說起今年的自動駕駛行業，可謂是充滿了大新聞。如果要逐一總結大事件，那估計都能出本書了。但是我們還是試著在幾千字的篇幅里把今年自動駕駛領域的幾個趨勢和熱點事件做做解讀。

傳統車廠的反擊

對于傳統車廠來說，務實才是做生意的根本。大家都承認自動駕駛會是未來，不過發展自動駕駛的前提是不能影響現階段的產品開發與銷售。

很好的例子就是福特，他們在今年年初以十億美元收購自動駕駛初創企業 Argo.AI，高調發展自動駕駛。結果其前 CEO Mark Field 卻因過度強調科技轉型、忽視現有產品而被董事會彈劾下臺。新 CEO 上臺后聲明將推遲原先指定的 2021 年推出 L4 自動駕駛的計劃。

在歐洲，一直十分重視自動駕駛的沃爾沃也將自己原定于今年啟動的自動駕駛測試項目「Drive Me」推遲到了 2021 年。可以說面對自動駕駛，傳統巨頭們已經從狂熱漸漸追逐，變成了冷靜規劃。

不過可不要以為傳統車企放棄了在自動駕駛領域的反擊。他們把精力都放在了其最大優勢：量產產品上。今年 7 月在巴塞羅那上市的新奧迪 A8 是一個強勁的反擊信號：它是全球首款搭載了 L3 級別自動駕駛的量產車，可在不高于 60km/h 的速度下，在法律允許的區域內實現自動駕駛。（也有人認為奧迪 A8 只做到了 L2.5 級別）

在我看來，新一代 A8 所承載的最重要意義是奧迪對于自動駕駛供應鏈的整合。除了搭載激光雷達、攝像頭、毫米波雷達、超聲波雷達等傳感器之外，新 A8 自動駕駛的核心控制單元——由德爾福整合的 zFAS，對于控制器更是像一塊強大的主板：集成了 Mobileye 的 EyeQ、NVIDIA K1 GPU 以及 Altera Cyclone FPGA 等各路芯片于一身。

新 A8 證明，不管是科技公司、Tier 1 供應商，還是芯片供應商，只要想讓自己的自動駕駛的技術在量產產品上落地，最終還是要回到統一的汽車供應體系下。大家要一起與車廠合作，而不是各自為戰。

除了 A8 之外，今年發布的凱迪拉克 Super Cruise，奔馳 Drive Pilot 等也都是非常成熟的半自動駕駛解決方案，這里不贅述了。感興趣的可以看看我們另一篇總結文章：《2017，這幾輛車讓我們離自動駕駛更進一步》

零部件供應商的轉身

一直以來，汽車行業的 Tier 1 供應商們都給人一種悶聲發大財的低調印象。不過今年他們的風格變了。

自動駕駛涉及到感知，地圖，決策，控制等多個環節，縱使是 Tier 1，也不可能自己搞定一切，因此想要給車廠這個客戶爸爸提供滿意的解決方案就必須找別人合作。而這些合作伙伴中，又有很多行事高調且來自于汽車行業之外的科技公司。所以對于 Tier 1 們來說，不管是從技術體系、合作模式，還是宣傳策略上，都面臨著轉型。

最直接的方式就是與科技公司結盟。在這一年中，你能數得出來的 Tier 1 巨頭幾乎都拉到了自己的盟友。博世和采埃孚聯手英偉達和百度，大陸和德爾福則加入到了寶馬、英特爾的陣營。

更有甚者，直接選擇變身為科技公司。9 月份德爾福正式將自己的動力總成業務分拆，成為「安波福」（Aptiv）和「德爾福科技」兩家公司。其中安波福的定位就是一家聚焦于汽車前沿創新領域的科技公司。關于具體情況，可參考我們的文章 《從德爾福分拆之后，安波福第一次面對媒體，他們說了什么？》

從技術上講，上述供應商也都與各自的盟友一同公布了成果。比如 博世在上海車展期間公布了與國內三大圖商共同合作的云端路書 BRS，通過孵化器與更多初創公司合作。再比如 大陸的 CUbE 無人車 等等。

