中美智能驾驶白皮书.pdf

-THE FUTURE OF AUTONOMOUS DRIVINGIN CHINA AND U.S.中美智能驾驶白皮书雷锋网新智驾原创出品T h e F u t u re of A u t o n o m ou s D r i v i n g i n C h i n a a n d U S A 雷锋网新智驾出品 2 发掘中美智能驾驶重要的创新者 雷锋网智能驾驶白皮书 人们往往以风口来描述一个显著上升期中的行业，但只有很少人能真正察觉到在风口来临之前一批创新者的铺垫。毫无疑问，2017 年所有人看到了在中国、美国、日本、德国等各地智能驾驶领域的繁荣，而各国的智能驾驶技术团队又以美国和中国最为集中，并且存在最广泛的应用市场。自 2014 年开始，雷锋网进入智能驾驶领域的报道。而在过去的 10 个月里，雷锋网团队在包括北京、上海、深圳、硅谷等各地，密集拜访了数百家智能驾驶技术团队，通过一手采访、调研和亲身体验，之后又通过 2 个月时间梳理和筛选了近100 家智能驾驶产业链中关键的技术公司，形成了这份中美智能驾驶白皮书。我们希望通过这近 100 家公司，向读者全方位展现中美智能驾驶的市场现状、关键技术环节发展情况以及落地情况，我们也希望读者能因此深入了解在这个庞大的产业中的机遇与挑战。以今天的关键技术发展水平为参照，我们希望你能通过这份白皮书提前看到未来 3-5 年在各个细分环节可能产生的机会和变化。本次在中美智能驾驶白皮书中，我们选取了 13 个关键细分领域的约 100 家公司进行深入解析，每个细分章节均包含：T h e F u t u re of A u t o n o m ou s D r i v i n g i n C h i n a a n d U S A 雷锋网新智驾出品 3 该领域的整体发展现状和存在问题，关键创新公司的技术水平、技术路线以及应用现状，中美两地技术和市场的差异比较。我们所选的这 13 个领域，涵盖了智能驾驶的集成方案、关键传感器技术、关键基础设施等，它们包括：1.全栈自动驾驶 2.自动驾驶卡车 3.低速自动驾驶 4.ADAS 5.造车新势力 6.激光雷达 7.毫米波雷达 8.自动驾驶芯片 9.高精度地图 10.模拟仿真系统 11.高精度 GNSS 定位 12.车辆改装 13.V2X 可以说，这 13 个领域就是在未来的汽车上实现智能驾驶的 13 个关键要素。这可能是目前市面上唯一一份专注于智能驾驶领域一线技术公司创新现状的完整报告。这份报告的独特之处还在于：一线技术公司决策层的行业洞见，尤其是位于硅谷的自动驾驶技术公司。在T h e F u t u re of A u t o n o m ou s D r i v i n g i n C h i n a a n d U S A 雷锋网新智驾出品 4 中美智能驾驶白皮书所分析的美国自动驾驶公司中，七成以上均是接受雷锋网直接采访，双方针对技术现状、技术路线、产品化策略进行详细讨论，有相当部分是雷锋网独家采集的内容。全面、结构化的细分领域解析。“知其然，更要知其所以然”。看到智能驾驶领域的繁荣，更要看到各个关键细分环节是否具有良好的发展，智能驾驶在落地应用之前需要构建一个完善的技术支撑体系。全球化的视野，洞悉中美自动驾驶的差异。白皮书所分析的中、美公司分别各占约一半，各家也均是当地最具明星气质、最有潜力的公司。通过直观的阅读即可了解两地对自动驾驶看法的区别，以及各自的发展路径差异。另外，本白皮书的标题为“智能驾驶”，它可以泛指辅助驾驶、限定场景的自动驾驶，以及完全脱离人类驾驶员的无人驾驶等概念。由于本白皮书所涵盖的行业范围较为全面，故在标题中使用“智能驾驶”作为统称。另外，由于自动驾驶与无人驾驶这两个词在日常使用中更为广泛，所以在具体章节中，会更多地使用这两个词，特别是在涉及 L4、L5 级别的驾驶等级时。