深度：一张图看清自动驾驶产业

通过一张图，看清整个自动驾驶产业的发展现状，探讨众多创业者和投资人的机会所在。

编者按：本文来自新智元，作者小猴机器人，人工智能博士，自动驾驶技术爱好者，参与多个自动驾驶项目研发，有丰富的行业经验，尤其对决策规划控制方面了解深入。

自动驾驶三层次

通常来讲，自动驾驶技术可以划分为三个层次，感知->认知->行动，然后不断循环。参考上面一张网图，其中行动层包括转向、油门和制动三大控制器（以及执行机构），感知部分包括两方面，感知环境的激光雷达、毫米波雷达、摄像头、组合导航设备，感知车辆自身的包括轮速计和三大控制器的反馈量，而认知部分，包括决策和规划，是通常意义上的人工智能所在。

1. 行动层

首先谈谈行动层，即三大控制器，VSI并没有在图中标出相关的企业，看似与自动驾驶高大上的技术没关系，但这一块却是不容忽视的，尤其是在国内。行动层为自动驾驶提供了可以运行和验证的平台，任何技术的落地都需要它的支撑。同样的，任何一家号称拥有自动驾驶技术的公司，如果没有一辆实车做展示，恐怕难以令人信服。而这个看似简单的层次，却难住了很多团队，因为核心技术要么掌握在车企，要么掌握在Tire1供应商手中。

具体来讲，首先自动驾驶的风潮来得很快，快得让多年来靠扎扎实实走量的车企有点措手不及，也有点看不明白走向，所以多多少少都会对合作留有私心，大多数都尽可能快的通过组建或者收购来搭建自己的团队，因此外部创业团队很难得到有效的支撑，除非是两个公司从战略层面上进行合作。

然后从Tire1供应商的角度来讲，为他人提供控制接口，不如自己向前多走一步直接提供自动驾驶解决方案，当做未来布局，速度快者如Bosch，依托其多年对EPS、ESP和ABS等系统的理解和积累，通过iBooster等个新技术，已经跟多家车企展开了自动驾驶系统的合作。由于执行层合作的种种困难，因此就有了AutonomousStaff这样公司存在的价值，该公司类似VSI，不过除了传感器方案，还可以提供带有控制接口的车辆平台，所谓的骡车，车型以林肯和大众居多。而国内由于多年无人车未来挑战赛的需求，也存在几个类似的团队，凭借跟车企和供应商的良好关系，集成一套行动层平台，这都算是个面向自动驾驶团队的Tire1吧。

所以，行动层的机会主要有两个，一个是自己造车，掌握平台。由于电动技术的快速革新，汽车生产的传统模式受到了冲击，此前发动机和变速箱等壁垒技术，现在已经转换到电动机、电池包及管理和车辆电控总成等相对研发周期短难度小的技术。这种变革，让创业团队自己造车成为了可能。国内比较著名的如蔚来、小鹏、和谐富腾、智车优行、乐视等都在造车运动中频繁交卷。

另一个是成为Tire1供应商本身，由于汽车工业发展本身的原因，国外的供应商分布很早就变成巨头格局，而国内则由于价格、技术迭代和适配等原因，许多国产供应商反而拿到了许多车企的合同得以生存，如此前新闻中提过跟奇瑞合作的亚太，以及源自清华和吉大汽车系的团队。总之，目前国内自动驾驶技术还是比较依赖车企或者供应商提供平台的，因此投资人想要知道团队技术水平如何，一方面是看Demo，另一方面或可通过行动层提供方来侧面了解。

2. 感知层

感知层主要可以分为传感器本身和识别算法两部分。传感器本身门槛还是比较高的，识别算法相对来讲是入门很容易，做好非常难。

从激光雷达来讲，做到现在主流基本就是几家，Velodyne、IBEO（法雷奥合作）、SICK、北洋和先锋，目前造价都比较高，一个是因为确实是个高精密仪器，另一个是尚未量产。高昂造价导致自动驾驶团队选型的时候会有所顾虑，如Volvo高端自动驾驶汽车XC90也只在前面放了一个一线。这块目前比较火的是Quenergy，打算直接做固态激光雷达（大概可以理解就是不转的），最近试用了一下觉得挺靠谱。比较遗憾的是，国内目前还没见到能用在室外车载的远距（比如100米）激光雷达成品，倒是听过几个在研，过程中也是遇到这样那样的困难。