源于自身的供應商角色，以及對自動駕駛和整車開發的了解，Tier 1 供應商們在車廠和科技公司之間起到了非常重要的整合作用。現階段，科技公司的自動駕駛技術——不管是硬件還是軟件——最終得以在車廠項目中 SOP，都離不開 Tier 1 的功勞。因此我們在后續的分析中還會頻繁看到他們的身影。

芯片公司的角力

說起今年自動駕駛領域最大的新聞，我覺得當屬英特爾斥資 150 多億美元收購 Mobileye。這樣的手筆既說明芯片業的巨大價值，也說明芯片公司做自動駕駛的決心。

英偉達以及英特爾都已經在今年相繼公布了了自己在自動駕駛領域的產品。今年，英偉達公布了其 Drive PX 旗下的最新產品 Xavier 以及未來的下一代產品 Pegasus，并基于 Xavier 分別聯合博世以及采埃孚推出了車載 AI 超級電腦。關于英偉達產品的解析可以看我之前的文章：《GTC 2017 | 一篇文章看懂英偉達自動駕駛解決方案》

英特爾方面，他們通過收購了 Altera 以及 Mobileye 獲得了 FPGA 架構以及 EyeQ 芯片。據英特爾透露，Mobileye 的最新一代 EyeQ5 芯片能夠提供每瓦特 2.4 DL TOPS（萬億次/每秒）的效能。這比英偉達公布的 Xavier 效能要高出 2.4 倍。另一家芯片巨頭高通，除了繼續消化收購恩智浦所得到的資源外，也在 2017 年 12 月初拿到了美國加州自動駕駛路試的許可。

從 PC 時代開始，芯片行業就是競爭極其激烈的領域。雖然英偉達 CEO 黃仁勛在 GTC China 的采訪時一再強調英偉達做事業依靠的是愛，但在汽車行業中，他的公司與英特爾卻是在針鋒相對。

與消費電子有所不同的是，汽車所使用的計算芯片在功耗、穩定性及安全性等方面都有著更高的需求。GPU 和 CPU 這種通用計算芯片是否能夠針對車載應用做出優化便成為了一大挑戰。因此，別看英偉達和英特爾在汽車領域風生水起，但是目前真正進入 SOP 的產品并不多，車企也在期待著更多選擇的出現。

這其實給了其他公司機會：做專門用于汽車場景的計算芯片，例如針對 ADAS 的視覺感知芯片。領軍者 Mobileye 令人咋舌的產品售價更是讓一些國內創業公司也瞄準了這塊蛋糕，比如地平線就在本月公布了其自研 ADAS 芯片「征程」，并將在 CES 2018 上與英特爾聯合推出前裝方案，他們希望依靠對中國市場以及深度學習的理解來追趕 Mobileye。

我們上面這些還只是在討論終端方案，如果把目光移到云端，那參與的玩家就更多了。科技巨頭谷歌公布了專用于深度學習的計算芯片 TPU，還有國內的芯片獨角獸寒武紀等等。

競爭的加劇其實是車廠樂于見到的，因為這將給他們帶來更多的選、更高的議價與定制能力，以及更低的風險。畢竟他們內心也不希望被芯片公司的「AI 神教」帶了節奏。而對于已經享受到極大紅利的教主老黃來說，表面談笑風生，背后狂憋核彈依然會是最好的應對方式。

人工智能的瘋狂

人工智能實在是太火了，不加個「.AI」的域名都不好意思自稱科技公司。不過話說回來，AI 對自動駕駛的重要性還是毋庸置疑的。Mobileye CTO Shashua 教授曾把 AI 在自動駕駛車輛中的應用歸納成了兩個主要的部分：

環境感知：類似于 ADAS 的攝像頭識別，將車載傳感器所傳回的數據進行分析與融合，并解析出周圍的駕駛環境。在這一部分中，AI 或深度學習的主要作用是讓汽車能夠看得更準。例如系統可否通過傳感器數據識別出前方車輛的具體形態、屬于什么類型的車、距離本車還有多遠，甚至是識別出前方車輛駕駛員的性別等等。同理的應用還包括行人、非機動車、車道線、道路標識、道路兩側環境等等元素。