T h e F u t u re of A u t o n o m ou s D r i v i n g i n C h i n a a n d U S A 雷锋网新智驾出品 5 目录 全栈自动驾驶全栈自动驾驶 .7 7 一、国内全栈自动驾驶公司.9 二、国外全栈自动驾驶公司.20 三、总结.42 自动驾驶卡车自动驾驶卡车 .4343 一、国内自动驾驶卡车公司.45 二、国外自动驾驶卡车公司.52 三、总结.59 低速自动驾驶低速自动驾驶 .6060 一、国内低速自动驾驶公司.63 二、国外低速自动驾驶公司.78 三、总结.87 ADASADAS .8989 一、国内 ADAS 公司.95 二、国外 ADAS 公司.124 三、总结.134 造车新势力造车新势力 .136136 一、国内新造车公司.139 二、国外新造车公司.162 三、总结.168 激光雷达激光雷达 .169169 一、国内激光雷达公司.172 二、国外激光雷达公司.182 三、总结.216 毫米波雷达毫米波雷达 .218218 一、国内毫米波雷达公司.222 二、国外毫米波雷达公司.230 三、总结.240 自动驾驶芯片自动驾驶芯片 .242242 一、涉足自动驾驶视觉芯片的公司.245 二、总结.255 高精度地图高精度地图 .256256 一、国内高精度地图公司.259 T h e F u t u re of A u t o n o m ou s D r i v i n g i n C h i n a a n d U S A 雷锋网新智驾出品 6 二、国外高精度地图公司.264 三、总结.279 模拟仿真系统模拟仿真系统 .281281 一、自动驾驶模拟系统公司.285 二、总结：赢者通吃？.294 高精度高精度 GNSSGNSS 定位定位 .295295 一、国内高精度 GNSS 定位公司.297 二、国外高精度 GNSS 定位公司.300三、总结.304 车辆改装车辆改装 .305305 一、国内车辆改装公司.307 二、国外车辆改装公司.311 三、总结：一门会逐渐退出的业务？.316 V2XV2X .317317 一、国内 V2X 公司.320 二、国外 V2X 公司.324 三、总结.328 T h e F u t u re of A u t o n o m ou s D r i v i n g i n C h i n a a n d U S A 雷锋网新智驾出品 7 全栈自动驾驶 本章所分析的可以说是离自动驾驶最近的公司。自动驾驶技术一般分为环境感知、决策规划和车辆控制三大部分，而所谓全栈自动驾驶公司，可以简单理解为提供除车辆硬件以外，包括这三类技术的整套自动驾驶软硬件解决方案的公司。虽然专注于自动驾驶卡车，以及特定场景自动驾驶（如景区、园区）技术的公司也是在开发全栈的自动驾驶技术，但本章所分析的公司则更加面向消费级市场，他们想改变亿万普通人未来出行的方式。在技术上，全栈自动驾驶公司无一例外，都选择了一步到位的 L4-L5 级自动驾驶，而非渐进式的由辅助驾驶过渡到全自动驾驶。在场景上，全栈自动驾驶公司面临的也会是最具挑战的城市道路驾驶环境，这也对他们的技术提出了更高的要求。正是因为上述这些原因，全栈自动驾驶公司的想像空间也更大。普华永道发布的2017 年数字化汽车报告指出，出行市场将带来 2.2 万亿美元的产业规模，而截至 2030 年，消费者在出行上的花费将减少 10%，且共享及自动驾驶汽车将占到 37%的行驶里程。报告还指出，在自动驾驶的场景下，未来家庭在出行方面的开支将减少 20%，而利润空间会急剧转向出行服务提供商，相比之下，传统汽车生产和销售的利润分成将从 85%降至 50%以下。在自动驾驶出行服务的场景下，汽车品牌之间的差异会减小，掌握主动权的是能够提供更优质出行服务的公司。而且车辆的生产会趋于标准化，仅有少数的车型就能满足市场上大部分的出行需求，车辆的所有和销售模式也会发生变化。T h e F u t u re of A u t o n o m ou s D r i v i n g i n C h i n a a n d U S A 雷锋网新智驾出品 8 受智能化和共享化的影响，未来出行方式是车企、出行公司，还是新技术公司占主导，现在还没有明确的结论，但其中的关键一定与自动驾驶技术密不可分。汽车行业的利润分配将迎来大洗牌，这也是新技术公司看准的机会。本章接下来，雷锋网将根据对硅谷、北京、上海、深圳等地智能驾驶技术团队的密集拜访，分析以下几家公司。*全栈自动驾驶公司 T h e F u t u re of A u t o n o m ou s D r i v i n g i n C h i n a a n d U S A 雷锋网新智驾出品 9 一、国内全栈自动驾驶公司 景驰 *景驰 景驰科技是 2017 年 4 月成立的一家由人工智能驱动、以自动驾驶技术为核心的智能出行公司，总部在美国硅谷。景驰的创始团队非常豪华，在成立的短时间内就获得了出众的成绩，也获得了投资者们的青睐，但在 2017 年底，它也陷入与百度商业秘密有关的纠纷之中。