世界超市

谈到无人驾驶，先要明确标准。纲领性的文件有三个：一是美国公路安全管理局(NHTSA)的四级论，二是国际工程师协会&美国汽车工程师学会(SAE)的五级论，三是中国版智能网联汽车的四级论，内容大同小异，算是今天行业广泛认可的标准。特斯拉的Autopilot大致处在L2到L3的水平。此前特斯拉数次出现事故，主要问题还是在营销的过度宣传，模糊了高级辅助驾驶与无人驾驶的区别，去年10月Elon Musk宣称实现了L5级的无人驾驶，并对车辆进行了多项软硬件升级，但外界的质疑颇多。SAE的标准则多出一个Level 5，内涵基本相同。相比之下，中国版的无人驾驶标准就略有不同。在《中国制造2025》中，无人驾驶概念被外延更广的智能网联汽车所取代，并由国家制造强国建设战略咨询委员会规划了技术路线图，给出的定义是搭载先进的车载传感器、控制器、执行器等装置，融合现代通信与网络技术，实现车内网、车外网、车际网的无缝链接，具备信息共享、复杂环境感知、智能化决策、自动化协同等控制功能，与智能公路和辅助设施组成的智能出行系统，可实现高效、安全、舒适、节能行驶的新一代汽车。其中无人驾驶被分为DA、PA、HA、FA四级。最初级的DA相当于现在的ADAS，包括一项或多项局部自动技术，如ESC、ACC、AEBS等，并有基于网联的智能提醒信息;PA指部分自动驾驶，驾驶员短时转移注意力仍可保持控制，失去控制10秒以上予以提醒，并能提供基于网联的智能引导信息;HA是高度自动驾驶，偶尔需要驾驶员接管，但移交过程安全可靠;FA是完全自主驾驶，系统彻底接管车辆，驾驶员虚位而已。无人驾驶是汽车创新的制高点，也是世界范围内传统车企与互联网公司交锋最激烈的一个战场，胜败将具有决定性意义。目前来看，两大流派泾渭分明：原教旨的一派是主机厂+科技公司+Tier1，如通用10亿美元收购无人驾驶创业公司Cruise Automation，福特投资了Argo AI等等;比如占据目前ADAS(Advanced Driving Assistant System，高级驾驶辅助系统)75%份额，刚被Inter收购的以色列公司Mobileye;比如原来做高端显卡，突然发掘全新商业模式的Nvidia(黄仁勋的英伟达致力于为车企赋能而不是颠覆);再比如2025年要实现完全无人驾驶的Bosch、以及鼓吹V2E(车联一切)的Delphi、零部件巨头采埃孚(ZF)、Valeo(法雷奥)等等。互联网新势力则以谷歌、百度为代表加上数不清的创业公司，谷歌去年拆分了无人驾驶业务成为母公司Alpahbet旗下的子公司Waymo，显然是寄予厚望。至于把技术开源化的百度就更不用说了。这两个流派的主要区别在于Roadmap不同，主机厂大多走的是基于ADAS的渐进式路线，而互联网新势力试图依靠激光雷达直接突破L4，实现弯道超车。此前JD Power的市调显示，多数人很看好互联网公司主导下一轮的汽车创新，但其实车企的动作并不慢。在美国加州机动车管理局((California Department of Motor Vehicles)拿到无人驾驶路试牌照的企业中，车企梯队实力不俗，大众、奔驰、通用、日产、宝马、本田、福特、斯巴鲁甚至上汽都赫然在列，还不算Bosch、Delphi、Valeo等Tier1，互联网巨头和创业公司则有谷歌、百度、ZOOX、吴恩达老婆Carol Riley的Drive.ai、乐视花瓶Faraday Future、Navya、Renovo、Nuro、Wheego、蔚来以及最引人关注的苹果等等。咨询公司Navigant所列出的未来10年最可能把无人驾驶商业化的18家企业中，除特斯拉外仅5家是互联网公司，而且都在前6名之外，其余全是传统车企。只不过车企行事更为低调，技术上也更接地气，如奥迪研究V2I(车辆与基础交通设施的信息交互)，奔驰探索让车队首尾衔接以提升物流效率，车企即便用激光雷达也是32或16线的Velodyne产品，如福特去年在CES上展示的蒙迪欧以及上汽在加州路试的MG就是如此，不像谷歌和百度上手就是64线高端技术。