BAT踏上「飆車」賽道，階段性戰況如何？
題圖來源@視覺中國
【本文正在參與鈦媒體最新一期競拍話題《BAT入局的車聯網戰場，造車貴胄勝算幾何？》，獎勵豐厚，如有不同觀點，歡迎投稿來辯！】
從9月6日，阿里巴巴人工智慧實驗室首席科學家王剛公布阿里的自動駕駛路線算起，BAT終於在自動駕駛上湊齊 。
算起來，百度的自動駕駛項目起步最早，從2013年開始，如今已是第五個年頭，之前發布了自動駕駛產品Apollo Pilot和Apollo小度車載系統，目前Apollo生態合作夥伴多達百家，今年更是量產了L4級別阿波龍客車。騰訊走得慢一點，在去年11月公布了自動駕駛戰略，期間也推出了AI in Car車載系統。阿里最晚入局，在今年4月16日，阿里巴巴高調宣布，王剛正在領導團隊進行自動駕駛研究。
也或許就是因為入局時間先後的不同，讓BAT在自動駕駛這條賽道上處於不同的位置。
但這個不同已經不止是位置不同這麼簡單。
BAT發力車聯網，路徑並不相同
在人工智慧浪潮的推動下， BAT們在汽車領域折騰了多個方向後，又轉回各自最擅長、最具優勢的層面。
百度公司在人工智慧領域技術積澱深厚，對標谷歌主打自動駕駛，藉助「百度汽車大腦」打造自動駕駛領域最強開放生態。騰訊公司則藉助內容分發與社交優勢，打造社交和影音增值服務。阿里公司藉助電商優勢，在車載系統上強化了商業服務，AT兩家公司都是在車聯網的相關應用上重點發力。不過他們三之間卻有比較大的區別，以個人拙見，這區別正好在「到底什麼是自動駕駛，什麼只是車聯網」的問題中。
1、自動駕駛是AI變革汽車生態的高階階段
包括美國、英國在內的很多國家都將自動駕駛視為人工智慧應用的制高點，紛紛布局於此，我國也不例外。之前發布的《新一代人工智慧發展規劃》就將包括自動駕駛汽車在內的智能運載工具列為重點方向。
完全自動駕駛系統主要由三部分組成：演算法端、Client 端和雲端。演算法端從感測器原始數據中提取有意義的信息以了解周圍的環境情況，並根據環境變化做出智能決策。Client 端融合多種演算法以滿足實時性與可靠性的要求。雲平台提供離線計算及存儲功能。通過雲平台，能夠測試新的智能演算法、更新高精度地圖、訓練更加有效的識別、追蹤和決策模型。
目前，自動駕駛發展的格局呈現兩種趨勢。傳統汽車公司更傾向於漸進式自動化，而以特斯拉、谷歌、百度等為代表的科技公司是以人工智慧技術驅動進入自動駕駛，具有顛覆式的色彩。短期內發展的目標也各有側重，傳統車企以漸進自動駕駛的方式逐步提升駕駛體驗。
而科技類公司則準備直接跨越到以無人駕駛完全替代傳統駕駛。傳統汽車公司依靠的是長期積累的整車經驗和在自動控制領域的核心優勢，以谷歌百度為代表的科技公司則是藉由人工智慧的大力發展整合感測器、感知演算法、計算平台等技術以實現跨越式的發展。
2、成熟的車聯網技術是實現自動駕駛的基礎保障
車聯網是以車內網、車際網和車載移動互聯網為基礎，按照約定的通信協議和數據交互標準，在車分別與車、路、行人及互聯網等之間，進行無線通訊和信息交換的大系統。
自動駕駛是現階段智能汽車的未來發展方向，車聯網也是為自動駕駛帶來根本性變化的重要技術。實現自動駕駛的基本條件之一就是運用成熟的車聯網技術，通過遍布全車的感測器採集車內、外的海量信息，這些信息經過自動駕駛系統的智能分析和處理後，即刻作出決策，對汽車做出主動操作。
目前來看，騰訊和阿里雖然推出了AI in Car車載系統、斑馬車載系統，本質上還是僅僅定位在車聯網角色，通過開發自己的車載操作系統，提供相應的聯網跨平台整合軟體服務。
