作者 | 杨雪梅

本文经授权转载自新浪科技(ID:techsina)

“预计很快,不会太远”。
在2019世界人工智能大会期间,滴滴CTO张博对于滴滴自动驾驶汽车的落地透露了这样的信息。他表示,未来将在上海再部署30辆测试车,待测试成熟后将全面推广。
滴滴CEO程维也提及,滴滴剥离了无人驾驶公司,希望推动无人驾驶载人测试在上海落地。
近两年间,国内自动驾驶在技术层面不断验证和突破,进入2019年,推动技术落地应用成了核心的行业趋势。最明显的变化是,去年,我们还在讨论自动驾驶到底什么时候到来,今年就已经触手可及。
2019年,百度、文远知行、中智行、滴滴等公司的自动驾驶汽车已经相继拿到城市路测牌照,并推进载人测试,小部分普通市民也体验到了自动驾驶出租车。
与其他玩家不同的是,滴滴作为网约车出行公司入局自动驾驶,在领域内还是头一家。
过去几年,滴滴布局了电动化、共享化,但最受关注的,还是无人化。
前不久,在一次圆桌论坛上,滴滴另一位高管无意中透露,最快在年底,上海嘉定区的消费者可能会打到滴滴无人网约车。这让普通消费者满怀期待。
接近年尾,滴滴能实现年内落地的目标吗?作为一家互联网出行公司,滴滴又如何拿下自动驾驶这块高地?
而更值得关注的是,近日滴滴再次因为网约车司机陷入风波,自动驾驶的到来,又能否成为滴滴的“救命稻草”?
“夹”于巨头之间,滴滴如何超车?
在市场和技术的双重推动下,汽车产业的无人化已扑面而来。
纵观全球自动驾驶领域的布局和产品研发阵营,既有通用、福特、奔驰、宝马等国际车企;上汽、广汽、一汽、东风、长城等国内车企;也有特斯拉、蔚来、小鹏等造车新势力;还有谷歌、百度、苹果等科技企业;也包括了Uber、滴滴、Lyft这样的互联网出行公司;以及文远知行、地平线、中智行、小马智行等技术型创业公司。
滴滴入局自动驾驶不算早。
2016年,滴滴组建自动驾驶团队,2017年在美国硅谷成立研究院。之后,2018年5月和9月,滴滴分别拿到美国加州自动驾驶汽车测试许可和北京自动驾驶技术路测牌照。
这期间,滴滴在自动驾驶领域的布局一直很低调且神秘。直到今年8月份,滴滴将自动驾驶部门进行分拆,设立独立公司,公司CTO张博出任自动驾驶新公司CEO,其自动驾驶项目的面纱才真正掀开。随后在2019世界人工智能大会上,滴滴自动驾驶汽车面世。
算起来,滴滴进入自动驾驶领域也不过4年时间。不管是相比于国外的Waymo、Uber、Lyft,还是国内的百度、腾讯,滴滴都来的晚了些。
但不同于技术型的自动驾驶公司,滴滴的优势在于交通大数据和运营平台。
如果说技术是决胜的核心,那么对自动驾驶来说,最终的落脚点还是在场景落地和商业化上。
对C端消费者而言,可能并不是很关注太多技术细节,他们更关心什么时候可以在出行中真正体验到无人驾驶汽车。
作为一家可以直接触达消费者的网约车平台公司,滴滴自动驾驶一面世,瞄向的就是商业化这个方向。
张博表示,“新公司希望进一步开放与汽车主机厂和产业伙伴的战略合作,共同推进无人驾驶技术商业化,真正落地成为产品服务进入每个人的生活。”在他看来,未来10年L4和L5无人驾驶技术最好的商业化场景,还不是卖给C端的消费者一个没有方向盘和刹车的车,而是进入滴滴这样的出行网络,提供人类和机器人混合派单的模式。
据了解,滴滴自动驾驶投入市场主要会采用混合派单模式,通过以往的路况大数据,根据用户的订单路线,将适宜的订单分派给无人驾驶车辆。
程维也认为,滴滴的优势在于商业化和数据,短期内,无人车需要在特定的道路上和环境下才可能实现,而滴滴在接送乘客之前就可以判断路线是否适合无人车。
那么,有了场景和数据,滴滴如何做好自动驾驶?
据悉,一辆完整的自动驾驶汽车包含了车辆、系统、高精地图、雷达、传感器、算法等不同层面的技术,但是不同于自动驾驶公司采用众包的模式,滴滴所有的技术能力都来自自己的技术团队。
据公开资料,其目前的自动驾驶项目拥有高精地图、感知、行为预测、规划与控制、基础设施与仿真、数据标注、问题诊断、车辆改装、云控与车联网、车路协同、信息安全等多个专业团队。目前团队在中美多地开展研发、测试,规模约200余人。
没有造车基因的滴滴,选择通过自研技术,与汽车产业链上下游深度合作、吸引资源,来推进在自动驾驶的布局。
这与Uber、Lyft的模式类似,为其他的自动驾驶汽车制造商提供软件,将自动驾驶与打车业务场景相结合,从而在商业化上获得回报。
优先布局商业化,为何如何焦急?
滴滴入局不算早,但是却先一步布局商业化。
它为何如此着急?
过去一年,甚至到现在,滴滴都屡屡深陷因司机而引发的安全风波中,这些事件背后,透露出的是出行平台对于安全保障的责任和压力。
今年7月,滴滴发布公告称,自2018年的安全标准修订出炉后,公司与超过30万名不符合该公司最新安全标准的司机终止了合作,未来将更多利用自动驾驶出租车来代替。
