人妻中文字幕无码专区,无遮挡h纯内动漫在线观看 ,一级无码奶水在线观看,人妻熟妇乱系列,欧洲无码免费黄片,69堂精品,成年在线观看免费人视频,国产在线大学生,五月天伊人久久综合网,国产精品欧美精品污污

九月初的美國勞動節(jié)，硅谷遇上創(chuàng)歷史紀(jì)錄的熱浪，出現(xiàn)了幾十年難遇的40度高溫。目前創(chuàng)投界同樣也有兩個熱火朝天的領(lǐng)域：一是比特幣與ICO（請見我們兩周前的相關(guān)分享），另一則是自動駕駛。

16年3月通用汽車宣布收購自動駕駛初創(chuàng)公司Cruise Automation，兩月后以5.81億美金成交。在之后一年多里，自動駕駛領(lǐng)域急劇升溫，各類軟硬件相關(guān)公司相繼涌現(xiàn) 。17年的CES也被調(diào)侃為車展，汽車尤其是自動駕駛相關(guān)展位備受矚目。17年3月Intel以153億美金收購Mobileye，將此輪熱潮推至新高點。隨之而來的是領(lǐng)域公司估值的節(jié)節(jié)攀升：據(jù)KPMG統(tǒng)計，17年2季度美國初創(chuàng)公司種子和A輪投前估值中位數(shù)分別約為600萬和1500萬美金；相比之下，自動駕駛領(lǐng)域公司A輪投前3000萬已算低估值，5000萬以上也不少見，個別已1億左右。數(shù)家公司估值已達數(shù)億美金，比如獨角獸的ZOOX和Quanergy；以及Velodyne，Drive.ai，Nauto，nuTonomy，DeepMap，圖森，Momenta，等等。科技巨頭們?nèi)鏕oogle，Apple，百度，Tesla，Uber均也重金投入。

作為科技投資者，我們堅信自動駕駛是一影響深遠的未來趨勢。與什么時候能買到質(zhì)量過硬的Velodyne 64線激光雷達相比，自動駕駛的最終實現(xiàn)是確定的，但同時我們也認(rèn)識到其技術(shù)發(fā)展和商業(yè)化將是一長期過程，長于目前高估值高投入背后投資者與創(chuàng)業(yè)者的預(yù)期。當(dāng)然，這里不排除部分投機性的創(chuàng)業(yè)和資本，寄希望于熱潮中短線的收購機會。在接下來有限的篇幅內(nèi)，我們將討論領(lǐng)域一些方面的發(fā)展與挑戰(zhàn)，以及投資觀點。相信大家已閱過數(shù)篇關(guān)于領(lǐng)域的介紹／報告，我們就不贅述相關(guān)基本概念和框架。唯一需說明的是這里對自動駕駛的定義為SAE L4和L5，即車輛一旦進入自動駕駛狀態(tài)，則無需任何人為監(jiān)控和干涉（圖1）。

圖1SAE自動駕駛分級

傳感器組合一直是個熱議話題。目前的討論圍繞兩個陣營：以激光雷達為主，和以攝像頭為主。其實這樣的觀點僅僅反映出當(dāng)前技術(shù)發(fā)展階段，而最終自動駕駛的實現(xiàn)一定是至少三類傳感器（攝像頭，毫米波雷達，激光雷達，其它非環(huán)境感知傳感器除外）的同等融合，不存在主次之分。科技的發(fā)展經(jīng)常受歷史原因和便利性的影響，而不簡單是純粹技術(shù)之間優(yōu)劣推理。

激光雷達為主的技術(shù)路徑源自Google自動駕駛歷史。回到09年，項目主要人員如Sebastian Thrun和Chris Urmson等還在Google X搗鼓。那時GPU還未盛行，ImageNet剛以一張會議海報的形式誕生，CNN（convolutional neural network）還未被挖掘出潛力，也不是所有公司都是人工智能公司。Thrun和Urmson教授身懷兩屆DARPA無人車挑戰(zhàn)賽的經(jīng)驗，當(dāng)時參賽車輛上也有一些攝像頭，但老實說大家都不知道怎么用好，用得最多的還是各種激光雷達。在Google大佬們鬧著要看demo的壓力下，團隊選擇了延續(xù)DARPA挑戰(zhàn)賽的技術(shù)經(jīng)驗與路徑 － 激光雷達與SLAM（simultaneous localization and mapping），再結(jié)合Google地圖的積累和優(yōu)勢，以激光雷達與其制成的3D地圖作為核心技術(shù)。

