放大
缩小
默认
2019年，自动驾驶行业进入了尝试商业化落地的初期。可以看到，在一些物流场景、港口码头、清扫区域、矿区、固定路线接驳区域、无人驾驶出租车场景下，自动驾驶技术催生了不同程度的场景落地。至此，被广泛冠以“现阶段无法盈利”的各家自动驾驶公司又画出了可以说服投资人的新“大饼”。但是，会有人一直愿意为这“大饼”买单吗？回顾这一整年，自动驾驶领域依旧受到了极大关注。不同的是，尽管技术的不断发展，但包括量产难题在内的诸多问题仍未得到解决，这个行业的发展已开始逐渐趋于理性。
竞争和协作共存
如果以2009年谷歌启动自动驾驶项目为开端，自动驾驶技术已经发展了整整10年。自动驾驶历经十年孕育，市场上的三股势力清晰可见：以大众、通用、特斯拉等为代表的主机厂，以国外的Waymo、国内的百度为代表的互联网科技公司，还有以Mobileye、博世为代表的众多技术公司。
互联网公司以Waymo为例，作为行业的开疆者和龙头企业，其商业场景主要聚焦于Robotaxi（无人驾驶出租车）、最后一公里及技术授权。其中，Waymo的自动叫车服务已经在美国亚利桑那州凤凰城郊区的四个地区启动。
其他互联网公司也不断探索出自己的生存之道。例如腾讯，其通过做工具和平台，达成轻量化投入和高度灵活性，与车企合作，专注为车企提供自动驾驶方案。例如腾讯与中国宝马的合作，前者掌握着最先进的技术研发团队，而后者又亟需根据中国本土的实际情况研发出适合本土市场的自动驾驶产品，因此双方一拍即合，共同建设中国高性能数据驱动开发平台。
而对于主机厂来说，发展自动驾驶，车企经常受限于产品经济性和量产的时间压力，“生产适合当下的自动驾驶汽车”是车企的发展主题。在这场竞速中，凭借汽车核心技术专利的积累和对车辆的完全控制权，车企始终掌握相当大的主动权。目前，多数国内传统主机厂均计划在今年实现L2级别自动驾驶汽车的量产，而造车新势力也已在准备具备L2级别的智能汽车量产。
在主机厂中，最值得的一提的莫过于特斯拉，其自主掌握的行车数据可以反哺研发，为其提供新的依据。更令人称道的是，它将智能硬件中的模块化设计思维首次引入到汽车上，用户可以通过OTA升级最新的自动驾驶技术。
得益于汽车工业长期分工合作的发展特点，负责技术和零部件的厂商们的最大优势莫过于车企对其硬件的刚需，通过打包硬件产品和自动驾驶方案，其已成为行业中不可或缺的一环。
于是，在这样一场不同势力参与的自动驾驶赛跑中，车企、互联网公司和技术公司们各有各的优势，它们争相推动自动驾驶向前发展。很难说哪一家公司引领了自动驾驶过去十年的发展，但可以肯定的是，自动驾驶作为重资本产业，发展一定是缓慢的，一轮轮高额融资和估值背后，技术研发和社会各方的协同才是根基。
商业化遇到哪些难题？
许多自动驾驶公司在宣传时都曾提到，“2019年是自动驾驶商业化元年。”今年，Waymo在凤凰城开启了小范围人群的自动驾驶出租车服务；今年11月，国内估值最高的自动驾驶公司小马智行与现代汽车也在加州推出自动驾驶打车及拼车服务；AutoX在硅谷已经提供了同城的无人车配送服务；飞步科技实现城际货运无人驾驶……
然而，这些都是特定场景下的小范围的应用，将其称为“商业化落地”还有些牵强，大规模乘用车应用仍旧面临不少问题。
今年4月，特斯拉公司掌门人马斯克曾表示，激光雷达是一个没有意义的设备，未来将会被自动驾驶汽车淘汰。马斯克相信摄像头和图像识别具有强大的能力。特斯拉在此之前宣布研发出了行业最先进的自动驾驶视觉识别芯片，能够处理摄像头捕捉到的路面信息。
马斯克为什么会这么说？《纽约时报》有评论认为，这无非是两个原因：一是设备本身成本就昂贵，二是量产的一致性，归根结底都是商业化成本的问题。激光雷达造价高昂，马斯克几乎是在创立特斯拉之初就旗帜鲜明地反对激光雷达。
但在过去的10年里，激光雷达可以说是自动驾驶中最重要的零件。甚至可以说，激光雷达就是此前10年自动驾驶技术的标志。然而，随着AI图像识别技术的演进，针对汽车感知部分，行业内分成了两个派系——“雷达派”和“摄像头派”。
马斯克的言论遭到了Waymo首席技术官德米特里·杜高峰的反驳：“在自动驾驶汽车的传感器系统中，摄像头、雷达和激光雷达是相辅相成的。同时，激光雷达的成本也在下降。”
除了成本，安全是另一大亟待解决的问题。但事实是，乘用车的安全保障绝不是某一家公司单独能够解决的问题，这需要社会各部门的共同协作，比如配套的基础设施建设、法律法规等。
Mobileye的CTO阿姆农·沙书亚曾经讲过一句话：“真正阻止自动驾驶落地，或者说自动驾驶真正的挑战来自于‘corner cases’。”什么是“corner cases”？它指的是存在一部分情况，其中每种情况出现的次数不多，但这些情况的种类却很多。通俗来说，“corner cases”就是无数个不同的“个例”情况。比如，一些特殊天气造成的可探测范围的缩短；又比如，中西方的路牌排列方式不一样。车辆和行人的数量越多，“corner cases发生的概率就会越高”，这些“corner cases”都会导致人工智能感知的误判，进而造成事故。
或许很多人会对自动驾驶始终心存惧怕。但在100多年前，当汽车刚出现的时候，几乎所有人都觉得汽车是危险的，加油站也不是哪里都有，骑马更方便。现在，与自动驾驶相关的标准已经开始制定，人工智能还在不断地进行学习，也许在不远的将来，“coner cases”将不再是问题。所以，何尝不多给自动驾驶一点时间呢？
放大
缩小
默认