我已授权

注册

报告:无人驾驶20年后规模应用 5年后产品成熟

2016-11-13 02:30:00 和讯网  小饭桌创业研究院

  一方面,今年10月,Uber用无人卡车运载5万瓶啤酒跑完120英里,

  Google宣布其无人驾驶汽车已累计行驶48万公里;

  另一方面,

  特斯拉自动驾驶发生事故,

  无人驾驶汽车成本居高不下;

  所以,无人驾驶从现在到规模应用,还缺些什么?

  哪些地方有创业机会?什么是无人驾驶?无人驾驶分5级,级别越高自动化程度越高1-3级属于半自动驾驶,即辅助驾驶——案例:特斯拉,目前2级

  3级以上达到全自动驾驶——案例:Google,5级(备注:美国机动工程师协会(SAE),美国高速公路安全管理局(NHTSA))有的从半自动驾驶过渡,有的直接跃入全自动

  无人驾驶并不一定是循序渐进的过程,半自动化过程还需考虑与人的互动,很多公司选择直接迈向最高级。两条路径:路径一,从半自动驾驶逐渐过渡——特斯拉;路径二,直接跃入全自动驾驶——谷歌、百度、乐视。直接跃入全自动驾驶是更主流的模式

  半自动驾驶涉及人机交互,与全自动不是渐近而是分离的两条路子。

  半自动模式采用

  ADAS,主要功能不是控制汽车,而是通过环境分析,预先警告可能发生的危险状况,让驾驶人提早采取因应措施。

  ADAS涉及与人的交互,新难点是需要监测驾驶员的注意力。

  直接跃入全自动驾驶是更主流的模式——特斯拉最新的计划也是直接面向全自动。

  半自动驾驶短期内在卡车上有一定应用空间。驾驶员还是要保持全集中的状态。卡车驾驶对司机压力较大,辅助驾驶能起到一定优化作用。

  (备注:ADAS-Advanced Driver Assistance Systems,先进驾驶辅助系统)

  传统汽车厂商、配件厂商、电动汽车厂商、互联网公司都在积极布局。

  

除此之外,共享出行公司也在积极布局:Uber已成功用无人驾驶卡车运送啤酒。

  除此之外,共享出行公司也在积极布局:Uber已成功用无人驾驶卡车运送啤酒。

  (备注:获得加州车辆管理局颁发的牌照,被允许在加州的公共道路上进行自动驾驶测试)

  

(数据来源:HIS,LMC Automotive)

  (数据来源:HIS,LMC Automotive)

  车辆行驶出现意外的危险非常大,无人驾驶应追求接近

  100%

  的安全系数。

  航空安全系数是6个9,即99.9999%,计算机行业是4个9,无人车至少要做到5个9。

  目前一辆全自动驾驶汽车的造价约为同款普通汽车的

  10-20

  倍。

  Google无人驾驶汽车造价$30万,其原型汽车造价约$3万。

  核心组成部分:高精度定位、障碍识别、决策

  

和一般的汽车不同,Google 无人驾驶汽车没有方向盘、油门踏板、刹车,依赖传感器和软件完成驾驶。

  和一般的汽车不同,Google 无人驾驶汽车没有方向盘、油门踏板、刹车,依赖传感器和软件完成驾驶。

  

高精度定位是主要的技术难点和成本来源——整车成本

  高精度定位是主要的技术难点和成本来源——整车成本

  $30

  万,其中激光雷达

  $10

  万、高精度

  GPS

  导航系统

  $15

  万。

  安全方面:

  从2009年开始正式立项,已有

  7

  年

  历史。已有100辆测试汽车,累计行驶

  48

  万公里。低速测试,逐步提速:第一波测试车辆行驶速度仅

  3

  英里

  /h;最近一波

  25

  英里

  /h

  (约40km/h);多次因行驶速度过慢被交警拦下。

  成本方面:

  激光雷达单个定制成本最初是

  $10

  万,目前已降至$7万。Google的激光雷达供应方Velodyne表示,如果规模生产,未来可降至

  $500

  ——仅原来的百分之一不到。招聘激光类机械工程师,可能会完全自主设计制造激光雷达系统。

  用途方面:

  一是共享出行,早期投资Uber,撕逼后又收购Waze拼车。二是从日常出行到工业用车,Google无人驾驶系统专利上表示,其适用范围“包括但不限于轿车、卡车、摩托、大巴、船、飞机”。

  高精度地图前期投入巨大,一般企业无法负担

  无人驾驶对定位精度要求极高,一般地图无法满足需求,必须要高精度地图。

  

后装无法满足需求,需与汽车厂商合作,进行前装。

  后装无法满足需求,需与汽车厂商合作,进行前装。

  高精地图需要与车内摄像头、激光雷达等传感器信息交互才能发挥作用,这就需要与车内的总线互相通讯——后装或者手机的方案无法满足。

  (数据来源:《高精地图指引未来,高壁垒铸就行业稀缺》长江证券(000783,股吧))

