亿欧汽车|自动驾驶狂飙突进，是巨头们最后一战？( 二 )
本文插图
而自动驾驶的很多玩家仍卡在L3级别 ， 并没有企业有新的突破 。 威马汽车合伙人闫枫表示 ， 所谓L1、L2、L3只是车企自我在意的技术指标 ， 现阶段L3级别很尴尬 ， L4更只是一个概念 。 当前应该做的 ， 就是做好L2级别的高频应用场景 ， 否则都是扯淡 。
由此可见 ， 行业整体技术并未完全成熟 ， 大规模商业化只是萌芽 。 在这个被硝烟笼罩的战场上 ， 还没有人能成为真正的“赢家” 。
0 2 自动驾驶 ， 梦想照进现实的难题
从国内自动驾驶产业开始火爆 ， 很多公司就纷纷抛出智能化战略 ， 计划在2020年实现L3级别的自动驾驶 。 时至今日 ， 设想跟现实还是相差非常远 ， 技术问题首当其冲 。
自动驾驶要做到L5级别是非常困难的 ， 光“感知”一项就不容易突破 。 虽然有多种传感器 ， 比如360度激光雷达和摄像头 ， 但这些传感器大多都输出原始数据 。
人类看摄像头和激光雷达的数据很容易能出识别内容 ， 但计算机很困难 。
普通模式下识别率会很快达到瓶颈 ， 这时候就需要深度学习 ， 以及大量的数据进行训练 ， 而当下受技术所限 ， 电脑并不能无法识别很多显而易见的场景 。
同时 ， 当数据量猛增时 ， 计算时间会延长 ， 系统响应变慢 ， 这也是无人车只能低速行驶的原因 。
此外 ， 高精地图和定位也有不小的问题 。 高精地图要做到绝对可靠是一个产业难点 ， 现在还没有一个高精地图真正完全可靠 ， 能达到车规级 。 据专家测试 ， 如果完全依靠GPS定位 ， 成功率只有70%左右 。 特殊的天气、特殊的路况、特殊的区域 ， 都会让自动驾驶有局限性 。
在技术不成熟背后 ， 关键是场景复杂对自动驾驶的制约 。 单用一套通用算法很难覆盖复杂多样的交通场景 ， 需要将多场景问题进行分解细化 ， 并有针对性的解决 。 可是 ， 如果针对一千种场景要开发一千种算法的话 ， 对任何一个自动驾驶团队都会是灾难 。
【亿欧汽车|自动驾驶狂飙突进，是巨头们最后一战？】与此同时 ， 世界各国对自动驾驶法律法规尚属探索阶段 。 L2-L3级别自动驾驶汽车 ， 会沿用本国相关法律进行责任分配规则 ， 但对于L4以上级别 ， 包括中国及其他世界各国均还在探索之中 。
这也意味着 ， 就算一些车企及算法公司研发L4级别的自动驾驶汽车 ， 也需要等到相关法律法规的出现才能上路 。
在我国 ， 部分地区陆续开放有道路测试区域、颁发试运营牌照等 ， 但自动驾驶汽车高速公路测试、载人测试以及地图应用等方面尚受到严格限制 。
由于各地法规方面的限制 ， 即便是科技巨头 ， 也只能在小范围内试运营 ， 这又陷入了上述的技术问题 ， 无法提供更多的数据 ， 供计算机进行深度学习 。
技术、法规等方面的不成熟 ， 注定了商业化落地的困难 ， 原本一哄而上的行业热潮正迅速冷却 。 对于很多公司而言 ， “撑”到盈利之时就是目标 。
这对科技巨头来说并不是什么难事 ， 即便暂时无法投入大量资金 ， 也至少会保证新项目“不倒” 。 但对于初创公司来说 ， 似乎只剩下融资一条路径 ， 可是如今的市场环境不乐观 。 自2017年以来 ， 我国私募股权投资市场募集总额呈下降态势 ， 2019年跌幅达到30% 。
本文插图
2019年 ， 由曾任百度首席科学家吴恩达亲自参与运营的明星自动驾驶公司Drive.ai因融资不顺 ， 宣布永久关闭 。 今年6月 ， 头部自动驾驶公司Zoox也因“资金链断裂”卖身亚马逊 ， 但其收购标价还不及上一轮融资估值的一半 。
国内自动驾驶公司还在“苦撑” ， 尚有“余粮”的自动驾驶企业 ， 大都开始与出行平台合作推出“RoboTaxi” ， 形成了另一种“潮流风向” 。 滴滴认为 ， 自动驾驶商业落地生态里面比较好的一个场景Robotaxi 。
推荐阅读
- 自动化|职场中，学历VS能力，哪个更胜一筹
- 处女座|2021年汽车及零部件行业薪酬数据报告
- 长春汽车工业高等专科学校|职校生成抢手资源，低学历的打工人就不配拿高工资吗?
- 自动化|放弃月薪5000，双休的稳定工作，去挑战新工作？听听过来人的说法
- 自动化|教师招聘备考-个体意识
- 拆解一切问题|恐怖！墨西哥一州长办公室附近汽车中惊现十具尸体
- 浇水|养花常忘浇水，试着收集“1种破烂”，能自动浇水，还有多种用途
- 长沙|蘑菇车联布阵城市运营，这家自动驾驶公司要做什么？
- 汽车|1句核心观点，让别人秒懂你的意思
- 蔚来汽车|每天车闻：蔚来汽车在美公开招聘，沃尔沃品牌体验中心开业