備受矚目的AlphaGo對(duì)戰(zhàn)柯潔以人工智能的4：1完勝告終，賽后柯潔哽咽：“我會(huì)繼續(xù)改變自己,而AlphaGo將會(huì)繼續(xù)改變世界”。人工智能歷經(jīng)幾次從神壇跌落，此次似乎IT 新一輪革命正在開啟，產(chǎn)業(yè)化元年腳步臨近，分析人工智能前沿技術(shù)路線和最新應(yīng)用場(chǎng)景，探索技術(shù)產(chǎn)業(yè)化的必經(jīng)路徑，繪制人工智能產(chǎn)業(yè)當(dāng)前生態(tài)圖譜。我們相信，汽車、安防，金融、醫(yī)療、服務(wù)將成為AI產(chǎn)業(yè)化的前沿。

AlphaGo 大勝人類冠軍、Libratus 在德?lián)滟悎?chǎng)上獲得成功，人臉識(shí)別準(zhǔn)確率優(yōu)于人眼，語(yǔ)音識(shí)別正確率高于人類。。。。。。AI已在感知階段的各個(gè)領(lǐng)域超越人類，這些前沿領(lǐng)域的突破將帶來越來越廣泛的人工智能應(yīng)用領(lǐng)域。

一、人工智能前生今世，曲折中前進(jìn)

人工智能的Founder——圖靈(Alan Turing)，他既是計(jì)算機(jī)之父，也是人工智能之父。人工智能是指計(jì)算機(jī)系統(tǒng)具備的能力，它可以履行原本只有依靠人類智慧才能完成的復(fù)雜任務(wù)。硬件體系能力的不足加上發(fā)展道路上曾經(jīng)出現(xiàn)偏差，以及算法的缺陷，使得人工智能技術(shù)的發(fā)展在上世紀(jì)80—90 年代曾經(jīng)一度低迷。近年來，成本低廉的大規(guī)模云計(jì)算、大數(shù)據(jù)、深度學(xué)習(xí)算法、需求應(yīng)用4 大催化劑的齊備，導(dǎo)致人工智能的發(fā)展出現(xiàn)了向上的拐點(diǎn)。

人工智能的演化歷史

從人工智能發(fā)展的歷史看，基本上是一個(gè)算法進(jìn)化的歷史。隨著計(jì)算速度的越來越快，數(shù)據(jù)越來越豐富，新的算法不斷被開發(fā)，人工智能的未來讓人充滿了想象。人工智能的未來發(fā)展：

1. 探索新的機(jī)器學(xué)習(xí)方法，是發(fā)展人工智能的主要引擎；

2. 推動(dòng)以知識(shí)處理為核心的研究，攻克非確定性信息處理難題；

3. 發(fā)展以神經(jīng)網(wǎng)絡(luò)為主的感知與識(shí)別系統(tǒng)，提升識(shí)別準(zhǔn)確率；

二、人工智能發(fā)展的三大背景

1 神經(jīng)網(wǎng)絡(luò)的出現(xiàn)，為人工智能的出現(xiàn)提供動(dòng)力

人類的大腦中有數(shù)百至上千億個(gè)神經(jīng)元，而且每個(gè)神經(jīng)元都通過成千上萬(wàn)個(gè)“突觸”與其他神經(jīng)元相連，形成超級(jí)龐大和復(fù)雜的神經(jīng)元網(wǎng)絡(luò)，以分布和并發(fā)的方式傳導(dǎo)信號(hào)，相當(dāng)于超大規(guī)模的并行計(jì)算(Parallel Computing)。因此盡管單個(gè)神經(jīng)元傳導(dǎo)信號(hào)的速度很慢(每秒百米的級(jí)別，遠(yuǎn)低于計(jì)算機(jī)的CPU)，但這種超大規(guī)模的并行計(jì)算結(jié)構(gòu)仍然使得人腦遠(yuǎn)超計(jì)算機(jī)，成為世界上到目前為止最強(qiáng)大的信息處理系統(tǒng)。

人工神經(jīng)網(wǎng)絡(luò)算法模擬生物神經(jīng)網(wǎng)絡(luò)，是一類模式匹配算法。通常用于解決分類和回歸問題。重要的人工神經(jīng)網(wǎng)絡(luò)算法包括：感知器神經(jīng)網(wǎng)絡(luò)(Perceptron Neural Network)，反向傳遞(Back Propagation)，Hopfield 網(wǎng)絡(luò)，自組織映射(Self-Organizing Map, SOM)。

