2016是中国自动驾驶创业的最佳时期

编者按：本文为投稿，作者王秋，新锐投资人。入行前2年误打误撞的做了先进制造与硬件方向的早期投资，现就职于一家全面向IOT转型的互联网公司，专注于人工智能、IOT领域的战略投资。以下言论纯属个人观点，不涉及任何公司战略。期待和大家交流讨论：微信：qq113570308; 邮箱：wangq.11@sem.tsinghua.edu.cn

序言

当今社会，汽车已成为人类生活的第二空间；自动驾驶汽车将推进车联网服务应用的全面落地。未来每辆汽车都将成为一个移动的智能终端，形成除智能手机外第二大流量入口。无论对于用户，整车厂，互联网科技公司，自动驾驶都足够性感。

然后梦想照进现实，自动驾驶是否离我们还很遥远？作为投资人，现在是否已到了布局时点？我个人乐观的认为：2016是中国自动驾驶创业的最佳时点；若晚了恐怕错失机会。

自动驾驶比机器人会更早的落地 

自动驾驶汽车、智能机器人（包括无人机）是我们关注最多的新智能终端。可能我小时候太爱看《哆啦A梦》了，我对机器人的喜爱还会更深一些：），但回归理性我认为：自动驾驶汽车会比智能机器人会更早的改变我们的生活。

从用户需求出发

• 应用场景：汽车是出行的最重要载体，应用场景已存在上百年。而无论是地上走的机器人、还是天上飞的无人机都必须先不断开拓用户的脑洞来创造新的玩法。

• 价格：无论汽车还是机器人，都需要对计算、决策单元、执行机构做充分的冗余以保证用户体验，而用户对于汽车所愿付出的成本要远远高于一个新硬件。

看技术成熟度

• 环境建模的数据积累：无论是汽车、机器人，基于视觉的深度学习都是其感知物理世界的基础，而机器人多面对的是未曾积累过、多变的室内场景；无人机虽然环境复杂度降低，但却将视角提升了一个维度；以上基于场景的建模还需要花费较长时间，而汽车对于道路场景的建模，从ADAS初期到现在已经有将近10年的积累。

• 交互方式：机器人需要更自然的语音交互。我们之前大量的声学积累都是近场的；而与机器人的交互通常在远场、有干扰的环境。现有人工智能模型也无法很好地解析对于语义的理解。而自动驾驶汽车，由人接管后还是以前的驾驶行为。

由此看来机器人要成为家庭的第三成员，我预计至少还需要3-5年以上的时间。那自动驾驶汽车呢？

或许很多人都觉得：“自动驾驶是不是更遥远？技术与政策还存在很多不确定性？”。我觉得自动驾驶这事要首先要感谢一下ADAS扎实的前期积累；Mobileye用了十年的时间在视觉算法上为自动驾驶趟平了很多弯路。再有，随着人工智能技术的快速发展，不单数据与算法的提升，相关为其开发的GPU、FPGA也慢慢丰富起来。最后，当深度学习遇到了层次分明的图像，哪怕在量子计算机出世之前，都让其有了很好的用武之地。

大家现在能看到的有Tesla Model S半自动驾驶；会不会觉得很Cool？带有这种功能的车比普通车卖贵小几万我相信很多人都会买吧？

Tesla Model S视频：http://tech.qq.com/a/20160127/004898.htm

自动驾驶 VS 无人驾驶

必须要澄清一下：我所讲到走入家庭的自动驾驶汽车与大伙儿在硅谷、北京五环看到的无人车是不同的。汽车界对于智能驾驶汽车的定义有一个标准：

从上表可知：现在的汽车正处于Level 0，1阶段。Level 0只有预警功能，并不涉及控制；用户对价格较为敏感（这也是为什么Mobileye坚持低成本路径）。但从Level 1开始，实际已经由预警到干预控制。从Level 1、2开始，主动安全就显得不那么鸡肋了。而对于整车厂，这也是其核心竞争力的体现。到了Level 3则真正到了自动驾驶，用户相当程度的解放了双手和精力，车联网的各种服务才开始有了大规模落地的场景。而我们所看到的Google无人车是一步到位Level 4的阶段，届时“共享主义”的出行方式将会全面颠覆现有的汽车、出行服务产业。

我这段时间明察暗访了“奔驰、沃尔沃、戴姆勒”等车场的实验室和市场人员，从他们的技术积累和实地演示效果推断，这些厂家的技术比新锐互联网科技公司成熟度要高不少（等奔驰2016E系列推出后，大家就明白了）。我有个不负责任的判断：自动驾驶极有可能在2年后的2018年实现商业化（首先在公共交通中使用）。2020年前后自动驾驶汽车将逐步走入百姓家庭，这期间各种半自动驾驶汽车会不断涌现。

两种流派：以人为本 VS 机器为王

关于无人驾驶有两种技术路线和流派：

• 1）Google、Baidu为代表希望一步到位无人驾驶的“激进派” 

