园区自动驾驶场景（自动驾驶 苏州）

　　本篇文章给大家谈谈园区自动驾驶场景，以及自动驾驶 苏州对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。

　　1、自动驾驶应用属于哪种算力场景 2、为什么自动驾驶遇瓶颈，但自动代客泊车却很热？｜甲子光年 3、L3级系统今年或量产！5位大咖详解自动驾驶发展趋势 4、关于自动驾驶你想知道的“干货” 5、LK分享｜自动驾驶的先启之地-物流运输行业 6、i-VISTA智驾未来丨虚拟仿真挑战预选今日启动，前五强将花落谁家

　　自动驾驶应用算力场景如下：

　　自动驾驶主流的应用场景分为：Robobus、Robotaxi、港口场景、封闭园区、矿区场景、无人环保、干线物流、末端配送。

　　自动驾驶的实现，需要依赖感知传感器对道路环境的信息进行采集，包括超声波、摄像头、毫米波雷达、激光雷达等，采集的好的数据需要传送到汽车中央处理器进行处理，用来识别障碍物、可行道路等，最后依据识别的结果，规划路径、制定速度，自动驱使汽车行驶。

　　整个过程需要在瞬时完成，延时必须要控制在毫秒甚至微秒级别，才能保证自动驾驶的行驶安全。要完成瞬时处理、反馈、决策规划、执行的效果，对中央处理器的算力要求非常高。

　　最直观的体现，便是用于感知道路环境的摄像头，通常密布车身，数量在12个左右，为了识别障碍物，处理器需要对多路摄像头实时拍摄的数据进行解析，而单颗1080P的高清摄像头每秒可以产生超过1G的数据，数据量不可谓不大。

　　而为了准确识别图像、视频中的有效信息，业内多采用深度学习神经网络。深度学习神经网络尤其是几百上千层的神经网络对高性能计算要求非常高，GPU对处理复杂运算拥有天然的优势：它有出色的并行矩阵计算能力，对于神经网络的训练和分类都可以提供显著的加速效果。

　　撰文 | 火柴Q

　　编辑 | 甲小姐

　　设计 | 一凡

　　视频中，一位女士开着奥迪A8L在写字楼附近下车，她轻轻按了手机中的一个键，车就在无人驾驶的情况下自动来到地库并进入了车位。

　　等女士离开写字楼时，只需在上车点用手机一键召唤，车又自己从车库开了回来。

　　开门、上车、走人，干净利落，省去了费时耗力的停车、取车环节。

　　这就是“自动代客泊车”（Auto Valet Parking）场景(在奥迪当时的展示中使用的是piloted parking“遥控泊车”概念)。

　　在功能上，它是泊车辅助系统、ADAS（高级自动驾驶辅助系统）等的升级；在技术上，则属于低速L4级自动驾驶。

　　但5年来，并不新颖的AVP概念仍未照进现实。近两年的自动驾驶热潮更多表现在另一个细分赛道：城市道路乘用车L4级自动驾驶。

　　这是最符合一般人印象中的自动驾驶——无需司机操作，车能自动载客穿梭于大街小巷，完成超车、倒车、避让行人等所有人类司机应该完成的任务。

　　其对应的终极商业模式是 Robo-Taxi（机器人出租车） ，它属于 TaaS（Transportation as a Service，运输即服务） 模式的一种。成立于2009年的Waymo（隶属于Google母公司Alphabet）是这一领域的先驱。

　　从2016年开始，这一细分赛道越加火热：通用于当年收购了自动驾驶公司Cruise，目前估值已达146亿美元；Drive.ai、Pony.ai、Rodarstar.ai、文远知行等瞄准高速L4/L5级自动驾驶的创业公司相继成立；百度的Apollo自动驾驶平台，Uber、滴滴的自动驾驶计划陆续上马。

　　但这种“快速发展”目前看来主要表现在融资和估值上。经过前两年的热潮，城市道路乘用车L4级自动驾驶在2018年进入瓶颈一年。

　　2018年11月，Waymo公司CEO John Krafcik在公开场合坦言自动驾驶技术的普及还需要几十年 。几天后，苹果联合创始人Steve Wozniak也表示： 自动驾驶 汽车 不可能在不久的将来实现 。

　　困住这些世界级聪明头脑的无非两个词：量产和商用化。

　　然而，AVP却很有可能率先打破城市空间中，乘用车高级别自动驾驶的量产和商业化僵局。

　　现在，市场离AVP的量产落地终于只有临门一脚了。

　　有可能踢出这“临门一脚”的是一家从ADAS辅助驾驶系统切入自动驾驶领域的上海公司——纵目 科技 。

　　2018年12月26日，纵目 科技 宣布收到中国一汽的项目定点信，将在中国一汽红旗品牌2020年的量产车型上，部署低速L4级自动驾驶AVP产品。 纵目成为中国首个拿下整车厂AVP量产项目的公司。

　　让纵目拿下车厂订单的是他们在去年11月针对停车场低速场景推出的AVP1.0版的升级版。而纵目对这一领域的 探索 起步于更早之前的2016年9月。

　　当时，在国内自动驾驶领域，相比黑 科技 感更强的无人车方向，AVP并不是焦点。

　　到2017年7月，戴姆勒和博世在斯图加特梅赛德斯奔驰博物馆共同宣布了“自动代客泊车”（Auto Valet Parking）概念（二者在这一领域的合作始于2015年），业内才对这一场景有了较为统一的说法。

　　而2018年，AVP的竞争已是如火如荼。

　　纵观以上进展，大部分是概念、Demo、技术方案、战略合作的发布。

　　这说明两个问题：

　　一、各玩家都看到了AVP的前景。

　　纵目 科技 创始人兼CEO唐锐也告诉「甲子光年」：“我认为AVP是中国市场上（自动驾驶领域）最具有战略价值的高地。”

　　梅赛德斯-奔驰乘用车中国研发中心负责人安尔翰（Prof. Dr. Hans Georg Engel）也曾在去年表示：AVP是通往自动驾驶之路的重要里程碑。

　　二、真正在这一领域有长期积累的玩家并不多。

　　上述进展中，有些项目的研发是在去年才启动的，许多进展仅停留在合作发布阶段，还未到测试，更未到量产阶段。

　　在这个背景下， 纵目在12月拿到的一汽红旗轿车AVP量产订单就具有了重要的市场开拓性意义 ——纵目的AVP系统很可能率先登录主流乘用车。

　　站在众玩家扎堆进军AVP的时刻，纵目 科技 创始人兼CEO唐锐向「甲子光年」回顾了他的思考历程：为何在2017年上半年就看准了AVP？

　　可以先从商业逻辑来看这个问题。

　　在考虑 自动驾驶各落地场景的机会大小和商业化速度时，主要看4个维度： 封闭场景/开放场景、固定路线/自由路线、低速/高速、车里有乘客/无乘客。

　　除了技术差异外，以上四维度中，封闭场景/开放场景还涉及路权问题；有乘客/无乘客则涉及立法难度。

　　而自动驾驶的商业模式则主要有两种：

　　一是上文提到的 TaaS ，在这个模式中，自动驾驶是运营服务得以成立的核心技术。

　　二是 汽车 产业的传统商业模式，即 在 汽车 里加入自动驾驶功能，再卖给消费者，唐锐将其总结为VaaP （Vehicle as a Product）。在这个模式中，提供自动驾驶系统的公司充当整车厂的供应商。

