智能駕駛進入「中場」競爭，或需借出行服務落地
圖片來源@視覺中國
文｜智能相對論，作者｜ihahe
足球理論認為，控制了中場，就控制了比賽的節奏，從而獲得比賽樞紐的控制權，有助於在比賽中取勝。
如果把智能駕駛比作一場足球賽，處於膠著狀態的競爭各方顯然進入了中場爭奪。處在中場競爭的節點，誰勝誰負就要看中場實力了。
硬體向軟，軟體向硬，融合方知天地寬
智能駕駛的「中場」是一個以車機系統為基礎，融合車輛感知、車聯網等感測系統和數據處理系統的集合，既拓展了傳統車機功能，又融合後台的AI算力輸出。BAT等都在卡位競爭，爭的正是「中場」實力。
這個「中場」實力即是軟硬平台和雲數據服務的實力，僅這兩點就屏蔽了大多數的初創公司。原因多方面：一方面來自於智能駕駛會產生大量的數據，一輛車一天的數據量將達到40TB；另一方面則需要雲服務提供算力輸出，還需要適時推出讓演算法更新迭代；第三，整合智能駕駛的多方面感測器件和邏輯判斷執行器件，需要系統級的能力，不僅需要有上下游關係，還需要切入供應鏈。這本身就具有很高的門檻。
根據投資人透露，打造一個智能駕駛公司，至少需要5000萬美元啟動，包含人員的運營費用、設備費用還有購買測試牌照的費用，比如北京的智能駕駛牌照費用得500萬RMB。但如果只想切入智能駕駛的某一個點，可以用通用軟體和演算法進行測試。軟體方面，百度已經開放了Apollo ；硬體方面，目前高通、Intel、nVIDIA都有。
雖然他們有融合交叉，但是目的卻決然不同。百度意圖通過軟體構築自動駕駛汽車創業者的生態系統，同時能夠分享測試數據，加快自動駕駛的落地步伐。Intel、nVIDIA則想把PC那套移植到智能駕駛領域，這樣他們獲益最大。
特斯拉讓nVIDIA的美夢幾乎落空。一個標誌性事件則是特斯拉放棄了nVIDIA的公用平台，採用自己設計的FPGA。在功耗性能上比nVIDIA強很多，並提供冗餘備份。有了這個硬體基礎，馬斯克認為，「這能讓特斯拉市值達到5000億美元」。
馬斯克可能又吹了牛，現在特斯拉市值不到這個目標的10%，但5000億美元很誘人。他也指明了一個方向：即在軟硬體上全部採用自己的標準，在產品服務層面全面導向蘋果模式，能夠在產品和服務上鞏固自動駕駛初創企業的基礎。
他也認為，緊密的軟硬協同是自動駕駛能成功的關鍵，受此刺激，Waymo也造起了雷達，並且很便宜，害得Waymo原來的供貨商不得不把大部分產品賣到了中國。
我們看到智能駕駛的開創者們，在熟悉了其中的邏輯之後，開始技術下沉，並延伸到產業鏈底層。實際上，新興產業布局，為了構築壁壘，在商業模式設計之初，就走向兩個方面：要麼是延長產業鏈，提高學習成本，故意製造門檻；要麼是在現有產業鏈上切入更多的環節，同樣具有壁壘效應。
國內的BAT也幾乎遵循這一原則，它們在產業鏈上布局上頗為努力。阿里的投入觸及鏈條很長，涉及到上游的晶元；百度的Apollo甚至把nVIDIA和Intel納入生態系統之中， 更注重軟體；騰訊在高精度地圖和模擬訓練方面更有興趣。三家的著重點並不相同，形成錯位競爭。
阿里除了自己研發軟體提供雲服務，它還投資了中國AI的幾乎所有獨角獸企業，其中有導航、AI晶元等企業，布局更為上游。當然它自己的晶元，恐怕還暫時無法用到自動駕駛領域。至於自動駕駛的實驗車，也在部署中。
