【智慧駕駛】金準資料：人工智慧駕駛產業報告

汽車無人駕駛行業藍圖已現，其產業鏈上下游已經出現支撐公司，並在逐漸走向成熟。

一、基本概念

1、人工智慧駕駛層次

通常來講，自動駕駛技術可以劃分為三個層次，感知->認知（計算平臺、演算法整合）->行動（車輛控制），然後不斷迴圈。參考下面這張圖，其中行動層包括轉向、油門和制動三大控制器（以及執行機構）。

感知部分包括兩方面，感知環境的鐳射雷達、毫米波雷達、攝像頭、組合導航裝置，感知車輛自身的包括輪速計和三大控制器的反饋量；而認知部分，包括決策和規劃，是通常意義上的人工智慧所在。

感知層主要可以分為感測器本身和識別演算法兩部分。自動駕駛汽車的感測器部分。由於各種感知方式在不同環境、不同距離、不同作用上各有所長，因此採用多感測器資訊融合的方式有利於保證全方位資訊的收集，進而使計算機做出更加精準的判斷和規劃。

2、自動駕駛分級標準

關於自動駕駛的分級，主要有SAE（美國機動車工程師學會）標準和NHTSA（國家公路交通安全管理局）兩個標準；目前，前者受到大多數業內人士的認可，它從Lv0-Lv5將自動駕駛依據控制方式和適用環境分為了6個等級。

自動駕駛行業的最終目標，必然是實現真正的無人駕駛（Lv5），而實現的方式主要分為兩種思路：①從Lv0逐步過渡到Lv5，通過整合整合ADAS中的控制功能，實現真正的無人駕駛②直接從Lv0跨度到Lv4，在特定的垂直領域和相對封閉的環境中推進無人駕駛，再向Lv5，也就是全環境全路況的無人駕駛普及。

根據SAE分級，不難看出，從Lv4開始，真正的控制者由人開始轉為自動駕駛系統，責任主體也隨之轉移。因此，在設計研發之初，ADAS之中的輔助駕駛功能就與無人駕駛的目的不同，尤其在經歷Lv3、Lv4這兩個階段是時，由於責任主體發生改變，因此在法律、輿論上面臨著許多尚未可知的困難。

不過，ADAS的感知部分，以及不少輔助駕駛功能，例如自動巡航、自動泊車、前車碰撞緊急制動等，都可以在無人駕駛汽車當中得到應用，因此，也為無人駕駛的最終實現貢獻了不小的力量。

3、產業時鐘

Gartner2017年新興技術曲線上，自動駕駛處於期望膨脹期頂端位置，整個技術產業成熟還需要10年時間。

以谷歌為例，從2009年開始研發無人車，短短8年時間，全球自動駕駛創業火爆異常。2009年，谷歌舉辦了一個名為“GooCamp”的技術交流活動；2010年，美國法律界人士認識到，自動駕駛汽車在路面上行駛，必然會對已有的公路交通法規、保險體系等帶來新的挑戰。

2012年5月，谷歌自動駕駛汽車正式獲得了美國內華達州車輛管理局頒發的執照。2014年，在人工智慧大發展的時代裡，谷歌在自動駕駛領域最早投入研發力量，最早獲得技術突破，在過去的數年間完成了累計里程最長的高階別無人駕駛道路測試。2016年12月，谷歌宣佈自動駕駛團隊正式分離出來，成立了一家名叫Waymo的新公司。

二、產業政策

自動駕駛的發展要求考慮如何制定相關的產業政策，包括技術路線、行業標準、安全規範、交通執法、保險責任等各個層面。目前各國及地區的相關法律法規對於自動駕駛汽車上路試驗及隨後的大規模推廣還存在著各種障礙，自動駕駛對中國汽車行業的發展帶來了新的挑戰和機遇，提前判定可能發生的問題，儘早進行立法的預案工作，有助於整個產業的發展。

國內目前自動駕駛相關的產業政策：

三、產業發展技術基礎

人工智慧技術的發展奠定了自動駕駛很好的發展基礎，同時，通訊、算力、感測器、汽車工業的發展也十分重要，當然也需要大量的鈔票。

1、計算平臺

系統的計算量、資料流都非常大，同時又需要較快的反應速度，因此就需要匹配合適效能的計算資源，保證計算工作的正常執行。

自從吳恩達發現GPU非常適合進行深度神經網路訓練以來，英偉達就在這一次的人工智慧浪潮之中大發了一筆橫財。目前，據不完全統計，全球已有超過1500家人工智慧初創公司使用英偉達的產品，其中還有不少自動駕駛技術公司。

