自Waymo面世至今，汽車行業(yè)的自動駕駛已走過十年。

從發(fā)展階段看，自動駕駛尚處于技術(shù)積淀期。人們期待這一技術(shù)替代駕駛員的同時，也在不斷回顧和總結(jié)經(jīng)驗。一些需要厘清的問題包括，自動駕駛領(lǐng)域是否存有泡沫？傳感器和深度學(xué)習(xí)等技術(shù)如何演化？實現(xiàn)商業(yè)落地的場景究竟有哪些？

針對這些問題，多位資深從業(yè)人士嘗試給出答案。雷鋒網(wǎng)新智駕梳理發(fā)現(xiàn)，在自動駕駛技術(shù)研發(fā)過程中，科技公司、主機廠和一二級供應(yīng)商各有側(cè)重，同時對深度學(xué)習(xí)的重要作用和面臨問題也有著不同理解。

以下為北汽集團、法雷奧、禾多科技、AutoX、地平線和馭視科技等公司高管站在不同立場進行的觀察：

自動駕駛變得理性

法雷奧中國CTO顧劍民

自動駕駛寒冬并未到來，當(dāng)前估值回調(diào)，熱情削減，只是說明自動駕駛正在回歸理性。法雷奧中國CTO顧劍民指出這一點。

去年以來，融資節(jié)奏放緩、商業(yè)落地慢等問題開始出現(xiàn)在自動駕駛領(lǐng)域。同時，技術(shù)仍在隨著時間不斷升級，這表現(xiàn)在激光雷達等硬件設(shè)備成本不斷下跌，用于深度學(xué)習(xí)和大數(shù)據(jù)計算的芯片處理速度也在不斷提高。

顧劍民表示，傳感器的發(fā)展呈現(xiàn)出集成化、多功能化和智能化的趨勢。此外，深度學(xué)習(xí)、軟件算法逐漸成熟，為行業(yè)玩家進軍更高級別自動駕駛提供了技術(shù)支撐。不過，深度學(xué)習(xí)也存在局限性，比如，雖然深度學(xué)習(xí)在感知功能層面擁有其優(yōu)越性，但它并不適用于決策算法，因為沒有可解釋性，并不完全適合所有領(lǐng)域。

至于如何盈利，顧劍民認(rèn)為，可以通過To B商業(yè)運營和To C個人用戶兩種方式。其中，To B是指將自動駕駛車輛提供給專門的運營商（包括Waymo），例如自動駕駛出租車、園區(qū)物流車或用于交通運輸?shù)陌嘬囏涇嚒?/p>

在顧劍民看來，對于初創(chuàng)公司而言，簡單復(fù)制技術(shù)并不能幫助其實現(xiàn)盈利之路，一級供應(yīng)商相比前者在同整車廠合作、工業(yè)化方面更有優(yōu)勢。

量產(chǎn)車成為關(guān)鍵

北汽集團新技術(shù)研究院副院長榮輝

如果說主機廠是出于壓力而發(fā)展自動駕駛，似乎也沒錯。

目前，主機廠和科技公司對于自動駕駛的布局中，漸進式和激進式是兩條公認(rèn)的途徑。作為主機廠的北汽也在時刻關(guān)注著自動駕駛。2018年底，北汽集團旗下北汽新能源發(fā)布戰(zhàn)略規(guī)劃，宣布到2025年將實現(xiàn)L4級自動駕駛。除了與百度Apollo平臺合作，北汽也在自主研發(fā)自動駕駛方面的技術(shù)。

值得注意的是，北汽的自動駕駛發(fā)展路徑與人們通常理解的從L0逐級發(fā)展至L5有所不同，是繞開這些概念直接去研發(fā)全自動駕駛車。

北汽集團新技術(shù)研究院副院長榮輝認(rèn)為，自動駕駛將是未來主機廠之間以及與科技公司之間競爭的關(guān)鍵戰(zhàn)場。各方的競爭中，誰能最快推出自動駕駛量產(chǎn)車誰就會獲勝。