百度最在意自動駕駛落地，自2014年宣布進軍自動駕駛領域，手裡擁有最多的自動駕駛測試牌照，中巴車和計程車開始L4級別試運營。軟體和硬體系統方面，已經自成體系。
騰訊和阿里一樣更看重數據服務，強調車路協同。不過這需要市政建設達到車聯網的要求，為此騰訊在高精地圖的投資以及用17.8億美元換取特斯拉的5%股權，則有借殼生蛋的意思。
目前來看，百度可以提供全套的解決方案，Apollo生態也由此建立。而騰訊和阿里估計會以服務為核心切入。阿里已經有樣車，但會更強調車路協同，數據服務將成為智能駕駛的基礎架構而存在，在未來一段時間內，還會催生一些自動駕駛的新企業，充實自動駕駛的上下游鏈條。
Alphabet孵化了Waymo，也孵化了美國的智能駕駛行業。百度開放了Apollo，手握國內超過一半的智能駕駛牌照，開放代碼超過了20萬行，參與開發的人員超過2000。此後，百度一方面軟體升級很快，兩年間迭代了6個版本；另外一方面在營收乏力的情況下，繼續大力投入自動駕駛，根據估算，百度每年在智能駕駛方面的花費上億美元。
在智能駕駛落地方面，根據百度的路線圖，在今年的7月份限定區域測試L4級別智能駕駛；在2021年實現高速和城市完全智能駕駛，即L5級別智能駕駛。如果能按照這個線路圖實現目標，百度可能會成為最早實現L5級別智能駕駛的服務提供商，因為Waymo明確表示，L5的智能駕駛可能很難實現。
相比百度把寶押在自動駕駛上， 騰訊和阿里則輕鬆得多，一個在電商領域如火如荼，一個在社交和遊戲領域獨領風騷。基礎業務穩健，在自動駕駛領域的投入也更看長線，並不急於變現，騰訊和阿里的布局會更在中場的核心，壁壘會更高。
但從長期來看，如果智能駕駛要落地，擁有完善軟硬基礎設施會成為必須， 軟硬融合將成為壁壘的基礎，也是智能駕駛的競爭中場的關鍵元素。
數據，優化了智能駕駛的學習曲線
但是，智能駕駛相對複雜，需要應對的方面太多，從技術到倫理甚至法規，方方面面都要有所考慮。影響學習曲線的因素過於複雜，制約了智能駕駛領域研究的投入。在沒有找到合適的研究工具之前，傳統車廠對智能駕駛的態度觀望大於行動。
但是傳統汽車對駕駛輔助的研究並沒有像想像中那麼消極。作為行業標杆的賓士，早在其S級系轎車裡，提供了夜晚駕駛輔助。即通過不大的中控屏幕，提供紅外攝影的圖像，如果出現人或者動物會提醒。此外，還有剎車輔助系統，一時間也被其他車廠效仿。
這些很有效果，但是沒有發展到智能駕駛。它的高成本和高複雜度阻礙了像賓士這樣的車廠花大力氣研究和推廣。智能駕駛的門檻還是太高。軟硬協同以及雲計算服務，傳統車企是空白；而且機器學習、深度學習、神經網路計算最近才發展到實用階段。傳統車企不在IT的前沿，自然就無法充分利用計算資源實現自動駕駛的概念。這給有IT背景的廠商捕捉到了機會。
有句話說，外行改變內行。特斯拉給智能駕駛打了很好的廣告，Waymo給智能駕駛展示了美好的前景，百度則讓智能駕駛在國內開花。現在造車內行得跟著造車的外行轉。
受此刺激，賓士和寶馬都有自己抱團的產業鏈，在智能駕駛領域也有很強的根基，寶馬錶示要在2020年試驗L4級別的智能駕駛，大眾則表示智能駕駛的研發工程師已經在達到了4000人。通用和福特分別通過收購實現了對智能駕駛領域的切入，而且通用的Cruise水平還不錯，日產雷諾，豐田等都有自己的方案。
