今年年初，不少投资机构在提到2018年的资本预算时，都希望“今年上半年投几家”，如今年已过半，多家智能驾驶勇于探索商业模式的公司都完成了数亿元的新一轮融资。本文作者为中关村发展集团产业投资部贾振钊博士，他结合对行业的认识，让读者/投资者更全面、综合的看清智能驾驶这个风口，对行业存在的机会和风险有更深入的认识。

  无论是2015年发布的《中国制造2025》还是最近发布的《新一代AI发展规划》，国家都将智能驾驶以及智能网联列为汽车产业未来转变发展方式与经济转型的重要方向之一。可以说，发展智能驾驶慢慢的变成了国家战略，从中央到地方，从传统整车厂如北汽、上汽，到互联网造车新贵如威马、蔚来，再到勇于探索商业模式的公司如小马智行、驭势科技，智能驾驶产业的发展可谓如火如荼。

  前一段时间，中关村发展集团主办了一场主题为“智能驾驶·开启未来”的沙龙，沙龙的会议室非常小，却几乎坐下了北京范围内所有有点名气的勇于探索商业模式的公司创始人、政府主管部门负责人、高校教授和知名投资机构合伙人，活动邀请了八位嘉宾做演讲，这八位嘉宾，分别是北京市交通委的葛昱博士、清华大学***教授、北汽研究总院孔凡忠院长、千方科学技术产品研发中心总经理曹坤、智行者科技创始人张德兆、奥特贝睿科技创始人彭永胜、峰瑞资本创始人李丰和新智元创始人兼CEO杨静。

  本篇文章的初衷，是想结合各位嘉宾的演讲，希望一方面能够写一篇科普文章，站在宏观的角度，让更多人了解这个迅速增加的产业；

  另一方面，年初在提到2018年的资本预算时，不少基金的答案都是“今年上半年要投几家智能驾驶勇于探索商业模式的公司”。如今年已过半，我们正真看到多家智能驾驶勇于探索商业模式的公司都完成了数亿元的新一轮融资。我们大家都希望结合对行业的认识，让读者/投资者更全面、综合的看清智能驾驶这个风口，对行业存在的机会和风险有更深入的认识。

  智能驾驶最直观的定义，就是类比人类驾驶，用传感器如雷达、摄像头替代人眼，用去替代人脑，再用电子控制去替代人的手脚，最终实现由智能电脑来控制汽车，实现智能驾驶。

  国际汽车工程师协会（SAE）制定的汽车智能化分级标准，从驾驶操作、环境监视测定、回退性能、系统接管四个方面，SAE把汽车智能化分为L0-L5五个等级，如下图所示：

  L1的典型代表是以色列公司Mobileye，它通过一个摄像头以及他后面的芯片，为汽车赋予了L1功能；

  L2的典型代表是特斯拉，尽管它号称汽车具备了L5的硬件基础，但是在驾驶Tesla的时候，双手绝对不能离开方向盘，因为如果这时出了事故，责任全在驾驶员身上；

  L3的典型代表是奥迪A8，但有业界人士并不认同A8的L3能力，因为A8只实现了某些特定场景下的L3级功能；

  L5，智能驾驶将完全具备甚至超过人类驾驶能力，在任何情况下都能够接管车辆，处理任何路况，完成驾驶任务。

  先看国外。前面我们也提到，奥迪A8已经确定了2018量产时间，最新的A6也搭载了L3能力。可以说，在个人消费领域，最新的技术能力已达到了接近L3的水平。

  为什么说“接近L3”而不是实现L3？是因为目前的L3功能还不完整，比如奥迪A8所谓的L3，只在时速不高于60km/h的条件下才能用；，除此之外，Tesla的Autopilot系统能够将Tesla电动车具备的众多L2功能，如AEB、ACC、LKS等有机结合起来，实现了高速公路的自动驾驶。

  而国产自主品牌（不算合资），目前的水平基本能达到L2（也是不完整的）。因为在市面上的大部分配备L2功能的车型，其供应商基本还是国外大型Tier1，如博世、大陆等。虽然一些国内的主机厂（OEM）具备了研发能力，也有自己的产品，如北汽、长城，但是，出于安全和市场需求考虑，目前国产车型配备的L2功能，大多数来源于进口，所以说我国的量产车无人驾驶技术水平，大概处于L1至L2之间。

