科技巨头抢滩自动驾驶的背后,哪些是你不知道的事?

日前,华为发布了《自动驾驶网络解决方案白皮书》,系统阐述了未来网络架构、运维架构和其关键技术,强调通过网元、网络和云端的三层AI能力协同,迈向人机协同,为运营商和产业链上公司的数字化转型提供参考。

然自动驾驶网络与本文主角并无关联。遂指出,防常识误解。

本月初,芯片巨头英特尔也以约9亿美元收购了MaaS(移动即服务)解决方案公司Moovit。Moovit成立于2012年,拥有超过8亿用户和服务,以城市交通应用而闻名,被称为以色列版“滴滴”。

那么,在全球疫情的大环境下英特尔为何还要出手收购这家初创企业?

2017年,英特尔斥资153亿美元收购了以色列自动驾驶公司Mobileye,2019年以20亿美元收购AI公司Habana Labs。在此之前,英特尔还先后收购了FPGA芯片巨头Altera、视觉算法公司Movidius,形成了自动驾驶芯片的完整解决方案。

频频出手的背后,其实是在自动驾驶领域的精心布局。目前,自动驾驶已经为英特尔带来了不小的增值。财报显示,2019年自动驾驶芯片成为了英特尔增长最大的业务板块,实现了近10亿美元的营收。同时,英特尔还借此占据了全球70%的辅助驾驶(ADAS)市场份额。

数据是自动驾驶的“燃料”已成为业界共识,Moovit自称是全球最大的公交数据和分析公司之一,也是 Google Maps 的主要竞争对手。其数据分别来自政府部门、用户以及公共交通运营商等,数据来源多样且较为可靠,而海量驾驶出行数据的计算和处理恰恰是英特尔所希望的。

目前诸如 “ robotaxis”之类的自动驾驶服务仍处于起步阶段,但其中蕴藏的市场机遇却是巨大的,英特尔认为,到2030年仅robotaxis的市场就将达到1600亿美元。

自动驾驶

可能我们大多数人对自动驾驶的第一印象就是不需要人为参与,可以自己行驶的汽车。但自动驾驶真的像我们认为的那样简单吗?车企宣称的L2、L3究竟代表什么,有什么区别?

自动驾驶系统由以下三大系统组成:感知、决策、执行,目前,感知层主要是采用传感器技术,在获取感知数据后,系统会针对数据进行分析、决策和预测,然后完成相应的操控动作。

图片来源:联友科技

汽车标准化组织SAE International对驾驶自动化的不同级别进行了如下分类:

  • 级别0 –无自动化(“手动”):自动化系统会发出警告,可能会暂时干预,但没有持续的车辆控制。
  • 级别1 –驾驶辅助(“手动”):驾驶员和自动系统共享对车辆的控制。驾驶员必须随时准备完全控制。
  • 级别2 –部分自动化(“放手”):自动化系统完全控制车辆(加速、制动和转向)。驾驶员必须监视驾驶情况,并准备在自动系统无法正确响应的情况下随时进行干预。
  • 级别3 –有条件的自动化(“闭眼”):驾驶员可以安全地将注意力从驾驶任务上移开,例如,驾驶员可以发短信或看电影。车辆将处理需要立即响应的情况,例如紧急制动。当车辆要求司机进行干预时,驾驶员仍必须准备在制造商指定的有限时间内进行干预。
  • 级别4 –高度自动化(“省心”):与级别3相同,但不需要驾驶员关注安全问题,仅在有限的区域(有地理保护的区域)或在特殊情况下(例如交通拥堵)需要支持。
  • 级别5 –全自动(“Wheel Off”):无需任何人为干预,例如方向盘、制动器等。

入局玩家日渐增多

在自动驾驶的浪潮下,入局的不仅仅是我们熟知的车企玩家,以华为、英特尔为代表的设备商、互联网公司也在切入汽车市场,行业正在发生变革。这些巨头在芯片、操作系统、应用软件方面本就有一定的积累,这将为其带来一定的优势。