在2017年CES上，英偉達釋出了最新的車載計算平臺“XAVIER”，其512個Volta CUDA核心可提供高達30TOPS的計算效能，並且功率只有30W，遠遠優於Drive PX2。

而在國內，人工智慧創業圈子中聲名赫赫的地平線機器人，也正在研發其基於FPGA架構的大腦引擎（BPU），而代號為“高斯”的計算構架IP預計在2017年底推出。

不過，綜合來看，自動駕駛計算平臺的爭奪戰依然主要在國際巨頭之間展開，除了英偉達之外、英特爾、微軟、高通、Mobileye、Ceva、恩智浦、德州儀器等晶片、IP、ADAS供應商，都正在瞄準這一領域發力，未來的競爭激烈程度可見一斑。

2、車輛控制

自動駕駛汽車不僅僅是感知和演算法，它還涉及到車輛控制、汽車動力學、汽車工程等諸多技術學科，同時需要汽車控制（剎車、轉向、燈光、油門等）配件的支援。

目前，自動駕駛執行相關的技術和部件產品將依然長期掌控在車企和大型Tier1手中。如博世、大陸、Delphi等傳統的Tier1掌握的執行控制專利技術已經可以支撐到自動駕駛階段，無論在效能還是價格上都有絕對的優勢。

從Tire1供應商的角度來講，作為Tire1供應商提供控制介面，還不如提供自動駕駛解決方案，當做未來佈局。速度快者如博世（Bosch），依託其多年對EPS、ESP和ABS等系統的經營積累，通過開發iBooster等新技術，跟多家車企展開了自動駕駛系統的合作。國內由於多年無人車未來挑戰賽的需求，也存在幾個類似的團隊，憑藉跟車企和供應商的良好關係，整合一套行動層平臺，這都算是個面向自動駕駛團隊的Tire1吧。

由於電動汽車技術的快速革新，傳統汽車製造業受到了衝擊，此前發動機和變速箱等壁壘技術，逐漸被車輛電控、電動機、電池等技術取代。這種變革，讓創業團隊自己造車成為了可能。

因此，國內外眾多電動汽車、網際網路造車、智慧汽車企業極有可能成為自動駕駛汽車行業的新貴。比較著名的如蔚來汽車、小鵬汽車、智車優行、樂視等自己造車，掌握平臺。

智車優行CEO瀋海寅曾表示，在智車優行未來戰略規劃中，自動駕駛是關鍵一環。目標是在三到四年內在一些區域性路況下的全自動駕駛。

另一個是成為Tire1供應商本身，由於汽車工業發展本身的原因，國外的供應商分佈很早就變成巨頭格局，而國內則由於價格、技術迭代和適配等原因，許多國產供應商反而拿到了許多車企的合同得以生存，如此前新聞中提過跟奇瑞合作的亞太，以及源自清華和吉大汽車系的團隊。總之，目前國內自動駕駛技術還是比較依賴車企或者供應商提供平臺的，因此投資人想要知道團隊技術水平如何，一方面是看Demo，另一方面或可通過行動層提供方來側面瞭解。

3、演算法與自動駕駛汽車運營

目前，自動駕駛技術公司的兩級分化比較嚴重，一方面是看準時間和角度切入的初創企業，另一方面則是大型網際網路科技巨頭，如谷歌、百度、Uber等。此外，像博世這樣，少量擁有相對完整的產業鏈結構的Tier1，也在踏足這一領域。

大多有更深的想法，它們並不把自己看做單純的技術提供方，而是希望深入到運營中去。例如智行者希望能夠首先在低速園區內進行無人駕駛運營，而圖森互聯則在一開始就瞄準了長途高速貨運。Uber與其收購的Otto也將目光分別聚焦在了無人駕駛共享出行和長途貨運上。

圖森互聯CEO陳默表示，相比於賣車，運營服務公司是更靠近產業鏈下游和利益鏈頂端的方式。

自動駕駛汽車的另一個特點，就是解放了我們在出行過程中的雙手、眼睛和大腦，因此車內活動也有了更多的想象空間。馭勢科技CEO吳甘沙曾在多次公開演講中表示，未來，自動駕駛汽車很有可能成為新的商業場景，為人們提供出行時的觀影、辦公、餐飲服務。

