少談一些自動駕駛,多談一些安全智能

·13 分鐘 (閱讀時間)

大眾眼中的自動駕駛正因致命營銷披上危險外衣。

特斯拉Model 3電動車撞上卡車致車主身亡;Waymo 無人車剛融到25億就在舊金山撞了人;31歲企業家開蔚來自動駕駛出車禍去世……

盡管大數據證明了自動駕駛比人類駕駛更安全,但頻頻發生的車禍事故卻也難免讓人望而生畏。

聚焦自動駕駛下半場的角逐,不止有安全性困境,還有規模化量產,商業落地等攔路虎。

一如工業和信息化部副部長辛國斌在2022中國電動汽車百人會論壇上所提到的,在供應鏈及產業鏈方面,還需深化融合創新,加強製造業中心創新建設,加快新體系電池、車規級芯片、車用操作系統等關鍵技術攻關和產業化,推進車路網雲圖一體化發展,加快新型信息網聯化道路基礎設施建設,拓展智能網聯汽車多場景示範應用。

無人駕駛的巨大盈利空間毋庸置疑,前提是如何順利度過黎明前的黑暗。

而圍繞robotaxi落地路線,自動駕駛技術路線以及感知設備的梳理,或許能幫助我們找到以安全為前提的智能駕駛商業化道路。

巨頭財經「產業觀察」第22篇。

主筆 / 脫落酸;文章架構師 / 靜靜;出品 / 巨頭財經

01 Robotaxi貼身肉搏背後,技術可行不等於商業閉環

當下的Robotaxi仍然是自動駕駛細分賽道的火力焦點。

大廠出行派

百度稱得上是“帶頭大哥”。截止目前,百度Apollo自動駕駛出行服務平台“蘿卜快跑”已經在8個城市上線,Q4提供了21萬次乘車體驗。

滴滴把自動駕駛研發作為重頭戲,不斷補齊硬件能力。很顯然,對這個500人左右的團隊來說需要加碼的可不僅僅是錢。

“做Robotaxi的企業都得完蛋”“特斯拉自動駕駛殺人”。載人Robotaxi的商業化遲遲未到,但無論是原智能駕駛部長蘇箐的危險發言,還是技術先驅Waymo的估值大跳水,都無法中國玩家們繼續砸錢。

傳統車企重倉。上汽集團推出國內首個車企L4 自動駕駛運營平台享道Robotaxi,北汽藍谷與百度聯合開發的Robotaxi車型量產。

Robotaxi短兵相接。如今的賽場比拚不僅有傳統車企與大廠出行派成為先行者,更有頭部創業派奮起直追。

頭部創業派

剛完成D輪融資首次交割的小馬智行,計劃擴充團隊、加大技術研發、擴大Robotaxi及Robotruck車隊規模。

IPO擱淺,部門骨幹相繼離職的小馬智行商乘並舉,而探索與車企、平台方形成鐵三角模式的文遠知行正跟廣汽集團深度合作。

戰略投資事宜敲定後,雙方與如祺出行一起,開啟Robotaxi前裝車型設計研發,量產落地的升級。

2019年之前的L4的Robotaxi落地路線是香餑餑。以Waymo為代表,國內的百度、小馬智行、文遠知行基本走這個路線,從研發、路測試運營到規模落地直接爬L4最高峰。

L2領域資本投資稍顯冷清,但比拚同樣激烈。以特斯拉為代表,蔚小理們都傾向量產與上路後進行迭代的模式,即從L2到L4循序漸進。

新能源車企派

從三家造車新勢力的研發規劃來看,他們試圖打造全棧自研的自動駕駛能力。

不同的是,蔚來試圖以社區和服務塑造高端品牌,理想在從Mobileye切換至英偉達的過程中插入了一個地平線“征程3”的平台,而一直主打汽車科技的小鵬也加快了駛向Robotaxi賽道的速度。

Robotaxi是積累測試裡程、提升算法的穩定性和安全性的最佳方案之一。但因商業化進程之殤,自動駕駛的探索對所有玩家而言,其實都無異於經歷一場馬拉松式長跑。

自動駕駛上半場驗證了技術的可行性。“從過去的每行駛幾公裡暴露一個技術問題到今後可能需要行駛幾萬公裡才會出現一個或幾個關鍵性問題”。

盡管聽起來技術路線的問題有所減少,但仍有兩大攔路石擋在Robotaxi面前。

一個是Robotaxi盈利課題,道阻且長。畢竟連容易規模化量產的貨運自動駕駛,譬如無人配送車的運行效率與成本都達不到人工配送的水平。

另一個關乎數據採集。自動駕駛的所有競爭,歸根究底都是圍繞有效數據收集和驅動AI模型迭代而展開的。而中國城市道路建設非常快,要想實現高精度地圖的數據采集與更新絕非易事。