在他看來，主機廠發(fā)展自動駕駛的盈利的途徑有兩個，一是賣車，二是提供自動駕駛出行服務(wù)。賣車主要是賣給B端用戶。提供自動駕駛出行服務(wù)，主要是指將自動泊車技術(shù)賣給汽車分時租賃公司，將全自動駕駛方案賣給景區(qū)去運送游客，以及提供智能小鎮(zhèn)里的自動駕駛技術(shù)、自動送貨車等。

榮輝表示，深度學(xué)習(xí)是實現(xiàn)自動駕駛的一個重要手段，尤其在視覺識別、周圍環(huán)境感知、激光雷達成像等領(lǐng)域發(fā)揮著重要作用?！坝腥苏f自動駕駛寒冬將至，其實資本這個領(lǐng)域的投資力度遠(yuǎn)遠(yuǎn)不夠，到目前為止還談不上泡沫。自動駕駛領(lǐng)域還沒有投入足夠的資金?！?/p>

他相信，在未來的自動駕駛競爭中，既懂傳統(tǒng)造車又有創(chuàng)新思想的公司會獲得勝利。

緩沖地帶——ADAS

福瑞泰克CTO沈駿強

自動駕駛面臨安全與便利的雙重矛盾。現(xiàn)實中，人們對安全事故的敏感，甚至一度讓主機廠乃至科技公司對自動駕駛躊躇不前。

一般來講，沒有任何一項技術(shù)能百分百確保安全， 但技術(shù)又需要不斷進步。

福瑞泰克CTO沈駿強認(rèn)為，由于自動駕駛要解決不同場景的問題，但只有經(jīng)歷過的那些場景，系統(tǒng)才會去處理，而場景非常復(fù)雜，哪怕過了十年、二十年，已經(jīng)積累了非常多的數(shù)據(jù)，但是這個數(shù)據(jù)仍然不可能覆蓋所有已知或未知的場景。

所以，在實現(xiàn)自動駕駛的過程中不斷地“下蛋”，衍生出可量產(chǎn)、可商業(yè)化落地的產(chǎn)品，或許是做自動駕駛的人應(yīng)該秉持的正確態(tài)度。

由此，ADAS成為發(fā)展自動駕駛的緩沖地帶。

不過，目前能夠提供ADAS整體解決方案的，基本上是被外資和合資企業(yè)所壟斷，雖然也有一些自主品牌在做，但更側(cè)重于ADAS的某一個功能，比如很多公司在做基于攝像頭的泊車輔助。

沈駿強稱，從技術(shù)層面看，傳感器在進步，比如，針對毫米波雷達，隨著現(xiàn)在的芯片集成度越來越高，一些芯片供應(yīng)商能夠?qū)崿F(xiàn)一個芯片就可以提供除天線之外的所有功能；攝像頭的目標(biāo)檢測，采用深度學(xué)習(xí)的方式，讓目標(biāo)識別的技術(shù)門檻，相比傳統(tǒng)計算機視覺大大降低。

在沈駿強看來，最快實現(xiàn)商業(yè)落地的是To B模式，即把自動駕駛車輛提供給一些專門的運營商，比如在物流區(qū)域等。To C端的商業(yè)需求則不是太迫切。

感知技術(shù)是國內(nèi)短板

AutoX創(chuàng)始人兼CEO肖健雄

回顧自動駕駛十年歷程，AutoX創(chuàng)始人兼CEO肖健雄認(rèn)為，計算機視覺帶來感知的突破，使得自動駕駛迅速發(fā)展。此外，大數(shù)據(jù)對于自動駕駛的發(fā)展同樣功不可沒，正是豐富的訓(xùn)練數(shù)據(jù)，使得自動駕駛在內(nèi)的AI行業(yè)得以迅猛發(fā)展。

不過，在肖健雄看來，無論是人才儲備，還是技術(shù)累積、路測里程數(shù)量等方面，國內(nèi)仍落后國外相當(dāng)一段距離。中國和美國的自動駕駛技術(shù)差距之中，感知技術(shù)是最大的短板。

