分級、激光雷達、V2X……講講自動駕駛的招式和心法

自動駕駛是汽車行業乃至整個科技行業最受關注的技術之一。在過去的幾年里，無人駕駛技術已經從瘋狂的科幻創意轉變為汽車行業的未來。毫不奇怪，自動駕駛技術將在不久的將來出現在我們的生活中，但在光明的未來仍然存在實際困難。

首先，為了滿足全自動駕駛技術的要求，激光雷達一直未能實現低成本的量產；

其次，交通物聯網的V2X技術和基礎設施尚未開始研發。最后，如果無人駕駛汽車面臨不可避免的車禍，左轉是一個孩子，右轉是一個孕婦，那么它應該如何選擇？道德問題一直在等待法律法規的完善。然而，該軟件的高精度地圖和自動駕駛的算法都取得了長足的進步，為自動駕駛的實現奠定了堅實的基礎。

樂觀地說，自動駕駛技術將在10到20年內普及，自動駕駛時代的到來對我們生活的顛覆性影響將超過過去的任何技術進步。

首先，我們的汽車消費模式將發生巨大變化，這種變化將深刻改變汽車行業的發展模式。其次，隨著事故率的降低，車險行業改革加快，我們的通勤和出行習慣也將發生巨大變化，而自動駕駛汽車停車需求的變化也將使過去的停車場消失。這樣，城市的結構和商業設施的布局將使我們的生活發生巨大的變化。

谷歌曾認為，從2級自動駕駛起步的特斯拉出于成本原因沒有使用激光雷達。就像青蛙一樣，即使跳得更高、更快，它也不會“飛”。然而，五級自動駕駛公司“天鵝”谷歌的直接開發解決了所有的技術問題，但它們的成本太高，普通家庭無法支付。那么自動駕駛儀的水平到底是多少呢？自動駕駛的硬件是什么？今天，星河研究院分析師吳吉與大家分享我們對無人駕駛技術硬件設備的研究。下周，我們將與您討論自動駕駛領域的軟件應用和未來，希望能對您有所幫助。

以下內容供您參考。

自動駕駛是汽車行業乃至科技行業最受關注的技術之一。A16Z合伙人Frank Chen談到了自動駕駛技術的產業鏈以及在自動駕駛技術影響下未來的社會和經濟變化。根據他的觀點，星河研究院的吳吉補充了一些內容和分析。今天我們來討論一下自動駕駛技術。你準備好了嗎？

一步升級與迭代升級

美國汽車工程師協會（SAE）提出了六個級別的自動駕駛，大多數汽車仍處于第一級別。圍繞這種分級的自動駕駛，有兩種不同的發展路徑。其中，百度和谷歌的無人車想要直接發揮第五層次，實現全自動駕駛的功能，而特斯拉目前的自動駕駛技術路線應該盡快偏向量產和實用化，然后隨著技術的進步迭代升級。

級別0有一個要驅動的驅動程序。這個級別不需要任何自動駕駛能力，但需要一名特殊的駕駛員來駕駛汽車。

第一級可以提供一些幫助。這些汽車具有防抱死制動系統和自動巡航等功能。基于這些功能，車輛可以在某些特定環境中保持行駛狀態。

二級半自動駕駛在這個級別中，汽車的控制系統可以在某些情況下接管汽車，但駕駛員仍然需要坐在駕駛座上，隨時監控駕駛情況。一般來說，此功能適用于高速公路場景。駕駛員不需要操作，而是需要坐在駕駛座上，確保汽車的自動控制程序始終保持穩定。

能夠在第三級自動駕駛意味著駕駛員不必一直監控系統，但仍需要保持在能夠快速控制和恢復汽車駕駛狀態的位置。這意味著駕駛員不需要一直把手放在方向盤上來監控情況，而是可以在系統判斷出緊急情況并發出警報后及時接管。

第四級高度自動化是由自動駕駛系統在特定場景或路段中完成的。在這個級別上，駕駛員不需要干擾自動駕駛狀態。

第五級自動駕駛是自動駕駛技術的最高級別，這意味著自動駕駛程序可以處理所有情況，而無需駕駛員在所有行程和所有時間的干預……

此時，駕駛員的作用也將被淡化。

作為必要的硬件設備，傳感器、車聯網和基礎設施互聯設備構成了技術的一大發展方向，為無人駕駛汽車提供駕駛算法和高精度地圖的軟件服務也是技術發展中不可或缺的一環。

自動駕駛汽車所需的硬件設備。

1.激光雷達與傳統雷達和相機

首先，傳感器是一個至關重要的硬件設備，它相當于自動駕駛汽車的眼睛。通過傳感器，無人駕駛汽車可以識別道路、其他車輛、行人、障礙物和交通基礎設施。目前，傳感器主要分為三部分：激光雷達、傳統雷達和攝像頭。在應用程序級別，相機可以分為單眼相機和雙目相機。