谷歌

谷歌旗下的Waymo堪称是自动驾驶领域的“鼻祖”。Waymo刚开始是谷歌于2009年开启的一项自动驾驶汽车计划, 2016年12月才从谷歌独立出来,Waymo的成立意味着 Google将自动驾驶汽车研究项目作为一项长期可持续发展的业务。

2012年,谷歌获得自动驾驶汽车路测许可证; 2015年,谷歌自动驾驶汽车开始上路进行测试;2016年Waymo作为谷歌自动驾驶业务的商业主体正式成立;2018年Waymo在凤凰城率先推出自动驾驶出租车服务Waymo One;如今Waymo已经进入到了商业化阶段。

近日, Waymo又筹集了7.5亿美元,这让该公司过去短短两个月投资达到30亿美元。

亚马逊

在几年前,亚马逊成立了一个专门研究无人驾驶汽车技术的团队,其部分动机是推动自己运输更多的货物。2018 年亚马逊宣布了涉足自动驾驶领域的消息,并与丰田联合发布了多功能概念车 e-Palette。2019 年 2 月亚马逊投资了自动驾驶初创企业 Aurora Innovation。

近日传言亚马逊在洽购自动驾驶初创公司Zoox,目前谈判已进入后期阶段。如果消息属实,这一收购将扩大该电商巨头在自动驾驶技术方面的影响力。

Zoox成立于2014年,是全球最有名的自动驾驶创业公司之一,但因财务状况不容乐观,前段时间正在为自己寻求买家。截止目前,这家创业公司已经筹集了10亿美元,估值高达27亿美元。

苹果

2018 年苹果组建了包含 70 辆自动驾驶汽车的车队,成功注册并上路,该车队在 19 个月里共积累了 80,739 英里的行驶里程。5 月,苹果在公司内部提供运送员工的,配备人类驾驶员的自动驾驶车辆。同一年,苹果先后聘用了前 NASA、Waymo 和特斯拉的车辆工程师。

2019 年 1 月,为求重组,苹果裁掉了泰坦计划(苹果自动驾驶项目)的 200 余名员工。五个月后,苹果证实收购自动驾驶初创公司Drive.ai,此举是为了招募一些工程人才,提升苹果的自动驾驶研发能力。

微软

微软进入自动驾驶领域虽然没有其他科技巨头那样早,但其希望利用 Azure 的计算能力,为汽车产生的海量数据进行服务。2016 年 3 月,微软和丰田达成 5 年合作计划,将支持后者在机器人、AI 和自动驾驶领域的研究。6 月,微软策略转向为车企研发提供数据和计算支撑服务。2019 年 12 月,微软与爱立信合作开发车联网云服务,这将有助于车厂规模化研发自动驾驶技术。

百度

百度是国内入局自动驾驶较早的企业之一,2017 年,百度发布开源自动驾驶平台Apollo(阿波罗),其 COO 称之为“自动驾驶领域的安卓”。Apollo有 130 余家合作伙伴,包括雪佛兰、福特、本田、丰田、大众和英特尔,同时Apollo还组建了全球自动驾驶领域最大的生态平台——百度Apollo自动驾驶生态联盟。

从 2018 年起,百度得到北京市政府许可在周边 33 条道路上进行路试。北京交管部门还发放了 T4 级别的测试牌照,允许百度在隧道、学校区域等复杂路段进行测试。截至 2019 年 12 月,百度共有 300 辆无人车,积累了 3 百万公里的城市行驶里程。

百度在美国硅谷开设了 AI 实验室专攻自动驾驶技术,此外,他们打算在时机成熟后将自动驾驶业务独立拆分。今年4月底百度Apollo Robotaxi登陆长沙,无人驾驶出租车迈入规模运营阶段,这也是国内首个通过国民级应用向公众开放的Robotaxi服务。

昨日,百度宣布其位于北京亦庄经济开发区的Apollo Park已建造完成。据了解,Apollo Park是目前全球最大的自动驾驶和车路协同应用测试基地,集车辆及配件仓储、远程大数据云控、营运指挥、维修与标定、研发测试五大功能于一身。该基地的建成将加速推进Apollo自动驾驶、车路协同技术产品的成熟和应用。