• 2）Tesla、Mobileye、整车厂为代表的低成本、循序渐进实现目标的“稳健派”。这两种路径商业模式和积累的能力维度是不一样的。

1） 无人驾驶，路漫漫而其修远兮

以“机器为本”，在任何路况下由机器代替人类进行驾驶

此路径：由激光雷达作为主要传感器，依赖城市三维高精地图。绘制三维地图需要搭载激光雷达的车满街跑（目前只有新加坡实现了全国三维地图绘制），最重要其必须不停更新，大家现在都在想“众包模式”，但“先有鸡还是先有蛋“？再看成本：现在车载64线激光雷达价格要6-8万美元，看样子得指望固态雷达才能大幅降本了，理论上激光雷达降本路径是通畅的，但做到可车载的稳定产品我预计会要一段较长的时间。加上叉分GPS、高精度IMU、强大数据处理能力的计算平台…以百度无人车为例，成本大概需要人民币200万元。显然，如果以传统购车逻辑算账用户是难以接受的。

当然成本这个问题我们也要辩证的看。要是从个人出行——>共享出行的角度，整个出行+车联网+汽车后服务的价值体系也要重新建模了。要是把：人员、保险费率、维修等所有成本都cut down…也行吧，在美国勉强可以算算账，毕竟加州的司机每年薪水也要7-9万美金吧。但中国这笔账我是怎么也算不出来了。

有时候实现最后5%的功能，要付出95%的努力。若真正实现无人驾驶，光有感知、地图还是不行的。由于汽车、和环境不断变化，要做到真正安全需要另一个重要基础设施：即车与环境（V2X）、车与车（V2V）的通讯。现在华为正着手做这件事希望建立此标准，这方面中国可能比国外发展的会更快一些。我们还是蛮期待V2X、V2V可以更快落地，这无论对自动驾驶、无人驾驶都是好消息。 

2）自动驾驶，小步快跑

自动驾驶这种路径实际是“以人为本”，实现低成本、特定区域内（如高速、园区、城市环路等）的自动驾驶，当遇到复杂道路环境时（如匝道、非标准车道） 驾驶员拥有最高主导权随时接管开车行为。

此路径采用：视觉+毫米波雷达+超声波雷达的低成本方案。视觉一般采用双目，或多个单目（不同距离）完成，通过深度学习做环境感知，（多个）毫米波雷达主要用于不同方向目标确定，超声波雷达感知5米以内近距离，几种传感器相互融合完成感知、测距、决策。关于横纵向定位，使用低成本GPS、IMU、里程计。用地图+视觉纠正，调节累计误差。此路径不依靠高成本激光雷达和城市三维地图（简单标注后的地图即可），成本仅在3,000-5,000美元。

无论对于公共交通，还是私家车这个“性价比”都已经到了可以实际应用的范围。对于公共交通，投资回收期可能不到1年。对于普通用户：自动驾驶汽车实现了人机的顺畅切换， 增强驾驶技术的采用（通过学习用户的驾驶行为）使机器在自动驾驶的执行过程让司机感觉到和自主驾驶时一样顺畅。而司机可以在“放心的路段”解放大量精力。

 个人观点

短期内我不太看好第一种路径; 更偏向于成本更低的自动驾驶路线，原因是其可以更快落地，毕竟汽车智能化水平的提升，先跑起来才有然后…倘若激光雷达未来几年成本快速下降、三维地图大量绘制、V2V/V2X条件成熟…基于多传感器融合的思路，低成本自动驾驶路线也可以不断升级，发展到无人驾驶在技术上不存在特别大的转变。但反之，若让主要基于雷达的无人驾驶重新积累视觉，恐怕就没那么容易了。

支持我观点更重要的理由在于：无人驾驶路线与各方利益短期内存在明显的矛盾：

• 整车厂：一旦无人驾驶成为主流，汽车的品牌差异就不那么重要了（用户不会太在意接他的专车是奥迪、还是宝马），这也是整车厂对这条路径积极度不高的原因之一。没有整车厂的input，“先鸡先蛋”的问题又来了，地图“众包”要多久才能解决？不大可能要求每个车主车上都安装一个几十万的激光雷达吧…当然，站在“外来者”的角度，采用完全颠覆式创新提高自己的胜算也能够理解。但整车厂是否轻易的会被颠覆，现在看来还言之过早。

• 用户：是否愿意在这个时点愿意被完全剥夺驾驶的体验？我认为：用户这个时点更渴望提升自身的驾驶体验。

• 法规：完全无人驾驶毕竟这是出行“伤筋动骨”的变化，虽然美国加州已经通过无人驾驶的法律。但其他国家能有多快呢？但自动驾驶，人仍然是最终责任体。法规上的可行性会更大些。

很多业内专家也认为：Google很可能“起个大早，赶个晚集”。但是否真这么悲观，我还不敢妄下结论。至少由于路径的不同，“前人”的探索留给了创业者宝贵的财富，有助于其少走些弯路。