司机成了网约车产业中最不可控的因素。
2019世界人工智能大会期间,程维也表示,滴滴从去年开始转向关注责任,更多思考规模背后的安全和服务,实践过程中,人工智能技术是重要的驱动力。长期来看,程维表示,下一步将推动自动驾驶技术进入日常生活,相信自动驾驶,可以指数级降低交通事故。
而根据麦肯锡的数据显示,一定条件下,自动驾驶技术可以减少90%以上的事故。
自动驾驶的到来和普及,在未来或许能解决滴滴所面临的最严峻的挑战。
同时,在成本层面,当自动驾驶网约车成规模后,也能为滴滴这样的出行平台解决更多的人力成本问题,可控性更高。
此外,根据张博透露,滴滴每天收到大概3000万个打车需求,但只有75%的需求被满足,意味着每天有750万人打不上车。在这种背景下,自动驾驶网约车起到了补充运力的作用。
程维曾在接受媒体采访时表示,对这个市场的判断是无人驾驶只有一、二名,没有第三名,目前谷歌是第一名,而滴滴想成为最终活下来的另一名。
显然,程维对自动驾驶业务非常自信,且期望过高。此外更重要的一个信息是,自动驾驶对于滴滴的重要性不言而喻。
创新工场董事长李开复曾谈到,BAT不会把自动驾驶视为“救命稻草”,而Uber、滴滴等则不同,“这些公司的自动驾驶,关系未来生死,不成功便成仁”。
目前尚未盈利的滴滴,自动驾驶商业化于其而言,无疑是营收的重要增长点。同时对网络出行领域而言,也是一次革新。
不过,自动驾驶是一个高门槛、高技术、高投入、长落地的领域。滴滴虽然拥有自己的技术团队,但是相较于其他技术公司,优势还不够明显。
张博在接受新浪科技等媒体采访时曾提到,现在自动驾驶进入商业化阶段,要真正让它变成一个商品,需要形成一个产业的联盟,而其中4个资源非常关键:共享出行网络;自动驾驶技术;汽车厂商;足够的资本支持。
对于滴滴而言,目前最缺的就是更多的资金。而其自动驾驶板块独立出来成立公司,也被外界认为是为了以后更好融资。
值得一提的是,今年7月,就有消息传出滴滴与软银进行谈判,为自动驾驶业务寻求独立融资的机会。
不过,在经过2018年投资潮之后,2019年资本对自动驾驶领域呈现出冷静、观望的态势。此前张博曾透露出一个消息,公司正在积极地跟战略合作伙伴接洽,期待战略联盟,尤其是大的车企,“这不仅能够带来资本,还能够带来造车的能力。”
或许,未来滴滴自动驾驶公司可能会受到传统汽车品牌的战略投资,并与其联合布局产业。
众多问题待解,理想高于现实?
当然,理想往往高于现实,尤其对面向未来的自动驾驶而言。
一方面,从行业角度看,今年广州、长沙、武汉、上海、北京等各地派发自动驾驶路测牌照,积极推动产业落地,但是在这一波政策红利下,免不了产生泡沫,技术的成熟性仍待验证。
实际上,这个行业发展远没有市场表现出来的这么快。以行业领头羊谷歌母公司Alphabet旗下的自动驾驶公司Waymo来看,在今年9月底,就被摩根士丹利将估值从1750亿美元下调至1050亿美元,下调幅度高达40%。摩根士丹利分析师认为,调低Waymo估值的主要原因,是自动驾驶行业的发展速度比预期慢,再加上其拼车业务对安全驾驶员的持续需求,预计Waymo的亏损将继续增加。
此外,自动驾驶汽车未来要解决的,不仅是技术问题,还要解决汽车与社会的关系,解决汽车与人的关系。
比如,滴滴布局自动驾驶的消息一出,很多人关心滴滴司机的未来几何,是否会下岗?
对此张博还曾解释过,未来即使技术让一份工作消失,自然也会产生新的工作,例如自动驾驶网约车会催生维修保养,运营,远程监控等职位,“专车、豪华车等服务仍然需要有温度的人类司机。”
还比如在国外,Waymo就多次出现被扔石块、扎轮胎、车辆被逼停等事件。人们对于自动驾驶的接受还需要时间来过渡。
在一个“你会尝试无人驾驶汽车”的网络帖子下面,针对无人车的尝试,部分用户就表示担忧,比如安全问题、事故责任归属、技术成熟度等问题。目前,法律和政策在监管和界定上也尚未有明确的规定,中国针对自动驾驶车辆的监管才刚刚开始。
发展速度、亏损烧钱、安全性等问题,都将是未来自动驾驶商业化路上必然要面对的挑战,此外,基础设施建设的完善也是影响无人驾驶车落地的一个考量方面。
于滴滴而言,根据“无人驾驶铁三角”的产业结构:由科技公司负责研发无人驾驶技术本身,汽车厂商承接大批量汽车的生产制造,而出行平台则对接用户需求、提供车辆调度软件。研发无人驾驶技术的科技公司没有出行牌照、没有网约车牌照,更没有出租车牌照,只能通过合作的模式运营。这其中,滴滴这样的出行平台就有很大的优势。
但滴滴能否驶入无人驾驶商业化的中心,同样道路阻且长,面对激烈的市场竞争和变数,七岁的滴滴或许要考虑清楚,如何打好手中的组合牌。
【END】