為了表示自己沒落後時代，寶馬甚至把一台R1200GS摩托車通過智能駕駛賦能，跑了幾圈大秀「肌肉」。不知是為了應對質疑還是為了嘲笑現在的智能駕駛對手，這台沒有特別改裝的摩托車，其智能駕駛技術難度要比汽車高。傳統車企果然也不是吃素的。
傳統車企和智能駕駛新貴開始在技術上對接了。那麼接下來，拼什麼呢？對，數據。數據有兩大類，第一是高精度地圖的繪製，第二類是駕駛過程中控制行為反饋，比如碰到什麼新場景，是否學會了。如果說智能駕駛軟體和演算法是開礦的工具，由此積累的數據則是實打實的金礦。智能駕駛的成敗系與此端。
所以，百度也表示，為了打造Apollo生態，可以與開發人員或新創企業進行數據交換，前提是他們把數據共享，以此大幅度加快Apollo生態成熟步伐。根據預計，百度還將開發針對日本的系統。也即意味著，人的習慣，交通狀況的差異，都需要納入軟體和雲數據服務中，從而提高智能駕駛精度。
現在的問題是，擁有智能駕駛能力的實驗車速度還不能太高，很少超過60公里時速，而且還無法實現全自主的L5級別駕駛，因而試驗和對軟體演算法的規劃，還需要更多時間完善。這個時候，跑圈刷里程就稱為智能駕駛企業的日常。
目前，多數車企的落地測試車輛不到100輛。Waymo的投入最大，車隊在2018年達到600輛，行駛里程也最長。到今年2月份已經累計行駛超過了2000萬公里，每個月還在以超過100萬公里的速度增長。其模擬平台的數據更驚人，早已超過60億公里。根據業內的共識，智能駕駛汽車需要有超過100億公里的行駛數據集，才有可能被認為能夠在道路上行駛。
馬斯克不服，「我們有超過20萬輛車智能駕駛車輛提供駕駛數據」
Waymo認為「你那不算數，不是L3級別的智能駕駛不是真的智能駕駛」。馬斯克預計2020年，特斯拉能提供L3級別的智能駕駛，但是大家不信，特斯拉的方案與L3級別的智能駕駛相比，還有物理鴻溝。
Waymo的水平還是最高的。在智能駕駛汽車上路測試中，其「脫離」率達到了17000公里/次的水平。根據統計，我國平均每輛車行駛里程大約為15000公里，這個水平幾乎等於平均一年一次。從理論上來說，這很堪用了。
正因為如此，Waymo大舉進軍出行服務，並將購入6.3萬輛車進行試運營，到2020年，將有大約2萬輛智能駕駛汽車供出租用。對於此番舉動， 馬斯克只能表示沉默，特斯拉還沒法做出應對。
為什麼實地運行汽車數量較少的Waymo還能在技術上超越特斯拉呢？雖然表面上是技術取向之爭，實際上是「數據後台」算力之爭。特斯拉沒有Alphabet的數據處理和傳輸優勢，不具備大規模雲計算和AI算力輸出服務，迫使特斯拉把用戶當成免費測試員，數據雖飽滿，但並不利於演算法升級和迭代。目前，特斯拉L2級別的智能駕駛還是有代差，不足以對Waymo形成挑戰。
特斯拉還需要解決一些技術難題。比如紅綠燈的識別、對警察意圖的識別，曾經，特斯拉一輛車看不懂警察手勢，跟警車撞在了一塊，讓特斯拉鬧了笑話。
經過十年發展的Waymo算是堪用了。它在智能駕駛和出行服務方面架了一座橋，也鑄了一道壁壘。硬體和軟體還有可追的可能性，但是高達2000萬公里的實驗數據，大多數廠商得想其他辦法完成。而且Waymo的消耗也很高，其母公司Alphabet每年對其的投入高達10億美元。
