2016 是中国自动驾驶创业的最佳时期

本篇文章5722字，读完约14分钟

编者按:本文由新投资者王秋提交。在进入银行的两年前，他错误地在先进制造和硬件领域进行了早期投资。现在，他在一家完全向物联网转型的互联网公司工作，专注于人工智能和物联网的战略投资。以下评论纯属个人意见，不涉及任何公司战略。我期待与您讨论:微信:qq113570308邮箱:wangq.11@sem.tsinghua.edu

前言

在当今社会，汽车已经成为人类生活的第二个空房间；自驾车将推动汽车联网服务的全面应用。未来，每辆车都将成为移动智能终端，形成除智能手机之外的第二大交通门户。自动驾驶仪对用户、汽车制造商和互联网技术公司来说足够性感了。

那么梦想可能会实现，自动驾驶离我们还很远吗？作为一名投资者，是时候布局了吗？我个人乐观地认为，2016年是中国自主驾驶和创业的最佳时机；如果我迟到了，恐怕我会错过这个机会。

自动驾驶仪将比机器人更早着陆

自动驾驶汽车和智能机器人(包括无人驾驶飞行器)是我们最关注的新型智能终端。也许当我还是个孩子的时候，我太爱哆啦a梦了，我对机器人的爱会更深:)，但是回归是理性的，我认为自动驾驶汽车会比智能机器人更早地改变我们的生活。

从用户的需求出发

应用场景:汽车是最重要的旅行载体，应用场景已经存在了数百年。无论是在地面行走的机器人还是在空中飞行的无人驾驶飞机，都有必要不断打开用户的大脑，创造新的游戏方式。价格:汽车和机器人都需要充分冗余计算、决策单元和执行机制，以确保用户体验，而且用户愿意为汽车支付的成本远远高于新硬件的成本。看看技术成熟度

环境建模的数据积累:无论是汽车还是机器人，基于视觉的深度学习是其感知物理世界的基础，而机器人面对的是从未积累和改变过的室内场景；尽管无人机的环境复杂性降低了，但视角却提高了一个维度；上述基于场景的建模仍然需要很长时间，而道路场景的汽车建模自adas早期以来已经积累了近10年的时间。互动模式:机器人需要更自然的声音互动。我们面前的大量声学积累是近场的；与机器人的交互通常在远场和干扰环境中进行。现有的人工智能模型不能很好地解决语义理解问题。自动驾驶汽车在被人们接管后，仍然是以前的驾驶行为。似乎这个机器人至少需要3-5年才能成为这个家庭的第三个成员。自动驾驶汽车怎么样？

也许很多人会想:“自动驾驶是否更远？技术和政策上仍有许多不确定因素？”。我认为自动驾驶首先应该感谢adas的早期积累；Mobileye花了十年时间在视觉算法中为自动驾驶铺平了许多弯路。此外，随着人工智能技术的飞速发展，不仅数据和算法不断完善，而且为其开发的gpu和fpga也逐渐丰富。最后，当深度学习遇到不同层次的图像时，即使在量子计算机诞生之前，它也有很好的应用。

现在每个人都能看到的是特斯拉的半自动驾驶模式；你会觉得很酷吗？具有这种功能的汽车比普通汽车便宜成千上万。我相信很多人会买它们。

特斯拉模型视频:http://tech.qq/a/20160127/004898

自动驾驶与无人驾驶

必须澄清的是:我提到的进入家中的自动驾驶汽车不同于每个人在硅谷和北京五环路看到的无人驾驶汽车。汽车行业对智能驾驶汽车的定义有一个标准:

