“对于中国而言，智能汽车承载着‘制造强国’‘网络强国’‘交通强国’的未来重任，顶层设计对汽车智能化的重视丝毫不弱于其他国家的政府。” 首届世界智能汽车大会日前在广州拉开序幕，会上全面展示了智能汽车蓬勃发展态势下的产业政策、技术创新、产业协同和商业模式等前沿成果。对于汽车行业而言，新能源只是上半场，智能化才是下半场。世界智能汽车大会的盛大举行有望对智能汽车项目对接落地和助力中国乃至全球智能汽车产业高质量发展产生烘托效果。 智能化汽车又称智能网联汽车，是人工智能、芯片演算、5G、车联网、大数据和新型感知等多种技术耦合的结晶体，不同的技术对应着相应的产业链，如与人工智能自动驾驶息息相关的有摄像头、卫星定位、超声波雷达等智能硬件，因多种技术存在紧密勾连，未来智能汽车将呈现产业融合与协同创新镜像，如自动代客泊车业务、支持自动驾驶的智能车道建设以及全智能的城市交通调度系统的创新与开发等。 显然，智能汽车并不只是单车智能，而是“车-路-人”的系统协同智能。其中汽车能够通过量级运算、高精定位以及灵敏感知等能力对道路与周边环境作出迅即反应以及行为调整和运行预测，而同时交通信号灯等路测设备系统也能自动与快捷地向运动车辆发射信息，后者不用算法便可作出直接判断和行为决策。对于驾驶员来说，十分惬意地坐躺在行进的智能汽车中，感觉到的不只是安全与舒适，如果遇到车辆零部件运转不畅导致汽车抛锚，完全用不着心急如焚且需花费大量时间等待保险公司救援，而是汽车可以自动开启智能化维修方案指导驾驶员顺利实现自我精准与快捷性救援。 就汽车制造企业而言，智能化无疑代表着自身产品的转型升级，汽车的属性因此也将发生改变，即定义汽车产品核心竞争力的不再是硬件，而是多个模块下的软件，商业盈利模式也从主要提供硬件服务转向主要供给软件服务，而且有了软件以后，车企还能延伸出更多的增值服务，因为汽车已经不仅是智能的终端，还可以是办公、娱乐的智慧生活场所。因此，作为产品与服务提供商，汽车企业就必须具备强大的软件技术功能迭代能力，就如同今天的智能手机不断升级系统版本，车企未来同样能够通过OTA（远程在线升级）实现更快速的系统更新应用。 目前来看，全球智能汽车以及由此导致的产业演进与布局虽然处于商业化前期阶段，但强大的产业关联与协同以及全新而愉悦的消费体验已经足以让智能汽车创造出非常乐观的市场需求前景。根据《IDC全球智能网联汽车预测报告》发布的信息，未来的五年，智能汽车将会迎来飞速发展时期，智能汽车的出货量复合增长率会攀升至16.8%，到2024年，智能汽车在全世界范围内的出货量或将达到7620万辆。 众多国家朝着智能化汽车进行政策赋能无疑是智能汽车即将进入加速跑道的重要推力。除了欧盟委员会先后发布了《通往自动化出行之路：欧盟未来出行战略》以及《智能汽车安全的良好实践》等重要文件并明确表示欧盟须在2030年完全进入自动驾驶社会的目标导向外，德国还单独推出了《自动和联网驾驶战略》，宣布将投入数十亿欧元改造网络基础设施、鼓励智能汽车研发，同时法国将自动驾驶领域纳入国家人工智能发展计划和促进经济增长及企业变革行动方案。同样，美国政府推出了智能汽车的最新政策体系“自动驾驶4.0”，并计划改造一段长约40英里的轨道，这条专门用于自动驾驶汽车的跑道命名为“密歇根智慧出行走廊”。另外，韩国制定了将智能汽车作为重点的“未来汽车国家愿景”，且该国产业通商资源部新设“未来汽车产业课”，专门负责推进汽车智能化相关产业融合工作。 在智能化汽车的全球商界作业层面，除了特斯拉作为造车新势力携带着自己的Model 3在自动驾驶的跑道上大出风头外，其他传统跨国车企也都在摩拳擦掌。在已经架构起自己的“智能城市模拟平台”的基础上，福特汽车计划在2023年之前投资40亿美元用于智能汽车的专项研发，无独有偶，德国大众已经投资26亿美元的资金用于Argo AI自动驾驶企业初创平台企业，同时日本丰田决定向小马智行投资4亿美元，通用汽车专门成立了自动驾驶子公司Cruise，而且设计研发出了Cruise Origin自动驾驶汽车。 对于中国而言，智能汽车承载着“制造强国”“网络强国”“交通强国”的未来重任，顶层设计对汽车智能化的重视丝毫不弱于其他国家的政府。两年前，工信部就印发《车联网（智能网联汽车）产业发展行动计划》，提出分阶段实现智能网联汽车产业高质量发展的目标。今年以来，国家发改委又发布《智能汽车创新发展战略》，明确2025 年基本形成国内标准智能汽车的技术创新、产业生态、基础设施、法规标准、产品监管和网络安全体系，同时国务院印发的《新能源汽车产业发展规划（2021-2035年）》强调了汽车电动化、网联化、智能化的发展方向。不仅如此，国务院多个部委还协同组建了国家智能网联汽车创新中心。 地方政府对顶层设计的有效策应构成了对汽车智能化加速的有力驱动，其中北京、上海、广州、深圳、杭州、长沙等全国40多个城市都制定了智能网联汽车道路测试相关政策，而且除广州外，上海、深圳等地都已颁发智能网联汽车示范应用或自动驾驶商用牌照，同时北京市已经挂出“智能车联开放道路”标牌，“能思考”“会说话”的道路在北京多达40公里，覆盖36个路口。 政策层面撬动力度的加强，直接引爆了国内汽车生产商拥抱智能化的热情。智能汽车按照自动化程度分为L1-L5共5个级别，越往高汽车自我控制的程度就越高，按照工信部的权威说法，目前国内有15%的上市车型装载了L2级自动驾驶系统，部分汽车开展了特定场景下L3级自动驾驶车型的检测验证，其中上汽R汽车旗下MARVEL R车型已经能够实现L3级别自动驾驶的量产，北汽集团的新一代L4级自动驾驶汽车在2025年可实现量产，另外，长安汽车(行情000625,诊股)UNI-T自动驾驶车型也在日前面世。与传统车企比肩，造车新势力更是在汽车智能化领域纵横捭阖，其中小鹏汽车的P7鹏翼版不仅是国内首款搭载激光雷达的智能汽车，而且该车还搭载了不依赖于停车场改造的自主泊车系统。 第三方技术力量的强大赋能让国内智能汽车的提速如虎添翼。服务智能汽车的5G网络类似于人类大脑的“神经元”，将远程驾驶指令传到行驶的汽车只需0.005秒的延时，比人对驾驶情况处理的反应快40-80倍，更重要的是，智能汽车行业并不像国内其他产业领域“缺芯（芯片）少魂（操作系统）”，包括蔚来汽车、零跑汽车等新造车势力以及英伟达、地平线等专业研发商都推出了可以局部或者全部打通智能驾驶系统的芯片与操作系统，智能语音公司科大讯飞(行情002230,诊股)推出了能听、会说、会认以及会思考的飞鱼智能助理，数字孪生技术公司51WORLD公司旗下的“地球克隆计划4”可以为智能汽车创设虚拟测试场景。尤其值得关注的是，华为也推出了全栈智能汽车解决方案“HI”，覆盖计算与通信架构和智能驾驶、智能座舱、智能电动、智能车云、智能网联等五大智能系统。 车企产品升级与创造的需求与第三方技术动能的外溢，二者的无缝嫁接造就了国内智能汽车产业跨界融合的燎原之势。其中上汽MARVEL R车型就是与华为合作的结晶，北汽L4级自动驾驶汽车就是与滴滴牵手的成果，同时北汽还与华为联合设立了“1873戴维森创新实验室”、与百度共同设立了汽车信息安全联合实验室，另外，长安汽车UNI-T自动驾驶车型搭载的就是地平线征程2代芯片，而且长安汽车还联手华为、宁德时代(行情300750,诊股)等共同布局高端智能汽车市场。多种强大商业力量的共振与协同让全球清晰地听到中国智能汽车前行的铿锵脚步声。
导读 当‘硅谷基因’遇到‘中国市场’‘中国制造’，今年以来特斯拉大涨5倍，市值突破5000亿美元，已经超过传统汽车龙头丰田（2200亿美元），登顶全球第一大市值汽车公司。 特斯拉近年快速崛起，意味着汽车百年大变局正在到来，市场对新能源和智能汽车技术及商业模式变革的未来充满巨大期待。大时代，大变局，中国凭借庞大的市场、强大的制造和研发能力，会否诞生世界级的新能源汽车巨头？ 特斯拉的成长模式 核心观点 1、特斯拉维持全球新能源汽车龙头地位，连续五个季度实现盈利。 2020年1-9月特斯拉全球累计销量约31.7万辆，全球占比17.8%，超过大众23.1万（13%）和雷诺14万（7.8%），继续领跑全球新能源汽车市场，其中美国与中国市场累计销量分别达13.4万辆、8.1万辆。Model 3累计销量23.8万辆、全球占比13.4%，为全球最畅销车型。10月22日，特斯拉发布2020年第三季度财报显示连续第五个季度实现盈利。通过车型平台化、生产国际化，特斯拉不断扩大汽车交付数量，从而实现规模效应与成本领先。 2、特斯拉正从一家新能源汽车公司成为一家科技公司。 特斯拉2014年推出自动驾驶辅助系统Autopilot、2016年着手布局光伏新能源、2019年推出自研的自动驾驶FSD车载芯片、2020年宣布将自研自制电芯并开始部署神经网络训练集群Dojo system。 可以发现，特斯拉正在新能源与智能汽车的核心技术领域不断深化布局，涉及范围包括深度学习算法、人工智能芯片、大数据、超算、电芯、新能源、新材料等各项前沿技术领域。 其业务边界远远超出普通意义上的汽车公司，汽车只是特斯拉业务的载体，其实质是打破原有供应链的分工，在精简扁平的组织架构上形成软硬件一体化的内生能力，并维持高速迭代，最终用技术解决出行和能源领域所面临的根本性问题，类似于‘丰田+英伟达+Waymo+宁德时代’的商业和技术综合体。 