关于「无人驾驶」,一位投资大佬给出了四大预判
编者按:辰韬资本执行总经理贺雄松近日出席中信证券某活动,并做了无人驾驶相关主题分享。分享内容干货满满,涉及Robotaxi落地、激光雷达商用、造车新势力之争等等。藉由此,新智驾依据原文作了不改变原意的整理与编辑。基此成文,以飨读者。
在贺雄松看来,自动驾驶行业共有两轮投资热潮:
第一轮兴起于2015年左右,2018、2019 年到达顶点 ,衰弱于2019年。
根据美国智库布鲁金斯学会报告数据显示:仅在2014年-2017年间,自动驾驶汽车领域投资总额超过800亿元。
此后,创投机构整体投资节奏放缓,投资者们也意识到L4级及以上自动驾驶商业化落地周期过长,自动驾驶初创公司融资频次开始降低。
在资本寒冬的2019年,Roadstar.ai、Drive.ai等自动驾驶明星公司相继倒下。
随着特斯拉等造车新势力产量提升,以及资金退出方式多元便捷,2020年成为重新点燃资本对自动驾驶投资热情的关键一年。
更为重要的是,自动驾驶商业化进程明显加快,自动驾驶公司们已在特定场景或是开放道路中尝试商业化运营可能。
今年,图森未来成功登陆IPO,北京市高级别自动驾驶示范区给予京东、美团、新石器无人配送车相应路权,亦成为自动驾驶技术落地的积极信号。
在此背景下,贺雄松对自动驾驶商用车场景及"最后 1 公里"无人配送前景趋势进行预测分析。
预判 1:开放高速载人落地仍需等待 10 年以上
自动驾驶各应用场景不同,技术要求不同,落地时间也因此不同。
当前,自动驾驶在封闭低速场景的应用主要集中在矿山、港口、末端配送等三个领域。
相对而言,矿山的整体落地环境最为友好。
矿山多在偏远地区且人烟稀少,相对简单的运营环境对自动驾驶技术容错率较高,无人矿卡在此拥有更多路权,运营商可根据需求自行规划行驶路线。
相关数据显示:国内矿山自动驾驶市场规模超千亿,露天煤矿的土石方运输是最适于自动驾驶推广应用的场景,其市场空间超过450亿元/年。
在此背景下,踏歌智行、慧拓智能、易控智驾、希迪智驾、跃薪智能等自动驾驶公司齐聚于此。
辰韬资本预计,国内无人矿卡将在2022-2023年将开始实现商业化应用。
港口方面,由于其道路结构化程度较高,运营环境相对简单,因此自动驾驶卡车的港口路权相对较多,这也为自动驾驶商业化运营带来可能。
过去几年,斯年智驾、西井科技、飞步科技等自动驾驶公司将目光聚焦此处,其中,斯年智驾近期拿下全球首个港口无人驾驶商业化付费订单。
在开放道路中,根据道路环境的不同可分为Robotaxi和干线物流。
Robotaxi需要在城市道路、高速道路中穿行,其最高行驶速度可达120km/h。
复杂的运营环境、较长的刹车距离对Robotaxi的预判、传感器、制动距离提出更高要求。
贺雄松认为,目前Robotaxi在应对以上挑战时仍显乏力,短期内较难落地。不过,或许可以通过环境降维以降低技术难度。
具体而言,首先将Robotaxi的行驶速度由120km/h降低为50、40km/h;其次,挑选相对简单的道路供Robotaxi试运营,通过技术迭代逐渐扩大应用场景。
同样地,干线运输的完全无人化运营时间仍未可知。相较于Robotaxi,无人卡车的制动距离更长,事故危害性更大,容错率极低,这也对技术提出更高要求。
然而一旦干线运输真正实现全无人运营,其省油、安全、低成本的特点或将创造比Robotaxi更广阔的市场空间。
基于以上特点,贺雄松判断封闭低速载物场景需要 2-3 年才可以落地,高速载物场景需要 5-8 年,而开放高速载人需要 10 年以上。
预判 2:无人配送批量应用将在未来三年爆发
去年12月24日,提供末端无人配送服务公司Nuro获得加州第一张商业运营牌照,成为全球首家商业化运营的无人驾驶公司。