　　VaaP是现在，TaaS是未来。

　　以这个框架来看，最复杂且商业价值最大的情况是“开放道路、自由路线、高速、车里有人”，它可以直接应用在城市出行上—— Roadstar.ai、Pony.ai、文远知行等公司，以及全球自动驾驶头把交椅Waymo都是在向这个“桂冠场景”挑战 。其对应的商业模式Robo-Taxi将彻底改变人类出行方式，进而改变生活方式、交往形态，催生一系列新业态。

　　这也是这类公司吸引了大量风投的原因，大机会不容错过。但这一场景的商业化时间目前看起来还很遥远。

　　最容易落地的情况则是“封闭道路、固定路线、低速、车里无人” ，比如矿区中的矿车和园区里的无人物流车；但这一场景的商业价值有限，向其他场景的迁移性也有限。

　　而AVP则处在中间——“开放道路（但停车场、尤其是地库等类型的停车场里行人不多）、自由路线、低速、车里无人”。

　　这刚好是一个折中的、有较大延展性的场景 ，它具备以下特点：

　　一、法律法规障碍小——落地快、量大

　　相比其他城市中开放、半开放场景，低速且车中无人的AVP的立法难度和伦理风险显然更小。

　　这个场景中不存在“保乘客还是保行人”的伦理难题；由于速度低和地库较少有行人出入，其事故风险也更小。

　　唐锐告诉「甲子光年」，他认为AVP能更快落地的根本原因就是：“法律法规更简单，车厂上量产订单的意愿会更强。”

　　这直接带来的商业后果就是AVP能更快落地，且量大。

　　二、同时面向VaaP和TaaS市场——能造血、空间大

　　在VaaP市场 ，大众、戴姆勒、宝马、沃尔沃等公司都已将嵌入AVP系统的量产车型提上日程。纵目此次拿到的一汽AVP量产订单也属于VaaP模式。

　　VaaP让做AVP的厂家能在 相对短期内获得营收，具备一定自我造血能力 。

　　而同时， AVP又具有切入运营服务，即TaaS市场的潜力 。

　　当下，AVP产品形态就可以直接切入 汽车 分时租赁运营服务 。

　　这个模式其实就是共享单车的 汽车 版。但相对自行车， 汽车 的取放更复杂。分时租赁运营商需要在调度车辆上花大量运营成本，且停车、取车不便也影响了分时租赁的市场接受度。

　　所以 分时租赁运营商有采用AVP系统的强烈需求 。

　　在分时租赁模式中，AVP厂商有机会参与运营，提供增值服务，如为保险业提供数据洞察、在乘客的AVP控制入口（如手机APP）上添加精准营销、目的地打折信息、广告等业务。

　　这是一个比供应商角色更轻、边际效益更大、 更有利润空间的商业模式 。

　　三、AVP未来有切入“桂冠场景”的潜力

　　如前所述，投入自动驾驶的资本和人才浩浩汤汤，最让大家的兴奋的还是“桂冠场景”——城市道路高速自动驾驶场景。

　　而AVP具有切入这一场景的潜质。

　　这是因为AVP对技术的要求其实很高。

　　这个场景满足开放道路、自由路线的特点，这意味着需要完全的L4级自动驾驶技术才能保证AVP的大规模商业落地。

　　AVP与自动驾驶桂冠场景的差异主要在于：

　　而 以上两大差异，正是目前限制高速L4级自动驾驶落地的瓶颈 。

　　前者使得方案里不得不使用探测距离更远、但价格昂贵的激光雷达，成本居高不下。

　　后者则有待技术突破。正如Waymo CEO John Krafcik所说，自动驾驶普及还需要几十年，主要是因为技术还没有突破在任何天气、任何条件下都能驾驶的最高等级L5。只要这个能力不解锁，就无法真正保障自动驾驶的安全性。

　　换言之，有实力做出可靠AVP方案的公司，在技术上，和瞄准高速L4级自动驾驶的公司并无泾渭分明的鸿沟。

　　用唐锐的话说，技术上能有的都有。而那些该有还未有的技术，大家都还在等待。

　　其次， 与园区物流车、高速公路卡车等细分赛道相比，AVP直接应用在乘用车上 ，与乘用车高速自动驾驶场景更具有商业和合作上的顺承性。

　　先成为整车厂的低速L4级AVP供应商，再共同研发高速L4级自动驾驶，可能会成为一条稳扎稳打的桂冠场景进击路。

　　“我认为这是一个战略高地，如果这个占领住了，再去打高速，这个很Solid（有坚实的基础）。”唐锐说，“在中国，低速L4级自动驾驶可能先落地”。

　　纵目能在2016年底较早捕捉到AVP的机会还得益于这家公司的基因。

　　纵目刚好代表自动驾驶领域的 一大派别“车+AI”，另一大派则是“AI+车” 。

　　所谓 “车+AI”就是以 汽车 行业为基点切入自动驾驶 。通用、大众、丰田等车厂的尝试，博世、采埃孚、大陆、现代摩比斯等Tier 1（一级供应商）的尝试都属于这一派，其特点是产品导向。

　　成立于2013年的纵目也是一家“车派”的自动驾驶公司，团队有深厚的 汽车 背景：

　　纵目创始人唐锐曾有14年 汽车 半导体的研发管理经验；团队中还包含了原奇瑞 汽车 工程研究院总工程师陈卓超等多位国际一流Tier1的高管和技术专家；在2016年开始组建技术团队后，也引进了曾在Zoran与CSR公司担任高级研发经理的王凡等AI人才。纵目对车厂的量产流程，如何控制产品成本有清晰、清醒的认识。

　　而“AI+车”则是以AI技术为基点，从自动驾驶的算法切入，逐步谋求商业落地。 许多有互联网 科技 背景的公司都属于“AI+车”一派。

　　其在海外的代表是Waymo、Cruise、Uber自动驾驶、Auto X等公司，在国内的代表则有百度Apollo和Pony.ai、Roadstar.ai、文远知行等（最后提及的这三家公司都有百度背景）。

　　但 到了2018年的萧瑟环境中，市场更关心的是谁能好好活在当下 。

　　从“生存力”上来说，车+AI一派有一定的优势。

　　纵目的发展历程也正是如此。

　　2013年到2017年是纵目的第一个阶段，完成了从初创公司到Tier 1的跨越。

　　此阶段纵目主推的产品是L0到L2级的ADAS系统，能实现司机在最后3-5米的辅助泊车及辅助驾驶功能。

　　到2017年5月，已经在厦门、上海建立了自己的生产线，并拿到IATF16949认证（一种生产过程质量体系认证）的纵目从主要提供算法和方案的二级供应商，升级成了直接面向车厂、同时提供软硬件产品和服务的Tier 1，合作车企包括吉利、威马、上汽大通、北汽银翔、江铃新能源、车和家等。

　　与此同时，完成A轮融资后，纵目在 2016年春节后开始组建自动驾驶团队 。与“AI+车”派的最大区别是，纵目从第一天做自动驾驶，想的就是怎么才能真正量产。

　　唐锐对如何实现自动驾驶量产有3个思考。

　　首先， 量产一定要在品质上达到“车规级” 。

　　汽车 是出行工具，但从另一个角度看，也是“*** 机器”， 汽车 之所以成为工业明珠，就是因为任何用在 汽车 上的零部件和系统一定要经过各种高低温、跌落、震荡、老化等极端情况的考验，尽可能保证安全性和稳定性。