3、特斯拉引领了汽车产业的商业模式变革，从卖硬件到卖软件+服务，类SaaS（Software-as-a-Service）模式引发竞争对手效仿和资本市场热捧。 1）通过集中式的电子电气架构，特斯拉可以通过整车OTA持续地改进车辆功能，为提供车辆交付后的运营和服务。目前特斯拉已经推出部分服务，例如9.9美元/月Premium Connectivity流量服务，服务包括流媒体、车况查询、浏览器使用等。此外，特斯拉推出驾驶系统性能加速升级包，为Model 3双电机版本提供加速服务，更新后0-60mph加速时间可从4.4秒降低为3.9秒，升级费用2000美元。 2）自动驾驶领域，特斯拉率先打造‘数据+算力+算法’的闭环。特斯拉目前拥有一百万辆车队规模，累计行驶里程达数十亿公里，数据量远超任何竞争对手；自研FSD芯片，算力高达72TOPS，计算平台HW3.0算力高达144TOPS，为量产车型中最高；自研视觉感知、决策规划等核心算法。 目前特斯拉推出的FSD功能售价达到8000美元，未来转为订阅模式后用户可以按100美元/月进行订阅。与苹果类似，苹果一开始从硬件销售起家，而后通过自研iOS逐步构建应用生态，2020年三季度苹果iTunes软件及服务收入达537.7亿美元，营收占比19.6%，特斯拉通过自研芯片+算法+车载操作系统构建出行生态闭环，未来收入模式可以从车辆一次性销售升级为客户提供全生命周期的服务。 4、特斯拉的未来。特斯拉未来所面临的竞争对手不仅仅是大众、丰田等传统OEM，更有谷歌、英伟达、Uber等高科技企业，还有石油巨头、氢能源技术、中国传统与新造车势力。全球新能源汽车市场格局仍存变数。 1）特斯拉将成为一家全球化车企。Model 3已经成为现象级的产品，当务之急在于快速推进德国工厂建设，并推出Model Y以满足SUV用户的需求。此后特斯拉还将推出电动卡车Tesla Semi、电动皮卡Cybertruck。我们预测2030年全球电动汽车销量将达到3500万辆，特斯拉年销量将达到600-800万辆，海外市场营收占比将超过50%。 2）未来特斯拉在电动化领域的领先优势可能被逐步缩小，核心竞争力在于智能化、无人驾驶技术、数据和品牌。从智能手机发展史来看，外观和供应链都极易被模仿借鉴，但苹果的利润却超过所有竞争对手总和，核心在于自研A系列芯片、iOS系统，并打造应用生态和高端品牌。特斯拉通过自研自动驾驶芯片和人工智能算法，并配合数量最大的车队不断提供用于深度学习的真实路况数据，特斯拉将拥有比其他竞争对手更高的算法迭代效率。未来一旦特斯拉的摄像头路线被证明可行性，相对于激光雷达路线将体现出极大的成本优势。 3）长期来看，汽车服务和能源服务将成为特斯拉新的增长点。特斯拉已经建立了全球范围的直营店和充电网络，通过OTA不断向用户推送新的软件与功能，特斯拉正持续构建线上+线下、汽车+能源的服务闭环。全自动驾驶成熟以后，特斯拉还将自建车队提供出租车服务。 风险提示：汽车安全事故、中美贸易摩擦等 正文 1特斯拉新阶段：国际化、稳定盈利、迈向年产销百万 10月22日，特斯拉发布2020年第三季度财报，从财报数据来看，这是特斯拉连续第五个季度实现盈利。从不被认可、量产艰难，到稳定盈利，特斯拉已经成为一家产品矩阵逐渐丰富的全球化汽车公司。 1.1 连续五个季度实现盈利 2020年第三季度，特斯拉营收87.7亿美元、同比增长39.2%，净利润实现连续5个季度为正，从2019年第一季度亏损7亿美元提升至本季度盈利3.31亿美元。从毛利率来看，汽车业务毛利率27.7%，同比增长4.8个百分点，主要得益于各个主要工厂本土化策略带来的成本下降，以及上海工厂产能利用率提高。分项目来看，汽车销售是特斯拉主要的收入来源，2020年第三季度汽车销售收入76.1亿美元，营收占比86.8%。分国家和地区来看，美国是特斯拉的主要市场，营收42.2亿美元、占比48.1%，中国大陆市场其次，营收17.4亿美元、占比19.9%。 1.2稳步推进国际化 中国、欧洲成为特斯拉除美国的两大重要市场。从销量来看，2020年1-9月，特斯拉全球累计销量约31.7万辆，其中美国为第一大市场，累计销量13.4万辆、销量占比42.4%，中国为第二大市场，累计销量8.1万辆、销量占比25.4%。 从生产来看，为完成订单和交付需求，全球工厂加速恢复生产。出于国际易变的环境而导致关税提升、货运时间拉长等潜在风险的考虑，与此同时也是基于降低生产成本来提高产品价格竞争力的国际化市场战略，特斯拉在全球主要市场均设有生产工厂，包括美国3座、欧洲3座、中国1座。由于中国是全球最大新能源汽车市场、而欧洲尤其是德国对新能源汽车优惠政策不断出台，特斯拉负责生产制造汽车工厂共3座，分别位于美国加州、中国上海、德国柏林，其中加州Fremont工厂负责全线汽车产品生产，上海工厂和柏林工厂则负责Model 3/Y的生产。因此，除了美国Fremont工厂具备Model X/S生产功能，特斯拉全球的生产重任将向Model 3/Y转移。 从产能来看，美国工厂方面，Fremont工厂年产能提升至59万辆，其中 Model 3/Y 合计年产能提升至50万辆。为了达到目标，特斯升级通用组装线，开启第二座涂装车间；上海工厂方面，Model 3年产能已提升至25万辆，周产能目前为5000辆，Model Y尚在建设中，预计2021年交付。与此同时，特斯拉扩大上海工厂对外出口能力，标准续航版本Model 3已登陆欧洲市场；德国工厂方面，预计2021年投产交付，Model 3/Y 最大年产能50万辆。其外，根据电池日消息，德国工厂将采用自建电池产线和最新制造工艺，采用4680电池，制造成本减少56%，单位投资成本减少69%。 1.3产品矩阵化 Model 3是特斯拉成功开拓市场的标志性产品，成为全球最畅销车型。自2017年年底交付以来，Model3超越宝马、奔驰、奥迪等传统豪华燃油车品牌以及同类新能源汽车品牌，据EV Sales数据统计，2020年1-9月全球新能源乘用车累计销量为178.4万辆，其中Model 3为全球最畅销车型，累计销量23.8万辆、全球占比13.4%。 Model Y将成为特斯拉下阶段的核心产品。对比同等级轿车，SUV车内空间容量更大、功能性更强，更能满足家庭多元需求，因此，近十年来全球SUV销量攀升、市场渗透率增加，2018年全球SUV渗透率达36.4%，其中中国市场更甚，2020年1-7月SUV渗透率达46.2%。Model Y定位为电动SUV，于2019年3月发布、2020年3月美国交付，起步价3.9万-5.7万美元，续航里程最高可达316英里（508公里）。作为“三步走”战略的第三个环节，即大规模地造好车，Model Y的推出可以满足全球消费者对SUV的需求，延续Model 3在轿车领域的成功。 2特斯拉：从汽车公司到科技公司 2019年以来，特斯拉成长愈发稳健的根本原因在于整体模式拥有扎实的地基。一方面特斯拉将Model 3的成功复制到Model Y，两款汽车沿用同一个底盘架构、大部分零部件；另一方面是将美国工厂的成功复制到中国工厂、欧洲工厂。品类和地域的快速复制可以提高交付数量，形成市场占有和规模效应，实现成本领先。特斯拉国际化布局和产品迭代的过程，展现了强大的底层技术能力和高效的软性管理能力。 2.1 电动化：掌握三电核心技术，电芯走向自研自产 从技术角度来看，电动化的重点在于高效率低成本，并且可以进行工程迭代。在《特斯拉研究报告：用软件定义汽车》中我们曾详细分析过，电池方面，特斯拉提出更优的两极材料、模组结构、电池管理系统和热管理四大主要途径来解决动力电池温度敏感性高、成组管理难度大、易爆炸等局限性，成功令Model系列车的续航能力达到业内中高水平；电机电控方面，特斯拉采取包括设计对应冲片、提高扭矩、冷却系统等手段，应用高性能永磁电机，成功令Model 3电机具有体积小、成本低（稀土使用量非常少，而且无需使用铜芯，降低铸造成本）、功率高等优点。 从生产制造角度来看，特斯拉一步步垂直整合，解决全球化布局中核心三电成本高、产能不足的问题，其中电池领域垂直整合程度最为明显，主要分为三步： 一、与松下深度绑定，解决电池研发成本高、周期长、难度大的问题，同时进行自身技术积累。特斯拉与松下共合作过三款电池，特斯拉在生产第一款汽车Roadster时，并不具备动力电池生产的所需技术和资质，在测试过当时市面上电池后，特斯拉选择能量密度高、工艺成熟、生产自动化程度高的松下圆柱电池。双方于2014年合作投资50亿美元建造电池超级工厂Gigafactory 1，松下成为特斯拉独家供应商。双方关系深度绑定，松下负责电池电芯制造，特斯拉负责电池模组和电池包的组装，再将电池成品运输进行汽车装载。双方通过合作研发第二款2170电池，采用镍钴铝NCA配备硅碳负极，单体电池容量在3~4.8Ah之间，性能较上一代18650提高约20%，用于搭载Model 3/Y。4680是双方合作的第三款电池，续航里程提高16%，能量密度提升5倍，电力提升6倍，用于搭载2021年推出的新款Model S Plaid三电机高性能版。 二、开放供应链，探测电池适用多样性以及通过竞争来近一步降低成本。