2017年自动驾驶领域群雄争霸 谁主沉浮？

说起今年的自动驾驶行业，充满了重大新闻。如果你想逐一总结重大事件，估计你可以出版一本书。但我们仍然试图用千言万语来解读今年自动驾驶领域的几个趋势和热点事件。传统车厂的反击对于传统车厂来说，实用主义是做生意的基础。每个人都认识到自动驾驶将是未来，但发展自动驾驶的前提是它不能影响现阶段的产品开发和销售。福特就是一个很好的例子。今年年初，他们以10亿美元收购了自动驾驶初创公司Argo.AI，并高调开发了自动驾驶。因此，其前首席执行官Mark Field因过于强调技术转型而忽视现有产品而遭到董事会弹劾。新CEO上任后，他宣布将推迟2021推出L4自动驾驶仪的最初计划。在欧洲，沃尔沃一直非常重视自动驾驶，也将原定于今年启动的自动驾驶测试项目“驾驶我”推迟至2021。可以说，面对自动驾驶，传统巨头们已经逐渐从狂热追逐到冷静规划。不过，不要认为传统车企已经放弃了在自动驾驶领域的反击。他们专注于自己最大的优势：产品的大规模生产。今年7月在巴塞罗那上市的新款奥迪A8是一个强有力的反击信号：它是全球首款搭载L3级自动驾驶的量产车，可以在法律允许的区域内以不高于60公里/小时的速度实现自动驾驶。。（有人认为奥迪A8只达到了L2.5级别。）

在我看来，新款A8最重要的意义在于奥迪对自动驾驶供应链的整合。除了配备激光雷达、摄像头、毫米波雷达和超声波雷达等传感器外，德尔福集成的新款A8自动驾驶仪的核心控制单元zFAS更像是控制器的强大主板：它集成了Mobileye的EyeQ、NVIDIA K1 GPU和Altera Cyclone FPGA。

新A8证明，无论是科技公司、一级供应商还是芯片供应商，只要他们想让自己的自动驾驶技术落地量产产品，最终都会回归统一的汽车供应体系。每个人都应该与汽车工厂一起合作，而不是单独作战。除了A8，今年发布的凯迪拉克超级巡航和梅赛德斯-奔驰Drive Pilot也是非常成熟的半自动驾驶解决方案，这里就不再赘述了。感兴趣的人可以看看我们的另一篇总结文章：“2017年，这些汽车让我们离自动驾驶又迈进了一步”。零部件供应商的轮替，一直给人一种低调的印象，就是在汽车行业发大财。但今年他们的风格发生了变化。自动驾驶涉及感知、地图、决策、控制等多个环节，即使是Tier 1也不可能事事靠自己，所以如果你想为车厂的客户爸爸提供满意的解决方案，你必须找到其他人来合作。其中许多合作伙伴都是知名人士，来自汽车行业以外的科技公司。因此，对于Tier 1来说，无论是从技术体系、合作模式还是宣传策略，都面临着转型。最直接的方法是与科技公司结成联盟。在这一年里，几乎所有你能数到的一级巨头都吸引了他们的盟友。博世和采埃孚与英伟达和百度合作，而和德尔福则加入了宝马和英特尔的阵营。

更重要的是，直接选择成为一家科技公司。9月，德尔福正式将其动力总成业务拆分为Aptiv和德尔福科技两家公司。其中，安博福的定位是一家专注于汽车前沿创新领域的科技公司。有关详细信息，请参阅我们的文章《与德尔福分离后，Amber首次面对媒体。他们说了什么？从技术上讲，上述供应商也已经与各自的盟友宣布了他们的业绩。例如，在上海车展期间，博世宣布了与三大d合作的云路书BRS……

