说起今年的自动驾驶行业，可谓是充满了大新闻。如果要逐一总结大事件，那估计都能出本书了。但是我们还是试着在几千字的篇幅里把今年自动驾驶领域的几个趋势和热点事件做做解读。

传统车厂的反击

对于传统车厂来说，务实才是做生意的根本。大家都承认自动驾驶会是未来，不过发展自动驾驶的前提是不能影响现阶段的产品开发与销售。

很好的例子就是福特，他们在今年年初以十亿美元收购自动驾驶初创企业 Argo.AI，高调发展自动驾驶。结果其前 CEO Mark Field 却因过度强调科技转型、忽视现有产品而被董事会弹劾下台。新 CEO 上台后声明将推迟原先指定的 2021 年推出 L4 自动驾驶的计划。

在欧洲，一直十分重视自动驾驶的沃尔沃也将自己原定于今年启动的自动驾驶测试项目「Drive Me」推迟到了 2021 年。可以说面对自动驾驶，传统巨头们已经从狂热渐渐追逐，变成了冷静规划。

不过可不要以为传统车企放弃了在自动驾驶领域的反击。他们把精力都放在了其最大优势：量产产品上。今年 7 月在巴塞罗那上市的新奥迪 A8 是一个强劲的反击信号：它是全球首款搭载了 L3 级别自动驾驶的量产车，可在不高于 60km/h 的速度下，在法律允许的区域内实现自动驾驶。（也有人认为奥迪 A8 只做到了 L2.5 级别）

在我看来，新一代 A8 所承载的最重要意义是奥迪对于自动驾驶供应链的整合。除了搭载激光雷达、摄像头、毫米波雷达、超声波雷达等传感器之外，新 A8 自动驾驶的核心控制单元——由德尔福整合的 zFAS，对于控制器更是像一块强大的主板：集成了 Mobileye 的 EyeQ、NVIDIA K1 GPU 以及 Altera Cyclone FPGA 等各路芯片于一身。

新 A8 证明，不管是科技公司、Tier 1 供应商，还是芯片供应商，只要想让自己的自动驾驶的技术在量产产品上落地，最终还是要回到统一的汽车供应体系下。大家要一起与车厂合作，而不是各自为战。

除了 A8 之外，今年发布的凯迪拉克 Super Cruise，奔驰 Drive Pilot 等也都是非常成熟的半自动驾驶解决方案，这里不赘述了。感兴趣的可以看看我们另一篇总结文章：《2017，这几辆车让我们离自动驾驶更进一步》

零部件供应商的转身

一直以来，汽车行业的 Tier 1 供应商们都给人一种闷声发大财的低调印象。不过今年他们的风格变了。

自动驾驶涉及到感知，地图，决策，控制等多个环节，纵使是 Tier 1，也不可能自己搞定一切，因此想要给车厂这个客户爸爸提供满意的解决方案就必须找别人合作。而这些合作伙伴中，又有很多行事高调且来自于汽车行业之外的科技公司。所以对于 Tier 1 们来说，不管是从技术体系、合作模式，还是宣传策略上，都面临着转型。

最直接的方式就是与科技公司结盟。在这一年中，你能数得出来的 Tier 1 巨头几乎都拉到了自己的盟友。博世和采埃孚联手英伟达和百度，大陆和德尔福则加入到了宝马、英特尔的阵营。

更有甚者，直接选择变身为科技公司。9 月份德尔福正式将自己的动力总成业务分拆，成为「安波福」（Aptiv）和「德尔福科技」两家公司。其中安波福的定位就是一家聚焦于汽车前沿创新领域的科技公司。关于具体情况，可参考我们的文章 《从德尔福分拆之后，安波福第一次面对媒体，他们说了什么？》

从技术上讲，上述供应商也都与各自的盟友一同公布了成果。比如 博世在上海车展期间公布了与国内三大图商共同合作的云端路书 BRS，通过孵化器与更多初创公司合作。再比如 大陆的 CUbE 无人车 等等。