特斯拉与松下合作期间，由于产能不足、成本过高、经营理念差异产生多次分歧。因此，特斯拉逐渐引进LG和宁德时代，形成“圆柱-松下、软包-LG、方形-宁德时代”的布局（目前LG为特斯拉提供的依然是2170圆柱电池）。从技术角度来看，三方均是该领域的技术领先者，特斯拉可以尝试探索电池模组多样性和模组优化的可行性；从商业角度来看，开放供应链引入价格协商机制，可以有效降低采购成本，确保当地产能的同时，有利降低最终汽车产品成本。 三、自建工厂，技术探索和生产供应共同进行。从电池角度看，特斯拉出于汽车未来发展以及企业战略考虑，对成本把控主要围绕技术、结构和生产三个层面。1）通过技术降低成本、提高电池性能。通过正极、负极、隔膜、电解液体系革新和新型材料来降低动力电池成本。动力电池成本居高不下的主要原因在于电池的原材料，四大材料占总成本的比例接近3/4。目前主流电池中的锂和钴价格波动较大，不利于成本管控。特斯拉通过资助著名锂电池专家Jeff Dahn，进行“百万英里”高循环高寿命电池、“无钴电池”等技术研发，建立正极、电解液方面的优势，其中“百万英里电池”，即“镍钴铝电极合成方法”（Method for Synthesizing Nickel-Cobalt-AluminumElectrodes）技术已经申请专利。与此同时，正式发布的新款4680电池所采用的无极耳技术便是由Jeff Dahn团队研发所有。2）优化结构降成本。即通过优化设计减少模组或使用轻量化材料，提高电池组能量密度并降低成本。以宁德时代CTP方案为例，CTP方案可以降低电池包零部件数40%、提升空间利用率15%-20%、提升能量密度10%-15%。3）建立自动化生产线和工艺改造提升生产效率。特斯拉通过收购超级电容企业Maxwell和生产制造企业Hibar，进行电池生产技术探索，其中Maxwell更具备干电极制备工艺。与传统湿法电极制备工序不同，干电极无需将材料与溶剂混合，直接将粉状材料压制成薄膜并覆盖贴合到电池极片上。根据Maxwell报告数据显示，干电极制备技术较传统湿电极制备技术降低生产成本10%-20%、循环寿命可提高1倍。 2.2 智能化：构建“算法+算力+数据”的自动驾驶闭环，集中式电子电气架构赋予OTA能力，引发汽车商业模式变革 2.2.1 整车OTA：软硬件解耦，软件持续升级提供全生命周期价值 通过Model S/X与Model3/Y不断升级，特斯拉电子电气架构向集中式发展。随着现代汽车的电子电气功能越来越复杂，整车上的电子控制单元（Electronic Control Units， ECUs）也随之增多。当前一辆普通汽车的ECU多达70-80个，代码约1亿行，其复杂度已经远远超过Linux系统内核和Android。在传统的汽车供应链中，OEM高度依赖博世、大陆等一级供应商提供的ECU。但不同的ECU来自不同的一级供应商，有着不同的嵌入式软件和底层代码。这种分布式的架构在整车层面造成了相当大的冗余，而且整车企业并没有权限去维护和更新ECU。与传统造车不同的是，特斯拉采取了集中式的电子电气架构，即通过自主研发底层操作系统，并使用中央处理器对不同的域处理器和ECU进行统一管理。特斯拉Model 3的电子电气架构分为三部分——CCM（中央计算模块）、BCM LH（左车身控制模块）和BCM RH（右车身控制模块），其中CCM由IVI（信息娱乐系统）、ADAS/Autopilot（辅助驾驶系统）和车内外通信三部分组成，CCM上运行着X86 Linux系统。BCM LH和BCM RH则负责车身与便利系统、底盘与安全系统以及动力系统的功能。 特斯拉集中式电子电气架构简化内部结构、集中算力、提升后续服务价值。集中式EEA架构主要有以下三点好处，第一，软硬件解耦、算力集中化。可以真正地实现硬件标准化和软件开发重复利用，既实现供应商可替代，也可以大大缩短软件迭代周期，同时为日后第三方软件开发扫清了障碍。车辆将成为移动的智能终端，同时大量计算工作可以集中至车载中央处理器甚至云端，减少了内部冗余同时车联网协同成为可能。第二，内部结构简化、制造自动化。车载以太网开始取代CAN总线结构，半导体集成使得特斯拉可以精简内部线束结构。Model S内部线束长度长达3千米，Model 3只有1.5千米，Model Y缩短至100米左右。线束结构的精简可以使特斯拉的生产效率进一步提高。第三，提升服务附加值。实现整车OTA功能后，特斯拉可以通过系统升级持续地改进车辆功能，软件一定程度上实现了传统4S店的功能，可以持续地为提供车辆交付后的运营和服务。传统汽车产品交付就意味着损耗和折旧的开始，但软件OTA赋予汽车更多生命力，带来更好用户体验。 2.2.2 自动驾驶：构建“算力+算法+数据”闭环，不断加深垂直整合 目前主流智能化汽车基本配备L2级别辅助驾驶系统，尚无企业实现完全自动化驾驶系统。特斯拉辅助驾驶系统Autopilot是率先实现大规模商业化的辅助驾驶系统。根据特斯拉AI主管Andrej Karpathy演讲内容，“由于我们没有采用激光雷达和高精地图，Autopilot的功能依赖8个摄像头采集原始图像，然后进行计算机视觉运算”。特斯拉辅助驾驶系统的实现主要包括图像收集、特征提取、训练学习、评估、对比改进这五个步骤。 第一步，摄像头采集图像信息。与人类驾驶员学习驾驶一样，辅助驾驶系统也需要先认识路牌、道路规则、行人等后再进行判断。这个时候，汽车的感知系统负责“认识”，探测车辆内外环境，包括驾驶员操作行为、车辆定位、环境可见度、路障等。感知系统由大量传感器组成，包括摄像头、激光雷达、毫米波雷达、地图定位等。目前自动驾驶环境感知的技术路线主要有两种，一种是使用视觉主导的多传感器融合方案，另一种则以激光雷达为主导，特斯拉出去的为第一种方案。2014年特斯拉推出了Autopilot 1.0版本，当时的主要传感器是“前置摄像头”，配备1个前置摄像头、1个前向毫米波雷达、车身一周12个超声波雷达。视觉主导方案技术比较成熟，成本较低，但摄像头成像受环境光照的影响较大。2016年5月美国佛罗里达，一辆MODEL S在Autopilot开启状态下与一辆卡车相撞、车主死亡，主要因为在天气影响下摄像头没有识别出和环境颜色相似的卡车（均为亮白色），导致汽车在速度过快的情况下撞上卡车，因此事后官方调查说明的是“在天空明亮光线的照射之下，自动驾驶功能和驾驶员都未能发现挂车的白色面，因此刹车功能就没能启动。”事故后，特斯拉将主要传感器换成毫米波雷达，Autopilot 2.0的配置为1个毫米波雷达、8个摄像头（3个前置、2个侧边、3个后置）、12个超声波雷达、1个后置倒车雷达。目前，除了Model 3增添了一个车内摄像头以外，特斯拉最新Autopilot 3.0版本的配置基本保持不变。 第二步，利用“总-分”结构的神经网络进行深度学习来提取图像特征。在车辆驾驶环境中，道路情况和驾驶情况相当复杂，摄像头采集的信息和图像往往非常庞大，辅助驾驶系统需要同时处理几十乃至上百的运算任务，为了提高效率并且降低任务处理难度，特斯拉采用HydraNets架构的深度学习神经网络，概括来说，是一个“总-分”结构的神经网络。“总”代表首先将运算任务输入到一个大型的共享骨干网络上，总的骨干网络共有8个小网络，运算任务也将被分成8份到各个小网络中，以降低整体运算难度、提升运算效率。“分”是每个小网络单独训练和学习那一小部分的图像和信息、提取有效特征（例如物体外部特征、距离等信息）。 第三步，采用PyTorch进行分布式训练。随着车辆增多、数据提取量提升，简单收集所有汽车的所有数据是远远不够的，并且任何因素都会导致上传数据，例如司机急刹车、道路上遇到某样物体等。过多的数据添加会占用数据集容量。此外，单纯的通过真实数据进行逻辑判断也会随着数据量提升而产生运算压力，因此，特斯拉认为“需要缩小数据收集范围”，除了真实数据以外还需要具备预测能力。特斯拉利用PyTorch进行分布式训练，不断训练计算机自主对路径、外界物体的判断和规划能力，毕竟与其人工对每一种驾驶行为进行编码，并且是否对每一种驾驶行为都进行编码还有待商榷，还不如训练算法，让算法自动的从数据中学习并能判断这些行为，模仿学习的使用可以很大程度减少工程师投入到路径规划上的工作量。 备注：PyTorch是一个开源的Python机器学习库，用于自然语言处理等应用程序，目前被广泛用于深度学习领域。 第四和第五步，模拟结果和实际结果进行评估、对比，对错误部分进行修正。特斯拉认为需要缩小数据收集范围，即并非所有的数据都会被采集，特斯拉通过训练神经网络来模仿真实驾驶行为，车辆行驶的时候，后台神经网络就开始运行，只有当模拟结果和驾驶员真实操作相违背的时候，相关数据才会被上传，因为这部分的数据是算法预测错误的，也是最有价值的部分。修正神经网络学习结果并为数据打上标签，为下次相似操作提供更好的依据，这个模式也被称为“影子模式”。 从五个步骤下来，特斯拉Autopilot系统从被动学习，即从真实数据中进行判断，到主动学习，即通过深度学习进行预测判断，形成“数据采集-特征提取-训练学习-评估-预测对比”的数据闭环。而这种闭环，也为特斯拉变革商业模式提供有力支撑，特斯拉从单纯的卖汽车产品进而想卖软件服务转型。 