简而言之，车企的商业考量要胜过对技术的向往。作为老牌Tier1的Bosch和Delphi有差不多的规划，Bosch有个三段实现论，第一阶段的Integrated highway assist，先解决高速公路上的路线控制，然后是Highway pilot，减少对人的依赖，最后是Auto pilot，以系统取代人类。Delphi有个特别互联网的口号V2E(Vehicle to Everything，车联一切)，强调汽车的跨平台通信能力，以低成本的解决方案迎合主机厂。2015年Delphi用一辆奥迪Q5搞了横穿美国的公路秀，又准备在新加坡测试点对点的通勤服务，计划2019年实现SAE的L4级自动驾驶。法国Tier1 Valeo去年CES上秀过名为eCruise4U的无人车，用360度环视解决紧急制动问题，用C-Stream摄像头代替原来的后视镜，用XtraVue视觉技术扫除盲区，而且正和美国盟友初创电动车公司Wheego在加州进行路试。Tier1的优势在于与主机厂关系紧密，不像互联网公司那样心存芥蒂，但技术路径偏于保守，在庞大市场诱惑下，主机厂也未必再愿受其束缚。我们再来看这一行风头最健的两家企业Mobileye和Nvidia。最近一段时间，两家公司在资本市场的此消彼长令人瞩目，Mobileye一向是ADAS领头羊，而Nvidia在老资格玩家眼中还是游戏硬件厂商，如今却在无人驾驶上激烈交锋。Mobileye与特斯拉分手并被Inter收购前后，股价剧烈波动，而Nvidia股价从去年5月的35美元/股一路飙到今年5月的126.5美元，市值突破800亿美元，要知道摩根斯坦利给Waymo的估值也只有700亿美元，加上最近软银40亿美元的大手笔，说明多数人认可了Jensen Huang(黄仁勋)的说法：GPU是实现无人驾驶的唯一途径。具体来说，就是认为Nvidia的12颗GPU组成的拥有8万亿次浮点运算能力并能同时处理12路摄像头、雷达和超声波传感器的水冷Drive PX 2，要完爆Mobileye每秒2万亿次运算能力、仅支持8个摄像头的EyeQ4处理器。更不用说Nvidia的怪兽级深度学习计算机DGX-1了，后者拥有8颗Pascal架构GP100核心的Tesla P100 GPU外加7TB的SSD，2颗16核心Xeon E5-2698v3以及512GB的DDR4内存。按Inter的估算，一辆无人车每小时会产生45T的数据，考虑到未来的商业普及，这种规模的数据完全靠云端解决并不现实，而本地化处理没有超强的硬件绝对玩不转。这也就说明了为什么在行业人士看来，Mobileye那一套基于视觉感知体系建立起来的解决方案，怎么看都比Nvidia的硬件+深度学习要Low一些。同时V2X通信标准成熟后，车辆可以不依赖摄像头等视觉感知设备就与交通设施完成通讯，这就削弱了Mobileye而加强了Nvidia的地位。这听起来好象有道理，其实也未必。Mobileye的最大教训是去年5月7日的特斯拉事故后与Elon Musk互相指责，Eye Q3单目前视+毫米波雷达的信息冗余度不够，极端情况下容易产生误判，到Eye Q4的3目前视+5目环视方案就基本解决了。特别是3目前视能够组合三维信息，就类似于激光雷达了。但这还不足以与Drive PX 2竞争，Mobileye真正要做的是Eye 4+REM(道路体验管理系统，Road Experience Management)的解决方案。通过与主机厂合作，Eye Q4利用摄像头记录道路信息，转化为可供车辆使用的数据，这使得Mobileye拥有了自己的高精度地图，精确度号称达到10.16厘米，让Mobileye的环境感知模式可以快速识别并分类移动物体、护栏、道路标线、交通标志、信号灯等。