  至于国内外的差距，并非一个Level这么简单。因为从L1到L2，从L2到L3，从L3到L4，每跨一级都需要付出极大的努力，尤其是等级越高，两个等级之间的鸿沟就越大。填补这些鸿沟的指标不仅是技术还有零部件供应链（车规级激光雷达的量产）、市场（成本和市场需求）、法律和法规（法律总是存在滞后性）等等。不过，这并不代表我们离L4，离解放生产力的无人驾驶就很遥远，因为，从业人员们正在努力开拓一条新的技术路线的车辆尽早落地。

  感知包括视觉（单目、双目、环视）、雷达（毫米波雷达、激光雷达、超声波雷达）和高精度地图；决策，就是将感知信息进行融合并判断，决策行驶路线，他建立在足够智能的算法，以及能够执行这些算法的计算平台上，通常，我们叫做“汽车大脑”，就像电脑一样，有算法，有芯片；到执行层面就包括方向盘转角、发动机功率和刹车等。Tier1将这些技术集成后，供应给整车厂，这就构成了智能驾驶的产业链生态。

  感知融合&算法规划，这是智能驾驶的灵魂，决定了智能化程度，感知融合分为前融合和后融合，所谓前融合，就是先将摄像头、毫米波雷达、激光雷达等非同构数据来进行融合，后传输给汽车大脑，后融合则相反，是将各“感知器官”的探测结果交给汽车大脑，让汽车大脑做综合分析；汽车大脑将感知结果作为输入，通过算法进行决策和路径规划，当然，这里的算法也分多种，UC Berkeley的Francesco Borrelli教授，将其导师提出的MPC算法首次应用到智能驾驶中，并成为目前公认的最为领先的算法之一；

  计算平台，分为芯片集成和板芯集成，所谓芯片集成，是通过一颗芯片或SoC系统就完成智能驾驶的核心计算任务，我们正真看到在一些领先的单目、双目上是可以在一定程度上完成芯片级计算平台的，提供L1或部分L2功能，但是涉及到智能驾驶大脑，由于算法还远未成熟，除了极少数的一俩家公司具备自己的芯片解决方案，目前大多数的勇于探索商业模式的公司或传统Tier1采用的大都是板芯集成方案，比如奥迪A8所用的zFAS，Tesla的Autopilot 2.0/2.5、NVIDIA的Drive Ecosystem和Visteon的DriveCore；国内也有几家公司在做这方面的产品，目前来看，要实现L1，可能单目或者双目上的芯片就足够用了，而要实现L2，计算平台则需要32位的单片机，到了L3、L4，计算量陡升，这时，就需要集成高性能的CPUGPU等原件，这里的局限行，就体现在计算能力和功耗上，目前，全世界能量产的产品很少，百度Apollo给出的解决方案，是工控机，其他公司的可量产产品，预计到2019年才能供货；

  底层控制，主要指执行器，涉及更多的是传统技术，不得已提的是，这反而成为制约不少高科技勇于探索商业模式的公司的瓶颈，因为他们对车并不了解，我相信，这是他们（包括Google、百度等网络公司）在开始做智能驾驶时所始料未及的；

  本篇文章，我们关注在整个智能驾驶产业链中，最核心、技术附加值最高的一部分——智能驾驶大脑，也就是接收感知信号，做处理分析，然后输出执行命令的智能ECU。

  我们熟悉的Waymo、百度Apollo，以及最近融了很多钱的Cruise、pony.ai、roadstar.ai、驭势科技等，都属于智能驾驶大脑这个赛道的玩家。

  Waymo、百度Apollo等网络公司凭借着算法、算力的突破而让整个智能驾驶产业提速，也形成了由它们主导的共享出行市场；传统的车企和主机厂以及一级供应商，对个人汽车实现渐进式的无人驾驶。而在货运物流、环卫等特定场景，则由无数创业公司主导。

  由互联网公司主导的共享出行市场，它的技术路径是跳过L3，立即进入L4/L5；

  由主机厂（OEM）和一级供应商（Tier1）主导的个人车辆市场，它的技术路径是L2-L3-L4的渐进式路线；

  由互联网企业主导的共享出行市场，通常选择跳过L2/L3，直接去实现L4/L5，这里面典型的代表是Waymo、百度、Uber等互联网公司。这类公司的特点是，拥有雄厚的资金，具备算法上的优势，他们有实力直接做到最高级别的无人驾驶，然后再降维打击，实现低级别的无人驾驶，形成对市场的占领。