获得商业运营牌照后,Nuro获准在加州圣马特奥县和圣克拉拉县开启商业化运营,日常配送食品、饮料、药品和其他产品。
针对国内无人配送场景,贺雄松的看法似乎与Nuro一致。他认为,商超零售场景与无人配送最为匹配。
目前,国内典型无人配送共有三大场景:快递、外卖与商超零售。
快递的即时性要求不高,等待时间较长但数量很大;外卖的即时性要求高,等待时间短,但环境很复杂。另外,并非每个商家都配套停车设施,因此取件和配件存在不确定性。
而商超零售的即时性要求比外卖低,配送路线更固定,同时商超零售的线上业务已有成熟的仓库和配送人员,配送的基础设施更为齐全。
因此,无人配送非常适合在商超零售场景中应用。
目前,国内无人配送企业主要分为三类:
- 互联网科技公司,如阿里、京东、美团等;
- 初创公司,如白犀牛、新石器、一清创新等;
- 主机厂及Tier 1背书的公司,如毫末智行、东风悦享。
辰韬资本发布的《末端无人配送赛道研究报告》认为,城市配送"最后一公里",是物流配送业成本最高的环节。
当前,因车型、传感器方案等成本不同,无人配送车的整车成本在20万至50万元不等。再算入保险、车辆运维、现场安全运维、后台远程监控/操作人员费用、云平台服务费用等成本,无人配送车的成本将进一步增加。
贺雄松认为,无人配送批量应用将在未来三年迎来爆发。
首先,随着未来三年无人配送车批量生产,其整车成本将降低至10万元以内。
无人配送车的技术迭代也将取消车辆运维、现场安全运维、后台远程监控/操作人员等费用,成本将大大降低。
其次,无人配送市场规模达千亿级,美团、京东、阿里巴巴等互联网科技公司已经将无人配送车实际应用。
如阿里巴巴在全国数十家高校投放小蛮驴,为师生配送快递包裹;京东、美团多次在疫情期间为医院、社区运输医疗生活物资。
而当前各公司逐步在多种场景开启无人配送,或可视作无人配送在批量应用的前夜。
第三,随着过去几年企业在无人配送业的多种尝试,其商业模式已初步成型,技术也可支撑部分场景需求。
尽管国外的无人配送车已先行落地,但贺雄松认为国内的无人配送行业或将更容易实现盈亏平衡。
究其原因,在于国内的城市人员密度更大,接单效率也将更高。在未来中外无人配送车的硬件成本相差无几的情况下,国内大批量的无人配送订单将更快为企业实现盈亏平衡。
而实现这一点的关键,在于技术能否解决无人配送车的安全问题。
预判 3 :激光雷达的竞争是半固态的竞争
在贺雄松看来,激光雷达本质上并不存在技术方案的路线之争,不同的技术路线满足不同阶段的市场需求。
当前纯固态激光雷达主要分为flash 和 OPA 方案,后者在国际上的发展已基本停滞。
在众多企业的研发下,flash 方案的探测距离已提升至 100 米,但这仍不适用于对探测距离要求数百米的高速公路场景。
贺雄松认为,纯固态激光雷达的探索范围是否能更远仍然未知,一昧押注纯固态激光雷达或将面临风险。
据中金研究预测,纯固态激光雷达方案距离技术成熟以及大规模量产仍需要5年以上时间。
半固态激光雷达目前已经搭载于量产车型之中,在中短期内或将成为市场的主流选择。
在未来的市场竞争之中,各公司的半固态激光雷达解决方案是否能满足市场需要,将影响公司的产品销量。
目前,头部公司在半固态激光雷达的各个技术路线都有研发,头部公司也将拥有更多的生存机会。
此前, 车规级激光雷达主要面向自动驾驶汽车。自今年起,车规级激光雷达开始前装于乘用车,一个前装市场正在缓缓打开。
蔚来ET7、智己汽车、上汽MARVEL R、上汽R汽车ES33、小鹏P5、极狐阿尔法 S 华为HI版等具备一定自动驾驶功能的智能汽车面世,正式开启激光雷达前装量产元年。