这个逻辑类似于当年谷歌收购众包地图Waze以及Uber收购地图创业公司deCarte，算是低成本解决无人驾驶的一种过度性手段。更重要的是这套系统不动声色的利用了Mobileye多年来在ADAS领域的优势，它从2007年就与VOLVO合作，至今扩展到数十家主机厂和数以千万计的车辆，最近又与Delphi结盟，这些数据每天都在完善和提升REM的能力，帮助Mobileye突破L5级的自动驾驶。而Nvidia Drive PX 2售价高达1.5万美元，这会让主机厂的BOM表变得非常难看，虽然攻下丰田收获大胜，但暂时还缺乏产业支持。况且理论上说，收购了ATI的AMD只要愿意，也可以做同样的事，或者说某家巨头通过收购AMD的方式复制Nvidia的成功也不是没有可能。Mobileye的劣势还在于它一直有抑制主机厂自主研发的强烈倾向，视觉算法也秘不示人，导致主机厂没有差异化的空间，这就不如Nvidia的开放模式讨巧了。对Mobileye来说，Inter的入主有利有弊。由于Eye Q4不可避免要在Inter的芯片构架下运行，Mobileye多年的老伙伴意法半导体就不得不沦为弃妇了，虽然去年两家还高调宣布过开发Eye Q5。Inter的基本思路是要把Eye Q系列整合到自己的芯片或集显之中，在主机厂克隆pc厂商与自己的那种关系，这就让Mobileye有退化为技术服务提供商的风险。换句话说，Inter和Mobileye的解决方案是越俎代庖式的，主机厂参与性差，且有很高的同质化嫌疑，后者显然更喜欢Drive PX 2那种可以自行掌控、自行开发的平台，这才是资本市场看好Nvidia的心理洞察。至于深度学习，Nvidia的DGX-1虽然贵到不讲理(12.9万美元)，但也贴心的提供开源的深度学习工具DIGITS，后者可以识别巴塞罗纳大学开发的Synthia数据库中经过注解的图片，这对于训练神经网络有决定性意义。要知道，Mobileye可是有一个600人的团队从事这项工作。DIGITS的成果可以打包部署到任何设备，不但主机厂喜欢，很多有志于无人驾驶的公司也用它来走捷径。所以Nvidia阵营扩大到奔驰、大众、特斯拉、丰田、VOLVO等都来站台就不奇怪了，Mobileye拥趸有减少的趋势，但在技术真正成熟前，一切都存在变数。我们再看互联网公司。谷歌很早就盯上了无人驾驶，此前是在旧金山湾区九曲花街进行前期测试，2012年5月8日在内华达取得了路试牌照，技术上主要是Velodyne的64线激光雷达为主，摄像头+传感器为辅，这也成为后来互联网模式的标配。谷歌的软硬件相对成熟，但也出过一些事故，包括2015年6月26日与Delphi的那次较量，据说当时Delphi的奥迪Q5正在并线，而谷歌的雷克萨斯RX400攻气十足的抢先并道，Delphi自称反应妥善，没有酿成事故。无人驾驶的工作原理这里不做赘述，仅讨论一下谷歌面临的主要问题：1、成本Waymo的整车成本在15万美元左右，其中Velodyne垂直26.8度和水平360度扫描，每秒产生130万数据点的64线激光雷达单价就有7.5万美元，商业化的瓶颈是价格。Velodyne的64线雷达工艺复杂，1周只能出品2台，按2025年会有2000万辆无人车上路的预估，如果都用激光雷达，Velodyne的产能是另一个瓶颈。去年福特和百度以1.5亿美元入股Velodyne，后者拆分出三个子业务，其中激光雷达属于Velodyne LiDAR，百度已然精明的大量下单囤货，加上采埃孚(ZF)收购了另一激光雷达公司Ibeo40%股权，所以对Waymo来说，虽然市场上还有Quanergy、Innoviz以及一些中国产品可供选择，但自研才是控制成本的最好办法。Waymo自研的系统由3个激光雷达、8个视觉模块和毫米波雷达组成，成本降至7500美元，不久前的开发者大会上，谷歌又发布了第二代云TPU用于机器学习和训练，视觉搜索引擎Google Lens和语音助手Assistant的技术也都将车规化。