切换到宽版
  • 1阅读
  • 0回复

智能驾驶进入“中场”竞争,或需借出行服务落地 [复制链接]

上一主题 下一主题
离线阙琢己
 




      
      文|智能相对论,作者|ihahe
      
      足球理论认为,控制了中场,就控制了比赛的节奏,从而获得比赛枢纽的控制权,有助于在比赛中取胜。
      
      如果把智能驾驶比作一场足球赛,处于胶着状态的竞争各方显然进入了中场争夺。处在中场竞争的节点,谁胜谁负就要看中场实力了。
      
      硬件向软,软件向硬,融合方知天地宽
      
      智能驾驶的“中场”是一个以车机系统为基础,融合车辆感知、车联网等传感系统和数据处理系统的集合,既拓展了传统车机功能,又融合后台的AI算力输出。BAT等都在卡位竞争,争的正是“中场”实力。
      
      这个“中场”实力即是软硬平台和云数据服务的实力,仅这两点就屏蔽了大多数的初创公司。原因多方面:一方面来自于智能驾驶会产生大量的数据,一辆车一天的数据量将达到40TB;另一方面则需要云服务提供算力输出,还需要适时推出让算法更新迭代;第三,整合智能驾驶的多方面传感器件和逻辑判断执行器件,需要系统级的能力,不仅需要有上下游关系,还需要切入供应链。这本身就具有很高的门槛。
      
      根据投资人透露,打造一个智能驾驶公司,至少需要5000万美元启动,包含人员的运营费用、设备费用还有购买测试牌照的费用,比如北京的智能驾驶牌照费用得500万RMB。但如果只想切入智能驾驶的某一个点,可以用通用软件和算法进行测试。软件方面,百度已经开放了Apollo ;硬件方面,目前高通、Intel、nVIDIA都有。
      
      虽然他们有融合交叉,但是目的却决然不同。百度意图通过软件构筑自动驾驶汽车创业者的生态系统,同时能够分享测试数据,加快自动驾驶的落地步伐。Intel、nVIDIA则想把PC那套移植到智能驾驶领域,这样他们获益最大。
      
      特斯拉让nVIDIA的美梦几乎落空。一个标志性事件则是特斯拉放弃了nVIDIA的公用平台,采用自己设计的FPGA。在功耗性能上比nVIDIA强很多,并提供冗余备份。有了这个硬件基础,马斯克认为,“这能让特斯拉市值达到5000亿美元”。
      
      马斯克可能又吹了牛,现在特斯拉市值不到这个目标的10?但5000亿美元很诱人。他也指明了一个方向:即在软硬件上全部采用自己的标准,在产品服务层面全面导向苹果模式,能够在产品和服务上巩固自动驾驶初创企业的基础。
      
      他也认为,紧密的软硬协同是自动驾驶能成功的关键,受此刺激,Waymo也造起了雷达,并且很便宜,害得Waymo原来的供货商不得不把大部分产品卖到了中国。
      
      我们看到智能驾驶的开创者们,在熟悉了其中的逻辑之后,开始技术下沉,并延伸到产业链底层。实际上,新兴产业布局,为了构筑壁垒,在商业模式设计之初,就走向两个方面:要么是延长产业链,提高学习成本,故意制造门槛;要么是在现有产业链上切入更多的环节,同样具有壁垒效应。
      
      国内的BAT也几乎遵循这一原则,它们在产业链上布局上颇为努力。阿里的投入触及链条很长,涉及到上游的芯片;百度的Apollo甚至把nVIDIA和Intel纳入生态系统之中, 更注重软件;腾讯在高精度地图和模拟训练方面更有兴趣。三家的着重点并不相同,形成错位竞争。
      
      阿里除了自己研发软件提供云服务,它还投资了中国AI的几乎所有独角兽企业,其中有导航、AI芯片等企业,布局更为上游。当然它自己的芯片,恐怕还暂时无法用到自动驾驶领域。至于自动驾驶的实验车,也在部署中。
      
