資本領跑下的7萬億美元自動駕駛市場，再不追上就晚了！

　　人工智能并不是新詞，早在1956年就在DARTMOUTH學會上被提出。在它不長的歷史之中，發展進程卻比預想得慢，這期間它可能只在學術界存在，在工業界、投資界一直是無人問津。但最近幾年，隨著深度學習在感知、認知、決策方面的技術進步，人工智能終于成為熱點，其最主要的三大細分市場“機器人、AI醫療，以及自動駕駛”紛紛吸引無數創投人士爭相涌入。每個產業的市場變化都十分熱鬧，本文將主要從自動駕駛領域來進行分析。

　　一、資本的興起與未來7萬億美元的市場

　　2009年，谷歌成立Google X實驗室，率先啟動自動駕駛測試。由于政策及生態環境的利好，最近幾年以來，國外市場各種互懟、高價收購、戰略聯盟的新聞也讓觀眾喜聞樂見，目前為止，基于英特爾與英偉達兩大芯片平臺陣營，基于Uber與Lyft兩大共享服務陣營，市場競爭已經十分激烈。再看國內，2015年，國務院印發《中國制造2025》十年行動綱領，將無人駕駛作為汽車產業市場轉型的重要方向之一，市場同樣開始走熱。

　　對此，美國智庫布魯金斯學會在最近一份報告中指出，2014年至2017年之間，自動駕駛汽車領域的投資總超過800億美元，尤其是2016年以來，投資速度大幅加快。報告還整理到，2015年自動駕駛領域的主要投資、合作或收購有3起，2016年大幅增加到12起，截止2017年6月，主要投資也已經有9起。并且根據目前趨勢可以預測，2018年的投資數額將更加龐大。

　　2015-2017.6國內外自動駕駛領域投資收購大事件

　　(來源：布魯金斯學會 翻譯：華爾街見聞)

　　另外，今年7月，英特爾與研究公司Strategy Analytics聯合發報告稱，無人駕駛汽車的市場規模將在2050年前達到7萬億美元，并且近半由乘車服務貢獻。未來十年，汽車制造商需要把主業從賣車轉向提供乘車出行服務，尤其是卡車運輸業也將被徹底改變……

　　二、技術與服務領域的細分讓產業鏈更加龐大

　　未來讓我們充滿了想象與期待，但要實現自動駕駛，技術提升是不可缺少的。細分自動駕駛產業鏈，主要涉及技術有傳感器、高精地圖、車聯網、算法/軟件、芯片/計算平臺，參與者包括了上述技術提供方以及共享平臺方、傳統整車廠、新興車企、跨界科技企業等。

　　1. 傳感器技術

　　傳感器技術領域分支

　　資料來源：億歐智庫《2017年自動駕駛產業研究報告》

　　自動駕駛涉及的傳感器分為視覺、聽覺、雷達、姿態、定位幾方面。其中視覺傳感器以攝像頭為代表，通過計算機視覺判別周邊環境與物體，探測距離在50米以內，在汽車高級輔助駕駛市場(ADAS)已被規模商用，單個成本降到200元以下。根據圖像檢測原理，可分為單目攝像頭與雙目攝像頭。雙目攝像頭基于視差原理，能獲得較準確的距離數據，但計算量較大;單目攝像頭基于機器學習原理，計算相對簡單，但對數據樣本要求高。同時，攝像頭精度易受天氣、光線影響，基于實際行駛環境的復雜多樣化，此種技術方式并不能夠一家獨大，需要和其他傳感技術配合使用。

　　雷達傳感器技術與攝像頭視覺識別技術同樣重要。毫米波雷達精度較高，探測距離遠(可達250米)，但探測角度小，難以識別小的物體;激光雷達精度更高，探測距離大于100米，抗干擾能力強，但容易受天氣影響，且成本高昂，制作工藝復雜。對于毫米波雷達來說，未來發展趨勢主要是基于現有的77GHz與22GHz使用頻段，開發更遠測距、高分辨率的79GHz頻段;而對于激光雷達來說，關鍵還是降成本、提產量。

　　僅從此兩種傳感器來看，雙方各有優劣勢，未來將持續在博弈平衡中向前發展。但無論如何，現在已經不僅是做學術研究的階段，在市場之中，提高有效性、降成本、輕量化(包括傳感器重量與數量)始終是核心。正如博世投資張翠波在最近一次發言中提到，用戶不太關心自動駕駛需要的是激光雷達技術的突破，還是攝像頭的突破，從系統層面上要解決的問題是，即使在極端的天氣狀況下，自動駕駛車輛依然既能捕捉短距離內有效的視覺圖像，又能捕捉長距離的圖像，維持住它的穩定性，這才是關鍵。