随着智能汽车的自动驾驶等级提高,激光雷达在传感器中的作用也将从辅助走向主导。
咨询机构Yole的一项数据显示:2020年全球大约有20万颗激光雷达用于智能驾驶,相关销售额大约为9500万美元;至2025年,全球有望340万颗激光雷达用于智能驾驶,相关销售额大约为15.35亿美元。
因此,在巨大市场爆发之前,激光雷达公司应快速对接产品实际需求,进而快速迭代产品。
预判 4:造车新势力目前无法达到L3级自动驾驶
特斯拉、小鹏、蔚来、理想目前都只是辅助驾驶,离L3级自动驾驶仍有一定距离。
根据今年4月SAE联合ISO合作发布的最新版本的分级标准定义,SAEL1-L2级被命名为驾驶员支持系统(Driver Support Systems),SAEL3-L5级所用术语为自动驾驶系统(Automated Driving Systems)。
L3和L4自动驾驶功能可以在系统运转时监视和强制执行其ODD限制,并防止使用或操作超出其规定的ODD。
ODD即运行设计域(Operational Design Domain),随着自动驾驶级别的提高, ODD也将适应更多的道路及环境。如果在不符合ODD的条件下运行,则必须由驾驶员接管。
根据《汽车驾驶自动化分级(报批稿)》显示,L3级的动态驾驶接管任务的对象为驾驶员和系统动态接管,而L2级仅为驾驶员接管。
因此,小鹏在宣传NGP辅助驾驶功能时经常强调其属于"辅助驾驶"范畴,绝非"替代"用户。
目前,国内三大造车新势力已构建各自的壁垒:如蔚来的品牌塑造,小鹏的自研算法,理想的产品定义等。
另外,造车新势力也面临着不同挑战。
如蔚来针对大城市的停车位较少,难以安装充电桩这一情况推出车电分离模式,受到用户的欢迎。
但假如以后的快充技术超预期发展,长时间充电将不再困扰用户,或将对蔚来的换电模式产生影响。
一定程度上,特斯拉的发展阶段可为造车新势力提供参考。如果将特斯拉的发展阶段拆解,可分为三个阶段:
- 通过用 Mobileye 芯片快速推出辅助驾驶功能,形成软硬一体的解决方案;
- 放弃Mobileye的解决方案,不断迭代算法;
- 算法成型之后,为了提高运行效率,降低功耗,进而为算法定制芯片。
目前,各造车新势力之间的算法发展情况不尽相同,算法成熟的公司较少。此时为算法定制芯片意义不大。
曾有消息传出特斯拉或将加入激光雷达阵营,在贺雄松看来这对于特斯拉的益处较少。
- 首先,加入激光雷达意味着特斯拉此前积累的数据不再有效,需要耗费大量时间重新训练模型,可能训练后的模型仍达不到现有水平。
- 其次,特斯拉无法收集中国的数据,也不能将数据传送至美国。因此,特斯拉在美国研究的算法可能不十分适配中国特色的路况。
从 AI 角度看,错判率和误判率是此消彼长的。
关于「无人驾驶」,一位投资大佬给出了四大预判相关推荐
- 重磅!2019「FAT」90位90后杰出从业者榜单揭晓
区块链开启「90后」的高光时刻(文末附"90位90后杰出从业者"榜单) 出品 | Odaily星球日报(ID:o-daily) Odaily星球日报已经启动「2019Odaily ...
- 无需「域外」文本,微软:NLP就应该针对性预训练
在生物医学这样的专业领域训练NLP模型,除了特定数据集,「域外」文本也被认为是有用的.但最近,微软的研究人员「大呼」:我不这么觉得! 什么是预训练? 这是一个拷问人工智能「门外汉」的灵魂问题. 生而为 ...
- 关于「无人驾驶」的学习路线...
来源 | 知乎冰锐 二次排版 | 张巧龙 目前我的研究方向是多传感器融合感知和定位,所以关于这个方向的可能说的多一些. 先上传一张百度Apollo 1.0的全栈工程师的技术图谱吧. 下面进入正题吧! ...