深度学习的结果需要3D化展现，因此特斯拉在11月推出的测试版FSD beta中引入了鸟瞰预测图。11月一名美国特斯拉车主发布的关于FSD Beta版驾驶情况，视频中车辆在非封闭道路的路口左转前成功识别了交通信号灯，并在让了对向直行车辆后完成转向。对比之前系统无法预测路口布局，此次更新版本非常好的预测了路口布局，并且在实际操作中进行了“转向”操作，而原理则主要是特斯拉利用神经网络进行深度学习，通过多个不同角度的视频文件提取特征要素合并融合，再进行加工处理成为时态模块形成点状的数据，点状数据汇集到BEV网中，将时间和序列进行融合，展现更平滑和动态的结果。此次更新，特斯拉利用深度学习弥补因为摄像头精度不足而造成的部分区域不可见，预测了那部分不可见区域并且获得成功。 当然，上述步骤的顺畅运行离不开硬件部分的支持，当业内芯片方案无法满足特斯拉的需求时，特斯拉便自行研发了车载自动驾驶计算平台。特斯拉经历了合作到自研车载自动驾驶计算平台的过程。自佛罗里达事故发生后，特斯拉结束与Mobileye的合作，一方面特斯拉转与英伟达进行合作，采用英伟达Drive PX2计算平台推出Autopilot 2.0/2.5两个自动驾驶辅助系统；另一方面，特斯拉建立自研芯片小组，于2018年研制、检测成功，于2019年推出采用自研FSD芯片的Autopilot 3.0自动驾驶辅助系统。 特斯拉FSD芯片采用14nm工艺制造，包含3个四核Cortex-A72集群，共12个运行于CPU（2.2GHz）、1个运行于GPU（1GHz）、2个运行于NPU（2GHz）。目前，自动驾驶处理器往往以CPU或者GPU为主，再结合其他功能模块，例如英伟达Xavier芯片就是以GPU为特色的自动驾驶处理器，采用12nm工艺上制造，包括一个八核CPU集群、具有额外推理优化的GPU、深度学习加速器、视觉加速器和一套多媒体加速器。与主流设计方案不同，特斯拉FSD芯片更注重神经网络加速器NPU单元，2块NPU单元分布占比最高，功能重要性可见一斑。 备注：NPU， 嵌入式神经网络处理器，采用“数据驱动并行计算”架构，擅长处理视频、图像类的海量多媒体数据。 2.3 高效的软性能力：品牌、销售、服务 特斯拉强大的底层能力有利降低不同车型的生产制造，而高效的软性能力有利快速提高新车推广和后续服务，其中包括品牌、销售和服务。 2.3.1 以个人形象提高品牌知名度 特斯拉具有非常高的品牌价值，这很大程度上得益于CEO马斯克的个人魅力和独特光环。马斯克初期打造现实版钢铁侠形象，个人影响力高涨，“网红效应”使得特斯拉自带流量和媒体曝光度。例如在Model 3发布会后利用社交网络上各路媒体及自媒体进行话题讨论，首周预定量便超过30万，传播效果远超传统广告渠道。根据全球品牌评估平台BrandZ数据，特斯拉自2016年起位列全球汽车品牌前十，品牌价值也从2016年的44亿美元涨至2020年的113.5亿美元，甚至超过保时捷等老牌豪车品牌。 2.3.2以直营模式改变传统销售方式 有别传统车企的多层经销模式，特斯拉效法苹果，选择自建展示厅和体验店，采取“线上销售+线下展示+后续服务”， 直销模式有利降低营销和渠道费用、优化库存管理。特斯拉依靠CEO马斯克个人影响力建立品牌形象，线上预定减免经销环节，减少销售步骤降低企业成本。此外，通过“线上预定-接单生产”模式可以优化库存管理，避免库存过多情况。 然而需要值得注意，尽管特斯拉是汽车行业内直销模式的典范，但实际上直营店的运营成本并不低，且直营模式并非特斯拉特有，不存在实际门槛，新造车势力例如蔚来小鹏等，大多也采用该模式。 2.3.3以软件订阅模式提升盈利能力 产品类型创新，从“硬件-软件-服务”三层渐进式推进。从发展历程来看，特斯拉与苹果相似，以售卖产品为铺垫向软件和生态服务发展。第一阶段，为获取用户进行全球化产品销售。特斯拉的软件应用以汽车产品为平台，主要包括Autopilot与FSD，因此销售汽车是第一要务。为以更高性价比获取市场，特斯拉在全球主要国家和地区自建工厂来降低成本，或为了获取当地补贴进行价格调整。第二阶段，局部试点进行市场和用户教育。苹果从硬件到软件的转变主要从iTunes开始。iTunes的推出主要因为2000年前后消费电子市场MP3的盛行，尽管市面上已经存在例如索尼、爱立信等市占率高的MP3产品，但是没有一款很好的音乐软件可以将MP3和播放器进行同步管理，直到2001年iTunes的推出得以实现。此后，苹果专门推出MP3播放器iPod系列，并通过“iPod和苹果电脑+iTunes”捆绑销售，不断加深用户使用习惯。将iTunes升级为音乐商城尝试内容服务，以0.99美元/首的低价吸引用户，一方面逐渐培养用户消费习惯增加粘性，另一方面改变音乐市场版权混乱、盗版无序等现象，从而联通用户和内容生产者。与苹果iTunes时期相似，特斯拉以“硬件出厂搭载+软件不断更新”逐步解锁自动驾驶内容，不断吸引用户并培养用户使用习惯，进行自动驾驶领域的市场教育。第三阶段，从用户到开发者逐步建立生态环境。“iTunes+iPod/Mac”形成苹果内容和软件服务雏形，“App Store+iPhone”完善苹果内容服务生态。引入App Store，苹果搭建用户和开发者沟通平台，用户方面，苹果通过应用软件排名、搜索为用户提供更广更丰富的服务；开发者方面，苹果提供设计工具箱，帮助开发者设计、营销和推广。特斯拉未来将会向App Store模式发展，特斯拉效仿苹果App Store开始建立应用商城（Tesla App），从仅限软件升级、充电等较为封闭服务，逐步发展成娱乐软件导入、付费升级等多元化的服务。从软件生态来看，特斯拉10.0版本更新后将支持Spotify、Netflix、Cuphead等信息娱乐软件；从服务内容来看，特斯拉尝试以付费形式进行车辆性能更新，例如2019年12月特斯拉推出性能加速升级（Acceleration Boost Upgrade），为Model 3双电机版本提供加速服务，更新后0-60mph加速时间可从4.4秒降低为3.9秒，更新费用2000美元。此外，特斯拉未来还提供包括汽车保险、自动驾驶车队（Robotaxi）等，为用户后续扩充更多增值服务。 订阅服务提升盈利可持续性。特斯拉所有产品从出厂时均配备相关的自动驾驶硬件，如果用户想要添加和使用这些功能或者修复某些软件问题，特斯拉会通过OTA进行系统升级。价格方面，用户以打包价在车辆预定或者车辆交付时买断相关的功能，例如最新的FSD售价为8000美元。与苹果最早期应用软件类似，部分专业性较强的工具软件面对的是“一次付费+终身更新”，这对软件研发团队的后续改进无法起到很好的激励作用。因此，苹果推出订阅模式，从一次性买断转为月度支付，且随着“iPhone+App Store”生态完善，苹果软件营收能力不断增强，2020年三季度苹果iTunes软件及服务收入达537.7亿美元，营收占比19.6%。订阅模式将有利提升特斯拉未来营收结构，第一，订阅模式可以增加软件使用用户数量，目前特斯拉尝试2020年底推出100美元/月FSD订阅服务，相对8000美元套件价格（美国已经提升为10000美元），用户可以以更便宜的价格享受完整服务；第二，特斯拉FSD套件自推出后，经历过多次变价，最近一次FSD价格从7000美元涨至8000美元（美国已经提升为10000美元），订阅模式可以缓解因价格多变而引起消费者不满情况；第三，随着特斯拉产品销量提升、订阅模式扩大软件使用率，未来软件服务将成为特斯拉核心营收来源。目前特斯拉已经推出9.9美元/月Premium Connectivity流量服务，服务包括流媒体、车况查询、浏览器使用等（车主依然可以免费使用导航服务，Premium Connectivity相关服务也可以依靠车主共享手机热点使用）。 备注：特斯拉OTA依然提供免费的基础更新服务，付费形式的车辆性能更新为可选项并非必备项。 3挑战与展望 随着第一个十年基本已经完成，2016年马斯克又提出了新的十年计划“Master Plan Part Deux”，包括四方面任务： 一、制造太阳能屋顶并整合储能电池； 二、扩大特斯拉新能源汽车产品线至所有主要细分市场； 三、积极开发无人驾驶技术，通过大规模车队实现快速迭代； 四、推出汽车共享分时租赁。 未来特斯拉所面临的竞争对手不仅仅是大众、丰田等传统OEM，更有谷歌、英伟达、Uber等高科技企业，还有石油巨头、氢能源技术、中国传统与新造车势力。全球新能源汽车市场格局仍存变数。 1、特斯拉将成为一家全球化车企。Model 3已经成为现象级的产品，当务之急在于快速推进德国工厂建设，并推出Model Y以满足SUV用户的需求。此后特斯拉还将推出电动卡车Tesla Semi、电动皮卡Cybertruck。我们预测2030年全球电动汽车销量将达到3500万辆，特斯拉年销量将达到600-800万辆，海外市场营收占比将超过50%。 2、未来特斯拉在电动化领域的领先优势可能被逐步缩小，核心竞争力在于智能化、无人驾驶技术、数据和品牌。从智能手机发展史来看，外观和供应链都极易被模仿借鉴，但苹果的利润却超过所有竞争对手总和，核心在于自研A系列芯片、iOS系统，并打造应用生态和高端品牌。