這個領域的 AI 應用有著相對固定明確的學習準則，可以對已收集的數據進行重復的使用，比如同樣的一組車輛圖片或視頻素材，你可以讓系統重復對其進行識別和學習，直到準確率滿意。因此其數據收集的難點在于如何覆蓋到足夠全的環境素材，以及各個國家地區不同的行駛環境特征。

駕駛決策： 系統在完成環境感知后如何做出相應的駕駛決策。這個領域中，AI 的作用是讓機器能夠像人類一樣開車，同時還要保證安全。目前在道路上測試的大部分自動駕駛車輛，其駕駛決策嚴格遵守交規，極其保守。但是在真實環境中，人類司機的駕駛決策并不遵循一個明確的準則，而是結合了和其他司機的博弈。比如在中國，嚴格按照交規開車是沒「前途」的，真正的老司機都是見縫插針、規避攝像頭、鉆交規空子的能手。（當然我們開車還是要遵守交規）

因此，要想讓機器真正成為老司機，并能夠在真實場景中與人類司機共行，就需要收集更大量的行駛數據。并且談判沒有固定準則，且會對環境造成影響。收集來的數據無法重復利用，每一次決策迭代，都需要重新收集數據。因此駕駛決策也比環境感知更難。

可以看到，AI 在自動駕駛當中的應用，需要大量的數據支撐，同時也對深度學習的效率提出了很高的要求。所以不管是創業公司，還是汽車巨頭，都在瞄準這個領域。今年國內浮現的 AI 創業公司中絕大部分目前還都是在做環境感知相關的 AI，將其稱為機器視覺公司或許更為合適。而部分巨頭公司例如寶馬及谷歌則已經開始攻克駕駛決策相關的部分。

AI 的爆發也讓汽車行業意識到了軟件算法的重要性，不管是車企還是 Tier 1 都在強調自身團隊中軟件工程師占比增多的事實。博世甚至還自己成立了專門的 AI 研究中心，以及汽車 AI 領域的孵化器。

關于 AI 在汽車領域的發展，我個人十分同意 Shashua 教授的觀點：它是技術問題，更是一個運營問題。在保證 AI 人才的基礎之上，如何獲得更多的數據才是關鍵。

互聯網公司的生態

提起自動駕駛行業內的互聯網公司，今年有誰能火過百度？7 月份正式公布 Apollo 自動駕駛平臺（具體可查看 《一篇文章讀懂百度的自動駕駛布局》），可以說是中國自動駕駛圈內最大的事了。關于 Apollo 行業內褒貶不一，但是它確實將中國大型互聯網公司平臺化的生態理念帶進了汽車行業。

Apollo 平臺基本上囊括了自動駕駛所需要的全部元素。軟件算法、高精度地圖、傳感器、計算芯片、云服務等等可謂是一應俱全。不過這其中的很多技術看似又不是百度的強項，反而是來自于平臺上的其他合作伙伴。那么這個平臺存在的意義究竟在哪里？為什么大家會選擇與 Apollo 合作？這可能是大部分質疑 Apollo 的觀點的出發點。

在我看來，正如 Shashua 教授的觀點，還是要從技術和運營兩方面來看。

技術層面上，百度最重要的優勢是在國內高精度地圖以及云端計算領域的積累。地圖資質是中國企業的天然優勢，這也是為什么博世要與百度、高德、四維圖新這三大圖商合作的根本原因，而云服務才是中國互聯網公司布局的根本。自動駕駛的算法訓練需要在云端數據中心完成，然后再通過 OTA 的方式更新到終端里。因此云端是數據的歸屬以及計算能力的最大體現。

雖然目前還有車廠主張自建云用于自動駕駛，但是在中國，用戶的使用數據和習慣都是掌握在互聯網公司手中，而自動駕駛的使用場景本身就會與很多互聯網服務進行融合（例如 LBS、語音交互、多媒體娛樂等）。這就意味著當汽車互聯技術發展到一定程度時，自動駕駛所使用的云端勢必會與更貼近用戶的互聯網公司云融合在一起。這也是為何百度這樣的互聯網公司要做平臺的原因。

