特斯拉“鲶鱼效应”
与互联网公司动则“颠覆”的思维方式不同，传统车企一直主张温和渐进，希望通过每一代车型搭载的高级驾驶辅助系统（ADAS）的不断升级，实现从L1到L4级自动驾驶技术的演进，最后实现L5级无人驾驶。
传统车厂和一级供应商对ADAS的研发有超过20年历史。目前常见的ADAS功能，包括盲区检测、自动泊车、前方防撞预警、自动紧急制动、车道偏离警示、自适应巡航、车道保持等。对照美国汽车工程师协会的定义，当前ADAS系统可实现的功能，主要对标L1和L2级的自动驾驶汽车。
传统车厂选择上述“保守”路径的原因，一方面是安全问题的严格“红线”。“IT公司的思维是希望先推出原型车，能让大家看得到，然后再量产落地，但汽车行业历来不能容忍任何事故或设计缺陷。”英特尔无人驾驶事业部中国区市场总监徐伟杰对财新记者指出。英特尔目前在智能汽车产业链中，处于二级供应商的地位。
车厂的另一方面顾虑来自其视为生命线的销量。传统车厂需优先考虑量产车所配置传感零部件要在消费者可承受价格范围内。它们希望先用便宜的零部件，一步步升级迭代。
根据中国汽车工程学会制定的路线图，到2020年，在车联网等基础设施的辅助下，量产车可实现高速路自动驾驶、城郊公路自动驾驶、协同式队列行驶等L3级的功能；到2025年实现市区自动驾驶、车路协同控制、无人驾驶等L4级功能。
博世（Bosch）底盘控制系统中国区产品经理黄罗毅告诉财新记者，目前传统车厂对自动驾驶技术的研发往往做两手准备：一方面从ADAS步步升级至L3功能；另一方面同时直接切入L4、L5级无人驾驶研发，但通常选择商用场景落地，例如博世与戴姆勒合作研发L4、L5级的无人驾驶出租车项目。
L2到L3属于技术“质变”，“从L3开始，在感知、决策和控制层面，就必须运用AI技术。”前百度深度学习实验室主任、现地平线机器人创始人兼CEO余凯告诉财新记者。
对于AI深度学习和算法，传统车企是初入门者。但在车辆控制和集成领域，传统车企和一级供应商却内功深厚，因而车厂事实上始终掌握着智能技术终端集成的主导权。明势资本创始人黄明明认为，在最终实现自动驾驶的问题上，车控层面的重要性要超过智能硬件和软件，“把安卓系统跟智能手机适配，跟与一辆汽车适配，难度完全不在一个量级。”
过去两年，互联网和科技公司的造车梦逐渐清醒，令一时担忧沦为代工厂的传统车厂缓过一口气；但特斯拉的“黑马”杀出，却逼迫传统车厂收敛惰性，无法在智能技术升级之路上过多蹉跎。
踩在新能源和智能技术交集上的特斯拉，生来自带互联网基因。特斯拉CEO埃隆•马斯克从AI行业广泛挖角，搭建起一套自动辅助驾驶系统Autopilot。Autopilot走的也是从ADAS升级到无人驾驶的过渡路线；但不同的是，这套系统可以支持远程在线升级（OTA），至今已经升级到第八代版本。
财新记者采访的多位业内人士一致认为，特斯拉最新版Autopilot可以达到L2.5级的水平。这套系统还有一个重要功能，让用户允许将自动驾驶的数据回传给特斯拉，帮助其快速提升自动驾驶能力。这相当于奔跑在世界各地的几十万辆特斯拉电动车，都是自动驾驶系统的测试车。
“特斯拉在两三年内的技术积累，已经要超过传统车企十几年的努力。”黄明明认为。
但在监管机构和传统车企看来，特斯拉的方案过于激进，可能在技术成熟前便置消费者于危险境地。上海通用汽车中国科学研究院院长杜江凌认为，汽车安全遭遇互联网快速迭代，是一个“非常痛苦的问题”。通用试图以“量产测试车”的概念兼顾安全保障和互联网需求，这也是美国众议院法案提倡的方式。量产是指符合安全标准的车可以大规模生产，测试则指软件还在测试阶段。
