博客首页|TW首页| 同事录|业界社区
2016-01-11

几乎不出意料的,自动驾驶汽车在2016 CES上又出了一把风头。不过,今年更多人把目光投向汽车以外诸如高精度地图、大数据、云计算等领域……

还记得去年,好几家车企都把自动驾驶汽车开到了展馆,扎堆做起自动驾驶汽车的实际道路测试。最牛的是零部件厂商德尔福,改装了一辆奥迪SQ5,用9天时间行驶5500km横穿美国,其中99%的路都是自动驾驶的。然而,同样是德尔福,今年它们带来的是成本更接地气的传感器系统,以及实现V2E的整套解决方案。再比如,汽车业的两位大佬——丰田和通用都没有进行所谓的自动驾驶试验,而是不约而同地打算通过类似“众包”的方式获得地图数据。显然,大家都更加实际,开始为自动驾驶真正落地想着各种办法。

高精度地图是否是实现自动驾驶的必要条件?对此,业内一直有所争论。的确,仅仅依靠汽车上安装的双目摄像头+毫米波雷达,或是高大上的酷似“花盆”的激光雷达(这届CES上,“花盆”的尺寸变小了),自动驾驶汽车也能完成一个个道路测试。然而,离开了高精度地图的自动驾驶,始终难以让人放心。

本届CES上,Velodyne带来了更小、更便宜的“花盆”

我曾和德尔福的人交流过。那辆装着20个传感器、6个雷达系统的奥迪SQ5,完全凭借自己对外界环境的感知与判断,完成了99%的路程。然而在测试过程中,工程师却发现一些问题。比如,在通过由大量钢材制造的桥梁时,雷达系统没有因为信号会被钢材反射而受到影响;而当空气中的水汽过重,或者太阳照射角过低(比如清晨或傍晚),摄像头的准确度会受到影响。显然,从目前来看,单纯的“自主式”自动驾驶汽车,还无法满足车规级的使用需求。

相信看过诺兰电影《记忆碎片》的人,都深刻体会过记忆对正常生活的重要性。只有超短期记忆的主人公,只能根据刚刚发生的事进行判断,得出简单的结论也变得异常复杂。而如果把传感器比作自动驾驶汽车的眼睛,把控制系统比作大脑,高精度地图就是记忆,而车联网就是交流。

采用“众包”方式生成的地图数据

一辆有“记忆”的自动驾驶汽车,可以对道路环境进行提前预判。高精度地图中已存储了路面坡度、曲率、车道宽度、路面材质、道路标识等众多信息,车辆可以选择最合理的策略,提高系统运行效率。即使在“眼睛”受到干扰,无法充分发挥作用时,高精度地图也能在很大程度上保证系统的运行安全。

当然,有了“记忆”以后,如果再加上“交流”,事情就会变得更加靠谱。

“记忆”来自高精度地图,“交流”来自云计算和大数据,正因为如此,当与整车相关的自动驾驶技术越是进步,人们对高精度地图和大数据、云计算的需求也就愈发强烈。去年,德系三强ABB组团出动,只为了HERE手头的200万公里高精度地图数据。今年的CES上,微软、爱立信都成为自动驾驶领域多个合作的一方,自然也与它们在通信技术方面的积累密不可分。

实际上,对自动驾驶这个新鲜事物而言,无论是整车,还是地图、通信、云计算、大数据,每个都有着不低的专业门槛。拿地图来说,尽管地图数据的采集方式不断进化,但获取高精度地图数据仍然需要持续积累,尽管丰田和通用的“众包”方案可以让车主成为数据采集员,但精度能否达到自动驾驶汽车使用条件,会不会涉及侵犯隐私,都还有待商榷。退一万步,地图测绘是涉及国家安全的专业领域,就算技术层面真能解决也未必可行。

所以,无论是那个领域的佼佼者,面对自动驾驶,都不可避免地需要找到小伙伴。虽然谷歌和福特没有如约在CES上牵手,但谷歌寻找汽车合作伙伴的消息可是实实在在的。乐视造车被炒得轰轰烈烈,但真要落实到产品上,还是需要拉上阿斯顿马丁和法拉第。至于不久前把自动驾驶汽车开到乌镇的百度,如果真要自己造车,恐怕也只能是死路一条。

这样,我们就不难理解CES上曝光的一对对组合——沃尔沃与爱立信,微软、沃尔沃、日产、哈曼和IAV、福特、亚马逊和大疆,还有德尔福和高德。

又见德尔福。在汽车领域,德尔福属于默默在各个车企背后做隐藏Boss级别的狠角色,那辆横穿美国的自动驾驶汽车显示了它在传感器和控制系统方面的实力。而在地图领域,高德是国内唯一一家同时拥有地图数据、导航应用、云服务平台的公司,在高精度地图的生产工艺、总里程数和精度(10cm)都居于领先地位,并且已经签了国内首个自动驾驶地图商业订单。如果再加上“干爹”阿里巴巴的全球第二大云计算平台——阿里云。这个组合在自动驾驶领域所能释放的能量,足够令人期待了。

尽管我并不相信诸如“三年商用,五年量产”这样放卫星式的规划,但我相信,CES上的这一对对组合,一定会让汽车业在未来几年迎来收获季。当然,对汽车业而言,通过一次CES所能收获的将不仅是某几项技术,某几个车型,更会是一种新的生态。当百年汽车遇到来自各种陌生领域的跨界挑战时,这将是一个必然过程。对其中的每个参与者而言,需要回答的并不是要不要合作,而是和谁合作、如何合作。专业的人干专业的事,大概才是通往汽车未来的最短路径。