對于特斯拉和Waymo不同的發(fā)展路徑，肖建雄解釋稱，輔助駕駛和無人駕駛是能夠并存的兩條路線?！肮雀璨皇侵鳈C廠，因此Waymo的思維必定是互聯(lián)網(wǎng)思維，以出行平臺為主要的商業(yè)導(dǎo)向。但特斯拉則是主機廠，以銷售汽車為主業(yè)、以功能擴張為主業(yè)，因此所衍生出的技術(shù)路線，自然是出現(xiàn)分歧，沒有對錯之分?！?/p>

肖建雄還建議，選擇好的落地場景對跑通整個場景模式極為重要，創(chuàng)新公司應(yīng)該避開巨頭競爭較量的賽場，找準(zhǔn)剛需且高頻的落地場景。

與一些主機廠態(tài)度相似的是，肖健雄同樣認(rèn)為自動駕駛并不存在泡沫，而是熱度還不夠。在可預(yù)見的20-30年內(nèi)，這一技術(shù)將成為人類社會的重大變化機遇。他判斷，實現(xiàn)自動駕駛已經(jīng)沒有科學(xué)的風(fēng)險，只是時間問題，技術(shù)一旦實現(xiàn)將迅速顛覆人類的交通生活。

論劍決策算法

智行者CTO王肖

自動駕駛的感知、決策和執(zhí)行三大環(huán)節(jié)中，決策環(huán)節(jié)正在成為谷歌、特斯拉等公司的核心競爭力。智行者CTO王肖認(rèn)為，自動駕駛的基礎(chǔ)是感知、定位及控制技術(shù)，核心及靈魂是決策規(guī)劃，也就是自動駕駛大腦。

他表示，即便在自動駕駛的下一個十年，自動駕駛也很難實現(xiàn)大規(guī)模商用，屆時，沒有資本加持的的自動駕駛公司約有一半以上將關(guān)閉。為避免這一情況發(fā)生，無論資本是否寒冬，自動駕駛行業(yè)不能再單純以先進技術(shù)研發(fā)為驅(qū)動，而是要綜合考慮場景、落地及產(chǎn)品，以產(chǎn)品為導(dǎo)向，不單純依靠技術(shù)賺錢，要做產(chǎn)品驅(qū)動型公司。

王肖表示，自動駕駛?cè)珬Ｊ介_發(fā)模式未來會遇到很大瓶頸，與國內(nèi)外各領(lǐng)域最先進的供應(yīng)商一起合作成長才是解決之道，自動駕駛的未來發(fā)展一定是回歸現(xiàn)實，盡快實現(xiàn)公司的自我造血能力。

王肖直言，行業(yè)對人工智能、自動駕駛宣傳的泡沫太大，讓人覺得AI似乎能解決一切問題。但歸根結(jié)底，AI只是一種工具而已，工具并不是無人駕駛研究的目的，大家的目標(biāo)不是做一個基于深度學(xué)習(xí)的無人駕駛汽車，而是以產(chǎn)品為導(dǎo)向，綜合考慮成本、應(yīng)用場景以及成熟可靠的技術(shù)。

精而深還是大而全？

馭勢科技創(chuàng)始人兼CEO吳甘沙

有人專攻一部分技術(shù)，也有人將全棧式開發(fā)作為目標(biāo)。

在馭勢科技創(chuàng)始人兼CEO吳甘沙看來，木桶短板對于自動駕駛公司而言是大忌，自動駕駛門檻高且技術(shù)復(fù)雜，需要了解得面面俱到，包括搭載AI算法的車規(guī)級自動駕駛控制器、無人車運營服務(wù)平臺、數(shù)據(jù)管理平臺，再到自動駕駛仿真系統(tǒng)等均要涉足。

對于自動駕駛技術(shù)，吳甘沙有著自己的解讀?！癢aymo一定代表著它看起來認(rèn)為最有可能的一種技術(shù)，但它斥資一兩百億購買8萬多輛車，并不能窮盡天下所有的交互場景，雖然它可以在美國20余個城市跑得很好，但不一定適用于美國其它城市或中國。”