4、自動駕駛技術

美國高速公路安全管理局（NHTSA）將汽車智慧化水平分成五個等級：無自主控制；輔助駕駛；部分自動駕駛；有條件自動駕駛；高度自動駕駛。

自動駕駛流程可以分為感知-認知-決策-控制-執行五部分，其中感測器發揮著類似於人體官的感知作用，認知階段則是依據感知資訊完成處理融合的過程，形成全域性整體的理解，據此自動駕駛系統通過演算法得到決策結果，傳遞給控制系統生成執行指令，完成駕駛動作。

自動駕駛產業鏈中的玩家，可大致劃分為整車廠（OEMs）、傳統Tier1、演算法供應商、晶片供應商、資料服務商、感測器生產企業、車聯網服務商、運營和服務提供商。

五、自動駕駛創業生態

全球自動駕駛創業圖譜如下：

國內自動駕駛創業圖譜如下：

1、感測器

不同感測器比較：

從以上比較可以看出，鐳射雷達具有跟高的測量精度和三維成像能力，是自動駕駛不可或缺的感測器，目前國內鐳射主要的創業公司有：

除了上面的企業，國內鐳射雷達企業還有北醒光子、思嵐科技、大族鐳射、杭州巨星、廣州中海達科技。與國內的企業對比，國外的機械雷達公司大多為老牌的企業，而很多創業公司都在研發固態雷達。國外的企業主要有LeddarVu固態鐳射雷達、Innoviz、Ibeo、Quanergy、Velodyne、TriLumina。

目前，多感測器融合成為行業共識，不同感測器技術將齊頭並進發展，而鐳射雷達無疑擁有更大的市場空間。

而毫米波雷達技術主要由大陸、博世、電裝、奧托立夫、Denso、德爾福等傳統零部件巨頭所壟斷，特別是77GHz毫米波雷達，只有博世、大陸、德爾福、電裝、TRW、富士通天、Hitachi等公司掌握。

毫米波雷達產業全景圖如下：

2、自動駕駛晶片

在自動駕駛車的晶片細分市場中，除了英偉達（Nvidia）、Mobileye、恩智浦（NXP）等大家耳熟能詳的公司外，還湧現出了許多“新面孔”——例如IP供應商Ceva以及英特爾和高通（Qualcomm）等。今年9月13日，今年在北京舉行的GPU科技大會上，英偉達CEO黃仁勳展示了這款新的自動駕駛汽車處理器DrivePX2-AutoCruise。簡單說，它就是精簡版DrivePX2計算平臺加了神經網路演算法，專門用來實時分析汽車身上多個雷達和感測器採集的資訊，還能處理高清地圖，繼而實現自動駕駛。

3、 ADAS演算法公司

在自動駕駛來臨之前，ADAS的商業化已經來臨，ADAS 系統的核心依然是演算法。縱觀所有的創業團隊，創始人往往有多年的影像識別等相關領域的從業經歷。當然，另外硬體很大程度上影響著成本。

4、自動駕駛演算法

自動駕駛的演算法涵蓋感知、決策等關鍵環節，需要大量資料進行訓練，多感測融合的資訊進行擬合互補，決策演算法整合感知和認知層，最終將指令傳遞給控制系統。國內目前的創業公司大多來自百度系，主要玩家有：

百度2017年7月公佈阿波羅計劃，打造開放的自動駕駛生態，計劃做下一代的汽車安卓系統，面向其他企業開放自己的高精度地圖、演算法、資料，同時將國內行業玩家整合進百度的技術體系，沉澱更多的資料。

5、整車廠（OEMs）公司

Tesla從電動汽車起步，逐漸切入自動駕駛領域。國內的Tesla門徒們雖然汽車還沒有量產，但也在自動駕駛領域均有所佈局。

6、高精度地圖

前期大量長期的資金投入是地圖產業的天然門檻，高精度地圖的繪製需要在前期對本地區路況進行大量的測繪，測繪過程可能要耗費大量時間，在這段期間企業不會從地圖產業中獲得任何的收益。並且地圖維護成本高，企業需要進行大量的研發和成本支出維持地圖的實時更新，小企業或者新進企業由於無力承擔其龐大的成本費用，產品質量不斷降低，最終退出市場或者被兼併收購，留下的大企業形成自然壟斷。