      百度最在意自动驾驶落地,自2014年宣布进军自动驾驶领域,手里拥有最多的自动驾驶测试牌照,中巴车和出租车开始L4级别试运营。软件和硬件系统方面,已经自成体系。
      
      腾讯和阿里一样更看重数据服务,强调车路协同。不过这需要市政建设达到车联网的要求,为此腾讯在高精地图的投资以及用17.8亿美元换取特斯拉的5?权,则有借壳生蛋的意思。
      
      目前来看,百度可以提供全套的解决方案,Apollo生态也由此建立。而腾讯和阿里估计会以服务为核心切入。阿里已经有样车,但会更强调车路协同,数据服务将成为智能驾驶的基础架构而存在,在未来一段时间内,还会催生一些自动驾驶的新企业,充实自动驾驶的上下游链条。
      
      Alphabet孵化了Waymo,也孵化了美国的智能驾驶行业。百度开放了Apollo,手握国内超过一半的智能驾驶牌照,开放代码超过了20万行,参与开发的人员超过2000。此后,百度一方面软件升级很快,两年间迭代了6个版本;另外一方面在营收乏力的情况下,继续大力投入自动驾驶,根据估算,百度每年在智能驾驶方面的花费上亿美元。
      
      在智能驾驶落地方面,根据百度的路线图,在今年的7月份限定区域测试L4级别智能驾驶;在2021年实现高速和城市完全智能驾驶,即L5级别智能驾驶。如果能按照这个线路图实现目标,百度可能会成为最早实现L5级别智能驾驶的服务提供商,因为Waymo明确表示,L5的智能驾驶可能很难实现。
      
      相比百度把宝押在自动驾驶上, 腾讯和阿里则轻松得多,一个在电商领域如火如荼,一个在社交和游戏领域独领风骚。基础业务稳健,在自动驾驶领域的投入也更看长线,并不急于变现,腾讯和阿里的布局会更在中场的核心,壁垒会更高。
      
      但从长期来看,如果智能驾驶要落地,拥有完善软硬基础设施会成为必须, 软硬融合将成为壁垒的基础,也是智能驾驶的竞争中场的关键元素。
      
      数据,优化了智能驾驶的学习曲线
      
      但是,智能驾驶相对复杂,需要应对的方面太多,从技术到伦理甚至法规,方方面面都要有所考虑。影响学习曲线的因素过于复杂,制约了智能驾驶领域研究的投入。在没有找到合适的研究工具之前,传统车厂对智能驾驶的态度观望大于行动。
      
      但是传统汽车对驾驶辅助的研究并没有像想象中那么消极。作为行业标杆的奔驰,早在其S级系轿车里,提供了夜晚驾驶辅助。即通过不大的中控屏幕,提供红外摄影的图像,如果出现人或者动物会提醒。此外,还有刹车辅助系统,一时间也被其他车厂效仿。
      
      这些很有效果,但是没有发展到智能驾驶。它的高成本和高复杂度阻碍了像奔驰这样的车厂花大力气研究和推广。智能驾驶的门槛还是太高。软硬协同以及云计算服务,传统车企是空白;而且机器学习、深度学习、神经网络计算最近才发展到实用阶段。传统车企不在IT的前沿,自然就无法充分利用计算资源实现自动驾驶的概念。这给有IT背景的厂商捕捉到了机会。
      
      有句话说,外行改变内行。特斯拉给智能驾驶打了很好的广告,Waymo给智能驾驶展示了美好的前景,百度则让智能驾驶在国内开花。现在造车内行得跟着造车的外行转。
      
      受此刺激,奔驰和宝马都有自己抱团的产业链,在智能驾驶领域也有很强的根基,宝马表示要在2020年试验L4级别的智能驾驶,大众则表示智能驾驶的研发工程师已经在达到了4000人。通用和福特分别通过收购实现了对智能驾驶领域的切入,而且通用的Cruise水平还不错,日产雷诺,丰田等都有自己的方案。
      