激光雷達：

目前，激光雷達是應用最廣泛的設備，谷歌、百度、優步等公司的自動駕駛技術目前都依賴于它。該設備安裝在車頂上，可以用激光脈沖檢測周圍環境的距離，并用軟件繪制3D地圖，從而為自動駕駛汽車提供足夠的環境信息。

但目前的問題是，激光雷達的價格高達8萬美元，在降低成本之前，它無法被大規模生產的自動駕駛汽車采用。幸運的是，有一些方案可以降低激光雷達的成本，例如將上述“機械”激光雷達改為“固態”激光雷達。

固態激光雷達可以通過電子元件掃描相控陣，而不依賴于內部機械元件的旋轉，這不僅可以使激光雷達越來越小，而且可以控制成本。目前，全固態激光雷達的主要研發制造商是Quantergy、以色列的Innoviz和TetraVue，但它們尚未實現量產。Quantergy宣布，其全固態激光雷達已經過測試，如果進展順利，可以在2018年初實現量產。

最近獲得百度和福特投資的Velodyne目前是機械旋轉激光雷達最大的企業，只開發了一種“混合固態激光雷達”，但該產品仍然依靠內部機械部件實現360高速旋轉，僅實現了產品的小型化，被認為是一種過渡產品。國內企業，如鐳智、沃賽科技、北科天匯等，也推出了內部旋轉混合固態激光雷達產品。

傳統雷達和攝像頭：

由于激光雷達的價格很高，走實用技術路線的特斯拉走的是更實用的路線來開發其“輔助駕駛”功能，其硬件是傳統的雷達和單眼相機。該設備的硬件原理與目前車上的ACC自適應巡航系統類似，它依靠覆蓋汽車周圍360度視角的攝像頭和前雷達來識別三維空間信息，從而確保車輛不會相互碰撞。

具體來說，單眼相機首先通過圖像匹配來識別目標，然后通過圖像中目標的大小來估計目標距離。準確的識別是準確估計距離的第一步。因此，單目識別技術需要建立并維護一個龐大的樣本特征數據庫。如果沒有待識別目標的特征數據，系統將無法識別和測量距離，這很容易導致事故的發生。

目前，基于單眼攝像頭的半自動駕駛系統還遠遠不夠成熟。特斯拉導致司機死亡的事故是因為其單眼攝像頭錯誤地將轉彎的白色集裝箱卡車識別為空中的白云，未能及時剎車。

雙目攝像機的距離測量方法是通過計算圖像的視差來直接測量前方場景的距離。雙目攝像機的原理與人眼相似，但難點在于計算量大，對計算單元的性能要求非常高，這使得雙目系統難以實現高效化和小型化。因此，目前，寶馬i3、特斯拉和日產ProPilot等自動駕駛技術都采用了單眼攝像設備。

星河研究院預測，基于雙目攝像頭的算法和處理器將在短時間內得到快速發展，并受到自動駕駛汽車行業的青睞，但它們的分辨率較低……

在未來成本不斷下降的激光雷達競爭中，精度與激光雷達相比有可能被擊敗。因此，如果沒有發生事故，第五級的全自動駕駛功能將基于激光雷達技術。

2.V2X與紅綠燈

V2X是一種使車輛能夠與周圍的移動交通控制系統通信的技術，而V2V技術則允許車輛與其他車輛通信。這是未來全自動駕駛汽車將依賴的技術，但遺憾的是，與熱門的傳感器領域相比，V2X技術的研發創新仍然非常冷清。

通過V2X技術，道路上的汽車可以通過開放頻帶相互交換數據，并能夠與其他汽車和路邊基礎設施設備共享實時駕駛信息，生成預測的道路信息。

通過實時共享駕駛數據，同一條道路上的汽車可以共享其實時位置，以防止交通事故的發生。交通信號設施還可以根據車輛的交通需求合理安排交通秩序，減少車輛的等候時間。V2P技術可以讓行人和騎自行車的人加入這種V2X環境，并使用手機發送和接收警告信息，從而確保行人的安全通行。

更大膽的想法是，如果汽車能夠相互通信并實現完全的自動駕駛，那么紅綠燈就沒有理由繼續存在。如果沒有紅綠燈，交通設施將需要智能調度算法和對十字路口的嚴格監控，但與運輸效率的提高相比，這些設施的成本不是問題。