源于自身的供应商角色，以及对自动驾驶和整车开发的了解，Tier 1 供应商们在车厂和科技公司之间起到了非常重要的整合作用。现阶段，科技公司的自动驾驶技术——不管是硬件还是软件——最终得以在车厂项目中 SOP，都离不开 Tier 1 的功劳。因此我们在后续的分析中还会频繁看到他们的身影。

芯片公司的角力

说起今年自动驾驶领域最大的新闻，我觉得当属英特尔斥资 150 多亿美元收购 Mobileye。这样的手笔既说明芯片业的巨大价值，也说明芯片公司做自动驾驶的决心。

英伟达以及英特尔都已经在今年相继公布了了自己在自动驾驶领域的产品。今年，英伟达公布了其 Drive PX 旗下的最新产品 Xavier 以及未来的下一代产品 Pegasus，并基于 Xavier 分别联合博世以及采埃孚推出了车载 AI 超级电脑。关于英伟达产品的解析可以看我之前的文章：《GTC 2017 | 一篇文章看懂英伟达自动驾驶解决方案》

英特尔方面，他们通过收购了 Altera 以及 Mobileye 获得了 FPGA 架构以及 EyeQ 芯片。据英特尔透露，Mobileye 的最新一代 EyeQ5 芯片能够提供每瓦特 2.4 DL TOPS（万亿次/每秒）的效能。这比英伟达公布的 Xavier 效能要高出 2.4 倍。另一家芯片巨头高通，除了继续消化收购恩智浦所得到的资源外，也在 2017 年 12 月初拿到了美国加州自动驾驶路试的许可。

从 PC 时代开始，芯片行业就是竞争极其激烈的领域。虽然英伟达 CEO 黄仁勋在 GTC China 的采访时一再强调英伟达做事业依靠的是爱，但在汽车行业中，他的公司与英特尔却是在针锋相对。

与消费电子有所不同的是，汽车所使用的计算芯片在功耗、稳定性及安全性等方面都有着更高的需求。GPU 和 CPU 这种通用计算芯片是否能够针对车载应用做出优化便成为了一大挑战。因此，别看英伟达和英特尔在汽车领域风生水起，但是目前真正进入 SOP 的产品并不多，车企也在期待着更多选择的出现。

这其实给了其他公司机会：做专门用于汽车场景的计算芯片，例如针对 ADAS 的视觉感知芯片。领军者 Mobileye 令人咋舌的产品售价更是让一些国内创业公司也瞄准了这块蛋糕，比如地平线就在本月公布了其自研 ADAS 芯片「征程」，并将在 CES 2018 上与英特尔联合推出前装方案，他们希望依靠对中国市场以及深度学习的理解来追赶 Mobileye。

我们上面这些还只是在讨论终端方案，如果把目光移到云端，那参与的玩家就更多了。科技巨头谷歌公布了专用于深度学习的计算芯片 TPU，还有国内的芯片独角兽寒武纪等等。

竞争的加剧其实是车厂乐于见到的，因为这将给他们带来更多的选、更高的议价与定制能力，以及更低的风险。毕竟他们内心也不希望被芯片公司的「AI 神教」带了节奏。而对于已经享受到极大红利的教主老黄来说，表面谈笑风生，背后狂憋核弹依然会是最好的应对方式。

人工智能的疯狂

人工智能实在是太火了，不加个「.AI」的域名都不好意思自称科技公司。不过话说回来，AI 对自动驾驶的重要性还是毋庸置疑的。Mobileye CTO Shashua 教授曾把 AI 在自动驾驶车辆中的应用归纳成了两个主要的部分：

环境感知：类似于 ADAS 的摄像头识别，将车载传感器所传回的数据进行分析与融合，并解析出周围的驾驶环境。在这一部分中，AI 或深度学习的主要作用是让汽车能够看得更准。例如系统可否通过传感器数据识别出前方车辆的具体形态、属于什么类型的车、距离本车还有多远，甚至是识别出前方车辆驾驶员的性别等等。同理的应用还包括行人、非机动车、车道线、道路标识、道路两侧环境等等元素。