深度學(xué)習(xí)算法對(duì)人工神經(jīng)網(wǎng)絡(luò)進(jìn)一步發(fā)展。目前，在短短的不到10 年時(shí)間里，深度學(xué)習(xí)帶來了在視覺、語(yǔ)音等領(lǐng)域革命性的進(jìn)步，引爆了人工智能爆發(fā)的新浪潮。

2 運(yùn)算能力和儲(chǔ)存能力提升,為人工智能第三次浪潮的到來提供基礎(chǔ)

1946 年計(jì)算機(jī)正式出現(xiàn)在人們的視野中，至今已有70 年的發(fā)展歷史，從5000 次/秒的加法運(yùn)算能力到現(xiàn)在5.59 億次/秒的峰值計(jì)算速度；從簡(jiǎn)單的科學(xué)計(jì)算到現(xiàn)在各領(lǐng)域數(shù)據(jù)處理的應(yīng)用；從單機(jī)處理到全球網(wǎng)絡(luò)互聯(lián)互通的協(xié)同作業(yè)；從人工連線驅(qū)動(dòng)計(jì)算到現(xiàn)在的智能大腦的誕生；計(jì)算機(jī)運(yùn)算能力的不斷提升，為人工智能大時(shí)代的到來提供了物理硬件基礎(chǔ)。

CPU 和GPU 計(jì)算能力比較

摩爾定律驅(qū)動(dòng)的產(chǎn)業(yè)

3 各界需求的不斷攀升，為人工智能的完善保駕護(hù)航

如今，人類對(duì)人工智能的需求不斷增加：在工業(yè)制造業(yè)中，大量的機(jī)器人可以提升制造效率，可以減少產(chǎn)品的殘次率，更重要的是在人力成本上的節(jié)??；在安防領(lǐng)域中，通過視頻監(jiān)控，人臉識(shí)別，人群監(jiān)控等技術(shù)為市民安全帶來保障；在醫(yī)療健康方面，通過海量數(shù)據(jù)對(duì)比輔助醫(yī)生進(jìn)行診斷，自動(dòng)讀片等；在智能駕駛方面，路標(biāo)識(shí)別的準(zhǔn)確率不斷提高，圖像和運(yùn)動(dòng)傳感器與全球定位系統(tǒng)結(jié)合，大大地降低了成本，提升了整體安全系數(shù)。

短期階段，人工智能在金融領(lǐng)域會(huì)取得較大發(fā)展；到了中期，隨著大數(shù)據(jù)技術(shù)的不斷完善，海量的數(shù)據(jù)積累，會(huì)推動(dòng)人工智能在醫(yī)療方面取得新的突破；從長(zhǎng)期來看，人工智能的最終點(diǎn)就是無(wú)人駕駛，計(jì)算力、海量數(shù)據(jù)、算法與決策、以及傳感器的數(shù)據(jù)采集四要素完備以后，人類才能逐步實(shí)現(xiàn)全天候、全自動(dòng)化的無(wú)人駕駛。

人工智能板塊藍(lán)圖

三、人工智能成為IT 架構(gòu)的核心

信息和通訊技術(shù)(ICT)是信息技術(shù)與通訊技術(shù)相融合而形成的一個(gè)新的概念和新的技術(shù)領(lǐng)域。如今云計(jì)算、移動(dòng)化、網(wǎng)絡(luò)和大數(shù)據(jù)技術(shù)不斷走向深度融合，人工智能在IT 架構(gòu)中的核心地位也日益顯現(xiàn)。從移動(dòng)互聯(lián)時(shí)代開始，從軟件到硬件、從信息收集到平臺(tái)服務(wù)，人工智能在各個(gè)領(lǐng)域的生態(tài)會(huì)更加完整，未來隨著物聯(lián)網(wǎng)和云計(jì)算的發(fā)展，人工智能在應(yīng)用方面的深度和廣度會(huì)越來越大。

ICT 在過去的變革

到2025 年，全球?qū)⒂?000 億臺(tái)數(shù)字設(shè)備接入物聯(lián)網(wǎng)，物聯(lián)網(wǎng)市場(chǎng)估值將高達(dá)2 萬(wàn)億美元。屆時(shí)，ICT 供應(yīng)商需要以互聯(lián)基礎(chǔ)設(shè)施和移動(dòng)寬帶技術(shù)為基礎(chǔ)，打造最高水準(zhǔn)的數(shù)字生態(tài)體系，讓人們無(wú)論何時(shí)何地都能享受高速聯(lián)接服務(wù)。