　　这是一个快不起来的过程。法雷奥中国区CTO顾剑民曾表示：“从方案到最后的量产，一款真正的车规级的开发一般需要花费五年或七年。”作为Tier 1，纵目开始做自动驾驶时，车规级产品出货已达50万套，有较丰富的研发和量产经验。

　　第二，在质量过硬的同时， 一定要严格控制成本，才能上量 。

　　这也是纵目着力进军低速L4场景的原因，因为低速场景不需要太长的制动距离，不用使用动辄数万元的激光雷达等昂贵部件，对于计算平台的处理能力也不会有过高要求。

　　纵目以视觉的感知方案为基础，搭配低成本毫米波雷达，使用价格较低的高通骁龙820A平台，把AVP的成本控制得很低。 “我们可以把整套系统，控制器加所有传感器做到几千元以内。” 纵目副总裁陈超卓告诉「甲子光年」。

　　第三， 量产还要满足市场需求 。

　　停车难、取车难，以及城市道路上的拥堵是中国出行领域的特殊痛点。所以唐锐判断，美国的高速场景可能有一定优势，但在中国，大概率是低速L4自动驾驶先落地。

　　在这样的思考下，纵目在2016年9月开始开发AVP产品，在2017年11月底率先推出了自己的AVP1.0系统。

　　回顾纵目如何能获得市场先机，唐锐说：“这是一个思维方式的问题， 当时很多人都想做很炫酷的高速自动驾驶公司，没有严肃地去想，中国市场到底需要什么自动驾驶。 ”

　　在具体开启AVP的商业打法时， 纵目也保持了“车+AI”的稳健 。

　　稳首先表现在资本借力上。由于ADAS产品线已相对成熟，和许多大举融资的自动驾驶公司不同，纵目的做法是用ADAS的造血能力来覆盖研发自动驾驶的部分成本，因而对外部资本的依赖没那么大。

　　在拓展商业模式上，纵目首先仍是做好供应商的角色，从2018年初开始推动与整车厂的AVP量产订单， 走完了技术交流、SOR （Specification Of Requirements，车厂对供应商的产品规格要求） 、招标、定标、工厂审核的复杂流程 ，最终在年底拿到了一汽的定点信。

　　这个过程中，纵目花了3年多时间建立的一级供应商角色的优势开始显现，具体表现为与车厂采购部门的良好商业关系，与车厂研究院的多年的技术合作和与SQE（供应商质量工程师）在生产和质量把控上的默契。

　　同时，自动驾驶技术也让纵目有了跳出“一级供应商”实现产业链位置再升级的机会，即切入分时租赁运营服务。

　　“我有一个观点，L4级的自动驾驶一定是运营相关的。”唐锐说，“ 分时租赁是我们看到的一个大机会，它不仅能让传统的ADAS升级，还能带来新的商业模式。 ”

　　目前，纵目已经和多家整车厂旗下的分时租赁平台展开了初步接触，共同 探索 AVP在分时租赁模式下的落地方式。

　　梳理5年的 历史 ，并不高调的纵目有一条从辅助驾驶到自动驾驶的清晰升级路径：

　　“从整个公司来讲，战略很清楚——我们怎么从低速、AVP这个切口，树立纵目在自动驾驶的领导地位。这个我们没变过。”唐锐告诉「甲子光年」。

　　在AVP即将量产的前夕，这个市场仍有一些不确定之处。

　　最大的争议点是技术方案的收敛方向：

　　目前，在AVP具体怎么做上，存在一个光谱分布，光谱一端是“改车派”、一端是“改车库派”。

　　纵目是改车派，追求 “车的智能” ，即在不改造地库的情况下，实现AVP。

　　唐锐认为改车方案有三个好处：

　　一是能更好地控制成本——改造地库的成本比较高，而且限制了AVP使用的地域范围；

　　二是纵目本身与车厂有较强的合作关系，而大车厂可以通过量产出货迅速催熟AVP这一商用特性，改造车库则要牵涉与地产商、物业的合作，市场碎片化和区域属性太强，增加了商业落地难度；

　　三是改造地库的方案对车的智能要求不够高，而通过“改车”来实现AVP，则更接近未来的高速L4自动驾驶场景，符合纵目的长远发展战略。

　　“如果停车场有通信和车-场协同更好，但如果不改造，车也有足够的智能，就像人能在陌生停车场找到停车位一样。”唐锐说。

　　地平线也属于改车派，在去年11月28日，地平线首次公开测试了其AVP项目，不过地平线目前的方案用的是Velodyne 16线激光雷达（官方售价为3999美元），成本有待进一步降低。

　　全球最大一级供应商博世则是“改车库派”的代表 ，可以通过对车库的改造，让不同车型实现“自动停车”，车辆本身只需要电子制动、自动换挡、电子助力转向及远程互联等基础功能，不需要任何环境感知功能。

　　这个方案的优点是对车辆要求低，但目前的成本较高。

　　在去年博世和戴姆勒于中国联合展示的方案中，他们使用了柱式安装的工业级单线激光雷达。基于系统冗余的考虑，实际应用中，可能平均每3个车位就要布局25个激光雷达，在成本上尚不现实。

　　禾多 科技 去年底推出的 Holoparking则处在中间位置 。

　　用禾多 科技 创始人倪凯的话总结是 “场端、高精地图端、车端”组成的“三端合一”方案 。

　　这一方案的难点是需要做系统性研发：“我需要把这三端都做研发，面相对铺得比较开，需要很多的技术模块共同来完成。”倪凯曾在接受采访时说。

　　不管是“改车派”还是“改地库派”， 在推进AVP商业落地的过程中，都面临一个共同问题，就是需要整合各方资源，制定一套新的产业链利益分配方式 。这是因为AVP作为L4自动驾驶的一个应用，脱离了单一硬件模块或者软件功能的概念；AVP技术提供方也不再是单纯的整车厂Tier 1供应商，而是越来越深地卷入了AVP“产品+后服务”的全生命周期。

　　目前来看，AVP这一场景牵涉的商业角色有6类：AVP自动驾驶技术提供方、整车厂、分时租赁运营方、高精地图图商（自动驾驶技术的实现需要配套的地库高精地图）、充电技术供应商和商业地产/物业公司。

　　各方有待厘清的问题主要在于两方面。

　　一是商业模式 ，这涉及最终谁来买单，上游如何分润。

　　买单方是相对明确的 ——不管是VaaP模式还是TaaS模式，最后的付费者都有C端的司机/乘客；而TaaS模式下，还可以有部分“羊毛出在猪身上”的收入，比如与出行服务结合的营销、广告、保险等业务。

　　各参与方需要考虑的是最终端的消费者愿意为AVP系统花多少钱？是愿意按次花钱，还是一次付完？

　　上游的分润模式则有更大的不确定性。 对纵目这样的技术供应商来说，他们可能想终止以往卖产品、卖license的单次收费模式，改为按调用次数收费，并试图切入以AVP为基础的增值服务；图商、物业也需要在新模式中找到合理的分润方式。

　　二是权责如何分配： 万一车辆在自主泊车过程中出现事故，谁是责任方？保险公司应如何赔付？

　　“一定是服务的商业模式，”唐锐坚定地看好AVP和分时租赁结合的运营服务，但他也坦言： “具体的利益分配、责任分配现在看还不清楚。”