华为

华为认为,相比造车本身,未来汽车行业 70% 的价值将从车联网中产生,华为自然不想错过这个机会。此前,华为就已和众多车企展开合作,包括奥迪、广汽、北汽等,最早将于 2021 年发布量产车。

2019年4月,华为云发布了自动驾驶云服务八爪鱼(Octopus),提供模型搭建、训练、仿真、标注等全生命周期服务。其中,仿真的核心卖点是“高并发实例处理能力”:提供超过1万个仿真场景,每日可测试虚拟里程超过500万公里,支持3000个实例并发测试。

华为云八爪鱼(Octopus)自动驾驶服务

2019 年 11 月,华为与四维图新合作,采用后者的地图数据,并打算将 5G 应用在无人驾驶汽车上。

阿里

2018年,阿里巴巴正式宣布布局自动驾驶业务,菜鸟物流,饿了么外卖平台都面临着配送成本高的问题,而自动驾驶可能是解决这一问题的关键所在。阿里达摩院自动驾驶实验室负责人王刚也表示,阿里自动驾驶的定位就是打造智慧物流运输平台,并确立了末端无人配送和公开道路两种业务形态双线并进的策略。

在技术实现路径上,阿里跨过L0-L3级别自动驾驶,直接进行L4级自动驾驶技术研发,更重要的,阿里希望以车路协同+单车智能的方式,来解决自动驾驶现有方案的研发困境和成本高等问题。

京东

4月13日,京东物流集团自动驾驶首席科学家孔旗在疫情防控新闻发布会上介绍了L4级别自动驾驶技术,无人配送将取得重大突破。 L4级别自动驾驶技术应用在物流行业之后,将大大减少人员接触情况,快递员按照标准流程,对车辆进行消毒、放件,点击出发后,车辆会自动通过短信、语音电话,通知收件人,并等待客户取件,随后自动到下一个取件点或返回配送站点,并且根据小区环境,自动避让。

腾讯

腾讯在自动驾驶业务上摆出了大数据云平台、仿真测试平台和高精度地图这三个具有杀伤力的产品。以仿真测试平台为例,可以理解为,腾讯的仿真平台TAD Sim就是一部大型的、针对自动驾驶车辆的角色扮演游戏,结合了专业的游戏引擎、工业级车辆动力学模型、虚实一体交通流等技术。

自动驾驶模拟仿真平台TAD Sim集成了工业级的车辆动力学模型、专业的游戏引擎、三维重建技术和虚实一体的交通流技术,可以完成感知、决策、控制算法等实车上全部模块的仿真实验,同时支持单机和云端部署的方式,一套系统满足全栈算法的使用需求。

社会在不断发展,自动驾驶也一直备受关注,不管是传统车厂,还是互联网公司、初创公司,谁都不想舍下这块大蛋糕。但机遇的背后迎面而来的还有各种挑战与困境,唯有不断探索突破,才有新的生机。

参考链接:
https://www.sohu.com/a/394474353_100282017
https://www.leiphone.com/news/202005/YgIvkrrqDEwEIQaC.html
https://tech.sina.com.cn/it/2020-05-07/doc-iircuyvi1829330.shtml?cre=tianyi&mod=pcpager_fin&loc=14&r=9&rfunc=100&tj=none&tr=9


  • 本站原创文章仅代表作者观点,不代表SDNLAB立场。所有原创内容版权均属SDNLAB,欢迎大家转发分享。但未经授权,严禁任何媒体(平面媒体、网络媒体、自媒体等)以及微信公众号复制、转载、摘编或以其他方式进行使用,转载须注明来自 SDNLAB并附上本文链接。 本站中所有编译类文章仅用于学习和交流目的,编译工作遵照 CC 协议,如果有侵犯到您权益的地方,请及时联系我们。
  • 本文链接https://www.sdnlab.com/24146.html
分享到:
相关文章
条评论

登录后才可以评论

大脸肥飞猫 发表于20-05-27
0