四、人工智能全方位超越人類，產(chǎn)業(yè)化漸近

人工智能主要三階段：運(yùn)算智能、感知智能、認(rèn)知智能

隨著算法的迅速成熟，人工智能早期的“算法紅利”時(shí)代正式過去，而產(chǎn)業(yè)化步伐正在開啟。于此同時(shí)，人工智能向認(rèn)知智能的探索也在迅速推進(jìn)。

我們認(rèn)為，經(jīng)過深度學(xué)習(xí)這項(xiàng)里程碑性的技術(shù)突破發(fā)展，機(jī)器視覺方面，人工智能在識(shí)別率等技術(shù)上已經(jīng)成功超越人類水平，下一階段更應(yīng)該關(guān)注三維信息、大規(guī)模N 對(duì)N 比對(duì)等技術(shù)發(fā)展和技術(shù)應(yīng)用等問題；語(yǔ)音辨別方面，人工智能雖然已經(jīng)無(wú)限接近人類水準(zhǔn)，但是仍然存在1%識(shí)別率差距、實(shí)驗(yàn)條件局限等最后1 公里要走，未來必須在發(fā)展產(chǎn)品應(yīng)用的同時(shí)，抓緊研發(fā)突破核心技術(shù)，實(shí)現(xiàn)對(duì)人類感知的全方位超越。

現(xiàn)今，全球市場(chǎng)都在人工智能的巨大浪潮中，各家公司、機(jī)構(gòu)加緊對(duì)戰(zhàn)略、研發(fā)和投資的部署和準(zhǔn)備。其中，國(guó)外的科技巨頭-蘋果、谷歌、微軟、IBM，國(guó)內(nèi)的互聯(lián)網(wǎng)巨頭-百度、阿里、騰訊，國(guó)內(nèi)專業(yè)科技公司-商湯科技、Face++、科大訊飛等都在這場(chǎng)巨大的革命性的風(fēng)潮中，開始對(duì)感知智能、認(rèn)知智能進(jìn)行投入，并開始嶄露頭角。

梳理整個(gè)人工智能產(chǎn)業(yè)，這個(gè)階段的人工智能應(yīng)用擁有三個(gè)核心競(jìng)爭(zhēng)壁壘：數(shù)據(jù)能力，產(chǎn)品化能力，渠道能力。這三個(gè)核心能力將幫助企業(yè)駕馭人工智能技術(shù)，并實(shí)現(xiàn)迅速變現(xiàn)。

五、人工智能前沿——移動(dòng)智能機(jī)器人——智能汽車

1 無(wú)人駕駛“升級(jí)”路徑

根據(jù)美國(guó)國(guó)家公路交通安全管理局(NHTSA)所采用的美國(guó)汽車工程師學(xué)會(huì)(SAE)的分級(jí)方式，將自動(dòng)駕駛分為五個(gè)等級(jí)。

SAE 自動(dòng)駕駛安全等級(jí)劃分

2 三大傳感器比較

傳感器方面，目前主流的技術(shù)基本基于三款傳感器設(shè)備：攝像頭穿透力最弱，需要光線，單目攝像頭只能獲取2D 圖像，3D 環(huán)境建模目前靠算法理解，一旦獲取的圖形有誤差，會(huì)極大的影響最終分析結(jié)果，優(yōu)勢(shì)在成本低廉，圖像識(shí)別技術(shù)對(duì)物體識(shí)別的能力最好，研究時(shí)間最長(zhǎng)且技術(shù)普遍較為成熟。

三款傳感器主要應(yīng)用比較

主流完全自動(dòng)駕駛系統(tǒng)車輛傳感器配置

3 無(wú)人駕駛兩大陣營(yíng)

無(wú)人駕駛研究領(lǐng)域目前基本分為兩個(gè)陣營(yíng)：

1、以谷歌、百度以及初創(chuàng)科技公司為主的“越級(jí)式”研究型陣營(yíng)——「在特定區(qū)域里發(fā)揮全效功能」；他們強(qiáng)調(diào)通過采集某一區(qū)域的高精度3D 地圖信息配合激光雷達(dá)在某一區(qū)域?qū)崿F(xiàn)無(wú)人駕駛。