  和OEM不同，这一些企业不在乎短期盈利，他们的理念是，一旦做成了，就要颠覆出行行业甚至汽车产业。

  这条路线一方面需要算法的迭代、完善，另一方面需要车规级硬件的量产能力，主要是激光雷达。别的方面还包括基础设施（）和法律和法规的健全。

  以Waymo为例，Waymo与对手大概有1-2年的一马当先的优势，大多数表现在两个方面，一是算法，二是自产激光雷达。

  尤其是算法，目前，Waymo已经积累了804.7万公里路测里程，而Uber只有321.8万公里，这个差距体现的是算法的差距。目前的算法，其核心是基于规则的模式识别，除了将基本的交通规则写入算法外，在遇到各种交通规则不能覆盖的路况时，需要将路况信息记录下来，告诉汽车大脑，下次再遇到这一种情况如何处理，所以，L4/L5级的智能驾驶，是需要大量的数据去调校，去优化的，只有少数的路测数据，就得不到聪明的汽车大脑。所以，从这个方面去看，Waymo线月，Waymo向捷豹采购了2万辆高端纯电动SUV，而仅仅两个月后，Waymo 又宣布向菲亚特·克莱斯勒（FCA）采购 6.2万 辆 Pacif

  a 混动厢式车用于打造无人驾驶出租车队，这些车可能并不是在今年就能实现L4级共享出行，但一个最直接的作用是，有更多的车将要上路测试，Waymo将会掌握更多的数据去优化汽车大脑。Waymo与捷豹路虎联合设计和制造的高级电动全自动驾驶汽车

  显示，人类驾驶员平均每驾驶9656万公里会发生一起致命车祸，Waymo是每5595公里需要一次人工干预，而2016年的数字，是5000公里，一年只增长了10%，那要多少年才可以做到人类的驾驶水平？只要无人驾驶的安全性能达不到人类水平，那么落地应用就存在巨大障碍。所以，对这种一条技术路线，笔者的基本看法是，要很久以后才能落地，也许是2030年，或者有幸提前五年，但是不可能再早了。在真正无人驾驶到来之前，Waymo、Cruise、Uber还要烧很多的钱，国内的L4的勇于探索商业模式的公司也面临相同的问题，所以他们现在一个很重要的任务，就是要不停的融资，融到足够养活他们5-10年的钱，那他们就赢了，剩者为王！

  接下来，我们介绍循序渐进的第二条技术路线，代表企业如福特、奔驰、丰田等。这一些企业内部都具备强大的技术积累，他们从几十年前就开始努力发展安全辅助驾驶，当然，这一阵营里还有耳熟能详的汽车一级供应商（Tier1），著名的A（奥托立夫）B（博世）C（大陆）D（德尔福），其实，除了那些OEM巨头，更多的技术是掌握在Tier1手上的；几十年来，他们主导着汽车行业的发展，何时推出什么样的产品，都在他们内部的时间表里，他们通过早已验证有效的方式教育消费者，告诉他们要什么样的新产品。

  那么，这条技术路线进展到哪一步了？相信很多爱玩车的人，都尝试过一些进口车上的ACC和LKS功能，也就是自适应巡航和车道线保持功能，开启这个功能，能够让车在结构化道路，如高速公路上，以特定的速度沿车道线行驶，ACC通过视觉和毫米波雷达探测前方行驶车辆的距离和速度，从而控制本车的油门和刹车，在确保安全的前提下，让本车无人驾驶，当前方没有车时，就通过识别车道线，做到沿当前车道以定速行驶，即所谓定速巡航。

  这些都属于L2功能，从市场角度来说，附加ACC、LKS的车，比同型号的车高出3-5万，目前，大部分的高端车型，都具有这个选项。但是，L2功能还是人类司机在告诉车辆该如何行使，人类司机要时刻关注外部环境，只有到了L3，司机才能够放心的把车交给汽车大脑。

  目前，很多Tier1对外宣称已经具备了L3的技术水平储备，但耳听为虚，眼见为实，我们仍旧是要看真正量产的是哪些。而现在我们能在市面上看到的，就是2018新款的奥迪A8（和新款奥迪A6），他们搭载了名为“Traffic Jam Pilot”的特定条件的L3无人驾驶，这里的特定条件，具体指：