从上表可以看出，汽车处于0，1级阶段。0级仅具有预警功能，不涉及控制；用户对价格很敏感(这就是为什么mobileye坚持低成本路线)。然而，自第1级以来，它实际上已从早期预警变为干预控制。从1级和2级开始，主动安全变得不那么乏味。对于整车厂来说，这也是其核心竞争力的体现。说到第三关，真的是自动驾驶。随着相当程度的解放的手和精力，各种服务的汽车网络开始有一个大规模的着陆场景。我们看到的谷歌无人驾驶汽车是一个四级阶段，“共享主义”的旅行模式将彻底颠覆现有的汽车和旅游服务行业。

在这段时间里，我对“奔驰、沃尔沃、戴姆勒”等停车场的实验室和市场人员进行了彻底的调查和暗访。从他们的技术积累和现场示范效果可以推断，这些厂商的技术比尖端互联网技术公司成熟得多(奔驰2016e系列推出后，大家都会明白)。我有一个不负责任的判断:自动驾驶仪很可能在两年后的2018年商业化(首次用于公共交通)。自驾车将在2020年左右逐渐进入人们的家庭，在此期间各种半自动驾驶汽车将不断出现。

两个学派:以人为本与机器为王

无人驾驶有两种技术路线和流派:

1)谷歌和百度是想一步无人驾驶的“激进分子”;2)特斯拉、移动眼和原始设备制造商是实现低成本和渐进目标的“温和派”。这两条路径有不同的业务模型和累积能力维度。1)无人驾驶、长路和修远

“以机器为导向”，在任何路况下由机器而不是人驾驶

这条路:以激光雷达为主要传感器，依靠城市3D高精度地图。要绘制3D地图，装有激光雷达的汽车需要满大街跑(目前只有新加坡实现了全国范围的3D地图绘制)，最重要的是必须不断更新。每个人都在思考“众包模式”，但“先有鸡还是先有蛋”？看成本:目前车载64线激光雷达的价格在6-8万美元之间，所以固态雷达似乎有望大幅降低成本。从理论上讲，激光雷达的成本降低之路是平坦的，但要实现车载稳定的产品需要很长时间。加上gps计算平台、高精度imu和强大的数据处理能力...以百度无人驾驶汽车为例，成本约为200万元人民币。显然，客户用传统的购车逻辑来结算是不可接受的。

当然，我们应该辩证地看待成本。从个人出行->共享出行的角度来看，整个出行+车联网+车后服务的价值体系应该重新建模。如果你削减…所有的成本，如人员，保险费率和维护，这是可以的。在美国你几乎不能结算。毕竟，加州的司机一年要挣7万到9万美元。但是我不能在中国计算这个账户。

有时需要95%的努力来实现最后5%的功能。如果无人驾驶真的实现了，光靠感知和地图是不行的。随着汽车和环境的不断变化，需要另一个重要的基础设施来实现真正的安全:车辆和环境(v2x)以及车辆和车辆(v2v)之间的通信。现在华为正在这么做，并希望建立这个标准。在这方面，中国可能比外国发展得快。我们仍然预计v2x和v2v着陆更快，这对自动驾驶和无人驾驶都是好消息。

2)自动驾驶，小步跑

自动驾驶的道路实际上是“以人为本”，在特定区域(如高速、公园、城市环路等)实现低成本自动驾驶。)。当遇到复杂的道路环境(如坡道和非标准车道)时，驾驶员在任何时候都有最大的优势来控制驾驶行为。

该路径采用视觉+毫米波雷达+超声波雷达的低成本方案。视觉通常是通过双目或多目(不同距离)完成的，环境感知是通过深度学习完成的。毫米波雷达主要用于不同方向的目标确定，超声波雷达感知5米以内的短距离，多个传感器集成完成感知、测距和决策。对于水平和垂直定位，使用低成本的gps、imu和里程表。用map+目视校正调整累积误差。这条路线不依赖于高成本的激光雷达和3D城市地图(简称地图)，成本仅为3000-5000美元。