T h e F u t u re of A u t o n o m ou s D r i v i n g i n C h i n a a n d U S A 雷锋网新智驾出品 10 创 始 团 队 创始人兼 CEO 王劲，曾担任百度高级副总裁、也是原百度自动驾驶事业部的总经理。景驰的技术合伙人韩旭是密苏里大学的博导、终身教授，长期活跃在计算机视觉与机器学习领域。在学界，他拿过许多国际顶尖赛事的奖项，后来在吴恩达的邀请下加入百度。景驰 CFO 吕庆此前是 Velodyne 的 CFO，在更早之前他已经做了十几年科技公司的 CFO，在中美高科技投资圈里是不折不扣的熟面孔。景驰现在的首席架构师李岩，是清华大学硕士和卡内基梅隆的计算机博士，曾在微软研究院和 Facebook 工作。加入景驰之前，他是神州专车北美实验室的主管，横跨自动驾驶和出行两界。公司成立后不久，曾担任滴滴出行自动驾驶高级总监的杨庆雄也加入景驰，担任工程副总裁。杨庆雄曾任香港城市大学计算机系助理教授，在计算机视觉三大会议和两大期刊（CVPR/ICCV/ECCV/IJCV/PAMI）发表多篇文章。融 资 2017 年 4 月 1 日，景驰获得了来自洪泰基金、华创资本的共 3000 万美元的投资。2017 年 9 月 26，时隔半年又获得 Pre-A 轮 5200 万美元融资，投资方包括启明创投、英伟达、将门创投、华创资本。进 展 最 快 的 自 动 驾 驶 团 队 景驰在成立一个多月内便完成封闭场地测试，随后迅速取得了加州自动驾驶路测牌照，并在此一周后完成首次开放街区的路测。前后距成立不过两个月出头。景驰的目标是在 2020 年让自动驾驶汽车进入中国城市，成为第一批能够规模化应用自动驾驶技术的企业。景驰的定位是，作为一个技术和综合运营能力上的领先者，把能实现城市共享出T h e F u t u re of A u t o n o m ou s D r i v i n g i n C h i n a a n d U S A 雷锋网新智驾出品 11 行的自动驾驶技术原型做出来，上游是硬件厂商，在下游则是联合车企、出行公司或者其他合作伙伴，从 2018 年起逐步规模化地部署运营车辆，最后在 2020年的年中实现量产自动驾驶汽车。他们认为，这条路径也是自动驾驶领域最主流、影响最大的路径。景驰加入自动驾驶战局的时间较晚，但开发进度却比大部分团队要快，在成立半年左右，他们的测试样车已经能在硅谷主要城区道路的高峰时段，在车流量很大的情况下跑得很好，而且不需要人干预。除了开发自动驾驶常规的感知、决策、规划、控制模块，景驰现在还有一个自主开发的大规模的仿真器以及一套快速精确生产高精度地图的方法。仿真器做得好，高精度地图做得好，整个系统的进度就会加快，这也是景驰的测试样车跑得流畅的原因。2017 年 12 月 28 日，景驰在广州宣布将全球总部落户广州，包括研发总部、运营总部和销售总部在内的核心团队将从美国硅谷迁至广州，建国内首个无人车大规模产业化公司。之后景驰将在广州开发区内进行常态化运营，打造国内首个无人车常态化商业运营示范点。景驰还宣布，从 2018 年第一季度起，全年将量产 500-1000 辆自动驾驶车。在三年内，景驰引进和培养 1000 人，其中包括百名高端人才。除此之外，景驰还宣布与广州黄埔开发区、广州开发区金融控股集团等机构将围绕景驰科技共同打造 100 亿元的产业基金，布局自动驾驶上下游产业，合力打造智能驾驶、智能制造和智慧出行，共塑新型智能出行生态。景 驰 发 展 中 的 阴 影 在 2017 年底，景驰的发展也蒙上了一片阴影。12 月 22 日，百度以侵犯商业秘密为由，将王劲及其所经营的美国景驰公司诉至北京知识产权法院。百度在起诉中提到，和王劲在劳动合同中明确约定了竞业限制义务、不招揽百度员工义务及保密义务。它请求法院判令，被告立即停止侵害百度的商业秘密，包括并不限于停止利用该商业秘密从事与百度相竞争的自动驾驶相关业务；并判令被告赔偿其经济损失及合理开支 5000 万元，同时被告需要公开声明消除影响，T h e F u t u re of A u t o n o m ou s D r i v i n g i n C h i n a a n d U S A 雷锋网新智驾出品 12 并承担全部诉讼费用。王劲则认为，百度的起诉完全没有事实依据，其律师将在事实和法律层面上予以回应。