2、以傳統(tǒng)汽車廠商和Mobileye 合作的“遞進(jìn)式”應(yīng)用型陣營(yíng)——「在任何區(qū)域里發(fā)揮局部功能」；他們強(qiáng)調(diào)「萬(wàn)無(wú)一失」的復(fù)雜傳感器組合(redundancy in system)識(shí)別周圍環(huán)境，通過低精度導(dǎo)航地圖在任何區(qū)域?qū)崿F(xiàn)無(wú)人駕駛。

但是殊途同歸，兩大陣營(yíng)的終極愿景都是：「在任何區(qū)域里發(fā)揮全效功能」。未來的自動(dòng)駕駛需要幾乎實(shí)時(shí)級(jí)別的數(shù)據(jù)傳輸；對(duì)于環(huán)境的識(shí)別以及數(shù)據(jù)處理，將更加依賴車載電腦在車上完成實(shí)時(shí)計(jì)算；現(xiàn)在很多公司要做到無(wú)人駕駛前80%的功能較為簡(jiǎn)單，但如果想要做完后面的20%，就是無(wú)人車向超級(jí)司機(jī)的轉(zhuǎn)變。

無(wú)人駕駛兩大陣營(yíng)

A：遞進(jìn)式陣營(yíng)

遞進(jìn)式陣營(yíng)主要以傳統(tǒng)汽車廠商為主，包括一級(jí)二級(jí)供應(yīng)商，整個(gè)供應(yīng)商的關(guān)系也在重組，主要源于四個(gè)核心的驅(qū)動(dòng)因素：降低技術(shù)風(fēng)險(xiǎn)、分擔(dān)研發(fā)成本、縮短研發(fā)時(shí)間以及鎖定客戶。

這個(gè)陣營(yíng)的“升級(jí)”路徑是伴隨ADAS 功能逐漸向智能駕駛完善的方向前進(jìn)的，所以遵循「在任何區(qū)域里發(fā)揮局部功能」的中期目標(biāo)。

強(qiáng)調(diào)「萬(wàn)無(wú)一失」的復(fù)雜傳感器組合(redundancy in system)的配合提供路徑標(biāo)識(shí)與規(guī)劃等功能，通過低精度導(dǎo)航地圖在任何區(qū)域?qū)崿F(xiàn)智能駕駛。

隨著類似REM 等高精度地圖的逐步整合，短期內(nèi)能夠?yàn)轳{駛系統(tǒng)提供額外的安全冗余，長(zhǎng)期上配合車聯(lián)網(wǎng)增強(qiáng)可選路徑預(yù)測(cè)和規(guī)劃的功能。

遞進(jìn)式陣營(yíng)的可商業(yè)化路徑更為清晰，從ADAS 功能到半自動(dòng)駕駛的升級(jí)過程中，新功能的推出和疊加對(duì)消費(fèi)者有較大的吸引力。而隨著L4 高度自動(dòng)駕駛功能的完善，我們認(rèn)為技術(shù)普及到量產(chǎn)的過程將會(huì)推動(dòng)滲透率的提升。

B: 越級(jí)式陣營(yíng)

越級(jí)式陣營(yíng)以谷歌、百度以及初創(chuàng)科技公司為主，依靠強(qiáng)大的技術(shù)背景和巨額的研發(fā)投入進(jìn)行越級(jí)式發(fā)展：

強(qiáng)調(diào)通過采集某一區(qū)域的高精度3D 地圖信息配合激光雷達(dá)在某一區(qū)域?qū)崿F(xiàn)高度自動(dòng)駕駛，也就是「在特定區(qū)域里發(fā)揮全效功能」的中期目標(biāo)。

這個(gè)陣營(yíng)通過以激光雷達(dá)為主的傳感器進(jìn)行路面地圖采集，把高精度地圖作為路徑導(dǎo)航規(guī)劃決策的主要依據(jù)，其他傳感器主要用作預(yù)防碰撞的功能。

相較于遞進(jìn)式陣營(yíng)，特定區(qū)域的高精度地圖規(guī)?；?yīng)不明顯，需要投入較高成本在擴(kuò)大地圖掃描范圍上。

目前商業(yè)化落地路徑不明確，因?yàn)樵郊?jí)式的技術(shù)進(jìn)步在智能駕駛等級(jí)達(dá)到L4 水平之前，由于不依靠ADAS 功能的支撐，較難出現(xiàn)過渡性產(chǎn)品。