8年后的今天，Google積累了大量經(jīng)驗，無疑是此路徑的領(lǐng)跑者，也引來了相當(dāng)多的效仿者。鬧得沸沸揚揚的Google和Uber商業(yè)機密案體現(xiàn)出此路徑對激光雷達的依賴。而真正符合汽車級規(guī)格的固態(tài)激光雷達，不論是OPA（optical phased array），MEMS（microelectromechanical systems），F(xiàn)lash，等，離成本合理的量產(chǎn)還有較遠的距離。

另一方面，攝像頭為主的路徑源自汽車行業(yè)，與Mobileye不無干系，并受近5年來視覺算法大幅提升的影響。Mobileye圖像處理芯片一路從后裝做到前裝，ADAS是專攻，除安全性外性價比一直是重要維度，必需符合利潤空間狹窄的汽車行業(yè)要求。車企們首要目標(biāo)是賣車，不是滿足科技大亨們的blue-sky toy project，眼前的市場是ADAS，不是自動駕駛。近年來深度學(xué)習(xí)大幅提升機器視覺性能，Tesla主推的攝像頭自動駕駛解決方案成為典型代表。當(dāng)然Tesla的根本目的也是為了近期銷量，大勢包裝的Autopilot無疑有過分炒作的嫌疑（大家猜猜Tesla車上裝的8個攝像頭有幾個實際在被使用）。在最近不到兩年內(nèi)，國內(nèi)外多起Tesla Autopilot相關(guān)車禍也揭示了其不成熟的傳感器融合方案。

過分強調(diào)激光雷達或攝像頭實際上從側(cè)面說明了目前傳感器融合技術(shù)發(fā)展的不成熟。比如不少人將毫米波雷達視為簡單的障礙偵測傳感器，作為不良天氣和光線情況下的備用。實際上不論環(huán)境狀況，雷達時常是傳感器融合中第一步，由它先檢測出周圍環(huán)境中的障礙物和運動速度／方向，再由其他傳感器識別確認(rèn)。并且我們從對汽車產(chǎn)業(yè)鏈（從OEM到Tier-2）調(diào)研中了解到，毫米波雷達存在較大的性能和性價比提升空間，如通過提升各測量維度（距離，水平方位角azimuth，垂直方位角elevation）的解析度，可實現(xiàn)3D雷達成像（圖2），從而大幅提高對環(huán)境場景的理解能力；同時通過多普勒效應(yīng)生成的雷達標(biāo)記對物體進行分類與識別，實現(xiàn)從detection到perception的升級。此外，毫米波雷達核心芯片的一體化將大幅降低雷達傳感器的系統(tǒng)成本，提升單車?yán)走_配置數(shù)量，從目前前后總共1-3個增加到車身一周5-7個。

圖2毫米波雷達三維測量（左）及其對應(yīng)的3D球坐標(biāo)系（右）

傳感器組合的硬件性能設(shè)定了自動駕駛環(huán)境感知模塊性能的上限。算法不是萬能，且算法性能的重要突破不少時候源自于相關(guān)硬件的變革與提升，比如目前風(fēng)行的深度學(xué)習(xí)。環(huán)境感知作為自動駕駛SLAM和計劃決策兩個必需模塊的輸入，占據(jù)幾乎首要的地位。與其它模塊相比，環(huán)境感知尚存更多科學(xué)問題，不僅僅是工程優(yōu)化?？蓴U展和成熟的自動駕駛方案應(yīng)平等合理地使用各類傳感器，達到互補及冗余。依賴任一傳感器說明其它傳感器還不好用或用不好。我們認(rèn)為目前的傳感器硬件和其軟件融合離達到L4和L5還有相當(dāng)距離。

與傳感器相比，計算平臺似乎受到（風(fēng)險）投資者的關(guān)注較少。此塊是巨頭競爭格局，參與者包含Intel/Mobileye，NVIDIA，NXP/Freescale，Infineon，Qualcomm，Xilinx，等大中型半導(dǎo)體企業(yè)。了解車載計算對理解自動駕駛有指導(dǎo)性的意義。