estic图形经销商，并通过孵化器与更多初创企业合作。另一个例子是大陆的CUbE无人车。

由于其自身的供应商角色以及对自动驾驶和车辆开发的理解，一级供应商在汽车制造商和科技公司之间的整合中发挥了非常重要的作用。现阶段，无论是硬件还是软件，科技公司的自动驾驶技术最终都能在汽车工厂项目中成为SOP，这与Tier 1的贡献是分不开的。因此，我们将在随后的分析中经常看到它们。芯片公司的角力说起今年自动驾驶领域最大的新闻，我认为英特尔斥资150多亿美元收购了Mobileye。这种手写不仅显示了芯片行业的巨大价值，也显示了芯片公司做自动驾驶的决心。英伟达和英特尔今年已经宣布了他们在自动驾驶领域的产品。今年，英伟达宣布了Drive PX的最新产品Xavier和未来的下一代产品Pegasus，并以Xavier为基础，分别与博世和采埃孚联合推出了汽车AI超级计算机。关于NVIDIA产品的分析，请参阅我之前的文章：“GTC 2017 |一篇了解NVIDIA自动驾驶解决方案的文章”英特尔，他们通过收购Altera和Mobileye收购了FPGA架构和EyeQ芯片。根据英特尔的数据，Mobileye的最新一代EyeQ5芯片可以提供每瓦2.4次DL TOPS（每秒万亿次）。这比NVIDIA公布的Xavier性能高出2.4倍。另一家芯片巨头高通除了继续消化收购恩智浦获得的资源外，还在2017年12月初获得了加州自动驾驶道路测试的许可。自PC时代以来，芯片行业一直是一个竞争激烈的领域。尽管英伟达首席执行官黄仁勋在接受GTC中国采访时一再强调，英伟达的职业生涯依赖于热爱，但在汽车行业，他的公司与英特尔针锋相对。与消费电子产品不同，汽车中使用的计算芯片在功耗、稳定性和安全性方面有更高的要求。GPU和CPU等通用计算芯片能否针对车载应用进行优化已成为一大挑战。因此，尽管英伟达和英特尔在汽车领域蓬勃发展，但目前真正进入SOP的产品并不多，车企也期待着更多的选择。事实上，这让其他公司有机会制造专门用于汽车场景的计算芯片，例如ADAS的视觉感知芯片。领先者Mobileye惊人的产品价格，让国内一些创业公司也瞄准了这块蛋糕。例如，地平线本月宣布了其自研ADAS芯片“Journey”，并将在2018年消费电子展上与英特尔联合推出预装配方案。他们希望通过了解中国市场和深度学习来赶上Mobileye。我们只是在讨论上面的终端方案。如果我们着眼于云计算，将会有更多的玩家参与进来。科技巨头谷歌宣布了专门用于深度学习的计算芯片TPU和国产芯片CAMBRIAN独角兽等等。

竞争的加剧实际上是汽车制造商乐于看到的，因为这将给他们带来更多的选择，更高的议价和定制能力，以及更低的风险。毕竟，他们不想被芯片公司的“AI神道”带到节奏中。对于已经享受到巨额奖金的领导人老黄来说，表面上说说笑笑，忍住核弹，仍然是最好的应对方式。人工智能的疯狂人工智能真的太火了。我很不好意思不加“.AI”域名就称自己为科技公司。但话说回来，人工智能对自动驾驶的重要性是毋庸置疑的。Mobileye首席技术官Shashua教授曾将人工智能在自动驾驶汽车中的应用总结为两个主要部分：

环境感知：类似于ADAS摄像头识别，它对车辆传感器返回的数据进行分析和融合，并分析周围的驾驶环境。在这一部分中，人工智能或深度学习的主要功能是让汽车看得更准确。例如，系统是否可以识别……

y前车的具体形状，属于哪种车辆，距离车辆有多远，甚至可以识别前车驾驶员的性别。同样的应用还包括行人、非机动车、车道线、路标、道路两侧的环境等要素。该领域的人工智能应用具有相对固定和明确的学习标准，收集的数据可以重复使用，例如同一组车辆图片或视频材料。您可以让系统反复识别和学习它们，直到准确性令人满意。因此，数据收集的困难在于如何覆盖足够的环境材料以及各个国家和地区不同的驾驶环境特征。驾驶决策：系统完成环境意识后，如何做出相应的驾驶决策。在这个领域，人工智能的作用是使机器能够像人类一样驾驶，同时确保安全。目前，大多数在道路上测试的自动驾驶车辆都严格遵守交通法规，并且极其保守。然而，在现实环境中，人类驾驶员的驾驶决策并没有遵循明确的标准，而是将游戏与其他驾驶员结合起来。例如，在中国，严格按照交通法规驾驶是没有“前途”的。真正的老司机是见缝插针、避开摄像头和利用交通法规的专家。（当然，我们在驾驶时仍然必须遵守交通法规。）因此，如果机器真的成为了一个老司机，并且能够在真实场景中与人类司机同行，那么它需要收集更多的驾驶数据。此外，谈判没有固定的标准，这将对环境产生影响。收集到的数据不能重复使用，需要在每次决策迭代时再次收集。因此，驾驶决策也比环境感知更困难。由此可见，人工智能在自动驾驶中的应用需要大量的数据支持，也对深度学习的效率提出了很高的要求。因此，无论是初创公司还是汽车巨头都瞄准了这个领域。今年中国涌现的大多数人工智能初创公司仍在做与环境意识相关的人工智能，称其为机器视觉公司可能更合适。一些巨头公司，如宝马和谷歌，已经开始征服与驾驶决策相关的部分。人工智能的爆发也让汽车行业意识到了软件算法的重要性。汽车公司和Tier 1都在强调这样一个事实，即他们自己团队中的软件工程师比例已经增加。博世甚至在汽车人工智能领域设立了专门的人工智能研究中心和孵化器。关于人工智能在汽车领域的发展，我个人同意Shashua教授的观点，这是一个技术问题和操作问题。在保证人工智能人才的基础上，如何获得更多的数据是关键。互联网公司生态提到了自动驾驶行业的互联网公司。今年谁能超越百度？7月，Apollo自动驾驶平台正式宣布（详情请参阅“阅读百度自动驾驶布局的文章”），这可以说是中国自动驾驶圈最大的事件。业内对Apollo众说纷纭，但它确实将中国大型互联网公司基于平台的生态理念带入了汽车行业。

