新闻聚焦

首页 > 新闻聚焦 > 新闻聚焦 >
无人驾驶落地中国的模式与挑战
  最近百度与美团已达成相关合作,要将无人驾驶技术应用到送餐环节,并计划在雄安率先展开试点。无人驾驶在中国的落地速度比我们想象的还要快。我们从2016年开始密切关注这个领域,从美国硅谷的风口到中国的逐步落地,我们的关注点从传感器到算法再到芯片,此文我们希望分享一点我们对无人驾驶的思考和理解。
 
 
一、无人驾驶风起自何
 
  首先从安全角度看,无人驾驶被认为比人为驾驶更加安全。数据显示,全球每年因车祸造成的死亡人数多达125万,相当于平均每天有超过3000人死于车祸。而根据美国汽车安全最高主管机关NHTSA(美国国家公路交通安全管理局)的数据则表明,由于人为失误引发的车祸事故率占了94%,在美国每年有30,000死于车祸,NHTSA相信成熟的无人驾驶技术能够有助于减少车祸数量。从2012年开始,Google率先研发和测试无人驾驶技术,近年来全球范围内越来越多的人才和资金涌入这一领域。
 
 
 
二、在中国实现无人驾驶的路径
 
1.     循序渐进融入传统汽车产业链
 
  不久前,中国宣布将相当幅度降低汽车进口关税,很可能将整车关税从目前的25%降低到15%,这无疑利好进口车整车厂,同时也让国产车企竞争压力增大。因此,国产车企迫切的希望能够在2020年量产车型中加入L2-L3的无人驾驶功能,以提高市场竞争力。但是,由于激光雷达等传感器的价格仍处在高位,车规级芯片并不能支持无人驾驶如此大的算力需求,只有以摄像头及毫米波雷达组合的方案加上现有车规级别芯片才能在成本上和车规标准上满足车企需求。以Tesla和Mobileye为例,他们是从L1-L3的循序渐进的融入汽车产业链中;在中国,以Momenta、中科慧眼等为例的创业企业,希望成为主要服务中国市场的无人驾驶算法公司。
 
2.     一步到位变革出行模式
 
  以Google的Waymo为例,中国市场上出现Pony.ai、景驰、Roadstar.ai等一系列L4无人驾驶算法公司,并陆陆续续在中国各个城市落地路测。L4算法团队的商业模式以无人车队运营为主,希望通过传感器融合和深度学习的算法让车辆变身一名“老司机”,在高精地图的配合下,在一定开放程度的区域内实现无人驾驶。
 
 
  试想一下未来,我们用叫车软件叫到的车不是人类司机开车来接,而是无人驾驶的硬件加软件的一套智能方案,我们叫它robotaxi。当技术成熟可以商业落地的时候,robotaxi将可以极大程度的解决司机供给不足的问题,这个供给需求的矛盾不止在中国,而是全球范围内通用型的问题。因此,我们可以看到Uber、Lyft、滴滴等出行平台都在重金押注无人驾驶技术的研发。
 
3.     找细分场景实现区域内应用
 
  诚然L4无人驾驶的想象空间很大,但是商业化落地还受制于各种因素,比如核心传感器价格高、缺乏车规级别无人驾驶芯片等。L4无人驾驶要真正落地,还需要至少3-5年时间,而随着技术逐渐进步,一些特定场景下的无人驾驶已经可以实现。
 
 
  在中国,美团的无人驾驶送外卖就是一个场景,京东、菜鸟的物流无人车是一个场景,智行者的无人清洁车是一个场景,机场、园区内的无人驾驶大巴也是一个场景。根据场景的特点,简化和减少无人驾驶的corner cases,也是比较快能够落地的路径。
 
三、无人驾驶未来发展面临的挑战
 
  尽管从创新角度我们看到无人驾驶带来的令人憧憬的新的时代,但是不可否认,我们距离实现无人驾驶还有很长的路要走,整个行业发展也面临着一些挑战。
 
1.     政策落地
 
  美国作为很多先进技创新的源头,已经在政策层面给予了无人驾驶很大支持,加州是全球最早发布无人驾驶路测许可的城市。我们相信,无人驾驶技术的进步和商业化落地离不开政策的支持,在这一点上我们也欣喜的看到中国政府已开始开放政策支持。北京和上海分别在2017年12月和2018年2月份公布印发加快推进自动驾驶车辆道路测试指导意见,成为全国最先公布无人驾驶路测管理细则地区,福建和重庆也相继成为支持无人驾驶路测的城市。然而随着越来越多的无人驾驶车辆上路测试,政策需要不断地细化和落实。
 
2.     核心传感器
 
  高达投资在2016年年初开始关注无人驾驶领域,经过深入研究,认定激光雷达是实现L4级别无人驾驶的最重要的传感器,而当时在全球范围内仍缺乏性价比高的产品。唯一可量产高线束激光雷达厂商的产品价格超过50万人民币,这已经相当于一辆中高端整车的价格,而且市场供应量有限,无法满足日益增长的无人驾驶测试需求。而从另一个角度看,我们也认为硬件的研发和生产,背靠中国庞大的供应链优势,中国企业是有机会的,因此最终我们投资了禾赛科技。通过这一年半的发展,一定程度上证明我们的判断是正确的,支持中国无人驾驶快速落地的因素之一恰恰就是中国国产核心传感器的逐步量产,同时也为全球无人驾驶行业提供了性价比更高的选择。我们认为未来激光雷达的成本需要进一步压缩,性能进一步提升,解决大规模量产和稳定性,固态激光雷达也是确定性的方向,市场在爆发前夕。
 
3.     AI芯片
 
  有了深度学习算法和传感器收集到的海量感知数据,需要在大算力的车载芯片上完成高速运算,实时输出决策指令,而目前市场上缺乏高性价比的车规级AI芯片。英伟达的GPU现在是无人驾驶公司几乎唯一的选择,但是高功耗、高成本以及散热等问题也亟待解决。一款芯片要通过车规测试,需要2-3年的时间,但我们认为无人驾驶芯片是下一个具备巨大潜力的市场,期待越来越多优秀的创业公司通过不懈的努力和技术进步,早日为市场提供高性价比、高稳定性的产品。
来源:高达投资  发布日期:2018-06-27