无论是公共交通还是私家车，“性价比”已经达到了实际应用的范围。对于公共交通，回收期可能不到一年。对于普通用户来说:自动驾驶汽车实现了人与机之间的平稳切换，并加强了驾驶技术的采用(通过学习用户的驾驶行为)，使驾驶员在自动驾驶的过程中能感受到像自主驾驶一样的平稳。驾驶员可以在“安全路段”释放大量能量。

个人观点

从短期来看，我对第一条道路不是很乐观；我更喜欢低成本的自动驾驶路线，因为它可以更快地着陆。毕竟，要提高汽车的智能水平，我必须先跑后跑...如果激光雷达的成本在未来几年迅速下降，将会绘制大量的3D地图，并且v2v/v2x条件已经成熟...基于多传感器集成的思想，低成本的自动驾驶路线也可以不断升级，当它发展到无人驾驶时，技术没有很大的变化。相反，主要基于雷达的无人驾驶不太容易重新积累视觉。

支持我观点的更重要的原因是无人驾驶路线与短期内各方利益之间存在明显的矛盾:

？原始设备制造商:一旦无人驾驶成为主流，汽车的品牌差异就不那么重要了(用户不会太在意接他的专车是奥迪还是宝马)，这也是原始设备制造商对这条路线不太乐观的原因之一。没有整车厂的投入，“先有鸡，后有蛋”的问题又来了。解决地图的众包需要多长时间？不可能要求每个车主都安装几十万个激光雷达……当然，从“局外人”的角度来看，采用完全颠覆性的创新来提高他们获胜的机会是可以理解的。然而，现在说原始设备制造商是否会被轻易颠覆还为时过早。

？用户:你愿意在这个时候完全被剥夺驾驶经验吗？我认为用户此时更渴望改善他们的驾驶体验。

？法律法规:尽管加州已经通过了无人驾驶法，但完全无人驾驶毕竟是旅行中的一个“突破性”变化。但是其他国家能有多快呢？但是有了自动驾驶，人们仍然是最终的责任。法律法规的可行性会更大。

业内许多专家也认为，谷歌可能“早起晚睡”。但不管它是否如此悲观，我仍然不敢妄下结论。至少由于路径不同，“前辈”的探索给企业家留下了宝贵的财富，这有助于他们少走弯路。

2016年是中国创业的最佳时机

我们提到，从2018年到2020年，无人驾驶汽车有望大规模进入市场。为什么2016年对中国企业家来说至关重要？有几个原因:

？如果你两年前在中国创业，资金支持是不够的。除了汽车制造商和互联网巨头，初创公司没有其他业务支持。如果它们已经应用于市场超过5年，并且没有中间产品可以投入市场(并非不可能，但会分散注意力)，那么它们可能会有更大的系统性风险。大多数资本(在中国)不能容忍如此大投资的长期项目。

？现在就去做，前方的技术没有不可逾越的瓶颈。从感知决策的角度来看，自动驾驶需要大约5-6套深度学习算法(车道线检测、目标检测、三维视觉里程表、防撞、路边检测、增强型驾驶)；多年积累的驾驶数据使得这些算法更加精确。在计算平台上，我们可以看到nvidia ps2有足够的计算性能来支持自主车辆(成本和功耗可能不是最佳解决方案)，但根据目前的趋势，计算问题不会成为未来1-2年的瓶颈。

？谷歌和百度正在走一条长期路线。虽然mobile eye+Tesla的组合在视觉感知算法和数据积累方面有明显的优势，但之前mobile eye的大量积累来自于单目视觉的非深度学习算法；它的深度学习和自动驾驶的发展只是这两年的事情。初创公司可以借鉴前人的经验，少走弯路。

？目前，汽车电气化和基于互联网的汽车制造也深刻地影响着这个行业。这些新的汽车公司是智能驾驶最重要的功能。我们看到了“智能汽车卓越”的会议，它的智能驾驶是最大的亮点。与传统汽车制造商相比，进入这些新汽车公司要快得多。从时间上计算，目前，这些尖端整车企业的第一辆整车将从2017年底到2018年陆续上市。根据这一计算，自动驾驶报名方案将在发布前至少6-8个月最终确定，并将开始驾驶考试。如果2016年还没有成立自主驾驶创业公司，估计很难拿到这笔奖金。