全球圖商巨頭：

自2001年測繪局批准四維圖新擁有甲級資質以來，至今為止，只有11家圖商擁有導航電子地圖測繪資質，地圖涉及的國家保密性註定決定了地圖行業是寡頭壟斷行業，並且天然排斥外資企業的進入。在國內高德和四維圖新是數字地圖領域的雙寡頭，兩者都是地圖資料提供商。2016年是高精度地圖的規劃元年，根據國內高精度地圖龍頭四維圖新的規劃，2016年底提供覆蓋全國高速公路的基於ADAS的高精度地圖，2017年底，支援至少20個城市的Level3級別的高精度地圖，並且與此同時完成與車企的協調溝通，高德的計劃與此類似。

國內其備導航電子地圖資質主要廠家：

六、投資分析

與自動駕駛相對應的，是自動駕駛+共享經濟的出行模式，C端使用者消費的將不再是汽車，還是出行服務。

金準資料認為，在自動駕駛時代，汽車利用率將直線上升而銷量必定下降，車廠的選擇，一是儘快尋求合作，進行技術開發，向自動駕駛領域轉型；二則是淪為自動駕駛汽車的代工廠和供應商。

因此，大多數車廠更希望看到的是Lv4甚至以下等級的自動駕駛技術，而不是Lv5狀態下的全路況無人駕駛汽車。目前，包括福特、寶馬、沃爾沃在內的整車廠商，也都在進行自動駕駛技術的研發。

此外，金準資料整理出以下可投資方向：

第一、感測器。尤其是像鐳射雷達這樣能夠提供高環境感知能力的感測器。如果它們不是僅僅通過量產降低成本，而是靠技術驅動能夠把成本降到很低，滿足高效能要求。

第二、能夠提供一個很好多感測融合的系統。目前大多數公司還是基於傳統的鐳射雷達做的系統，對於視覺、毫米波感知這塊還有工作可以開拓。

第三、做大腦。新手司機和老司機其實在能力上有本質的差異，不是因為他們聰明，而是因為開的里程不同。如果我們可以把很多人的駕駛經驗都變成決策和控制系統，這有很強的壁壘。

第四、在一些細分的場景下、相對比較現實的場景下做完整的解決方案。

人工智慧賽博物理作業系統

AI-CPS OS

“人工智慧賽博物理作業系統”（新一代技術+商業作業系統“AI-CPS OS”：雲端計算+大資料+物聯網+區塊鏈+人工智慧）分支用來的今天，企業領導者必須瞭解如何將“技術”全面滲入整個公司、產品等“商業”場景中，利用AI-CPS OS形成數字化+智慧化力量，實現行業的重新佈局、企業的重新構建和自我的煥然新生。

AI-CPS OS的真正價值並不來自構成技術或功能，而是要以一種傳遞獨特競爭優勢的方式將自動化+資訊化、智造+產品+服務和資料+分析一體化，這種整合方式能夠釋放新的業務和運營模式。如果不能實現跨功能的更大規模融合，沒有顛覆現狀的意願，這些將不可能實現。

領導者無法依靠某種單一戰略方法來應對多維度的數字化變革。面對新一代技術+商業作業系統AI-CPS OS顛覆性的數字化+智慧化力量，領導者必須在行業、企業與個人這三個層面都保持領先地位：

1. 重新行業佈局：你的世界觀要怎樣改變才算足夠？你必須對行業典範進行怎樣的反思？

2. 重新構建企業：你的企業需要做出什麼樣的變化？你準備如何重新定義你的公司？

3. 重新打造自己：你需要成為怎樣的人？要重塑自己並在數字化+智慧化時代保有領先地位，你必須如何去做？

AI-CPS OS是數字化智慧化創新平臺，設計思路是將大資料、物聯網、區塊鏈和人工智慧等無縫整合在雲端，可以幫助企業將創新成果融入自身業務體系，實現各個前沿技術在雲端的優勢協同。AI-CPS OS形成的數字化+智慧化力量與行業、企業及個人三個層面的交叉，形成了領導力模式，使數字化融入到領導者所在企業與領導方式的核心位置：

1. 精細：這種力量能夠使人在更加真實、細緻的層面觀察與感知現實世界和數字化世界正在發生的一切，進而理解和更加精細地進行產品個性化控制、微觀業務場景事件和結果控制。