  这些特定条件，将奥迪A8收敛到了一个格外的简单的行驶环境——没有信号灯、没有行人的拥堵高速路。这确实是一个格外的简单的行驶环境，简单到让人觉得这怎么能叫L3级无人驾驶呢？不过，依照我们前面介绍的定义，可以在一定程度上完成特定场景的不需要人为干预的无人驾驶，确实要比L2更高级一些。但是，离全功能的L3还差很多，还需要突破速度限制、主动换道的限制。

  一个理想的L3级无人驾驶，应该至少现实从汽车上高速路，到下高速路，或者说从这一个收费站到下一个收费站，能够以最高时速（不违反交规），不需要人为控制，自动实现。

  目前，Tesla的Autopilot 2.0算是给出了这样的解决方案，Tesla号称目前车载的硬件水平已达到L4的能力，但是迟迟没有更新软件，再加上Tesla的高事故率，让人无法相信Tesla已经实现了L3级无人驾驶，最近Tesla宣布要开始做L4无人驾驶路测，其实，做路测这件事并不难（在介绍下一技术路线时会解释），但Tesla的技术积累到底能达到什么程度，笔者并不乐观，我们仍旧是拭目以待吧。

  在这条技术路线上，传统OEM和Tier1都在摩拳擦掌，并时不时秀一下肌肉。但何时能真正拿出一款完整的高速公路L3级无人驾驶，还不确定。

  个人认为，这一段时间，最快应该是在2020年。而国内的技术水平，大概要在2022年实现自主知识产权的量产能力，这一段时间点，可能和我们听到的某些国内主机厂提出的2020甚至2019年量产L3级无人驾驶有些出入，原因是，我所说的时间节点，对应的是全功能L3，而国内主机厂，非常有可能会在2019或2020年，推出一些版的L3，就类似今年要量产的奥迪A8，或者再强一些。

  其实，在产业界一直存在关于L3必要性的争论，硅谷新势力觉得应跳过L3，主要是根据是从驾驶员方面出发的：根据L3的定义，L3是人机共驾的状态，那么就存在人机切换的问题，比如，当汽车大脑遇到了紧急状况，超出了解决能力时，汽车需要提醒人类驾驶员去接管车辆控制权，但是，这一段时间是非常短暂的，这就要求驾驶员还是要保持清醒，还可以接收到来自汽车大脑的提醒。

  但实际情况是，大部分人是不太可能做到这一点的，因为人类很可能在L3无人驾驶情况下去看电影，玩游戏甚至睡觉休息，就像Tesla的那几起车祸，在危险来临时，汽车发出了警告，要求驾驶员接管车辆，但是驾驶员要么在睡觉，要么在看《指环王》，最后导致了悲剧的发生。因此，网络公司认为L3是个伪需求，应该跳过L3，直接为用户更好的提供L4级自动驾驶。

  这个说法确实有一定的道理，但是在笔者看来，L3还是有其必要性的，要阐释L3的必要性，我们大家可以从车企和用户两个角度出发：

  首先，从车企的角度来看，车企最关心的问题是量产并且占领市场，而L4/L5级无人驾驶，到可量产还需要5-10年，这期间巨大的市场需求，不可能空置，不断地推出智能驾驶功能，比如从L1的碰撞预警，到L2的自适应巡航，再到L2.5的自主巡航，再到L3的特定条件无人驾驶，这是一个不断去教育市场，占领市场的过程，如此长的价值链条，OEM是不会轻易放过的，即使通用收购了Cruise，我们也并不认为通用不会推出L3级产品；

  其次，从用户的角度看，以Tesla为例，就算在经历了多次事故、Tesla反复强调Autopilot不是无人驾驶而是辅助驾驶的情况下，我们仍就能看到个人车主把它当做L3去使用；再比如奥迪A8的Traffic Jam Pilot，他可以帮助用户在城市道路拥堵情况下，在保持跟车的同时去干点别的事情，这些都是用户能实际使用的，解决很多痛点的问题。