这场官司会对景驰产生怎么样的影响，现在还不得而知。Roadstar.ai *Roadstar.ai Roadstar.ai 是由中国团队在硅谷新近成立的一家自动驾驶公司，它成立于 2017年 4 月，目前已在硅谷和深圳设立研发中心，一方面吸收硅谷最新科技融入产品，另一方面针对中国市场做落地实践。目前，Roadstar.ai 团队规模在 20 人左右。创 始 团 队 Roadstar.ai 三位联合创始人分别为佟显乔（CEO）、衡量（CTO）、周光（首席机器人专家）。三位曾先后就职于 Google、苹果、特斯拉、英伟达、百度等公司，有着丰富的自动驾驶实战经验，且都是自动驾驶研发的中坚力量。T h e F u t u re of A u t o n o m ou s D r i v i n g i n C h i n a a n d U S A 雷锋网新智驾出品 13 佟显乔是弗吉尼亚理工大学无人车方向博士，曾就职于苹果特殊项目组(无人车研发)、英伟达自动驾驶算法组，曾在百度硅谷团队担任无人车定位和地图组技术组技术负责人。衡量是斯坦福大学博士，曾就职于特斯拉 Autopilot 组、Google 地图街景组，在百度时任自动驾驶项目组（ADU）技术委员会任核心委员，及感知组经理和技术负责人。周光是德州大学博士，2015 年大疆全球开发者大赛第一名(200+参赛队伍)，曾在百度硅谷无人车团队负责标定、感知等方面的工作。2017 年 4 月，佟显乔从上一家公司离职后，攒合衡量、周光共同创办了这家公司。融 资 成立三个月的时间，Roadstar.ai 完成 1000 万美元的天使轮融资，云启资本450 万美元领投，松禾资本、Ventech China、耀途资本等机构跟投。解 决 方 案：多 传 感 器 融 合 鉴于不同传感器的特性互补，Roadstar.ai 选择了多传感器融合软硬件结合的解决方案。一般而言，多传感器融合可分为前融合与后融合。后融合是指每个传感器分别生成物体列表，比如用摄像头的数据生成一个检测到的物体列表，同时用激光雷达的点云数据也产生一个列表，然后两者再做融合。衡量告诉雷锋网，Roadstar.ai 采用的是前融合，它会从原始数据的层级把多种传感器的数据融合。它不以某一种传感器为主，而是包括了多个激光雷达之间的融合，多个摄像头之间的融合，以及激光雷达与摄像头、毫米波雷达的融合。该方案的优势在于提升系统算法的能力，提升算法的鲁棒性和自动驾驶车辆的安全性。对于目前的 L4 级别自动驾驶方案而言，高昂的激光雷达的价格是一大挑战。目前，一个 64 线的 Velodyne 激光雷达价格达 8 万美元，如果使用多传感器融合方案，T h e F u t u re of A u t o n o m ou s D r i v i n g i n C h i n a a n d U S A 雷锋网新智驾出品 14 即使采用 6 颗 16 线产品，价格也才 48000 美元，成本节省了将近 50%。如果采用国产激光雷达，价格甚至可以再降低至少一半。Roadstar.ai 预测，使用多传感器融合方案，并考虑未来固态激光雷达带来的成本下降，2018 年自动驾驶系统的成本会在 50 万左右，2019 年还会降到 30 万以内，在 2020 年甚至会降到 8 万以内，让技术更为普及。基于此，Roadstar.ai 的这套方案，不仅在算法上具有优势，同时也采用了更高性价比的激光雷达，从而可以快速推进 L4 级自动驾驶技术的商业化。高 精 度 地 图 Roadstar.ai 的技术模块大致分为感知（传统视觉、深度学习）、定位、高精度地图、决策、路径规划、控制、计算平台、云端等等，他们尤为关注的是高精度地图。一般来说，高精度地图分为不同的层级，有与驾驶相关的语义信息层级（如车道线、停止线和十字路口、交通规则等信息），还有更高层次的感知与定位的层级，用来做车辆的感知与定位。Roadstar.ai 认为，只有做感知与定位算法的自动驾驶公司，才更懂得怎么做地图特征的提取。因为把原始点云数据存下来不现实，需要压缩并减少数据量。高精度地图的一个关键，是提供感知与定位所需的特征的有效表示，而这也是他们的优势所在。据了解，该团队并不会走和传统图商竞争的路径，而是在于如何将采集到的数据变成高精度地图，如何从原始数据变成厘米级精度。这恰好是 Roadstar.ai 可以与传统图商进行互补的地方。