原创 静逸投资 静逸投资 2022-10-11 11:48 发表于上海
“智能电动汽车”正在颠覆整个汽车行业。“电动化”正在如火如荼地进行之中，而“智能化”尚处在初级阶段。“智能化”的核心，不是把汽车变成另一个移动互联网终端，而是实现真正的自动驾驶。围绕自动驾驶的技术路线，有大量的争议。谁会是未来的成功者呢？未来自动驾驶的格局会是怎样呢？
毫无疑问，自动驾驶一定是未来的发展趋势，因为它满足了人类的底层需求：人性天然是懒惰的。满足人的惰性是推动技术进步的一大动力。除了少数情况，驾驶机动车本身是一项重复性的体力劳动，枯燥、乏味、消耗精力。与其日复一日无聊地驾驶，不如把时间解放出来用来休息、娱乐或学习。并且，大多数人并不擅长驾驶。人只有两只眼睛，并且功能有限，不如摄像头、激光雷达这些设备感知精准，可覆盖360°范围。普通人驾驶的反应时间在0.3秒左右，而自动驾驶的反应时间可以缩小到0.01秒。而且人难以长时间地集中精力，而机器可以做到24小时驾驶，1秒都不分心。在中国，仅2020年就发生各类交通事故244674起，死亡人数为61703人，受伤人数为250723人。高阶自动驾驶如果得以普及，那么交通事故和伤亡蔡紫
人数将大幅下降。
自动驾驶能够创造的商业价值是巨大的。车主使用自动驾驶汽车，相当于雇佣了24小时全职的私人司机。整个社会将节约出来大量时间，人们可以从事更有价值、更有创造力的工作。同时也能挽救更多人的生命，生命的价值是无限的。
自动驾驶具有非常显著的规模效应。对于自动驾驶方案提供商来说，虽然需要付出很大的研发成本，但一旦研发成功，产品本质是一套可以通过空中下载技术（OTA）分发的算法，边际成本为零。同一套算法可以适用于全球各地市场，适应于小汽车、卡车、出租车、公交车等各型车辆，甚至是机器人。消费者剩余巨大的同时边际成本几乎为零，这是非常好的生意模式。
自动驾驶将颠覆很多行业，对社会结构的颠覆也是巨大的。据统计，2020年，中国有1728万货车司机，完成了全社会货运量的74%。如果卡车实现自动驾驶，卡车可以24小时在高速网络中运行，跟车距离也可以大幅度缩短，路网的使用效率将大幅度提升，整个社会的物流成本将大幅下降。同样，滴滴司机、出租车司机、代驾等职业也不再需要，共享出行将更加发达，整个社会维持原有出行规模需要的汽车数量将大幅下降。长距离通勤不再辛王宫的通告
苦，人们可以住得更加分散。郊区的房产甚至会更受欢迎。外卖员、快递员等机械性工作都可能被完全替代。整个社会的成本会大幅下降，效率大幅提高，但被颠覆行业的从业者将需要重新寻新的职业。正如智能手机颠覆了相机、掌上游戏机、PC、收音机、闹钟、手电筒、ATM等等，自动驾驶还将产生一些意想不到的二阶效应，改变农业、零售业、物流业、制造业、房地产、保险、旅游、医疗、养老等各个行业。
情侣伤感图片正因为前景如此美好，近年来，大量的创业者和资本涌入自动驾驶行业，但曾经有多疯狂，如今有多落寞。谷歌自动驾驶项目的前负责人创办的Aurora，曾经无人驾驶领域市值最高，如今寻求部分或整体将公司出售，股价下跌90%。图森未来传出要将亚太业务以 10 亿美元的价格出售，股价也下跌90%。通用汽车旗下自动驾驶子公司 Cruise巨额亏损。谷歌旗下的Waymo同样持续多年亏损。Intel旗下的 Mobileye 估值仅半年接近腰斩。华为也感受到寒意，对于智能汽车解决方案将减少预算。百度Apollo、小马智行等国内自动驾驶公司同样进展不顺。
原因在于，在技术上实现L4和L5级别的高阶自动驾驶极其困难。哪怕解决了99.99%的问题，剩下的0.01%也非常致命。当下的绝大多数自动驾驶公司，还停留在早期研发阶段，
技术无法突破，产品无法量产，就无法在商业上变现，也无法获得规模效应。一旦融资受阻，就有破产的风险。
dnf修罗刷图加点在整个行业陷入艰难的情况下，有一家公司却鹤立鸡，在技术进展和商业变现上取得了很大的突破，那就是特斯拉。我们可以在网络上看到，很多北美特斯拉车主发布了特斯拉最新FSD beta测试版本的视频。特斯拉FSD最新版本，已经基本实现了在复杂城区开放道路的自动驾驶，包括识别道路标志，识别红绿灯，避让各类行人、动物、机动车和非机动车，识别复杂的修路路障、锥桶、警示杆，无保护左转，通过标线混乱或没有标线的道路等等。在被前方临停的车辆挡住时，甚至会挪开一点位置观察后继续行驶，或者前方故障车辆挡住路时，像老司机一样压黄线避让后行驶。在能见度低的雨雾天，也能先于人发现前方来车。当然，个别地方比人类司机还稍有逊。
特斯拉这一年的进化速度极快，特斯拉FSD beta能做到复杂道路基本不需要人工接管。能达到当下这种自动驾驶水平，已经很让人吃惊。特斯拉FSD测试版在美国的价格已经由2015年的2500美元涨价到目前的1.5万美元，购买的人数仍在大幅增长。
