2017年自動駕駛領域群雄爭霸 誰主沉浮？

說起今年的自動駕駛行業，充滿了重大新聞。如果你想逐一總結重大事件，估計你可以出版一本書。但我們仍然試圖用千言萬語來解讀今年自動駕駛領域的幾個趨勢和熱點事件。傳統車廠的反擊對于傳統車廠來說，實用主義是做生意的基礎。每個人都認識到自動駕駛將是未來，但發展自動駕駛的前提是它不能影響現階段的產品開發和銷售。福特就是一個很好的例子。今年年初，他們以10億美元收購了自動駕駛初創公司Argo.AI，并高調開發了自動駕駛。因此，其前首席執行官Mark Field因過于強調技術轉型而忽視現有產品而遭到董事會彈劾。新CEO上任后，他宣布將推遲2021推出L4自動駕駛儀的最初計劃。在歐洲，沃爾沃一直非常重視自動駕駛，也將原定于今年啟動的自動駕駛測試項目“駕駛我”推遲至2021。可以說，面對自動駕駛，傳統巨頭們已經逐漸從狂熱追逐到冷靜規劃。不過，不要認為傳統車企已經放棄了在自動駕駛領域的反擊。他們專注于自己最大的優勢：產品的大規模生產。今年7月在巴塞羅那上市的新款奧迪A8是一個強有力的反擊信號：它是全球首款搭載L3級自動駕駛的量產車，可以在法律允許的區域內以不高于60公里/小時的速度實現自動駕駛。。（有人認為奧迪A8只達到了L2.5級別。）

在我看來，新款A8最重要的意義在于奧迪對自動駕駛供應鏈的整合。除了配備激光雷達、攝像頭、毫米波雷達和超聲波雷達等傳感器外，德爾福集成的新款A8自動駕駛儀的核心控制單元zFAS更像是控制器的強大主板：它集成了Mobileye的EyeQ、NVIDIA K1 GPU和Altera Cyclone FPGA。

新A8證明，無論是科技公司、一級供應商還是芯片供應商，只要他們想讓自己的自動駕駛技術落地量產產品，最終都會回歸統一的汽車供應體系。每個人都應該與汽車工廠一起合作，而不是單獨作戰。除了A8，今年發布的凱迪拉克超級巡航和梅賽德斯-奔馳Drive Pilot也是非常成熟的半自動駕駛解決方案，這里就不再贅述了。感興趣的人可以看看我們的另一篇總結文章：“2017年，這些汽車讓我們離自動駕駛又邁進了一步”。零部件供應商的輪替，一直給人一種低調的印象，就是在汽車行業發大財。但今年他們的風格發生了變化。自動駕駛涉及感知、地圖、決策、控制等多個環節，即使是Tier 1也不可能事事靠自己，所以如果你想為車廠的客戶爸爸提供滿意的解決方案，你必須找到其他人來合作。其中許多合作伙伴都是知名人士，來自汽車行業以外的科技公司。因此，對于Tier 1來說，無論是從技術體系、合作模式還是宣傳策略，都面臨著轉型。最直接的方法是與科技公司結成聯盟。在這一年里，幾乎所有你能數到的一級巨頭都吸引了他們的盟友。博世和采埃孚與英偉達和百度合作，而和德爾福則加入了寶馬和英特爾的陣營。

更重要的是，直接選擇成為一家科技公司。9月，德爾福正式將其動力總成業務拆分為Aptiv和德爾福科技兩家公司。其中，安博福的定位是一家專注于汽車前沿創新領域的科技公司。有關詳細信息，請參閱我們的文章《與德爾福分離后，Amber首次面對媒體。他們說了什么？從技術上講，上述供應商也已經與各自的盟友宣布了他們的業績。例如，在上海車展期間，博世宣布了與三大d合作的云路書BRS……