？最后，自动驾驶是通过驾驶数据积累训练的算法；软件和硬件的壁垒在实践中不断滚动和强化。如果后来者和先来者使用相同类型的技术，并且累积差异超过2年，则没有机会(典型的例子是adas领域的mobileye)。如果你现在不这样做，如果国内汽车制造商被完全唤醒，初创公司的价值将会大大降低。

中国自主驾驶的机会

首先，自主驾驶的全球产业格局远未形成。可以说，我们在基础技术方面仍处于起步阶段。其次，Xi达达还说“没有信息安全就没有国家安全”。想象一下，在自动驾驶的时代，一旦发生战争，我们国家的汽车会立即被其他国家控制，这是相当危险的。因此，中国将对外国自动驾驶汽车有一定的限制，优先支持国内企业(这很重要，先看看互联网，再看看先进制造业...(

除了长安和吉利，国内汽车制造商仍有一些自动驾驶的积累。大多数汽车制造商(尤其是合资企业)习惯于“纵容”，基本上是找大学来做骡车。目前，国内汽车企业也增加了在这方面的投资，但以前积累的很少。如果创业公司抓住这个时机，他们相信在未来几年与国内汽车公司的合作和博弈中，他们一定会表现出稀缺性“价值”；如前所述，在互联网上制造汽车的新公司也为自动驾驶公司提供了更多的合作伙伴。

人才也是成熟条件的一个重要因素。基于视觉的深度学习技术，世界顶尖的人工智能专家，其实很多都是中国人；百度和360等国内互联网公司已经建立了人工智能研究所，并邀请大咖啡加入和组建团队(百度-ng和360-阎水城)。可以说，我们在这一领域的人才供应是充足的，至少不比其他国家差。在自主车辆平台建设方面，无人驾驶技术在中国军事上的应用自“九五”以来就被提到议事日程上。国内机构:国防科技大学、北京科技大学、南京科技大学、西方交通大学和清华大学积累了很多。国防科技大学和北京理工大学等学校在这一领域已经积累了20年。一些年轻的骨干也有机会单独建立和调试交易平台。

自动驾驶早期投资逻辑综述

首先，在大方向上:我已经说明了为什么我对低成本计划更加乐观的许多原因。除了方向，早期的重点应该放在团队上。因为自主驾驶是一个需要综合技术和商业层面的创业项目；当然，团队越整洁越好，但核心板需要体现在产品化的能力上(它不能与汽车本身分开)。在创业成员中，有牛已经建立了一个自动驾驶平台，这在早期阶段非常重要。

自动驾驶仪是一个“技术和资本”的双重密集型行业，团队在开发过程中将面临许多战略合作和技术选择方面的业务决策。有时候“南坡和北坡”是对的，他们最怕原地踏步。这时，团队中是否有一个“精神领袖”能够承受“牛人”队友的不同意见，迅速做出决策，带领团队杀出一条血路；这个“人”的存在在很大程度上决定了项目的成败。

我投资的时间越长，我就越发现早期项目的成功是除了“方向和团队”之外的另一个重要因素。我认为从“天气、位置和人”的角度来看，2016年是时候在中国进行自主驾驶了。目前，虽然中国自主驾驶团队不多，但每个团队都有自己的特点，今年我会继续关注它的成长。令人欣慰的是，越来越多的高素质企业家投身于这一领域。未来改变世界的公司是在这个时候在中国成立的吗？我们将拭目以待！

这篇文章由读者提交，并不代表36英寸的立场。如果转载，请注明出处

“读完这篇文章还不够吗？如果你也开始创业，希望你的项目被报道，请点击这里告诉我们！”