很简单的机器学习入门指南

https://edu.csdn.net/topic/ai30?utm_source=csdn_bw

热 文 推 荐 

风波中的滴滴:离无人驾驶落地还有多远?相关推荐

  1. AI一分钟 | 科大讯飞2017年度财报:营收54.45亿元,净利润4.35亿元;滴滴首谈无人驾驶战略:只做软件不造车

    2018 区块链技术及应用峰会(BTA)·中国 倒计时 1 天 2018,想要follow最火的区块链技术?你还差一场严谨纯粹的技术交流会--2018区块链技术及应用峰会(BTA)·中国将于2018年 ...

  2. 对话Momenta驭势及速腾聚创负责人:无人驾驶落地需打群架能力

    雷帝网 雷建平 12月3日报道 雷帝触网创始人雷建平日前与Momenta合伙人孙环.驭势科技合伙人梅彦川.速腾聚创联合创始人邱纯潮在广州展开了一场关于无人驾驶的讨论. 驭势科技合伙人梅彦川 梅彦川说, ...

  3. 云计算的安全顾虑中不透明性影响云落地

    本文讲的是云计算的安全顾虑中不透明性影响云落地,云服务凭借明显的成本优势和灵活性把企业办公搬到了云环境中,但是能否说服企业的安全团队接受云服务,还是另外一回事. 云安全的不透明性影响云落地 有统计显示 ...

