗電量大的特點，純電動無法滿足，等到將來鋰離子電池能量密度提高到新的檔次，純電動車?yán)m(xù)航里程大幅提高，未來的無人駕駛新車型必然也是純電動車。

我們可以把無人駕駛看做人工智能對汽車產(chǎn)業(yè)的升級改造，人工智能的發(fā)展依賴于四個基本要素：計算力、海量數(shù)據(jù)、算法與決策、以及傳感器的數(shù)據(jù)采集，而對于實現(xiàn)完全的無人駕駛同樣高度依賴于這四個基本要素，并且缺一不可。真正的完全無人駕駛汽車必須解決三個獨立的任務(wù)：感知（了解周圍世界發(fā)生了什么）、預(yù)測（確定下一步會發(fā)生什么）和駕駛策略（采取適當(dāng)?shù)男袆樱?。谷歌無人車之父Thrun說，最后一個任務(wù)是最簡單的，自動駕駛中只有10%的問題與之有關(guān)，而感知和預(yù)測則是較困難的部分。

無人駕駛汽車通過攝像頭、毫米波雷達和激光雷達等傳感器來感知世界。傳感器的感知范圍雖然達到，甚至超過了人類開車時的感知范圍，但是性能遠沒有達到人類的判斷能力。人眼能夠輕松地識別200米外的車輛，在時速超過200kph的時候也不例外，但這對目前的攝像頭技術(shù)而言簡直是不可完成的任務(wù)——200米外的車輛可能只是幾個像素點。同理，在中國目前不少車載攝像頭都無法準(zhǔn)確分辨限速標(biāo)志和限重標(biāo)志——那個t字實在太小了。雷達無法準(zhǔn)確判斷前方車輛的橫向位置，甚至無法分辨前方是一輛車還是兩輛車并排行駛。

激光雷達還面臨著高成本的問題，目前機械式激光雷達的高成本主要源于生產(chǎn)中精密光學(xué)器件的校準(zhǔn)等繁瑣環(huán)節(jié)，如果用固態(tài)器件替代，就能減少標(biāo)定過程的人工介入，降低人工和器件成本，LiDAR價格有望從上千乃至上萬美元降低到數(shù)百美元。激光雷達的四條路線中MEMS和OPA的技術(shù)路線現(xiàn)在都還沒量產(chǎn)應(yīng)用，機械式和flashTOF方案已經(jīng)有量產(chǎn)使用，flashTOF方案主要在AGV小車、物流送貨小車和ADAS量產(chǎn)車型，測量距離30米以內(nèi)，屬于近程激光雷達。MEMS和OPA方案可以用在中遠程（150-200m），機械式最遠可以探測到250m以上。OPA方案十年后有可能是最好的方案，但是現(xiàn)在硅光子技術(shù)比MEMS還不成熟，OPA方案難點主要在相控陣芯片的研發(fā)上。傳統(tǒng)的機械式旋轉(zhuǎn)LIDAR在地圖領(lǐng)域的使用較為成熟，從發(fā)明出來到現(xiàn)在持續(xù)了10年左右的時間。而自動駕駛領(lǐng)域的LIDAR應(yīng)用，是從2015年4月才開始，大家普遍的觀點的是，LIDAR在車的大規(guī)模應(yīng)用方面，會在2025年。當(dāng)然，這也要看現(xiàn)在的這種LIDAR成本是否能夠降下來。

結(jié)合來自傳感器的數(shù)據(jù)后，汽車需要識別周圍的物體，機器必須通過大量仔細(xì)標(biāo)記的樣本訓(xùn)練過后才有這樣的能力。一輛車識別出周圍的一切之后，它就需要立刻預(yù)測未來幾秒會發(fā)生什么并決定如何應(yīng)對。無人駕駛車輛在應(yīng)對復(fù)雜環(huán)境方面還離人類駕駛員還是有差距的，人類駕駛員擅于處理一些意外情況，例如道路施工、拋錨的車輛、運輸卡車，緊急車輛、倒下的樹木或惡劣的天氣等。由于行人的前進方向和速度都可以快速變化，再考慮其他車輛或基礎(chǔ)設(shè)施的遮擋問題，面向行人的自動緊急制動或者轉(zhuǎn)向都是非常困難的事，所以奧迪A8的L3自動駕駛系統(tǒng)，依然把使用場景限制在僅有車輛通行的封閉道路上。