Apollo平台基本上包含了自动驾驶所需的所有元素。软件算法、高精度地图、传感器、计算芯片、云服务等一应俱全。然而，这些技术中的许多似乎并不是百度的强项，而是来自平台上的其他合作伙伴。那么这个平台的意义是什么呢？为什么人们选择与阿波罗合作？这可能是大多数人质疑阿波罗观点的起点。在我看来，就像Shashua教授的观点一样，仍然有必要从技术和操作两个方面来看待它。在技术层面，百度最重要的优势是在国内高精度地图和云计算方面的积累。地图资质是中国企业的天然优势，这也是博世应该与百度、高德和思微图新合作的根本原因，而云服务是互联网公司在中国布局的基础。说起今年的自动驾驶行业，充满了重大新闻。如果你想逐一总结重大事件，估计你可以出版一本书。但我们……

我将尝试用千言万语来解读今年自动驾驶领域的几个趋势和热点事件。传统车厂的反击对于传统车厂来说，实用主义是做生意的基础。每个人都认识到自动驾驶将是未来，但发展自动驾驶的前提是它不能影响现阶段的产品开发和销售。福特就是一个很好的例子。今年年初，他们以10亿美元收购了自动驾驶初创公司Argo.AI，并高调开发了自动驾驶。因此，其前首席执行官Mark Field因过于强调技术转型而忽视现有产品而遭到董事会弹劾。新CEO上任后，他宣布将推迟2021推出L4自动驾驶仪的最初计划。在欧洲，沃尔沃一直非常重视自动驾驶，也将原定于今年启动的自动驾驶测试项目“驾驶我”推迟至2021。可以说，面对自动驾驶，传统巨头们已经逐渐从狂热追逐到冷静规划。不过，不要认为传统车企已经放弃了在自动驾驶领域的反击。他们专注于自己最大的优势：产品的大规模生产。今年7月在巴塞罗那上市的新款奥迪A8是一个强有力的反击信号：它是全球首款搭载L3级自动驾驶的量产车，可以在法律允许的区域内以不高于60公里/小时的速度实现自动驾驶。。（有人认为奥迪A8只达到了L2.5级别。）

在我看来，新款A8最重要的意义在于奥迪对自动驾驶供应链的整合。除了配备激光雷达、摄像头、毫米波雷达和超声波雷达等传感器外，德尔福集成的新款A8自动驾驶仪的核心控制单元zFAS更像是控制器的强大主板：它集成了Mobileye的EyeQ、NVIDIA K1 GPU和Altera Cyclone FPGA。

新A8证明，无论是科技公司、一级供应商还是芯片供应商，只要他们想让自己的自动驾驶技术落地量产产品，最终都会回归统一的汽车供应体系。每个人都应该与汽车工厂一起合作，而不是单独作战。除了A8，今年发布的凯迪拉克超级巡航和梅赛德斯-奔驰Drive Pilot也是非常成熟的半自动驾驶解决方案，这里就不再赘述了。感兴趣的人可以看看我们的另一篇总结文章：“2017年，这些汽车让我们离自动驾驶又迈进了一步”。零部件供应商的轮替，一直给人一种低调的印象，就是在汽车行业发大财。但今年他们的风格发生了变化。自动驾驶涉及感知、地图、决策、控制等多个环节，即使是Tier 1也不可能事事靠自己，所以如果你想为车厂的客户爸爸提供满意的解决方案，你必须找到其他人来合作。其中许多合作伙伴都是知名人士，来自汽车行业以外的科技公司。因此，对于Tier 1来说，无论是从技术体系、合作模式还是宣传策略，都面临着转型。最直接的方法是与科技公司结成联盟。在这一年里，几乎所有你能数到的一级巨头都吸引了他们的盟友。博世和采埃孚与英伟达和百度合作，而和德尔福则加入了宝马和英特尔的阵营。

