关于自动驾驶的全面解析

最后，决策的信息进入车辆总线控制系统，完成执行动作。

云端部分

自动驾驶车辆是一个移动系统，需要云平台来提供支持。云端主要完成四个功能：

1. 数据存储：智能车路测中实采的数据量非常大，需要传输到云端进行分布式存储。

2. 仿真测试：开发的新算法在部署到车上之前会在云端的模拟器上进行测试。

3. 高精度地图生成：地图的生成采用众包形式，把每辆在路上行驶的智能车实时采集到的激光点云或视觉数据上传至云端，实现高精度地图的完善和更新。

4. 深度学习模型训练：自动驾驶的决策层使用了多种不同的深度学习模型，在《透析深度学习，其实它没那么神秘》这篇文章中小研提到了深度学习算法存在“长尾”问题，对于没见过的情况它处理不了，因此需要持续不断地通过新数据进行模型训练，来提升算法的处理能力。由于训练的数据量非常大，所以要在云端完成。

自动驾驶领域未来的重大机遇

通过上文的梳理，小研认为自动驾驶领域未来三到五年重要的早期创业和投资机会在以下几个方面：

1.传感器的选择和优化配置

不同传感器有各自的优缺点，没有一种传感器可以适用于任何使用环境。把各类传感器的数据进行融合，达到宽适用范围、高感知精度的同时，减少冗余配置，降低整体成本，提供传感器集成方案。融合架构的搭建，多种数据类型的处理，融合算法的探索，都是非常有挑战的工作，但是做好会有非常大的价值。

2.高性能计算平台

自动驾驶汽车产生的海量数据，需要车载人工智能大脑——高性能硬件计算平台来处理，国内余凯博士领导的地平线机器人是这方面探索的先驱，小研在之前的文章《AI时代，我的中国“芯”》中介绍过。

3.车联网

近几年国内后装车联网发展很快，形成了包含导航、娱乐、金融、交互、服务等功能的生态圈，未来会逐步向以智能车载操作系统为核心的前装业务演变。国内LTE-V车联网专用通信标准将于今年出台，可利用现有蜂窝网络基础设施，成为自动驾驶感知机构的延伸。

4.运营服务

汽车智能化以后会成为下一个移动终端，未来会有越来越多的运营服务商涌现，也会有更多基于内容资源、平台服务、共享经济的新商业模式衍生出来。

5.车载集成系统

面向自动驾驶的车载集成系统，需将感知、决策层的技术架构和车辆总线控制系统结合起来重新设计，将卓越的算法落地到安全、鲁棒的执行中。

6.云端

做支持自动驾驶的云平台的公司同样值得关注，包括数据集成、众包地图、模拟器、模型再训练平台等。

7.自动驾驶的商业化之路

自动驾驶的商业化应用有货运和客运两大块。货运的需求方比较明朗，有矿山和港口运营公司、物流公司、电商、出行服务运营商等，货运的工况主要是高速公路、矿区、港口等相对单一封闭的区域，实现起来更容易一些。客运在开放道路上运营还是非常困难的，目前能够落地的应用场景主要是园区低速自动驾驶，未来可能会探索给滴滴、UBER这样的运营商提供固定区域内的自动驾驶运营服务，等各类驾驶场景都验证成熟以后才会推向开放区域，最后才是卖给个人，这条路还是很漫长的。

前段时间百度无人车开源了阿波罗平台，就有好事之徒写了“百度无人车扔下原子弹，炸掉行业百亿美金投资”的软文，大有误导公众之嫌。其实自动驾驶产业刚刚起步，行业标准和技术架构都没完善，未来还需要持续探索，百度开源算法对推动整个行业的进步绝对是好事情。

汽车是个很大的产业，产业链上各个环节都有活得很好的公司，自动驾驶由于信息技术和人工智能的加持，拥有比传统汽车产业更大的市场空间，更何况电动化、智能化大潮的到来使中国企业摆脱了“历史包袱”，和国外企业站在同一起跑线上，弯道超车的机会大大的有，你且看所有一线基金在自动驾驶领域都有投资布局就能明白它到底有多被看好。

从全文的梳理可以看出，自动驾驶领域有些方向的timing已经到了，而有些方向还没到。当下我们更应该保持耐心，随着技术和产业的逐渐成熟，这些机会的启动点会一个个到来，自动驾驶是一波大的浪潮，未来十年都值得我们持续关注。