与 整 车 厂 合 作 开 发 自 动 驾 驶 在具体业务上，Roadstar.ai 将与整车厂商和供应商合作，为他们定型开发相应的 Level 4 级别的自动驾驶系统，其中包括多传感器融合技术、软件以及提供自动驾驶车辆需要的高精度地图服务。到 2018 年初，该公司开发的自动驾驶原型T h e F u t u re of A u t o n o m ou s D r i v i n g i n C h i n a a n d U S A 雷锋网新智驾出品 15 车将正式上路。在落地问题上，Roadstar.ai 希望找到一个落地的应用，如商用车等等。另外，该团队也会将市场和产品的落地放在中国，做出一个符合中国交通系统的解决方案。目前，Roadstar.ai 的商业化落地还在探索中，但很可能从前装和后装两个角度出发，为车厂和其他需求方提供自动驾驶解决方案。Momenta *Momenta Momenta 成立于 2016 年 9 月，定位是打造自动驾驶大脑，核心技术是基于深度学习的环境感知、高精度地图和驾驶决策。公司在整个产业链中是供应商的角色，是 Tier 1 或 Tier 2，主要服务的客户是车厂。简单而言，就是与车厂一起，从软件和硬件两方面实现自动驾驶，让整套驾驶系统完整地运行起来，在推向市场方面会与 Tier 1、OEM 合作的。除感知、地图和决策算法外，Momenta 还能提供 L3-L4 级自动驾驶解决方案及衍生出的大数据服务与产品，包括实时车道线/路沿检测、可行驶区域检测、3D车辆检测、人体特征点检测等多种 SDK。T h e F u t u re of A u t o n o m ou s D r i v i n g i n C h i n a a n d U S A 雷锋网新智驾出品 16 创 始 团 队 创始人兼 CEO 曹旭东，毕业于清华大学，曾任微软亚洲研究院研究员、商汤科技执行研发总监。在微软亚洲研究院期间，他所研发的视觉识别技术被用在了 Xbox，Bing，How-old 等知名产品。Momenta 的研发总监任少卿，毕业于中国科技大学与微软亚洲研究院联合培养博士班，提出了适用于物体检测的高效框架 Faster RCNN 和图像识别算法 ResNet，后者相关论文于 2016 年获得计算机视觉领域顶级会议 CVPR 的最佳论文奖，这两项成果帮助微软在 2015 ImageNet、2015 MS COCO Challenge 等比赛中获得多项冠军。融 资 2016 年 11 月 14 日，Momenta 获得 A 轮 500 万美元融资，投资方来自蓝湖资本、创新工场、真格基金。2017 年 1 月 1 日，Momenta 再获得 A+轮融资，投资方是顺为资本，投资金额并未公布。2017 年 7 月 25 日，Momenta 完成 4600 万美元的 B 轮投资，由蔚来资本领投，戴姆勒集团、顺为资本、创新工场和九合创投跟投。2017 年 10 月 16 日，Momenta 获得 B+轮融资，投资方是凯辉基金、GGV 纪源资本、中法创新基金，具体投资金额并未对外公布。用 影 子 测 试 提 升 自 动 驾 驶 大 脑 Momenta 认为，如果自动驾驶在安全性上要超过人类驾驶一个量级，需要 1000亿公里的数据。这样的数据量是很难获取的，因而他们看好并践行数据众包的方式，利用道路上已有的运营车辆，安装数据收集设备，并在此基础上做影子测试，比较司机的真实驾驶行为和自动驾驶大脑的预测行为，发现自动驾驶大脑的问题，并且加以改进。他们的众包有两方面数据：一是环境数据，二是驾驶行为数据。环境数据分为实T h e F u t u re of A u t o n o m ou s D r i v i n g i n C h i n a a n d U S A 雷锋网新智驾出品 17 时感知（比如车道、车辆信息、车辆位置等信息）和高精度地图。驾驶行为数据则来自高精度地图中司机驾驶轨迹。所谓影子测试，一方面是在高精度地图中记录人类司机的驾驶行为；另一方面，通过视觉实时感知和高精度地图定位，获得环境数据，通过自动驾驶大脑的决策模型，输出一个预测行为。然后就可以对比真实行为和预测行为，从而在不介入控制的情况下，实现影子测试。Momenta 认为，这种方式一方面可以低成本地、没有危险地测试自动驾驶大脑，另一方面也可以随着数据的积累进行渐进式的产品升级。