estic圖形經銷商，并通過孵化器與更多初創企業合作。另一個例子是大陸的CUbE無人車。

由于其自身的供應商角色以及對自動駕駛和車輛開發的理解，一級供應商在汽車制造商和科技公司之間的整合中發揮了非常重要的作用。現階段，無論是硬件還是軟件，科技公司的自動駕駛技術最終都能在汽車工廠項目中成為SOP，這與Tier 1的貢獻是分不開的。因此，我們將在隨后的分析中經常看到它們。芯片公司的角力說起今年自動駕駛領域最大的新聞，我認為英特爾斥資150多億美元收購了Mobileye。這種手寫不僅顯示了芯片行業的巨大價值，也顯示了芯片公司做自動駕駛的決心。英偉達和英特爾今年已經宣布了他們在自動駕駛領域的產品。今年，英偉達宣布了Drive PX的最新產品Xavier和未來的下一代產品Pegasus，并以Xavier為基礎，分別與博世和采埃孚聯合推出了汽車AI超級計算機。關于NVIDIA產品的分析，請參閱我之前的文章：“GTC 2017 |一篇了解NVIDIA自動駕駛解決方案的文章”英特爾，他們通過收購Altera和Mobileye收購了FPGA架構和EyeQ芯片。根據英特爾的數據，Mobileye的最新一代EyeQ5芯片可以提供每瓦2.4次DL TOPS（每秒萬億次）。這比NVIDIA公布的Xavier性能高出2.4倍。另一家芯片巨頭高通除了繼續消化收購恩智浦獲得的資源外，還在2017年12月初獲得了加州自動駕駛道路測試的許可。自PC時代以來，芯片行業一直是一個競爭激烈的領域。盡管英偉達首席執行官黃仁勛在接受GTC中國采訪時一再強調，英偉達的職業生涯依賴于熱愛，但在汽車行業，他的公司與英特爾針鋒相對。與消費電子產品不同，汽車中使用的計算芯片在功耗、穩定性和安全性方面有更高的要求。GPU和CPU等通用計算芯片能否針對車載應用進行優化已成為一大挑戰。因此，盡管英偉達和英特爾在汽車領域蓬勃發展，但目前真正進入SOP的產品并不多，車企也期待著更多的選擇。事實上，這讓其他公司有機會制造專門用于汽車場景的計算芯片，例如ADAS的視覺感知芯片。領先者Mobileye驚人的產品價格，讓國內一些創業公司也瞄準了這塊蛋糕。例如，地平線本月宣布了其自研ADAS芯片“Journey”，并將在2018年消費電子展上與英特爾聯合推出預裝配方案。他們希望通過了解中國市場和深度學習來趕上Mobileye。我們只是在討論上面的終端方案。如果我們著眼于云計算，將會有更多的玩家參與進來。科技巨頭谷歌宣布了專門用于深度學習的計算芯片TPU和國產芯片CAMBRIAN獨角獸等等。

競爭的加劇實際上是汽車制造商樂于看到的，因為這將給他們帶來更多的選擇，更高的議價和定制能力，以及更低的風險。畢竟，他們不想被芯片公司的“AI神道”帶到節奏中。對于已經享受到巨額獎金的領導人老黃來說，表面上說說笑笑，忍住核彈，仍然是最好的應對方式。人工智能的瘋狂人工智能真的太火了。我很不好意思不加“.AI”域名就稱自己為科技公司。但話說回來，人工智能對自動駕駛的重要性是毋庸置疑的。Mobileye首席技術官Shashua教授曾將人工智能在自動駕駛汽車中的應用總結為兩個主要部分：

環境感知：類似于ADAS攝像頭識別，它對車輛傳感器返回的數據進行分析和融合，并分析周圍的駕駛環境。在這一部分中，人工智能或深度學習的主要功能是讓汽車看得更準確。例如，系統是否可以識別……

y前車的具體形狀，屬于哪種車輛，距離車輛有多遠，甚至可以識別前車駕駛員的性別。同樣的應用還包括行人、非機動車、車道線、路標、道路兩側的環境等要素。該領域的人工智能應用具有相對固定和明確的學習標準，收集的數據可以重復使用，例如同一組車輛圖片或視頻材料。您可以讓系統反復識別和學習它們，直到準確性令人滿意。因此，數據收集的困難在于如何覆蓋足夠的環境材料以及各個國家和地區不同的駕駛環境特征。駕駛決策：系統完成環境意識后，如何做出相應的駕駛決策。在這個領域，人工智能的作用是使機器能夠像人類一樣駕駛，同時確保安全。目前，大多數在道路上測試的自動駕駛車輛都嚴格遵守交通法規，并且極其保守。然而，在現實環境中，人類駕駛員的駕駛決策并沒有遵循明確的標準，而是將游戲與其他駕駛員結合起來。例如，在中國，嚴格按照交通法規駕駛是沒有“前途”的。真正的老司機是見縫插針、避開攝像頭和利用交通法規的專家。（當然，我們在駕駛時仍然必須遵守交通法規。）因此，如果機器真的成為了一個老司機，并且能夠在真實場景中與人類司機同行，那么它需要收集更多的駕駛數據。此外，談判沒有固定的標準，這將對環境產生影響。收集到的數據不能重復使用，需要在每次決策迭代時再次收集。因此，駕駛決策也比環境感知更困難。由此可見，人工智能在自動駕駛中的應用需要大量的數據支持，也對深度學習的效率提出了很高的要求。因此，無論是初創公司還是汽車巨頭都瞄準了這個領域。今年中國涌現的大多數人工智能初創公司仍在做與環境意識相關的人工智能，稱其為機器視覺公司可能更合適。一些巨頭公司，如寶馬和谷歌，已經開始征服與駕駛決策相關的部分。人工智能的爆發也讓汽車行業意識到了軟件算法的重要性。汽車公司和Tier 1都在強調這樣一個事實，即他們自己團隊中的軟件工程師比例已經增加。博世甚至在汽車人工智能領域設立了專門的人工智能研究中心和孵化器。關于人工智能在汽車領域的發展，我個人同意Shashua教授的觀點，這是一個技術問題和操作問題。在保證人工智能人才的基礎上，如何獲得更多的數據是關鍵。互聯網公司生態提到了自動駕駛行業的互聯網公司。今年誰能超越百度？7月，Apollo自動駕駛平臺正式宣布（詳情請參閱“閱讀百度自動駕駛布局的文章”），這可以說是中國自動駕駛圈最大的事件。業內對Apollo眾說紛紜，但它確實將中國大型互聯網公司基于平臺的生態理念帶入了汽車行業。