  常规地图精度在

  10m,少数能到

  1m。

  高德宣布,今年年内实现高速路

  100%

  高精度数据覆盖,精准度

  0.1m。

  但非高速路还是只能到1m。

  新型卫星算法可能可以提高精准度。

  据称,美国加州大学研发人员研发出一种全新算法,通过减少卫星的运算量,利用现有卫星(无需发射新卫星),即可将精确度提升到0.01m。

  其他尚存问题:进入隧道等偏僻位置时接收不到卫星信号,失去定位功能。

  (数据来源:KOTTI,内部访谈)

  没有高精地图也能实现一定程度的无人驾驶,这种情况下,路面信息主要通过传感器实时采集信息。

  

但是传感器定位会带来极大的计算负担和成本,定位效果也不及地图。

  但是传感器定位会带来极大的计算负担和成本,定位效果也不及地图。

  障碍识别相对容易,但还是要考虑一些特殊情况。

  情况一:识别移动物体——计算行人、车辆行驶速度,从而找出合理避让方案。

  原理:通过波往返时间及距离测算。

  情况二:识别物体材质——石头和树叶对行驶的影响程度是不一样的,要区分。

  AI通过训练可以准确的识别特定物体,但很难达到辨识每一种物体的属性。波的反射情况能一定程度识别物体材质。

  情况三:特殊环境——阴天、雷雨、雾等恶劣天气会影响可见度、波在空气中的传播。

  毫米波雷达只能用于辅助驾驶,全自动驾驶还是需要激光雷达。

  全自动驾驶目前绕不开激光雷达。

  不可替代性——探测精度高;优点——探测范围广,360°全方位。缺点:在雨雪雾等极端天气下性能较差;采集的数据量过大;目前造价极高。

  毫米波雷达主要应用在

  ADAS,技术相对成熟。

  优势:穿透雾、烟、灰尘的能力强。缺点:探测距离短,无法感知行人,无法对周边所有障碍物进行精准建模。

  (信息参考:《车载毫米雷达波——无人驾驶汽车之“眼”》中投证券

  激光雷达成本过高的原因是没有规模化。

  激光雷达处于手工组装和调教阶段,人工成本和工厂成本都非常高,但材料成本并不高。

  规模制造有望大幅压低雷达成本。

  多个激光雷达制造商都表示,未来如果生产规模到100万,可将成本降至$500——仅原来的百分之一不到。

  

【小饭桌报告】无人驾驶20年后规模应用,5年后产品成熟,而你现在就要做好准备

  雷达是核心部件,为避免被上游控制,很多公司都可能自建雷达研发团队,例:

  Google。

  (数据来源:IT桔子,Crunchbase,公开信息整理)

  摄像头可靠性高,成本和门槛也不高。

  99%

  情况下可靠,成本

  $10-20,主要供应商是

  Delphi、

  Continental。唯一的问题是,在雨、雾等特殊环境不能发挥作用。

  图像识别准确度已经不错,而且还有提升空间。

  百度全景图像的自动化识别提取准确率高达

  95%。对比:目前图像识别应用得最好的领域是面部识别,准确率到

  99%

  以上。

  Google

  无人驾驶产生的数据流量达到

  1GB/

  秒。

  运算速度需求:

  50

  万亿次

  /

  秒——大通量、高速计算能力。

  来自传感器(雷达、摄像机)、显示器、防撞预警系统等多类配置。

  每个装置都有独立的芯片进行运算,一辆汽车的芯片数量大约有

  600

  个。

  (数据来源:Google,《无人驾驶,驶向未来》招商证券(600999,股吧),HIS,公开信息整理)

  芯片价格中等,但很难有降价空间:

  ADAS

  普通

  性能芯片每辆汽车

  $250-350, ADAS

  高级

  性能芯片每辆汽车

  $1,200。

  市场规模及增速:

  2015年

  $290

  亿;预计2015年-2020年,

  CAGR=7.7%。

  (数据来源: 《无人驾驶,驶向未来》招商证券, Gartner,IDC,IT桔子,Crunchbase)

  芯片构造的三个解法:

  CPU+GPU;

  CPU+FPGA;

  ASIC

  中央处理单元(

  CPU):

  像一个什么都会的老教授,但所有工作都交给他还是会有点累

  图形处理单元(GPU):

  像一群小学生,但是算加减法又多又快

  现场可编程门阵列(FPGA):

  像一个潜力生,训练以后,在某个领域特别擅长

  专用集成电路(ASIC):

  像一个专业教授,但为了培养这个教授,需要巨大的资源——除非批量培养,否则不值得为一个人,搭建这套教育体系

  过去:各类配置的芯片可能需要行业里供应链上多个集团的参与。

  未来:一个芯片供应商,整合所有芯片的功能——协同运算提高效率。

  (数据来源:Google,《无人驾驶,驶向未来》招商证券,Gartner,IDC,公开信息整理)

  安全问题:先生蛋还是先生鸡?