更重要的是，直接选择成为一家科技公司。9月，德尔福正式将其动力总成业务拆分为Aptiv和德尔福科技两家公司。其中，安博福的定位是一家专注于汽车前沿创新领域的科技公司。关于细节，请参阅我们的文章“与德尔福分离后，Amber首先面对媒体。他们说了什么？从技术上讲，上述供应商也已经宣布了与各自盟友的合作结果。例如，在上海车展期间，博世宣布了与国内三大图形经销商合作的云路书BRS，并通过孵化器与更多初创企业合作例如，大陆的CUbE无人驾驶汽车。

el 3“src=”/eimg/jndp/ig/20230304014851553898/4.jpg“/>

由于其自身的供应商角色以及对自动驾驶和车辆开发的理解，一级供应商在汽车制造商和科技公司之间的整合中发挥了非常重要的作用。现阶段，无论是硬件还是软件，科技公司的自动驾驶技术最终都能在汽车工厂项目中成为SOP，这与Tier 1的贡献是分不开的。因此，我们将在随后的分析中经常看到它们。芯片公司的角力说起今年自动驾驶领域最大的新闻，我认为英特尔斥资150多亿美元收购了Mobileye。这种手写不仅显示了芯片行业的巨大价值，也显示了芯片公司做自动驾驶的决心。英伟达和英特尔今年已经宣布了他们在自动驾驶领域的产品。今年，英伟达宣布了Drive PX的最新产品Xavier和未来的下一代产品Pegasus，并以Xavier为基础，分别与博世和采埃孚联合推出了汽车AI超级计算机。关于NVIDIA产品的分析，请参阅我之前的文章：“GTC 2017 |一篇了解NVIDIA自动驾驶解决方案的文章”英特尔，他们通过收购Altera和Mobileye收购了FPGA架构和EyeQ芯片。根据英特尔的数据，Mobileye的最新一代EyeQ5芯片可以提供每瓦2.4次DL TOPS（每秒万亿次）。这比NVIDIA公布的Xavier性能高出2.4倍。另一家芯片巨头高通除了继续消化收购恩智浦获得的资源外，还在2017年12月初获得了加州自动驾驶道路测试的许可。自PC时代以来，芯片行业一直是一个竞争激烈的领域。尽管英伟达首席执行官黄仁勋在接受GTC中国采访时一再强调，英伟达的职业生涯依赖于热爱，但在汽车行业，他的公司与英特尔针锋相对。与消费电子产品不同，汽车中使用的计算芯片在功耗、稳定性和安全性方面有更高的要求。GPU和CPU等通用计算芯片能否针对车载应用进行优化已成为一大挑战。因此，尽管英伟达和英特尔在汽车领域蓬勃发展，但目前真正进入SOP的产品并不多，车企也期待着更多的选择。事实上，这让其他公司有机会制造专门用于汽车场景的计算芯片，例如ADAS的视觉感知芯片。领先者Mobileye惊人的产品价格，让国内一些创业公司也瞄准了这块蛋糕。例如，地平线本月宣布了其自研ADAS芯片“Journey”，并将在2018年消费电子展上与英特尔联合推出预装配方案。他们希望通过了解中国市场和深度学习来赶上Mobileye。我们只是在讨论上面的终端方案。如果我们着眼于云计算，将会有更多的玩家参与进来。科技巨头谷歌宣布了专门用于深度学习的计算芯片TPU和国产芯片CAMBRIAN独角兽等等。

竞争的加剧实际上是汽车制造商乐于看到的，因为这将给他们带来更多的选择，更高的议价和定制能力，以及更低的风险。毕竟，他们不想被芯片公司的“AI神道”带到节奏中。对于已经享受到巨额奖金的领导人老黄来说，表面上说说笑笑，忍住核弹，仍然是最好的应对方式。人工智能的疯狂人工智能真的太火了。我很不好意思不加“.AI”域名就称自己为科技公司。但话说回来，人工智能对自动驾驶的重要性是毋庸置疑的。Mobileye首席技术官Shashua教授曾将人工智能在自动驾驶汽车中的应用总结为两个主要部分：

环境感知：类似于ADAS摄像头识别，它对车辆传感器返回的数据进行分析和融合，并分析周围的驾驶环境。在这一部分中，人工智能或深度学习的主要功能是让汽车看得更准确。例如，系统是否可以识别前方车辆的具体形状、属于哪种车辆、距离车辆多远，甚至可以识别前方汽车驾驶员的性别。……