Apollo平臺基本上包含了自動駕駛所需的所有元素。軟件算法、高精度地圖、傳感器、計算芯片、云服務等一應俱全。然而，這些技術中的許多似乎并不是百度的強項，而是來自平臺上的其他合作伙伴。那么這個平臺的意義是什么呢？為什么人們選擇與阿波羅合作？這可能是大多數人質疑阿波羅觀點的起點。在我看來，就像Shashua教授的觀點一樣，仍然有必要從技術和操作兩個方面來看待它。在技術層面，百度最重要的優勢是在國內高精度地圖和云計算方面的積累。地圖資質是中國企業的天然優勢，這也是博世應該與百度、高德和思微圖新合作的根本原因，而云服務是互聯網公司在中國布局的基礎。說起今年的自動駕駛行業，充滿了重大新聞。如果你想逐一總結重大事件，估計你可以出版一本書。但我們……

我將嘗試用千言萬語來解讀今年自動駕駛領域的幾個趨勢和熱點事件。傳統車廠的反擊對于傳統車廠來說，實用主義是做生意的基礎。每個人都認識到自動駕駛將是未來，但發展自動駕駛的前提是它不能影響現階段的產品開發和銷售。福特就是一個很好的例子。今年年初，他們以10億美元收購了自動駕駛初創公司Argo.AI，并高調開發了自動駕駛。因此，其前首席執行官Mark Field因過于強調技術轉型而忽視現有產品而遭到董事會彈劾。新CEO上任后，他宣布將推遲2021推出L4自動駕駛儀的最初計劃。在歐洲，沃爾沃一直非常重視自動駕駛，也將原定于今年啟動的自動駕駛測試項目“駕駛我”推遲至2021。可以說，面對自動駕駛，傳統巨頭們已經逐漸從狂熱追逐到冷靜規劃。不過，不要認為傳統車企已經放棄了在自動駕駛領域的反擊。他們專注于自己最大的優勢：產品的大規模生產。今年7月在巴塞羅那上市的新款奧迪A8是一個強有力的反擊信號：它是全球首款搭載L3級自動駕駛的量產車，可以在法律允許的區域內以不高于60公里/小時的速度實現自動駕駛。。（有人認為奧迪A8只達到了L2.5級別。）

在我看來，新款A8最重要的意義在于奧迪對自動駕駛供應鏈的整合。除了配備激光雷達、攝像頭、毫米波雷達和超聲波雷達等傳感器外，德爾福集成的新款A8自動駕駛儀的核心控制單元zFAS更像是控制器的強大主板：它集成了Mobileye的EyeQ、NVIDIA K1 GPU和Altera Cyclone FPGA。

新A8證明，無論是科技公司、一級供應商還是芯片供應商，只要他們想讓自己的自動駕駛技術落地量產產品，最終都會回歸統一的汽車供應體系。每個人都應該與汽車工廠一起合作，而不是單獨作戰。除了A8，今年發布的凱迪拉克超級巡航和梅賽德斯-奔馳Drive Pilot也是非常成熟的半自動駕駛解決方案，這里就不再贅述了。感興趣的人可以看看我們的另一篇總結文章：“2017年，這些汽車讓我們離自動駕駛又邁進了一步”。零部件供應商的輪替，一直給人一種低調的印象，就是在汽車行業發大財。但今年他們的風格發生了變化。自動駕駛涉及感知、地圖、決策、控制等多個環節，即使是Tier 1也不可能事事靠自己，所以如果你想為車廠的客戶爸爸提供滿意的解決方案，你必須找到其他人來合作。其中許多合作伙伴都是知名人士，來自汽車行業以外的科技公司。因此，對于Tier 1來說，無論是從技術體系、合作模式還是宣傳策略，都面臨著轉型。最直接的方法是與科技公司結成聯盟。在這一年里，幾乎所有你能數到的一級巨頭都吸引了他們的盟友。博世和采埃孚與英偉達和百度合作，而和德爾福則加入了寶馬和英特爾的陣營。