当然，这种方式可以降低数据收集和测试车辆的数量，但是 Momenta 也意识到，为保证安全仍然需要收集真实数据，用大量的车做真实测试。目前 Momenta 已经有 L4 方案的测试车在限定区域道路上测试，主要搭载传感器是摄像头、GPS、IMU 等，同时会搭载激光雷达做安全备份。它现在主要做基于视觉方案的自动驾驶系统，一是因为视觉整体的算法难度和门槛比较高，二是团队的核心成员均是深度学习出身，在视觉处理方面有比较深的积累，更容易在这方面有所突破。未来，它或许也会做基于多传感器融合的方案。*Momenta 识别效果 在 2017 年，Momenta 已经完成将近 1000 台车的众包数据采集部署。基于这些众包数据，可以强化环境感知、高精度地图、驾驶决策技术，并对外提供不同层T h e F u t u re of A u t o n o m ou s D r i v i n g i n C h i n a a n d U S A 雷锋网新智驾出品 18 次的解决方案。从 2017 年 4 月开始，Momenta 也加入了 Tier 1 供应商博世的加速器，其想更多理解汽车行业的思考方式，了解在系统安全和功能安全方面的需求。2017 年 6 月，Momenta 还与东赢恒康投资控股集团达成合作，双方将在重庆开始试点，在 20 台车辆上完成的大数据采集设备安装，来获取交通环境数据以及司机行为数据，逐步解决自动驾驶的数据难题。下一阶段，Momenta 主要是寻找产品落地，包括从 L2-L4 的解决方案。Pony.ai *Pony.ai Pony.ai（小马智行）是一家专注于人工智能的全栈自动驾驶公司，它成立于2016 年 12 月，在北京、美国硅谷都有中心，团队规模已经超过了 50 人。成立半年后，Pony.ai 已经获得了美国加州无人车的测试牌照。创 始 团 队 CEO 彭军是斯坦福大学博士，先后在 Google 和百度供职。在创立 Pony.ai 前，T h e F u t u re of A u t o n o m ou s D r i v i n g i n C h i n a a n d U S A 雷锋网新智驾出品 19 彭军是百度的百度无人车的首席架构师。创始人兼 CTO 楼天城在 2001 年起就开始参加全国计算机与数学比赛，并不断拿下第一名的头衔，人称“楼教主”。他博士毕业后在 Google 自动驾驶团队有一年多的工作时间，短暂加入了 Quora 后，进入百度自动驾驶团队。在百度，他是最年轻的 T10 技术专家。此外，图灵奖唯一华人得主、中国科学院院士、美国科学院外籍院士、清华交叉信息研究院院长、姚班创建者姚期智教授，也是 Pony.ai 首席顾问。姚期智也是楼天城的老师。融 资 2017 年 3 月，Pony.ai 完成 1000 万美元 A 轮融资，投资方包括 IDG 资本、红杉资本中国。卖 方 案 给 车 厂 行 不 通 Pony.ai 选择直接做 L4 高速的自动驾驶，这是所有出行领域中最大的一块，也是最难的一块。他们的想法是，希望做一个最难最通用的解决方案，接口都标准化，在完全开放、真实的道路上实现自动驾驶，通用平台做好之后再应用到各垂直化领域，这样也更容易。在自动驾驶系统的落地上，Pony.ai 并不像其它公司一样，寄期望于将技术方案卖给车厂，因为他们认为这是行不通的。这是因为自动驾驶技术不像传统车厂与Tier 1、Tier 2 所熟悉的方式，它实际上是一个深度定制化的软硬件整体的解决方案，不是标准化的事物，而且与车辆车型本身深度绑定，需要专门的适配。早期的自动驾驶应用，即商业化，不能像 Tier 1 卖零部件一样卖给车厂。在定制化上，硬件方面，Pony.ai 主要是在已有的传感器的基础上，适当做一些定制化。比如摄像头的模组，包括了 CMOS、摄像头的生产、控制件的生产，以及图像预处理芯片等等，他们会提出要求希望达到一个特定的配置。与车厂合作，Pony.ai 希望他们提供车辆平台，自己来提供自动驾驶技术，共同打造自动驾驶车。T h e F u t u re of A u t o n o m ou s D r i v i n g i n C h i n a a n d U S A 雷锋网新智驾出品 20 而在车辆出来后，Pony.ai 的想法是早期的场景会类似于出租车运营，这在技术和商业上具备可行性。但运营方是由公司自己，还是车厂，还是如滴滴、神州专车这样的第三方公司，这一点 Pony.ai 还没有明确的答案。