      为了表示自己没落后时代,宝马甚至把一台R1200GS摩托车通过智能驾驶赋能,跑了几圈大秀“肌肉”。不知是为了应对质疑还是为了嘲笑现在的智能驾驶对手,这台没有特别改装的摩托车,其智能驾驶技术难度要比汽车高。传统车企果然也不是吃素的。
      
      传统车企和智能驾驶新贵开始在技术上对接了。那么接下来,拼什么呢?对,数据。数据有两大类,第一是高精度地图的绘制,第二类是驾驶过程中控制行为反馈,比如碰到什么新场景,是否学会了。如果说智能驾驶软件和算法是开矿的工具,由此积累的数据则是实打实的金矿。智能驾驶的成败系与此端。
      
      所以,百度也表示,为了打造Apollo生态,可以与开发人员或新创企业进行数据交换,前提是他们把数据共享,以此大幅度加快Apollo生态成熟步伐。根据预计,百度还将开发针对日本的系统。也即意味着,人的习惯,交通状况的差异,都需要纳入软件和云数据服务中,从而提高智能驾驶精度。
      
      现在的问题是,拥有智能驾驶能力的实验车速度还不能太高,很少超过60公里时速,而且还无法实现全自主的L5级别驾驶,因而试验和对软件算法的规划,还需要更多时间完善。这个时候,跑圈刷里程就称为智能驾驶企业的日常。
      
      目前,多数车企的落地测试车辆不到100辆。Waymo的投入最大,车队在2018年达到600辆,行驶里程也最长。到今年2月份已经累计行驶超过了2000万公里,每个月还在以超过100万公里的速度增长。其模拟平台的数据更惊人,早已超过60亿公里。根据业内的共识,智能驾驶汽车需要有超过100亿公里的行驶数据集,才有可能被认为能够在道路上行驶。
      
      马斯克不服,“我们有超过20万辆车智能驾驶车辆提供驾驶数据”
      
      Waymo认为“你那不算数,不是L3级别的智能驾驶不是真的智能驾驶”。马斯克预计2020年,特斯拉能提供L3级别的智能驾驶,但是大家不信,特斯拉的方案与L3级别的智能驾驶相比,还有物理鸿沟。
      
      Waymo的水平还是最高的。在智能驾驶汽车上路测试中,其“脱离”率达到了17000公里/次的水平。根据统计,我国平均每辆车行驶里程大约为15000公里,这个水平几乎等于平均一年一次。从理论上来说,这很堪用了。
      
      正因为如此,Waymo大举进军出行服务,并将购入6.3万辆车进行试运营,到2020年,将有大约2万辆智能驾驶汽车供出租用。对于此番举动, 马斯克只能表示沉默,特斯拉还没法做出应对。
      
      为什么实地运行汽车数量较少的Waymo还能在技术上超越特斯拉呢?虽然表面上是技术取向之争,实际上是“数据后台”算力之争。特斯拉没有Alphabet的数据处理和传输优势,不具备大规模云计算和AI算力输出服务,迫使特斯拉把用户当成免费测试员,数据虽饱满,但并不利于算法升级和迭代。目前,特斯拉L2级别的智能驾驶还是有代差,不足以对Waymo形成挑战。
      
      特斯拉还需要解决一些技术难题。比如红绿灯的识别、对警察意图的识别,曾经,特斯拉一辆车看不懂警察手势,跟警车撞在了一块,让特斯拉闹了笑话。
      
      经过十年发展的Waymo算是堪用了。它在智能驾驶和出行服务方面架了一座桥,也铸了一道壁垒。硬件和软件还有可追的可能性,但是高达2000万公里的实验数据,大多数厂商得想其他办法完成。而且Waymo的消耗也很高,其母公司Alphabet每年对其的投入高达10亿美元。
      