更重要的是，直接選擇成為一家科技公司。9月，德爾福正式將其動力總成業務拆分為Aptiv和德爾福科技兩家公司。其中，安博福的定位是一家專注于汽車前沿創新領域的科技公司。關于細節，請參閱我們的文章“與德爾福分離后，Amber首先面對媒體。他們說了什么？從技術上講，上述供應商也已經宣布了與各自盟友的合作結果。例如，在上海車展期間，博世宣布了與國內三大圖形經銷商合作的云路書BRS，并通過孵化器與更多初創企業合作例如，大陸的CUbE無人駕駛汽車。

el 3“src=”/eimg/jndp/ig/20230304014851553898/4.jpg“/>

由于其自身的供應商角色以及對自動駕駛和車輛開發的理解，一級供應商在汽車制造商和科技公司之間的整合中發揮了非常重要的作用。現階段，無論是硬件還是軟件，科技公司的自動駕駛技術最終都能在汽車工廠項目中成為SOP，這與Tier 1的貢獻是分不開的。因此，我們將在隨后的分析中經常看到它們。芯片公司的角力說起今年自動駕駛領域最大的新聞，我認為英特爾斥資150多億美元收購了Mobileye。這種手寫不僅顯示了芯片行業的巨大價值，也顯示了芯片公司做自動駕駛的決心。英偉達和英特爾今年已經宣布了他們在自動駕駛領域的產品。今年，英偉達宣布了Drive PX的最新產品Xavier和未來的下一代產品Pegasus，并以Xavier為基礎，分別與博世和采埃孚聯合推出了汽車AI超級計算機。關于NVIDIA產品的分析，請參閱我之前的文章：“GTC 2017 |一篇了解NVIDIA自動駕駛解決方案的文章”英特爾，他們通過收購Altera和Mobileye收購了FPGA架構和EyeQ芯片。根據英特爾的數據，Mobileye的最新一代EyeQ5芯片可以提供每瓦2.4次DL TOPS（每秒萬億次）。這比NVIDIA公布的Xavier性能高出2.4倍。另一家芯片巨頭高通除了繼續消化收購恩智浦獲得的資源外，還在2017年12月初獲得了加州自動駕駛道路測試的許可。自PC時代以來，芯片行業一直是一個競爭激烈的領域。盡管英偉達首席執行官黃仁勛在接受GTC中國采訪時一再強調，英偉達的職業生涯依賴于熱愛，但在汽車行業，他的公司與英特爾針鋒相對。與消費電子產品不同，汽車中使用的計算芯片在功耗、穩定性和安全性方面有更高的要求。GPU和CPU等通用計算芯片能否針對車載應用進行優化已成為一大挑戰。因此，盡管英偉達和英特爾在汽車領域蓬勃發展，但目前真正進入SOP的產品并不多，車企也期待著更多的選擇。事實上，這讓其他公司有機會制造專門用于汽車場景的計算芯片，例如ADAS的視覺感知芯片。領先者Mobileye驚人的產品價格，讓國內一些創業公司也瞄準了這塊蛋糕。例如，地平線本月宣布了其自研ADAS芯片“Journey”，并將在2018年消費電子展上與英特爾聯合推出預裝配方案。他們希望通過了解中國市場和深度學習來趕上Mobileye。我們只是在討論上面的終端方案。如果我們著眼于云計算，將會有更多的玩家參與進來。科技巨頭谷歌宣布了專門用于深度學習的計算芯片TPU和國產芯片CAMBRIAN獨角獸等等。

競爭的加劇實際上是汽車制造商樂于看到的，因為這將給他們帶來更多的選擇，更高的議價和定制能力，以及更低的風險。畢竟，他們不想被芯片公司的“AI神道”帶到節奏中。對于已經享受到巨額獎金的領導人老黃來說，表面上說說笑笑，忍住核彈，仍然是最好的應對方式。人工智能的瘋狂人工智能真的太火了。我很不好意思不加“.AI”域名就稱自己為科技公司。但話說回來，人工智能對自動駕駛的重要性是毋庸置疑的。Mobileye首席技術官Shashua教授曾將人工智能在自動駕駛汽車中的應用總結為兩個主要部分：

環境感知：類似于ADAS攝像頭識別，它對車輛傳感器返回的數據進行分析和融合，并分析周圍的駕駛環境。在這一部分中，人工智能或深度學習的主要功能是讓汽車看得更準確。例如，系統是否可以識別前方車輛的具體形狀、屬于哪種車輛、距離車輛多遠，甚至可以識別前方汽車駕駛員的性別。……