此外，在某些情況下，車輛可以提前預測危險情況。如果一定會發生事故，或者在確認車輛被撞后，它可以通過V2X系統廣播求助信息，從而大大提高車內人員救援的效率。

根據美國交通部的數據，V2X技術可以將交通事故率降低80%。僅在美國，這將每年減少594000起交通事故，并挽救多達1321人的生命。

除了上述對硬件的要求外，自動駕駛技術離不開軟件方面的突破。高精度地圖是實現自動駕駛的基礎資源，而機器學習和工程算法是使從高精度地圖、傳感器和V2X設施中獲得的數據真正實現價值的手段。

自動駕駛汽車的軟件要求

1.高精度預算圖，壟斷與競爭

現在每個人在旅行時都會使用谷歌地圖、蘋果地圖、百度地圖、高德等產品，它們都有很好的準確性，這樣我們就可以輕松地穿過城市。然而，令用戶滿意的地圖精度仍然遠遠不能滿足自動駕駛汽車的需求，因為它缺乏道路上有多少車道、車道的邊緣位置、隔離帶和路障的位置等非常具體的信息。

因此，開發用于自動駕駛汽車的專用高精度地圖是一項必不可少的任務。目前，國內外較大的地圖提供商在高清地圖領域已經采取了積極行動，旨在盡快占領自動駕駛汽車地圖市場的更多份額。

高清地圖服務提供商通常需要使用類似谷歌街景汽車的技術，在屋頂上用高清攝像頭、雷達等設備掃描并記錄周圍的所有環境，然后優化算法，最終獲得厘米級的地圖數據。

HERE制作高清地圖的策略與谷歌類似。目前，兩家公司一次收集整個區塊的數據。HERE可以通過安裝在屋頂上的四個2400萬像素廣角相機、旋轉激光雷達、陀螺儀和GPS系統，通過自己的算法生成高清地圖。根據Here的預期，自動駕駛的高清地圖服務預計將于2020年推出。

高德的國產地圖也一直在推動地圖數據的高精度。未來，高德希望利用高精度地圖數據支持自動駕駛的發展，自動駕駛將產生新的數據。經過科學化、自動化的處理，它將變得更加精確，可以被機器和計算機使用和學習，最終形成高精度地圖數據的閉環生產。百度，地圖行業的巨頭……

d自動駕駛，早已布局。目前，高精度地圖已經成為百度最重要的戰略業務之一。

A16Z的合伙人擔心高精度地圖會有壟斷機會，因為他認為在自動駕駛時代，人們將不得不完全依賴這些昂貴的地圖，而這個目前不受法律管轄的領域急需監管。

星河研究院認為，從中國的情況來看，這種擔憂有些多余。在目前國內資本充足的情況下，許多地圖企業相互競爭更為現實，而其高昂的成本必須首先由風險投資家承擔，然后再尋找合適的清算模式。目前，高德已經宣布其高精度地圖對自動駕駛汽車免費，預計隨著競爭的加劇，爭奪免費市場份額將不可避免。

2.機器學習與工程算法：

算法是支持自動駕駛技術最關鍵的部分。目前，主流自動駕駛公司已經采用機器學習和人工智能算法來實現。

海量數據是機器學習和人工智能算法的基礎。通過從上述傳感器、V2X設施和高精度地圖信息中獲得的數據，以及收集的駕駛行為、駕駛體驗、駕駛規則、案例和周圍環境的數據信息，不斷優化的算法可以識別并最終規劃路線并控制駕駛。

現在的主要問題是，與模型計算相比，真實駕駛場景中的算法需要太多的數據，并且計算量超過了現有的能力。目前，已經有許多簡化機器學習的嘗試，例如OpenAI的Universe項目。在未來，這個問題可能會通過近似簡化和提高計算能力來解決。自動駕駛是汽車行業乃至整個科技行業最受關注的技術之一。在過去的幾年里，無人駕駛技術已經從瘋狂的科幻創意轉變為汽車行業的未來。毫不奇怪，自動駕駛技術將在不久的將來出現在我們的生活中，但在光明的未來仍然存在實際困難。

首先，為了滿足全自動駕駛技術的要求，激光雷達一直未能實現低成本的量產；

其次，交通物聯網的V2X技術和基礎設施尚未開始研發。最后，如果無人駕駛汽車面臨不可避免的車禍，左轉是一個孩子，右轉是一個孕婦，那么它應該如何選擇？道德問題一直在等待法律法規的完善。然而，該軟件的高精度地圖和自動駕駛的算法都取得了長足的進步，為自動駕駛的實現奠定了堅實的基礎。