  驾驶要保证绝对安全,意味着要安全了才能上路,而没有足够的上路行驶数据积累,就不能做出很好的模型。

  伦理问题:紧急情况如何设定?

  问题一:应该优先保护谁才是正确的。情况举例:两个方向,来不及刹车,A方是突然迎面违章驶来的客车,B方是正常行驶的卡车,A方会造成更多伤害,但B方是完全无辜的,该如何抉择?问题二:出现事故,过失责任如何认定。

  中国公司的机会:

  各国的交通规则、行驶环境、驾车方式都不同,在美国的决策系统,在中国不一定适用。

  (数据来源:《高精地图指引未来,高壁垒铸就行业稀缺》长江证券,IT桔子,虎嗅)

  乘用车车主是自由的,而商用车通常肩负一定使命,常是集体行为,涉及车辆间通信;而且商用车使用频率高、耗损大,减少阻力、节省燃油对效力提升作用大。

  

(数据来源:Crunchbase,公开信息整理)

  (数据来源:Crunchbase,公开信息整理)

  

难度低,但是需要与厂商合作。

  难度低,但是需要与厂商合作。

  常用的控制方法:电磁控制系统,通过电磁原理控制相应的部件。常用的算法:PID,传统的PID即可。

  既可控制燃油汽车,也可控制电动汽车,与电动汽车的契合度会更好一点。

  汽车网络安全目前是重点

  +

  盲点。

  慕尼黑再保险公司面向企业风控经理做过一次调研,调研中,55%的人将网络安全看作是无人驾驶汽车面临的最大问题。

  目前仅有少量公司涉足这个领域。

  Argus曾在2015年获得$2,600万B轮融资,后被英飞凌(Infineon)收购。

  (数据来源:Crunchbase,公开信息整理)

  基础设施的机会只是第一波,很快会结束

  

(数据来源:《无人驾驶,驶向未来》招商证券)

  (数据来源:《无人驾驶,驶向未来》招商证券)

  由于无人驾驶

  +

  共享用车可以大幅降低出行成本,未来汽车保有量可能会大幅下降

  40%,例,美国可能下降

  43%。

  事实上,仅从需求角度来讲,无人驾驶推广后,所需的汽车数量会下降

  70%。

  送抵目的地后,汽车可以自己寻找车位,或者继续工作——几乎不需要停车场。

  

无人驾驶可以有效缓解停车位不足、停车场侵占大量城市空间的问题。

  无人驾驶可以有效缓解停车位不足、停车场侵占大量城市空间的问题。

  目前国内停车位缺口过亿,停车场占据

  15%-40%

  城市空间,未来还会更严重——到2050年,全球城市人口将增长66%,达到25亿人。

  (数据来源:美国银行,联合国,公开信息整理)

  改变维修、保险市场的容量,重构参与方及其运作方式。

  目前

  99%

  的交通事故都是人为疏忽引起,保守估计无人驾驶可以降低

  90%

  的事故率——相应的维保市场也会缩减。

  当机器承担了司机的功能,相应也免除了司机的驾驶失误责任,过往基于人员驾驶的保险产品、责权划分、理赔途径都会相应改变。

  (数据来源:世界卫生组织,公开信息整理)

  无人驾驶可能会对很多行业带来变革

  

司机开车的途中可以做别的事,以美国为例,人均单程通勤时间50min,无人驾驶每年可解放约2,000亿小时。

【小饭桌报告】无人驾驶20年后规模应用,5年后产品成熟,而你现在就要做好准备

  司机开车的途中可以做别的事,以美国为例,人均单程通勤时间50min,无人驾驶每年可解放约2,000亿小时。

  

完成从导航到消费的一体化流程,成为线下消费入口。


  完成从导航到消费的一体化流程,成为线下消费入口。

    文丨吴杨可月 小饭桌创业研究院出品

  *特别鸣谢险峰长青高级投资经理杨润心(微信:vision321,runxin@k2vc.com,关注车、科技)在专业知识上的贡献

(责任编辑:孙立欣 HF017)
看全文
和讯网今天刊登了《报告:无人驾驶20年后规模应用 5年后产品成熟》一文,关于此事的更多报道,请在和讯财经客户端上阅读。
写评论已有条评论跟帖用户自律公约
提 交还可输入500

最新评论

查看剩下100条评论

热门新闻排行榜

【免责声明】本文仅代表作者本人观点,与和讯网无关。和讯网站对文中陈述、观点判断保持中立,不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考,并请自行承担全部责任。