　　但这种“模糊”的状态，往往也意味着机会。

　　对纵目这类 汽车 行业的后起之秀而言，它们有机会通过新一轮变革获得最有利的市场位置。

　　“整个市场是比较碎片化的，谁都没有完全的话语权， 正是因为这个事比较复杂，所以需要一个核心的技术供应商来挑头。 ”唐锐这样看待现在的局势和纵目可能的位置。

　　目前，纵目已和部分车厂、图商、商业地产物业等相关角色讨论新的商业规则。

　　接下来，纵目的远期目标是在实现AVP的基础上，升级到高速L4级自动驾驶。

　　这家步步为营的公司，制定了一个三步走方案。

　　第一步是继续和整车厂密切合作，跑通AVP技术量产落地的从0到1。

　　2018年，纵目已接到了大量国内车企的预研项目，在一汽红旗车型的量产AVP订单后，纵目或将公布更多好消息，包括进入合资车企的供应链。

　　唐锐自己的判断是， 跑通从0到1的关键是2020年，当装载AVP的车辆到达一年10万台以上后，AVP才算经受了市场检验。

　　同时， 纵目也已开始布局第二步，用AVP技术提升分时租赁服务商的调度效率 。

　　“我个人判断，做分时租赁的企业比较适合从1到N复制。”唐锐告诉「甲子光年」，这类运营厂商更看重市场推广和铺量，在产品被充分验证前，很难满足他们的商业拓展需求。

　　所以，纵目的计划是在稍晚的时间——大概2019年下半年开始和分时租赁公司谈具体的落地项目。

　　在此之前，纵目会在小范围内通过大量测试，跑通AVP与分时租赁结合的各个技术点，再去和大平台做联合运营。

　　第三步，则是 在未来开始真正进入高速L4级自动驾驶领域 。

　　在这个过程中，纵目仍会借助自己的Tier 1身份，以ADAS和AVP产品线获得收益，自我造血。

　　同时，在技术条件更成熟、传感器成本降低、法律法规环境也更完善时，进军高速L4级自动驾驶的“桂冠场景”。

　　唐锐对“时机”的判断是，真正L4级产品的竞争会发生在未来5到10年间，这是一个足够大的机会，也需要付出足够的耐心。

　　“真正让自动驾驶exciting（令人兴奋）的东西，一定是service（运营）。”唐锐说。

　　在新的自动驾驶和运营结合的时代里，纵目不会停留在一个传统Tier 1的角色，而是考虑更多可能性——比如通过核心部件切入，深入参与出行方式变革带来的一系列增值服务。

　　“我们希望是第一个在中国证明L4能真正商业化落地的公司。”唐锐是一个不愿过多展露锋芒的人，但这一次，他不吝说纵目就是要当第一。

　　第一究竟花落谁家，和自动驾驶的发展一样，“欲速则不达”，心急看不了结果。

　　但率先拿到一汽AVP量产订单，为纵目的豪言增添了底气，这家公司己赢得了一个有利位置。未来两年，它将对阶段性的胜利发起冲刺。

　　

　　车东西

　　文?|?六毛

　　车东西1月10日消息，中国电动汽车百人会论坛（2020）在北京开幕，并于今天上午举行了以自动驾驶全球态势与基础体系为主题的自动驾驶论坛。

　　而作为今年开场的首个高规格自动驾驶论坛，参与者自然众多。开场20多分钟会场内就已经站满了人，外面的人还想进去，无奈里面的人不愿出来，场面相当火爆！

　　▲会场入口

　　中国工程院院士邬贺铨、安波福亚太区总裁杨晓明、博世底盘控制系统中国区高级副总裁蒋京芳、禾多科技创始人兼CEO倪凯、日本汽车工业协会北京代表处首席代表松岛忠信等出席本次论坛并发表了演讲。

　　中国工程院院士邬贺铨就5G车联网面临的挑战分享了自己的看法，在邬贺铨看来，虽然相对于其他移动通信系统，5G更靠拢车联网的需要，但当前5G车联网在网络通信效率、运营支持、安全问题等方面依然面临挑战。

　　▲论坛现场

　　安波福、博世、禾多科技等自动驾驶的产业链玩家也在论坛上做了分享。

　　安波福亚太区总裁杨晓明认为，目前传统的汽车架构功能已趋向饱和，无法承受目前安全、绿色和互联的行业发展趋势对汽车平台的要求，未来新的智能汽车架构将由功能化控制向域控制、区块控制转变，并最终向软硬件分离的全智能汽车架构发展。

　　博世底盘控制系统中国区高级副总裁蒋京芳认为L3级以上自动驾驶面临挑战，目前L3级以上的自动驾驶，博世在中国的整个路线目前还是问号。2020年，博世将会在中国推出L2.5级高速公路辅助系统（支持驾驶员脱手的L2）和遥控泊车辅助系统。

　　禾多科技创始人、CEO倪凯则认为，自动驾驶的市场从过去的ADAS到未来的自动驾驶，正在面临一个分水岭，而且这个分水岭就发生在现在。

　　除此之外，日本汽车工业协会北京代表处首席代表松岛忠信，也在论坛介绍了日本汽车工业协会在推动驾驶辅助技术和自动驾驶技术发展方面所做的工作，并对包括主动安全刹车、误踩踏板加速抑制装置在日本的普及情况进行了分享。

　　一、5G车联网：网络通信效率等面临挑战

　　中国工程院院士邬贺铨就5G车联网面临的挑战，分享了自己的看法。

　　在邬贺铨看来，虽然相对于其他移动通信系统，5G更靠拢车联网的需要，但实际上车联网的一些特点，并非5G所面对公众通信的特点，5G车联网依然在网络通信效率、运营支持、安全问题等方面面临挑战。

　　邬贺铨表示，整个5G虽然考虑了车联网，但准确地来说，它首先还是为了公众通信而设计的。

　　▲中国工程院院士邬贺铨

　　公众通信和车联网的区别在于城市里面车联网的距离很短，包括前后的车辆也只有约几十米的距离。车联网80%的情况是处于汽车行驶状态，因而对移动性管理较高。

　　另外车联网基本要求随时在线，同时城市车联网的V2V环境下的通信需求是点到多点和多点到点的需求，这与主要以点到点的传统通信需求不同。

　　此外，车辆网中每一辆车发送的信息不受车主控制，但面向公众的通信所发送的信息是主叫方主动的，被叫方也是已知的。

　　邬贺铨认为，目前5G车联网至少在网络通信效率、边缘计算、安全问题、运营支撑等方面存在挑战。

　　▲自动驾驶论坛会场

　　网络通信效率方面，传统的互联网通信采用无连接的方式，但对于车联网来说，这种连接方式就显得效率太低了。

　　其次，移动的车辆以及每一辆车对通信的要求是不一样的，例如特种车辆和一般车辆就可能会有不同的需求，如何处理这些具体的业务要求是一项挑战。

　　另外，为了适应车联网的需要，缩小时延，需要把云的能力、部分计算能力下沉，通过大量使用边缘计算，把存储内容分发下沉到边缘云来处理。但随之而来的是成本问题，同时边缘计算之间的沟通是通过基站还是通过中心云的方式也是需要考虑的。

　　安全问题方面，邬贺铨表示，车联网是5G的一种业务，而5G的业务采用了一种开放的方式。之所以开放是为了让现有的业务更灵活，但是由于原来网络是封闭的，协议是专用的，所以很少听说有网络安全事件发生在运营商的网络，现在网络变成了开放的，协议则是通用的，一定意义上会增加更多的安全风险。

　　然后，运营支撑也很复杂。5G有虚拟NFV、网络切片，而这些都需要复杂的动态管理。换句话说，车联网一个问题要快速计算和处理，运营支撑系统不能只依靠运营商，这样做很难做到实时。而对于5G和车联网来说，实时性都是很大的挑战。