“人工智能可以被看成是有生命的，尽管一开始有缺陷，有争议，但它通过不断学习可以升级；而传统汽车从出厂开始，就是一个不断贬值的过程。”黄明明说。
苹果手机（iPhone）的出现，曾带动起整个移动互联网大潮，有观点认为特斯拉就是汽车界的iPhone，正在撬动智能驾驶时代。“现在产品层面，对自动驾驶技术冲得最狠的就是特斯拉，没有它，智能驾驶可能要多等20年。但特斯拉能否达到iPhone的地位和高度，还需要市场说话。”余凯判断。
芯片厂商掘金
在互联网公司、车企和一级供应商，在智能驾驶领域技术“军备竞赛”激战正酣之时，产业链上的部分二级供应商成为“兵家必争之地”，并率先掘金。
景驰科技创始人兼CEO王劲指出，自动驾驶需环境感知、操作系统、智能互联、高精定位、高精地图、人机交互、行为预测等10大核心技术。智能车的研发和量产，带动了智能芯片商、地图供应商、雷达传感器供应商、云计算服务商等多方参与，组成新产业生态。
作为汽车二级供应商的芯片厂商，是目前产业生态的最大获益者之一，最典型者莫过于英伟达（NVIDIA）。这家成立于1993年的半导体企业，总部位于美国硅谷。受益于自动驾驶AI芯片领域的突破，英伟达的股价在两年内上涨了8倍。其研发的GPU（图形处理器）芯片起初定位于电脑游戏市场，用于处理大量游戏图片，而GPU采用的是并行计算，在做深度学习时速度较快。
智能芯片是深度学习算法的硬件载体。“实现L3及以上级别的自动驾驶功能，机器要处理更多的传感器图像和驾驶经验数据，要跑更多的算法，计算量堪称海量。同时芯片在功耗、散热等方面，又必须符合车体运行安全性指标。这对芯片的高计算、低功耗、稳定性等要求都很高。”一位芯片业人士分析称。
除了提供芯片硬件，芯片商还在扮演“自动驾驶的大脑”角色，打造符合车体的电脑系统。2015年1月，英伟达推出了面向自动驾驶系统的专用计算平台NVIDIA DRIVE PX。目前包括奥迪、沃尔沃、丰田等在内的车厂都已接入该平台。英伟达称，当前通过DRIVE PX平台进行自动驾驶车开发的合作伙伴共有225家。
英伟达解决方案架构师程亚冰对财新记者解释称，英伟达所提供的是一套自动驾驶端到端的软硬件解决方案，包括车体和云端的计算平台和数据中心。“很多车企都想建立自己的自动驾驶数据中心和研究平台，英伟达既可提供整套解决方案，也可提供平台和工具助其开发自己的算法。在软硬件解决方案领域，我们跟百度这类公司既是平台合作伙伴，也是竞争关系，各自优势不同。”程亚冰说。
目前，GPU和FPGA（现场可编程门阵列）芯片，被业内公认为搭建自动驾驶深度学习系统的必备“枪炮”。技术研发者无论车企、互联网公司还是创业科技公司，需求者众。市场驱动之下，芯片巨头皆加大马力布局自动驾驶。
程亚冰透露，自动驾驶业务目前在英伟达内部是“重中之重”，是公司CEO黄仁勋提出的公司转型战略方向之一。“在公司总计约1万名员工中，有近2000人在做自动驾驶业务，这个比重是很高的。”
英伟达的“抢跑”刺激了英特尔、高通等芯片商加速入局，尤其曾经错失移动互联网先机的英特尔，更是奋起直追。
英特尔无人驾驶事业部中国区市场总监徐伟杰向财新记者介绍，英特尔的汽车电子业务起步于2009年，最早做汽车中控屏幕背后的汽车仪表和娱乐系统，后逐步进入ADAS和无人驾驶领域的解决方案研发。2016年11月，英特尔将自动驾驶业务从物联网事业部分离，成立了单独的事业部。