这个领域的 AI 应用有着相对固定明确的学习准则，可以对已收集的数据进行重复的使用，比如同样的一组车辆图片或视频素材，你可以让系统重复对其进行识别和学习，直到准确率满意。因此其数据收集的难点在于如何覆盖到足够全的环境素材，以及各个国家地区不同的行驶环境特征。

驾驶决策： 系统在完成环境感知后如何做出相应的驾驶决策。这个领域中，AI 的作用是让机器能够像人类一样开车，同时还要保证安全。目前在道路上测试的大部分自动驾驶车辆，其驾驶决策严格遵守交规，极其保守。但是在真实环境中，人类司机的驾驶决策并不遵循一个明确的准则，而是结合了和其他司机的博弈。比如在中国，严格按照交规开车是没「前途」的，真正的老司机都是见缝插针、规避摄像头、钻交规空子的能手。（当然我们开车还是要遵守交规）

因此，要想让机器真正成为老司机，并能够在真实场景中与人类司机共行，就需要收集更大量的行驶数据。并且谈判没有固定准则，且会对环境造成影响。收集来的数据无法重复利用，每一次决策迭代，都需要重新收集数据。因此驾驶决策也比环境感知更难。

可以看到，AI 在自动驾驶当中的应用，需要大量的数据支撑，同时也对深度学习的效率提出了很高的要求。所以不管是创业公司，还是汽车巨头，都在瞄准这个领域。今年国内浮现的 AI 创业公司中绝大部分目前还都是在做环境感知相关的 AI，将其称为机器视觉公司或许更为合适。而部分巨头公司例如宝马及谷歌则已经开始攻克驾驶决策相关的部分。

AI 的爆发也让汽车行业意识到了软件算法的重要性，不管是车企还是 Tier 1 都在强调自身团队中软件工程师占比增多的事实。博世甚至还自己成立了专门的 AI 研究中心，以及汽车 AI 领域的孵化器。

关于 AI 在汽车领域的发展，我个人十分同意 Shashua 教授的观点：它是技术问题，更是一个运营问题。在保证 AI 人才的基础之上，如何获得更多的数据才是关键。

互联网公司的生态

提起自动驾驶行业内的互联网公司，今年有谁能火过百度？7 月份正式公布 Apollo 自动驾驶平台（具体可查看 《一篇文章读懂百度的自动驾驶布局》），可以说是中国自动驾驶圈内最大的事了。关于 Apollo 行业内褒贬不一，但是它确实将中国大型互联网公司平台化的生态理念带进了汽车行业。

Apollo 平台基本上囊括了自动驾驶所需要的全部元素。软件算法、高精度地图、传感器、计算芯片、云服务等等可谓是一应俱全。不过这其中的很多技术看似又不是百度的强项，反而是来自于平台上的其他合作伙伴。那么这个平台存在的意义究竟在哪里？为什么大家会选择与 Apollo 合作？这可能是大部分质疑 Apollo 的观点的出发点。

在我看来，正如 Shashua 教授的观点，还是要从技术和运营两方面来看。

技术层面上，百度最重要的优势是在国内高精度地图以及云端计算领域的积累。地图资质是中国企业的天然优势，这也是为什么博世要与百度、高德、四维图新这三大图商合作的根本原因，而云服务才是中国互联网公司布局的根本。自动驾驶的算法训练需要在云端数据中心完成，然后再通过 OTA 的方式更新到终端里。因此云端是数据的归属以及计算能力的最大体现。

虽然目前还有车厂主张自建云用于自动驾驶，但是在中国，用户的使用数据和习惯都是掌握在互联网公司手中，而自动驾驶的使用场景本身就会与很多互联网服务进行融合（例如 LBS、语音交互、多媒体娱乐等）。这就意味着当汽车互联技术发展到一定程度时，自动驾驶所使用的云端势必会与更贴近用户的互联网公司云融合在一起。这也是为何百度这样的互联网公司要做平台的原因。