02 百度們擁躉的車路協同,更符合國情

樂觀的是,伴隨技術提升與政策開放,中國自動駕駛還是迎來了新的發展節點。

而且結合行業三大技術流派(單車智能、車路協同、單車智能+車路協同)發展狀況以及國情,全棧型服務路線或將成為搶灘下半場門票的關鍵。

側重單車智能的企業:非常依賴高性能的AI芯片和算法支持。

在地廣人稀的美國,路況沒那麼復雜,負責建設通信網絡的私企出於投入產出的考量,押注單車智能不足為奇。像特斯拉、Google等企業,就是基於芯片和算法技術優勢考量選擇走這條路線。

反觀國內,雖有強調車端技術的文遠知行,圖森未來等企業,但因人口路況,與5G網絡建設的差異,加持實力較弱的芯片和軟件開發能力,不少企業都轉向了網聯賦能。

側重網聯賦能企業:又可細分兩類。

一類:諸如大唐高鴻、高新興等押注車路協同的企業,強調智慧的路,聚焦於道路智能化基礎設施的建設。

另一類:像百度、蘑菇車聯、華為等堅持單車智能+車路協同的全棧型企業,強調關注車本身的同時,在車路雲三端建立技術壁壘,佈局智慧交通整體運營。

後三家企業都強調車路雲一體化,但稍微區分下技術方案也各有側重。

百度:全棧型路線的擁躉。以廣州黃埔區開發區的智慧交通項目為代表,提供自動駕駛軟件研發-車聯網-智慧交通的解決方案。

蘑菇車聯:進場晚,但成長速度快。從戰略層面出發,尋求地方政府合作,與城市公共服務高度綁定,通過運營數據算法優化等,提供一整套交通運營管理服務。

華為:同樣在加速。以長沙望城區新型智慧城市建設項目為標桿,從車端打造車路雲一體化解決方案,提供“傳感器-芯片-操作系統-算法與開發應用-雲服務”的生態佈局。

圍繞城市資源的搶奪大戰一促即發。車路協同不僅關乎產業洗牌,更考驗相互協作。

做個比喻,單車智能是軍隊裡的士兵,而車路協同更像是指揮官。按照小馬智行執行董事莫璐怡的解釋,提高單車智能水平是為了讓軍隊裡的士兵單兵作戰能力足夠強,去處理各種不同的突發情況;而車路協同則是把所有士兵協調在一起,實現統一作戰。

縱觀整個作戰策略,具體可拆解為車路雲三端。

車端:

給汽車聯網,安裝能隨時接收路側感知系統提供的信息的智能設備。

路端:

給汽車安裝智能感知(攝像頭、毫米波雷達、激光雷達等)、路側通信以及計算控制設施等設備,對周圍的交通狀況、路面障礙、行人狀況、移動路障,甚至是路面的平整、積水等信息進行實時高精度監測。

雲端:

給汽車提供計算和雲控等後端平台,實現路況信息的分類評估與執行,將車與路的協同能力調配到最優狀態。

和單車智能僅靠車端來感知外界不同,車路協同大大減輕了的車輛本身要承擔的信息重任。

聰明車+智慧路+強大雲的結合,把復雜的感知工作從車輛本身份攤給 5G 基站、衛星互聯網、道路上架設的傳感器和邊緣計算設備等道路系統,將極大提高自動駕駛穩定性與安全性。

2022中國電動汽車百人會論壇上,全國政協經濟委員會副主任苗圩以北京亦莊高級別自動駕駛示範區為例,評價到,通過把聰明的車、智慧的路、精確的圖、實時的雲和可靠的網五位一體組合起來,現已成為國內最有特色的試點示範區之一。

“在實現無人駕駛這一智能網聯汽車終極目標過程中,目前實現路徑有兩種,分別是以百度、Waymo為代表的階躍式和以特斯拉為代表的漸進式。”苗圩表示,無論哪種路徑,安全都是智能網聯汽車發展的前提,在此基礎上可適度加快限定場景的落地應用。

03 被馬斯克怒噴的激光雷達,能為安全加分

可以說,決定下半場勝負的關鍵是智能網聯汽車。但現在沒有一個企業敢說自己的汽車完全達到了L3。不管是先行的特斯拉百度,後來者蔚小理,無一例外。

我們國家將汽車駕駛自動化等級分為0級~5級,與目前國際通行上的SAE分級標准中的L0-L5類似。

在決定事故責任人方面,L2是重要分界線。L2及以下級別,是需要人類監管的駕駛輔助。駕駛員仍為責任人。L3及以上級別,在開啟自動駕駛狀態下出現的事故,應確定駕駛人或系統開發單位責任。