同樣的應用還包括行人、非機動車、車道線、路標、道路兩側的環境和其他元素。該領域的人工智能應用具有相對固定和明確的學習標準，收集的數據可以重復使用，例如同一組車輛圖片或視頻材料。您可以讓系統反復識別和學習它們，直到準確性令人滿意。因此，數據收集的困難在于如何覆蓋足夠的環境材料以及各個國家和地區不同的駕駛環境特征。駕駛決策：系統完成環境意識后，如何做出相應的駕駛決策。在這個領域，人工智能的作用是使機器能夠像人類一樣駕駛，同時確保安全。目前，大多數在道路上測試的自動駕駛車輛都嚴格遵守交通法規，并且極其保守。然而，在現實環境中，人類駕駛員的駕駛決策并沒有遵循明確的標準，而是將游戲與其他駕駛員結合起來。例如，在中國，嚴格按照交通法規駕駛是沒有“前途”的。真正的老司機是見縫插針、避開攝像頭和利用交通法規的專家。（當然，我們在駕駛時仍然必須遵守交通法規。）因此，如果機器真的成為了一個老司機，并且能夠在真實場景中與人類司機同行，那么它需要收集更多的駕駛數據。此外，談判沒有固定的標準，這將對環境產生影響。收集到的數據不能重復使用，需要在每次決策迭代時再次收集。因此，駕駛決策也比環境感知更困難。由此可見，人工智能在自動駕駛中的應用需要大量的數據支持，也對深度學習的效率提出了很高的要求。因此，無論是初創公司還是汽車巨頭都瞄準了這個領域。今年中國涌現的大多數人工智能初創公司仍在做與環境意識相關的人工智能，稱其為機器視覺公司可能更合適。一些巨頭公司，如寶馬和谷歌，已經開始征服與駕駛決策相關的部分。人工智能的爆發也讓汽車行業意識到了軟件算法的重要性。汽車公司和Tier 1都在強調這樣一個事實，即他們自己團隊中的軟件工程師比例已經增加。博世甚至在汽車人工智能領域設立了專門的人工智能研究中心和孵化器。關于人工智能在汽車領域的發展，我個人同意Shashua教授的觀點，這是一個技術問題和操作問題。在保證人工智能人才的基礎上，如何獲得更多的數據是關鍵。互聯網公司生態提到了自動駕駛行業的互聯網公司。今年誰能超越百度？7月，Apollo自動駕駛平臺正式宣布（詳情請參閱“閱讀百度自動駕駛布局的文章”），這可以說是中國自動駕駛圈最大的事件。業內對Apollo眾說紛紜，但它確實將中國大型互聯網公司基于平臺的生態理念帶入了汽車行業。

Apollo平臺基本上包含了自動駕駛所需的所有元素。軟件算法、高精度地圖、傳感器、計算芯片、云服務等一應俱全。然而，這些技術中的許多似乎并不是百度的強項，而是來自平臺上的其他合作伙伴。那么這個平臺的意義是什么呢？為什么人們選擇與阿波羅合作？這可能是大多數人質疑阿波羅觀點的起點。在我看來，就像Shashua教授的觀點一樣，仍然有必要從技術和操作兩個方面來看待它。在技術層面，百度最重要的優勢是在國內高精度地圖和云計算方面的積累。地圖資質是中國企業的天然優勢，這也是博世應該與百度、高德和思微圖新合作的根本原因，而云服務是互聯網公司在中國布局的基礎。自動駕駛的算法訓練需要在云數據中心完成，然后通過OTA更新到終端。因此，云是數據所有權和計算能力的最大體現。盡管仍有汽車制造商主張為自動駕駛構建自己的云，但在中國，用戶的使用數據和ha……

ts掌握在互聯網公司手中，自動駕駛的使用場景將與許多互聯網服務（如LBS、語音交互、多媒體娛樂等）相融合。這意味著，當汽車互聯技術發展到一定程度時，用于自動駕駛的云勢必會與離用戶更近的互聯網公司云合并。這也是像百度這樣的互聯網公司希望成為平臺的原因。事實上，阿里和騰訊在這一領域也有著廣泛的布局，他們對新汽車公司的投資可以看出他們的野心。那么，為什么百度作為一個自動駕駛平臺處于領先地位呢？這是關于運營的：在三家BAT公司中，百度是C端最弱的一家，其商業模式主要依靠為B端提供服務（如廣告和語音）。同時，百度作為一個搜索引擎，積累了大量與機器學習相關的經驗。這樣，在人工智能時代，它自然會選擇一條最適合自己的道路：成為人工智能相關技術的供應商。阿波羅是這項針對汽車行業的政策的產物。由于百度的巨大規模和影響力，他們將更容易與汽車工廠建立聯系。至于為什么強調平臺的“開放性”，你有沒有看到幾個供應商還在挑選客戶？谷歌等互聯網巨頭獨立成立了自己的自動駕駛部門，成立了Waymo，并與FCA合作推出了克萊斯勒Pacifica的自動駕駛版本。那么，為什么其他互聯網公司繼續“閉門造車”呢？幸運的是，我們有馬一龍在談論自動駕駛創新的誕生地，埃隆·馬斯克的大腦和嘴巴肯定會在其中。他利用我們在初中時接觸到的物理定律來做我們認為不可能的事情。今年，他領導的特斯拉做了以下兩件重要的事情：1。再次強調攝像頭是核心傳感器的觀點：2016年Autopilot 2.0發布時，特斯拉宣布其搭載的硬件能夠完全駕駛。它包括3個前置攝像頭、2個側面攝像頭、3個后置攝像頭、12個超聲波傳感器、一個前置雷達、一個后置倒車攝像頭和NVIDIA Drive PX2。馬一龍曾在2017年5月的Ted演講中表示：“如果發揮攝像頭的潛力，我們絕對可以實現比人類高10倍左右的識別能力。在演講中，他還宣布了特斯拉Model s的自動駕駛測試Demo。視頻中的車輛僅依靠攝像頭識別和GPS定位，即可在實際道路環境中完成自動駕駛。在埃隆看來，這種配置與人類的感知基本一致。如果人類能夠用眼睛、方向感和方向感駕駛，那么機器也應該如此。當時，他還承諾，到2017年底，特斯拉將能夠自動從洛杉磯開到紐約。在這個幾乎穿越整個美國的過程中，司機不必干擾駕駛。