樂觀地說，自動駕駛技術將在10到20年內普及，自動駕駛時代的到來對我們生活的顛覆性影響將超過過去的任何技術進步。

首先，我們的汽車消費模式將發生巨大變化，這種變化將深刻改變汽車行業的發展模式。其次，隨著事故率的降低，車險行業改革加快，我們的通勤和出行習慣也將發生巨大變化，而自動駕駛汽車停車需求的變化也將使過去的停車場消失。這樣，城市的結構和商業設施的布局將使我們的生活發生巨大的變化。

谷歌曾認為，從2級自動駕駛起步的特斯拉出于成本原因沒有使用激光雷達。就像青蛙一樣，即使跳得更高、更快，它也不會“飛”。然而，五級自動駕駛公司“天鵝”谷歌的直接開發解決了所有的技術問題，但它們的成本太高，普通家庭無法支付。那么自動駕駛儀的水平到底是多少呢？自動駕駛的硬件是什么？今天，星河研究院分析師吳吉與大家分享我們對無人駕駛技術硬件設備的研究。下周，我們將與您討論自動駕駛領域的軟件應用和未來，希望能對您有所幫助。

以下內容供您參考。

自動駕駛是汽車行業乃至科技行業最受關注的技術之一。A16Z合伙人Frank Chen談到了自動駕駛技術的產業鏈以及在自動駕駛技術影響下未來的社會和經濟變化。根據他的觀點，星河研究院的吳吉補充了一些內容和分析。今天我們來討論一下自動駕駛技術。你準備好了嗎？

一步升級與迭代升級

美國汽車工程師協會（SAE）提出了六個級別的自動駕駛，大多數汽車仍處于第一級別。圍繞這種分級的自動駕駛，有兩種不同的發展路徑。其中，百度和谷歌的無人車想要直接發揮第五層次，實現全自動駕駛的功能，而特斯拉目前的自動駕駛技術路線應該盡快偏向量產和實用化，然后隨著技術的進步迭代升級。

級別0有一個要驅動的驅動程序。這個級別不需要任何自動駕駛能力，但需要一名特殊的駕駛員來駕駛汽車。

第一級可以提供一些幫助。這些汽車具有防抱死制動系統和自動巡航等功能。基于這些功能，車輛可以在某些特定環境中保持行駛狀態。

二級半自動駕駛在這個級別中，汽車的控制系統可以在某些情況下接管汽車，但駕駛員仍然需要坐在駕駛座上，隨時監控駕駛情況。一般來說，此功能適用于高速公路場景。駕駛員不需要操作，而是需要坐在駕駛座上，確保汽車的自動控制程序始終保持穩定。

能夠在第三級自動駕駛意味著駕駛員不必一直監控系統，但仍需要保持在能夠快速控制和恢復汽車駕駛狀態的位置。這意味著駕駛員不需要一直把手放在方向盤上來監控情況，而是可以在系統判斷出緊急情況并發出警報后及時接管。

第四級高度自動化是由自動駕駛系統在特定場景或路段中完成的。在這個級別上，駕駛員不需要干擾自動駕駛狀態。

第五級自動駕駛是自動駕駛技術的最高級別，這意味著自動駕駛程序可以處理所有情況，而無需駕駛員在所有行程和所有時間的干預……

此時，駕駛員的作用也將被淡化。

作為必要的硬件設備，傳感器、車聯網和基礎設施互聯設備構成了技術的一大發展方向，為無人駕駛汽車提供駕駛算法和高精度地圖的軟件服務也是技術發展中不可或缺的一環。

自動駕駛汽車所需的硬件設備。

1.激光雷達與傳統雷達和相機

首先，傳感器是一個至關重要的硬件設備，它相當于自動駕駛汽車的眼睛。通過傳感器，無人駕駛汽車可以識別道路、其他車輛、行人、障礙物和交通基礎設施。目前，傳感器主要分為三部分：激光雷達、傳統雷達和攝像頭。在應用程序級別，相機可以分為單眼相機和雙目相機。

激光雷達：

目前，激光雷達是應用最廣泛的設備，谷歌、百度、優步等公司的自動駕駛技術目前都依賴于它。該設備安裝在車頂上，可以用激光脈沖檢測周圍環境的距離，并用軟件繪制3D地圖，從而為自動駕駛汽車提供足夠的環境信息。

但目前的問題是，激光雷達的價格高達8萬美元，在降低成本之前，它無法被大規模生產的自動駕駛汽車采用。幸運的是，有一些方案可以降低激光雷達的成本，例如將上述“機械”激光雷達改為“固態”激光雷達。

固態激光雷達可以通過電子元件掃描相控陣，而不依賴于內部機械元件的旋轉，這不僅可以使激光雷達越來越小，而且可以控制成本。目前，全固態激光雷達的主要研發制造商是Quantergy、以色列的Innoviz和TetraVue，但它們尚未實現量產。Quantergy宣布，其全固態激光雷達已經過測試，如果進展順利，可以在2018年初實現量產。

