智能驾驶加速，无人驾驶可期。

从广义上来看，无人驾驶属于智能驾驶的最高级阶段。智能驾驶已开始产业化进程，各大跨国车企亦制定了相应的智能汽车商业化计划。目前汽车行业处于“辅助驾驶”和“半自动化”阶段，而“有条件的自动化”已有一定的技术储备,预计在2020年前后将迎来高级无人驾驶产业化高潮。

美国汽车专业调查公司IHS Automotive 预测，高度自动化无人驾驶量产汽车将在2025 年上市，估计销量可达到23万辆。到2035年，无人驾驶汽车年销量将达到1180万辆，约占总销量的10%。2035年无人驾驶汽车在北美市场份额可以达到29%，中国无人驾驶汽车市场份额为24%，欧洲市场份额为20%。

到2055年，有90%的车会被有无人驾驶功能的汽车替代，而在2020年之前，各种ADAS 将迎来高速发展，如自动紧急刹车AEB 模块，出货数量将从2014 年的310 万套增长到2020年的1900万套。

我们不妨大胆预测，到2055，人类开车上路或将受到限制，随处搭乘无人驾驶的新能源汽车将成为日常出行的常态。

资本市场对此反应灵敏。根据不完全统计，2017年上半年无人驾驶领域公开的投融资及并购案例共32起，已知的投融资涉及金额超79亿元人民币；智能汽车厂商蔚来汽车和小鹏汽车以23亿元、22亿元的融资规模位列第一和第二；并购案例涉及金额超千亿人民币，最大的一次并购是英特尔153亿美元收购ADAS巨头Mobileye。

传统车企或将完胜互联网企业

智能化是汽车行业的一大方向，所以几乎世界上所有的传统车企都在紧锣密鼓地通过自主研发或者并购，加紧布局无人驾驶。

从国外车企来看，大众将在2020年前后在每个细分市场都推出全无人驾驶汽车；宝马与英特尔、Mobileye联手在完全无人驾驶汽车领域进行深度合作，将在2021年推出完全无人驾驶汽车，并使其上路行驶；奔驰S500已开始无人驾驶路试,并推出“Highway Pilot”系统，未来的商用时间预计在2020年左右，计划于2020年前推出首款无人驾驶汽车凯迪拉克SRX；沃尔沃发布Intelli safe无人驾驶计划,到2020年实现高度无人驾驶；福特搭载预碰撞和行人检测技术蒙迪欧车型已经在欧洲上市,于2017年在美国上市，包括多项无人驾驶技术的汽车将于2019年左右在全球普及；丰田力争在2020年实现无人驾驶汽车的商业化，投入销售；日产在2020年将在美国、欧洲、日本和中国推出一系列具备无人驾驶功能的车辆，实现无人驾驶技术商业化；特斯拉的创始人埃隆·马斯克(Elon Musk)今年1月在Twitter上表示，特斯拉的“完全无人驾驶能力”将在3-6个月内开始明显脱离无人驾驶系统。

从国内来看，比亚迪于2014年推出了针对燃油车的智能驾驶计划“智战略”，包括智能车联、智能驾驶、智能安全三个方面,已经应用于S7、G5、新M6等几款车型，比亚迪在智能驾驶方面已有相当的技术储备,未来2年将会有大量智能驾驶的技术应用于新能源汽车上；上汽集团推出智能互联SUV RX5、智能驾驶汽车MG iGS，计划在2020年推出能在结构化道路上行驶的无人驾驶汽车；北汽集团研发无人驾驶电动车，面向公众试乘，最快2017年实现商业化；长安汽车推出智能互联SUV CS95,完成2,000公里无人驾驶路试，目标2018年量产高速公路无人驾驶汽车；吉利汽车的沃尔沃实现无人驾驶车量产，吉利博瑞搭载ADAS模块，未来2-3年推出无人驾驶汽车。

在汽车之外，包括很多汽车部件供应商和Google、百度等互联网企业以及Uber等智能出行企业众都在抢摊未来的“无人驾驶”市场，那么谁将从中胜出？我们将拭目以待。

不过，美国市场研究机构Navigant Research今年4月发布的一份报告，依据10项标准，对18家汽车厂商、供应商和技术公司开发无人驾驶系统的策略和执行情况进行量化评分。

结果显示，从整体排名和梯队划分来看，无人驾驶目前的竞争态势是传统车企完胜互联网公司及相关创新企业。

这18家企业的前后排名分别是福特、通用、雷诺日产、戴姆勒、大众、宝马、Waymo、沃尔沃／AUTOLIV/zenuity、德尔福、现代、标致雪铁龙 (PSA)、特斯拉、丰田、采埃孚 (ZF)、本田、Uber、nuTonomy、百度。 