  笔者曾有幸体验过一家国内勇于探索商业模式的公司的从外观上完全看不出改装痕迹的L3级无人驾驶汽车，在高速上，汽车以最高120km/h的速度高速行驶，还可以完成主动变道超车，那一刻，我突然想到自己常常深夜开车回家，有时候还会打瞌睡，很危险，这辆车简直就是我的福音，当时我就问那家勇于探索商业模式的公司的团队，能不能把我的车给改装成L3级。所以说，从用户角度看，市场需求是确实存在的，有需求就有市场，有市场，OEM就不会错过。

  为什么那些网络公司或者有互联网基因的勇于探索商业模式的公司打算跳过L3？其实，除了上文提到的原因，还有一个很重要的原因，那就是这一些企业可能并不能搞定L3。因为L4的关键性技术突破在于算法，从感知融合到决策规划，都需要更强大的算法，这是网络公司的强项，而L3的技术突破点，在于将现有的算法量产。

  换句话说，现在的算法已经足够解决L3的问题了，关键是要怎么量产，而想要量产，感知、决策、控制就都要达标，勇于探索商业模式的公司想做好控制，没有多年汽车制造的积累是搞不定的。L4是个长板效应，只要算法搞定了，造车这事就能成。而L3是个短板效应（木桶效应），有任何一个环节搞不定，都做不出L3的量产车。所以，虽然从L4到L3存在降维打击的概念，但是，线级量产，恐怕要比做出L4还难。我们正真看到不少勇于探索商业模式的公司，包括百度，最初又做L3又做L4，但是慢慢的，就不做L3了，其中的原因一定很复杂，但是是不是具备改装车、设计车底层控制的能力，一定是个大难题。

  第三条技术路线是锁定特定场景的无人驾驶。我们已在杭州的大路上、在清华的校园里，看到阿里和京东的无人配送

  ，而在一些港口、产业园区、地下停车场、高尔夫球场、矿区、公园等等特定场景中，也有无人作业的车辆在运行。国内autowise.ai发布的无人驾驶清洁车

  首先，因为是在特定场景，所以环境相对简单可控，在具备高精度地图的情况下，对于感知和决策的算法要求就没那么高，有些场景甚至是固定路线的，所以，这条技术路线的技术门槛并不高，但却存在很多的know how，需要非常多的积累；

  其次，因为是特定场景，很多情况下，不需要等待国家的法律和法规就能轻松实现，因为矿区、港口等封闭场景都存在各自的交通法规体系，因此灵活性更好，在技术成熟的条件下，能够更快落地，从而就离现金流更近一些。

  我们简单的算一笔账。在港口、矿区或者园区环卫方面，最大的成本支出就是人工，假设港口的司机年薪20万，一辆车需要配两个司机，那一年就是40万，如果昼夜两班倒就是80万，而改装一辆车的成本，大概就是这么多，也就是说，一年就能收回成本，所以，在这些特定场景里，无人驾驶的市场是巨大的。

  因此我们就会看到，这条技术路线虽然没那么高大上，但却很受产业青睐，很多相关行业都在积极布局。

  作为投资机构，我们最关心的，是有哪些创业团队在这个赛道上比拼，当我们对这个赛道上的玩家从勇于探索商业模式的公司的团队背景和主要技术路线两个方面做分类，会发现一个很明显的分布特点：

  首先，我们将团队背景分为汽车背景、视觉背景和互联网背景（海归背景），其中，汽车背景，主要指的是那些从清华、同济、北理等老牌汽车强校车辆系或交通系出来的团队，这里面一个非常好的试金石，就是由国家自然科技基金组织的中国无人车未来挑战赛，类似美国的DARPA。

  从2009年起，每年的赛事都会吸引来自国内的众多高校代表队参加比赛，翻看历史战绩，天津军事交通学院、清华大学、北理的优势较为显著。过去几年，中国无人车未来挑战赛的比赛强度可谓日益提升，能够完整的跑完比赛，甚至夺得名次，没有多方面的积累是做不到的，这就是我们前面提到的短板理论：真正拉出来比赛的时候，感知、决策、执行，有任何一环做不好，都不可能拿到好名次；

  其次是视觉背景，通过摄像头，Mobileye的单目可提供L1的前车碰撞预警，斯巴鲁的双目可提供L2的AEB，更有肖建雄的AutoX，仅通过摄像头实现L4级无人驾驶。所以，视觉背景的团队，在智能驾驶勇于探索商业模式的公司中也是一支很重要的力量；