特斯拉既定的依靠視覺能解決一切問題的觀點也被吳甘沙否定。按照他的邏輯，從系統(tǒng)層面來看，自動駕駛重要的特質(zhì)就是冗余。視覺+激光雷達方案對自動駕駛感知進行了有效補充。

目前，自動駕駛?cè)ψ觾?nèi)幾大商業(yè)路徑建已成型。吳甘沙將其劃分為四類：二級供應(yīng)商角色，技術(shù)授權(quán)；一級供應(yīng)商角色，提供整套解決方案；提供整套解決方案及運營、運維服務(wù)是一種商業(yè)模式；運營自有的自動駕駛車隊，是一種商業(yè)模式。

吳甘沙提到，從宏觀層面看，自動駕駛的商業(yè)模式逃不開兩個方向：或者在一輛車上賺很多錢，但車輛數(shù)量比較少；或者通過將系統(tǒng)安載至多車，每一輛車獲得少量毛利潤，積少成多，實現(xiàn)盈利。

很多玩家會選擇自己運營車隊。吳甘沙表示，這的確是最理想的方案，因為它確實實現(xiàn)了上下通吃。但從另外一種角度看，他認(rèn)為另有最優(yōu)解。類比互聯(lián)網(wǎng)商業(yè)模式，系統(tǒng)裝車，積少成多。這類似于Google搜索，每一次搜索，每一次廣告點擊的利潤極低，但龐大的數(shù)量疊加起來卻實現(xiàn)了Google的成功。

從低到高

禾多科技創(chuàng)始人兼CEO倪凱

通常來講，敢于直接向全自動駕駛發(fā)起挑戰(zhàn)的，大多擁有很強的技術(shù)人才和資金后盾。這也可以理解為，缺乏后盾或者亟待盡快盈利的公司，很自然地會選擇從低級別向高級別循序漸進的方式去研發(fā)自動駕駛。

禾多科技創(chuàng)始人兼CEO倪凱表示，初創(chuàng)企業(yè)在中國路況復(fù)雜的環(huán)境中直接進軍自動駕駛出租車，至少需要耗費10年時間。最直觀的問題是資金上“耗不起”，更深層次在于技術(shù)層面——如果自動駕駛長期處于樣車階段，不能實現(xiàn)真正的落地應(yīng)用，沒有真實數(shù)據(jù)的積累，無法促使算法進步。

基于此，多數(shù)低速自動駕駛玩家會選擇從限定場景的自動駕駛做起，逐步完成數(shù)據(jù)和技術(shù)的積累，踐行“場景為王”的漸進式路線。

倪凱認(rèn)為，自動駕駛從高校走向工業(yè)界的過程中，激光雷達和深度學(xué)習(xí)已成為主要助推力，而且自動駕駛行業(yè)也越來越關(guān)注工程化。不過，無論是高線束的激光雷達抑或深度學(xué)習(xí)，在商業(yè)化道路上仍存在諸多工程問題有待解決。

此外，自動駕駛場景上的復(fù)雜性，決定了深度學(xué)習(xí)相比于傳統(tǒng)機器學(xué)習(xí)方法有得天獨厚的優(yōu)勢，隨著車聯(lián)網(wǎng)的普及和大數(shù)據(jù)技術(shù)的發(fā)展，深度學(xué)習(xí)被行業(yè)定義為未來解決自動駕駛落地的關(guān)鍵武器之一。

不過，由于深度學(xué)習(xí)所依賴的大數(shù)據(jù)和計算量及其近似黑盒的難解釋性，又使得深度學(xué)習(xí)在自動駕駛實際應(yīng)用場景中經(jīng)常處于“看起來很美”的階段。

場景并一定為王

飛步科技創(chuàng)始人兼CEO何曉飛

值得注意的是，并不是所有人會認(rèn)同場景為王。

對于自動駕駛來說，雖然有深度學(xué)習(xí)這把屠龍刀，但飛步科技創(chuàng)始人兼CEO何曉飛覺得還是應(yīng)該夯實基礎(chǔ)。理由是，人工智能尚處于早期階段，如機器學(xué)習(xí)的算法、芯片的設(shè)計等底層的技術(shù)問題仍有許多困難。