决策和执行环节的创投机会备受关注

上述热潮必将带动无人驾驶市场的创新活跃。

实际上，无人驾驶技术并不是一项单一结束，而是多个层次大量技术的集成。基于无人驾驶的功能实现，技术可以划分为感知、决策和执行三个环节。

从资本市场布局的环节来看，感知环节的竞争已经很充分了，现在能够投的案子越来越少，或者说价格也越来越高了，因此目前的创投机构都在集中在决策和执行环节。

在决策环节，决策系统需要对不同传感器所采集的信息进行感知判断，并预判汽车的下一步动作，决策系统的核心是算法。控制系统是车企与Tier 1擅长的领域，二者有大量的经验积累。

从目前算法实现方案来看，目前分为机器学习算法和深度学习算法。机器学习算法符合程序设计特征，适用于简单情景下的无人驾驶，实现ADAS场景下的功能，如高速公路的车道保持，如ACC（主动跟随巡航）、AEB（自动紧急刹车）等。

深度学习主要完成目前流行的端到端方案，即从传感器的输入直接导出控制端的输出，中间采用深度学习算法推演，完成对车辆行驶过程中复杂环境的判断。相对于较为传统的机器学习算法，有自动学习的特征。

这方面的创新公司很多，受到创投机构的追捧。2014年成立于硅谷初创无人车公司Zoox，截止2016年10月已经完成2轮2.5亿美元的融资，估值高达17.5亿美元；2015年的创立的Drive.ai利用深度学习来解决自动驾驶工程中出现的一系列问题，目前已获得包括北极光、纪源资本等多家机构的2轮7200万美元的投资；2014年创立的日本机器学习公司Prefered Networks，在2015年获丰田出资820万美元，估值已经高达333亿美元;百度无人驾驶团队在2015年7月创办的地平线机器人，设计了高性能的物体检测算法，让单目摄像头可以进行精确的环境感知，目前已经获得了晨兴、高瓴、红杉、金沙江、线性资本、创新工场和真格基金等多家机构的联合投资，截止2016年10月估值已经高达30亿美元； 2016年3月，无人车技术初创企业Cruise被通用汽车以10亿美元收购；商汤科技团队在2016年1月创办的Momenta，专注于深度学习的环境感知和高精度的地图、驾驶决策技术，在2016年11月已经获得了蓝湖资本、创新工厂等500万美元的A轮融资。

对于无人驾驶这样的复杂任务，在设计软件的同时，还必须考虑与之匹配的硬件效能，特别是芯片。

类似于手机由功能机进入智能机时代，传统的汽车半导体供应商NXP和瑞萨汽车电子以及新进入者intel、英伟达等纷纷位于绸缪，推出了针对智能驾驶的集中式控制系统架构，对传统的光伏采取的分布式架构提起挑战。如果集中式架构得到推广，那么以提供传感器感知处理硬件和算法为核心的公司和创业公司可能会面临巨大挑战，在执行层面，不同于传统汽车，无人驾驶汽车的执行期需要电子信号控制，而不是由机械方式或者用油压方式控制。之所以需要电控，是因为执行期需要直接响应决策层的电子决策命令，没有驾驶员通过机械或者液压的方式出发。

执行机构逐步从机械结构向电子结构转换，升级过程中，加入了驱动电机以及ECU控制器等电子元件。新的执行结构在电控基础上，配合传感器数据，加上控制决策算法，为车辆带来无人驾驶功能，带来数倍价值的提升。

执行层大多数技术，如线控技术、底盘电控技术等核心技术大多已被老牌的Tier 1和车企掌握，一般的企业很难打入这一市场。可以遇见的是，传统的汽车零部件企业在这个领域已经进行了长期积累，仍将占据主导地位。

从无人驾驶的发展阶段来看，尽管不少厂家都对外宣称将在2020年以后推出L4、L5级别的无人驾驶产品，但我认为在技术上仍面临诸多挑战。

例如，硬件上需要通过多种传感器方案提高可靠性和环境的适应性，基于视觉的无人驾驶方案仍不成熟，基于规则的行为决策仍难应付复杂的交通环境。

无人驾驶的普及可能还需要二十年的时间，消费者对典型汽车技术对接受往往需要数十年，才能达到较高的渗透率，如电子稳定性控制在美国用了14年实现100%新车采用率；混合动力系统用了25多年的时间达到4%的渗透率；安全期汤用了25年达到100%渗透率；自动变速器用了50年达到了50%渗透率。

因此，麦肯锡估计到2030年，在乐观情形下，全无人驾驶汽车在新车销售的渗透率有望达到15%，保守情形下全无人驾驶汽车仍未进入市场。

从无人驾驶的应用场景来看，限定场景的无人驾驶方案有望率先取得商业化进展，因此在物流、工程、农业与园区等领域将受到一级市场的重点关注。

返回第一电动网首页 >