- 蔚小理全面「PK」BBA?背后还有冲出重围的中国本土供应链
随着蔚来.理想.小鹏相继发布新一代系列车型,这三家新势力与BBA(宝马.奔驰.奥迪)的市场争夺战正进入全面爆发周期.与此同时,哪吒.零跑.比亚迪等也在继续冲击丰田.大众的份额. 高工智能汽车研究院监测 ...
- 「NLP」ALBERT:更轻更快的NLP预训练模型
目前在NLP领域,出彩的预训练模型的新工作,几乎都是基于BERT的改进,前面我们就介绍了XLNET.今天我来介绍一个更新的工作,相比于BERT,它更轻量,效果也要好. 作者 | 小Dream哥 编辑 ...
- 这些「知识点」,你 Get 到了吗?【本周神经回顾】
By 超神经 在本周发布内容里,超神经进行了哪些报道?是否给你带来了别样的触动? 我们接下来会做一个简单的盘点,通过对本周的信息回顾,看看在超神经的努力之下,你对人工智能是否有了新的认识与思考? 超神 ...
- 怎样对流媒体进行压力测试_对node工程进行压力测试与性能分析「干货」
作者:小黎 转发链接:https://mp.weixin.qq.com/s/WBe7ZLoqFD9UqNusnv_IDA 前言 在系统上线前,为了看下系统能承受多大的并发和并发下的负载情况,常常会先进 ...
- 投资大佬段永平:抄底腾讯,不等了!
来源/大江湖解局 ID/ZhiChangDJH 作者/江湖大大 3月15日,最惨的不是被曝光的企业,而是中概股. 在香港上市的腾讯,股价跌破300港币,收盘于298港币,暴跌了10%. 一年之前,腾讯 ...
- matlab gui打开fig文件,使用Matlab創建GUI時重新定位「.fig」文件GUIDE
我爲某些構建腳本開發了一個GUI,現在正在部署它.由於腳本將被部署到各種不同點的不同機器上,我需要使用團隊使用的標準目錄格式.使用Matlab創建GUI時重新定位「.fig」文件GUIDE GUI由一 ...
最新文章
- DGL RDKit | 基于Attentive FP可视化训练模型原子权重
- Android SERVICE后台服务进程的自启动和保持
- Discuz升级 Database Error : pre_common_syscache ADD PRIMARY KEY (cname)【解决办法】
- 【C语言】 Linux内核源码-- do...while(0)解析
- 学硕计算机考296算高分么,考研总分是多少算高分?考研340分是什么水平?
- c语言中printf输出格式
- 隐藏控制台程序的窗口
- Silverlight 4 tools
- 微信小程序计算三角形面积和三棱锥体积
- 用实例配置 linux squid 代理服务器
- 《第三节》解读Logback的配置文件
- Solr高级查询Facet
- 一个Sqrt函数引发的血案
- JavaScript学习(七)——对象与数组、内部对象(1)
- 解决中文名单按拼音排序的问题
- PPT文档播放没声音了怎么办?
- 自学脚手架——《热学》 by 李椿(第一,二,三,四,五章)
- java程序员工作中遇到的问题解决记录
- 自制wpf年会抽奖小软件
- 如果爱情可以这么美好,今生一定无悔!
热门文章
- menudiv.php,在div PHP之外返回的短代码函数
- RandomForestClassifier参数min_samples_leaf和min_samples_split理解
- @Controller与@RestController区别
- Spring 注解之@RestController与@Controller的区别
- seq2seq nlp 这篇博文的引用相当好
- python数字图像的行 宽的不同处 cv2.resize(1389,1500) p1列宽 p2 行高 stop2.shape 得(640,960,3) v1列宽 v2 行高 v3 通道数
- subplot subplots绘制子图
- 微软亚洲研究院副院长刘铁岩:以计算之矛攻新冠之盾
- 智源研究院发布《2020北京人工智能发展报告》,剖析北京AI发展的17个中国“第一”...
- 技术雷达峰会2020:从技术趋势看行业挑战