其实阿里和腾讯在这个领域也有着很广的布局，从其对新造车公司的投资就能看出他们的野心。那么为什么是百度挑头做自动驾驶平台？这就要说到运营的方面了：

在 BAT 三家中，百度相对来说是 C 端入口最弱的一家，其商业模式主要依靠为 B 端提供服务（例如广告，语音）等。同时，百度通过做搜索引擎又积累了很多机器学习相关的经验。如此一来，在 AI 时代其自然会选择一条最适合自己的道路：做一家 AI 相关技术的供应商。Apollo 就是这个方针中针对于汽车行业的产物。

由于百度庞大的体量和影响力，他们与车厂对接起来会更容易。而至于为什么会强调平台的「开放」，你见过有几个供应商还挑客户的吗？

强如谷歌这样的互联网巨头，都已经将自己的自动驾驶部门独立出来成立 Waymo，并与 FCA 合作推出了自动驾驶版 Chrysler Pacifica。那么别的互联网公司还有什么理由继续「闭门造车」呢？

还好，我们有马一龙

说起自动驾驶的创新发源地，Elon Musk 的大脑和嘴巴绝对会算在其中。他用着我们在初中就接触过的物理定律做着我们觉得不可能完成的事情。今年他领导的特斯拉又做了下面两件重要的事情：

1. 再次强调摄像头为核心传感器的思路：2016 年 Autopilot 2.0 发布时，特斯拉已经声明他们所搭载的硬件具备了完全自动驾驶的能力。其包括 3 个前置摄像头、2 个侧边摄像头、3 个后置摄像头、12 个超声波传感器、一个前置雷达、一个后置倒车摄像头以及 NVIDIA  Drive PX2。而马一龙在 2017 年 5 月份 Ted 的演讲当中曾经说：「如果将摄像头的潜力发挥出来，我们绝对能够达到比人类高出约 10 倍以上的识别能力。」他还在演讲时对外公布了一个 Tesla Model S 的自动驾驶路测 Demo，视频中的车辆仅仅依靠着摄像头识别和 GPS 定位就完成了实际道路环境当中全自动驾驶。在 Elon 看来这样的配置基本上与人类的感知方式是一致的，如果说人类能够靠双眼和方向感、定位感来开车的话，机器也应该可以。他当时还承诺在 2017 年底，特斯拉将可以实现从洛杉矶到纽约的全程自动驾驶，在这个几乎穿越整个美国的过程中，司机都不用对驾驶进行任何干涉。

不过就像 Model 3 的大规模量产一样，这个自动驾驶的承诺也跳票了。我们在 Autopilot 2.0 发布一周年时还特意撰文分析了这个事情：《特斯拉 Autopilot 2.0 诞生一周年：是 Elon Musk 在吹牛，还是真的「卡壳」了？》。在我看来 Elon Musk 并不是在吹牛，在他那个完全物理化的大脑逻辑中，Autopilot 2.0 确实具备了足够的硬件实力，什么激光雷达所提供的冗余也是没有必要的。行业中基本也已经达成共识：摄像头、雷达加软件算法的方案才更加现实。之所以马一龙没能兑现这个承诺，或许还是因为其对于算法迭代速度、团队及供应商工作效率的过分乐观与期待。

2. 决定自研芯片： 还记得 2016 年特斯拉放弃与 Mobileye 继续合作的事情吗？历史总是惊人的相似，在 2017 年的神经信息处理系统大会（NIPS 2017）上，马一龙和他从 AMD 挖来的传奇芯片架构师 Jim Keller 正式对外承认：特斯拉正在自主研发自动驾驶芯片。这主要是因为现有的芯片供应商无法很好的满足特斯拉对于高级别自动驾驶的计算要求。正像我们在」芯片公司的角力「那段中所分析的，特斯拉现在所使用的 NVIDIA Drive PX2 虽然已经是业内领先的自动驾驶计算平台，但其使用的 GPU 在功耗和综合效率上依然存在不足，对于高性能电动车来说，计算芯片的高功耗会直接影响到车辆性能甚至续航里程。以 Elon Musk 的超高要求，这是绝对不能接受的。