  第三类，就是互联网背景或者称作海归背景的创业团队，这些团队的核心成员，大多数都是从百度出来的，也有的可能辗转过Waymo、Apple、Tesla、Uber等国外知名智能驾驶团队。显而易见，这种背景的团队，在环境感知和决策算法方面是具备突出优势的，他们最早看到

  在图像处理和路径规划上的巨大潜力，最早参与了智能驾驶的研发，带着硅谷高科技公司的先进算法，顶着耀眼的海归光环，他们是国内勇于探索商业模式的公司中曝光率最高的一类，因此，到目前为止，也是估值最高的一类。

  如图所示，我们把这三种背景的勇于探索商业模式的公司，分别按照他们目前的技术路线进行摆放，一个很明显的趋势就显现出来——汽车背景的团队，集中在特定场景，视觉背景的团队集中在ADAS/L3，海归背景的团队集中在L4/L5。

  这样的分布趋势，和我们前面介绍技术路线特定形成了很好的相互验证，一个最直观的结论就是——专业的人干专业的事。低速特定场景的这些团队，如果想去做L4/L5，我想他们是很难说服投资人的，因为，他们的算法积累并不好，而如果海归背景的人想要进特定场景，不光投资人不看好，特定场景的产业方也不会认同，因为就连L4团队自己的demo都是找汽车背景的团队去改装的，更别提去改装一个3米宽，20米长的大卡车了。按照这一个分类，还有很多的趋势可以去挖掘，比如：

  赚钱快：特定场景有现金流，能养活自己，ADAS/L3有联合研发项目经费，死不了，L4/L5靠融资活着；

  想象空间：特定场景局限在特定场景，陷入追求量产、压低成本的泥潭，ADAS/L3面向3000万国内自主品牌产销车，想象空间巨大，L4/L5颠覆汽车产业格局；

  其实以上只是一个非常粗略的比较归类和趋势判断，目前，很多汽车背景的团队在招募精通算法的人才，而海归团队也在寻找汽车背景的支持，拿到融资的团队，都在不断的扩大研发队伍，弥补自己的短板，优化自己的解决方案，让自己的“汽车大脑”变得更聪明，更安全。智能驾驶兴起这几年，我们确实看到了创业团队在不断完整、完善，都在朝着独角兽走去。

  这个赛道上，除了创业者，还有投资者，所以聊完创业团队，我们也来聊一聊无人驾驶投资。

  现在的投资者已经很少是纯财务投资的了，带上产业性质的资本，在智能驾驶这个产业，跟创业者的关系会变得很密切。而单纯从产业协同的方面出发，我们大家都认为，汽车、地产、物流、出行都会因为智能驾驶的到来而出现重大变化。汽车和出行行业我们不再解释，前面已经说得很清楚，而很多时候，因为一件事情很贴近我们的生活，就会让创业者或投资人更容易去想象他的发展空间，而除了乘用车，除了共享出行外，商用车领域同样存在巨大的智能驾驶的落地价值。

  我们先看物流。物流行业有可能可以分为三类，普通快递，货车运输和重型设备物流。

  对于普通快递，目前我们已看到了阿里、京东的物流机器人在城市道路上跑，送快递，送外卖，可能现在的效率还不高，但是随技术的迭代升级，我们很确定他会取代相当一部分的人工快递工作，为社会节约更多的劳动力，创造更多的价值；

  其次，货车运输，这种物流的模式是在全国各地分布了非常多的物流中心，货车往返物流中心运输各类货物，所以它的特点是路线基本固定，而且是通过交通干道运输，这就为智能驾驶提供了成熟的落地条件，目前我们已看到很多公司，不管曾经是否从事物流行业，都在布局干线物流，投资勇于探索商业模式的公司，收购物流车队，甚至布局高精度地图、收购货车主机厂；

  最后一类，是重型设备物流，这样的领域是个容易被大家忽略的方向，因为他离我们的生活实在太远，然而正是这种巨型卡车或者板车，他们常年以不到60迈的速度行驶在高速的特定车道上，运输这各类如压路机、摊铺机、巨型变压器等等重型物资，成为了智能驾驶最可能率先落地的场景——低速、特定场景、结构化道路。

