史晨星：自动驾驶追上人类“还差一千倍”

　　作者 市界 沈鹏飞

　　编辑 朗明

　　随着AI技术的发展，AI商业化场景越来越多，越来越清晰，除了在大数据方面有耀眼的成就外，在自动驾驶技术上也取得了不俗的成绩。

　　10月17日晚7点，独立评论人＆投资人，史晨星 ，做客“市界老友记”栏目第12期，带来了自动驾驶的技术分享及通俗易懂的发展自动驾驶意义的解读。

　　1、通俗易懂的自动驾驶从L1到L5

　　按照SAE的定义， L0级无自动化功能，由人类驾驶全程操控汽车。

　　L1级具备单一功能辅助驾驶，纵向加减速、横向转向能够实现一个。

　　L2级具备组合式自动化功能，同时实现横向+纵向控制。

　　L3级有条件自动驾驶，限定条件下双手可以离开方向盘。

　　L4级特定场景自动驾驶，特定场景下双眼可以离开道路，但仍需要驾驶员和操作系统。

　　L5级全场景自动驾驶，无需驾驶员和操作系统。

　　2、自动驾驶是一个万亿级的市场

　　史晨星总结自动驾驶有三大优势。第一大优势是安全，每年人类开车引发的事故非常多，数据统计，像美国每年因为交通事故造成损失高到3000亿美金，中国每年因为交通事故死亡20万人，自动驾驶普及之后，机器是不会疲劳的，也就不会发生疲劳驾驶，麦肯锡预测，自动驾驶能全面普及，至少减少90%的交通事故。

　　第二大优势是成本，一方面节省了司机成本，另一方面，无人驾驶能够真正实现共享经济。在无人驾驶和共享经济时代，可降低70%的出行成本。

　　第三大优势是无人驾驶汽车将会成为第三生活空间，自动驾驶时代，汽车将不再是代步工具，用户在车内即可实现娱乐和办公，汽车有望进化成为家庭、办公场所之外的第三生活空间，每一辆车都可以变成移动的商业地产。

　　目前国际上已有十余个国家进行了相关部署，并出台相关政策以指导自动驾驶汽车的发展。

　　中国《节能与新能源汽车技术路线驾驶辅助/部分自助驾驶车辆市场占有率50%。2025年，L3-L4高度自动驾驶车辆市场占有率15%。2030年，L5完全自动驾驶车辆市场占有率10%。

　　史晨星认为自动驾驶产业链市场空间近千亿，考虑出行服务和乘客经济，市场规模将达万亿级的市场。

　　3、自动驾驶的5种商业模式

　　史晨星认为自动驾驶商业模式有五个方面，一是零部件企业供应零部件，二是整车企业负责汽车量产，三是解决放哪提供商提供技术服务，四是服务运营商负责车队的管理和运营，为终端用户提供服务，五是金融机构 提供资金方面支持。

　　解决方案提供商会有技术服务，这个模式就会跟现在的汽车模式区别很大，总结可能会有三种发展模式，第一种是B2C模式，与现有汽车销售模式相同；第二种是B2B2B模式，面对封闭场景，中间高速路段由无人驾驶车来掌控；第三种是B2B2C模式，面对车辆运营服务场景，无人驾驶车辆作为“开始一公里”和“最后一公里”补充。

　　4、自动驾驶的技术分析

　　史晨星认为自动驾驶可以分为两个路线，第一种是渐进式路线，传统的汽车企业，先完成L1再到L2再到L3，逐步研发；第二种是激进式路线，跳出驾驶辅助系统，最早是由谷歌提出来，直接从高度自动驾驶的系统切入。

　　这两个路线只是研发切入的路径不同，最终目标是一致的，都是为了实现完全的无人驾驶。

　　自动驾驶产业链可以分成四部分，第一部分是硬件，整车所有的零部件；第二部分叫软件，包括操作系统车联网，车高精度地图等；第三部分是整车的制造；第四部分是运营。

　　自动驾驶可以通过三步来实现，分别为感知层、决策层、执行层。

　　感知层可以理解为就是人类的眼睛，感知层有很多传感器，包括激光雷达摄像头，毫米波雷达卫星定位，定位里面包含高精度地图、卫星定位。

　　现在感知层共有两种整车方案，第一种方案叫做视觉主导方案，以摄像头为主，这个方案的代表是特斯拉。

　　马斯克是一个坚定的视觉主导派，他认为在自动驾驶里面，传感器里边应该以摄像头为主导。马斯克用第一性原理来解释，人眼睛就是一个摄像头。人在开车的时候，只要看外面，就能判断距离。马斯克认为摄像头是跟人类眼睛最接近的。