其實阿里和騰訊在這個領域也有著很廣的布局，從其對新造車公司的投資就能看出他們的野心。那么為什么是百度挑頭做自動駕駛平臺？這就要說到運營的方面了：

在 BAT 三家中，百度相對來說是 C 端入口最弱的一家，其商業模式主要依靠為 B 端提供服務（例如廣告，語音）等。同時，百度通過做搜索引擎又積累了很多機器學習相關的經驗。如此一來，在 AI 時代其自然會選擇一條最適合自己的道路：做一家 AI 相關技術的供應商。Apollo 就是這個方針中針對于汽車行業的產物。

由于百度龐大的體量和影響力，他們與車廠對接起來會更容易。而至于為什么會強調平臺的「開放」，你見過有幾個供應商還挑客戶的嗎？

強如谷歌這樣的互聯網巨頭，都已經將自己的自動駕駛部門獨立出來成立 Waymo，并與 FCA 合作推出了自動駕駛版 Chrysler Pacifica。那么別的互聯網公司還有什么理由繼續「閉門造車」呢？

還好，我們有馬一龍

說起自動駕駛的創新發源地，Elon Musk 的大腦和嘴巴絕對會算在其中。他用著我們在初中就接觸過的物理定律做著我們覺得不可能完成的事情。今年他領導的特斯拉又做了下面兩件重要的事情：

1. 再次強調攝像頭為核心傳感器的思路：2016 年 Autopilot 2.0 發布時，特斯拉已經聲明他們所搭載的硬件具備了完全自動駕駛的能力。其包括 3 個前置攝像頭、2 個側邊攝像頭、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以及 NVIDIA  Drive PX2。而馬一龍在 2017 年 5 月份 Ted 的演講當中曾經說：「如果將攝像頭的潛力發揮出來，我們絕對能夠達到比人類高出約 10 倍以上的識別能力。」他還在演講時對外公布了一個 Tesla Model S 的自動駕駛路測 Demo，視頻中的車輛僅僅依靠著攝像頭識別和 GPS 定位就完成了實際道路環境當中全自動駕駛。在 Elon 看來這樣的配置基本上與人類的感知方式是一致的，如果說人類能夠靠雙眼和方向感、定位感來開車的話，機器也應該可以。他當時還承諾在 2017 年底，特斯拉將可以實現從洛杉磯到紐約的全程自動駕駛，在這個幾乎穿越整個美國的過程中，司機都不用對駕駛進行任何干涉。

不過就像 Model 3 的大規模量產一樣，這個自動駕駛的承諾也跳票了。我們在 Autopilot 2.0 發布一周年時還特意撰文分析了這個事情：《特斯拉 Autopilot 2.0 誕生一周年：是 Elon Musk 在吹牛，還是真的「卡殼」了？》。在我看來 Elon Musk 并不是在吹牛，在他那個完全物理化的大腦邏輯中，Autopilot 2.0 確實具備了足夠的硬件實力，什么激光雷達所提供的冗余也是沒有必要的。行業中基本也已經達成共識：攝像頭、雷達加軟件算法的方案才更加現實。之所以馬一龍沒能兌現這個承諾，或許還是因為其對于算法迭代速度、團隊及供應商工作效率的過分樂觀與期待。

2. 決定自研芯片： 還記得 2016 年特斯拉放棄與 Mobileye 繼續合作的事情嗎？歷史總是驚人的相似，在 2017 年的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 正式對外承認：特斯拉正在自主研發自動駕駛芯片。這主要是因為現有的芯片供應商無法很好的滿足特斯拉對于高級別自動駕駛的計算要求。正像我們在」芯片公司的角力「那段中所分析的，特斯拉現在所使用的 NVIDIA Drive PX2 雖然已經是業內領先的自動駕駛計算平臺，但其使用的 GPU 在功耗和綜合效率上依然存在不足，對于高性能電動車來說，計算芯片的高功耗會直接影響到車輛性能甚至續航里程。以 Elon Musk 的超高要求，這是絕對不能接受的。