2、更多的信息获取无人驾驶的另一个要素是信息获取。Waymo单靠自己路试，数据的样本量非常有限，因此它亟需创造大规模应用场景。2013年谷歌就给过Uber约2.58亿美元的风投，但后者不甘沦为Waymo的附庸，2015年与卡内基·梅隆大学合作建立高技术研发中心探索无人驾驶，这让谷歌非常不满。去年1月Waymo工程师Anthony Levandowski离职创建无人货车公司otto并闪电被Uber收购，令双方矛盾白热化。对簿公堂之下，旧金山地方法院判令Uber返还全部1.4万份技术资料，Travis Kalanick的野心算是受到很大挫折。但谷歌真正的铩手锏是牵手Lyft。首先是用旗下的Waze地图完成对司机的实时追踪，提升Lyft的运营效率，然后再切入无人驾驶，Lyft此前拿过通用的10亿美元投资，很多人以为这是转投谷歌的节奏，其实Waymo无非是找了一个验证自身技术的高频场景而已。3、运营与合作的破冰Waymo一边加紧路试，一边注意在某些野心很大但技术有限的车企那里争取突破口，比如从菲亚特克莱斯勒订购了100辆Pacifica加入路试，与本田的合作也已公布。其中Pacifica已经接近实用状态，Waymo在Early Riders页面公开接受亚利桑那州凤凰城居民的申请，承诺运送到任何他们想去的地方，尽管车上仍有司机，但没有L4级的技术水平是绝不敢这么做的。Waymo意图证明自己在成本控制、商业考量、技术储备和安全高效上都做好了准备，这也有助于理解为什么百度要突然开放无人驾驶技术。缺乏硬件基础的百度Apollo只是一个软件平台，在Mobileye主宰的ADAS时代难有作为，甚至连前装的机会都没有，而如果主机厂围绕Nvidia的Drive PX 2去做无人驾驶的软硬件整合，百度同样没有机会。因此陆奇的慷慨也是不得已而为之。百度的精明在于在目前的市场环境下，百度找到大牌伙伴的可能性很小，唯一的机会是在今年找到某家急于跳过ADAS阶段的国内主机厂，迅速推出样板产品。不得不说，这个机会还是很大的。百度提前锁定Velodyne的产能是因为后者曾经吹牛如果订单突破100万，它就把产品价格下调到500美元左右，这当然有助于让无人车的成本取得历史性突破。不过，无人驾驶的普及除了技术和成本因素，在商业化上还有几个关键门槛：1、没有真正做到无人。至少Waymo还不能完全脱离司机，按此前透露的数据，Waymo司机接管汽车的频率已经从每1000英里0.8次下降到目前的0.2次。这个数据无限趋近而不是真正下降到0没有任何实际意义。2、立法困境和法理争议。去年12月联合国日内瓦世界车辆法规协调论坛上讨论过无人驾驶的立法问题，美国加州机动车管理局也出台了无人驾驶草案，但今天的汽车产业准备不足，很多细节问题尚待解决，立法根本没有基础。具体表现在没有确定的管辖主体，一台机器犯了错误，怎么处罚?就算可以，处罚机器也没有意义，因此理论上说，汽车厂商、Tier1、硬件提供商、地图服务商甚至码农个人都可能成为被告。英美法系是判例法，一旦出现成功索赔，将可能引发连锁反应，由此而来的缠讼很可能让任何企业吃不消。摩根斯坦利估算，无人车虽然理论上比有人驾驶车辆更安全，但商业化之后，每行驶1.23亿公里仍会造成50人死亡。最先认识到这点的是ABA(美国律师协会)，它对无人驾驶的商业化比谁都积极，协会把无人驾驶视为未来50年的金饭碗，这就比较腹黑了。3、社会伦理争议。当危险不可避免时，无人驾驶技术也面临伦理困境，即优先保护车主还是路人，这很像当年著名的Trolley Problem(电车难题)，在被动安全年代，主机厂的原则是双向加强，比如VOLVO就花了很大力气研究行人保护技术，捷豹也有引擎盖抬升系统等等，但在无人驾驶时代，奔驰就转而支持优先保护车主了。配备无人驾驶的汽车现阶段是奢侈品，奔驰的选择符合商业伦理，但在法理上会有很大争议，只怕又要让ABA高兴了。