關于自動駕駛的全面解析

最后，決策的信息進入車輛總線控制系統，完成執行動作。

云端部分

自動駕駛車輛是一個移動系統，需要云平臺來提供支持。云端主要完成四個功能：

1. 數據存儲：智能車路測中實采的數據量非常大，需要傳輸到云端進行分布式存儲。

2. 仿真測試：開發的新算法在部署到車上之前會在云端的模擬器上進行測試。

3. 高精度地圖生成：地圖的生成采用眾包形式，把每輛在路上行駛的智能車實時采集到的激光點云或視覺數據上傳至云端，實現高精度地圖的完善和更新。

4. 深度學習模型訓練：自動駕駛的決策層使用了多種不同的深度學習模型，在《透析深度學習，其實它沒那么神秘》這篇文章中小研提到了深度學習算法存在“長尾”問題，對于沒見過的情況它處理不了，因此需要持續不斷地通過新數據進行模型訓練，來提升算法的處理能力。由于訓練的數據量非常大，所以要在云端完成。

自動駕駛領域未來的重大機遇

通過上文的梳理，小研認為自動駕駛領域未來三到五年重要的早期創業和投資機會在以下幾個方面：

1.傳感器的選擇和優化配置

不同傳感器有各自的優缺點，沒有一種傳感器可以適用于任何使用環境。把各類傳感器的數據進行融合，達到寬適用范圍、高感知精度的同時，減少冗余配置，降低整體成本，提供傳感器集成方案。融合架構的搭建，多種數據類型的處理，融合算法的探索，都是非常有挑戰的工作，但是做好會有非常大的價值。

2.高性能計算平臺

自動駕駛汽車產生的海量數據，需要車載人工智能大腦——高性能硬件計算平臺來處理，國內余凱博士領導的地平線機器人是這方面探索的先驅，小研在之前的文章《AI時代，我的中國“芯”》中介紹過。

3.車聯網

近幾年國內后裝車聯網發展很快，形成了包含導航、娛樂、金融、交互、服務等功能的生態圈，未來會逐步向以智能車載操作系統為核心的前裝業務演變。國內LTE-V車聯網專用通信標準將于今年出臺，可利用現有蜂窩網絡基礎設施，成為自動駕駛感知機構的延伸。

4.運營服務

汽車智能化以后會成為下一個移動終端，未來會有越來越多的運營服務商涌現，也會有更多基于內容資源、平臺服務、共享經濟的新商業模式衍生出來。

5.車載集成系統

面向自動駕駛的車載集成系統，需將感知、決策層的技術架構和車輛總線控制系統結合起來重新設計，將卓越的算法落地到安全、魯棒的執行中。

6.云端

做支持自動駕駛的云平臺的公司同樣值得關注，包括數據集成、眾包地圖、模擬器、模型再訓練平臺等。

7.自動駕駛的商業化之路

自動駕駛的商業化應用有貨運和客運兩大塊。貨運的需求方比較明朗，有礦山和港口運營公司、物流公司、電商、出行服務運營商等，貨運的工況主要是高速公路、礦區、港口等相對單一封閉的區域，實現起來更容易一些。客運在開放道路上運營還是非常困難的，目前能夠落地的應用場景主要是園區低速自動駕駛，未來可能會探索給滴滴、UBER這樣的運營商提供固定區域內的自動駕駛運營服務，等各類駕駛場景都驗證成熟以后才會推向開放區域，最后才是賣給個人，這條路還是很漫長的。

前段時間百度無人車開源了阿波羅平臺，就有好事之徒寫了“百度無人車扔下原子彈，炸掉行業百億美金投資”的軟文，大有誤導公眾之嫌。其實自動駕駛產業剛剛起步，行業標準和技術架構都沒完善，未來還需要持續探索，百度開源算法對推動整個行業的進步絕對是好事情。

汽車是個很大的產業，產業鏈上各個環節都有活得很好的公司，自動駕駛由于信息技術和人工智能的加持，擁有比傳統汽車產業更大的市場空間，更何況電動化、智能化大潮的到來使中國企業擺脫了“歷史包袱”，和國外企業站在同一起跑線上，彎道超車的機會大大的有，你且看所有一線基金在自動駕駛領域都有投資布局就能明白它到底有多被看好。

從全文的梳理可以看出，自動駕駛領域有些方向的timing已經到了，而有些方向還沒到。當下我們更應該保持耐心，隨著技術和產業的逐漸成熟，這些機會的啟動點會一個個到來，自動駕駛是一波大的浪潮，未來十年都值得我們持續關注。