老黃雖然是特斯拉的忠實粉絲，但由于他的 GPU 覆蓋了 AI 領域的眾多應用，且也一直忙著和各大車廠搞合作，我想他著實是沒有余力能夠為特斯拉專門高度化定制一款計算芯片了。在這個情況下，Elon Musk 再次祭出了其物理定律的一大準則：求人不如求己，既然別人給不了我滿意的解決方案，那我們就自己做！據稱這款芯片將基于 AMD 的 IP 打造，功耗僅是當前的十分之一，且性能甚至要比 NVIDIA 最新的 Pegasus 還要好。這樣的 Flag 無疑又給自研芯片領域打了一針雞血。

讀過馬一龍傳記的人一定知道，除了其遵循的基本物理定律與超強的執行力之外，他對于團隊工作速度以及工作成果的要求也只能夠用「恐怖」和「獨裁」來形容。因此，他對成果和時間點的預估永遠都是那么樂觀，即使真實情況可能遠沒有他期望的那么順利。不過他對自動駕駛的最大貢獻還是來自于對行業的大膽設想與嘗試：當傳統車企行業都在等待激光雷達量產時，他敢于站出來說現在的硬件就夠用了；當大家都在與 NVIDIA 合作時，他確說我們要自己干了。在他的設想中，自動駕駛實現的最大難點其實是在于人們的接受程度，沒有系統能 做到百分之百安全，重要的是要做到什么樣的安全水平才能夠拿給公眾來用？我想在這一點上，Elon Musk 一定比其他人都更加有膽識。

你大概會因為 Model 3 量產 和 Autopilot 的跳票而對 Elon Musk 喪失了一些信心。但是，我想舉一個可能不太恰當的例子：在八十多年前，另一位擅長獨裁的瘋子定義了汽車工業史上第一款真正意義的「人民之車」，這輛車最終成就了當今規模最大最成功的傳統車企之一——大眾。現在的馬一龍不也在嘗試定義電動和自動駕駛時代的「人民之車」么？雖然他也很瘋狂（貌似還很享受別人叫他瘋子），但是他畢竟不反人類啊。

在 11 月 Tesla Semi Truck 和 Roadster 的發布會上，馬一龍用了一首非常能反映他當時心情的硬搖滾歌曲來作為出場 BGM：美國搖滾老炮兒 Queens of Stone Age 的《Feet Don’t Fail Me》，翻譯成中文就是「現狀才不會限制我」，強烈推薦大家聽一下。抱著一股搖滾精神，多給他一些時間吧。

結語

其實除了上面提到的這六個趨勢，2017 年自動駕駛領域發生的事情還有很多很多。比如在政策方面，12 月， 北京市交通委網站下發通知，印發了《北京市關于加快推進自動駕駛車輛道路測試有關工作的指導意見（試行）》和《北京市自動駕駛車輛道路測試管理實施細則（試行）》。還有大家都喜聞樂見的撕逼大戰，比如 百度起訴已經離職創立景馳的前高管王勁 。這些事情說明，不管是政府、企業還是資本，大家都越來越關注自動駕駛了。

自動駕駛覆蓋之廣，所包含環節之多，讓汽車行業不得不更進一步的走出傳統觀念與做事方式的舒適區。這催生出了很多我們意想不到的融合與轉變。2018 年，我們可能會見證更多相關的實際成果公布（期待 CES 2018），而我們作為見證者和將來的用戶，也更應該對自動駕駛多一份了解與肯定。

按蔚來汽車創始人的說法，自動駕駛時代，買車就等于送司機；馬應龍也說過，自動駕駛時代，人們能夠實現真正的汽車共享，當你不用車的時候，它能出去拉你的親人、朋友，甚至是拉其他的客人來賺錢。這樣的時代，難道不值得令人期待嗎？

在 2017 年初，我就驚嘆于自動駕駛發展的速度遠超出我的想象，轉眼之間一年已經過去，我想這個速度只會更快。

返回第一電動網首頁 >