      当然马斯克批评Waymo不是没有道理。“采用LiDAR系统的成本太高,很难进入家庭轿车”,马斯克坚持采用模拟人眼感知的方式获得智能驾驶的数据,成本很低,能够商用。但其忽视了一点,这可能很难超越人类本身的驾驶能力,这是特斯拉方案的大缺陷。而基于云端数据服务辅以LiDAR雷达的,却具备大幅度超越人类驾驶的潜力。也即意味着,智能驾驶汽车构筑的交通系统,会比目前的交通系统高出一个段位。
      
      传统车企或多或少忽略或不具备云技术处理,制约了其在智能驾驶领域的投入,同时没有数据思想总观全局,也无法实现智能驾驶的发展和演进。这就如同数据天然具有演进产品的价值,这在智能驾驶领域表现得淋漓尽致。
      
      传统车企上行,互联网车企下移,智能驾驶在“中场”碰撞
      
      现在,一台符合上路标准的智能驾驶汽车,造价高达15万美元以上,主要是LiDAR雷达够贵。一台64线主雷达将达到8万美元,还需要两个辅助LiDAR雷达,加上专用计算服务器以及其他费用,成本无法降低。而马斯克坚持不用LiDAR,使得特斯拉的Autopilot的价格也比较便宜,大约在6000美元左右,但目前无法实现L3级别的自动驾驶。
      
      当然,逐渐普及的L2级别的智能驾驶难度没有那么高。汽配大厂世就有解决方案,国内拥有L2级别智能驾驶的汽车,有的直接用了世的方案,也就不难理解,Waymo对特斯拉的“蔑视”。
      
      实际上,智能驾驶的平台承担一个数据的中枢作用,不仅需要接受外界的数据,还要对自身产生的数据进行处理和判断,以对汽车做出控制。但同时,几乎所有的智能驾驶汽车,一没有考虑乘坐的人的感受;二没有考虑到极端天气下各种情况的应对。
      
      我们在关于特斯拉的信息中发现,特斯拉的摄像头因为雨雪天气容易失效的问题,而且还有对标识的识别问题,远比高速上跑一通复杂。另外在面对极端天气,出现意外的处理,目前还没看到案例。
      
      有人反应,智能驾驶汽车的乘坐体验不大好,比如刹车太硬,加速很难符合心理预期,反而容易晕车。这给未来的智能驾驶发展提供了方向。也即:智能驾驶平台不仅要对接云数据,处理好传感器数据和控制汽车,也要把人的感受作为最主要的考量因素。如果智能驾驶不能很好服务于人的感受,再好的技术将不会得到市场的青睐。
      
      这是传统汽车制造商对智能驾驶漠视的借口。很典型的,比如宝马讲究驾驶乐趣,保时捷推背感的营销策略,智能驾驶还做不到这些细节体验的提高,限制了传统车企对此的兴趣。也或许,他们有更黑的科技,能弥补智能驾驶在这方面的不足。
      
      智能驾驶领域也在努力,Waymo提供Waymo One服务作为尝试。甚至在进行跑圈刷里程的时候,也会邀请一些有兴趣的人参与体验。现在百度也在开放智能驾驶出租车项目,而株洲已经通过标志线导航实现了智能驾驶公交,目前还没看到对乘坐舒适性的负面评价。
      
      但要做到L4级以上的智能驾驶,现在的数据集还不能完全支持,城市里开放无人驾驶出租车还有困难——一切卡在了数据上。
      
      传统车企也卡在数据上。自智能驾驶发展起,业内就有两个方向:一个是以IT技术为代表的Alphabet和百度,他们通过算法和软件以及云端的数据服务,在虚拟世界重构了一个与现实高度重合的交通空间,并通过计算模拟实现智能驾驶技术的升级和迭代。其主要目的是以汽车为载体,把软件和服务作为核心和未来盈利来源,提供的是软硬系统和数据服务;
      