特斯拉通过自研自动驾驶芯片和人工智能算法，并配合数量最大的车队不断提供用于深度学习的真实路况数据，特斯拉将拥有比其他竞争对手更高的算法迭代效率。未来一旦特斯拉的摄像头路线被证明可行性，相对于激光雷达路线将体现出极大的成本优势。 3、长期来看，汽车服务和能源服务将成为特斯拉新的增长点。特斯拉已经建立了全球范围的直营店和充电网络，通过OTA不断向用户推送新的软件与功能，特斯拉正持续构建线上+线下、汽车+能源的服务闭环。全自动驾驶成熟以后，特斯拉还将自建车队提供出租车服务。1）特斯拉将构建应用商城，完善软件和服务生态。无论是推出订阅模式、软件付费升级还是引入娱乐游戏软件，特斯拉的最终目标是为完善布局新能源汽车时代的出行生态。其中，可以连接用户和开发者的应用商城是运行软件和服务的重要平台，目前特斯拉应用商城（Tesla App）尚未达成苹果App Store成效，存在服务形式和品种较少、外部引入软件不够丰富、付费商业模式有待推进等问题。未来，随着特斯拉产品全球渗透率提高，应用商城使用率和需求量将会提升，亟待完善软件和服务生态。2）推广保险服务，推出其他金融服务。2019年4月，特斯拉针对车主车险金额高而推出车辆保险业务，提供精准的保险覆盖和理赔服务，保险费率较美国传统车险却低20%-30%。目前，特斯拉车险开始在加州地区试行，通过与State National Insurance Company美国国家保险公司合作，未来计划向其他州推广这项保险服务。3）推出自动驾驶车队Robotaxi，构建特斯拉网络（Tesla Network）。从新版的十年战略可以看出，特斯拉的抱负和野心远不止单纯地占领汽车市场，而是瞄向未来的出行生态，通过自动驾驶车队Robotaxi构建特斯拉网络。特斯拉的Robotaxi与Uber、滴滴、Lyft相似，属于共享出行类别，主要区别在于特斯拉销售自行生产的汽车且车队使用时不需要驾驶员过多参与，即“无人版”共享出行。根据特斯拉数据，较美国传统燃油车单车用车成本0，62美元/英里，特斯拉Robotaxi费用可低至0.18美元/英里，而车队将为特斯拉带来单车3万美元的利润。尽管特斯拉尚未公布其他详细情况，根据目前规划，我们预计2025年Robotaxi车队将约有76.7万辆车加入，以Model 3、Model Y、Cybertrunk车型为主，车队将为特斯拉带来约434.8亿美元营收。 我们曾在《特斯拉研究报告：用软件定义汽车》提到特斯拉产能不足、做工粗糙、高管层不稳定、价格波动频繁等问题，目前这些问题依然存在。在随着业务升级、特斯拉向出行生态铺开的同时，也将面临新的挑战： 一、自动驾驶技术实现情况。特斯拉尽管宣称将于2020年年底完成L5级别的技术研发，但是肺炎疫情、经济下行压力将对技术研发、市场推广产生一定的推迟。此外，L5级别自动驾驶技术相应配套的基础设施依然不够完善，或将阻碍技术推进发展。 二、全球监管层许可。特斯拉在2016年新版十年计划中提到，全球监管层可以接受自动驾驶技术累计里程数为100亿英里，这一数字仅为特斯拉官网估算，目前全球尚未有国家或地区官方公布相关法律文件或规定。此外，全球尚未公布无人驾驶的相关执行标准，无论技术发展还是监管层面均在探索当中，特斯拉推广“Tesla Network”依然存在极高不确定性和风险性。 三、特斯拉Robotaxi路线规划难度较大。在运营传统的共享汽车时，驾驶员可以与乘客进行协商，道路交通允许的情况在方便乘客的地点进行接送服务，即共享汽车上下接送点是较为灵活多变的。而Robotaxi可能短期无法做到类似效果，这对路程编程设计提出较大挑战。 四、对于汽车寿命情况过于乐观。特斯拉认为Robotaxi车队每辆车行驶寿命长达11年，由于新能源汽车具备动力电池，使用寿命或无法达到传统燃油车的限度。
2020年对自动驾驶来说，是落地验证的一年。百度Robotaxi（自动驾驶出租车）开始在海淀和亦庄常态运营；高德联合文远知行、AutoX分别在广州和上海启动一键呼叫Robotaxi；美团的无人配送车在顺义和首钢园区“开工”……这些产品让普通市民用户可以实时体验自动驾驶，虽然离大规模普及还很遥远，但自动驾驶已经照进现实。 从有人到无人 “来北京稻香湖酒店玩的人，还有周边村子的人，经常坐我们自动驾驶的出租车去附近两个地铁站。”百度安全员王师傅告诉正在体验Robotaxi的北京商报记者。“乘客下单后，安全员会驾驶车辆到达站点。乘客上车后，车辆就开始自动驾驶了”，如他所言，从北京稻香湖酒店到温阳路地铁站，王师傅的双手始终在方向盘下方，但没有一次真正接管车辆。 乘客何时才感受到是自动驾驶？在一个路口掉头处，百度的Robotaxi为了躲避直行车辆，有过3次急刹车。用同行司机的话说，“这样的路口掉头，百度Robotaxi太慢了，人工驾驶的话不会这么磨唧”。王师傅却习以为常：“自动驾驶的车会更注意安全，宁可慢也不要出事故。” 自动驾驶概念兴起至今，安全始终是一个绕不开的话题。不论是百度、滴滴，还是初创企业文远知行、AutoX，都强调过安全员的意义：在特殊场景下，安全员可接管自动驾驶车辆，以保障安全。 不过，自从百度9月展示了无安全员状况下的自动驾驶视频后，安全员似乎不再是必选项，当然这仅限于测试阶段。 不久前，AutoX公开了在深圳开放道路完全无人的自动驾驶视频，后来虽然因牌照问题被质疑，但Robotaxi设不设置安全员，各家有没有拿到无人化自动驾驶许可，成为2020年末自动驾驶企业明争暗夺的加分项。 按照百度提供的信息，百度获得了北京首批5张无人化自动驾驶路测通知书，还在长沙拿到了相关牌照。文远知行相关人士向北京商报记者透露，“我们目前的无人驾驶测试在车辆后排配有安全员。文远知行在无人驾驶有先发优势，在国内最早获得相关许可，到目前为止已经跑了快5个月了”。 安全员从有到无是一种信号——实现自动驾驶，技术不是最大问题，如何让更多人乘坐、让车辆在更多场景下行驶，才是关键。 每家都想争第一 自动驾驶技术落地目前有Robotaxi、无人配送车、自动驾驶货运等多种形式。有趣的是，每一家企业在宣布开放Robotaxi时，都从各个角度给自家服务“安排”了“第一”的描述，而且不时会更新开放的区域、站点等，向用户和资本市场秀肌肉。 来自百度的最新数据显示，百度Robotaxi已在长沙、沧州、北京开放试乘服务，其中在长沙开放运营的范围约130平方公里，在北京进行自动驾驶载人测试区域总长度约700公里。 根据11月下旬文远知行Robotaxi开放运营一周年时披露的数据，车队在广州黄埔区、广州开发区144.65平方公里的开放道路公开运营，一年内文远知行Robotaxi共完成近15万次出行，服务用户数超6万。 不过，易观分析师陈坚告诉北京商报记者，“2020年开放的Robotaxi，都不是常态化大规模落地，而是在零星城市跑测试和运营。如果很多企业在很多城市规模化运营Robotaxi业务，才可以认为技术成熟，或者国家在政策上予以了更大的包容”。 和Robotaxi一样，无人配送也没有实现普及，但在2020年无人配送却有两次高光时刻。第一次是在一季度疫情暴发期，以京东为代表的无人车在医院进行快递配送服务，美团无人车团队在顺义后沙峪地区提供无人送菜服务。第二次出现在四季度，北京首钢园区的美团无人配送车开始常态化服务。 美团无人车配送中心产品总监李达告诉北京商报记者：“美团无人配送车主要有三种类型车辆：在公开道路运营的中车魔袋，室内外无人配送车小袋，能与电梯、门禁等室内设施进行智能交互的机器人(行情300024,诊股)福袋。在顺义美团买菜站点和首钢园区运营的是中车魔袋。未来三年美团计划在顺义落地1000辆无人配送车。” 由于用户不能在美团买菜自选无人配送模式，普通用户在首钢园区能更完整地体验无人配送服务。北京商报记者体验发现，园区内有十余个美团无人配送站牌，均以水果命名。以在樱桃站下单为例，周末11点左右，从下单到配送完成，共用时25分钟左右。 哪种模式能跑通 寻根究底，自动驾驶的商业化才是核心。目前多家Robotaxi和无人配送企业都采用免费模式，为什么企业都不着急商业化呢？ “企业没有过分追求商业化，既有主观原因也有客观原因。”陈坚对北京商报记者进一步说，“主观原因是Robotaxi和无人配送车还没有实现规模化运营，收取费用对企业财务运转和盈利目标不具备较大意义，但免费开放对应用普及的意义十分明显。对Robotaxi而言，仍需要积累大量数据和用户反馈。就美团、京东这类无人配送企业来讲，企业本身是将自动驾驶作为一种场景应用，最终目的是提升产品市场占有率和物流服务效率。” 汽车行业分析师张翔也表达了相似的观点：“现在自动驾驶汽车量产的路还很长，需要用Robotaxi的各种数据来验证，积累的数据越多企业的估值就越高，所以2020年Robotaxi扎堆落地。” 除了上述第三方观点，从业者谈到商业化时，透露了这样的秘密。智行者联合创始人李晓飞告诉北京商报记者：“要变现首先要证明商业模式能跑通，但是不同场景下，验证的难度不一样。拿无人配送和自动清扫车为例，无人配送模式的人机交互环节多，还存在货物在室内、室外场景如何传递的问题，解决这些会提高成本，就需要数据证明自动驾驶是否真的降本增效。