當然馬斯克批評Waymo不是沒有道理。「採用LiDAR系統的成本太高，很難進入家庭轎車」，馬斯克堅持採用模擬人眼感知的方式獲得智能駕駛的數據，成本很低，能夠商用。但其忽視了一點，這可能很難超越人類本身的駕駛能力，這是特斯拉方案的大缺陷。而基於雲端數據服務輔以LiDAR雷達的，卻具備大幅度超越人類駕駛的潛力。也即意味著，智能駕駛汽車構築的交通系統，會比目前的交通系統高出一個段位。
傳統車企或多或少忽略或不具備雲技術處理，制約了其在智能駕駛領域的投入，同時沒有數據思想總觀全局，也無法實現智能駕駛的發展和演進。這就如同數據天然具有演進產品的價值，這在智能駕駛領域表現得淋漓盡致。
傳統車企上行，互聯網車企下移，智能駕駛在「中場」碰撞
現在，一台符合上路標準的智能駕駛汽車，造價高達15萬美元以上，主要是LiDAR雷達夠貴。一台64線主雷達將達到8萬美元，還需要兩個輔助LiDAR雷達，加上專用計算伺服器以及其他費用，成本無法降低。而馬斯克堅持不用LiDAR，使得特斯拉的Autopilot的價格也比較便宜，大約在6000美元左右，但目前無法實現L3級別的自動駕駛。
當然，逐漸普及的L2級別的智能駕駛難度沒有那麼高。汽配大廠博世就有解決方案，國內擁有L2級別智能駕駛的汽車，有的直接用了博世的方案，也就不難理解，Waymo對特斯拉的「蔑視」。
實際上，智能駕駛的平台承擔一個數據的中樞作用，不僅需要接受外界的數據，還要對自身產生的數據進行處理和判斷，以對汽車做出控制。但同時，幾乎所有的智能駕駛汽車，一沒有考慮乘坐的人的感受；二沒有考慮到極端天氣下各種情況的應對。
我們在關於特斯拉的信息中發現，特斯拉的攝像頭因為雨雪天氣容易失效的問題，而且還有對標識的識別問題，遠比高速上跑一通複雜。另外在面對極端天氣，出現意外的處理，目前還沒看到案例。
有人反應，智能駕駛汽車的乘坐體驗不大好，比如剎車太硬，加速很難符合心理預期，反而容易暈車。這給未來的智能駕駛發展提供了方向。也即：智能駕駛平台不僅要對接雲數據，處理好感測器數據和控制汽車，也要把人的感受作為最主要的考量因素。如果智能駕駛不能很好服務於人的感受，再好的技術將不會得到市場的青睞。
這是傳統汽車製造商對智能駕駛漠視的借口。很典型的，比如寶馬講究駕駛樂趣，保時捷推背感的營銷策略，智能駕駛還做不到這些細節體驗的提高，限制了傳統車企對此的興趣。也或許，他們有更黑的科技，能彌補智能駕駛在這方面的不足。
智能駕駛領域也在努力，Waymo提供Waymo One服務作為嘗試。甚至在進行跑圈刷里程的時候，也會邀請一些有興趣的人參與體驗。現在百度也在開放智能駕駛計程車項目，而株洲已經通過標誌線導航實現了智能駕駛公交，目前還沒看到對乘坐舒適性的負面評價。
但要做到L4級以上的智能駕駛，現在的數據集還不能完全支持，城市裡開放無人駕駛計程車還有困難——一切卡在了數據上。
傳統車企也卡在數據上。自智能駕駛發展起，業內就有兩個方向：一個是以IT技術為代表的Alphabet和百度，他們通過演算法和軟體以及雲端的數據服務，在虛擬世界重構了一個與現實高度重合的交通空間，並通過計算模擬實現智能駕駛技術的升級和迭代。其主要目的是以汽車為載體，把軟體和服務作為核心和未來盈利來源，提供的是軟硬系統和數據服務；
另一個則是以傳統汽車為代表的，以整車為模型的思考方式，從整體上把汽車改造成符合智能駕駛要求和規範的平台，從而應對IT行業對汽車這個平台侵蝕。他們也找IT企業合作，但強調的是汽車本身，而忽略了汽車的出行服務本質。