正因為如此，何曉飛稱，現(xiàn)階段自動駕駛底層的技術(shù)，仍不能支撐、解決和處理大交通的問題，很多問題尚未暴露出來，等到大規(guī)模商用的時候，可能會暴露出更多無法預(yù)料的問題，而這些問題往往決定著行業(yè)的生死。

所以，在底層技術(shù)尚未成熟之際，選擇場景就變得尤為重要。何曉飛同時強調(diào)，場景重要并不意味著一定是場景為王，未來究竟是場景為王，還是技術(shù)為王？現(xiàn)在下結(jié)論還言之過早。

他預(yù)計，乘用車的落地時間需時要比商用車要來得晚一些，因為卡車是固定的路線、乘用車是從任意的A點到任意的B點，加上城市交通具有復(fù)雜、多變、不可控的特點。相比而言，商用車的應(yīng)用場景相對單一，集中在高速、快速路等環(huán)境，但貨車本身由于機動性、穩(wěn)定性和精度較差等原因，需要更長的剎車距離、更大的轉(zhuǎn)彎半徑，以及更加精確和魯棒的控制，因此在感知和控制層面對技術(shù)提出了更高要求。

何曉飛認(rèn)為，場景和場景之間，雖然有一定的壁壘，但只要找到最有優(yōu)勢的切入點以后，就能夠進行切入。

繞不開的芯片處理器

地平線創(chuàng)始人兼CEO余凱

“自動駕駛真正要解決的問題是處理器?！钡仄骄€創(chuàng)始人兼CEO余凱說。處理器被余凱定義為關(guān)鍵環(huán)節(jié)，原因是，從車聯(lián)網(wǎng)、ADAS到高精度地圖，從L3/L4到更高級別自動駕駛，每一個環(huán)節(jié)都需要處理器。

但對于許多車企來說，如果要走處理器自研的道路，一家公司的車輛年出貨量又要不足以支撐高效地研發(fā)汽車核心部件。此外，由于產(chǎn)業(yè)初期分工不明確，許多公司初期依靠自研處理器（例如IBM），但伴隨著產(chǎn)業(yè)分工越來越明確，核心處理器均會開始交由專業(yè)的供應(yīng)商負(fù)責(zé)。最后，汽車產(chǎn)業(yè)發(fā)展至今，一直呈現(xiàn)產(chǎn)業(yè)充分合作態(tài)勢，很少有車廠全部覆蓋生產(chǎn)所有核心部件。

作為二級供應(yīng)商從業(yè)者，余凱對自動駕駛的發(fā)展作出如下反思：誰是機器人時代的英特爾？深度學(xué)習(xí)是人工智能唯一的支撐點嗎？新摩爾定律時代，AI芯片公司未來之路如何走？

“人工智能只靠深度學(xué)習(xí)，肯定是越走越偏了?！庇鄤P表示，深度學(xué)習(xí)要基于規(guī)則方式，并和貝葉斯網(wǎng)絡(luò)進行結(jié)合。

他認(rèn)為，未來的發(fā)力重點在于終端人工智能處理器。不同于云端計算，終端傳感器即基于本地數(shù)據(jù)進行實時計算，需做到低延遲、低功耗。

余凱表示，新摩爾定律下，應(yīng)用場景決定算法，算法定義芯片，軟硬件集成進行深度聯(lián)合、協(xié)同設(shè)計，讓人工智能、邊緣計算成為可能。新的摩爾定律將影響人工智能、自動駕駛發(fā)展，順應(yīng)該趨勢，AI芯片企業(yè)需改變發(fā)展路線。未來單純的硬件公司將不復(fù)存在，取而代之的是更多的軟件工程師。

實際上，站在不同立場去觀察自動駕駛，人們會看到猶豫、信心、風(fēng)口和局限性等不同層面。對于融合了人工智能、高精度地圖、傳感器等各種軟硬件技術(shù)的自動駕駛，或許需要的不止是十年、又一個十年，而是打破隔閡，以更開放的姿態(tài)迎接時代變革。