      另一个则是以传统汽车为代表的,以整车为模型的思考方式,从整体上把汽车改造成符合智能驾驶要求和规范的平台,从而应对IT行业对汽车这个平台侵蚀。他们也找IT企业合作,但强调的是汽车本身,而忽略了汽车的出行服务本质。
      
      两种思维方式的冲撞决定了两条路径的不同,也是传统产业和服务产业对汽车行业完全不同的理解。IT厂商切入是以服务为目标,而传统汽车厂还是以产品为核心,这将给智能驾驶领域带来两种不同技术路线的冲撞和纠缠。
      
      IT技术厂商嗅到了服务的价值和不可替代性,而传统车企的产品竞争很难通过产品竞争获得绝对的市场占有率。服务和产品的这种巨大差异,让IT技术厂商捕捉到了——即以出行服务为方向,向产品端渗透。
      
      IT技术厂商的嗅觉没有错。根据估计,我国出行服务的市场规模在2019年将达到260亿美元左右,而且还将以每年30?上的复合增长率高速成长,到2030年的时候,中国出行服务市场将达到5640亿美元,届时,45?上的人会用到共享汽车。虽然到时候具体数字会有出入,但绝对表明了发展方向:也就是说,将有接近一半的人可能就不会购买属于自己的汽车,而汽车这种私有性特别强的物品也将成为公共交通网络的一部分,它的价值将在高效率的公众服务中尽情体现。
      
      与之相应的是中国轿车产销在2018年历史性下滑,结束了长达28年的增长。“汽车业的以产品为中心的好日子到头了,以服务为中心的模式将大幅成长”。
      
      目前个人出行方式多变,共享汽车服务的高速发展。其中最有价值的正是数据,各大网络巨头不约而同看到了这一点,因而在出行服务逐渐风行,而技术逐渐有富裕能够输出的时候,以智能驾驶为主题的比赛早早被拉到了下半场。
      
      在下半场的比赛中,数据的价值堪比石油。据统计,2018年,仅与互联网相关的数字经济在我国已经占到GDP的1/3,数据石油与传统的石油在汽车上相遇,则是科技发展不可避免的宿命。
      
      传统车企还在做挣扎。除了宣布参与自动驾驶的竞赛外,还通过布局出行服务参与到这样的商业盛宴。在Uber上市的前夕,软银、丰田和电装向Uber的自动驾驶汽车业务投入10亿美元,借助现存的优势企业实现服务上位。
      
      我们注意到丰田其实拉了软银作背书,潜台词对基于网络的服务商还不大信任。但也说明,如此顽固的丰田都开始对自动驾驶和出行服务感兴趣,它们所代表的未来已不言自明。
      
      奇瑞轿车也有“雄狮”战略牵头,涵盖智造、智云、智驾、智赢、智行五大的方面,算是传统车企的反击。传统车企早已觉醒,并切开始偷袭网络巨头的“老巢”了。
      
      传统车厂,对与汽车的命运很清楚,只是大潮之下,无法左右自己的格局,在新的技术面前, 汽车迟早会成为配角。至此,汽车时代无可奈何花落去,在数据面前,汽车作为“配角”,只能给数据“打工”了。从这个意义上来说,BAT真的是天然适合开发智能驾驶。
      
      但智能驾驶在他们的菜单里,会通过服务体现。百度提供的是智能驾驶的整体解决方案,构筑了智能驾驶的生态系统,融合了服务、软件、车机和主机的方方面面,当然云计算、AI算力输出还是百度这个平台的核心内容。此外,在小度OS方面切入小程序已经可以在百度的车机OS上运行。百度的Apollo 平台强调汽车本身的计算能力,辅以高精度地图,完成智能驾驶的所有功能。
      
      而阿里除了提供车载的AliOS之外,更强调车路协同。从运控平台、智能感知基站、协同计算系统三个层面,更像一个基础设施的构建,并且极度需要5G的配合,这一点与华为的思路接近。
      