目前能够用于量产自动驾驶系统的传感器还是毫米波和摄像头，优点有很多，多年渐进式的装车经验和规模，价格低等等。毫米波目前主要是Delphi、大陆和Bosch三家巨头供应，用于车企量产车上的ADAS预警类应用。也见到了一些国产的毫米波产品，但用起来多多少少从返回的数据来看都有些瑕疵，然后巨头量产价在700-1000人民币，所以我其实并不清楚国内毫米波雷达的竞争力所在，还望明白人指点。摄像头一个是Mobileye（参见往期智驾深谈），因为是跟算法集成到一块的，所以下面谈。另外就是众多的车载摄像头供应商了，比如Omni、PointGrey、大恒和微视，都是做通用摄像头很多年的公司，没见过初创做摄像头硬件的。

倒是单独做机器视觉算法这块做的人比较多，因为单独做只需要给出语义识别的结果，跟车辆控制没有关系，并不需要一辆可控车辆。做试验相对容易，容易收集数据，容易看Demo效果，还容易通过KITTI车辆数据集跟同行比较，那么带来的问题就是市场红海了，只能真刀真枪PK，拼算法准确性，拼跟车企的合作落地，其实更多的我看就是拼行业资深程度了，因为看起来大家都是99%以上。从业比较资深的如中科慧眼、地平线、东软和Minieye等。

传感层其实我觉得还可以包括高精地图，输入是精准定位，反馈是当前周围的静态环境信息。通往高级自动驾驶的征途上，高精度地图技术绝对是不可或缺的支撑，它既可以提供当前的静态环境模型，还可以通过预先存储的点云和图像特征数据来提供高精度定位。最近半年这块是有大新闻的，奥迪宝马和戴姆勒合起来买了HERE，TOMTOM为苹果、Uber和Bosch提供数据，最近也发布了自己的RoadDNA，Mobileye也号称要做RoadBook。国内大多数是大企业如百度、高德、四维图新，今年车展还见到了初创企业武汉光庭。

3. 认知层

一个非常主观的看法是，做自动驾驶，不碰行动层，不知道有多少dirty work。而不做认知层，都不知道造个驾驶员出来有多难。VSI图中自动驾驶解决方案部分囊括的企业，都是些目前在坑边或者坑里的企业。

认知层主要说的就是智能决策和规划，难点主要在于三个：对环境的准确理解、对下一步决策的准确判断、选择合理的路径达到目标。认知的好坏目前各家没有一个统一的评价标准，因此也就无从判断技术能力的好坏，只能从时不时出现的Demo中略知一二。当然对于美国团队来讲，最近几个月也可以通过加州DMV的网站来看测试车辆的自动驾驶里程数来评价，你会看到Google远超过其他团队。

团队纵览

接下来就针对VSI提及的企业大概说一下自己的了解。

车企

先说车企，车企都是奔着量产去的。

丰田在2014年说自己出于安全考虑不做无人车以后，2015年给自动驾驶项目拨了10亿美元的预算，就问是不是换领导了？同时从斯坦福、MIT和密歇根大学合作，请来了Gill Pratt，也从Jaybridge机器人搬来了整个自动驾驶团队，对了我觉得丰田是目前自动驾驶专利最多的车企，1400多个。

奥迪在自动驾驶方面积累很多了，自己早就有A7原型车，准备下一代A8上装“Piloted Driving”，柏林电影节也高调PR，顺便提一句现在世界上跑的最快的无人车也是Audi合作的，Stanford有一辆TT叫Shelley，出自大名鼎鼎的Chris Gerdes之手。

Tesla，做了AutoPilot，目前量产车里自动驾驶系统应用最成功的企业，才买3万人民币，Elon Musk也放言说两年实现全自动驾驶。对于Tesla在自动驾驶技术上的激进，行业也是有不同看法的，一些人说Tesla太莽撞，一些人称赞其新锐。但总体上包括Tesla自己在内都把安全当做最重要的问题，去年12月份Tesla在部分地区通过OTA关闭了自动驾驶功能，原因是一些思路迥异的用户做了一些非常夸张的试验，比如在高速上放平驾驶位平躺，对此我们只能表示达尔文先生的进化论会处理这些人的。

宝马，宝马车速来以车辆动力学性能好著称，其位于慕尼黑的自动驾驶团队也曾Demo过非常酷炫的自动驾驶漂移。2015年底宝马与百度专长于人工智能的深度学习研究院合作，在五环上公开Demo了一辆全自动驾驶原型车。而最近则在着手组建更大规模的自动驾驶团队，为其iNEXT计划服务。