現(xiàn)在被廣泛部署無人駕駛，仍然偶爾需要人的幫助。無人駕駛接駁車制造商Navya的CEO Christophe Sapet舉了個例子：在一個兩車道的路上，無人駕駛汽車由于不敢越過道路中的實線而追尾了一輛拋錨的卡車。產(chǎn)生這種結(jié)果的原因，是自動駕駛汽車被編程、被設(shè)定必須遵守交通規(guī)則（而不會隨機應(yīng)變）。但如果是人類，只要對面沒車，就會壓過實線繞開這輛卡車。Navya的無人駕駛車輛則會向遠程監(jiān)督中心求助，人類操作員可以看到車輛攝像頭拍攝的實時信號。遇到剛剛所說的情況時，操作人員在保證安全的情況下允許該車壓過實線行駛。Thrun預(yù)測，這些操作員在未來可能會一次監(jiān)控數(shù)千輛自動駕駛車。

在無人駕駛時代，車輛與車輛、車輛與基站、車輛與行人等之間的交互能力也至關(guān)重要。這對車聯(lián)網(wǎng)的建設(shè)、IOT的普及和5G無線網(wǎng)絡(luò)等提出了極高要求。V2I（車對基礎(chǔ)設(shè)備）技術(shù)，政策，法規(guī)的落地都超出了汽車行業(yè)本身的范疇，這是一個復(fù)雜的系統(tǒng)工程。比如要實現(xiàn)全自動泊車，就必然要求對停車場的通信設(shè)施進行重建，這也是無人駕駛落地的一個障礙。

六、商業(yè)模式成熟時間表：

載貨先于載人，簡單環(huán)境先于復(fù)雜環(huán)境

Mobileye實現(xiàn)了攝像頭的智能化，但是中遠程車規(guī)級激光雷達還沒有在前裝乘用車上規(guī)模應(yīng)用，因此VaaP模式當(dāng)前還處在傳感器智能化的階段，隨后才是細(xì)分場景算法的依次成熟，最后是汽車軟件的統(tǒng)一標(biāo)準(zhǔn)。TaaS各類商業(yè)模式正在積累數(shù)據(jù)，根據(jù)載貨的商業(yè)模式先于載人的商業(yè)模式成熟，外界環(huán)境簡單的商業(yè)模式先于外界環(huán)境復(fù)雜的商業(yè)模式成熟，可以判斷低速封閉場景的無人駕駛工程車、開放場景無人駕駛工程車、無人駕駛物流車、L4級無人駕駛出租車將先后實現(xiàn)規(guī)?；瘧?yīng)用。L5級無人駕駛私人乘用車要實現(xiàn)規(guī)模化應(yīng)用至少應(yīng)該在20年后。

簡單粗暴地使用高精度地圖+高精度定位，現(xiàn)在就可以實現(xiàn)某些特定場景下的L4無人駕駛。這里的高精度地圖可以理解為一個“管道”，無人車只要保證自己在“管道”內(nèi)行駛即可（參考waymo的綠色“管道”）。使用高精度定位，告訴車在管道的哪個地方，就可以自動駕駛。馭勢科技和白云機場合作開發(fā)的無人駕駛車在機場這種特定場景完全就可以使用這種方法。而且通過圖片可以看出這車裝了差分GPS，如果再加上RTK設(shè)備，就是可以達到戶外厘米級的定位。在一些礦區(qū)，也有機器人在代替人類去控制高大的礦車，這些demo進入特定場景后如果能夠快速的積累數(shù)據(jù)完成產(chǎn)品的迭代更新，他們很快就會為這些場景帶來巨大的變化。在特定場景中的無人駕駛實現(xiàn)難度沒有那么大，在這個賽道上的創(chuàng)業(yè)公司會借助資本的力量跑馬圈地。