为弥补在计算机视觉领域的短板，今年3月，英特尔以溢价35.5%的高价，斥资153亿美元全现金收购以色列自动驾驶技术供应商Mobileye，引起全行业瞩目。2015年6月，英特尔还以167亿美元收购FPGA芯片生产商Altera。
“Mobileye在图像处理方面技术全球领先，既有很强的算法，也有长期跟车厂合作积累的大量汽车运行数据。”徐伟杰说。收购完成后，英特尔的自动驾驶事业部将与Mobileye进行整合，并由后者主导。
“L3正在起步，还没到真正量产阶段。未来终端用户的真正需求有多大，还是未知数。”徐伟杰认为。作为二级供应商，英特尔用“两条腿”走路：一方面对接L1-L2级的ADAS系统；另一方面跟车厂和一级供应商合作，加快对L3-L4级自动驾驶系统的研发，备战L3量产。
据徐伟杰透露，目前合作比重最大的是汽车代工厂和博世、德尔福等一级供应商，谷歌、百度、Uber等科技公司占小部分。
联盟组队“打怪”
“罗马不是一日建成的”。当互联网造车梦醒来，原本壁垒高筑的汽车厂商面临着智能化浪潮的冲击，供应商们一时难以看清未来的技术路径和产业蓝图，在智能车量产前夜的混沌之中，产业链上的每一方都开始反思自身所具备的优势，以及将优势变现的途径。
显然，谷歌、百度等互联网公司擅长AI和高精地图，其过去数年在L4级无人车研发中积累的大量路测数据和深度学习算法，已成为自身乃至行业的财富；芯片等供应商则以智能硬件和算法为核心，擅长构建自动驾驶系统的计算平台和数据中心；传统车厂则在车辆控制和集成能力上实力占优。
要实现智能车量产，软硬件整合能力不可或缺。数亿英里的测试路段几家分头去跑，也能更快跑完。在思考清楚之后，各方不约而同地选择了结盟。
百度的声势最为浩大。百度在4月份的上海车展上发布了名为“阿波罗计划”（Apollo）的自动驾驶软件开放平台。在7月的百度AI开发者大会上，陆奇公布了Apollo的路线图、技术框架和首期开放的能力，并发布了Apollo生态合作伙伴联盟：首批合作伙伴规模超过50家，包括一汽、奇瑞、长安等整车厂，博世、大陆等一级供应商，英伟达、英特尔、地平线等二级供应商，以及其他出行服务商、研究和投资机构等，几乎覆盖全产业链。
百度智能驾驶事业群负责人李震宇向财新记者详解Apollo的技术框架，一共分为四层：第一层是线控车车辆平台，第二层是智能硬件平台（即传感器+计算平台），第三层是软件平台，第四层是云端数据服务。其中前两层是百度推荐使用的硬件，后两层的软件平台和云平台是百度提供的服务内容。
“简言之，如果你是自动驾驶系统的研发者，采购使用百度推荐的硬件，接入百度的软件和云平台，花3天的时间就可以让一辆自动驾驶车跑起来。”李震宇称，“当然这只是简单循迹功能的自动驾驶汽车，如要适应更加复杂的场景，例如高速公路、城市道路，那还需要研发者自己去迭代技术。”百度将此称为开发者“赋能0-1”。
与此同时，在软件平台层面，百度称开放其在前期自动驾驶汽车研发期间所积累的核心技术，包括环境感知、路径规划、车辆控制、车载操作系统等功能模块的源代码和数据，开放API兼容其他车厂车辆。百度自称将Apollo打造成“汽车界的安卓”，成为自动驾驶云端的操作系统平台。
但百度的开源软件平台也建立了严格的“游戏规则”，要求“阿波罗计划”的合作伙伴作为交换，开放自身源代码和数据，包括芯片商的数据和车厂的线控车数据。