兩種思維方式的衝撞決定了兩條路徑的不同，也是傳統產業和服務產業對汽車行業完全不同的理解。IT廠商切入是以服務為目標，而傳統汽車廠還是以產品為核心，這將給智能駕駛領域帶來兩種不同技術路線的衝撞和糾纏。
IT技術廠商嗅到了服務的價值和不可替代性，而傳統車企的產品競爭很難通過產品競爭獲得絕對的市場佔有率。服務和產品的這種巨大差異，讓IT技術廠商捕捉到了——即以出行服務為方向，向產品端滲透。
IT技術廠商的嗅覺沒有錯。根據估計，我國出行服務的市場規模在2019年將達到260億美元左右，而且還將以每年30%以上的複合增長率高速成長，到2030年的時候，中國出行服務市場將達到5640億美元，屆時，45%以上的人會用到共享汽車。雖然到時候具體數字會有出入，但絕對表明了發展方向：也就是說，將有接近一半的人可能就不會購買屬於自己的汽車，而汽車這種私有性特彆強的物品也將成為公共交通網路的一部分，它的價值將在高效率的公眾服務中盡情體現。
與之相應的是中國轎車產銷在2018年歷史性下滑，結束了長達28年的增長。「汽車業的以產品為中心的好日子到頭了，以服務為中心的模式將大幅成長」。
目前個人出行方式多變，共享汽車服務的高速發展。其中最有價值的正是數據，各大網路巨頭不約而同看到了這一點，因而在出行服務逐漸風行，而技術逐漸有富裕能夠輸出的時候，以智能駕駛為主題的比賽早早被拉到了下半場。
在下半場的比賽中，數據的價值堪比石油。據統計，2018年，僅與互聯網相關的數字經濟在我國已經佔到GDP的1/3，數據石油與傳統的石油在汽車上相遇，則是科技發展不可避免的宿命。
傳統車企還在做掙扎。除了宣布參與自動駕駛的競賽外，還通過布局出行服務參與到這樣的商業盛宴。在Uber上市的前夕，軟銀、豐田和電裝向Uber的自動駕駛汽車業務投入10億美元，藉助現存的優勢企業實現服務上位。
我們注意到豐田其實拉了軟銀作背書，潛台詞對基於網路的服務商還不大信任。但也說明，如此頑固的豐田都開始對自動駕駛和出行服務感興趣，它們所代表的未來已不言自明。
奇瑞轎車也有「雄獅」戰略牽頭，涵蓋智造、智雲、智駕、智贏、智行五大的方面，算是傳統車企的反擊。傳統車企早已覺醒，並切開始偷襲網路巨頭的「老巢」了。
傳統車廠，對與汽車的命運很清楚，只是大潮之下，無法左右自己的格局，在新的技術面前， 汽車遲早會成為配角。至此，汽車時代無可奈何花落去，在數據面前，汽車作為「配角」，只能給數據「打工」了。從這個意義上來說，BAT真的是天然適合開發智能駕駛。
但智能駕駛在他們的菜單里，會通過服務體現。百度提供的是智能駕駛的整體解決方案，構築了智能駕駛的生態系統，融合了服務、軟體、車機和主機的方方面面，當然雲計算、AI算力輸出還是百度這個平台的核心內容。此外，在小度OS方面切入小程序已經可以在百度的車機OS上運行。百度的Apollo 平台強調汽車本身的計算能力，輔以高精度地圖，完成智能駕駛的所有功能。
而阿里除了提供車載的AliOS之外，更強調車路協同。從運控平台、智能感知基站、協同計算系統三個層面，更像一個基礎設施的構建，並且極度需要5G的配合，這一點與華為的思路接近。