同样的应用还包括行人、非机动车、车道线、路标、道路两侧的环境和其他元素。该领域的人工智能应用具有相对固定和明确的学习标准，收集的数据可以重复使用，例如同一组车辆图片或视频材料。您可以让系统反复识别和学习它们，直到准确性令人满意。因此，数据收集的困难在于如何覆盖足够的环境材料以及各个国家和地区不同的驾驶环境特征。驾驶决策：系统完成环境意识后，如何做出相应的驾驶决策。在这个领域，人工智能的作用是使机器能够像人类一样驾驶，同时确保安全。目前，大多数在道路上测试的自动驾驶车辆都严格遵守交通法规，并且极其保守。然而，在现实环境中，人类驾驶员的驾驶决策并没有遵循明确的标准，而是将游戏与其他驾驶员结合起来。例如，在中国，严格按照交通法规驾驶是没有“前途”的。真正的老司机是见缝插针、避开摄像头和利用交通法规的专家。（当然，我们在驾驶时仍然必须遵守交通法规。）因此，如果机器真的成为了一个老司机，并且能够在真实场景中与人类司机同行，那么它需要收集更多的驾驶数据。此外，谈判没有固定的标准，这将对环境产生影响。收集到的数据不能重复使用，需要在每次决策迭代时再次收集。因此，驾驶决策也比环境感知更困难。由此可见，人工智能在自动驾驶中的应用需要大量的数据支持，也对深度学习的效率提出了很高的要求。因此，无论是初创公司还是汽车巨头都瞄准了这个领域。今年中国涌现的大多数人工智能初创公司仍在做与环境意识相关的人工智能，称其为机器视觉公司可能更合适。一些巨头公司，如宝马和谷歌，已经开始征服与驾驶决策相关的部分。人工智能的爆发也让汽车行业意识到了软件算法的重要性。汽车公司和Tier 1都在强调这样一个事实，即他们自己团队中的软件工程师比例已经增加。博世甚至在汽车人工智能领域设立了专门的人工智能研究中心和孵化器。关于人工智能在汽车领域的发展，我个人同意Shashua教授的观点，这是一个技术问题和操作问题。在保证人工智能人才的基础上，如何获得更多的数据是关键。互联网公司生态提到了自动驾驶行业的互联网公司。今年谁能超越百度？7月，Apollo自动驾驶平台正式宣布（详情请参阅“阅读百度自动驾驶布局的文章”），这可以说是中国自动驾驶圈最大的事件。业内对Apollo众说纷纭，但它确实将中国大型互联网公司基于平台的生态理念带入了汽车行业。

Apollo平台基本上包含了自动驾驶所需的所有元素。软件算法、高精度地图、传感器、计算芯片、云服务等一应俱全。然而，这些技术中的许多似乎并不是百度的强项，而是来自平台上的其他合作伙伴。那么这个平台的意义是什么呢？为什么人们选择与阿波罗合作？这可能是大多数人质疑阿波罗观点的起点。在我看来，就像Shashua教授的观点一样，仍然有必要从技术和操作两个方面来看待它。在技术层面，百度最重要的优势是在国内高精度地图和云计算方面的积累。地图资质是中国企业的天然优势，这也是博世应该与百度、高德和思微图新合作的根本原因，而云服务是互联网公司在中国布局的基础。自动驾驶的算法训练需要在云数据中心完成，然后通过OTA更新到终端。因此，云是数据所有权和计算能力的最大体现。尽管仍有汽车制造商主张为自动驾驶构建自己的云，但在中国，用户的使用数据和ha……

ts掌握在互联网公司手中，自动驾驶的使用场景将与许多互联网服务（如LBS、语音交互、多媒体娱乐等）相融合。这意味着，当汽车互联技术发展到一定程度时，用于自动驾驶的云势必会与离用户更近的互联网公司云合并。这也是像百度这样的互联网公司希望成为平台的原因。事实上，阿里和腾讯在这一领域也有着广泛的布局，他们对新汽车公司的投资可以看出他们的野心。那么，为什么百度作为一个自动驾驶平台处于领先地位呢？这是关于运营的：在三家BAT公司中，百度是C端最弱的一家，其商业模式主要依靠为B端提供服务（如广告和语音）。同时，百度作为一个搜索引擎，积累了大量与机器学习相关的经验。这样，在人工智能时代，它自然会选择一条最适合自己的道路：成为人工智能相关技术的供应商。阿波罗是这项针对汽车行业的政策的产物。由于百度的巨大规模和影响力，他们将更容易与汽车工厂建立联系。至于为什么强调平台的“开放性”，你有没有看到几个供应商还在挑选客户？谷歌等互联网巨头独立成立了自己的自动驾驶部门，成立了Waymo，并与FCA合作推出了克莱斯勒Pacifica的自动驾驶版本。那么，为什么其他互联网公司继续“闭门造车”呢？幸运的是，我们有马一龙在谈论自动驾驶创新的诞生地，埃隆·马斯克的大脑和嘴巴肯定会在其中。他利用我们在初中时接触到的物理定律来做我们认为不可能的事情。今年，他领导的特斯拉做了以下两件重要的事情：1。再次强调摄像头是核心传感器的观点：2016年Autopilot 2.0发布时，特斯拉宣布其搭载的硬件能够完全驾驶。它包括3个前置摄像头、2个侧面摄像头、3个后置摄像头、12个超声波传感器、一个前置雷达、一个后置倒车摄像头和NVIDIA Drive PX2。马一龙曾在2017年5月的Ted演讲中表示：“如果发挥摄像头的潜力，我们绝对可以实现比人类高10倍左右的识别能力。在演讲中，他还宣布了特斯拉Model s的自动驾驶测试Demo。视频中的车辆仅依靠摄像头识别和GPS定位，即可在实际道路环境中完成自动驾驶。在埃隆看来，这种配置与人类的感知基本一致。如果人类能够用眼睛、方向感和方向感驾驶，那么机器也应该如此。当时，他还承诺，到2017年底，特斯拉将能够自动从洛杉矶开到纽约。在这个几乎穿越整个美国的过程中，司机不必干扰驾驶。