2017 年 10 月，Pony.ai 宣布把全国总部迁入广州南沙，并设立自动驾驶研究中心、自动驾驶体验中心等。广州南沙也将建设人工智能公共技术支撑平台，支持自动驾驶技术的应用发展，规划并建设专属区域，为自动驾驶所需要的场景提供路测实验。Pony.ai 的广州研发基地已经投入使用，而且还引入了来自李群自动化的胡闻担任COO，专门负责广州研发基地的运营。2017 年 12 月底时，Pony.ai 已经在广州开始路测。二、国外全栈自动驾驶公司 Drive.ai *Drive.ai T h e F u t u re of A u t o n o m ou s D r i v i n g i n C h i n a a n d U S A 雷锋网新智驾出品 21 Drive.ai 成立于 2015 年，主要专注于自动驾驶软件技术的研发，运用深度学习技术让车辆实现识别、规划与控制。Drive.ai 的目标，在于研发一辆用低配雷达、廉价摄像头、Google 2D Map 就能上路的自动驾驶车，并用深度学习解决成本、认知准确性以及商业模式可行性这三个息息相关又相互牵制的问题。创 始 团 队 2015 年，斯坦福 AI 实验室的 6 个博士/硕士生集体休学，并邀请了机器人学家Carol Reiley 和资深商界顾问 Fred Rosenzweig 加盟，组建了一个规模颇大的创始团队Drive.ai。Drive.ai 的总裁 Carol 是一位计算机科学和机器人领域的学者。她在 2011 年获得约翰霍普金斯大学计算机科学和机器人博士学位。同时，她还有另外一个身份：知名人工智能学者吴恩达的妻子。CEO 是 Sameep Tandon，过去曾是吴恩达在斯坦福人工智能研究院的学生。其他联合创始人还有王弢，Joel Pazhayampallil，Brody Huval 等。目前，该团队的总人数已超 80 人，超半数在做软件相关的工作。融 资 2015 年 4 月，Drive.ai 拿到一笔 5 万美元的种子基金，在位于硅谷的 Santa Clara 的硅谷创源孵化器开启了真正的车库创业。2016 年 1 月，Drive.ai 完成约 1200 万美元的 A 轮融资，投资方包括北极光创投、Oriza Ventures 等，该轮融资主要用于研发、扩充团队以及进入国际市场。2017 年 6 月，Drive.ai 完成 5000 万美元的 B 轮融资，由硅谷风险投资公司New Enterprise Associates（NEA）领投，GGV、北极光，以及最初孵化Drive.ai 的 InnoSpring 等跟投。2017 年 9 月，Drive.ai 再次宣布拿到东南亚打车巨头 Grab 1500 万美元的 CT h e F u t u re of A u t o n o m ou s D r i v i n g i n C h i n a a n d U S A 雷锋网新智驾出品 22 轮融资。根据雷锋网多方采访总结，Drive.ai 之所以能拿到巨额的融资，主要有三点原因：1、有两年多的创业历史，相较其他新晋团队有了更多的积累；2、已经拿到美国加州的路测牌照，在路测上具有一定的数据积累；3、从解决方案上看，Drive.ai 偏重以深度学习为主的视觉方案，对高精度地图的依赖程度相对较低。技 术 路 线：深 度 学 习 优 先 王弢告诉雷锋网，Drive.ai 在整个自动驾驶解决方案的设计中采用深度学习优先的策略，所以很多工作都与深度学习有关，除了常规的感知、定位、规划和控制外：深度学习需要跑大量的训练数据，他们有专门团队进行架构设计和基础设施的搭建，比如 GPU 运算集群；深度学习训练需要高质量的标注数据，所以 Drive.ai 内部开发了一套数据工具，通过半自动化加人工的方法提升数据的标注效率。据说此前业界有人完成一个小时的数据标注需要 800 个小时，而 Drive.ai 使用工具可以把效率提高 20 多倍，并且标注的信息非常完整（比如在三维激光雷达点云中，把车辆、行人、自行车、车道线都标注出来）；Drive.ai 在搭建专门的车载信息通讯系统（message passing system），用于连接各个传感器和中央处理器等节点之间的通讯，这个系统相当于是 ROS，但因为 ROS 并不是针对自动驾驶设计的，所以他们设计了一套比 ROS 效率更高的系统；此外，Drive.ai 还有自己的地图定位系统，模拟器的开发由跨数据标注、数据可视化、规划与控制三部分的团队在做。