可以说，特斯拉的自动驾驶水平已经不断逼近L4。无论是自动驾驶的先驱谷歌的Waymo，
还是国内的华为、百度或者蔚小理等造车新势力，没有一家能做到当下特斯拉的水平。谷歌和百度的自动驾驶出租车，也依然限定在特定城市的特定区域。个别公司宣称在城区道路自动驾驶开了多少公里，纯粹是实验层面的测评，而不是大量用户的真实体验，也远远没有量产。那么，特斯拉为什么目前遥遥领先，它到底有什么与众不同？
技术路线之争：纯视觉还是激光雷达
要实现自动驾驶，需要车辆完成“感知、决策、执行”三个步骤。为了增强感知能力，自动驾驶汽车可能需要很多的传感器，如摄像头、毫米波雷达、超声波雷达、激光雷达等。每种传感器都有自己的功能和局限。
传感器的本质是比特流。光学摄像头摄像头比特/秒的信息量，要比毫米波雷达和激光雷达高几个数量级。摄像头技术成熟、价格便宜。不过，摄像头直接获得是二维的图像信息，不能直接识别目标距离。此外，摄像头可能受天气和其他环境条件的影响。
毫米波雷达的原理是依靠反射的电磁波来探测障碍物，受外部条件影响小，具备直接提供三维数据能力，但毫米波雷达由于波长的原因，分辨率有限，且很难识别静止或非金属物
体。超声波传感器主要用于短距离物体检测，应用于自动泊车和碰撞警告等场景，缺点在于测距短，需要安装多个，只适用于低速场景，而且超声波的传播速度慢，误差大，可靠性不足。
激光雷达的优点是，能够直接提供目标的三维数据，有极高的角度、距离和速度分辨率，缺点在于工作时受天气和大气影响大，在大雨、浓烟、浓雾等坏天气里，衰减急剧加大。激光雷达因为不具备彩、文字等完整的环境感知能力，实际并不能作为单一的传感器来使用。此外，激光雷达成本高昂，目前尚未有大规模量产的实际运用经验，技术路线也在演进，可靠性没有得到充分证明。
不同公司，因在技术路线选择和资源禀赋上的差异，主要分为了“多传感器派”和“纯视觉派”，前者又分为“前端融合”和“后端融合”。
以谷歌的Waymo为代表的“多传感器派”占据绝对主流，包括百度Apollo、蔚小理、奔驰等，几乎都认为传感器越多越好，车身布满摄像头、毫米波雷达、超声波雷达和激光雷达，并且需要配合事先绘制的高精地图。
特斯拉却反其道而行之，选择了“纯视觉”的极端方案。之前，特斯拉的自动驾驶传感器包括8个摄像头、也包括了1个前置毫米波雷达，以及车辆周围的超声波传感器。去年，特斯拉宣布将过渡到没有雷达的“Tesla Vision”自动驾驶系统，并开始去掉毫米波雷达。特斯拉近期宣布将去掉全部的超声波雷达。特斯拉的未来自动驾驶方案将仅完全依靠8个摄像头。
吴建豪演过的电视剧如果问多数人特斯拉这么做的原因，大概率只会回答一个原因，就是激光雷达太贵了。所以，国内车企比赛谁的激光雷达更多，似乎就是比特斯拉更加重视用户。国内甚至有车企提出“没有4个激光雷达，请不要说话”。激光雷达的成本将来必然会降低，如果多花一些成本，就能迅速在自动驾驶方面领先，特斯拉没理由不用。其实，传感器成本仅仅只是一个原因，但不是最重要的原因。未来激光雷达成本大幅降低后，特斯拉也不会再采用。综合马斯克和之前自动驾驶负责人Andrej Karpathy的一些观点，特斯拉采用纯摄像头的方案，原因有如下几个方面：
首先，使用多种传感器，将面临不同信息融合的问题。如果各种传感器信息相互矛盾，无论是前段融合还是后端融合，都可能出问题。例如特斯拉之前使用过毫米波雷达，由于分辨率有限，对地面金属反射物有过强的反射，形成对目标的误判，导致出现“幽灵刹车”。
李贞贤身高
其次，使用超声波雷达、毫米波雷达和激光雷达完全没有必要。雷达的优势只是在直接感知层面得到了更加精确的深度信息，但识别、记忆、预测、决策这些方面的难题一个都绕不过去。视觉本身不完美，但完全有办法解决。特斯拉强在AI算法方面非常强大。例如，摄像头虽然直接提供的是二维图像，但通过神经网络的Transformer算法可将8个摄像头提供的数据综合成三维信息，形成鸟瞰视图“BEV”。BEV后来又升级为更加强大的“占用网络” （Occupancy Network）。过去特斯拉曾经出现过无法识别纯白卡车而出现的事故，但这一问题早已不复存在。经过算法的改进，尤其是近一两年来的飞速进步，算法已经可以解决纯视觉方案的一些缺点，已经完全不需要雷达就可以得出精确的深度信息。经过算法改造后的三维信息，甚至比激光雷达直接获得的深度信息更准确。特斯拉遵循了奥卡姆剃刀原理:“如无必要,勿增实体”，当8颗摄像头就已经可以完成当前所有感知任务时，就不再增加第9颗，而且要砍掉已经多余的、哪怕极其便宜的超声波雷达。
发布评论