一位业内人士对此指出，百度的开源系统相当于一个“数据交换市场”。百度在自动驾驶领域最擅长的是高精地图、数据和算法。对自动驾驶自研能力较强的大车厂而言，跟百度合作就是看重高精地图，但并不愿意开放汽车底层线控数据作为代价；对于积累薄弱的车厂和创业者来说，Apollo的赋能有助于缩短起步过程。
事实上，百度Apollo与谷歌在2014年拉拢的OAA联盟（Open Automotive Alliance）类似，都是为了争夺开源背后的控制权。
在互联网企业拉起“朋友圈”的同时，汽车制造商亦在积极构建车企主导下的造车联盟，希望掌控自动驾驶研发主导权。奥迪在给财新记者的书面回复中称，其全新A8上搭载的中央驾驶员辅助控制系统由德尔福作为系统供应商集成，合作方包括奥地利计算机技术公司TTTech、以色列视觉供应商Mobileye和芯片公司英伟达（NVIDIA）。
汽车厂商联盟中，最受关注的莫过于宝马-英特尔-Mobileye自动驾驶研发联盟，这一联盟于2016年7月组建，计划于2021年实现具备L5级别的无人驾驶能力。其中，宝马作为整车厂，负责驾驶控制、动力学、功能性安全评估、原型车生产等；英特尔负责车联网、大数据及算法、传感器聚合、环境建模、路径规划等问题；Mobileye则负责计算机视觉。
2017年7月5日，百度AI开发者大会，百度集团总裁兼COO陆奇公布了Apollo的路线图、技术框架和首期开放的能力，并发布Apollo生态合作伙伴联盟。
宝马的联盟是非排他性的。今年开始，该联盟历经了一系列整合和扩容，研发能力持续升级。3月，英特尔收购Mobileye并进行深度整合。年中，联盟引入了一级供应商德尔福和大陆汽车电子，为宝马开发一个高度自动化的自动驾驶平台，将宝马、英特尔和Mobileye的解决方案集成到平台中。8月，菲亚特-克莱斯勒（FCA）作为第一家汽车制造商加入该联盟，主要聚焦美国市场。
作为百度“阿波罗计划”和宝马联盟的交集，徐伟杰告诉财新记者，宝马联盟有清晰的角色定位，明确规定各方需要投入多少人员和资源，且每周都有团队会议，协调各方资源；百度的计划还在早期，更像是一个生态系统，各家车厂和供应商的职责没有划分得那么清楚。
更多的造车联盟还在涌现，产业链上下游一派合纵连横。较大的联盟还包括：谷歌-Lyft-菲亚特-克莱斯勒；Uber-沃尔沃-戴姆勒；Lyft-通用-捷豹路虎；奥迪-宝马-戴姆勒-爱立信、华为、英特尔、诺基亚和高通组建的“5G汽车联盟”；奔驰、宝马、奥迪依托于HERE地图的数据共享联盟；爱立信、英特尔、丰田、日本通讯服务商组成的汽车边缘计算联盟⋯⋯
地平线机器人公司创始人余凯指出，“联盟流行的原因还是因为技术偏早期，供应商的解决方案不成熟。自己要做什么，能做成什么样都不知道。所以最好找几个合作伙伴深度捆绑，大家一起往前走。”
禾多科技创始人倪凯则认为，联盟造车有利于实现数据的共享和积累，提速技术研发和量产的进程。
蔚来汽车创始人李斌则在8月的全球汽车AI大会上亮出了鲜明的观点，“未来自动驾驶汽车产业发展的主动权可能主要掌握在主机厂手中，但行业竞争将来是几个联盟间的竞争。”
商用先行
根据汽车行业发展路线图，多数车企将L3级车型量产时间表定在2020年左右，L4级车型量产定在2025年前后。多位业内人士指出，从发展趋势看，这一时间表只早不晚。
不过，L3能否如期量产落地？量产规模会有多大？价格多高？主力消费市场和商业模式为何？交通管理法规和基础设施能否及时配套？一系列未解谜题仍盘旋在市场中。
