車東西
文 | origin
車東西9月14日上海報導,第四屆APEC-IOV車聯網研討會暨MMC 2017智慧出行周今日在滬開幕,在大會的「智能駕駛商業化初探」論壇上,來自自動駕駛方案公司Tron.ai、新造車企業奇點汽車、ADAS廠商徑衛視覺、新興地圖初創極奧科技、固態雷射雷達廠商Quanergy的各位代表,分享了他們在智能駕駛興起下如何將自動駕駛、車聯網等新技術落地、如何實現商業化的思考。
一、大多消費者只想為自動駕駛付出10%的溢價
(Tron.ai創始人鄧恆)
Tron.ai是一家在總部矽谷的自動駕駛公司,提供自動駕駛解決方案,不過建立者是華人,其日後的技術應用,也會將中國作為主要市場。Tron.ai創始人鄧恆稱,由於車輛的巨大保有量,中國的自動駕駛市場要比美國、歐洲大得多。
在感知層面的傳感器方向選擇上,Tron.ai以視覺為主、雷射雷達為輔。這種選擇最重要的原因是成本。鄧恆稱,根據統計數據,在願意接受自動駕駛的消費者中,有41%的人只希望多付出10%的成本,因此,自動駕駛想要被廣大消費者接受,必須解決成本問題。而目前雷射雷達的成本過於高昂,不利於技術推廣。
他稱,谷歌選擇成本高昂的雷射雷達的路徑,是認為未來的汽車會是以共享為主,汽車使用時間的增長可以攤薄成本,而無需消費者購買所有權的共享模式也有利於消費者共享。
鄧恆還分享到一個觀點,他認為目前自動駕駛初創多是IT出身,缺乏汽車背景,做出來的軟體更多是Demo。要使自動駕駛真正的應用,需要傳統汽車派系+學術派結合,以滿足更嚴苛的安全需求。
也是因為安全緣故,無人車商業化路線上,商用車輛會先實現自動駕駛;而從場景上看自動駕駛的落地,消費者最認可先實現封閉道路的自動停車,然後則是結構化道路。現在自動泊車應用已經比較多,而結構化道路上的自動駕駛,也有類似於通用SuperCruise這樣的方案出現。
不過,對於他代表的自動駕駛公司而言,三大挑戰——法律法規、倫理、基礎設施仍然亟待解決。
二、車聯網到底進入了3.0還是3.5?
奇點汽車聯合創始人季申認為,現在為自動駕駛賦能的車聯網正在步入3.0時代,一個網絡、數據充斥著車輛的時代。
在車聯網3.0之前,車聯網1.0是功能化為出發點,主要就是打電話、或者呼叫系統,以及TSP。車聯網2.0的顯著特徵則是手機互聯+後裝車機+智能後視鏡等終端的興起。就目前而言,車聯網整體還處於2.0時代——2015年,車上用的手機支架賣了400多萬個。
季申說,在目前車廠主導建立起來的車聯網體系中,車廠與用戶的溝通上三大代溝:
1、時間代溝,車廠總是謹小慎微,動作緩慢的。但習慣了網際網路快速革新的用戶,已經難以容忍車廠的慢動作。
2、理解代溝。車廠對用戶的需求不能精準地理解,無法滿足個性化的需求。
3、效率代溝。基於前兩者的原因,
而要彌補代溝的方法則是:
1、持續疊代,快速響應用戶變化;
2、持續運營,通過用戶運營持續改進體驗;
3、基於網際網路技術,通過線上數據在線快速流動。
這一整套,都是網際網路的打法。季申的意思不言自明:用網際網路的方式改造傳統的車聯網理念,讓網際網路出身的企業在車聯網中更說得上話。
作為一家新造車公司的負責人,季申也承認了需要遵守造車的基本規律,車輛的底層硬體只能緩慢更新。但用戶服務曾則要軟得多,在車輛售前、售後、以及用戶用車過程中,都可以加深網際網路的滲透,從用戶體驗的角度,去指導服務的更新乃至新車的開發。
不過有意思的事情馬上出現了,緊隨其後的徑衛視覺創始人王波提出,現在車聯網正在步入3.5階段,即車輛除了接上4G網絡,尋求用戶反饋,還開始應用人工智慧,將車輛上攝像頭採集的視頻信息上傳到雲端進行處理、做數據挖掘。
(王波)
徑衛視覺是一家ADAS公司,能夠提供典型的如車道偏離、前向碰撞預警等輔助駕駛功能。王波稱,車聯網的概念很大,但作為汽車服務的眼神,首先應該做安全網。交通事故中94%是人為因素引發,因此徑衛視覺除了開發ADAS系統為駕駛員預警之外,還做了駕駛員的疲勞檢測系統。
通過駕駛員注意力檢測系統,可以對駕駛員行為進行判定,可以做到駕駛員疲勞駕駛預警,不良駕駛行為預警、司機身份識別、圖片視頻採集與信息調度;同時配合ADAS系統對行車數據(如速度、剎車、轉向)的採集,基本可以還原出駕駛員的整體駕駛行為。
由此,徑衛視覺就可以通過對駕駛員的駕駛行為分析,為商用車公司提供駕駛員的安全評估以及針對性的安全培訓建議;另外,也可以為汽車保險公司的差異定價提供數據支持。
那麼車聯網究竟是進入了3.0時代還是3.5時代?或許沒有定論,只是不同的公司從不同的角度出發,給出了自己的定義。隨著5G到來,車聯網顯然又會進入另一個時代。
三、廉價眾包模式讓實時地圖更「實時」
極奧科技創始人王雪峰則介紹了眾包模式對地圖廠商,尤其是極奧這樣的初創公司的意義。極奧科技是一家應用視覺方案與眾包採集模式的高精地圖初創廠商。眾包的一大好處是,便宜!