　　除此之外，能够分配给车联网的频率，以及相关基础设施建设的成本等方面，5G车联网也面临着挑战。

　　二、安波福：智能汽车架构是高级自动驾驶量产的基础保障

　　安波福亚太区总裁杨晓明在本次论坛上带来了安波福的新产品智能汽车架构。

　　而在介绍智能汽车架构概念之前，杨晓明先谈到了他在CES?2020上看到的变化。

　　杨晓明表示，去年的CES展会上有诸多企业讨论L3、L4、L5，同时有很多企业进行自动驾驶汽车的展示，但在今年的CES展会上，安波福等公司没有再提供自动驾驶道路的演示。

　　在杨晓明看来，自动驾驶已经走出了需长期进行模拟实验的阶段，因此安波福更关心的是如何帮助下一代自动驾驶落地，帮助行业实现量产。

　　▲安波福亚太区总裁杨晓明

　　从行业看，目前，L2或L2+自动驾驶已经在非常快速推行，例如在2019年中国车市寒冬之下，主动安全系统仍然处于非常高速的发展状态。

　　杨晓明认为，整个汽车行业正面临着向移动平台这样一种未来的出行方式转型，在这个过程汽车行业将推动产生更加安全、绿色、互联的出行解决方案。

　　但是目前传统汽车架构已接近饱和，不太可能承受目前安全、绿色和互联的发展趋势对汽车平台的要求。对此，智能汽车架构将是未来的一个发展趋势。

　　▲智能汽车架构发展趋势

　　目前的汽车平均每辆车有50到100个功能控制单元，将来则会过渡到域控制、区块控制，并最终向软硬件分离的全智能汽车架构发展。

　　据杨晓明介绍，安波福推出的智能汽车架构（注册商标为SVA），有三大特点：

　　1、当前汽车架构的软件和硬件是不分开的，安波福智能汽车架构非常强调软硬件的分离。

　　2、数据输入端、输出端与中央计算分离。

　　3、中央计算中心充当着服务器的角色。

　　根据车东西此前的了解，由于车辆在出厂时软硬件属于完全嵌入车内，几乎无法更改，因此采用传统汽车架构生产的车辆大多在后期无法更改功能。

　　同时，现在的汽车由于内部连接100多个电子控制单元（ECU），车内连接线也比较长，从而导致汽车更容易出现系统故障。

　　而安波福的SVA智能汽车架构能把车辆所有的计算整合到区域控制器里面，并留出足够的接口，帮助在后期使用过程中对汽车软件进行更新，给汽车添加新的功能。

　　与此同时，车辆传感器和其他硬件都能接入到这个区域控制器里面，提高车辆安全性。

　　除此之外，安波福SVA智能汽车架构内的每一个区域控制器都可以直接连接其他的两个区域控制器，形成连续互通的路径，这样做的好处在于能够以更低的成本实现控制系统冗余。

　　▲安波福SVA智能汽车架构

　　三、博世：今年量产L2.5和遥控泊车

　　博世底盘控制系统中国区高级副总裁蒋京芳，分享了她对自动驾驶未来发展趋势的看法，以及博世在中国自动驾驶的商业化进展、在智能网联方面的探索和研究。

　　蒋京芳在演讲时提到，自动驾驶依旧是未来的发展趋势，在中国也是如燎原之势，现在L2级自动驾驶已经落地，L2+或者L2.5指日可待，L3级及以上的自动驾驶有待商榷，L4/L5级自动驾驶则需要更多的合作。

　　▲博世底盘控制系统中国区高级副总裁蒋京芳

　　蒋京芳表示，无论势乘用车、商用车，无人是载人还是载货，自动驾驶应用的场景都可归纳为三大类：

　　1、下图中蓝色部分，即在高速公路、高架路，也就是结构化道路应用的自动驾驶。

　　2、下图中绿色部分，即用于共享出行的自动驾驶，这也是出行公司所关注的领域。

　　3、下图中紫色部分，即低速的、局部的区域，比如泊车场景、园区、场区、机场、港口等场景下的自动驾驶应用。

　　▲博世底盘控制系统中国区高级副总裁蒋京芳做演讲

　　博世在这三类场景下都有布局，而关于博世在中国的落地路线，蒋京芳也做了介绍。2020年，博世将推出L2.5级高速公路辅助系统（支持驾驶员脱手的L2）和遥控泊车辅助系统。

　　但L3级以上的自动驾驶，蒋京芳表示博世在中国的整个路线目前还是问号。

　　▲博世的高速公路辅助系统技术路线分两阶段

　　在演讲中，蒋京芳表示单车智能到L3级遇到瓶颈的原因包括了传感器成倍增加，成本提高，同时有更多的安全问题需要考量，依然面临着较大挑战，量产时间还有待商榷。

　　不过，她也表示，中国推动的ICV、智能网联，是一个非常好的方向，对此博世与华为在无锡示范区也针对不同的场景进行了一些研究，包括依靠V2V的场景、依靠路测单元补充车辆视觉信息以及ACC场景。

　　而关于包括中国在内，全球自动驾驶都在推迟SOP时间的原因，蒋京芳认为除了感知、定位、决策需要更多的冗余之外，系统的电子电气架构、系统安全、网络安全以及现在的信息安全，特别是如何验证系统也是比较大的挑战，另外相关法规的制定也很重要。蒋京芳认为，这些问题需要整个行业共同努力，一起克服。

　　四、倪凯：ADAS和自动驾驶的分水岭已至

　　自动驾驶创企禾多科技创始人、CEO倪凯在论坛上分享了他对于自动驾驶产品、ADAS和自动驾驶的区别以及自动驾驶行业赛道的看法。

　　倪凯表示，从禾多的角度来看，自动驾驶的产品需要具备三要素：1、应用场景；2、用户体验；3、自动驾驶的等级。

　　首先，场景非常重要，因为不同场景下对于自动驾驶系统的设计、软硬件，所有的数据要求都是有差异的。

　　其次，用户去买自动驾驶产品的时候并不会特意关心自动驾驶的级别，对于用户来说，体验更加重要。“我喝酒了，或者不会开车，我也可以享受这样一个自动驾驶的产品，这是用户体验上最重要的地方。”倪凯说道。

　　▲禾多科技创始人、CEO倪凯

　　倪凯表示，从自动驾驶的发展现状看，Hands?on已经是存量市场，包括博世、安波福等公司已经在做这样的产品，而真正往后面走，Hands?free的系统则是蓝海市场，会有更多的探索。

　　最后，自动驾驶的等级可以大概对应到用户体验。

　　倪凯认为，自动驾驶的市场从过去的ADAS到未来的自动驾驶，正在面临一个分水岭，而且这个分水岭就发生在现在。

　　原因在于两者在技术上有很大不同。

　　首先，L1/L2的ADAS是分布式的ECU设计，而L2.5的系统以及L4/L5的系统是中央处理的系统架构。其次，从软件上看，辅助驾驶的软件系统跟自动驾驶软件系统相比，没有做高精度定位和非常复杂的预测等工作。第三，在传感器方面，ADAS是前向传感器配置为主，自动驾驶系统则是360°融合的配置。最后是在整个控制上，从ADAS到自动驾驶，其实也就是从以纵向控制为主、横向控制为辅向复杂的横向控制转变。