最近獲得百度和福特投資的Velodyne目前是機械旋轉激光雷達最大的企業，只開發了一種“混合固態激光雷達”，但該產品仍然依靠內部機械部件實現360高速旋轉，僅實現了產品的小型化，被認為是一種過渡產品。國內企業，如鐳智、沃賽科技、北科天匯等，也推出了內部旋轉混合固態激光雷達產品。

傳統雷達和攝像頭：

由于激光雷達的價格很高，走實用技術路線的特斯拉走的是更實用的路線來開發其“輔助駕駛”功能，其硬件是傳統的雷達和單眼相機。該設備的硬件原理與目前車上的ACC自適應巡航系統類似，它依靠覆蓋汽車周圍360度視角的攝像頭和前雷達來識別三維空間信息，從而確保車輛不會相互碰撞。

具體來說，單眼相機首先通過圖像匹配來識別目標，然后通過圖像中目標的大小來估計目標距離。準確的識別是準確估計距離的第一步。因此，單目識別技術需要建立并維護一個龐大的樣本特征數據庫。如果沒有待識別目標的特征數據，系統將無法識別和測量距離，這很容易導致事故的發生。

目前，基于單眼攝像頭的半自動駕駛系統還遠遠不夠成熟。特斯拉導致司機死亡的事故是因為其單眼攝像頭錯誤地將轉彎的白色集裝箱卡車識別為空中的白云，未能及時剎車。

雙目攝像機的距離測量方法是通過計算圖像的視差來直接測量前方場景的距離。雙目攝像機的原理與人眼相似，但難點在于計算量大，對計算單元的性能要求非常高，這使得雙目系統難以實現高效化和小型化。因此，目前，寶馬i3、特斯拉和日產ProPilot等自動駕駛技術都采用了單眼攝像設備。

星河研究院預測，基于雙目攝像頭的算法和處理器將在短時間內得到快速發展，并受到自動駕駛汽車行業的青睞，但它們的分辨率較低……

在未來成本不斷下降的激光雷達競爭中，精度與激光雷達相比有可能被擊敗。因此，如果沒有發生事故，第五級的全自動駕駛功能將基于激光雷達技術。

2.V2X與紅綠燈

V2X是一種使車輛能夠與周圍的移動交通控制系統通信的技術，而V2V技術則允許車輛與其他車輛通信。這是未來全自動駕駛汽車將依賴的技術，但遺憾的是，與熱門的傳感器領域相比，V2X技術的研發創新仍然非常冷清。

通過V2X技術，道路上的汽車可以通過開放頻帶相互交換數據，并能夠與其他汽車和路邊基礎設施設備共享實時駕駛信息，生成預測的道路信息。

通過實時共享駕駛數據，同一條道路上的汽車可以共享其實時位置，以防止交通事故的發生。交通信號設施還可以根據車輛的交通需求合理安排交通秩序，減少車輛的等候時間。V2P技術可以讓行人和騎自行車的人加入這種V2X環境，并使用手機發送和接收警告信息，從而確保行人的安全通行。

更大膽的想法是，如果汽車能夠相互通信并實現完全的自動駕駛，那么紅綠燈就沒有理由繼續存在。如果沒有紅綠燈，交通設施將需要智能調度算法和對十字路口的嚴格監控，但與運輸效率的提高相比，這些設施的成本不是問題。

此外，在某些情況下，車輛可以提前預測危險情況。如果一定會發生事故，或者在確認車輛被撞后，它可以通過V2X系統廣播求助信息，從而大大提高車內人員救援的效率。

根據美國交通部的數據，V2X技術可以將交通事故率降低80%。僅在美國，這將每年減少594000起交通事故，并挽救多達1321人的生命。

除了上述對硬件的要求外，自動駕駛技術離不開軟件方面的突破。高精度地圖是實現自動駕駛的基礎資源，而機器學習和工程算法是使從高精度地圖、傳感器和V2X設施中獲得的數據真正實現價值的手段。

自動駕駛汽車的軟件要求

1.高精度預算圖，壟斷與競爭

現在每個人在旅行時都會使用谷歌地圖、蘋果地圖、百度地圖、高德等產品，它們都有很好的準確性，這樣我們就可以輕松地穿過城市。然而，令用戶滿意的地圖精度仍然遠遠不能滿足自動駕駛汽車的需求，因為它缺乏道路上有多少車道、車道的邊緣位置、隔離帶和路障的位置等非常具體的信息。

因此，開發用于自動駕駛汽車的專用高精度地圖是一項必不可少的任務。目前，國內外較大的地圖提供商在高清地圖領域已經采取了積極行動，旨在盡快占領自動駕駛汽車地圖市場的更多份額。