奧迪A8搭配的是有限條件下的的L3，未來國外的Tier1和主機廠巨頭，會逐步豐富有限制L3的場景，從而實現(xiàn)接近無限制的L3、L4應(yīng)用?？紤]到2018、2019年乘用車市場的低迷，Tier1和主機廠巨頭在研發(fā)這些場景下對應(yīng)得功能時更多的會考慮到成本問題，再加上新式傳感器的車規(guī)級應(yīng)用需要較長的研發(fā)時間，由主機廠主導(dǎo)的賣給私人消費者的無人駕駛乘用車（VaaP）會逐漸豐富功能穩(wěn)步推進。

圖16：無人駕駛商業(yè)模式先后成熟

七、投資機會關(guān)注

傳感器智能化公司：無論是從汽車安全或駕乘體驗提升的角度講，感知環(huán)節(jié)都是產(chǎn)業(yè)升級中的最先受益者，傳感器決定著數(shù)據(jù)采集的質(zhì)量，傳感器智能化汽車智能化的基礎(chǔ)。

限定場景下的自動駕駛技術(shù)公司：可能的限定場景如：封閉/半封閉區(qū)域、低速/高速狀態(tài)、有軌交通、特種車輛等。

國中創(chuàng)投已經(jīng)在無人駕駛產(chǎn)業(yè)投資了多家優(yōu)質(zhì)企業(yè)，包括融合決策、視覺傳感器、毫米波雷達、高精度GPS、車載語音識別、車載HUD等領(lǐng)域，未來還會在該領(lǐng)域進行更加精細(xì)化的布局。

八、風(fēng)險提示

技術(shù)的不確定性：光學(xué)相共振激光雷達（OPA）技術(shù)、人工智能推理能力、人機交互技術(shù)、低功耗人工智能芯片、云平臺、5G通信與NB-IoT移動物聯(lián)網(wǎng)的產(chǎn)品落地都會影響無人駕駛各種商業(yè)模式規(guī)模應(yīng)用的時間，無人駕駛產(chǎn)業(yè)進度可能不及預(yù)期。

來自Waymo的競爭壓力：美國當(dāng)?shù)貢r間2019年1月22日，全球自動駕駛領(lǐng)頭羊Waymo官方正式宣布，在美國汽車工業(yè)重鎮(zhèn)密歇根州，建立世界上第一家100%致力于L4自動駕駛汽車大規(guī)模生產(chǎn)的工廠。這家工廠是一家改裝廠，而不是真正意義的汽車生產(chǎn)工廠。Waymo自行開發(fā)自動駕駛所需要的硬件和軟件需要部署到Waymo所購買的車輛上。工廠的建立，是為了解決這個關(guān)鍵問題。領(lǐng)頭羊與跟隨者的距離正在拉大。美國的自動駕駛公司，以及中國的自動駕駛公司都會面臨這樣一個問題，一旦Waymo開放技術(shù)，是否還需要、還值得、還應(yīng)該在這個領(lǐng)域深耕。

估值泡沫破裂：此前，摩根士丹利將通用Cruise的估值，從最近的本田投后145億美元，下調(diào)到90億美元，因為Cruise的發(fā)展不及預(yù)期。主要是對其2019年是否能夠商業(yè)化的擔(dān)憂，畢竟Waymo的商業(yè)化也遇到了問題。實際上，自動駕駛初創(chuàng)公司的估值下滑，尤其是中國的自動駕駛初創(chuàng)公司的估值下滑，在2018年底就已經(jīng)開始了。中國的自動駕駛初創(chuàng)公司，在2019年會面臨著洗牌的局面，技術(shù)能力不行的團隊、資金鏈斷了的團隊率先出局。投資人也面臨著選擇，是選擇繼續(xù)高估值押注，還是選擇泡沫過去再進場。