4 各國(guó)政府政策指引

西方國(guó)家近年為安全評(píng)級(jí)加入更多安全駕駛功能標(biāo)準(zhǔn)，政策上提供結(jié)構(gòu)化行業(yè)發(fā)展推動(dòng)力，促進(jìn)ADAS 的穩(wěn)步發(fā)展。根據(jù)美國(guó)公路安全保險(xiǎn)協(xié)會(huì)(Insurance Institute for Highway Safety,IIHS)的數(shù)據(jù)，超過90%的交通事故都是有人為原因造成的，IIHS 預(yù)計(jì)，如果所有的車輛都配備了FCW、LDW、側(cè)視輔助和可調(diào)節(jié)頭燈等ADAS 功能，每年可防止或減輕多達(dá)190萬(wàn)次交通事故，包括減少三分之一的致命事故以及五分之一的嚴(yán)重/中度傷害事故。

聯(lián)合國(guó)在2016 年3 月對(duì)《維也納道路交通公約》進(jìn)行了修訂。在修正案中，所有只要是符合聯(lián)合國(guó)的車輛管理?xiàng)l例，或者是駕駛員可以人工關(guān)閉的自動(dòng)駕駛技術(shù)，就可以被用到交通運(yùn)輸中。這項(xiàng)修正案在一個(gè)月之后就正式實(shí)施，相當(dāng)于是給了自動(dòng)駕駛車一個(gè)合法的身份。

各國(guó)車輛安全體系評(píng)分發(fā)展

4 智能汽車發(fā)展前沿線報(bào)

A:谷歌的超級(jí)司機(jī)

谷歌無(wú)人車是Google X 旗下的一個(gè)全自動(dòng)駕駛汽車項(xiàng)目，項(xiàng)目起始于2009 年，此前由斯坦福大學(xué)人工智能實(shí)驗(yàn)室前領(lǐng)導(dǎo)人及谷歌街景項(xiàng)目的聯(lián)合創(chuàng)始人Sebastian Thrun 負(fù)責(zé)。現(xiàn)在的負(fù)責(zé)人是曾擔(dān)任現(xiàn)代汽車美國(guó)分公司CEO 及汽車電商TrueCar 總裁的John Krafcik。谷歌車目前獲得了美國(guó)4 個(gè)州的測(cè)試牌照，并且最近從實(shí)驗(yàn)室畢業(yè)，分拆為一家名叫Waymo 的谷歌子公司，正式開始商業(yè)化之路。

在2014 年提出的無(wú)方向盤、無(wú)剎車踏板結(jié)構(gòu)的無(wú)人車概念，并在2015 年推出可進(jìn)行公路試的無(wú)人車原型。主要部件包括一套由64 個(gè)激光單元組成的LIDAR 傳感計(jì)算系統(tǒng)，擁有120 米掃描半徑，水平360 度及垂直26.8 度視野(Field of View)，0.08 度角分辨率，0.4 度垂直分辨率，掃描精度小于2 厘米，每秒掃描點(diǎn)數(shù)量超過220 萬(wàn)次。

此外無(wú)人車還配備了：分別裝載在前后保險(xiǎn)杠上的四個(gè)車載雷達(dá)，用來掃描在汽車身處高速公路時(shí)的快速車流狀況；一個(gè)安裝在后視鏡上的攝像頭，用來捕捉交通信號(hào)燈提示；GPS、慣性測(cè)量器IMU 以及車輪編碼器(wheel encoder)，來測(cè)定無(wú)人車的運(yùn)動(dòng)軌跡和實(shí)時(shí)位置。

現(xiàn)在谷歌關(guān)注無(wú)人車一些更為高級(jí)的駕駛技術(shù)(最后10%的任務(wù))，讓無(wú)人車在面對(duì)緊急車輛、施工區(qū)域、車道封閉等突然變化或罕見路況時(shí)，具備更好的檢測(cè)與反應(yīng)機(jī)制。目標(biāo)是打造一個(gè)能于路面實(shí)體自然交互的谷歌超級(jí)司機(jī)。無(wú)人駕駛系統(tǒng)目前已具備理解行人手勢(shì)、自動(dòng)鳴笛、自行車手的識(shí)別等功能，正在優(yōu)化突變路況的應(yīng)急反應(yīng)能力。

B:Waymo 的Tier One 野心

谷歌無(wú)人車去年12 月從實(shí)驗(yàn)室畢業(yè)，分拆為一家名叫Waymo 的谷歌子公司，并任命曾擔(dān)任現(xiàn)代汽車美國(guó)分公司CEO 及汽車電商TrueCar 總裁的John Krafcik 為Waymo 的CEO，正式開始商業(yè)化之路。