現金豐富的騰訊，則在智能駕駛投資上有自己的理解。比如投資高精地圖的Momenta，在產品方面，除了與阿里和百度相近的雲數據服務外，還提供模擬模擬，這是自動駕數據集訓練的關鍵步驟之一。騰訊更注重此領域的外圍投資，而不是自己孵化技術，畢竟對於多金的騰訊而言，投資可能是更好的選擇。
採用這三家的車機系統，在生產數據的層面就必須與他們各自的雲數據發生勾連，而裝載其系統的汽車將成為他們的數據生產設備，從而完成壁壘的構建。但作為車廠，還沒有更好的選擇，智能駕駛的數據化也直接決定了它們的從屬地位。
現在，傳統車企和智能駕駛服務提供商在數據和軟硬系統的「中場」開始碰撞，但到底是以軟實力為代表的智能駕駛服務提供商會贏還是以汽車為傳統輸出媒介的汽車廠能贏呢？這個事情會變得特別有趣。
誰先找到智能駕駛的強需求，誰就贏
人在最需要的地方才會發光，技術同樣如此。雖然智能駕駛在個人領域短時間內看不到落地的希望，但是在一些緊俏的行業開始有了強需求。比如智能駕駛物流汽車領域。智能相對論查詢到一家做卡車智能駕駛的公司的信息，目前西安到烏魯木齊的物流需求最為緊俏，他們準備在這一段投入智能駕駛物流車，主要是減少司機降低成本之用。用了他們這個系統，可以減少一個司機，也能夠提高物流運力。
根據他們的規劃，這套系統將採用租賃的方式，國內大約2000-3000元/月，國外大約2萬美元/年的收費標準，相對應的則是Otto大約3萬美元/年的租金。這給智能駕駛汽車落地定了個調，用戶也估計會有個數：以後的智能駕駛服務，也將像汽油費一樣，省不了。這就難怪出行服務公司對智能駕駛的迷戀了。
資本市場對智能駕駛也很迷戀。在過去的二十年內，智能駕駛將被認為是科技史上的革新，是藉助於IT基礎設施完成的科技之科技。而且，它的應用市場範圍大。如果融合5G技術，全球的市場規模將達到5萬億美元之多。
這個市場預期，吸引了大批投資。最近5年，全球關於智能駕駛的投資達到了120億美元，新成立了超過460家企業。在國內，智能駕駛企業也是如火如荼，在資本刺激下，智能駕駛已經開始呈現「高燒」狀態。有些甚至被燒暈了，有兩家融資規模比較大的公司因為內訌而元氣大傷，有一家甚至因為創始人的紛爭關門。
且不論及系統層面。在一些細分領域比如高精地圖方面同樣火熱，BAT各有入股投資，爭取智能駕駛「中場」的那一畝三分地。國內具有導航測繪甲級資質的企業也瞬間熱起來了。
至此，BAT三家的布局都很明確了，都是接近系統級布局。同時在細分市場卡位，就像足球的中場，有好幾個位置，未必各個都強，但是卡位精準則有田忌賽馬、出其不意的效果。
BAT具有點面的布局能力，其他後來者可能就要從細節挖掘機會，這將帶動一大批細分領域的領軍廠商，商業動量不可限量。
羅曼·羅蘭在《米開朗琪羅》里說，世界上只有一種真正的英雄主義，那就是在認清生活的真相後依然熱愛生活。我還需要添加一句，那就是認清競爭的本質依然熱愛競爭，同樣也是英雄主義。而智能駕駛在這樣的競爭中，也一定會更好。
【鈦媒體作者介紹：智能相對論（微信id:aixdlun）：深挖人工智慧這口井，評出鹹淡，講出黑白，道出深淺。新書《人工智慧十萬個為什麼 熱 AI 冷知識》，京東正在火熱預售。重點關注領域：AI 醫療、機器人、智能駕駛、AI 硬體、物聯網、AI 金融、AI 安全、AR/VR、開發者以及背後的晶元、演算法、人機交互等】
TAG:鈦媒體APP |