從谷歌開(kāi)始，自動(dòng)駕駛的發(fā)展被推上了世界的舞臺(tái)

自動(dòng)駕駛已經(jīng)有65年的歷史, 1948年稱(chēng)之為現(xiàn)代巡航的發(fā)明，開(kāi)始嘗試控制車(chē)輛，可以稱(chēng)之為第一個(gè)自動(dòng)駕駛。

1980-1995年期間，在歐洲、美國(guó)大學(xué)，甚至戴姆勒，做了非常多自動(dòng)駕駛的貢獻(xiàn)，同現(xiàn)在的自動(dòng)駕駛車(chē)一樣，他們也組建車(chē)隊(duì)，或跨越歐洲，或穿越美國(guó)。那時(shí)的傳感器體積大，車(chē)輛造價(jià)昂貴，完成的挑戰(zhàn)和任務(wù)同今天的很像，只不過(guò)人為干涉比現(xiàn)在多一點(diǎn)。

這次大的變化發(fā)生之后，有很多ADAS系統(tǒng)開(kāi)始慢慢出現(xiàn)在市場(chǎng)上。2000年之后，美國(guó)軍方挑戰(zhàn)賽，智能駕駛能做的更多，從谷歌開(kāi)始，自動(dòng)駕駛的發(fā)展被推上了世界的舞臺(tái)。

國(guó)內(nèi)自動(dòng)駕駛從2014年開(kāi)始起步，無(wú)數(shù)創(chuàng)業(yè)公司涉足這個(gè)領(lǐng)域。在谷歌等互聯(lián)網(wǎng)企業(yè)的沖擊之下，造勢(shì)者紛紛提出自己的目標(biāo)，第一個(gè)有限的自動(dòng)駕駛出現(xiàn)在2020年，全自動(dòng)駕駛在2030年即將到來(lái)。

這些目標(biāo)能實(shí)現(xiàn)嗎？

行業(yè)共識(shí)形成

在2015年的時(shí)候，谷歌和傳統(tǒng)的OEM差異在于，前者直接從L4級(jí)的自動(dòng)駕駛開(kāi)始研發(fā)，并認(rèn)為這樣的自動(dòng)駕駛才是能落地的形態(tài)，而后者則是從L0、L1開(kāi)始，認(rèn)為在無(wú)人駕駛真正實(shí)現(xiàn)之前，低等級(jí)的自動(dòng)駕駛無(wú)法跨越。

特斯拉、Uber、奧迪、凱迪拉克在量產(chǎn)的自動(dòng)駕駛中，走的最快，但發(fā)生的事故給業(yè)界帶來(lái)了不小的震動(dòng)。不同等級(jí)的自動(dòng)駕駛商業(yè)化落地預(yù)期，也在悄無(wú)聲息的延后。

歐菲智能車(chē)聯(lián)駕駛事業(yè)部算法及自動(dòng)駕駛總監(jiān)段勃勃認(rèn)為，從技術(shù)實(shí)現(xiàn)和商業(yè)化難易程度來(lái)看，商用車(chē)比乘用車(chē)容易。

商用車(chē)的自動(dòng)駕駛，無(wú)論是智能車(chē)隊(duì)，還是限定園區(qū)下的運(yùn)行，體現(xiàn)的特點(diǎn)是：任務(wù)復(fù)雜度還是L4，只是場(chǎng)景復(fù)雜度進(jìn)行了區(qū)分和限制，比如說(shuō)礦區(qū)、港口、園區(qū)、封閉高速路等等。

乘用車(chē)自動(dòng)駕駛的著力點(diǎn)主要在L2到L3之間，整個(gè)任務(wù)復(fù)雜度、場(chǎng)景和功能是被限定的。隨著這個(gè)度的逐漸開(kāi)放，車(chē)輛能提供的服務(wù)也越來(lái)越豐富，越能滿(mǎn)足消費(fèi)者的期待。

而對(duì)于乘用車(chē)L4，業(yè)內(nèi)普遍有了共識(shí)，技術(shù)實(shí)現(xiàn)、大規(guī)模商業(yè)化會(huì)稍微遠(yuǎn)一點(diǎn)，當(dāng)下人們更關(guān)注的是功能、產(chǎn)品的落地能力，商用車(chē)的限定條件下的L4自動(dòng)駕駛，和乘用車(chē)的L3及以下的輔助駕駛成為熱點(diǎn)。追本溯源，還是因?yàn)槁涞乇仨毤夹g(shù)、商業(yè)、法律都滿(mǎn)足之后才行。

OEM積累核心競(jìng)爭(zhēng)力

段勃勃表示，面對(duì)這樣的形勢(shì)，傳統(tǒng)的OEM會(huì)聯(lián)合Tier1完成一個(gè)功能的開(kāi)發(fā)，Tier1要把IP供應(yīng)商、工程服務(wù)、GPU集成在一起，承擔(dān)非常多的任務(wù)。這個(gè)階段，OEM的壓力稍微小一點(diǎn)，但OEM也有自己的焦慮。

當(dāng)互聯(lián)網(wǎng)造車(chē)勢(shì)力涌現(xiàn)，同傳統(tǒng)OEM一樣可以采購(gòu)Tier1的零部件，實(shí)現(xiàn)類(lèi)似的功能、汽車(chē)，二者的差異化在哪里？