首先相信大家已認(rèn)識到那種塞滿后備箱的CarPC風(fēng)格的計算架構(gòu)是不現(xiàn)實的產(chǎn)品設(shè)計。它代表著一種極度中心化的架構(gòu)，將所有相關(guān)處理集中，甚至有人提出smarter compute，dumber sensors的理念。不少初創(chuàng)公司選擇此架構(gòu)，主要是為了更容易開發(fā)出demo，但也體現(xiàn)出團隊對汽車電子的理解不足。此架構(gòu)的擴展性和容錯性較低，功耗巨大尤其對于純電動車輛（整套計算系統(tǒng)可上千瓦），很難達到汽車級規(guī)格，也不符合車廠利益。如果換成符合汽車規(guī)格和功耗要求的計算平臺，現(xiàn)有絕大部分demo會難做很多。

與消費電子不同，汽車電子的demo與實際產(chǎn)品可以存在巨大的鴻溝。用有限的計算資源保障算法的性能需要大量的反復(fù)實驗和實車經(jīng)驗，而脫車離線demo（如針對某數(shù)據(jù)組的物體識別與追蹤）在無計算資源和圖像幀率等背景信息前提下參考價值非常有限。

另外我們看到OEM與Tier-1/2們正在對原本分散繁多的獨立功能ECU（Electronic Control Unit）進行整合：首先將多個相關(guān)功能的ECUs并入單個ECU；更重要的是，用DCU（Domain Control Unit）代替分散的ECUs。以傳感器為例，目前采用Mobileye方案的單目攝像頭的CMOS輸出對應(yīng)一ECU，這塊電路板通常包含一塊Mobileye EyeQ3圖像處理芯片與一個Freescale微控制器（圖3）。如果車身裝有多個攝像頭，則需要多個這樣的ECU。隨著自動駕駛傳感器種類和個數(shù)的增多以及融合要求的提高，此架構(gòu)的系統(tǒng)復(fù)雜度和維護難度劇增。與之對比，2016年NVIDIA發(fā)布的Drive PX2 AutoCruise集成了Parker SoC和額外的CPU與GPU，可同時連接多個／類傳感器并處理其間融合及后續(xù)操控，構(gòu)成一個獨立單元DCU，適用于ADAS應(yīng)用（圖3）。

除通用計算芯片外，DCU也可集成類似Mobileye之類的ASIC。未來自動駕駛很有可能采用混合式分布架構(gòu)，包含幾塊負(fù)責(zé)不同功能模塊的DCU（而不是眾多分散獨立的ECUs）。由于技術(shù)與非技術(shù)因素，其中某些模塊會由OEM自己負(fù)責(zé)和控制，其它則由Tier-1/2供應(yīng)商提供。DCU推廣牽涉的因素包括：控制和降低功耗（目前NVIDIA AutoCruise與AutoChauffeur功耗分別為10W和250W，而Mobileye EyeQ3與EyeQ4為3-5W）；升級優(yōu)化DCU間通訊，如在CAN bus基礎(chǔ)上引入更高速率的Ethernet連接；調(diào)整AUTOSAR標(biāo)準(zhǔn)以適應(yīng)異構(gòu)計算和多核計算，等等。

圖3 Mobileye EyeQ3 ECU（左）與NVIDIA PX2 AutoCruise DCU ref. design（右）

自動駕駛帶來的新要求讓車載計算正在經(jīng)歷一場大的變革。由于汽車行業(yè)的長研發(fā)和產(chǎn)品周期，汽車電子與消費電子的較大差異，以及變革中涉及的各方利益和各種標(biāo)準(zhǔn)的修改制定，這個過程不會簡短，并會對初創(chuàng)公司們的技術(shù)／產(chǎn)品影響深遠。

當(dāng)然自動駕駛所需的技術(shù)不止于傳感器／環(huán)境感知與計算平臺，還包括SLAM，計劃決策，執(zhí)行操控等。目前所謂的Autopilot實際只主要涉及環(huán)境感知和執(zhí)行操控。在SLAM方面，絕大多數(shù)公司模仿Google技術(shù)路徑，先掃描制作駕駛環(huán)境的高精地圖，再在行駛過程中利用激光雷達／攝像頭配合GPS/IMU/Odometry，抓取環(huán)境特征并與預(yù)制地圖對比匹配完成定位。此方法的限制是對高精地圖的依賴，需要先有地圖覆蓋才能行駛，每當(dāng)環(huán)境發(fā)生變化就需更新地圖，所以高精地圖的覆蓋和維護會成為部署擴展性的一瓶頸。