　　此外，倪凯还认为自动驾驶行业里有两条不同的赛道，一个是量产自动驾驶的系统，第二个是无人出租车。两个赛道在现阶段强调的技术能力、适用场景、传感器上有很大不同，因而在研发上也是在走两条不同的路线。

　　目前，禾多科技走的是第一条路线，即自动驾驶量产的路线。

　　而关于整个量产自动驾驶的产业链，倪凯表示OEM、经销商（Dealer）、消费者（Drivers）、Tier1、Tier2甚至还有Tier3共同构成了这个产业链条。

　　在倪凯看来，针对这样的产业链，现在也可以看到几个小趋势：

　　1、整个自动驾驶产业链联盟化明显。

　　2、抱团取暖带来两个结果，也是两个小趋势。一是分工更加细化，一是软硬件的解耦，而软件解耦也意味着可以有更多的定制化。

　　五、日本今年起量产高速公路L3级自动驾驶

　　2015年，日本汽车工业协会（JAMA）发表了《自动驾驶愿景》，部署工作推动自动驾驶技术在包括汽车、摩托车、自动车、步行在内的所有交通出行方式中的应用。

　　而根据日本汽车工业协会北京代表处首席代表松岛忠信公布的数据，在日本，部分已经开始应用的驾驶辅助技术的普及情况如下：

　　1、截至到2017年底，减轻碰撞伤害的制动装置也就是主动安全刹车，接近80%的新车都已配备，日本政府定制的目标是到2020年为止，新车的90%以上都要装备这种刹车装置。

　　2、误踩踏板加速抑制装置是在停车场等不应该加速的地方检测到深踩油门时可以自动抑制加速的装置，截至到2017年底普及率达到65.2%。

　　3、车道偏离预警装置普及率63.5%，车道保持辅助系统普及率22.7%。

　　▲日本汽车工业协会北京代表处首席代表松岛忠信

　　关于自动驾驶，松岛忠信表示，高速路上的自动驾驶技术已经即将实现，但在一般道路等很复杂的交通环境时的应用，依然存在不少课题需要解决，在技术开发方面还需要更多的时间。

　　而关于自动驾驶技术的应用，日本政府计划在2020年左右达到私家车在高速路上实现L3级的自动驾驶，并提出了2020年以后逐渐扩大到一般道路上的目标。日本汽车工业协会目前也在积极地参与这项研究。

　　结语：自动驾驶量产落地已成关键课题

　　各产业链玩家在自动驾驶论坛上的分享传递出几个比较明确的信号，一是自动驾驶适用场景得到更多强调，不管是在测试阶段还是在应用阶段，二是方案提供商注重用户体验，三是在经过前几年的飞速扩张之后，自动驾驶技术正在逐渐下沉。

　　虽然L3级以上自动驾驶依然面临技术、法规、安全等诸多挑战，但越来越多的公司开始朝着量产自动驾驶的方向努力。

　　而在今年的CES展会上，还有一批“低价”激光雷达亮相，或许我们见到无人出租车等高级自动驾驶真正实现商业化运营的一天，会比想像中来的更早。

　　本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

　　[?亿欧导读?]?在这份报告里，找到通往自动驾驶未来的船票。

　　作者丨张男

　　编辑丨张嫣

　　未来三年，自动驾驶将走到哪一站？赛道里的玩家们都将扮演什么样的角色？这个生机勃勃的产业里还有哪些机会？亿欧汽车希望在《2020-2023中国高等级自动驾驶产业发展趋势研究》报告中，将这些干货分享给各位读者。

　　最近一段时间，一度被浇冷水、“戳泡沫”的自动驾驶却成为了汽车产业里唯一火热的细分领域。

　　在受疫情影响，各大车企停产、全球车市一片萧条的背景下，诸多向疫区输送无人车的自动驾驶公司却获得不少关注。同时，中国自动驾驶创业公司小马智行、驭势科技分别获得丰田和博世的战略投资。

　　但与此同时，自动驾驶领域的发展还充满着争议。车企们用真金白银对发展路径进行投票。此前，奥迪对亿欧汽车进行回应称：“并未取消Level?3自动驾驶技术研发项目，而是将其提升至大众集团层面，整合至Car.Software软件车载开发部门。”但显而易见的是，其曾经主推的L3技术路线正在被边缘化。

　　最近5年以来，自动驾驶成为了汽车智能化最重要的组成部分，在低等级自动驾驶相关技术已经逐渐被突破的今天，业界更关注L3级以上的自动驾驶将走向何处。

　　亿欧汽车试图在迅速变化的产业发展中找到一个未来的方向，我们总结的“六大趋势”将在报告里呈现。

　　资本：寒意与暖阳

　　中国自动驾驶究竟是热度不减还是逐渐惨淡？或许从资本市场的反应中能一窥究竟。

　　2014年，百度和宝马合作研发自动驾驶技术可以看作一个“里程碑”的事件。彼时，中国资本开始关注到这项未来技术。

　　随后几年，百度自动驾驶团队出走了不少相关专家。看到“风口”后，他们陆续成立自动驾驶相关公司。一时间，细分赛道上多出了不少投资标的。

　　企业规划着远大目标的同时，业界与资本对这项新技术的发展也满是乐观。“高等级自动驾驶将迅速量产并实现商业化”成为当时的流行论调。

　　据亿欧汽车统计，2015年至2017年间，完成融资的自动驾驶相关企业数量飞速增长，且诸多企业都在同一年完成多轮融资。这是中国自动驾驶行业的“黄金三年”。

　　2018年后，增速明显放缓。

　　资本寒冬令投资人愈发谨慎，团队、规划、“愿景”不再让资方轻易买单，而商业化可行性成为了考察的重点。但其中的矛盾在于，过去资本的疯狂追逐，已经将自动驾驶相关企业的估值抬高；另一方面，自动驾驶企业持续“烧钱”的需要，也让资本望而却步。

　　到了2019年，双方这种“矛盾”继续激化。此时，单纯“讲故事”已不足以吸引资本加注，资本将更加关注有商业落地苗头的自动驾驶企业。一时间，“自动驾驶寒冬已至”的言论不绝于耳。

　　但一方面，“暖阳”也悄然而至。

　　这一年，政府对自动驾驶技术的支持力度空前。据亿欧汽车统计，2019年，国内智能网联示范区数量环比增长146%，其中，地市级示范区数量暴增近3倍，由14个增长至41个，高速公路示范区数量也急速增加。

　　这为自动驾驶相关企业提供了更多测试场地，加速技术发展。诸如长沙、广州等地政府，更是分别与百度、文远知行等科技公司成立合资公司，深度绑定，共同面向该市市民运营Robotaxi，成为中国自动驾驶的发展之路上新的里程碑。

　　与此同时，车路协同和5G的飞速发展，也为迭代速度变缓的单车智能技术开辟了另一条道路。

　　六大趋势

　　进入2020年以来，自动驾驶企业融资不断，整个行业正呈现出另一番景象。这不由让人怀疑自动驾驶春天已经到来。自动驾驶商业化落地前夜，多方力量推动下，亿欧汽车认为，2020-2023年中国高等级自动驾驶行业将发生六大趋势。

　　其中，自动驾驶全栈解决方案提供商、自动驾驶非全栈解决方案提供商、车企、资本、政府、车路协同这六方力量，将共同推动自动驾驶朝新方向变革。

　　从自动驾驶全栈解决方案提供商角度来看，目前高等级自动驾驶技术还无法适配任何驾驶场景，应用场景的重要性不断凸显。该类企业通常选定1～2个应用场景，全力攻破，以快速实现商业化落地。诸如小马智行、图森未来等聚焦开放道路场景的自动驾驶企业，未来将打磨技术，专注解决剩下的“长尾问题”，以确保绝对安全。而驭势科技、慧拓等则聚焦于限定道路场景，其将产品和运营作为未来三年发展重点，希望在不久的将来实现大规模试点运营、小规模商业化运营。