4、副作用尚未真正显现此前美国Transportation Research杂志刊载橡树岭国家实验室的建模研究成果，指出无人驾驶汽车对交通效率和车主体验的提升，将可能使人类消耗资源的总量不降反升。无人驾驶会促成汽车的大共享还是会因为使用门槛的降低导致私家车的暴涨，专家学者们也争论不休。同时无人驾驶究竟会缓解还是加剧拥堵亦无定论。理论上说，随着V2X的成熟，无人驾驶车辆将打通车内、车外和车际网，顺畅的信息交互会让整体交通体系更有效率。这似乎有道理，但研究结果却两极分化。数学家Benjamin Seibold在美国著名的《大众机械》杂志上撰文指出，无人驾驶有利于克服有人驾驶上的波浪式拥堵效应。伦敦帝国理工学院的研究则表明，由于无人驾驶倾向于柔和采取制动和启动措施，所以整体通行时间可能要多于有人驾驶。无人驾驶的真正影响只能待事实验证。5、从消费路径上说，无人驾驶不具备快速普及的条件。宣称在2020年量产无人车的企业不少，大量主机厂都有类似的计划，百度也喊过三年商用，五年量产的口号，但纯属互联网式的放卫星。因为最根本的是安全问题还没有解决，在手机重启，pc蓝屏都无法根除的今天，怎么保证系统不犯让车主送命的错误?技术在某个特定场景下的成熟，没有多大商业意义，无人驾驶普及前必须承受复杂苛刻长达数亿公里并考虑各种极端情况的路试，跳过这一步的可能性几乎没有，这就决定了无人驾驶只能是缓慢渐进式的发展。我们知道最早的谷歌无人车也是2012年5月才开始路试，至今跑了不到500万公里(虽然Waymo号称相当于人类400年的经验积累)，去年9月还有一次严重车祸，相比之下，普通的传统汽车都要经过几百万公里的路试，比如奇瑞旗下品牌观致上市前仅在欧洲就有650万公里和10个批次的路试。目前除了极少数巨头，绝大多数互联网公司不可能坚持这种规模的路试，这不符合快速迭代的互联网思路，成本结构也不允许。6、落地瓶颈去年10月的中国汽车工程学会年会上发布了《节能与新能源汽车技术路线图》，强调2025要有15%的汽车实现HA级的自动驾驶，但众所周知L4级的自动驾驶依赖海量数据以提升深度学习能力，而数据不仅是车主隐私更是一种战略资源。至少我本人高度怀疑主管部门放手Mobileye的REM系统在中国建立高精度地图库的可能性，即便后者的服务器可以遵命部署在国内。《中国制造2025》中对关键设备和技术的国产化也有明确要求，这个问题以及由此带来的深远影响才是无人驾驶领域的最大变数!7、小范围商用的可能性。无人驾驶在规模化之前需要小范围封闭环境的测试，比如企业园区通勤车、景区观光车等低速场景，这样安全可控，意外风险小。Waymo在凤凰城的尝试，Navya在拉斯维加斯飞芒东街、密歇根大学城的免费搭乘，瑞士邮政巴士(PostBus)在瓦莱州首府锡永开通的小巴，nuTonomy在新加坡住宅区半径2.5英里的出租车都属此类。关于无人驾驶有大概三点结论大致靠谱：首先，谁的技术率先商用，谁的机会就最大，因为量产车型所带来的规模化数据是任何路试不能替代的，但享受这份风光的条件是不能犯任何错误。其次，无人驾驶的普及需要集合多方面的力量，互联网公司脱离或试图颠覆传统车企将是非常错误的选择。最后，无人驾驶很可能促成真正意义上的大共享。罗兰贝格的民调显示，如果无人驾驶汽车普及，27%的中国人、32%的美国人，56%的日本人会放弃购买私家车。但现在谈无人驾驶的赢家还为时尚早。十九世纪中叶，美国西部发现石油，冒险家蜂拥而至，没日没夜的钻探，侥幸成功的一夜暴富，运气不佳的倾家荡产，而精明的老洛克菲勒却开起了炼油厂，因为他知道工业界需要的是裂解后的汽柴油，结果他成了那场世纪红利的收割人。如果无人驾驶热潮中最终获益的不是传统车企，不是谷歌百度，也不是Nvidia或Velodyne，而是ABA之流的律师协会。这TM就尴尬了!编者按：本文来自微信公众号二说(ID：chongershuo)，作者虫二。http://36kr.com/p/5078567.html