而另一地圖路徑則是以Mobileye為首的眾包模式，但前提是任何駕駛區(qū)域內(nèi)有足夠多裝有傳感器車輛，且還需要強大的通訊和云端支持，目前這些還基本停留在概念階段。我們也看到研究者們正在探索新的SLAM算法，如各類只基于攝像頭的visual SLAM；及融合了深度學(xué)習(xí)技巧，對場景有更好的理解能力，目標(biāo)是達到無需預(yù)制地圖和更高的魯棒性。但這些令人興奮的研究離產(chǎn)品還有較遠的距離。而對于計劃決策模塊，大多數(shù)初創(chuàng)軟件公司積累甚少，但此模塊恰恰是為什么人需要上駕校學(xué)開車的原因。所謂駕駛技術(shù)好壞很大程度上不在于司機能發(fā)現(xiàn)識別障礙物或者理解定位地圖，而是通過經(jīng)驗積累對各種（包括模棱兩可）駕駛情況的合理判斷和決策。

自動駕駛是一個龐大的系統(tǒng)工程，所需各項技術(shù)研發(fā)以及整合能力對任何公司都是巨大的挑戰(zhàn)，所需資金不是幾億美金能滿足（大家猜猜Google自動駕駛模擬平臺光每年消耗的電費有多少）。目前自動駕駛初創(chuàng)公司們的優(yōu)勢領(lǐng)域主要集中于傳感器和部分軟件系統(tǒng)，可做出不同程度的demo，但真正合規(guī)量產(chǎn)所需的技術(shù)遠不止于此，與之匹配的產(chǎn)業(yè)鏈也很長。幾乎沒有公司能獨立開發(fā)出完整的自動駕駛，更多的機會在于精通其中部分必需技術(shù)，成為部分模塊組件的供應(yīng)商之一。這里的黑天鵝是某大型科技公司買下某車廠完成深度的垂直整合。另外不少人嚴(yán)重低估實際造車難度，將OEM/Tier-1類比為消費電子類的硬件加工廠。然而汽車行業(yè)硬件和軟件壁壘都很深，尤其對于優(yōu)秀車廠，只是他們對部分自動駕駛技術(shù)較為陌生，以及應(yīng)用對已有技術(shù)架構(gòu)帶來的變化較大。

除安全性外，自動駕駛的推廣離不開駕駛／乘坐體驗。如果用戶在自動車輛中的乘坐體驗（如速度和舒適度）比人為操縱平均水平差，自動駕駛商業(yè)化規(guī)模將很有限。而乘坐體驗恰恰是車企有多年積累的強項，科技公司的弱項。尤其是執(zhí)行操控模塊，雖然不少領(lǐng)域科技公司聲稱這已是自動駕駛中解決的問題，但實際離車廠的技術(shù)水平差距甚大。相信坐過幾次自動駕駛demo的人都有切身體會。對于汽車而言，不同型號款式車輛的各項操控變量完全不同，比如底盤任一軸長度變化半厘米就可完全改變車的整體操控。甚至同一品牌同一車型的不同車輛間的操控也有差別，直接影響執(zhí)行操控模塊的校準(zhǔn)。當(dāng)然，車企們在此塊的技術(shù)也需按自動駕駛的新要求升級，比如操控精度更高的底盤。

另一影響體驗的維度是使用靈活度。汽車的普及無疑與其大幅提升人們的出行自由度緊密相關(guān)。擁有汽車或其暫時使用權(quán)意味著用戶隨時可以想去哪里就去哪里，不論是日常交通還是舉家遷移，這點在汽車滲透率高和崇尚自由文化的美國尤為突出。如果因技術(shù)（如對地圖覆蓋和更新的依賴）或監(jiān)管原因明顯限制了用戶的使用靈活自由度，那么自動駕駛商業(yè)化規(guī)模會受到較大的制約。

有不少行業(yè)公司提出自動駕駛商業(yè)化不用等到私家車型的量產(chǎn)，可先以交通服務(wù)的形式變現(xiàn)。這里的交通服務(wù)一般指共享出行和物流運輸。除之前提到的因素外，此類服務(wù)推廣的需要運營商可持續(xù)經(jīng)營狀況的支持。