　　2. 車聯網

　　對于自動駕駛來說，車聯網(V2X)是必需，它使汽車擁有了更大范圍的感知能力，進而發現風險或是實現路徑優化。此外，聯網的自動駕駛汽車將具有無限的商業可能性，包括共享租賃、內容媒體、金融服務、商業廣告等一切可能形式。從市場環境看，車載終端系統以及OTA成為車企率先在車聯網發力的地方，但在實現的道路上，還有以下幾點需要準備：

　　5G的商業化以滿足數據帶寬需求；

　　政府參與的道路設施改進；

　　傳感器的數據融合，通信精度提高；

　　不同終端間的通信協議統一；

　　包括信息安全，功能安全、行駛安全在內的安全保障。

　　3. 算法

　　自動駕駛的深度學習算法覆蓋感知、決策等關鍵環節，需要大量高質量的數據進行喂食訓練。在數據獲取上，親自實測、軟件模擬、眾包是最常見的三種收集方式。關于算法究竟如何服務自動駕駛，技術上是黑盒子。但是對于初創企業來說，門檻相對較低，往往成為他們進入行業的主要入場口。不過因為缺乏平臺，往往要依賴Tier1供應商、主機廠才能獲取數據反饋及軟件應用機會，這部分企業常常很難獲得商業閉環，被大公司并購成為了最主要的出路。

　　高精地圖領域，研發投入巨大，技術發展路線尚未成熟，但在國內，騰訊系四維圖新、阿里系高德地圖已經發展成為最大圖商。而AI芯片市場，目前英偉達與英特爾一定程度形成壟斷，但正如同谷歌可以另辟蹊徑，開發出TPU來與之抗衡一樣，國內寒武紀、地平線等企業也在為技術突圍而蓄力。

　　同樣的，技術研究有情懷還不夠，金錢也是支撐。以下是今年國內自動駕駛領域初創企業部分融資事件，從此可見戰火確實燒得夠旺。

　　國內自動駕駛領域初創企業部分融資事件

　　資料整理來源：IT桔子

　　4. 傳統車企的地位守護之戰

　　相對于傳統汽車業整車廠居于頂端的較成熟的金字塔結構，自動駕駛將給汽車行業上下游的附加值帶來變動，各家都在避免成為低價值的代工產出方，從而積極向上游的研發環節和下游的運營服務環節靠攏。

　　從傳統車企的自動駕駛發展規劃來看，講究級別的循序漸進，傾向于逐步教育消費者接受自動駕駛，目前國內車企大多已在積極布局。

　　國內研發自動駕駛的傳統車企

　　資料來源：億歐智庫《2017年自動駕駛產業研究報告》

　　此外，基于汽車共享化的未來趨勢，車企也很有可能會將自動駕駛汽車直接接入滴滴、Uber等共享平臺，以期獲得利潤轉型。正是如此，傳統車廠才更加注重維持現有核心地位，減小其他領域企業在合作中討價還價的機會。

　　值得一提的是，與傳統車企不同，科技企業則更喜歡一步到位。近日，谷歌發表聲明，旗下自動駕駛部門Waymo已決定停止開發自動輔助駕駛(autopilot)功能。谷歌宣稱，對這一功能的依賴會造成駕車者分散注意力，在發生緊急情況時根本來不及作出反應干預駕駛。外界看來，完全取消駕駛輔助研發的行為，也無異于對外宣稱不信任人類駕駛員的自制力。而這條路谷歌是否能走順，還需要時間來給出答案。

　　三、資本保障，未來可期

　　有人這么描述過未來的汽車產業：你計劃明天從深圳到惠州出差，通過共享出行平臺在網上預約了上汽的某款自動駕駛汽車，時間是早上九點。第二天，當你準點出門時，預約車型剛好在樓下等著。上車之后，你在車上聽音樂，讀書，完全沒有去操作汽車，過不了多久，就順利到達目的地。而確認付款之后，這輛汽車便自動離開，趕往下一個約車地點……

　　這種場景是否能實現?大部分人會持懷疑態度吧。不過綜合來看，盡管投資自動駕駛是個燒錢燒時間的技術活，但基于政策扶持、經濟轉型、社會民眾接受度提高，以及技術水平的上升這四點，投資方仍舊看好這一領域的長遠利益，愿意不斷為產業鏈相關企業輸血，這對自動駕駛的發展是極其有利的。而筆者也相信，在資本的保駕護航之下，未來你能想象到的，自動駕駛也許真的可以實現。