T h e F u t u re of A u t o n o m ou s D r i v i n g i n C h i n a a n d U S A 雷锋网新智驾出品 23 定 位 在 车 队 管 理 整体来说，Drive.ai 的后装改装套件会包含一套传感器方案、用于跟外界交互的屏幕，以及封装在一起的处理器，这三部分硬件集成在一起构成了车顶的模块，然后连接到后备箱的计算机上。从传感器方案来看，Drive.ai 面向后装市场的自动驾驶改装套件（retrofit kit）已经逐渐定型。以奥迪 A4 为例，该公司在车顶正上方连接了 4 个 16 线激光雷达，车顶两侧斜放 2 个 16 线激光雷达，车顶上方和两侧再配合多个鱼眼摄像头，车头加装一个毫米波雷达。在 Drive.ai 的实车上，在 4 个激光雷达底部还设有一个 LED 屏幕，用来显示跟其他车辆及行人交互的信息。这个屏幕背后还集成了一些处理器，它们会将传感器获取到的数据进行预处理。目前整套系统的功耗，通过算法优化大概有几百瓦，相当于是一台高性能的游戏PC，像奥迪 A4 这样的燃油车也可以支撑系统的运营。在 Drive.ai 的车库里，它已经准备了近 10 辆样车。现在他们与外部的合作方式主要是：OEM 开放车辆的一部分 CAN 接口，Drive.ai 完成线控的改造，然后接入自动驾驶的软硬件，第一批车辆会通过与商业车队运营方的方式开始运营（比如 Lyft 或者是物流车队）。对 Drive.ai 来说，暂时还不追求跟车进行完美的整合，它选择在已有的车辆上进行改装，这样既能保证迭代的速度，也能把自动驾驶技术早日落地。目前，Drive.ai 团队面向的是车队管理服务，最终定位不在于消费者或车厂购买他的车，而是希望技术在一些运营场景中得到应用，如共享出行或物流等。该团队希望把自动驾驶能力集成为一个改装套件，同时随着激光雷达等传感器的演进，升级套件。整体来看，Drive.ai 的这套方案在跟不同车型配套时，会节省集成的时间和成本。业 务 进 展 2017 年 9 月，Drive.ai 与 Lyft 宣布将在旧金山湾区开启自动驾驶打车服务的试T h e F u t u re of A u t o n o m ou s D r i v i n g i n C h i n a a n d U S A 雷锋网新智驾出品 24 运营。新加坡将成为他们在亚洲扩张的第一站。与此同时，在获得 Grab 融资之后，Drive.ai 将在未来几个月内筹建新加坡办公室。截止 2017 年，Drive.ai 已经完成了自动驾驶技术在 3 种不同车型上的适配，包括最早的林肯 MKZ，后来的奥迪 A4，以及新近加入的一款厢式车（minivan）。这意味着 Drive.ai 的自动驾驶系统已经可以在混动车、燃油车以及商用车等多个车型之间移植。Renovo.auto *Renovo Renovo 成立于 2010 年，是一家来自加州的自动驾驶公司。它目前已经研发出了自己的通用平台，可供研发者为自动驾驶车队开发服务型应用。创 始 团 队 公司创始团队包括 CEO Christopher Heiser，CTO Jason Stinson，首席数据科学家 loannis Petousis 等。目前团队规模在 11-50 人以内。T h e F u t u re of A u t o n o m ou s D r i v i n g i n C h i n a a n d U S A 雷锋网新智驾出品 25 融 资 2014 年 9 月，Renovo 收获由 True Ventures 和 Synapse Partners 投资的450 万美元的融资。2017 年 4 月，Renovo 获得由 Verizon Ventures 领投，Samsung Catalyst、Social Capital 和 Synapse Partners 跟投的 1000 万美元的融资。核 心 业 务 与福特或通用不同，Revono 的目标不是在于开发控制自动驾驶车辆的机器人，而在于打造一个跨越硬件和车辆的平台。目前，Renovo 的当务之急在于如何将自动驾驶车队与云端顺利连接起来，其中来自双方的数据如何使用和变现将是核心。据雷锋网了解，Renovo 的自动驾驶车辆平台能容纳大量第三方服务，平台上的用户甚至可以利用车辆进出的数据和服务来变现。在 Renovo 的模式