  4. 信创实际落地如何?详解《2021中国信创产业应用落地研究报告及供应商60强》

    国际安全事故频发,西方国家联合对高新技术进一步封锁,信息产业自主可控和网络安全提升成为了主基调,国内各大供应商.软件商都已经逐步铺路,不断推进信创产业稳步向前. "适配生态".&q ...

  5. 广州Robotaxi铁三角又落地,文远知行商业化通行证摊牌

    允中 发自 副驾寺 量子位 报道 | 公众号 QbitAI 无人驾驶商业化落地怎么走? 现无定式.无定理,但不同玩家正在走出自己的道路. 这不最新进展从广州传来,铁三角模式下的Robotaxi继续商用 ...

  6. 智能家居落地还有多远?

    智能家居,具体来说,就是用户可以通过智能手机.平板电脑.智能面板等终端,对音视频设备.照明系统.窗帘控制系统.空调控制系统.安防系统.数字影院系统等进行联网和集中智能控制,从而提升生活舒适度.降低能源 ...

  7. 录像中那个距离他们停泊的港口不远的武汉玛歌堡服饰有限公司商场正是早前反追踪信号捕获到的坐标所在

    录像中那个距离他们停泊的港口不远的武汉玛歌堡服饰有限公司商场正是早前反追踪信号捕获到的坐标所在 李吵船长带了两个不知来路的黑衣骗子到船坞找上一凡,但两边的人才开始聊了两句,现场气氛却已经变得糟糕之极, ...

  8. 卖身风波中的考拉员工

    来源:燃财经(ID:rancaijing) | 作者:唐亚华 数据猿官网 | www.datayuan.cn 今日头条丨一点资讯丨腾讯丨搜狐丨网易丨凤凰丨阿里UC大鱼丨新浪微博丨新浪看点丨百度百家丨博 ...

  9. 中企ITIL需软落地

    IT技术的发展对现代企业产生了深远的影响.企业信息化建设越深入,信息系统的规模越大,业务对IT系统的依赖性也越大,由此对IT服务的要求越高,如何 对繁多的IT技术进行有效的管理,最大程度地利用企业现有 ...

最新文章

  1. javascript基础——文字变大变小className的使用及JS浮动的兼容用法
  2. 2018.10.26 NOIP模拟 瓶子 (dp/贪心)
  3. IntelliJ IDEA for Mac 直接将模块硬盘上的根目录删除会怎么样
  4. php get raw,file_get_contents(“php:// input”)或$ HTTP_RAW_POST
  5. python一切皆对象_Python中一切皆为对象
  6. 数字盲打怎么练_数字键盘区的功能及指法技巧
  7. 关于内网使用Nginx正向代理发送极光推送
  8. 光缆厂家介绍OTDR测试仪使用方法(小白必看)
  9. JSP学科竞赛管理系统
  10. CCProxy使用 记录
  11. 虚拟内存怎么设置最好_虚拟内存怎么设置到d盘
  12. 免费在线工艺流程图软件 + 示例
  13. 访问者模式的java语言_Java 设计模式系列(二三)访问者模式(Vistor)
  14. 排位赛三B. Loan Repayment
  15. 2018.8.盛夏,
  16. CSS中的圆角与倒角
  17. OpenWRT设置IPV6
  18. 【人工智能】人工智能是中国2025的歧路;人工智能只是智能制造舞台上的“小配角”
  19. EDIUS字幕混合知识讲解
  20. Bpmn.js自定义文件说明

热门文章

  1. [算法 笔记]2014年 去哪儿网 开发笔试题
  2. 对自定义UITableViewCell的理解
  3. 获取Windows mobile 开始菜单里最近打开的程序(Recent Programs)
  4. SqlServer中如何按姓氏笔画排序
  5. 矩池云上关于conda的一些使用技巧
  6. oracle分区区别,oracle范围分区表和INTERVAL分区表对于SPLIT分区的区别
  7. typescript map转对象_TypeScript 快速上手及学习笔记 - JoeYoung
  8. pytorch入门——tensorboard,transforms,dataset,dataloader,model,train,test
  9. os,shutil操作——批量修改文件名,移动文件,读取文件
  10. leetcode python3 简单题7.Reverse integer