  中国是物流大国，据统计，全国有超过700万辆长途重卡、100万辆重型板车和3000万物流司机，整体物流也占GDP的17%，这是一个怎样的市场可想而知，如果把一半的物流司机换成智能驾驶，按物流司机年薪10万来计算，那也是一个万亿级的市场。而智能驾驶除了降低物流成本，还会让物流交通更安全，因为“汽车大脑”是不会存在疲劳驾驶的，而超过一半的物流交通事故起因都是疲劳驾驶。因此，不论从成本还是安全角度去考虑，物流行业很有几率会成为第一个被智能驾驶洗牌的万亿级市场。

  再看地产，地产分很多种，我们大家都认为，商业地产、园区地产是智能驾驶落地更快的场景。如今的各位地主，都在提倡智慧家园、智慧园区的概念，如何体现智慧？一个很好的方式，就是无人驾驶的摆渡车或是通勤车，早期，可以在小区或者园区内进行运营，而后，就可以将覆盖范围拓展到附近的地铁站或超市，解决小区内居民或园区用户的短途出行问题。我们始终相信，未来的地产商进行区域规划时，一定在社区交通、设施布局等方面，把智能驾驶的因素考虑进来。

  介绍了智能驾驶的这些勇于探索商业模式的公司和产业前景，一个非常关心的问题就会浮现出来，那就是智能驾驶的产业化时间节点。

  其实，在前文在介绍技术路线时，我们已剧透了本节的内容。最近新媒体平台车云和陈卓博士共同写了一本新书，名叫《智能汽车决战2020》，我想，不管是以上哪种技术路线还是从目前各个主机厂公布的量产计划，2020年都是一个最重要的时间节点。

  先看特定场景。虽然现在有些场景已经有demo入场，但是demo终究是demo，demo的作用，是适应场景，收集反馈信息，完善算法，这个demo可能并不是最终配置，可能不是车规产品，可能在某些情况下不能工作，但是，如果真的量产，是一定要做到在任何工况下都满足安全标准的，这就对软件算法和硬件质量有很高的要求。

  以最简单的通讯信号为例，在特定场景，智能网联是很重要的技术环节，但是目前的通讯并不能确保任何时间都信号接受良好，那么一个很自然的问题是，如果通讯信号断了，汽车能不能安全的停下来，或者继续安全行驶，直到恢复信号，这一点，目前很多勇于探索商业模式的公司是不敢拍胸脯保证的。

  诸如此类的问题，我们大家都认为，要完成这样的迭代、优化，大概还需要1-2年的时间，所以，真正特定场景的量产，要等到2020年。现在，我们在清华的校园里已经能看到无人配送车送快递、送外卖了，在一些矿区，我们也看到机器人在代替人类旋转方向盘，左脚刹车、右脚油门去控制高大的矿车，我们始终相信，这些demo进入特定场景后能获得快速的迭代，他们很快就会为这些场景带来非常大的变化。

  再看L3级无人驾驶，我们有很大的信心，认为到了2020年，中国的高速公路上可以行使L3级无人驾驶，从进入高速，到出高速，汽车大脑帮我们解决这段路程的各种驾驶问题，我们能把时间花费在更有意思的事情上。很多人会疑惑：明明政策还没出来，法律和法规还没出来，到时候出了车祸怎么办？

  看似还有很多问题摆在我们面前，但是，我们要相信技术的强大生命力，所有那一些问题，在任何一个新生技术出现时都存在，但是，没有一点一项技术是因为那一些问题而夭折，原因是，当技术成熟时，整个产业都会被市场推着向前走，哪怕身上挂着各种制约因素。

  奥迪A8今年量产，虽然是版的L3，但是两年的时间，难道还不会把其他的功能补齐吗？所以，我们最关心的问题应该是，到了2020年，3000万国产汽车中，有多少能搭载L3级无人驾驶，而为这些无人驾驶汽车提供“汽车大脑”

  的，是主机厂自己，还是国外的Tier1巨头，还是国内的勇于探索商业模式的公司？从政策、国家安全、技术储备、市场等各方面考虑（若展开讲需要很大的篇幅），笔者的判断是：汽车就是武器，汽车的安全标准是仅次于军工而远高于

