一方面,，

今年10月,，Uber用無人卡車運載5萬瓶啤酒跑完120英里，

Google宣布其無人駕駛汽車已累計行駛48萬公里,；

另一方面,，

特斯拉自動駕駛發(fā)生事故，

無人駕駛汽車成本居高不下,；

所以,，無人駕駛從現(xiàn)在到規(guī)模應用，還缺些什么,？

1-3級屬于半自動駕駛,，即輔助駕駛——案例：特斯拉，目前2級

3級以上達到全自動駕駛——案例：Google,，5級

（備注：美國機動工程師協(xié)會（SAE），美國高速公路安全管理局（NHTSA））

無人駕駛并不一定是循序漸進的過程,，半自動化過程還需考慮與人的互動，很多公司選擇直接邁向最高級。

兩條路徑：路徑一,，從半自動駕駛逐漸過渡——特斯拉,；路徑二，直接躍入全自動駕駛——谷歌,、百度,、樂視。

半自動駕駛涉及人機交互,，與全自動不是漸近而是分離的兩條路子,。

半自動模式采用ADAS，主要功能不是控制汽車,，而是通過環(huán)境分析,，預先警告可能發(fā)生的危險狀況，讓駕駛?cè)颂嵩绮扇∫驊胧?/span>ADAS涉及與人的交互,，新難點是需要監(jiān)測駕駛員的注意力,。

直接躍入全自動駕駛是更主流的模式——特斯拉最新的計劃也是直接面向全自動。

半自動駕駛短期內(nèi)在卡車上有一定應用空間,。駕駛員還是要保持全集中的狀態(tài),。卡車駕駛對司機壓力較大,，輔助駕駛能起到一定優(yōu)化作用,。

（備注：ADAS-Advanced Driver Assistance Systems，先進駕駛輔助系統(tǒng)）

傳統(tǒng)汽車廠商,、配件廠商,、電動汽車廠商、互聯(lián)網(wǎng)公司都在積極布局,。

除此之外,，共享出行公司也在積極布局：Uber已成功用無人駕駛卡車運送啤酒。

（備注：獲得加州車輛管理局頒發(fā)的牌照,，被允許在加州的公共道路上進行自動駕駛測試）

（數(shù)據(jù)來源：HIS，LMC Automotive）

車輛行駛出現(xiàn)意外的危險非常大,，無人駕駛應追求接近100%的安全系數(shù),。航空安全系數(shù)是6個9，即99.9999%,，計算機行業(yè)是4個9,，無人車至少要做到5個9。

目前一輛全自動駕駛汽車的造價約為同款普通汽車的10-20倍,。Google無人駕駛汽車造價$30萬,，其原型汽車造價約$3萬,。

（數(shù)據(jù)來源：公開信息整理）

和一般的汽車不同，Google 無人駕駛汽車沒有方向盤,、油門踏板,、剎車，依賴傳感器和軟件完成駕駛,。

高精度定位是主要的技術難點和成本來源——整車成本$30萬,，其中激光雷達$10萬,、高精度GPS導航系統(tǒng)$15萬。

（數(shù)據(jù)來源：公開信息整理）

安全方面：從2009年開始正式立項,，已有7年歷史,。已有100輛測試汽車，累計行駛48萬公里,。低速測試,，逐步提速：第一波測試車輛行駛速度僅3英里/h；最近一波25英里/h(約40km/h),；多次因行駛速度過慢被交警攔下,。

成本方面：激光雷達單個定制成本最初是$10萬，目前已降至$7萬,。Google的激光雷達供應方Velodyne表示,，如果規(guī)模生產(chǎn)，未來可降至$500——僅原來的百分之一不到,。招聘激光類機械工程師,，可能會完全自主設計制造激光雷達系統(tǒng)。

用途方面：一是共享出行,，早期投資Uber,，撕逼后又收購Waze拼車。二是從日常出行到工業(yè)用車,，Google無人駕駛系統(tǒng)專利上表示,，其適用范圍“包括但不限于轎車,、卡車,、摩托,、大巴、船,、飛機”,。

（數(shù)據(jù)來源：公開信息整理）

??  高精度地圖前期投入巨大,，一般企業(yè)無法負擔

無人駕駛對定位精度要求極高,，一般地圖無法滿足需求，必須要高精度地圖,。

后裝無法滿足需求,，需與汽車廠商合作，進行前裝,。高精地圖需要與車內(nèi)攝像頭,、激光雷達等傳感器信息交互才能發(fā)揮作用，這就需要與車內(nèi)的總線互相通訊——后裝或者手機的方案無法滿足,。