自造傳感器+軟硬結(jié)合

Waymo 新研發(fā)出了長(zhǎng)距離和短距離兩種LiDAR 激光雷達(dá)，取代了Waymo 原有的一個(gè)中程激光雷達(dá)配置，并達(dá)到了360 度全面覆蓋范圍。在此之前，谷歌無(wú)人車使用的是Velodyne的HDL-64E 激光雷達(dá)，成本為7.5 萬(wàn)美元左右，如今Waymo 自行制造的激光雷達(dá)，降低了激光雷達(dá)90%的成本至7500 美元。激光雷達(dá)作為無(wú)人車配置中精確度最高的傳感器，一直受限于成本高企而無(wú)法商業(yè)落地。Waymo 通過自造激光雷達(dá)，將成本下降到可控范圍內(nèi)，力圖突破無(wú)人駕駛量產(chǎn)的瓶頸，同時(shí)利用成本優(yōu)勢(shì)也擴(kuò)大了Waymo 與汽車制造商的合作與規(guī)模生產(chǎn)。

John Krafcik 還表示，Waymo 已經(jīng)可以自行設(shè)計(jì)無(wú)人駕駛技術(shù)所需的所有套件，緊密集成傳感器硬件、傳感器融合軟件、高精度地圖、駕駛決策系統(tǒng)和其他方面的全部自動(dòng)駕駛系統(tǒng)組件。Waymo 軟硬結(jié)合的戰(zhàn)略，一方面利用其自行研發(fā)的傳感器達(dá)發(fā)揮成本與技術(shù)優(yōu)勢(shì)，達(dá)到范圍經(jīng)濟(jì)；另一方面，軟件與硬件在同一個(gè)體系內(nèi)，硬件的改進(jìn)以及軟件方面數(shù)據(jù)的收集形成了良性循環(huán)，及大的提高數(shù)據(jù)識(shí)別效率，減少人工調(diào)教和訓(xùn)練成本。最終，軟硬件合力開發(fā)，將會(huì)大大縮短新一代產(chǎn)品的開發(fā)周期。

攜手本田與克萊斯勒，定位一級(jí)供應(yīng)商

1 月份的底特律北美國(guó)際汽車展上，Waymo 展示了與菲亞特克萊斯勒推出合作的全自動(dòng)駕駛Pacifica Hybrid Minivan，Pacifica 將搭載Waymo 自行制造所有的傳感器，首批100 輛已于去年11 月投產(chǎn)。在合作過程中，克萊斯勒修改了電動(dòng)系統(tǒng)及其它組件，100 輛汽車是在加拿大組裝的，然后運(yùn)到Waymo 安裝自動(dòng)駕駛設(shè)備。汽車已經(jīng)在密歇根的克萊斯勒測(cè)試公路上進(jìn)行測(cè)試，1 月底，也會(huì)開始在亞利桑那州和加州公共道路上投入路試。

安全性方面，2016 年Waymo 的自動(dòng)駕駛車輛的安全性已經(jīng)提高了四倍，平均每千英里人工接手系統(tǒng)次數(shù)(Disengages/1,000 miles)從2015 年的0.8 次，下降到2016 年0.2 次。截止2016 年底已累計(jì)完成250 萬(wàn)英里的全自動(dòng)駕駛路試；第一個(gè)100 萬(wàn)英里用了6 年，第二個(gè)100 萬(wàn)英里用了16 個(gè)月；預(yù)計(jì)今年5 月前累計(jì)行駛里程將達(dá)到300 萬(wàn)英里。2016 年全年還完成了10 億英里的模擬路試。

同時(shí)，Waymo 將牽手本田，同樣由本田為Waymo 提供車輛，配合Waymo 自動(dòng)駕駛技術(shù)，共同開發(fā)自動(dòng)駕駛汽車。Waymo 將自己定位為汽車產(chǎn)業(yè)的一級(jí)供應(yīng)商，它為傳統(tǒng)汽車商提供一套完整的自動(dòng)駕駛解決方案。Waymo 未來集中注意力在與克萊斯勒、本田這樣的OEM 廠家建立伙伴關(guān)系上，幫助他們把車輛變成無(wú)人駕駛車。

