无人驾驶江湖 谁能够青梅煮酒！

功法+兵器：从哪里来

无人驾驶汽车之战，山雨欲来而风满楼。

在战鼓隆隆之际，各路侠客需要知道，欲将人类从单调、危险、繁重的驾驶任务中解脱出来，需要什么样的功力支撑，才能“仗剑走天涯”?

无人驾驶工程浩大。据美国兰德智库测算，要实现完全的自动驾驶需要100辆汽车耗费225年的时间进行7X24小时不间断测试，这个门槛可谓高不可攀。怎样才能既提升安全可靠性，又能尽快缩短应用时间?开发替代方法补充道路测试就成为首选，比如加速测试、虚拟测试和模拟器、数学模型、情景测试以及试点研究等。据了解，百度的Apollo仿真引擎可以帮助开发者和创业公司实现“坐地日行百万里”。

从最基本的要求——提升交通安全性来看，自动驾驶的最低标准是不得低于人类的标准。根据2011年美国交通安全统计数据显示，综合所有司机的驾驶情况，大约驾驶330万小时会发生一起致命碰撞、驾驶6.4万小时会发生一起致伤碰撞。同时，无人驾驶汽车作为“没有情绪的轮式机器人”，最大的挑战在于如何让汽车像人一样思考、学习和判断，并做出正确的计算和决策。其中，在人车环境间建立起足够的“互信”就成为关键。

由此看来，无人驾驶的本质是信任，必须要车辆具备“把后背交给我”的能力才可托付。这种信任需要的核心是计算力，基础源于数据，只有形成数据消费链流动循环，并进行闭环处理，才能提供足够的计算能力，为无人驾驶车辆赋能。

在某种程度上，对无人驾驶汽车而言，大数据就是能源，没有数据补给必将寸步难行。未来，依托汽车平台的巨大潜力，一个可汇聚消费大数据的超级移动入口也将成为各方竞争的“焦土”，各大门派需要下苦功夫修炼如何获取数据。因为谁掌握的用户数据多、研究得更深入，谁就能扼住命运的咽喉，具备了练就独门绝技的不二法门。从商业逻辑看，或许，无人驾驶的数据，才是无人驾驶江湖中，各方真正中意的未来。数据是石油、AI是电力，这样的比喻目前似乎还很难理解，但假以时日，基于共享平台，众多开发者、制造者、应用者会产生难以想象的数据，通过端到云进行汇聚，经过深度学习、专业加工后，其潜在商业价值难以估量。

对于数据的获取，则需要率先抢占更多应用场景，因此企业除了要在硬件产品和软件系统上潜心修炼，用心打磨，也应在如下场景上绸缪：

一是出行市场：在指定区域内布置一定的车辆用于共享运营，获取数据。如谷歌刚刚与Uber的死敌Lyft结成了战略联盟。

二是私家车众包：与具备L2级别、全套自动驾驶传感器及联网能力的车主合作。这实际上是一个劳动密集型路线，如特斯拉就是依靠数以10万计的用户车辆，每天回传数据。

三是物流、快递市场：顺丰、菜鸟网络、京东、亚马逊都是潜在的需求方。6月18日，京东的无人车已经实现了校园内送货。

四是特定低速应用场景：比如风景区、机场、校园内等固定线路固定场景的场所，这是目前应用较广的市场。

当然，数据获取不容忽视的就是隐私和安全问题。正是因为这一领域标准空白，操作落后，因此，在法律政策层面，世界各国都持谨慎态度。比如，美国也仅是在加州等个别地区颁发路测牌照;德国虽然通过了相关法律，但规定司机要时时处于“准备介入”的状态。否则，一旦重要数据外泄，让江湖恶人控制无人驾驶车辆，《速8》中令城市瘫痪、车祸不断的惨剧将不远矣。

在江湖中行走，除了要有上述深厚内功，还要练得一手好兵器，才能做到安全无虞。正如传统武术的十八般兵器，无人驾驶的技术可以细分如下领域：

一是AI算法及无人驾驶系统提供：这是整个生态系统的核心能力，在核心算法上，最具竞争力的企业无疑是谷歌和百度。当然，这导致很多传统企业和新兴企业都倾向于相信：自己能够研发出具备竞争力的无人驾驶OS。

二是核心处理器供应：这是让市场接受的关键一环，只有性能提升、价格下降，才有可能带来产业的高速发展。在全球范围内，核心AI处理器的供应商只有三家英伟达、英特尔和谷歌。英伟达在这个领域的市场占有率可秒杀后面两家。高通、德州仪器和苹果，也是潜在的加入者。

三是系统集成：这是一个曾被高度忽略、但值得深入挖掘的细分市场。无人驾驶系统的软件和硬件，在规模化量产时，必须要和整车的控制、底盘进行全面的匹配和调试，起到的作用非常关键。

四是感知设备和器件制造：各种类型的雷达和摄像头，最核心的是激光雷达Lidar。在全球范围内，Lidar供应商包括大陆、ZF、博世、Velodyne和quanergy。

五是通讯设备供应：包括基带芯片提供商如深耕5G通讯的华为、高通、思科和英特尔。

六是整车制造：具有百年积淀的定海神针，这个产业最为重要的基础，不是谁想颠覆就能颠覆。

七是技术运营：包括共享出行，快递和物流，私人出行以及特定低速应用场景。作为服务平台，应该明确定位，尽早确定合作伙伴，择良木而栖。