人工智慧的終極場景：自動駕駛

「自動駕駛」，或稱「無人駕駛」,並不是一個新鮮的辭彙，認真追溯起來，其實早在1925年，就誕生了人類歷史上第一輛「無人駕駛汽車」,？至今已近百年。當時是由一位來自美國陸軍的電子工程師Francis？P.？Houdina，通過無線電波來控制前方車輛的方向盤，離合器，制動器等部件來完成的，雖然很不完美，但可以被視作為人類無人駕駛汽車的雛形。那自動駕駛到底經歷了怎樣的發展歷程?

本文引用地址：http://www.eepw.com.cn/article/201704/346159.htm

圖1-自動駕駛發展歷程——1925年至2015年

圖2-自動駕駛發展歷程——2016年至今

從行業發展歷程中可以看出以深度學習為突破的「人工智慧時代」大風口下，自動駕駛被給予了前所未有的關注，包括互聯網公司，傳統車廠，新興創業公司，各路資本爭相競逐，而最近Intel以153億美金的價格收購Mobileye更是將「熱度」進一步提升，那麼到底應如何看待自動駕駛這一波浪潮的發展?我們認為：

自動駕駛是人工智慧的終極場景，沒有之一

首先，人工智慧的發展依賴於四個基本要素：計算力、海量數據、演算法與決策、以及感測器的數據採集，而對於實現完全的無人駕駛同樣高度依賴於這四個基本要素，並且缺一不可。

圖3——自動駕駛的技術原理

其次，當前人工智慧的主要細分技術，包括機器視覺，深度學習，增強學習，GPU，機器人、感測器技術等均在自動駕駛領域發揮著重要的作用，甚至行業發展的瓶頸主要在於這些人工智慧底層技術上能否實現突破。最後，人工智慧本身越來越需要與應用場景結合才能最大限度地轉化技術上的創新和突破，因此考慮到汽車行業本身的體量以及與相關行業的關聯度，可以說自動駕駛是人工智慧實現場景落地的最重要方向，甚至沒有之一，這也是為什麼其備受各方關注的原因所在。那麼，我們在自動駕駛這條道路上，已經走到了哪裡?

簡單來說目前的發展路徑可以分為三大類：

1、以Google,？Uber等為代表的互聯網公司，通過價格高昂的感測器(激光雷達為主)，「一步到位」地實現完全無人駕駛;

2、以汽車廠商，Tier？1等為代表的傳統公司，從ADAS切入，「漸進式「地從輔助駕駛實現到無人駕駛的過渡;

3、最後一類是以Tesla等為代表的新興公司，在感測器與應用場景上相互妥協，模式介於1和2。

我們如何看待這樣的發展路線?

真正的自動駕駛是強人工智慧，仍然任重道遠

無人駕駛所面臨的問題：

1、感知與決策演算法本身仍不可靠，無人駕駛所面對的環境是完全開放的，天氣，光線，突發的路況，和有人駕駛汽車的共存等問題在要實現100%安全的命題下，技術的魯棒性仍然不足。

2、以激光雷達為代表的核心感測器的成本仍是商業化量產的最大阻礙。

3、政策，法規，以及車輛聯網基礎設施的建設都超出了汽車行業本身的範疇，是一個複雜的系統工程。

因此，如果回到人工智慧本身，目前大部分相關技術的創新和應用仍在弱人工智慧範疇。自動駕駛作為人工智慧的終極場景，無人駕駛與強人工智慧的實現一樣，是一個需要長期發展的過程。完全的、開放的無人駕駛也許不是目前所能想到的樣子，甚至最終實現無人駕駛的載體也不會是「汽車」，亦或很難被定義為「汽車」。

對於自動駕駛的理解需要回歸到汽車行業本身，汽車發展的趨勢是什麼?電動化，智能化，網聯化。自動駕駛實際上是汽車在自動化水平上的智能化提升，驅動力在於汽車產業，準確說是汽車電子產業的優化升級，有數據統計近10年以來汽車產業70%的創新來源於汽車電子技術的升級，其目的是為消費者提供更加安全，舒適，節能的有競爭力的產品。

而以互聯網公司所代表的新興技術公司也促進了這個過程，但並不代表他們是唯一或最重要的玩家，Google最近將無人駕駛汽車項目轉為獨立的經營公司——Waymo，並強調「這家公司不會自己製造無人駕駛汽車，而是開發驅動無人駕駛汽車的技術」正是說明了這一點。

圖4—車廠與技術廠商合作關係

那麼從汽車電子產業升級的角度，作為早期投資者針對初創領域，我們認為目前的投資機會有哪些?