      现金丰富的腾讯,则在智能驾驶投资上有自己的理解。比如投资高精地图的Momenta,在产品方面,除了与阿里和百度相近的云数据服务外,还提供模拟仿真,这是自动驾数据集训练的关键步骤之一。腾讯更注重此领域的外围投资,而不是自己孵化技术,毕竟对于多金的腾讯而言,投资可能是更好的选择。
      
      采用这三家的车机系统,在生产数据的层面就必须与他们各自的云数据发生勾连,而装载其系统的汽车将成为他们的数据生产设备,从而完成壁垒的构建。但作为车厂,还没有更好的选择,智能驾驶的数据化也直接决定了它们的从属地位。
      
      现在,传统车企和智能驾驶服务提供商在数据和软硬系统的“中场”开始碰撞,但到底是以软实力为代表的智能驾驶服务提供商会赢还是以汽车为传统输出媒介的汽车厂能赢呢?这个事情会变得特别有趣。
      
      谁先找到智能驾驶的强需求,谁就赢
      
      人在最需要的地方才会发光,技术同样如此。虽然智能驾驶在个人领域短时间内看不到落地的希望,但是在一些紧俏的行业开始有了强需求。比如智能驾驶物流汽车领域。智能相对论查询到一家做卡车智能驾驶的公司的信息,目前西安到乌鲁木齐的物流需求最为紧俏,他们准备在这一段投入智能驾驶物流车,主要是减少司机降低成本之用。用了他们这个系统,可以减少一个司机,也能够提高物流运力。
      
      根据他们的规划,这套系统将采用租赁的方式,国内大约2000-3000元/月,国外大约2万美元/年的收费标准,相对应的则是Otto大约3万美元/年的租金。这给智能驾驶汽车落地定了个调,用户也估计会有个数:以后的智能驾驶服务,也将像汽油费一样,省不了。这就难怪出行服务公司对智能驾驶的迷恋了。
      
      资本市场对智能驾驶也很迷恋。在过去的二十年内,智能驾驶将被认为是科技史上的革新,是借助于IT基础设施完成的科技之科技。而且,它的应用市场范围大。如果融合5G技术,全球的市场规模将达到5万亿美元之多。
      
      这个市场预期,吸引了大批投资。最近5年,全球关于智能驾驶的投资达到了120亿美元,新成立了超过460家企业。在国内,智能驾驶企业也是如火如荼,在资本刺激下,智能驾驶已经开始呈现“高烧”状态。有些甚至被烧晕了,有两家融资规模比较大的公司因为内讧而元气大伤,有一家甚至因为创始人的纷争关门。
      
      且不论及系统层面。在一些细分领域比如高精地图方面同样火热,BAT各有入股投资,争取智能驾驶“中场”的那一亩三分地。国内具有导航测绘甲级资质的企业也瞬间热起来了。
      
      至此,BAT三家的布局都很明确了,都是接近系统级布局。同时在细分市场卡位,就像足球的中场,有好几个位置,未必各个都强,但是卡位精准则有田忌赛马、出其不意的效果。
      
      BAT具有点面的布局能力,其他后来者可能就要从细节挖掘机会,这将带动一大批细分领域的领军厂商,商业动量不可限量。
      
      罗曼·罗兰在米开朗琪罗里说,世界上只有一种真正的英雄主义,那就是在认清生活的真相后依然热爱生活。我还需要添加一句,那就是认清竞争的本质依然热爱竞争,同样也是英雄主义。而智能驾驶在这样的竞争中,也一定会更好。
      
      钛媒体作者介绍:智能相对论(微信id:aixdlun):深挖人工智能这口井,评出咸淡,讲出黑白,道出深浅。新书人工智能十万个为什么 热 AI 冷知识,京东正在火热预。重点关注领域:AI+医疗、机器人、智能驾驶、AI+硬件、物联网、AI+金融、AI+安全、AR/VR、开发者以及背后的芯片、算法、人机交互等
      
      
快速回复
限80 字节
如果您提交过一次失败了,可以用”恢复数据”来恢复帖子内容
 
上一个 下一个