　　从自动驾驶非全栈解决方案提供商角度来看，以感知层、决策层、执行层三大关键系统作为划分标准，凭借体系化的底盘控制系统，及与主机厂的深度绑定关系，目前执行层基本被国际Tier?1供应商垄断，初创企业很难切入，而决策层与场景息息相关，企业也较难将其单独拆分提供标准化产品。因而，未来三年，激光雷达、毫米波雷达等感知领域关键零部件将继续受到关注。与此同时，提供车辆运动感知的高精度定位模块作用将逐渐凸显，慢慢变得不可或缺，其厘米级的精度，能为自动驾驶汽车精确理解自身定位提供帮助。

　　从车企角度来看，随着目前大多数国内车企L2级自动驾驶车型量产的实现，更高等级自动驾驶车型的量产成为车企新目标。出于对功能安全的重视，传统车企多选择渐进式路线——先实现部分L3级自动驾驶量产。遂即，未来三年，车企将HWP（高速公路引导）和TJP（交通拥堵引导）作为主攻的两大功能。考虑到乘用车用户使用停车场的频率，吉利、广汽、长城等诸多车企也制定了AVP（自主代客泊车系统）发展战略，并希望短期以此产生营收。

　　从政府角度来看，中央政府和地方政府都对自动驾驶给予越来高的关注度。就中央政府而言，其自2015年至2020年发布多项相关政策，关注点从智能网联汽车细化至自动驾驶汽车。2020年初，国家相继出台《智能汽车创新发展战略》与《汽车驾驶自动化分级》两项方案，进一步明确自动驾驶战略地位与未来发展方向。大方针指导下，各地方政府层面也相继出台自动驾驶相关政策跟进，主要围绕开放公共道路测试路段、建立智能网联示范区两方面展开。未来三年，将有越来越多城市政府出台相关政策，在路权方面给予自动驾驶相关企业帮助，并与后者探索更多合作模式。

　　从资本角度来看，凭借优秀人才背景和广阔商业前景，高等级自动驾驶相关企业在过去三年吸引了资本诸多目光。但随着技术发展不及预期，资本将在未来三年围绕市场空间、业务快速扩展的可能性、商业模式三个角度重新审视自动驾驶相关企业，并观望企业落地进程以做出下一步决策。

　　从车路协同角度来看，这项新技术为企业高等级自动驾驶技术的实现开辟了另一条道路，将单车智能与智慧道路相结合，高等级自动驾驶技术的实现难度与成本得以降低。得益于此，园区、矿区等场景的自动驾驶将在未来三年扩大应用范围，并逐渐转向常态化，而车辆编队驾驶、停车场自主泊车等场景自动驾驶技术则会进行示范应用，但暂时不会投入运营。另一方面而言，由于基础建设的真正投入使用与技术成熟度息息相关，因此未来三年，车路协同的主要工作仍将集中在基础建设层面，并将配合基础设施建设开展小范围应用试点。

　　毋庸置疑的是：自动驾驶将是整个产业长期关注的赛道，亿欧汽车也将长期关注这一领域。

　　最后，感谢为此次报告撰写提供帮助的业内人士与行业专家，因为诸位的大力支持，才有了报告最终的呈现（排名不分先后）：

　　图森未来CEO陈默

　　AutoX?CEO肖健雄

　　驭势科技CEO吴甘沙

　　白犀牛CTO夏添

　　辰韬资本执行总经理贺雄松

　　文远知行CEO韩旭

　　慧拓CEO陈龙

　　博世中国

　　通用汽车

　　腾讯

　　百度

　　长城汽车

　　长安汽车

　　以及诸多报告中涉及的企业为研究工作给予的支持，再次感谢！

　　若想了解更多内容，欢迎下载查看《2020-2023中国高等级自动驾驶产业发展趋势研究》报告。

　　下载网址

　　本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

　　很多时候我们讲自动驾驶，大家都紧紧盯住的是乘用车行业，但其实乘用车行业确是自动驾驶商业落地和成本最高的地方，第一，最复杂多变的应用场景，人，车，城市道路的复杂。第二，复杂多变的客户需求，不希望被车驾驶而是驾驶车辆，需要考虑更多舒适，能耗，安全之间的关系。所以其实这是自动驾驶最难的一块场景-开放式场景自动驾驶场景，场地情况路线复杂不变，突发情况和异常物体非常常见。而封闭式的场景其实在工业和物流领域确又相当的成熟，成熟到没有人叫他自动驾驶而叫机器人。

　　于是目前有一块资本技术以及人才都火热的场景-半封闭式场景自动驾驶场景，场地情况路线相对单一通常为交通工具，无动物或者人类，无突发情况和异常物体场景非常少，移动驾驶物体有一定规律。他在实际中的场景就是高速道路点对点物流仓储。对于物流仓储他的目的非常明确准时从A送达B。

　　今天我们通过相关资料了解，为什么是卡车物流自动驾驶会先商业落地，当前国内外有几大自动驾驶玩家团队以及背后资本和自动驾驶技术以及商业落地方案。

　　1、 为什么是卡车物流自动驾驶

　　市场巨大-全球4万亿美元的卡车物流，高于电子商务，甚至快超 汽车 制造业总值2倍。中美均为8000亿美元。

　　根据图森的数据，全球卡车货运市场是4万亿美元的总量，美国市场货运是8000亿，而大家都蜂拥而上的电子商务3.5万亿，其中做的好的亚马逊年收入是3480亿美元，目前各家IT 企业都竞相进入的 汽车 行业是2.8万亿，其中特斯拉新势力年收入是280亿美元。

　　从智加 科技 Plus的数据也可看出，中美市场的货运总值差不多和图森的数据是一致大概8000亿美元。中美的差异是中国高速货运的总值小于美国 18个百分点。当然这也反应了当前的现状，国内货运最后一公里的场景比北美多。

　　所以这个市场是巨大的，特别是在中美幅员辽阔，经济活跃的国家。

　　客户接受度高-降低运营成本38%，降低燃油费用，减少人力成本还更加安全减少90%安全风险。

　　物流运输行业属于B2B的生意，对于B2B的生意，其实客户重视的重点是成本。成本包括了一次性投资成本和运营成本。显然一次性投资成本会要增加，但是运营成本会减少。

　　根据图森美国分析，在美国卡车物流的运营成本主要的两大块是司机成本占将近39%，燃油以及保养成本占53%。

　　显然中国的成本还会包含高速过桥过路费，另外中国人力成本应该是偏少的，之前看过相关新闻美国卡车司机的工资年薪8.5-12万美金，合人人民币50万左右。当然数据仅供参考但也凸显卡车司机费用。但其实目前国内卡车司机费用不低但真的辛苦。

　　根据智加Plus 的数据，通过采用自动驾驶的卡车物流可以节省燃油10-20%而且这个数据是经过和顺丰物流以及美国一家公司的验证。

　　所以智加最后通过总体数据算出物流卡车的自动驾驶能给行业带来38%的运营成本的降低。

　　技术成熟度-自动驾驶场景相对简单，对于技术方案，熟悉我们之前专题文章（#自动驾驶）自动驾驶算法以及产业方案都相对成熟。目前更多的是对于场景复杂度的训练学习。但对于物流运输行业的场景就相对简单，卡车物流运输是从仓储到仓储一般采用高速运输再到工业园区的仓储。特别是高速，典型的半封闭的交通环境，没有行人，动物以及复杂转弯场景。