4

然而，就像Model 3的量產一樣，自動駕駛的這一承諾也隨之躍升。在自動駕駛2.0發布一周年之際，我們專門撰文分析了此事：《特斯拉自動駕駛2.0誕生一周年：埃隆·馬斯克是在吹牛，還是真的“卡頓”了？》

在我看來，埃隆·馬斯克并不是在吹牛。在他完全物理的大腦邏輯中，自動駕駛2.0確實有足夠的硬件實力，激光雷達提供的冗余是不必要的。業界基本達成共識，認為攝像頭、雷達和軟件算法的解決方案更現實。馬一龍之所以未能兌現這一承諾，可能是因為他對算法的迭代速度以及團隊和供應商的效率過于樂觀和期待。2.決定開發自己的芯片：你還記得特斯拉在2016年放棄了與Mobileye的繼續合作嗎？歷史總是驚人地相似。在2017年神經信息處理系統大會（NIPS 2017）上，馬一龍和他從AMD挖來的傳奇芯片架構師Jim Keller正式承認，特斯拉正在獨立開發自動駕駛芯片。這主要是因為現有的芯片供應商無法滿足特斯拉對高水平自動駕駛的計算要求。正如我們在“芯片公司的摔跤”一段中分析的那樣，盡管特斯拉目前使用的NVIDIA Drive PX2已經是業界領先的自動駕駛計算平臺，但其使用的GPU在功耗和綜合效率方面仍存在不足。對于高性能電動汽車來說，計算芯片的高功耗將直接影響車輛性能甚至續航里程。以埃隆·馬斯克的高要求，這是絕對不能接受的。盡管老黃是特斯拉的忠實粉絲，但由于他的GPU涵蓋了人工智能領域的許多應用，并且他一直忙于與主要汽車制造商合作，我認為他真的沒有多余的能力為特斯拉定制計算芯片。在這種情況下，埃隆·馬斯克再次提出了他的物理定律的一個主要原則：與其尋求幫助，不如尋求幫助。既然別人不能給我一個滿意的解決方案，那么我們自己來做！

據稱，該芯片將基于AMD的IP構建，功耗僅為當前的十分之一，性能甚至比NVIDIA最新的飛馬還要好。這樣的Flag無疑在自研芯片領域打下了一劑強心針。

5

讀過馬一龍傳記的人一定知道，除了物理的基本定律和超強的執行力外，他對團隊工作速度和工作成果的要求只能用“恐怖”和“獨裁”來形容。因此，他對結果和時間點的預測總是那么樂觀，盡管實際情況可能沒有他預期的那么順利。然而，他對自動駕駛的最大貢獻來自于他對行業的大膽想法和嘗試：在傳統汽車行業等待激光雷達量產的時候，他敢于站出來說，現在的硬件已經足夠了；當每個人都在使用NVIDIA時，他確實說過我們必須自己做。在他的設想中，自動駕駛實現的最大困難實際上在于人們的接受程度。任何系統都無法實現100%的安全性。重要的是公眾可以使用什么樣的安全級別？我認為埃隆·馬斯克在這一點上一定比其他人更有勇氣。你可能會因為Model 3的量產和自動駕駛的跳票而對埃隆·馬斯克失去一些信心。然而，我想舉一個可能不合適的例子：80多年前，另一個善于獨裁的瘋子定義了汽車工業歷史上第一輛真正的“人民汽車”，而這輛汽車最終成為了最大、最成功的傳統汽車公司之一——大眾。馬一龍不是在試圖定義電動和自動駕駛時代的“人民汽車”嗎？盡管他很瘋狂（他似乎很喜歡被稱為瘋子），但他畢竟不是反人類的。在11月的特斯拉半卡車和跑車的新聞發布會上，馬一龍用了一首能反映他當時心情的硬搖滾歌曲作為他的亮相BGM:Feet Don't Fail Me by Queens of Stone Age，一種美國搖滾，翻譯成中文的意思是“現狀不會限制我”。我強烈建議你聽。給他更多的時間，讓他有搖滾精神。結論事實上，除了上述六大趨勢之外，2017年自動駕駛領域還有很多事情在發生。例如，在政策方面，12月，北京市交通委網站發布通知，發布了《北京市加快推進自動駕駛汽車道路測試的指導意見（試行）》和《北京市自動駕駛汽車路測管理實施細則（試行））》。還有一場撕裂戰爭，每個人都喜歡看到。例如，百度起訴了離職創建景馳的前高管王勁。這些事情表明，無論是政府、企業還是資本，大家都越來越重視自動駕駛。自動駕駛涉及面廣、環節多，這使得汽車行業不得不進一步走出傳統概念和做事方式的舒適區。這引發了許多意想不到的集成和更改。2018年，我們可能會見證更多相關實際成果的公布（期待2018年CES），作為見證者和未來用戶，我們應該更多地了解自動駕駛。據蔚來汽車創始人介紹，在自動駕駛時代，買車相當于派司機；