财新记者采访的多位来自产业界、学界和投资界的人士认为，L3级以上智能汽车量产普及，目前仍面临三大挑战。
首要挑战来自技术。智能驾驶技术的成熟度和可靠性关系到行车安全，任何瑕疵都可能危及生命。目前在自动驾驶技术的感知、决策和控制环节，仍面临很多瓶颈。
其一是数据问题。驾驶记录数据是机器基于深度学习模型下的能力基础，但无论哪家公司研发期间的路测积累，都不可能穷尽世界各地甚至只是一个城市的全部驾驶场景。李震宇指出，数据的完善不仅需要路测，还需要政府数据的配合，例如什么路段曾经发生车祸的统计数据等；
其二是高精地图的完善度。博世公司黄罗毅认为，自动驾驶对地图的精细度要求极高，必须到厘米级。但中国很多地图都经过加密或偏转，定位可能失准，但任何微小的误差都可能造成自动驾驶的交通事故隐患；
其三是车辆控制的冗余系统。“在L4级高度自动驾驶车中，为防止系统失灵，要求必须有双制动、双电机系统的冗余设计，产业界对此准备不足。”明势资本黄明明指出。
第二大挑战则来自成本。在ADAS阶段，摄像头感知的辨识率大约在80%-90%，而一旦进入自动驾驶阶段，车辆必须无死角监控周围环境，感知辨识率需达到99.9999%的级别，即百万分之一。要实现这样的精度，车辆需搭载大量传感器硬件，而一个感知能力最强的64线激光雷达，现阶段售价高达7万美元（约合人民币46万元），超出大部分车辆本身的价格，需要通过大批量生产等方式逐步降低成本。
第三大挑战是如前所述的法律法规。今年7月，百度CEO李彦宏乘坐无人车上北京五环路测，激起舆论对无人车上路合法性的大讨论，暴露了国内交管法规在自动驾驶立法层面的空白。中国工程院院士李德毅对财新记者指出，“汽车安全这件事本该由两方负责，一方是车厂，负责产品质量；另一方是交通管理部门，负责驾照发放。目前最迫切需要解决的是机器驾驶汽车之后，驾照该如何发放的问题。”
业内的共识是，解决上述行业发展制约，需从政府、研究机构到产业界上下游的共同努力。而相较于乘用车，商用车的自动驾驶技术或更易落地，因其更切中行业痛点。
罗兰贝格8月份发布的《中国汽车行业人工智能应用报告》称，随着智能驾驶技术发展，至2025年，全球汽车产业链利润分配将发生重大调整。传统汽车制造和零部件占比预计下降超过10%，而无人驾驶出租车占比将达40%。
参与撰写上述报告的叶亮认为，自动驾驶技术因成本问题，很难让私家车消费者埋单，但商用方面想象空间巨大，和共享化趋势结合，将彻底改变未来出行生态，进而影响私家车销售。
共享出行热潮的兴起让车厂看到了新商业思维，越来越多的车厂与共享出行服务商合作，进行共享出租车研发，并为无人驾驶商用探路。例如，沃尔沃与Uber、菲亚特-克莱斯勒和Lyft结成的无人驾驶出租车造车联盟。
10月11日，英伟达发布可处理L5级无人驾驶汽车数据的新产品NVIDIA DRIVE PX Pegasus，并计划于2018年推向市场。一位英伟达内部人士透露，目前通过DRIVE PX平台进行L5级车型研发的主要是无人驾驶出租车项目。有超过25家合作伙伴，正利用NVIDIA CUDA GPU开发无人驾驶出租车。但英伟达的L5级产品主要针对客户的研发和测试需求，至于无人驾驶出租车何时上路、运营，时间表仍掌握在车企研发者手中。
“私家车加装自动驾驶系统成本过高，但对出租车公司而言，通过无人驾驶系统来取代司机，可以降低公司运营管理成本。”王劲认为。
扫码加好友，拉您进群
全部版块
我的主页
收藏