（數(shù)據(jù)來源：《高精地圖指引未來,，高壁壘鑄就行業(yè)稀缺》長江證券）

常規(guī)地圖精度在10m,，少數(shù)能到1m,。

高德宣布，今年年內(nèi)實現(xiàn)高速路100%高精度數(shù)據(jù)覆蓋,，精準度0.1m,。但非高速路還是只能到1m。

新型衛(wèi)星算法可能可以提高精準度,。據(jù)稱,，美國加州大學研發(fā)人員研發(fā)出一種全新算法，通過減少衛(wèi)星的運算量,，利用現(xiàn)有衛(wèi)星（無需發(fā)射新衛(wèi)星）,，即可將精確度提升到0.01m。

其他尚存問題：進入隧道等偏僻位置時接收不到衛(wèi)星信號,，失去定位功能,。

（數(shù)據(jù)來源：KOTTI，內(nèi)部訪談）

沒有高精地圖也能實現(xiàn)一定程度的無人駕駛,，這種情況下，路面信息主要通過傳感器實時采集信息,。

但是傳感器定位會帶來極大的計算負擔和成本,，定位效果也不及地圖,。

障礙識別相對容易,，但還是要考慮一些特殊情況,。

情況一：識別移動物體——計算行人、車輛行駛速度,，從而找出合理避讓方案,。原理：通過波往返時間及距離測算。

情況二：識別物體材質(zhì)——石頭和樹葉對行駛的影響程度是不一樣的,，要區(qū)分,。AI通過訓練可以準確的識別特定物體，但很難達到辨識每一種物體的屬性,。波的反射情況能一定程度識別物體材質(zhì),。

情況三：特殊環(huán)境——陰天、雷雨,、霧等惡劣天氣會影響可見度,、波在空氣中的傳播。

毫米波雷達只能用于輔助駕駛,，全自動駕駛還是需要激光雷達,。

全自動駕駛目前繞不開激光雷達。不可替代性——探測精度高,；優(yōu)點——探測范圍廣,，360°全方位。缺點：在雨雪霧等極端天氣下性能較差,；采集的數(shù)據(jù)量過大,；目前造價極高。

毫米波雷達主要應用在ADAS,，技術相對成熟,。優(yōu)勢：穿透霧、煙,、灰塵的能力強,。缺點：探測距離短，無法感知行人,，無法對周邊所有障礙物進行精準建模,。

（信息參考：《車載毫米雷達波——無人駕駛汽車之“眼”》中投證券）

激光雷達成本過高的原因是沒有規(guī)模化,。激光雷達處于手工組裝和調(diào)教階段,，人工成本和工廠成本都非常高，但材料成本并不高。

規(guī)模制造有望大幅壓低雷達成本,。多個激光雷達制造商都表示,，未來如果生產(chǎn)規(guī)模到100萬，可將成本降至$500——僅原來的百分之一不到,。

（數(shù)據(jù)來源：公開信息整理）

雷達是核心部件，為避免被上游控制,，很多公司都可能自建雷達研發(fā)團隊,，例：Google。

（數(shù)據(jù)來源：IT桔子,，Crunchbase，公開信息整理）

攝像頭可靠性高,，成本和門檻也不高,。99%情況下可靠，成本$10-20,，主要供應商是Delphi,、Continental。唯一的問題是,，在雨,、霧等特殊環(huán)境不能發(fā)揮作用。

圖像識別準確度已經(jīng)不錯,，而且還有提升空間,。百度全景圖像的自動化識別提取準確率高達95%。對比：目前圖像識別應用得最好的領域是面部識別,，準確率到99%以上,。