无人清扫的场景相对简单，更容易对比无人车和人工的成本，智行者的无人驾驶清扫车蜗小白在一些人工不擅长的场景，最多可替代4-6个人，在一般的场景，蜗小白可替代2-3个人。” 从场景商业化落地的可行性和难度总体来看，陈坚认为，简单环境下的低速载物无人车会率先规模化应用。“Robotaxi>；自动驾驶货运>；无人配送>；无人清扫”，他用上述排序来展示自动驾驶商业模式跑通的难易程度。 资本砸钱周边产业 虽然自动驾驶的“钱途”不甚明朗，但周边的产业却已迎来利好。以美团无人车为例，李达从技术层面向北京商报记者“拆解”了自动驾驶周边产业，“美团无人车有高精地图、融合定位、感知和决策控制等。我们的车配备有激光雷达、超声波雷达。目前大部分技术是自研的，但传感器硬件是合作伙伴提供的”。 北京商报记者在与多家自动驾驶企业沟通时注意到，实现自动驾驶，高精地图是基础，激光雷达被认为是自动驾驶汽车、移动机器人的“眼睛”。以高精地图为例，截至目前，2020年有7家企业拿到地图行业顶级牌照“导航电子地图甲级制作资质”，即高精地图资质，这相当于此前17年拿到高精地图牌照企业数量的一半。 业内人士普遍认为，自动驾驶及相关产业爆发是大概率事件，资本也在抓紧投入。北京商报记者发现，2020年，AutoX、小马智行、智行者均完成了两次融资。 对此，张翔直言，“单纯的自动驾驶公司融资压力要大一些，因为现在商业化模式还没有成形，如果在钱花完之前还没有拿到新融资，公司很可能就要关闭。百度和滴滴本身的业务可以给自己带来充足的现金流，它们并没有太大的资金压力”。 不过，在会否分拆自动驾驶团队的选择题上，各家表现截然不同。2019年，滴滴将旗下自动驾驶部门升级为独立公司；2020年6月，百度副总裁、智能驾驶事业群组总经理李震宇向北京商报记者透露，百度无人车不会分拆，现在也没有对外融资的计划。
国内首个自动驾驶主题景区落户龙灵山 无人驾驶售货车不停穿行，游客只需挥挥手，就能扫码购买饮料；无人驾驶环卫车定时启动清扫，7公里道路，2个多小时就能自动完成打扫；无需司机，无人驾驶观光车，可以带着游客逛遍景区……12月9日，我国首个自动驾驶主题景区——龙灵山自动驾驶主题景区在国家智能网联汽车（武汉）测试示范区内建成，自动驾驶接驳车、自动驾驶出租车、无人售货车、无人环卫车等7大类19台自动驾驶车辆穿行，让游客体验未来城市智慧出行的多种场景。 这是继去年试水载人运营后，武汉智能网联汽车示范区在商业化运营的又一重要成果。项目由武汉车百智能网联研究院统筹建设智能基础设施及平台，并联合东风、海梁、百度、深兰、智行者、新石器、文远知行、行深智能等国内智能汽车企业共同实施和运营。武汉由此成为国内自动驾驶应用场景最丰富的城市。 湖北日报全媒记者现场体验发现，安全性，是自动驾驶商业化营运的第一考量。景区内的无人驾驶观光车东风Sharing-VAN，为国内首款完全自主研发的L4级5G自动驾驶汽车，具备一键招车、动态避障、多车编队、自动泊车及远程控制等多项功能。“考虑到景区人多路窄，我们特意强化了安全系数，比如距离15米左右发现动态障碍物，车辆就会自动避开或停车。”东风技术中心销售总监郭晟玮介绍。海梁科技的4台阿尔法巴无人驾驶巴士，主要负责龙灵山与鸟语林景区之间的游客接驳，车上专门配备安全员，可随时进行人工和智能驾驶两种模式的切换，最大限度确保出行安全。 “希望以此为起点，实现更多场景、更大范围的自动驾驶商业化运营，让更多市民体验到智慧出行的便捷和安全。”武汉智能网联汽车示范区负责人介绍，除龙灵山自动驾驶主题景区外，目前，示范区已启动自动驾驶“领航”项目，由东风公司牵头，聚合知名企业和研发机构，打造由200多台RoboTaxi组成的自动驾驶运营车队，首批30台计划年底前投入运行。此外，武汉经开区计划为区域内236台公交车和10000台社会车辆加装车联网终端，扩大车联网用户规模，探索基于车联网的信息交互和协同控制，改善交通安全，提升出行效率。
12月8日，广汽集团与百度签署战略合作框架协议。 双方将通过资源互补、技术互补等有效合作方式，共同进行智能驾驶、智能车联、数字化营销方面相关技术及产业的开拓，共同为自动驾驶与移动出行、智能网联和智慧交通领域提供全面、系统、可靠的解决方案。 无人驾驶和数字化是目标 广汽集团执委会委员刘伟、百度自动驾驶技术部总经理王云鹏分别代表广汽集团与百度签约。 在自动驾驶、智能网联和智慧交通的大背景下，广汽集团与百度将共同探讨和实践对应的商业模式，加速技术向产品的有效过渡；充分共享各自的优势资源，以增强双方的市场竞争力与行业竞争力，实现信息化与工业化的高度融合。 在智能驾驶方面，广汽集团与百度在现有高精地图及自动驾驶合作基础上，将继续深化在自主泊车技术、自动驾驶技术,以及RoboTaxi无人驾驶出租车运营等领域的合作，提升广汽产品的体验感、科技感及品牌影响力。 在智能车联方面，结合百度车联网OS、生态应用、汽车云服务、车联网大数据、信息安全服务等产品，将人工智能平台、云计算能力与智驾系统深度融合，携手共同打造广汽特色的新一代智能汽车。 在数字化营销方面，广汽集团将充分利用百度平台“搜索+推荐”智能营销双引擎，在企业品牌营销、产品推广、品牌私域资产建设、消费者内容场景营销等方面，强化沟通与合作。 依托百度领先的AI技术以及云计算，围绕消费者使用场景，逐步形成从品牌认知、产品销售、产品使用等多场景、全生命周期的整合营销服务能力,助力广汽集团进一步提升对消费者的数字化营销和服务能力，为用户提供更智能购车、用车出行体验。 转型期的老牌车厂 广汽集团在传统燃油汽车的细分市场，是中国汽车市场的头部品牌之一。 其与本田和丰田合资生产的汽车产品的销量和保值率在中国市场处于优势地位。 在当前全球汽车产品向电气化转型的阶段，集团也正在寻求产品向新能源转型，与2017年7月成立了广汽新能源。据传广汽希望将旗下Aion系列车型打造成与广汽传祺并列的自主品牌，以提升集团整体估值。 Aion系列是广汽新能源的重磅产品，其中的Aion S系列轿车在过去的一年中几度成为中国市场龙头，并在10月份录得4620台的销量，同比增长9.8%。不过由于接二连三的自燃事件、涉嫌续航里程虚标等问题，目前该系列车型销量增长疲软。 据悉，广汽集团“十四五”规划的核心战略“1615”提出要打造极致的出行服务，以粤港澳大湾区为核心，大力发展新能源网联车业务，打造极致的出行服务生态。2025年目标营收85亿元，估值超过240亿元。 目前广汽集团的总市值1349亿元，当前股价在13元上下浮动，PE估值仅为25倍。今年集团市值仅上涨不到15%，相对于新能源汽车板块龙头个股，如特斯拉、蔚来、小鹏、比亚迪等，广汽的涨幅并不强势。 此前有消息称，广汽欲将新能源业务分拆上市。广汽对此回应称，广汽新能源是否分拆上市主要考虑是否有利于广汽集团及广汽新能源的总体发展，是否有利于广汽集团股东的长期利益，目前还没有可以发布的内容。 亟待露脸的科技龙头 百度则是汽车电子化、智能化的科技龙头。 公司从2013年开始投入自动驾驶技术研发，多年来持续深耕中国交通智能化和汽车智能化赛道。 此前被曝出一系列营销丑闻的百度，近年来在科技龙头中表现并不算突出，原本中国互联网行业BAT的格局，有被新生代互联网企业如美团、华为、京东、拼多多等进一步赶超的趋势。 百度目前总市值494.53亿美元（约合人民币3231亿元），3年来下跌了38%；PE估值14倍、股价在145美元上下浮动。公司市值相比阿里巴巴港股47764亿元、美团14399亿元的市值相差甚远。 百度为此提出了向人工智能转型的战略方向，号称将“All in AI”，即对人工智能赛道下重注。 百度将战略重心放在了算法搭建以及人机交互入口的打造上。公司旗下的小度、Apollo分别作为生活和出行场景下的IoT方案向市场进行推广。在12月8日的第二届百度Apollo生态大会上，Apollo在汽车智能化领域推出多个拳头产品，以软硬结合的乐高式解决方案助力中国车企造顶尖智能车。 Apollo乐高式解决方案包括智驾、智舱、智图、智云四大系列产品。其中，Apollo智驾重磅发布了高级别智能驾驶解决方案ANP（Apollo Navigation Pilot），即业界常说的领航辅助驾驶。 该方案据称能实现L4的自动驾驶级别。 传统车企与科技龙头抱团蔚然成风 新能源汽车上半年的市值暴涨，让许多龙头个股的股东赚得盆满钵满，但也有不少腰部企业在这场炒作浪潮中表现并不突出。 表现亮眼的龙头个股包括特斯拉、蔚来、小鹏、比亚迪等车企，以及宁德时代等上下游企业。这些企业无一例外拥有自己的核心技术，以及各自独特的商业模式。 传统车企的商业模式，牵涉范围广，对于电子化和智能化转型存在一定掣肘。 因此，在无法像造车新势力一样自主研发智能化解决方案的情况下，传统车企往往会将合作的橄榄枝伸向专业研发相应方案的科技巨头和Tier 1厂商。 不仅是广汽和百度，最近先后爆出了多家传统车企发力新能源汽车的消息，而在这些企业背后，往往少不了科技公司大佬的身影： 上汽和阿里以及二者合资建立的斑马网络将推出“智己汽车”；华为与北汽新能源合作量产ARCFOX，与长安、宁德时代宣布合作建立高端新能源车品牌；百度的自动驾驶系统Apollo生态合作伙伴包括一汽、威马、福特和吉利；腾讯更是在5月份一口气与宝马29家车企达成了合作。 目前能够提供智能汽车解决方案的厂商还包括谷歌旗下的Waymo、通用和本田旗下的Cruise、Uber等等。