高清地圖服務提供商通常需要使用類似谷歌街景汽車的技術，在屋頂上用高清攝像頭、雷達等設備掃描并記錄周圍的所有環境，然后優化算法，最終獲得厘米級的地圖數據。

HERE制作高清地圖的策略與谷歌類似。目前，兩家公司一次收集整個區塊的數據。HERE可以通過安裝在屋頂上的四個2400萬像素廣角相機、旋轉激光雷達、陀螺儀和GPS系統，通過自己的算法生成高清地圖。根據Here的預期，自動駕駛的高清地圖服務預計將于2020年推出。

高德的國產地圖也一直在推動地圖數據的高精度。未來，高德希望利用高精度地圖數據支持自動駕駛的發展，自動駕駛將產生新的數據。經過科學化、自動化的處理，它將變得更加精確，可以被機器和計算機使用和學習，最終形成高精度地圖數據的閉環生產。百度，地圖行業的巨頭……

d自動駕駛，早已布局。目前，高精度地圖已經成為百度最重要的戰略業務之一。

A16Z的合伙人擔心高精度地圖會有壟斷機會，因為他認為在自動駕駛時代，人們將不得不完全依賴這些昂貴的地圖，而這個目前不受法律管轄的領域急需監管。

星河研究院認為，從中國的情況來看，這種擔憂有些多余。在目前國內資本充足的情況下，許多地圖企業相互競爭更為現實，而其高昂的成本必須首先由風險投資家承擔，然后再尋找合適的清算模式。目前，高德已經宣布其高精度地圖對自動駕駛汽車免費，預計隨著競爭的加劇，爭奪免費市場份額將不可避免。

2.機器學習與工程算法：

算法是支持自動駕駛技術最關鍵的部分。目前，主流自動駕駛公司已經采用機器學習和人工智能算法來實現。

海量數據是機器學習和人工智能算法的基礎。通過從上述傳感器、V2X設施和高精度地圖信息中獲得的數據，以及收集的駕駛行為、駕駛體驗、駕駛規則、案例和周圍環境的數據信息，不斷優化的算法可以識別并最終規劃路線并控制駕駛。

現在的主要問題是，與模型計算相比，真實駕駛場景中的算法需要太多的數據，并且計算量超過了現有的能力。目前，已經有許多簡化機器學習的嘗試，例如OpenAI的Universe項目。在未來，這個問題可能會通過近似簡化和提高計算能力來解決。同時，機械和路徑規劃方面的優秀工程算法也不應被拋棄。兩者的主要區別在于，工程算法由固定的邏輯和規則運行，而機器學習可以結合歷史經驗和數據來計算最佳結果。

波士頓動力公司令人驚嘆的機器人算法沒有使用機器學習技術，但它仍然有令人印象深刻的結果。因此，即使工程算法的執行效率與基于深度學習算法的Alpha Go不在一個水平上，但兩者的優勢結合仍然可以有效提高機器學習的最終效果。

3.算法泛化與本地化：

本地化是計算機科學的一個術語，它意味著軟件會根據其周圍的環境條件選擇適當的執行策略。

每個城市都有不同的駕駛習慣，因此如何處理未來自動駕駛汽車的本地化問題，成為其實際應用之前必須打破的障礙。如果算法不能本地化，那么班加羅爾的自動駕駛安全措施顯然會在波士頓和其他城市造成嚴重的交通擁堵。

然而，我們無法為每個有不同駕駛習慣的地區編寫一個特定的算法，因此實現本地化的自適應合成算法是關鍵，該算法可以通過學習社會習俗和當地典型的人類行為，使自動駕駛汽車表現得更好。

自動駕駛技術在普及過程中以及全面實現后對社會的影響。

旅行是人們生活中最基本的需求之一。因此，隨著自動駕駛技術的實施，我們的生活也將發生巨大的變化，汽車制造、出行服務提供商、保險、市政等與出行行業相關的環節都將發生巨大變化。

1.傳統汽車制造商vs互聯網公司

汽車行業是一個龐大的鏈條，涉及上下游無數的零部件制造和分銷系統，其影響范圍僅次于房地產行業。老牌汽車制造商擁有的整套汽車制造基礎設備、豐富的汽車設計制造經驗和熟練的裝配線運營管理經驗，是其相對于跨境造車的技術創新企業的優勢。

而傳統汽車制造商已經意識到，創新和發展……

未來的自動移動行業主要以軟件為基礎，因此他們積極在硅谷設立辦事處，并高薪聘請IT技術人員。例如，福特汽車公司在硅谷設立了自動駕駛研究與創新中心，而寶馬則選擇了另一種方式與百度合作進行自動駕駛。