老黄虽然是特斯拉的忠实粉丝，但由于他的 GPU 覆盖了 AI 领域的众多应用，且也一直忙着和各大车厂搞合作，我想他着实是没有余力能够为特斯拉专门高度化定制一款计算芯片了。在这个情况下，Elon Musk 再次祭出了其物理定律的一大准则：求人不如求己，既然别人给不了我满意的解决方案，那我们就自己做！据称这款芯片将基于 AMD 的 IP 打造，功耗仅是当前的十分之一，且性能甚至要比 NVIDIA 最新的 Pegasus 还要好。这样的 Flag 无疑又给自研芯片领域打了一针鸡血。

读过马一龙传记的人一定知道，除了其遵循的基本物理定律与超强的执行力之外，他对于团队工作速度以及工作成果的要求也只能够用「恐怖」和「独裁」来形容。因此，他对成果和时间点的预估永远都是那么乐观，即使真实情况可能远没有他期望的那么顺利。不过他对自动驾驶的最大贡献还是来自于对行业的大胆设想与尝试：当传统车企行业都在等待激光雷达量产时，他敢于站出来说现在的硬件就够用了；当大家都在与 NVIDIA 合作时，他确说我们要自己干了。在他的设想中，自动驾驶实现的最大难点其实是在于人们的接受程度，没有系统能 做到百分之百安全，重要的是要做到什么样的安全水平才能够拿给公众来用？我想在这一点上，Elon Musk 一定比其他人都更加有胆识。

你大概会因为 Model 3 量产 和 Autopilot 的跳票而对 Elon Musk 丧失了一些信心。但是，我想举一个可能不太恰当的例子：在八十多年前，另一位擅长独裁的疯子定义了汽车工业史上第一款真正意义的「人民之车」，这辆车最终成就了当今规模最大最成功的传统车企之一——大众。现在的马一龙不也在尝试定义电动和自动驾驶时代的「人民之车」么？虽然他也很疯狂（貌似还很享受别人叫他疯子），但是他毕竟不反人类啊。

在 11 月 Tesla Semi Truck 和 Roadster 的发布会上，马一龙用了一首非常能反映他当时心情的硬摇滚歌曲来作为出场 BGM：美国摇滚老炮儿 Queens of Stone Age 的《Feet Don’t Fail Me》，翻译成中文就是「现状才不会限制我」，强烈推荐大家听一下。抱着一股摇滚精神，多给他一些时间吧。

结语

其实除了上面提到的这六个趋势，2017 年自动驾驶领域发生的事情还有很多很多。比如在政策方面，12 月， 北京市交通委网站下发通知，印发了《北京市关于加快推进自动驾驶车辆道路测试有关工作的指导意见（试行）》和《北京市自动驾驶车辆道路测试管理实施细则（试行）》。还有大家都喜闻乐见的撕逼大战，比如 百度起诉已经离职创立景驰的前高管王劲 。这些事情说明，不管是政府、企业还是资本，大家都越来越关注自动驾驶了。

自动驾驶覆盖之广，所包含环节之多，让汽车行业不得不更进一步的走出传统观念与做事方式的舒适区。这催生出了很多我们意想不到的融合与转变。2018 年，我们可能会见证更多相关的实际成果公布（期待 CES 2018），而我们作为见证者和将来的用户，也更应该对自动驾驶多一份了解与肯定。

按蔚来汽车创始人的说法，自动驾驶时代，买车就等于送司机；马应龙也说过，自动驾驶时代，人们能够实现真正的汽车共享，当你不用车的时候，它能出去拉你的亲人、朋友，甚至是拉其他的客人来赚钱。这样的时代，难道不值得令人期待吗？

在 2017 年初，我就惊叹于自动驾驶发展的速度远超出我的想象，转眼之间一年已经过去，我想这个速度只会更快。

返回第一电动网首页 >