  的，而作为智能驾驶的汽车大脑，一定要有国家自主知识产权的市场空间，这个比例有多大我们不好判断，但能确定的是，到了2020年，国内一定会有一两家，甚至四五家勇于探索商业模式的公司（毕竟中国有70多家主机厂），成长为L3级智能驾驶解决方案的供应商，面对3000万的国产汽车，这一个市场空间是巨大的。再说L4/L5，在前文介绍中，我们提到L4/L5的落地应用，至少还有5-10年的时间，但是，在此之前，我们一定会看到很多勇于探索商业模式的公司，在某些特定的地方，比如一个经济开发区，一个智慧小镇，提供L4级无人驾驶共享出行的运营服务，就像现在Waymo已经在拉斯维加斯开始试运营一样，不去采集这一些数据，算法是永远都不可能改进的，而能否做好一个小镇的无人驾驶共享出行，将是这些勇于探索商业模式的公司最好的试金石。

  2020年，将会成为智能驾驶产业最重要的年份之一，它将是国内这些勇于探索商业模式的公司的决战年，在这一年，将会有一次现存勇于探索商业模式的公司的大洗牌，谁能拿到量产订单，谁能拿出真刀真枪的运营数据，谁就能走向伟大，成为智能驾驶领域线亿美元估值的独角兽企业。

  这是最坏的时代，也是最好的时代。中美贸易摩擦一直在升级，中国知识产权政策遭受质疑，《中国制造2025》面临严峻挑战，智能驾驶、智能网联是人工智能的集大成者，是国家重要的战略发展趋势，能否在这条赛道上取得世界领先位置，就是由我们上面提到的这些勇于探索商业模式的公司和OEM决定的，2018年，智能驾驶东风正盛，将有更多的资本涌入这个赛道，我们大家都希望在资本的助力下，智能驾驶技术能加快速度进行发展，政策能进一步开放，评估机制能尽快落地。

  文章出处：【微信号：AI_era，微信公众号：新智元】欢迎添加关注！文章转载请注明出处。

  电动汽车的无线充电技术如今日益成熟，但是在实际应用中依然存在充电效率低、安全性等问题。电动汽车无线充电技术距

  的视野，在可见的将来，估计监控将在很多程度上对视频监控应用模式产生一定的影响。一直以来，以CCD为代表的图像传感器技术经过不

  家居最早的功能是为人类提供遮风避雨和安全防护的功能。随人类改造自然能力的逐步的提升，相应对家居的要求也逐步的提升。人们期望所生活的家居能够不断

  ”的主题论坛。其中，海尔智慧家庭创新总监邹恒浩、清华大学物联网中心主任赵滨，中科院遥感地球所的研究员彭玲，与

  多大差距？一、5G是什么？第五代移动电话行动通信标准，也称第五代移动通信技术，外语缩写：5G，也就是4G

  行为。第十九届中国国际高新技术成果交易会近日在深圳落下帷幕，在本届高交会上

  在网络都已经到5G的今天，我还听到有些人说家居物联很难很复杂，所以今天笔者就来和大家一起讨论下，家居物联距

  道路测试范围。已开放载人测试许可的有北京、上海、广州、长沙、武汉、沧州6个城市。

  技术应用还能够大大减少因为井盖年久失修而造成的人员伤害和财产损失。智慧城市

  ？伴随着物联网技术的快速迭代升级，NB-IoT解决方案进一步丰富不同的终端产品，智慧城市正逐步实现中。 NB-IoT 的角色扮演

  当今，随着5G技术的持续不断的发展，慢慢的变多的人对5G感到不陌生了。然而，还有很多人产生一个疑问：5G距

  ？ /

  从德国工程师卡尔本茨完成首台样车的搭建到第一台可供出售的汽车，奔驰用了两年；从单个生产到流水线大批量标准化生产，福特用了10年；再看量产级的

  最近元宇宙话题真是太热门了，许多科技巨头都已经入局了元宇宙，许多人认为元宇宙是虚拟世界和现实世界融合的载体，那么宇宙

  openresty-systemtap-toolkit实时Nginx分析和诊断工具

  【Longan Pi 3H 开发板试用连载体验】给ChatGPT装上眼睛，并且还可以语音对线，图像采集与物体识别

  【Longan Pi 3H 开发板试用连载体验】给ChatGPT装上眼睛，并且还可以语音对线，FastAPI服务器搭建与TTS播放

  【Longan Pi 3H 开发板试用连载体验】给ChatGPT装上眼睛，并且还可以语音对线，音频采集

  【米尔-瑞米派兼容树莓派扩展模块-试用体验】基于ROS系统的三麦轮小车自主导航