但技術創新企業的機會仍然很大。通過靈活先進的設計理念和卓越的軟件開發能力，涌現出一大批初創的科技型造車企業。蔚來汽車在裝配線下的超跑已經打破了世界上最快的電動汽車速度紀錄，并已經在實際道路上進行了自動駕駛道路測試。行業領導者特斯拉甚至聲稱，2018年其汽車年產量將達到50萬輛，這些汽車可以配備最新的輔助駕駛功能。

國內廠商在自動駕駛領域也形成了一極。在科技創新公司中，車和家和蔚來汽車一樣，也在試驗自動駕駛技術，并希望盡快量產。百度等軟件公司在自動駕駛算法和硬件方面也存在很高的技術壁壘。在傳統主機制造商中，上汽、北汽和長安在自動駕駛技術上投入了大量資金，而長安作為第一家展示實車的主機制造商，其測試里程已經超過1萬公里。作為世界上發表深度學習論文最多的國家，中國的自動駕駛技術非常值得市場期待。

2.買車與購買服務

如果我們作為消費者，改變從汽車制造商那里購買汽車的習慣，轉而從優步和Lyft等旅行公司那里購買交通服務，這將使汽車制造商從以前的B2C模式轉變為B2B公司，即制造商向旅行公司提供設備，而旅行公司則向消費者提供服務。

可以預見，汽車行業的發展將與航空行業的發展更加相似。消費者不會在意開什么車，只需要在服務平臺上發布需求，等待訂單。

需要注意的是，隨著商業模式的改變，未來自動駕駛汽車是否會像飛機一樣，讓旅行服務公司降低成本、省錢？這種現象可能會對汽車制造業產生更大的負面影響。

3.汽車保險、汽車與硬件

如今，每25起交通事故中就有24起是由人為失誤造成的，如超速、分心駕駛、酒后駕駛、闖紅燈等。因此，目前的車險價格是根據駕駛員所在城市的人口、居住地、購買車輛的型號和價值等精算數據計算的，但在未來，隨著自動駕駛技術的到來，事故率將明顯接近零，因此保險業的改革是不可避免的。

也許未來保險的精算將基于汽車所在的城市、汽車制造商是誰，或者擁有或租賃汽車的人的身份，而保險模式不一定局限于年費的單一場景。然而，保險價格的最終計算方法目前仍無法推測，因為盡管事故率將接近零，但一旦發生事故，汽車上昂貴的激光雷達系統、地圖分析計算機和其他硬件設備的維護或更換成本將比以前高出數倍，因此，目前保險公司將面臨的維護成本是不確定的。

在混合駕駛的情況下，保險業將更加混亂。畢竟，自動駕駛汽車和手動駕駛汽車的混合是不可避免的，然后責任的確定將成為一個非常復雜的問題。

4.上班、通勤與步行有一種觀點認為，未來通勤時間將比現在更長，因為通勤時間不再是生活成本。當所有的汽車都具有自動駕駛功能時，紅綠燈和事故就不復存在了，我們可以通過通勤時間在車里做任何事情。

然而，自動駕駛汽車和汽車服務運營商的存在也會釋放出大量的城市空間，如停車場、汽車修理店等，這將增加人們的生活水平……

s或工作場所，因此人們可以住在離工作場所很近的地方，而不必像今天這樣長途通勤。

有業內人士預測，自動駕駛時代將在2020-2040年到來，我們將在有生之年看到這個奇妙的世界。從現在開始為未來做準備是公眾的最佳選擇。同時，機械和路徑規劃方面的優秀工程算法也不應被拋棄。兩者的主要區別在于，工程算法由固定的邏輯和規則運行，而機器學習可以結合歷史經驗和數據來計算最佳結果。

波士頓動力公司令人驚嘆的機器人算法沒有使用機器學習技術，但它仍然有令人印象深刻的結果。因此，即使工程算法的執行效率與基于深度學習算法的Alpha Go不在一個水平上，但兩者的優勢結合仍然可以有效提高機器學習的最終效果。

3.算法泛化與本地化：

本地化是計算機科學的一個術語，它意味著軟件會根據其周圍的環境條件選擇適當的執行策略。

每個城市都有不同的駕駛習慣，因此如何處理未來自動駕駛汽車的本地化問題，成為其實際應用之前必須打破的障礙。如果算法不能本地化，那么班加羅爾的自動駕駛安全措施顯然會在波士頓和其他城市造成嚴重的交通擁堵。

然而，我們無法為每個有不同駕駛習慣的地區編寫一個特定的算法，因此實現本地化的自適應合成算法是關鍵，該算法可以通過學習社會習俗和當地典型的人類行為，使自動駕駛汽車表現得更好。