真正的核心技術(shù)掌握在Tier1手中，差異化很難體現(xiàn)，同質(zhì)化的競(jìng)爭(zhēng)非常多。因此現(xiàn)在趨勢(shì)是OEM開(kāi)始加大研發(fā)投入，它要逐漸充當(dāng)主動(dòng)的角色，特斯拉、沃爾沃、通用都在嘗試做這樣一件事情。

現(xiàn)在OEM也承擔(dān)自動(dòng)駕駛的開(kāi)發(fā)集成，而且它會(huì)有專(zhuān)利的創(chuàng)新。過(guò)去可以找到供應(yīng)商把功能完整copy，現(xiàn)在很難，OEM有自己的軟件、集成、專(zhuān)利，在未來(lái)會(huì)發(fā)生的更加明顯。

OEM為了發(fā)展，也在積累架構(gòu)能力、軟件能力，算法能力的核心技術(shù)。比如多域控制器，將會(huì)把所有的傳感器集成在一起，完成任務(wù)和功能。

在段勃勃看來(lái)，供應(yīng)商給OEM提供零部件，OEM做集成控制，供應(yīng)商就是供應(yīng)商，真正做控制的可能以軟件的模式來(lái)實(shí)現(xiàn)。OEM的需求在變，相應(yīng)的產(chǎn)業(yè)鏈也在發(fā)生變化。

未來(lái)OEM和供應(yīng)商的關(guān)系，可能會(huì)是一對(duì)多的關(guān)系，一個(gè)OEM會(huì)直接對(duì)應(yīng)IP Tier1、控制器的Tier1，供應(yīng)鏈關(guān)系更加扁平。Tier1與Tier1之間，將會(huì)出現(xiàn)更多密切的合作，這也在給Tier1提出新的挺挑戰(zhàn)。

OEM和供應(yīng)商之間是靈活合作的模式，不同的OEM擁有的能力不同，軟硬件實(shí)力不同，需要供應(yīng)商提供的服務(wù)也就不同，供應(yīng)商工程服務(wù)的能力要提升。只有這樣，在整個(gè)開(kāi)發(fā)的周期被壓縮短后，配合OEM交付才能順暢。原來(lái)找供應(yīng)商難，未來(lái)更難。

段勃勃表示，現(xiàn)在OEM開(kāi)發(fā)一款車(chē)的周期也正在變短，以前先成熟后上市，現(xiàn)在可以先發(fā)布，再OTA升級(jí)，這樣的案例以后越來(lái)越普遍，因?yàn)檫@是競(jìng)爭(zhēng)、發(fā)展變化的需要。

2015年歐菲智能車(chē)聯(lián)開(kāi)始投入智能駕駛的領(lǐng)域，專(zhuān)注于環(huán)視系統(tǒng)來(lái)做ADAS及無(wú)人駕駛技術(shù)。

目前，公司環(huán)視攝像頭已經(jīng)實(shí)現(xiàn)低成本，高收益。技術(shù)上目前在國(guó)內(nèi)已經(jīng)實(shí)現(xiàn)L2等級(jí)的自動(dòng)駕駛，接近L3的落地，2019年會(huì)有一些L2、L3功能的量產(chǎn)。

2016年9月攝像頭產(chǎn)品上市，2017年9月，360度環(huán)視系統(tǒng)上市，在2018年6月第一款高清環(huán)視上市，第一款AI泊車(chē)系統(tǒng)將于2019年Q1完成上市。還有融合方案的全自動(dòng)泊車(chē)，能夠適應(yīng)多場(chǎng)景，于Q4能夠達(dá)到量產(chǎn)，已經(jīng)拿到國(guó)內(nèi)非常重要的兩家主機(jī)廠的項(xiàng)目。

成立三年多，歐菲智能車(chē)聯(lián)積累了十個(gè)OEM客戶(hù)，約40個(gè)工程定點(diǎn)，完成十幾個(gè)SOP的項(xiàng)目。

技術(shù)的挑戰(zhàn)

在段勃勃看來(lái)，隨著產(chǎn)業(yè)鏈的成熟，技術(shù)的升級(jí)，曾經(jīng)越來(lái)越多的不可能正在變?yōu)楝F(xiàn)實(shí)。

以低光照下地下停車(chē)場(chǎng)的泊車(chē)系統(tǒng)為例，光照在20lux左右，通過(guò)特殊選型的sensor可以做到L5，以及高精度的相機(jī)模組，在可控范圍內(nèi)就可以完成泊車(chē)。

深度學(xué)習(xí)的重要性會(huì)越來(lái)越大，其算力也會(huì)同步攝像頭的發(fā)展而升高。對(duì)于深度學(xué)習(xí)，目前的挑戰(zhàn)在于單位算力下的功耗降低，面對(duì)不同數(shù)據(jù)模型，計(jì)算模型的適配性。

比如，針對(duì)不同的目的，數(shù)據(jù)來(lái)源不同，數(shù)量也不同，與之匹配的數(shù)據(jù)篩選、處理也千差萬(wàn)別，而后端數(shù)據(jù)采集、標(biāo)注的能力還未跟上。以及，為了適應(yīng)車(chē)內(nèi)的工作環(huán)境，穩(wěn)定性、可靠性都還有待驗(yàn)證。

此外，自動(dòng)駕駛的功能測(cè)試，需要通過(guò)仿真測(cè)試來(lái)進(jìn)行大量的驗(yàn)證、控制、檢測(cè)， 數(shù)據(jù)庫(kù)來(lái)源于真實(shí)數(shù)據(jù)的采集，工作量很龐大。