Bosch，一个像3M一样无处不在而又旱涝保收的德国公司，供应商巨头。在自动驾驶方面的投入是惊人的，有超过2000个工程师，Google、Tesla和保时捷等企业都是其客户，曾将两辆Tesla升级为全自动驾驶系统，最近国内比较热门的新闻是跟长安汽车联合进行了两千公里重庆到北京的路测。

Volvo，个人感觉这套传感器配置是非常好的，性价比很高。它主打驾驶安全，因此其自动驾驶研发路线也是奔着安全为先，称2020年做到零死亡率。目前的计划是2017年放出100辆测试车给普通瑞典民众，此前也曾在北京西六环上做过路测，邀请了一众互联网名人参与，评价都很不错。

互联网企业

再说互联网企业，都是奔着颠覆传统行业去的，一般上来就是无人出租车，共享分时租赁。

Google，其实都不用介绍太多了，源自CMU的BOSS，后来是Stanford的Staley，车队里程超过了十万公里，提一句每个月的月报都有新东西值得一看。

Uber，Uber包了CMU机器人实验室，办了个先进技术中心 (ATC) ，在匹兹堡正式上路测试无人车。用一辆福特混合动力车，采集测绘数据并试验自动驾驶功能。CMU这有世界级的工程技术人才和研究设施，匹兹堡还具有复杂多样的道路类型、交通模式、及天气状况，为开发和检测自动驾驶技术提供了理想环境。

初创团队

再说初创团队，Comma.ai，号称用人工智能解决一切（参见智驾深谈第一期）。它采用的技术是最近比较火的“端到端学习”，即训练深度模型，输入是原始图像，输出直接是三大控制量，这种方式比较适合创业团队，一辆车一台服务器就可以开工。这种做法的问题是一些驾驶员的常识如车辆动力学、交通规则等都会被隐含到模型中，开发者不能确定规则的完备性。Mobileye CTO特地在最近的一次演讲中提到端到端学习，认为一锅烩的做法是不靠谱的，而另一个锐气十足的公司却用行动来支持了Comma.ai，他们也做了一辆基于端到端技术的无人车，这个公司的名字是Nvidia。

nuTonomy，分拆自麻省理工学院，刚刚获得了1600万美元A轮融资，本轮融资的估值约为1亿美元，准备2018年在新加坡发布无人出租车。现在是利用改装后的三菱和雷诺在新加坡的公共道路上测试，也在打造能够最终供用户使用的应用，方便他们使用无人驾驶出租车服务。与此同时，还在开发用于调配和指挥无人驾驶出租车的云计算软件，主要任务是部署无人驾驶出租车队。

zoox，日前融资2.52亿美元，风投机构预计此番融资令该公司估值超过10亿美元，新锐独角兽。zoox有大概140名员工，此前曾就职于谷歌、苹果和特斯拉。预计Zoox的无人车可以在2020年投入使用，并提供与Uber相似的汽车共享服务。

Cruise Automation，今年被通用十亿美元买了，细心一点可以看出原来他们设备并没有装到雪佛兰上，而是一辆奥迪。从CA的经历来看，做一辆骡车，配一套比较完备的自动驾驶产品，然后找个有钱老爸收了，是一条创业团队的成功之路。

宇通，传说中的宇宙通勤客车公司，大街小巷都能见到它的身影。在去年也研发了一辆无人驾驶公交车，做了郑州到开封城际快速路的Demo。许多同行认为由于路况相对单一，面向客车公司合作等原因，公交BRT不失为一个很好的自动驾驶技术落地点，我也见到很多兄弟在策划低速电动代步或者景区等相对容易落实的项目。

结语

对投资人来讲，评价一个企业的情况，主要可以从团队、产品、市场和资本四个方面出发。最近看到很多国内的兄弟们开始做自动驾驶的认知层面，各有高招，具体情况可能要体验以后才能跟大公司的效果对比了。总之，无论是大公司还是创业团队，若是团队成员在VSI产业图中分布比较均匀，调试经验比较丰富，此前的从业经历比较多样，所采用的技术也是业界热推的话，这样的团队是值得关注的，上述从认知层面提供自动驾驶解决方案的公司，都在其中某个方面有过人的地方。

最后，记得关注微信公众号：镁客网（im2maker），更多干货在等你！