基于已討論的各方面發(fā)展?fàn)顩r，我們認(rèn)為至少未來五年內(nèi)自動駕駛車輛的運營成本會很高，主要體現(xiàn)于軟硬件技術(shù)成本，安全司機勞力成本，保險和維護成本。比如由于激光雷達和計算平臺的較長研發(fā)周期，整套硬件成本會超出車輛本身單價。此點在目前研發(fā)車輛造價上就可見一斑。又如因系統(tǒng)安全性難以短期內(nèi)到位，車內(nèi)必需安全司機。不管人為干涉的頻率和時間長短，都將明顯削弱服務(wù)型自動駕駛的價值主張。額外的人工成本可參考各城市地鐵或輕軌司機的薪金水平并適當(dāng)打折，誰的工作難度系數(shù)更高尚有待討論。再如因商業(yè)化早期不會是規(guī)?；牧慨a(chǎn)車輛，更有可能是后裝改裝車輛，其相應(yīng)制造和維護成本將更高。另外專用地圖的維護更新成本也是不可忽視的一部分。最后，自動駕駛服務(wù)的保險在較長一段時間內(nèi)都不會低，因為保險公司需要時間去積累數(shù)據(jù)和建立承保模型，在此之前更可能會保守定價，由此帶來的高額保費將限制服務(wù)規(guī)模。保費水平可參考目前加州自動駕駛測試資格所需保險費用，且注意測試車隊規(guī)模一般不足10輛，最多不過百輛。

我們樂觀地估算，非規(guī)模化量產(chǎn)加安全司機階段的服務(wù)性自動駕駛車輛每輛車成本10-15萬美金，外加單車每年運營維護成本5-10萬美金。以共享出行為例，按目前Uber平均單價和接客頻率計算，即使不算折舊，也至少需要3-4年才能挽回成本，屆時車輛也基本耗盡使用壽命。換句話說，未來五年內(nèi)自動駕駛出行服務(wù)只有燒錢而很難創(chuàng)造實質(zhì)經(jīng)濟效益。據(jù)最新路透社報道，以自動駕駛商業(yè)機密竊取為由，Google將向Uber索賠26億美金。一個尷尬卻又帶幾分真理的玩笑成為自動駕駛領(lǐng)域近期最靠譜的商業(yè)模式。

雖然自動駕駛還有較長的一段路要走，我們?nèi)詰?yīng)積極地肯定本輪自動駕駛熱潮帶來的技術(shù)積累，資本與人才投入帶來的收獲終將促成自動駕駛的真正到來。從20世紀(jì)80年代末歐洲政府發(fā)起PROMETHEUS計劃，到21世紀(jì)初的美國的DARPA挑戰(zhàn)賽，再到2009年以來科技公司們興起的首次工業(yè)界自動駕駛發(fā)展，我們認(rèn)為自動駕駛還需經(jīng)歷一次技術(shù)升級并克服一系列非技術(shù)障礙才能迎來上規(guī)模的商業(yè)化。終究歸根于汽車行業(yè)技術(shù)要求高，產(chǎn)業(yè)鏈長，牽涉其它行業(yè)及既得利益也不少。

在這個較長過程中，我們認(rèn)為投資機會在于那些同時為近期ADAS及未來自動駕駛提供必需技術(shù)并與汽車行業(yè)緊密合作且最好有車企技術(shù)背景的公司。能否進入各車廠ADAS量產(chǎn)車前裝平臺是重要考察點之一，既幫助驗證其技術(shù)實力和價值，又保障公司能以上規(guī)模的收入來度過自動駕駛的研發(fā)和商業(yè)化周期，同時培養(yǎng)汽車產(chǎn)業(yè)鏈上下游對公司的信任。ADAS雖沒有硅谷科技大佬們的自動駕駛或飛行汽車一般的吸引眼球，但不可否認(rèn)其近期極大的市場增長空間以及其中部分技術(shù)的較大升級空間，兩者的組合為優(yōu)秀初創(chuàng)公司帶來了機會。

與領(lǐng)域大部分創(chuàng)業(yè)者和投資者一樣，我們憧憬自動駕駛帶來的積極的經(jīng)濟和社會效應(yīng)，無論是提高效率，還是減少事故。我們選擇支持在這一方向上真正堅持創(chuàng)造價值的公司。那些投機性的收購機會就像硅谷熱浪天氣一樣短暫—16年末的歐美車企們還享受著創(chuàng)紀(jì)錄的銷售，17年下半年則是另一番景象。

本文作者：顏昶

復(fù)星銳正資本 投資高級經(jīng)理（美國）

來源：投資界