　　2、 当前几大自动驾驶玩家

　　目前，资本市场比较追捧，产品已经上市或者已经测试推广中的有以下公司：

　　当前卡车物流自动驾驶玩家主要集中在美国市场和中国。美国相对更多，主要原因是美国物流交通基础设施更发达和简单有规律，而且美国人工成本相对于中国市场更高。但在我们开头的文章也讲到，主要是两家市场足够大。

　　中国创始者以及资本在卡车物流驾驶相当活跃，其中在美国市场的图森和智加 科技 创始人都为中国人或者华人其背后的资本也可以看到中国资本，另外国内市场的赢彻就不用说了。

　　图森Tusimple主要或者初始资金来自于SUN dream，新浪，复合资本composite。

　　智加 科技 Plus的主要或者初始资金来自于满帮，国泰君安，金沙创投，HS Investments。

　　赢彻的主要或者初始资金来自于普洛斯、G7、蔚来资本。

　　美国的EMBARK,Aurora两家都有来自于红衫资本（红衫资本为国际资本，中国红衫资本为沈南鹏和红衫资本合作）的投资。

　　3、 卡车物流自动驾驶技术概览

　　技术方案-激光雷达，摄像头，高精地图一个也不少

　　自动驾驶技术方案在我们之前文章自动驾驶的三种解决方案提过，三种主要方案，基于视觉主导，基于激光雷达主导，基于车联网主导。目前卡车自动驾驶行业更多的是采用视觉和激光雷达融合方案。所以对于传感器都会采用激光雷达，摄像头以及毫米波雷达，配合高精地图或者视觉地图一个也不少的方案。

　　通过视觉AI方案进行物体的识别，通过雷达方案在地图中进行边界的确定。

　　对于卡车自动驾驶目前毫无悬念没有说不采用激光雷达方案的，主要原因有卡车重量大，刹车距离长应用场景主要是高速封闭道路那么必须要有能够长达公里级别的预测，而对于视觉当前很难。而当前乘用车对于激光雷达的采用主要是成本问题，但对于卡车而言本来卡车的价格就相当高，动辄百万人民币，所以即使是当前的激光雷达价格也能接受何况将来的成本下降。

　　所以当前卡车物流自动驾驶底层技术逻辑是一致的，激光雷达，视觉摄像头，毫米波雷达，高精地图一个也不少，采用视觉AI进行物体识别，激光雷达进行地图定位。采用算法芯片进行感知融合，计划对整车释放控制信号。

　　其中技术的差异化会体现在激光雷达等感知传感器的选型，算法的差异。来面对复杂的天气情况确保高度的稳健性。例如Aurora宣称其优势可以使用Uber创建的大数据地图，其fistlight激光雷达不畏惧阳光更快更远的距离。其实技术差异性较小。

　　其自动驾驶配置以及落地路线图，遵循和乘用车自动驾驶一致，先从辅助驾驶的车道保持，类似于NAP的超车，汇入车道，跟停，再到夜间驾驶，到不同天气工况最后到全域自动驾驶。

　　根据现有资料，当前五家自动驾驶卡车雄心壮志是在2025年前把卡车物流自动驾驶L4落地。

　　4、 卡车自动驾驶商业模式

　　但是目前卡车物流自动驾驶商业模式有一定的差异化，

　　以中国创始人以及资本代表的-车辆改装定制方案，通过和头部主机厂合作进行深度定制和改装。用户购买自动驾驶车队，或者第三方车队购买自动驾驶卡车整车，提供服务给终端用户，其中图森的商业模式也承担第三方车队角色。

　　以美资创始人以及资本代表的-通用安装接口方案，通过定义通用的传感器以及系统加装在原有 汽车 上。Aurora投资自动驾驶相关设施费用安装到第三方车队上，第三方车队自有车辆，终端用户按公里缴费。

　　5、 总结

　　对于卡车物流自动驾驶从客户接受度，技术成熟度都是当前自动驾驶商业落地比较好的落脚点，当然乘用车自动驾驶NAP就是一个先列，也就是基于点到点通过高架或者高速。但是他的客户接受度比不上卡车物流行业，客户当前更多是把他当成玩的方式，但卡车物流是真正从成本和管理上给用户带来利润。所以目前几家都宣称在2025年前实现L4的高速物流自动驾驶。

　　由于自动驾驶的底层原理一样，视觉AI，AI处理器 等物理零部件支持下的传感器数据处理，行动规划，再到执行。显然卡车物流的自动驾驶会促进乘用车自动驾驶的发展，从产业供应链雷达等成本，到技术方案的优化和大数据的分析，例如Aurora不但发展卡车物理自动驾驶同时也进入乘用车自动驾驶，所以未来不乏这些公司会进入乘用车自动驾驶方案。

　　主要参考文章

　　1、图森tusimple投资者报告1和2

　　2、图森tusimple招股说明书

　　3、智加 科技 Plus投资者报告

　　4、EMBARK投资者报告

　　5、Aurora投资者报告

　　转载自网络，文中观点仅供分享交流，不代表本号立场，如涉及版权等问题，请您告知，我们将及时处理。

　　今日（8月17日），上游新闻记者获悉，由中国汽研举办的“2020i-VISTA自动驾驶挑战赛虚拟仿真比赛”初赛正式启动，比赛共吸引了20余支参赛队伍报名，包括上汽大众、江淮汽车等车企，清华大学、吉林大学、中国矿业大学、北京联合大学、西华大学、重庆邮电大学等高校研究院所。

　　据介绍，经过中国汽研与参赛队伍前期的系统性培训沟通，目前所有参赛队伍已经做好了充分的参赛准备，纷纷摩拳擦掌，拿出了赛出好成绩的信心。

　　作为2020?i-VISTA挑战赛的新增赛项，“虚拟仿真挑战赛”面向L4高等级自动驾驶。仿真场景包括园区自动驾驶、高速公路高等级自动驾驶。园区环境模拟中国汽研礼嘉园区，将设置15个测试场景；高速公路环境模拟延崇高速北京段，将设置29个测试场景。

　　如果用形象语言来介绍，这场虚拟仿真挑战赛，就是将现实中的路况场景模拟出来，搬到比赛程序里面去。参赛车辆的性能数据，用的是各参赛团队研发车辆的整套数据，比赛成绩由电脑测试后输出，确保结果的客观公正。通过这种模拟测试，最大限度的还原了车辆在现实中的自动驾驶性能，和大家接触的赛车游戏有些类似。

　　值得一提的是，用虚拟仿真这样的方式来测试车辆，好处有许多，比如节约研发成本，缩短研发周期，增强车企研发实力等。因此，本次中国汽研所举办的“虚拟仿真挑战赛”对参赛单位能够及时发现不足，不断完善自动驾驶技术，有着很好的现实意义。

　　本次虚拟仿真预选赛的比赛结果，将于8月25日对外公布，届时所产生的5支晋级队伍名单，将于9月12日，前往参加“2020i-VISTA自动驾驶挑战赛”上的正式比赛。

　　本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

　　园区自动驾驶场景的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于自动驾驶 苏州、园区自动驾驶场景的信息别忘了在本站进行查找喔。