2016年是中国自动驾驶创业的最佳时点

我们提到自动驾驶汽车有望在2018年—2020年大规模进入市场，为什么2016年对于中国的创业者是关键的一年呢？有以下几个原因：

• 若早两年在国内创业，资本支持不够。创业公司不比整车厂、互联网巨头有其他业务作为支持，若距市场应用时间超过5年，且没有中间产品可以落地（不是不能，而是分散精力）很可能会有较大的系统性风险。（中国）大多数资本难以容忍这么长周期、且大投入的项目。

• 当下做，前方技术已不存在不可逾越的瓶颈。从感知决策方面，自动驾驶需要的有大概5-6套深度学习算法（车道线检测、目标检测、三维视觉里程计、防碰撞、路边检测、增强驾驶）；这些年积累的行驶数据让这些算法更具准确性。计算平台上，我们看到Nvidia PS2计算性能已经足够支持自动驾驶汽车（可能成本、功耗还不是最优解），但按照现在的趋势，未来1-2年计算问题不会再成为瓶颈。

• Google、Baidu走的是长周期路线。而Mobileye+Tesla的组合虽然在视觉感知算法、数据积累上有明显优势，但之前Mobileye的大量积累都源于单目视觉的非深度学习算法；其发展深度学习、自动驾驶也仅仅是这两年的事。创业公司可以借鉴前人的经验少走很多弯路。

• 目前汽车电动化以及互联网造车也在深刻影响着行业，这些新型汽车公司对于智能驾驶都是最看重的功能，我们看到“智车优行”的发布会，其智能驾驶是最大亮点。相比于传统整车厂，进入这些新锐车企的前装速度要快很多。从时间上推算，目前这些新锐整车企业第一台整车会陆续在2017年底-2018年上市。照此推算，自动驾驶进入方案至少于其发布前6-8个月定型，开始路测。如果2016年自动驾驶创业公司还没成立，估计很难把握这一波红利。

• 最后，自动驾驶是依靠行驶数据积累而训练出来的算法；软硬件的壁垒都是在实践中不断滚动增强的。如果后来者与先发者用同类型技术，积累相差2年以上，则毫无机会（典型案例就是：ADAS领域的Mobileye）。此时不做，若等到国内整车厂全面觉醒，创业公司的价值将会大打折扣。

自动驾驶的中国机会

首先，自动驾驶在全球的行业格局还远远没有形成，可以说在基础技术上我们还在一条起跑线上。其次，习大大也说过“没有信息安全就没有国家安全”。试想在自动驾驶时代，一旦发生战争，我国的汽车瞬间被他国所控制，这是一件蛮危险的事。因此，我国对于国外自动驾驶汽车会有一定限制，优先扶持本国企业（这很重要，看看互联网再看看先进制造…）

国内的整车厂，除了长安、吉利对自动驾驶还有点积累。大多整车厂（尤其是合资）“养尊处优”惯了，基本就是找高校来做做骡车。而现在国内车企也已在加大这方面的投入，但总归之前积累较弱，创业公司若此时把握好时机，相信未来几年在与国内车企的合作与博弈中，定会展现出稀缺性的“价值”；前面说了互联网造车的新锐公司，同样也为自动驾驶公司提供了更丰富的合作伙伴。

人才，也是条件成熟的重要因素。基于视觉的深度学习技术，全球人工智能顶级专家，其实很多都是华人；国内百度、360等互联网公司都分别建立了人工智能研究院，并邀请大咖加盟、组建队伍（百度-Ng、360-颜水成）。可以说这方面的人才我们供给是充足的，起码不比其他国家差。涉及到自动驾驶汽车平台的搭建，我国无人驾驶在军方的应用，从“九五计划”就提到日程。国内院校：国防科大、北理、南理、西交大、清华积累较深。像国防科大、北理工等学校在这个领域已经有20年的积累。一些青年骨干也有机会独自操盘平台的搭建与调试。

 自动驾驶的早期投资逻辑总结

首先大方向上：前面论证了很多我个人更看好低成本方案的原因。除了方向，早期重点还是要看团队。由于自动驾驶是一个需要综合技术、商业维度的创业类项目；团队当然配置的越整齐越好，但核心长板还需要体现在：产品化的能力（不能脱离汽车本身）。创业成员中有曾搭建起自动驾驶平台的牛人在早期非常关键。

自动驾驶属于“技术、资本”双密集产业，团队在发展过程中会面临很多在战略合作、技术选择上的商业决策。往往有时候“南坡、北坡”都是对的，最怕原地踏步。这时候，团队中是否有一个“精神领袖”，能够顶住都是“牛人”队友的不同意见，快速做出决断并带领团队杀出一条血路；有没有这个“人”很大程度上决定了项目的成败。

做投资时间越长，我越发现早期项目能否成功除了“方向与团队”，“时点”是另一个重要因素。我觉得从“天时、地利、人和”的角度上，2016在中国做自动驾驶的时机已经到了。现在，国内虽然做自动驾驶的团队还不多，但每家都各有特色，今年我会持续关注其成长。值得欣慰的是，现在已经有越来越多高素质的创业者投身于这个领域，未来改变世界的公司是否在中国，在此时已经成立了？我们拭目以待！