(王雪坤)
此前他們主要通過車輛的GPS位置信息以及G sensor(加速度傳感器)信息來形成路網的拓撲信息,同時還能採集到彎道角度和坡道斜率等高精地圖才擁有的信息。
眾包模式採集地圖的一大優勢顯而易見:人多力量大。
王雪峰稱,以上海為例,要形成可用的路網信息,要積累20萬輛車 6個月時間來做第一版數據。對於一條多車道的道路,需要2000車次軌跡來形成亞米級路網。當車次軌跡達到5000,上傳的信息就可以實現車道級拓撲路網。
此外,眾包還有一個好處可以對道路的更改有非常實時的放映。
不過,僅僅依靠GPS和G sensor上傳的信息,對構建高精地圖來說是遠遠不夠的。想要信息充足,還得依靠視頻。因此極奧科技採用了與Mobileye類似的地圖採集路線,使用深度學習對的眾包手機的視頻信息進行分析,不僅形成路網信息,還可以以路網為依託,形成周邊環境信息,乃至對道路上的車輛的駕駛行為,也能形成一套資料庫。
如果說以上的太虛,那麼說點實際的:
如果你用過各類地圖軟體,就會知道現在的實時交通信息只能用紅黃線表示,並且永遠只能在堵上了才能獲知情況。而極奧可以通過眾包視頻中捕捉到的道路上的標誌物:如施工工牌、警示路障或者是遭到損毀的車等物體,分析出哪條路被封了或者不能行駛,實時地對道路狀態進行更新,提前向駕駛員發出擁堵的預警。
四、自動駕駛缺便宜的雷射雷達
雷射雷達對自動駕駛的重要性不言而喻,谷歌、百度雙雙選擇了雷射雷達作為自動駕駛車的主要傳感器,還都用了64線的雷射雷達。
而固態雷射雷達廠商Quanergy中國區總經理湯勁松一上台就懟了64線的雷射雷達,因為太貴了。沒錯,Velodyne的64線雷射雷達是很貴,一個要接近7萬美金。
(湯勁松)
湯勁松稱,雷射雷達的商用化的關鍵路徑在於四點:
1、可靠性要滿足車輛級安全要求;
2、成本要足夠低;
3、低重量、低功耗;
4、性能還不能太差。
而Quanergy拿出的8線雷射雷達M8基本符合前三個要求,耐用、不貴,也比較小巧。對於第四個要求,湯勁松稱,在實際使用中,尤其在探測距離拉遠時,Quanergy 8線雷射雷達採集的點雲效果與高線束雷射雷達(64線版)並沒有想像中那麼大。同時,由於低線束固態雷射雷達的成本比較低,還可以通過多台雷射雷達的同時使用來提高探測精度,成本也不會提高太多。
聯合使用較便宜的低線束雷射雷達組成高線束的探測效果正在逐漸流行,自動駕駛初創Drive.ai以及福特的自動駕駛車都用了這種方案。
不過湯勁松或許是出於對「商業化」的理解,並沒有提到Quanergy正在攻關的固態雷射雷達,這種雷達比M8更加便宜,可以到達一百美元級別,量產後的市場前景不可估量。也因為這個原因,固態雷射雷達正在成為自動駕駛零部件供應商們追逐的一個熱門領域,上周有兩家雷射雷達廠商Innoviz,以及LeddarTech都收穫了高額投資。
不過,正如湯勁松或許在顧慮的,能滿足上述四點要求的固態雷射雷達暫時還不具備量產能力,其實際應用時間,或許要到明年。
結語:降成本是智能駕駛繞不過的山
從這一論壇可以看出,智能駕駛的相關從業者們,雖然各自身懷絕技,但再高大上的技術,要走向實際應用,最終還是需要讓消費者感受到「物美價廉」。
換句話說,智能駕駛的競爭賽道上,在性能與成本上最先找到最佳平衡點的公司,更有可能勝出。