例如，騰訊的車載系統可以為用戶提供智能語音、智能出行、個性化內容、社交、運營增值服務，阿里的車載系統可以提供旅遊自駕路線引導、酒店預訂等服務，可以說兩個系統更方便駕駛員出行，但是並沒有涉及到對整個汽車進行全方位智能控制、實現徹底解放雙手的高階目標。正如如鈦媒體記者之前撰文所說「即便未能掌控自身的底層OS技術，但是打造一套完整的軟硬一體化方案仍然是騰訊的戰略方向」。而阿里一直在自主研發的車載操作系統AliOS（2017年9月阿里YunOS更名為AliOS），前期也是為斑馬智行（榮威RX5已經搭載）以及榮威RX5等互聯網汽車提供支持。按照阿里的計劃，是希望先給汽車加裝智能操作系統，讓其具備智能操控、感知、服務等能力，等待相對成熟後再發力自動駕駛。
所以，從戰略層面來講，同樣是將人工智慧技術應用到汽車產業，三家公司段位差別很大。百度不僅將積澱深厚的AI技術應用到車聯網產業，更注重縱深發展，從5年前就開始布局向全產業鏈上下游開放的智能駕駛技術平台Apollo。騰訊和阿里的車載系統目前還只是利用人工智慧整合各類信息和資源，達到輔助駕駛、更方便駕駛員使用的目的，雖然也取得了很多成果，但是有兩點不足：1、各大汽車廠商的合作態度如何仍是未知數，但是可以預見的是涉及到行駛安全性的核心操作依舊很難對騰訊和阿里開放。2、駕駛員仍然需要眼觀六路耳聽八方，專心駕駛，並沒有在自動駕駛層面有重大突破。當然阿里、騰訊顯然不會止步於此，也有可能他們已經有所布局，我們期待更多信息曝光。
進階自動駕駛，「AT」還缺什麼？
雖然自動駕駛對汽車行業的顛覆性改變蘊藏著巨大的商機，但量產無人車和進入商業運營的技術壁壘非常高，想要進入自動駕駛領域首先要面臨以下幾個難題。
1、最優行為決策能力的形成需要長時間的積累
現實的道路環境非常複雜並且將變得越來越複雜，所有相關的數據幾乎不可能實時傳輸給汽車控制系統，行為決策技術要依據當前時刻車輛的周圍環境，在過往、當下環境的基礎上進行自我學習，並在此基礎上，根據事先建立的知識庫進行最優決策，進而實現避讓行人、速度加減、超越車輛、跟隨車輛、停車等功能的優化選擇。各種路況的海量信息採集和決策優化，需要長時間的積累和研究，不是一朝一夕就能完成。比如，谷歌的Waymo自動駕駛項目經過了長達6年、超過350萬英里的實地道路測試。而Apollo Pilot則藉助於百度的AI技術積累、數據資源以及多維度的技術保障，擁有強大的自動緊急制動系統、全方位的盲區監測、智能自動變道等多項自動駕駛能力。
所以留給其他廠商的時間還真不確定能有多少。
2、自動駕駛汽車的路徑規劃複雜度高
與大眾使用的簡單手機導航不同的是，自動駕駛汽車需要依據連續、實時、可靠的高精度定位信息，自行在複雜道路的環境里，基於當下環境規划出安全可靠、準確可行的自起點至目標終點的無碰撞路徑。依據相應準則與當下環境資料，對可行的、相對最優的全局路徑予以確認，同時又要根據道路擁堵、突發交通事故、道路臨時限速等等異常情況對路徑及時更新。從百度的官方介紹中。我們可以看到Apollo Pilot擁有最大的中國交通場景庫，僅在高速及環路多車道自動駕駛功能下，就包含了近百種場景。而阿里、騰訊也有類似布局，只是最後還得看誰更懂中國城市和中國人民。
3、自動駕駛汽車商業化難度高。
高靈敏感測器、高精度激光雷達、GPS定位天線、廣角攝像系統等核心裝備都需要花費不菲的價格，而這些裝備可能會使一輛自動駕駛汽車的成本翻倍增長，可能最終導致商業化困難。
百度之所以要把中國自動駕駛量產時間提前兩年也是基於此，希望能利用好這個時間差，建立自己的壁壘。而最近百度、騰訊和寶馬達成戰略合作，似乎也在加速這場競賽。
總之，即便是BAT都上了自動駕駛這條道，但現階段，不同於百度Apollo專註自動駕駛技術研發，騰訊和阿里儘管都發布了各自的智能車載系統，也與汽車廠商進行了合作開發，但都將更多的精力放在了車聯網技術的智能化完善上。
一場真正屬於BAT的自動駕駛之戰還剛剛開始。
TAG:鈦媒體APP |