我們可以看到，在推動(dòng)無(wú)人駕駛落地的過程中，傳統(tǒng)車企一直視科技企業(yè)為潛在競(jìng)爭(zhēng)對(duì)手，而不愿意分享行車數(shù)據(jù)。但菲亞特克萊斯勒、本田等車企并沒有巨頭們的巨額研發(fā)投入，因此類似的戰(zhàn)略合作對(duì)于加速無(wú)人駕駛技術(shù)的推廣顯得尤為重要。

申請(qǐng)無(wú)人“網(wǎng)約車”專利，進(jìn)入無(wú)人共享汽車市場(chǎng)

谷歌最近有一個(gè)“無(wú)人車接送旅客決定接送地點(diǎn)”的專利被披露出來(專利號(hào)US20160370194)，乘客提供接送或目的地，車輛操縱自身到該位置，整個(gè)駕駛過程處于完全自動(dòng)的駕駛模式。但是自動(dòng)駕駛車輛接送的難點(diǎn)在于自主車輛可能不能駕駛?cè)祟愸{駛車輛的任何地方，如建筑障礙、交通管制和限速等道路狀況等位置不能夠安全?？?。谷歌稱其專利解決這一難題，主要依靠其集中式的調(diào)度系統(tǒng)。集中式的調(diào)度系統(tǒng)主要由谷歌地圖提供地圖信息，通過政府機(jī)構(gòu)、付費(fèi)信息服務(wù)、自動(dòng)駕駛車輛實(shí)時(shí)收錄，獲得關(guān)于道路、建筑物、高地、消防栓、施工區(qū)域以及實(shí)時(shí)交通狀況等的信息。集中式的調(diào)度系統(tǒng)根據(jù)乘客

提供的位置，提供一些建議的地點(diǎn)以接乘客上車或下車，這些建議的地點(diǎn)包括用戶提供的位置或者附近方便的位置。

當(dāng)無(wú)人駕駛技術(shù)真正成熟時(shí)，我們預(yù)計(jì)會(huì)看到技術(shù)最先應(yīng)用在租車和打車市場(chǎng)上，也就是我們常說的自動(dòng)駕駛出租車(self-driving cabs)的共享經(jīng)濟(jì)概念。Uber 一直以來的打算就是未來的叫車服務(wù)將不再需要人類駕駛員，Uber 完全控制駕駛系統(tǒng)以及自有車輛，這樣可以極大地節(jié)約人力成本與提高車輛的使用率，從而減低路面的擁堵。谷歌的專利也為長(zhǎng)期致力于汽車共享服務(wù)的Uber 帶來了挑戰(zhàn)。

通用管理層曾表示，通用與Lyft 以及Cruise Automation 的合作就被看作是通用希望未來人們使用Lyft 打車時(shí)搭乘無(wú)人交通工具。通用集團(tuán)總裁Dan Ammann 表示他們非常清楚地看到了未來自動(dòng)駕駛出租車市場(chǎng)的巨大發(fā)展空間，他們也認(rèn)為無(wú)人駕駛技術(shù)最先應(yīng)用的地方就是拼車及租車服務(wù)。

谷歌發(fā)布“共享出租”專利

B:Elon Musk 與他的大師計(jì)劃：Autopilot 車隊(duì)學(xué)習(xí)

Autopilot 1.0 的誕生

2014 年10 月，特斯拉為Model S 裝備了在保險(xiǎn)杠和車身周圍的12 個(gè)遠(yuǎn)距超聲波傳感器，能夠進(jìn)行16 英尺距離的全車身360 度感應(yīng)。用戶再多花4250 美元，還能購(gòu)買一個(gè)升級(jí)“技術(shù)包”，包括一個(gè)前置車載雷達(dá)，一個(gè)由Mobileye 開發(fā)的光學(xué)攝像頭，以及數(shù)控輔助制動(dòng)系統(tǒng)。這些硬件能在車輛發(fā)生碰撞之前及時(shí)接管汽車并制動(dòng)，并為特斯拉收集了大量的行車數(shù)據(jù)，然后等待車載系統(tǒng)的匹配——到2015 年10 月14 日，特斯拉通過OTA 空中升級(jí)的方式，為60000 輛安裝了傳感器的Model S 車主們帶來了車載系統(tǒng)的第7 代版本，也就是眾所周知的Autopilot。