2. 智慧：模型隨著時間（資料）的變化而變化，整個系統就具備了智慧（自學習）的能力。

3. 高效：企業需要建立實時或者準實時的資料採集傳輸、模型預測和響應決策能力，這樣智慧就從批量性、階段性的行為變成一個可以實時觸達的行為。

4. 不確定性：數字化變更顛覆和改變了領導者曾經仰仗的思維方式、結構和實踐經驗，其結果就是形成了複合不確定性這種顛覆性力量。主要的不確定性蘊含於三個領域：技術、文化、制度。

5. 邊界模糊：數字世界與現實世界的不斷融合成CPS不僅讓人們所知行業的核心產品、經濟學定理和可能性都產生了變化，還模糊了不同行業間的界限。這種效應正在向生態系統、企業、客戶、產品快速蔓延。

AI-CPS OS形成的數字化+智慧化力量通過三個方式激發經濟增長：

1. 創造虛擬勞動力，承擔需要適應性和敏捷性的複雜任務，即“智慧自動化”，以區別於傳統的自動化解決方案；

2. 對現有勞動力和實物資產進行有利的補充和提升，提高資本效率；

3. 人工智慧的普及，將推動多行業的相關創新，開闢嶄新的經濟增長空間。

給決策制定者和商業領袖的建議：

1. 超越自動化，開啟新創新模式：利用具有自主學習和自我控制能力的動態機器智慧，為企業創造新商機；

2. 迎接新一代資訊科技，迎接人工智慧：無縫整合人類智慧與機器智慧，重新

   評估未來的知識和技能型別；

3. 制定道德規範：切實為人工智慧生態系統制定道德準則，並在智慧機器的開

   發過程中確定更加明晰的標準和最佳實踐；

4. 重視再分配效應：對人工智慧可能帶來的衝擊做好準備，制定戰略幫助面臨

   較高失業風險的人群；

5. 開發數字化+智慧化企業所需新能力：員工團隊需要積極掌握判斷、溝通及想象力和創造力等人類所特有的重要能力。對於中國企業來說，創造兼具包容性和多樣性的文化也非常重要。

子曰：“君子和而不同，小人同而不和。”  《論語·子路》雲端計算、大資料、物聯網、區塊鏈和 人工智慧，像君子一般融合，一起體現科技就是生產力。

如果說上一次哥倫布地理大發現，擴充的是人類的物理空間。那麼這一次地理大發現，擴充的就是人們的數字空間。在數學空間，建立新的商業文明，從而發現新的創富模式，為人類社會帶來新的財富空間。雲端計算，大資料、物聯網和區塊鏈，是進入這個數字空間的船，而人工智慧就是那船上的帆，哥倫布之帆！

新一代技術+商業的人工智慧賽博物理作業系統AI-CPS OS作為新一輪產業變革的核心驅動力，將進一步釋放歷次科技革命和產業變革積蓄的巨大能量，並創造新的強大引擎。重構生產、分配、交換、消費等經濟活動各環節，形成從巨集觀到微觀各領域的智慧化新需求，催生新技術、新產品、新產業、新業態、新模式。引發經濟結構重大變革，深刻改變人類生產生活方式和思維模式，實現社會生產力的整體躍升。

產業智慧官  AI-CPS

用“人工智慧賽博物理作業系統”（新一代技術+商業作業系統“AI-CPS OS”：雲端計算+大資料+物聯網+區塊鏈+人工智慧），在場景中構建狀態感知-實時分析-自主決策-精準執行-學習提升的認知計算和機器智慧；實現產業轉型升級、DT驅動業務、價值創新創造的產業互聯生態鏈。

長按上方二維碼關注微信公眾號： AI-CPS，更多資訊回覆：

新技術：“雲端計算”、“大資料”、“物聯網”、“區塊鏈”、“人工智慧”；新產業：“智慧製造”、“智慧金融”、“智慧零售”、“智慧駕駛”、“智慧城市”；新模式：“財富空間”、“工業網際網路”、“資料科學家”、“賽博物理系統CPS”、“供應鏈金融”。

官方網站：AI-CPS.NET

本文系“產業智慧官”（公眾號ID：AI-CPS）收集整理，轉載請註明出處！

版權宣告：由產業智慧官（公眾號ID：AI-CPS）推薦的文章，除非確實無法確認，我們都會註明作者和來源。部分文章推送時未能與原作者取得聯絡。若涉及版權問題，煩請原作者聯絡我們，與您共同協商解決。聯絡、投稿郵箱：erp_vip@hotmail.com