智能时代，我们听到了无数关于出行的畅想，而自动驾驶正是连接现实与未来的关键入口。在自动驾驶系统运作全链路中，感知作为先手环节，拥有着不言而喻的重要性。加之近年来深度学习和算法技术的突破，感知也成为自动驾驶四大核心模块中发展最快、提升最大的一个模块；乃至于成为了车路协同发展的驱动力之一。从 2016 年开始，商汤科技（SenseTime，以下简称商汤）就凭借着视觉感知技术的先发优势，拿到了自动驾驶领域的入场券，并逐步将感知能力拓展到了其他传感器。四年之后，商汤在这一领域的探索结出了新的果实。11 月 26 日，在 2020 世界 5G 大会期间，商汤发布了全新的智慧出行解决方案，其中包括 L4 级智能网联接驳小巴，以及具备多传感器融合感知能力的智能路侧感知解决方案。随着这一解决方案的发布，商汤的打法逐渐明晰——以感知能力为载体，「车」和「路」两方面为切点，将自己原创的 AI 技术沉淀移植到自动驾驶领域，支撑起智慧出行的蓝图。基于商汤对自动驾驶以及智慧出行的思考，新智驾近日与商汤研发执行总监石建萍进行了一场深度对话。商汤在感知层面的能力如何移植到自动驾驶？在自动驾驶领域的多年探索如何落地？相应的成果如何融入到商汤智慧城市的大版图？这些问题，如今都有了切实的答案。布局自动驾驶小巴赛道毫无疑问，自动驾驶技术的应用将真正改变未来交通与出行的形态，但从时间上来说，想要实现完全意义上的自动驾驶仍然是个漫长的过程。而且，随着自动驾驶的发展历程进入中场，单纯做 demo 的意义已经弱化。落地，乃至于支撑起长线发展的任务，俨然成为了赛道玩家现阶段更加关注的问题。商汤 L4 级智能网联接驳小巴的问世，正投射出这家 AI 独角兽对技术落地的独特思考。在与新智驾对话的过程中，石建萍说道：目前，市场对载人（多人出行）车型有很大的需求。而且，基于示范区场地的优势，小巴实现运营闭环的速度更快。换言之，小巴是一个天然的中低速自动驾驶场景，在满足多人出行需求的基础上，便于做安全边界管理。相比之下，Robotaxi 以轿车为载体，属于私人出行，载客量小；此外，Robotaxi 现阶段的发展可能面临着更复杂的工况以及更高的技术要求。不过，石建萍也透露，由于技术不断发展成熟，商汤未来也会在时机适宜的时候布局小巴之外的赛道。除了对落地的赛道精心选择，商汤打造接驳小巴的传感器配置也被充分考虑和权衡。据介绍，目前正在进行示范运营的商汤接驳小巴搭载了摄像头、雷达等主流传感器，但整体的成本并不算高。对此，石建萍告诉新智驾，综合小巴面临的工况和速度区间（通常在 20-50km/h），商汤会进行传感器范围计算，来预估在确保安全的提前下，感知距离以及精度的情况，“激光雷达虽然只搭载了两颗，但已经能够满足商汤对接驳小巴可靠性的需求。”她进一步补充说道：更多的传感器确实可以提供更多的安全冗余，但我们在落地的同时也要考虑，什么样的成本是可以被接受的，是可以去做持续迭代的。商汤 L4 级智能网联接驳小巴基于搭载的 L4 级自动驾驶系统以及与路端设备的协同，商汤接驳小巴能够识别车道线、交通信号灯状态，智能预测交通参与者的运动方向，并及时做出决策和路径规划。借助人脸识别和 3D 环境感知技术，小巴还可以准确识别车内人员数量情况以及车内环境，帮助实现车内安全管理。目前，商汤科技L4级智能网联接驳小巴已在江苏（无锡）车联网先导区落地。明年，小巴车将将会进一步增大数量，相关的乘客接驳工作也会进一步展开。「可插拔模块」的技术路线不难看出，在多个行业落地后，自动驾驶俨然成为了商汤要攻占的下一个目标。尽管商汤多年来在这一领域十分低调，但其在 AI 图像识别方面的能力，还有数年探索而累积的经验，早已为布局自动驾驶打下了坚实的根基。上图为商汤视觉感知效果图目前，已经在日本常总市、中国杭州及上海临港等地进行路测，实现在半开放场地内的无接管自动驾驶。然而，仅依赖路测来推进自动驾驶进程是远远不够的。为了打破时间和测试规模等方面的局限，赛道上的玩家开始将目光转移到虚拟世界，即通过仿真测试来检测自动驾驶汽车的稳定性和安全性。石建萍表示，商汤在这一方面也已有部署：除了导入实车路测时所收集的数据，商汤还研发了一个虚拟场景生成引擎；在这两条路径的基础上，商汤还会对不同的场景进行编辑，比如对车速、行人行为、周围环境等参数进行微调，以训练传感器和车辆。“基于上述方式，我们的仿真测试目前已经能够覆盖路测时遇到的 50%-70% 的问题。”石建萍说道。但需要注意的是，商汤此前种种对自动驾驶的探索，更多的都聚焦于乘用车之上。那么，这些积累如何移植到本次的小巴车型？事实上，在自动驾驶感知系统搭建之初，商汤就确立了「可插拔模块」的技术路线，并且已经经过了多次迭代和大量的拆解测试。由此，商汤的感知系统被赋予了较强的可拓展性，可以兼容不同的传感器配置，从而实现不同车型的快速部署。石建萍强调：对于不同的车型来说，我们需要解决的问题就是，对车辆的底盘线控进行调试和调优。本次商汤接驳小巴的落地也在一定程度上印证了「可插拔模块」技术路线的优势。新智驾了解到，从小巴出厂到上路路测，商汤只花了两个月不到的时间。而且，基于对感知系统、传感器硬件的理解和把握，商汤已经搭建了智能驾驶软硬件研发平台，可以实现不同车型，以及辅助驾驶系统和自动驾驶系统之间的灵活应用。尽管许多技术问题已经在当下被解决，但在实际的路测过程中，商汤接驳小巴可能会遇到一些新的问题。因此，现阶段小巴的驾驶座上还需要有安全员存在。在石建萍看来，现在大家都是在「一边看，一边做」，只有这样最终才能把事情做起来。“我们需要留一些时间给技术发展以及法律法规的制定。”她也向新智驾透露，商汤已经在推进硬件稳定性的检查和提升，包括传感器自检模块的打造；同时，在接驳小巴实现闭环运营的过程中，系统在紧急工况下的处理方式，以及人工接管的情况都会记录下来，以便于迭代系统的性能。路端智能化升级的思考正如上文所说，现阶段的单车智能尚存许多需要解决的问题，车路协同的方式开始被提到国家战略的高度。而路端设备是帮助「车」与「路」协同起来的直接载体。从整体的情况上来看，现阶段车路协同的感知主要还是依赖于摄像头，在大雨大雾等恶劣天气时，可能会影响路端设备为车辆提供信息的准确度。对此，商汤也向外界表达了其对于路端智能化升级的思考——商汤打造了基于 FPGA 的 SenseDrive LiDAR 激光雷达嵌入式感知方案，可以高效处理激光雷达点云数据，对道路上的交通参与者及其他动态物体进行高精度的检测和跟踪。有了激光雷达的加持，路侧设备拥有了更强大的感知能力，但问题也随之而来：激光雷达价格不菲，而且，在风吹日晒的 24 小时不间断工作的路侧，其损耗情况可能更显著。对于这个问题，石建萍回答道：商汤激光雷达的解决方案是有选择地去部署在路况复杂、事故频发的路口。在长直道路上则可以使用成本相对低于的传感器，以此来做一个权衡。而且，现在几万元的激光雷达也是非常好的选择，尽管会比纯摄像头的方案更高，但并不像外界想象得那么可怕。所以，成本问题还是相对可控的。她进一步补充：激光雷达本身的设备成本其实并没有那么昂贵，主要是体量没有上来，因此价格也没有降下来。如果我们能够在路上进行大范围的部署，也能够去推动车载激光雷达回归到更合理的价格区间。商汤 SenseDrive LiDAR 嵌入式激光雷达感知产品效果为了确保激光雷达准确无误地为车端提供定位和超视距的能力，商汤在设计系统时也充分考虑了冗余和备份，可以接受不同链路上一定概率的误差；同时也会和产业生态进行有效结合，保障整个系统的安全性和稳定性。据石建萍介绍，目前，商汤正与禾赛共同推动激光雷达的路端应用，并且已在上海临港部署应用。新智驾总结无论从何种角度来看，商汤对于智慧出行已经有了自己的理解，以及一套清晰的打法。而且，年初新基建政策的出台将 AI、5G、大数据等与自动驾驶强相关的新兴技术提上国家战略的高度，为整个产业的发展孵化了新的机遇。商汤 L4 智能网联小巴的研发以及激光雷达路侧解决方案的打造，更像是在新时代潮流下自然而然孕育出来的果实。尽管自动驾驶和车路协同都是需要巨大的人员和资金投入，同时部署这两条路径可能会面临相当大的压力。但商汤此前在这些领域都有了一定的基础，已经实现了从 0 到 1 的转变。同时，对于自动驾驶和车路协同的进一步部署，又能够反过来融入到商汤智慧城市的规划当中，去与公司的整体业务协同。