就這樣,在開發更高階的自動駕駛技術的路上,激光雷達被順理成章推上了攻堅L3以上自動駕駛級別的最前線。

注意這裡的感知設備激光雷達,作為自動駕駛三大核心技術的一種,各大流派常常為它爭得面紅耳赤。

馬斯克嘲笑激光雷達是傻子的玩意,任何人用激光雷達都注定失敗。Google派諷刺馬斯克做生意不顧乘客死活草菅人命。

孰優孰劣?其實不能一概而論。瞭解下自動駕駛三大核心技術,除了剛提到的感知,還有規劃和控制。

具體到行車場景,感知就好比人的五官感受周圍環境,規劃就相當於用腦處理路面信息並做出駕駛決策,而控制可以理解為人指揮手腳完成駕駛。

汽車“眼神不好”,安全駕駛便無從談起。所以說,感知往往比起操控規劃更容易引起爭議。每個企業都有不同的解決方案,總結起來也有兩大派系。

視覺主導路線:

以特斯拉、Moblieye以及百度Apollo Lite為代表:強調攝像頭的主導地位,搭配毫米波雷達與先進的計算機視覺算法等完成全自動駕駛。

激光雷達主導路線:

谷歌Waymo、百度Apollo robotaxi、文遠知行等企業為代表:強調激光雷達的主導地位,搭載毫米波雷達、超聲波傳感器和攝像頭,實現遠距離全方位探測。

視覺派與人類駕駛相似,攝像頭獲取的視頻數據更接近人眼看到的真實世界,不需要昂貴的激光雷達和高精度地圖定位。

利用超聲波雷達、毫米波雷達以及視覺算法優勢是普適性強,硬件成本低,但短板也很明顯,無法解決長尾效應,安全系數不夠高,攝像頭無法捕捉距離比較長的路況信息,也無法感知遮擋物和盲區。

而“雷達+視覺”激光方案安全性會高很多。國內的小鵬汽車、蔚來、百度Apollo等汽車企業,目前都採用了多手段融合助力ADAS能力,搭配激光雷達+高精地圖+攝像頭等多傳感器綜合判斷來保證安全。

對多傳感融合算法有足夠信心,或許就是弱視覺算法能力的Google派仍堅持可以擊敗特斯拉的原因。

激光雷達產業有百億級市場,無論是傳統車企還是科技公司都不可能輕易放棄。可以預見,當激光雷達的價格下降時,全方位探測能力和不易受環境影響的優勢會逐漸顯現。

“90%的事故是人為因素造成的,自動駕駛就是要把不安全的駕駛行為消滅掉”。特別是對駕駛安全要求只會越來越高的未來,從理論上講,激光雷達或將成為自動駕駛汽車的必須選擇。

04 巨頭財經的思考,以“沿途下蛋”之名,行“安全智能”之實

落地和盈利的前提是無人化和規模化,而規模化又需要前期的投入才能把自動駕駛生產出來。

這就像個死循環。在整個自動駕駛領域,Robotaxi的技術難度是最高的。因此有不少企業都在探索Robotaxi路上走“沿途下蛋”模式。

比如轉向難度更低的輔助駕駛,為整車廠提供L2和L3級別的自動駕駛方案;再比如重視自動駕駛數據的積累,加大對無人卡車的研發投入,佈局Mini Robobus,進軍卡車運輸、物流、個人車輛等領域。

相比貨運自動駕駛,無人駕駛出租車的商業落地確實難多了。國內領頭羊百度的RoboTaxi雖然開始收費,但也是計劃5年後才盈利。

由此來看,攀登珠峰沿途下蛋似乎更像是無奈之舉。如果說從技術成熟、商業成熟到法規成熟,自動駕駛至少還需要做十年的持續投入,那麼眼下如何順利度過黎明前的黑暗就成了最急迫的問題。

中國電動汽車百人會理事長陳清泰在2022中國電動汽車百人會論壇上提到,“在汽車智能化這場革命中,我國汽車產業換道先行取得了先發效應,但機會窗口期不會太長。”

自動駕駛之於出行交通的價值毋庸置疑,不難預見,未來的技術要求越復雜,挑戰也會越多。但無論行業如何演進,降本增效都不是最終目的。不管企業如何“曲線盈利”,安全才是自動駕駛設計的“第一天條”。

部分參考資料:

億歐智庫,《2021-2022中國自動駕駛行業深度分析與展望報告》

億歐智庫,《軟件定義數據驅動,2021中國智能駕駛核心軟件產業研究報告》

中國汽車報,《Robotaxi商業化還有很長的路要走,當前面臨三大“攔路虎”》

談擎說AI,《小馬智行、文遠知行、Momenta們的“後泡沫時代”賽道》

雷峰網,《Robotaxi短兵相接:百度向左、滴滴向右》

財經,《2021年11期.走進自動駕駛下半場》

新智駕,《樓天城專訪:自動駕駛價值,今天只看到冰山一角》

新智元,《特斯拉都搞不定,車路協同是無人駕駛的終極解決方案嗎?》

虎嗅APP,《汽車眼神不好,何談智能駕駛》

格隆,《抓住智能汽車的命根》

發現報告,《自動駕駛發展到哪一步了?》

本文來自微信公眾號“巨頭財經”(ID:jutoucaijing),作者:巨頭編委會,36氪經授權發布。

本文經授權發布,不代表36氪立場。

如若轉載請註明出處。來源出處:36氪