（數(shù)據(jù)來源：公開信息整理）

Google無人駕駛產(chǎn)生的數(shù)據(jù)流量達到1GB/秒,。

運算速度需求：50萬億次/秒——大通量,、高速計算能力。

來自傳感器（雷達,、攝像機）,、顯示器、防撞預警系統(tǒng)等多類配置,。

每個裝置都有獨立的芯片進行運算,，一輛汽車的芯片數(shù)量大約有600個。

（數(shù)據(jù)來源：Google,，《無人駕駛,，駛向未來》招商證券，HIS,，公開信息整理）

芯片價格中等,，但很難有降價空間：ADAS普通性能芯片每輛汽車$250-350, ADAS高級性能芯片每輛汽車$1,200,。

市場規(guī)模及增速：2015年$290億；預計2015年-2020年,，CAGR=7.7%,。

（數(shù)據(jù)來源： 《無人駕駛，駛向未來》招商證券,， Gartner,，IDC，IT桔子,，Crunchbase）

芯片構造的三個解法：CPU+GPU；CPU+FPGA,；ASIC

中央處理單元（CPU）：像一個什么都會的老教授,，但所有工作都交給他還是會有點累

圖形處理單元（GPU）：像一群小學生，但是算加減法又多又快

現(xiàn)場可編程門陣列（FPGA）：像一個潛力生,，訓練以后,，在某個領域特別擅長

專用集成電路（ASIC）：像一個專業(yè)教授，但為了培養(yǎng)這個教授,，需要巨大的資源——除非批量培養(yǎng),，否則不值得為一個人，搭建這套教育體系

過去：各類配置的芯片可能需要行業(yè)里供應鏈上多個集團的參與,。

未來：一個芯片供應商,，整合所有芯片的功能——協(xié)同運算提高效率。

（數(shù)據(jù)來源：Google,，《無人駕駛,，駛向未來》招商證券，Gartner,，IDC,，公開信息整理）

安全問題：先生蛋還是先生雞？駕駛要保證絕對安全,，意味著要安全了才能上路,，而沒有足夠的上路行駛數(shù)據(jù)積累，就不能做出很好的模型,。

倫理問題：緊急情況如何設定,？問題一：應該優(yōu)先保護誰才是正確的。情況舉例：兩個方向,，來不及剎車,，A方是突然迎面違章駛來的客車，B方是正常行駛的卡車，A方會造成更多傷害,，但B方是完全無辜的,，該如何抉擇？問題二：出現(xiàn)事故,，過失責任如何認定,。

中國公司的機會：各國的交通規(guī)則,、行駛環(huán)境,、駕車方式都不同，在美國的決策系統(tǒng),，在中國不一定適用,。

（數(shù)據(jù)來源：《高精地圖指引未來，高壁壘鑄就行業(yè)稀缺》長江證券,，IT桔子,，虎嗅）

乘用車車主是自由的，而商用車通常肩負一定使命,，常是集體行為，涉及車輛間通信,；而且商用車使用頻率高,、耗損大，減少阻力,、節(jié)省燃油對效力提升作用大,。

（數(shù)據(jù)來源：Crunchbase，公開信息整理）

難度低,，但是需要與廠商合作。常用的控制方法：電磁控制系統(tǒng),，通過電磁原理控制相應的部件,。常用的算法：PID，傳統(tǒng)的PID即可,。

既可控制燃油汽車,，也可控制電動汽車，與電動汽車的契合度會更好一點,。

汽車網(wǎng)絡安全目前是重點+盲點。

慕尼黑再保險公司面向企業(yè)風控經(jīng)理做過一次調(diào)研,，調(diào)研中,，55%的人將網(wǎng)絡安全看作是無人駕駛汽車面臨的最大問題。

目前僅有少量公司涉足這個領域。

Argus曾在2015年獲得$2,600萬B輪融資,，后被英飛凌（Infineon）收購,。

（數(shù)據(jù)來源：Crunchbase，公開信息整理）

（數(shù)據(jù)來源：《無人駕駛,，駛向未來》招商證券）

由于無人駕駛+共享用車可以大幅降低出行成本，未來汽車保有量可能會大幅下降40%,，例,，美國可能下降43%。

事實上,，僅從需求角度來講,，無人駕駛推廣后，所需的汽車數(shù)量會下降70%,。

（數(shù)據(jù)來源：密歇根大學交通運輸研究所）

送抵目的地后,，汽車可以自己尋找車位，或者繼續(xù)工作——幾乎不需要停車場,。

無人駕駛可以有效緩解停車位不足,、停車場侵占大量城市空間的問題。目前國內(nèi)停車位缺口過億,，停車場占據(jù)15%-40%城市空間,，未來還會更嚴重——到2050年，全球城市人口將增長66%,，達到25億人,。