厉害了，人工智能——人工智能应用之汽车（六）

着机动车逐渐在中国的普及，最近 5 年中国机动车驾驶员的数量每年都以超过 10%的速率上涨。截至 2017 年底，全国机动车驾驶人已达 3.85 亿人，驾驶汽车渐渐成为每个人生活中不可缺少的一件事。而随着人工智能的发展，自动驾驶正在变为可能，各大车商纷纷计划在2021 年前后推出全自动驾驶车型。

1、自动驾驶两种发展路径，传统车厂暂时领先

目前，在自动驾驶领域，有两大不同研发路径：一种是传统车厂采用，由ADAS 切入，逐步升级传统汽车的自动驾驶功能；另一种是由互联网巨头采用的，利用人工智能技术直接设计无人驾驶汽车。

由 2017 年 4月Navigant Research 发布的一份自动驾驶研究报告显示，自动驾驶领域传统车厂暂时领先，福特暂居第一，互联网巨头google 只名列第七，中国百度名列第十八位。

此次排名的 10 个量化指标为：愿景、市场策略、合作关系、生产策略、技术能力、销售能力、量产能力、产品质量和可靠性、产品组合能力以及可持续能力。

而在科技媒体 The Informatio 采访各大厂商后得出的排名中，谷歌 Waymo 获得了接近满分而名列第一，Uber 名列第二，The Infomatio 在排名是采用技术、工程、商业模式三个指标。

我们可以从两个排名得出互联网公司在无人驾驶技术中处于领先地位，而传统车商在生产、销售、量产以及产品质量等方面更胜一筹。

Google无人驾驶汽车已步入第三个阶段。目前，google 是直接进入无人驾驶的龙头公司，自2009 年开始无人驾驶车的研究研究以来，谷歌的无人驾驶汽车的研究大致经历了三个阶段。

第一个阶段，google 无人驾驶汽车就是在原有的传统汽车上，增加一些功能设定，使之具备一些初级的无人驾驶功能，能够在简单路况环境下进行自主操作行驶，同时尝试着将自身地图方面的优势与智能汽车进行融合。

第二个阶段，google 收购了图像识别技术公司 Jetpac，提高了对行驶道路上的目标障碍物的检测和识别匹配能力，并相继收购了人工智能深度学习公司DNNresearch 和DeepMind，完成了自主驾驶和人为控制之间的切换，引入了车联网。

第三阶段中，在无人车中加入 Project Soli 的可穿戴智能设备芯片实现手势控制和人工干预，增强人机交互体验，通过深度网络学习的能力，能够在 0.25 秒左右的时间内准确识别行人。更加关注行人安全，并整合谷歌广告及地图服务等优势资源，逐步升级优化车在媒介系统。

2、传统车厂无人驾驶核心——ADAS 正迎来它的黄金发展期，渗透率正在逐渐提高。

ADAS是传统车商切入自动驾驶的主要方式，而在人工智能的推动下，ADAS 迎来了他的黄金发展期，渗透率也在逐步增加。据 Strategy Analytics 预测全球 ADAS 销量在 2020 年增长至 300亿美金，年复合增长率为 29%。据 Gartner 数据，2016年 L1/2 渗透率为 17%, 2020 年会达到25%，2025 年达到 45%，L3/4 渗透率从 0 提升到 5%。

目前看来，按照 SAE 的分类， 传统车商的智能汽车市场普遍处于 level2 的阶段，即以辅助自动驾驶为主。主要车企大多计划在 2020~2021 年间实现 level 5 的完全自动驾驶。而到了level 5 的阶段，汽车可以完全自主操控，完全不需要人类的帮助，真正意义上达到了汽车自动驾驶，人们从驾驶任务中解放出来。

ADAS主要由四大模块驱动：环境感知模块、规划与导航模块、决策模块、主控模块。其中决策模块是无人驾驶汽车系统的核心，其主要任务是根据环境感知系统获得的环境信息、车辆当前状态以及任务规划层规划的任务目标，采取恰当行为，保证车辆顺利地完成任务。

自动驾驶汽车相对于常规汽车需要更多的硬件，如获取环境信息的传感器，专门的车载芯片以及相关软件如高精度地图和驾驶决策系统。下图介绍了 L4 自动驾驶系统单车零部件成本分布，从中我们也可以看到与自动驾驶相关的产业与领域。

Mobileye垄断了 90%的ADAS市场。在 ADAS 领域，技术龙头 Mobileye 依靠他的 3 大核心技

术以及相关产品，垄断了 90%的 ADAS 市场，超过一千万辆汽车都装着 Mobileye 的产品。

这三大技术分别是：

1）图像处理器芯片——EyeQ ；

2）利用摄像头和软件算法组成的视觉系统；

3）高清地图为车在传感器提供补充。

为获取 Mobileye 核心技术进入自动驾驶领域，Intel 于2017年 3 月斥资 153 亿美元收购了Mobileye。

3、高精度地图，自动驾驶不可或缺

一般的导航地图精度只有 10 米，而高精度地图的定位精度需要小于 10 厘米，除了精度要求外，高精度地图还需要准确的道路形状，以及每个车道的坡度、曲率、航向、高程，侧倾的数据。

有了高精度地图的加持，无人驾驶汽车才能跨越传感器的性能边界，提高数据处理的性能。比如，对于检测红绿灯状态，必须在整幅图像中搜索，因为摄像机不可能知道图像的哪个地方会出现红绿灯。但是如果有了高精度地图信息，我就可以通过高精度定位和高精度地图得到ROI。根据定位和地图的数据，无人车可以知道前方、两侧是否有交通标志牌，及红绿灯的位置，就可以降低算法的复杂度，减少系统的计算负荷，进而提升系统性能。

现在汽车行业热衷于研制的无人驾驶产品，所应用的智能刹车、智能驾驶、智能感知等，都是基于人工智能技术，这不仅仅使驾驶变得更加安全、还可以使交通状况更加有序。

汽车行业普遍的共识，真正实现自动驾驶的时间节点已经离我们不远了！