高精度地图正在不断拓宽落地边界。作为自动驾驶机器语言，高精度地图一直以来都被认为是L4自动驾驶的最佳拍档。但在汽车智能化的风口下，越来越多车企试图在更多场景下解放驾驶员的双手双脚。由此带来一个转变：高精度地图有了向低阶智能汽车逐步下探的趋势，商业落地局面得以进一步打开。据雷锋网了解，包括蔚来汽车、小鹏汽车、通用汽车、广汽的部分车型上都已经搭载了高精度地图。另一方面，随着新基建、交通强国热潮的来临，高精度地图凭借着对道路的数字化，拥有了在数字化交通上发光发热的机会。也就是说，不再局限于L4自动驾驶，高精度地图的应用场景正在快速扩张。那么，随着量产上车，高精度地图面临着怎样的需求和挑战？未来高精度地图的产品形态和商业模式将会怎样发展？在智慧交通背景下，高精度地图又将怎样发挥作用？新智驾试图在多位【高精度地图上车元年】云峰会系列嘉宾的阐述、与业内人士的对话中，一窥高精度地图的当下和未来。不同等级的智能驾驶需要不同的地图在自动驾驶的世界里，高精度地图一直凭借着亚米级的相对精度、车道线、交通信号灯、路障等精细内容，为自动驾驶车辆提供先验信息，解自动驾驶之所急。但不可否认的是，高级自动驾驶的规模铺开还远未到时候，因此如何寻求一种更加可落地的方式是高精地图商们一直在探索的事情。另一方面，智能汽车正在寻求向上突围。正如百度智驾地图业务负责人佘党恩在云峰会中总结：当前量产的智能驾驶正在向上迭代，出现了NOA和Hands Free这两种主流形态。前者主要在车道内做辅助驾驶，主要包括自动并线、超车、上下匝道等功能。像特斯拉、蔚来、小鹏等车企都推出了相关产品。后者Hands Free则是主打长时间脱手驾驶，比较有代表性的车型像凯迪拉克CT6、广汽Aion LX等。但无论如何，这些在城市道路、高速公路上的智能驾驶都对地图的精细化能力提出了更高的要求。于是，高精度地图有了拓展边界的机会。“自动驾驶分级从L0到L5，技术难度不断升级，从导航、ADAS这类应用，演进到有条件的自动驾驶如Autopilot，到更高级的自动驾驶如Robotaxi。不同阶段自动驾驶产品形态，对于定位的精度要求是不一样的，对于地图的要求也是不一样的。”佘党恩在云峰会上如此表示。四维图新自动驾驶地图标准总监朱大伟表示，从L2+到到L3、L4，地图的使用比重一直是越来越重的。但L3/L4的到来比想象中还要晚一些，因此当下L2+才是最主要的市场。他还指出，就连对外宣称不使用高精度地图的特斯拉，在其FSD beta版本上也可以看到高精度地图的痕迹。“从各种测评以及反馈结果来看，特斯拉应该使用了一个高精度地图，但可能用的不是别人家的高精度地图，而是自家的。”特斯拉近日还宣布，两周后可能会有更广泛的FSD软件更新，覆盖更多的用户从各大图商收获的订单来看，也证明了智能汽车采用高精度地图将成为一种趋势。据了解，四维图新于去年拿下了宝马中国面向L3+ 级自动驾驶地图订单；百度也表示目前和两家客户已经实现了高精度地图的量产下线；高德地图则是与小鹏汽车、通用汽车展开深入合作；HERE已经在为宝马、戴姆勒、奥迪提供高精度地图服务。高精度地图核心竞争力是什么？那么，图商们的高精度地图能为智能汽车提供哪些能力？以百度为例，据百度智驾地图业务负责人佘党恩介绍，百度智驾地图针对不同等级的智能驾驶推出了不同的产品：针对手机车机导航的SD MAP覆盖道路路网形状、拓扑等内容，精度在5~10米左右；针对ADAS功能需求，ADAS地图在导航地图基础上增加了一些道路坡度、曲率、简单的车道信息，精度在50厘米；对于更高级别辅助驾驶的全域智能驾驶地图，则是包含了详细的车道属性等，用于实现高速、城市道路的L2+、NOA等功能，精度在20~50厘米；最后一种则是高精度地图，主要包含高精度的车道几何信息、路口表达，红绿灯停车位等语义，主要用在L3/L4高级自动驾驶上，精度达到10厘米；四维图新的朱大伟也表示：四维图新从一开始就瞄准L3/L4自动驾驶高精度地图方向，并针对高级自动驾驶的需要推出了HDMS服务平台。针对L2+场景，四维图新推出了高精度地图产品LitePilot，能够实现帮助车辆实现上下匝道环岛通行、路口通行，提前右转辅助等功能。最快意识到市场风向生变的玩家，自然能够先人一步推出市场需要的产品。在服务主机厂的过程中，高精度地图玩家们也总结出了地图产品的核心竞争力。四维图新朱大伟认为：要做好服务，高精度地图必须实现高度的高质量化、高度的自动化、高度的更新频率。前两者是指通过专业级测绘、惯导、查分定位等技术来满足高精度的要求，然后在道路图像的提取上，能够对场景进行自动化提取；高度的更新频率则是通过车辆众包的方式快速获取数据进行融合。百度佘党恩也认为，地图质量、准确的定位能力、OTA服务、符合功能安全要求、交付能力是百度的五大核心竞争力。其中高精度地图的质量是第一的，需要保证地图的高精度、要素准确、和快速更新。不难看出，地图的高精度、准确定位、快速更新等都是拿到量产订单的高精地图商优势所在。值得注意的是，众包车队是高精度地图更新的非常关键的一个因素，因为众包车辆能够将区域更新的内容通过任务下发的形式将数据上传到云端，实现地图的快速更新。“这种方式更加轻量化，能够保证按需所取，快速进行更新。”朱大伟总结道，但同时他也表示：众包更新听起来固然美好，但实则远远不够。因为当下路上的众包车辆在路上跑的数量并不多，难以达到众包更新要求的精度。”但无论如何，有了更多的用武之地后，高精度地图本身的演进路线与商业发展也更加清晰。此前，四维图新自动驾驶地图产品总监王淼表示：从2020年到2030年，自动驾驶会一直处于普及与推广的状态，智能车辆从L2+到L4都会持续渐进存在。随着车辆的智能演进，未来只用一张高精度地图，就能持续支撑L2到L4级的自动驾驶系统，成为一张具备OTA能力的高精度地图。在百度佘党恩看来，未来高精度地图可以沿着三个方向发展：不断扩大高精度地图的使用场景，最终实现高精地图的全域覆盖；提升高精度地图与应用的结合程度；对高精度地图的商业模式进行更多探索，未来高精地图可以做成在线服务。高精度地图的新商机——智慧交通事实上，随着车路协同、新基建、交通强国的政策热潮的来临，高精度地图商们的注意力也不再囿于车端，而是放眼到了数字化交通大环境。正如高深智图亚太地区总经理刘澍泉在云峰会上所说，因为交通领域新基建的本质就是，利用数字化、信息化、智能化等新技术手段，赋能交通基础设施，使道路具备精准的感知、精确的分析、精细的管理和精心的服务，从而更好支持未来的复杂交通形态。“而高精地图是智慧道路的一个3D还原，也称数字化还原。通过高精地图，能够把道路信息、路侧传感器信息、障碍物、交通参与物信息，完全映射到了虚拟的数字空间。而这个数字空间还带有相对坐标和绝对坐标，可以提供物体的精准定位。”高精度地图初创公司宽凳科技CEO刘骏也表示：高精度地图技术不只可以服务于车，还可以服务于路。他认为，当下很多智慧交通方面的新基建项目，如果没有高精度地图，很多应用层面是没有办法做到精细化管理的。也就是说，高精度地图天然地完成了道路的数字化，建立了一个静态的数字世界。这与智慧交通的发展无疑是高度契合的。但刘澍泉也表示：交通是一个车流、人流的集结体，是一个动态的世界。只有静态数据和动态数据融合起来，才能真正地为智慧交通服务。通过道路上的路侧单元（里面包含摄像头、雷达等传感器），可以获得动态的交通流、天气变化、温度湿度等数据。这些信息与高精地图结合，就能准确知道车辆故障、行人，到底处在地图空间的哪个位置。另一方面，还可以通过车辆众包数据的方式，获得地图的更新。通过车路两端的支持，就可以在高精度地图的静态数字基础设施上，获得动态的交通流数据、以及通过众包的方式对地图进行更新。宽凳科技CEO刘骏也表示：当下业内更多注意到的是车辆众包，但实际上不光是车辆众包，路端的众包数据也是需要发展的，必须要车端和路两端同时发力才能服务好智慧交通。因此，除了自动驾驶，宽凳科技也将高精度地图赋能智慧交通作为一个发力方向，目前已经采集了上万公里的车路协同测试高精地图，为智慧交通的到来打下一定基础。同样，高深智图推出了一个基于车路协同的整体解决方案。总地来说，就是在高精度地图的基础上，叠加来自的车端（众包）和路端（路侧单元）的动态数据，然后在边缘服务器上进行计算，把计算结果传递给路边的指挥单元进行调控，或者是将数据上传到云端，云端就可以发布更新版本的高精度地图，还可以把各种信息下发到车机、手机上。这些信息可以为车端提供碰撞预警，盲区预警、编队行驶、动态限速等服务。“所以，高精地图是车路协同里非常重要的一个桥梁，是数字孪生里最重要的介质。可以这么说，高精地图融合了车端和路侧的感知，在统一的坐标空间里进行交通研判，也可以进行人工智能的训练预测，完成物理世界和虚拟世界的双向干预，从而形成当下最优的交通预测。”刘澍泉如此说道。当然，这种应用不止面向交通管理端，还可以面向个人出行、企业的数字化物流管理。“最终实现各种各样的智慧交通应用繁荣，包括动态导航、自动配送、Robotaxi等，通过众人拾柴火焰高的方式层层叠加，把各自的能力发挥到最高，才能支持中国的数字化交通建设。”总结：总地来看，高精度地图不再局限于自动驾驶，而是在智能汽车的市场有了更多的机会，另一方面，交通新基建和交通强国等热潮也意外催生了一个更为广阔的高精度地图市场。事实上，在今年10月份末的“智能网联汽车 C-V2X新四跨”测试中，就引入了高精度地图作为今年测试的亮点。清华大学自动化系系统工程研究所教授、博士生导师姚丹亚也曾告诉新智驾，要通过车路协同掌握每一辆车的状态，高精度地图/定位是必不可少的。尽管高精度地图的更大规模量产和落地还需要一些时日，但不可否认的是，在L2+市场和智慧交通领域的耕耘，也为行业玩家们提供了更多商业落地思路。高精度地图的时代即将到来。（雷锋网） 雷锋网
登录
工商服务
危机公关
金融律师
app开发
财税服务
金融牌照
网站建设
知识产权
企业征信
审计评估