馬應龍還表示，在自動駕駛時代，人們可以實現真正的汽車共享。當你不使用汽車時，它可以出去拉你的親戚、朋友甚至其他客人來賺錢。這個時代不值得期待嗎？2017年初，我驚訝于自動駕駛的發展速度遠遠超出了我的想象。眨眼之間，一年過去了，我認為這個速度只會更快。自動駕駛的算法訓練需要在云數據中心完成，然后通過OTA更新到終端。因此，云是數據所有權和計算能力的最大體現。盡管仍有汽車制造商主張為自動駕駛打造自己的云，但在中國，用戶的使用數據和習慣掌握在互聯網公司手中，自動駕駛的使用場景將與許多互聯網服務（如LBS、語音交互、多媒體娛樂等）相融合。這意味著，當汽車互聯技術發展到一定程度時，用于自動駕駛的云必然會與更靠近用戶的互聯網公司云合并。這也是像百度這樣的互聯網公司希望成為平臺的原因。事實上，阿里和騰訊在這一領域也有著廣泛的布局，他們對新汽車公司的投資可以看出他們的野心。那么，為什么百度作為一個自動駕駛平臺處于領先地位呢？這是關于運營的：在三家BAT公司中，百度是C端最弱的一家，其商業模式主要依靠為B端提供服務（如廣告和語音）。同時，百度作為一個搜索引擎，積累了大量與機器學習相關的經驗。這樣，在人工智能時代，它自然會選擇一條最適合自己的道路：成為人工智能相關技術的供應商。阿波羅是這項針對汽車行業的政策的產物。由于百度的巨大規模和影響力，他們將更容易與汽車工廠建立聯系。至于為什么強調平臺的“開放性”，你有沒有看到幾個供應商還在挑選客戶？谷歌等互聯網巨頭獨立成立了自己的自動駕駛部門，成立了Waymo，并與FCA合作推出了克萊斯勒Pacifica的自動駕駛版本。那么，為什么其他互聯網公司繼續“閉門造車”呢？幸運的是，我們有馬一龍在談論自動駕駛創新的誕生地，埃隆·馬斯克的大腦和嘴巴肯定會在其中。他利用我們在初中時接觸到的物理定律來做我們認為不可能的事情。今年，他領導的特斯拉做了以下兩件重要的事情：1。再次強調攝像頭是核心傳感器的觀點：2016年Autopilot 2.0發布時，特斯拉宣布其搭載的硬件能夠完全駕駛。它包括3個前置攝像頭、2個側面攝像頭、3個后置攝像頭、12個超聲波傳感器、一個前置雷達、一個后置倒車攝像頭和NVIDIA Drive PX2。馬一龍曾在2017年5月的Ted演講中表示：“如果發揮攝像頭的潛力，我們絕對可以實現比人類高10倍左右的識別能力。在演講中，他還宣布了特斯拉Model s的自動駕駛測試Demo。視頻中的車輛僅依靠攝像頭識別和GPS定位，即可在實際道路環境中完成自動駕駛。在埃隆看來，這種配置與人類的感知基本一致。如果人類能夠用眼睛、方向感和方向感駕駛，那么機器也應該如此。當時，他還承諾，到2017年底，特斯拉將能夠自動從洛杉磯開到紐約。在這個幾乎穿越整個美國的過程中，司機不必干擾駕駛。

4

然而，就像Model 3的量產一樣，自動駕駛的這一承諾也隨之躍升。在自動駕駛2.0發布一周年之際，我們專門撰文分析了此事：《特斯拉自動駕駛2.0誕生一周年：埃隆·馬斯克是在吹牛，還是真的“卡頓”了？》