4

然而，就像Model 3的量产一样，自动驾驶的这一承诺也随之跃升。在自动驾驶2.0发布一周年之际，我们专门撰文分析了此事：《特斯拉自动驾驶2.0诞生一周年：埃隆·马斯克是在吹牛，还是真的“卡顿”了？》

在我看来，埃隆·马斯克并不是在吹牛。在他完全物理的大脑逻辑中，自动驾驶2.0确实有足够的硬件实力，激光雷达提供的冗余是不必要的。业界基本达成共识，认为摄像头、雷达和软件算法的解决方案更现实。马一龙之所以未能兑现这一承诺，可能是因为他对算法的迭代速度以及团队和供应商的效率过于乐观和期待。2.决定开发自己的芯片：你还记得特斯拉在2016年放弃了与Mobileye的继续合作吗？历史总是惊人地相似。在2017年神经信息处理系统大会（NIPS 2017）上，马一龙和他从AMD挖来的传奇芯片架构师Jim Keller正式承认，特斯拉正在独立开发自动驾驶芯片。这主要是因为现有的芯片供应商无法满足特斯拉对高水平自动驾驶的计算要求。正如我们在“芯片公司的摔跤”一段中分析的那样，尽管特斯拉目前使用的NVIDIA Drive PX2已经是业界领先的自动驾驶计算平台，但其使用的GPU在功耗和综合效率方面仍存在不足。对于高性能电动汽车来说，计算芯片的高功耗将直接影响车辆性能甚至续航里程。以埃隆·马斯克的高要求，这是绝对不能接受的。尽管老黄是特斯拉的忠实粉丝，但由于他的GPU涵盖了人工智能领域的许多应用，并且他一直忙于与主要汽车制造商合作，我认为他真的没有多余的能力为特斯拉定制计算芯片。在这种情况下，埃隆·马斯克再次提出了他的物理定律的一个主要原则：与其寻求帮助，不如寻求帮助。既然别人不能给我一个满意的解决方案，那么我们自己来做！

据称，该芯片将基于AMD的IP构建，功耗仅为当前的十分之一，性能甚至比NVIDIA最新的飞马还要好。这样的Flag无疑在自研芯片领域打下了一剂强心针。

5

读过马一龙传记的人一定知道，除了物理的基本定律和超强的执行力外，他对团队工作速度和工作成果的要求只能用“恐怖”和“独裁”来形容。因此，他对结果和时间点的预测总是那么乐观，尽管实际情况可能没有他预期的那么顺利。然而，他对自动驾驶的最大贡献来自于他对行业的大胆想法和尝试：在传统汽车行业等待激光雷达量产的时候，他敢于站出来说，现在的硬件已经足够了；当每个人都在使用NVIDIA时，他确实说过我们必须自己做。在他的设想中，自动驾驶实现的最大困难实际上在于人们的接受程度。任何系统都无法实现100%的安全性。重要的是公众可以使用什么样的安全级别？我认为埃隆·马斯克在这一点上一定比其他人更有勇气。你可能会因为Model 3的量产和自动驾驶的跳票而对埃隆·马斯克失去一些信心。然而，我想举一个可能不合适的例子：80多年前，另一个善于独裁的疯子定义了汽车工业历史上第一辆真正的“人民汽车”，而这辆汽车最终成为了最大、最成功的传统汽车公司之一——大众。马一龙不是在试图定义电动和自动驾驶时代的“人民汽车”吗？尽管他很疯狂（他似乎很喜欢被称为疯子），但他毕竟不是反人类的。在11月的特斯拉半卡车和跑车的新闻发布会上，马一龙用了一首能反映他当时心情的硬摇滚歌曲作为他的亮相BGM:Feet Don't Fail Me by Queens of Stone Age，一种美国摇滚，翻译成中文的意思是“现状不会限制我”。我强烈建议你听。给他更多的时间，让他有摇滚精神。结论事实上，除了上述六大趋势之外，2017年自动驾驶领域还有很多事情在发生。例如，在政策方面，12月，北京市交通委网站发布通知，发布了《北京市加快推进自动驾驶汽车道路测试的指导意见（试行）》和《北京市自动驾驶汽车路测管理实施细则（试行））》。还有一场撕裂战争，每个人都喜欢看到。例如，百度起诉了离职创建景驰的前高管王劲。这些事情表明，无论是政府、企业还是资本，大家都越来越重视自动驾驶。自动驾驶涉及面广、环节多，这使得汽车行业不得不进一步走出传统概念和做事方式的舒适区。这引发了许多意想不到的集成和更改。2018年，我们可能会见证更多相关实际成果的公布（期待2018年CES），作为见证者和未来用户，我们应该更多地了解自动驾驶。据蔚来汽车创始人介绍，在自动驾驶时代，买车相当于派司机；