Autopilot 這個(gè)詞來源于航空飛行領(lǐng)域，指的是飛行員在飛行時(shí)所使用的自動(dòng)駕駛儀系統(tǒng)，特斯拉的Autopilot 結(jié)合車輛的4 個(gè)模塊：攝像頭、雷達(dá)、超聲波傳感器以及GPS，為駕駛員提供了類似飛行員的操作，包括車速控制、車道內(nèi)自動(dòng)跟車、變更車道、自動(dòng)泊車等。自動(dòng)側(cè)方泊車功能在奔馳、寶馬、通用的汽車上也能看到。而且與飛機(jī)需要進(jìn)入巡航平飛狀態(tài)后才能進(jìn)入自動(dòng)飛行模式一樣，特斯拉Autopilot 不會(huì)自動(dòng)啟動(dòng)，在進(jìn)入Autopilot 前，車輛需要感知到清晰地車道線、相對(duì)穩(wěn)定的車流速度、周圍其他車輛的感應(yīng)以及所處地區(qū)的地圖數(shù)據(jù)。

特斯拉Autopilot 升級(jí)階段

按照這個(gè)標(biāo)準(zhǔn)，Autopilot 目前處在等級(jí)2-3 之間，需要駕駛員的監(jiān)督，只能算是自動(dòng)駕駛的初級(jí)階段，一定程度上減輕駕駛員疲勞。特斯拉CEO 馬斯克預(yù)計(jì)，在2018 年特斯拉有可能達(dá)到等級(jí)4 的水平。在特斯拉系統(tǒng)7.1 的升級(jí)中，加入了一項(xiàng)“遙控召喚”的功能，車主可以用鑰匙遙控汽車進(jìn)出自家車庫(kù)。而馬斯克就希望，這項(xiàng)“召喚”功能可以在未來2 年內(nèi)進(jìn)步到，車主人在洛杉磯，能夠遙控召喚停放在紐約的汽車，然后汽車自動(dòng)行駛穿越美國(guó)，來到車主身邊。

特斯拉在2016年10 月發(fā)布了自動(dòng)駕駛系統(tǒng)的硬件升級(jí)，表示現(xiàn)在開始所有在產(chǎn)的車輛都將配備升級(jí)版無(wú)人駕駛硬件，以達(dá)到支持完全無(wú)人駕駛系統(tǒng)的硬件配置。主要包括8 個(gè)車載攝像頭(其中3 個(gè)為前向攝像頭覆蓋廣角、長(zhǎng)焦)進(jìn)行250 米范圍的360 度成像，12 個(gè)超聲波傳感器作為輔助，檢測(cè)距離提高了近1 倍。一個(gè)升級(jí)后的毫米波前向雷達(dá)為系統(tǒng)提供冗余波長(zhǎng)，增強(qiáng)車輛在大雨、塵霧中的行車探測(cè)能力。為配合此套硬件，特斯拉將開發(fā)Autopilot 2.0 自動(dòng)駕駛系統(tǒng)，并為該系統(tǒng)搭載以英偉達(dá)DRIVE PX 2 超級(jí)車載電腦，計(jì)算能力為此前系統(tǒng)的40 倍，每秒運(yùn)力達(dá)到12 萬(wàn)億次，以此來運(yùn)行特斯拉開發(fā)的針對(duì)圖像、聲吶、雷達(dá)數(shù)據(jù)進(jìn)行處理的神經(jīng)網(wǎng)絡(luò)。升級(jí)后的完全無(wú)人駕駛系統(tǒng)安裝價(jià)格為8000 美元(消費(fèi)者還可以選擇安裝加強(qiáng)Autopilot 配置，僅搭載4 攝像頭，安裝價(jià)格為5000 美元)，而上一代Autopilot 的價(jià)格只有3000 美元。

特斯拉Model S 與奔馳E200 的智能駕駛測(cè)試對(duì)比

Elon Musk 表示，無(wú)人駕駛技術(shù)要能達(dá)到監(jiān)管層面的認(rèn)可，需要至少積累10 億公里的無(wú)人駕駛數(shù)據(jù)。截至去年5 月，硬件配套的特斯拉車隊(duì)完成了7.8 億公里的數(shù)據(jù)；OTA 7.0 升級(jí)后，Autopilot 激活下1 億公里的智能駕駛數(shù)據(jù)；車隊(duì)每天會(huì)記錄420 萬(wàn)公里里程數(shù)據(jù)(現(xiàn)在這個(gè)數(shù)據(jù)已經(jīng)擴(kuò)大到500 萬(wàn)公里)，只需要大約6 小時(shí)便可以收集100 萬(wàn)公里數(shù)據(jù)。

返回第一電動(dòng)網(wǎng)首頁(yè) >