　　这个方案有一个缺点，摄像头拍出来的照片很难识别距离远近。视觉主导方案最重要的就是图像识别，图像识别的算法非常重要，目前来看，人工智算法识别还有一些缺陷。

　　第二种是激光雷达主导方案，用激光雷达为主导，其他的传感器辅助，这个典型的代表就是谷歌的Waymo。

　　决策层可以想象为人类的大脑。依据获取的信息来进行决策判断，制定相应控制策略，替代人类做出驾驶决策。

　　决策层就可以理解为我们的大脑。决策层主要做两件事，第一件事是把各个传感器收集来的数据要分析。第二个是控制，控制就是发出指令，同时预判路况。

　　决策层的核心，一个是算法，通过各种传感器融合识别，给出一个最终结果。另一个是芯片，自动驾驶汽车行驶的时候，会产生大量的数据，根据因特尔的测算，一辆自动驾驶汽车每天会产生4000个GB的数据，自动驾驶需要一个强大运算能力的芯片实时计算。

　　第三层叫执行层，执行层是自动驾驶的手脚，分为横向、纵向两大部分。纵向控制：油门加减速、刹车；横向控制：方向盘转向。

　　相对而言，执行层比较简单，线控制动、线控转向目前比较成熟。目前来看执行层是比较成熟的，难点在于感知层和决策层。

　　5、自动驾驶要追上人类，现在“还差一千倍”

　　史晨星认为自动驾驶产业化要过三道关，分别为技术关、法律关、成本关。

　　美国加州机动车管理局（DMV），要求获得自动驾驶路测资质的公司每年1月1日之前交一份自动驾驶年度报告，总结测试过程中所经历的所有自动驾驶脱离Disengagement事件，以此来衡量驾驶技术的成熟度。

　　2019年2年，公布的最新报告显示，第一名是谷歌的Waymo，跑18000公里才需要人工接管。 相当于从北京到上海往返跑七回，从北京到深圳往返四回。

　　第二名是通用，大概5000公里需要人类接管一次，中国百度排第七名，大概是200公里。

　　参照谷歌的数据，人类要比谷歌还要强得多，人类平均下来大概要跑1000万英里，才发生一次致命事故。 这个的数据要比谷歌现在跑1万英里发生一次强一千倍，也就意味着自动驾驶要追上人类，现在还差一千倍。

　　第二关是法律关，需要完善的法律来确保自动驾驶上路，目前来看我们的法律还不允许这种无人驾驶汽车上路，可能法律需要完善，包括道德，比如上路之后出了事故怎么判定，汽车保险怎么购买。

　　第三关叫成本关，短期内自动驾驶系统成本高，主要是芯片、激光雷达等核心零部件，以及基础设施投资较大名单大规模量产后会迅速降低，车企联合研发也能分摊开发成本。

　　首先攻克封闭区域，第二个攻克高速公路，第三个攻克城市道路。

　　封闭区域，史晨星认为比较快速落地的可能是自动停车及智慧矿区、矿山。第一是矿山的无人难度比较小，矿区没有人，危险性小；第二是矿山的无人驾驶需求量比较大，司机鲜有人应聘。

　　第二个场景是高速公路，一部分是物流运输，可以显着节约人力成本，以及减少大货车司机的疲劳驾驶。另一部分是用作乘用车自动驾驶。

　　第三大场景就是城市道路，可分为两大部分，一个是公共交通，比如出公交车。另一个就是出租车，目前来看可能短期内很难实现。

　　另外，5G今年的商用对于自动驾驶来说也是一个利好，虽然现在自动驾驶还有各种缺点，随着时间的推移，技术难题将一一被攻克。