马应龙还表示，在自动驾驶时代，人们可以实现真正的汽车共享。当你不使用汽车时，它可以出去拉你的亲戚、朋友甚至其他客人来赚钱。这个时代不值得期待吗？2017年初，我惊讶于自动驾驶的发展速度远远超出了我的想象。眨眼之间，一年过去了，我认为这个速度只会更快。自动驾驶的算法训练需要在云数据中心完成，然后通过OTA更新到终端。因此，云是数据所有权和计算能力的最大体现。尽管仍有汽车制造商主张为自动驾驶打造自己的云，但在中国，用户的使用数据和习惯掌握在互联网公司手中，自动驾驶的使用场景将与许多互联网服务（如LBS、语音交互、多媒体娱乐等）相融合。这意味着，当汽车互联技术发展到一定程度时，用于自动驾驶的云必然会与更靠近用户的互联网公司云合并。这也是像百度这样的互联网公司希望成为平台的原因。事实上，阿里和腾讯在这一领域也有着广泛的布局，他们对新汽车公司的投资可以看出他们的野心。那么，为什么百度作为一个自动驾驶平台处于领先地位呢？这是关于运营的：在三家BAT公司中，百度是C端最弱的一家，其商业模式主要依靠为B端提供服务（如广告和语音）。同时，百度作为一个搜索引擎，积累了大量与机器学习相关的经验。这样，在人工智能时代，它自然会选择一条最适合自己的道路：成为人工智能相关技术的供应商。阿波罗是这项针对汽车行业的政策的产物。由于百度的巨大规模和影响力，他们将更容易与汽车工厂建立联系。至于为什么强调平台的“开放性”，你有没有看到几个供应商还在挑选客户？谷歌等互联网巨头独立成立了自己的自动驾驶部门，成立了Waymo，并与FCA合作推出了克莱斯勒Pacifica的自动驾驶版本。那么，为什么其他互联网公司继续“闭门造车”呢？幸运的是，我们有马一龙在谈论自动驾驶创新的诞生地，埃隆·马斯克的大脑和嘴巴肯定会在其中。他利用我们在初中时接触到的物理定律来做我们认为不可能的事情。今年，他领导的特斯拉做了以下两件重要的事情：1。再次强调摄像头是核心传感器的观点：2016年Autopilot 2.0发布时，特斯拉宣布其搭载的硬件能够完全驾驶。它包括3个前置摄像头、2个侧面摄像头、3个后置摄像头、12个超声波传感器、一个前置雷达、一个后置倒车摄像头和NVIDIA Drive PX2。马一龙曾在2017年5月的Ted演讲中表示：“如果发挥摄像头的潜力，我们绝对可以实现比人类高10倍左右的识别能力。在演讲中，他还宣布了特斯拉Model s的自动驾驶测试Demo。视频中的车辆仅依靠摄像头识别和GPS定位，即可在实际道路环境中完成自动驾驶。在埃隆看来，这种配置与人类的感知基本一致。如果人类能够用眼睛、方向感和方向感驾驶，那么机器也应该如此。当时，他还承诺，到2017年底，特斯拉将能够自动从洛杉矶开到纽约。在这个几乎穿越整个美国的过程中，司机不必干扰驾驶。

4

然而，就像Model 3的量产一样，自动驾驶的这一承诺也随之跃升。在自动驾驶2.0发布一周年之际，我们专门撰文分析了此事：《特斯拉自动驾驶2.0诞生一周年：埃隆·马斯克是在吹牛，还是真的“卡顿”了？》