在我看來，埃隆·馬斯克并不是在吹牛。在他完全物理的大腦邏輯中，自動駕駛2.0確實有足夠的硬件實力，激光雷達提供的冗余是不必要的。業界基本達成共識，認為攝像頭、雷達和軟件算法的解決方案更現實。馬一龍之所以未能兌現這一承諾，可能是因為他對算法的迭代速度以及團隊和供應商的效率過于樂觀和期待。2.決定開發自己的芯片：你還記得特斯拉在2016年放棄了與Mobileye的繼續合作嗎？歷史總是驚人地相似。在2017年神經信息處理系統大會（NIPS 2017）上，馬一龍和他從AMD挖來的傳奇芯片架構師Jim Keller正式承認，特斯拉正在獨立開發自動駕駛芯片。這主要是因為現有的芯片供應商無法滿足特斯拉對高水平自動駕駛的計算要求。正如我們在“芯片公司的摔跤”一段中分析的那樣，盡管特斯拉目前使用的NVIDIA Drive PX2已經是業界領先的自動駕駛計算平臺，但其使用的GPU在功耗和綜合效率方面仍存在不足。對于高性能電動汽車來說，計算芯片的高功耗將直接影響車輛性能甚至續航里程。以埃隆·馬斯克的高要求，這是絕對不能接受的。盡管老黃是特斯拉的忠實粉絲，但由于他的GPU涵蓋了人工智能領域的許多應用，并且他一直忙于與主要汽車制造商合作，我認為他真的沒有多余的能力為特斯拉定制計算芯片。在這種情況下，埃隆·馬斯克再次提出了他的物理定律的一個主要原則：與其尋求幫助，不如尋求幫助。既然別人不能給我一個滿意的解決方案，那么我們自己來做！

據稱，該芯片將基于AMD的IP構建，功耗僅為當前的十分之一，性能甚至比NVIDIA最新的飛馬還要好。這樣的Flag無疑在自研芯片領域打下了一劑強心針。

5

讀過馬一龍傳記的人一定知道，除了物理的基本定律和超強的執行力外，他對團隊工作速度和工作成果的要求只能用“恐怖”和“獨裁”來形容。因此，他對結果和時間點的預測總是那么樂觀，盡管實際情況可能沒有他預期的那么順利。然而，他對自動駕駛的最大貢獻來自于他對行業的大膽想法和嘗試：在傳統汽車行業等待激光雷達量產的時候，他敢于站出來說，現在的硬件已經足夠了；當每個人都在使用NVIDIA時，他確實說過我們必須自己做。在他的設想中，自動駕駛實現的最大困難實際上在于人們的接受程度。任何系統都無法實現100%的安全性。重要的是公眾可以使用什么樣的安全級別？我認為埃隆·馬斯克在這一點上一定比其他人更有勇氣。你可能會因為Model 3的量產和自動駕駛的跳票而對埃隆·馬斯克失去一些信心。然而，我想舉一個可能不合適的例子：80多年前，另一個善于獨裁的瘋子定義了汽車工業歷史上第一輛真正的“人民汽車”，而這輛汽車最終成為了最大、最成功的傳統汽車公司之一——大眾。馬一龍不是在試圖定義電動和自動駕駛時代的“人民汽車”嗎？盡管他很瘋狂（他似乎很喜歡被稱為瘋子），但他畢竟不是反人類的。在11月的特斯拉半卡車和跑車的新聞發布會上，馬一龍用了一首能反映他當時心情的硬搖滾歌曲作為他的亮相BGM:Feet Don't Fail Me by Queens of Stone Age，一種美國搖滾，翻譯成中文的意思是“現狀不會限制我”。我強烈建議你聽。給他更多的時間，讓他有搖滾精神。結論事實上，除了上述六大趨勢之外，2017年自動駕駛領域還有很多事情在發生。例如，在政策方面，12月，北京市交通委網站發布通知，發布了《北京市加快推進自動駕駛汽車道路測試的指導意見（試行）》和《北京市自動駕駛汽車路測管理實施細則（試行））》。還有一場撕裂戰爭，每個人都喜歡看到。例如，百度起訴了離職創建景馳的前高管王勁。這些事情表明，無論是政府、企業還是資本，大家都越來越重視自動駕駛。自動駕駛涉及面廣、環節多，這使得汽車行業不得不進一步走出傳統概念和做事方式的舒適區。這引發了許多意想不到的集成和更改。2018年，我們可能會見證更多相關實際成果的公布（期待2018年CES），作為見證者和未來用戶，我們應該更多地了解自動駕駛。據蔚來汽車創始人介紹，在自動駕駛時代，買車相當于派司機；馬應龍還表示，在自動駕駛時代，人們可以實現真正的汽車共享。當你不使用汽車時，它可以出去拉你的親戚、朋友甚至其他客人來賺錢。這個時代不值得期待嗎？2017年初，我驚訝于自動駕駛的發展速度遠遠超出了我的想象。眨眼之間，一年過去了，我認為這個速度只會更快。

標簽：特斯拉奧迪北京寶馬Model 3

汽車資訊熱門資訊