自動駕駛技術在普及過程中以及全面實現后對社會的影響。

旅行是人們生活中最基本的需求之一。因此，隨著自動駕駛技術的實施，我們的生活也將發生巨大的變化，汽車制造、出行服務提供商、保險、市政等與出行行業相關的環節都將發生巨大變化。

1.傳統汽車制造商vs互聯網公司

汽車行業是一個龐大的鏈條，涉及上下游無數的零部件制造和分銷系統，其影響范圍僅次于房地產行業。老牌汽車制造商擁有的整套汽車制造基礎設備、豐富的汽車設計制造經驗和熟練的裝配線運營管理經驗，是其相對于跨境造車的技術創新企業的優勢。

而傳統汽車制造商已經意識到，未來汽車行業的創新和發展主要基于軟件，因此他們積極在硅谷設立辦事處，高薪聘請IT技術人員。例如，福特汽車公司在硅谷設立了自動駕駛研究與創新中心，而寶馬則選擇了另一種方式與百度合作進行自動駕駛。

但技術創新企業的機會仍然很大。通過靈活先進的設計理念和卓越的軟件開發能力，涌現出一大批初創的科技型造車企業。蔚來汽車在裝配線下的超跑已經打破了世界上最快的電動汽車速度紀錄，并已經在實際道路上進行了自動駕駛道路測試。行業領導者特斯拉甚至聲稱，2018年其汽車年產量將達到50萬輛，這些汽車可以配備最新的輔助駕駛功能。

國內廠商在自動駕駛領域也形成了一極。在科技創新公司中，車和家和蔚來汽車一樣，也在試驗自動駕駛技術，并希望盡快量產。百度等軟件公司在自動駕駛算法和硬件方面也存在很高的技術壁壘。在傳統主機制造商中，上汽、北汽和長安在自動駕駛技術上投入了大量資金，而長安作為第一家展示實車的主機制造商，其測試里程已經超過1萬公里。作為世界上發表深度學習論文最多的國家，中國的自動駕駛技術非常值得市場關注……

擴張。

2.買車與購買服務

如果我們作為消費者，改變從汽車制造商那里購買汽車的習慣，轉而從優步和Lyft等旅行公司那里購買交通服務，這將使汽車制造商從以前的B2C模式轉變為B2B公司，即制造商向旅行公司提供設備，而旅行公司則向消費者提供服務。

可以預見，汽車行業的發展將與航空行業的發展更加相似。消費者不會在意開什么車，只需要在服務平臺上發布需求，等待訂單。

需要注意的是，隨著商業模式的改變，未來自動駕駛汽車是否會像飛機一樣，讓旅行服務公司降低成本、省錢？這種現象可能會對汽車制造業產生更大的負面影響。

3.汽車保險、汽車與硬件

如今，每25起交通事故中就有24起是由人為失誤造成的，如超速、分心駕駛、酒后駕駛、闖紅燈等。因此，目前的車險價格是根據駕駛員所在城市的人口、居住地、購買車輛的型號和價值等精算數據計算的，但在未來，隨著自動駕駛技術的到來，事故率將明顯接近零，因此保險業的改革是不可避免的。

也許未來保險的精算將基于汽車所在的城市、汽車制造商是誰，或者擁有或租賃汽車的人的身份，而保險模式不一定局限于年費的單一場景。然而，保險價格的最終計算方法目前仍無法推測，因為盡管事故率將接近零，但一旦發生事故，汽車上昂貴的激光雷達系統、地圖分析計算機和其他硬件設備的維護或更換成本將比以前高出數倍，因此，目前保險公司將面臨的維護成本是不確定的。

在混合駕駛的情況下，保險業將更加混亂。畢竟，自動駕駛汽車和手動駕駛汽車的混合是不可避免的，然后責任的確定將成為一個非常復雜的問題。

4.上班、通勤與步行有一種觀點認為，未來通勤時間將比現在更長，因為通勤時間不再是生活成本。當所有的汽車都具有自動駕駛功能時，紅綠燈和事故就不復存在了，我們可以通過通勤時間在車里做任何事情。

然而，自動駕駛汽車和汽車服務運營商的存在也會釋放出大量的城市空間，如停車場、汽車修理店等，這將增加人們的生活場所或工作場所，因此人們可能會住在離工作場所很近的地方，而不必像今天這樣長途通勤。

有業內人士預測，自動駕駛時代將在2020-2040年到來，我們將在有生之年看到這個奇妙的世界。從現在開始為未來做準備是公眾的最佳選擇。

標簽：特斯拉寶馬長安福特蔚來

汽車資訊熱門資訊