在我看来，埃隆·马斯克并不是在吹牛。在他完全物理的大脑逻辑中，自动驾驶2.0确实有足够的硬件实力，激光雷达提供的冗余是不必要的。业界基本达成共识，认为摄像头、雷达和软件算法的解决方案更现实。马一龙之所以未能兑现这一承诺，可能是因为他对算法的迭代速度以及团队和供应商的效率过于乐观和期待。2.决定开发自己的芯片：你还记得特斯拉在2016年放弃了与Mobileye的继续合作吗？历史总是惊人地相似。在2017年神经信息处理系统大会（NIPS 2017）上，马一龙和他从AMD挖来的传奇芯片架构师Jim Keller正式承认，特斯拉正在独立开发自动驾驶芯片。这主要是因为现有的芯片供应商无法满足特斯拉对高水平自动驾驶的计算要求。正如我们在“芯片公司的摔跤”一段中分析的那样，尽管特斯拉目前使用的NVIDIA Drive PX2已经是业界领先的自动驾驶计算平台，但其使用的GPU在功耗和综合效率方面仍存在不足。对于高性能电动汽车来说，计算芯片的高功耗将直接影响车辆性能甚至续航里程。以埃隆·马斯克的高要求，这是绝对不能接受的。尽管老黄是特斯拉的忠实粉丝，但由于他的GPU涵盖了人工智能领域的许多应用，并且他一直忙于与主要汽车制造商合作，我认为他真的没有多余的能力为特斯拉定制计算芯片。在这种情况下，埃隆·马斯克再次提出了他的物理定律的一个主要原则：与其寻求帮助，不如寻求帮助。既然别人不能给我一个满意的解决方案，那么我们自己来做！

据称，该芯片将基于AMD的IP构建，功耗仅为当前的十分之一，性能甚至比NVIDIA最新的飞马还要好。这样的Flag无疑在自研芯片领域打下了一剂强心针。

5

读过马一龙传记的人一定知道，除了物理的基本定律和超强的执行力外，他对团队工作速度和工作成果的要求只能用“恐怖”和“独裁”来形容。因此，他对结果和时间点的预测总是那么乐观，尽管实际情况可能没有他预期的那么顺利。然而，他对自动驾驶的最大贡献来自于他对行业的大胆想法和尝试：在传统汽车行业等待激光雷达量产的时候，他敢于站出来说，现在的硬件已经足够了；当每个人都在使用NVIDIA时，他确实说过我们必须自己做。在他的设想中，自动驾驶实现的最大困难实际上在于人们的接受程度。任何系统都无法实现100%的安全性。重要的是公众可以使用什么样的安全级别？我认为埃隆·马斯克在这一点上一定比其他人更有勇气。你可能会因为Model 3的量产和自动驾驶的跳票而对埃隆·马斯克失去一些信心。然而，我想举一个可能不合适的例子：80多年前，另一个善于独裁的疯子定义了汽车工业历史上第一辆真正的“人民汽车”，而这辆汽车最终成为了最大、最成功的传统汽车公司之一——大众。马一龙不是在试图定义电动和自动驾驶时代的“人民汽车”吗？尽管他很疯狂（他似乎很喜欢被称为疯子），但他毕竟不是反人类的。在11月的特斯拉半卡车和跑车的新闻发布会上，马一龙用了一首能反映他当时心情的硬摇滚歌曲作为他的亮相BGM:Feet Don't Fail Me by Queens of Stone Age，一种美国摇滚，翻译成中文的意思是“现状不会限制我”。我强烈建议你听。给他更多的时间，让他有摇滚精神。结论事实上，除了上述六大趋势之外，2017年自动驾驶领域还有很多事情在发生。例如，在政策方面，12月，北京市交通委网站发布通知，发布了《北京市加快推进自动驾驶汽车道路测试的指导意见（试行）》和《北京市自动驾驶汽车路测管理实施细则（试行））》。还有一场撕裂战争，每个人都喜欢看到。例如，百度起诉了离职创建景驰的前高管王劲。这些事情表明，无论是政府、企业还是资本，大家都越来越重视自动驾驶。自动驾驶涉及面广、环节多，这使得汽车行业不得不进一步走出传统概念和做事方式的舒适区。这引发了许多意想不到的集成和更改。2018年，我们可能会见证更多相关实际成果的公布（期待2018年CES），作为见证者和未来用户，我们应该更多地了解自动驾驶。据蔚来汽车创始人介绍，在自动驾驶时代，买车相当于派司机；马应龙还表示，在自动驾驶时代，人们可以实现真正的汽车共享。当你不使用汽车时，它可以出去拉你的亲戚、朋友甚至其他客人来赚钱。这个时代不值得期待吗？2017年初，我惊讶于自动驾驶的发展速度远远超出了我的想象。眨眼之间，一年过去了，我认为这个速度只会更快。

标签：特斯拉奥迪北京宝马Model 3

汽车资讯热门资讯