百度無人車換帥、五年難量產，原因或是它

「科技不僅限於計算機技術，任何新方法，任何可以使事情更容易完成的方法都是科技，這才是科技的正解。」——彼得•蒂爾

毫無疑問，它很酷，但它真能如最初計劃在三五年內走進我們的生活嗎？

3月1日，一封宣布百度自動駕駛事業部等三合一、成立智能駕駛事業群組（IDG）的郵件在網上曝光，敲黑板~這封郵件的重點還有，該IDG部門將交由到任不久「AI靈魂人物」陸奇負責，而時任百度高級副總裁、原自動駕駛事業部總經理王勁被宣布「內部休息調整」。

調整后的百度高管團隊頁面

L4級無人駕駛的世界難題

剛剛過去的這兩年是百度無人車風光無限的時段，2015年底百度無人車從百度大廈出發奔向北五環，完成首次路測后，驚動了行業；完成首次路測后，提出實驗室「閉門」造不出「無人車」，百度先後與蕪湖、烏鎮等政府合作共建無人車示範區域；又走到美國，在與全球頂尖無人車「同場競技」中完成了矽谷「第一跑」，為拿到了為數不多的無人車頂尖技術比拼的「入場券」；隨後，百度無人車在世界互聯網大會的烏鎮體驗運營，這是首次在開放城市道路情況下，實現全程無人工干預的L4級無人駕駛技術……

前百度高級副總裁、自動駕駛事業部總經理王勁

技術派王勁也因此在職業生涯中獲得了最多關注。去年底，由美國知名汽車媒體Automotive News評選的《60名驅動自動駕駛技術發展的人物》中，百度高級副總裁王勁成為唯一的企業代表。Automotive News給出了王勁獲選的理由：搜索引擎公司百度在自動駕駛技術上投入了很多，在王勁的帶領下，該公司計劃在2018年前小規模推出自動駕駛汽車並在2021年之前實現大規模生產。

我們需要了解自動駕駛的概念——準確來說是L4級無人駕駛技術。根據美國NHTSA公布的劃分標準，智能汽車要經過輔助駕駛、半自動駕駛、有條件自動駕駛、自動駕駛四個階段，其中L4屬於全無人駕駛的最高級別。

L4有多難，對標特斯拉來看。在去年底，特斯拉也曾發布過一段演示視頻，顯示了電動汽車在自動駕駛狀態時「看到」的景象。從那段視頻中看乘客在整個行駛過程中基本沒做過操作，即達到了L4級別。

但是有「激進」之稱的埃隆•馬斯克卻在近期迪拜召開的世界政府首腦（WGS2017）會議上稱，特斯拉商用Level 4級別的自動駕駛技術的明確時間表是10年。「對於新售汽車全部搭載自動駕駛技術，還需要10年可以實現，燃油車徹底退出歷史舞台，則仍需20年左右來過渡。」

穩定、成本與量產

特斯拉在L4商用上的保守，大致可以代表業界的普遍態度。而決心那麼大的百度，在無人車上的底氣來自於什麼呢？

一方面，是真金白銀的投入，據王勁公開場合披露，百度在無人車研發的投入超過了以往任何一個產品。另一方面，則的確是聚攏了一批頂尖人才以及百度在大數據、AI方面的積累。

但是實驗階段的成功與商業化的勝利並不是一個層級的概念。大量實驗室產品走不出工業界，或因時機不對，或因無法量產。

外界普遍認為硬體成本就是制約無人車商業化的因素之一。有這麼一個段子，當然也是真事。

王勁曾說他的老闆李彥宏問他「你整天弄（一個雷達就要）70萬的東西，你能賣給誰啊？」百度無人車車頂的激光雷達就要70萬人民幣，這並不誇張，Google在其無人車原型中使用的Velodyne雷達售價也為8萬美元左右。

值得聯想的是，2016年還有這樣一則消息，Velodyne公司發布公告稱，旗下激光雷達公司VelodyneLiDAR獲得正在發展自己的無人駕駛技術的百度與福特公司1.5億美元的共同投資，三方將圍繞無人駕駛領域展開全方位合作。

看背景——百度無人車採用的是64線激光雷達、毫米波雷達、攝像頭等多種感應器來感知道路上的環境。其中，VelodyneLiDAR 64線激光雷達就是那個價值70萬的「東西」，它在測距的精確性上極具優勢，工作原理類似於蝙蝠的發聲器官，通過獲取光脈衝打在物體上並反射回到接收器的傳播時間，再根據光速可精確測算出測量物的距離。LiDAR進行物體掃描時，採用感知系統硬體與計算功能軟體相結合的方式，增加激光線數后，可減輕運算的負擔。

百度的無人駕駛汽車的多次成功路測，愉快奔跑的背後有著謎之為難。效果、成本與量產的矛盾，一直是商業時代的難題，百度無人車項目也是如此。當然，內部創業的優勢明顯，百度投資了VelodyneLiDAR，原定計劃向前推進了一大步，但是距離真正的量產呢？

王勁在今年初還表示百度所使用的64線激光雷達已經從去年的70萬元降到了今年的50萬元，但除此之外，車身上還有三個價值10萬元的16線激光雷達呢。

激光雷達價格昂貴的主要原因還是技術檻相對較高，行業發展成熟度相對較低，像個人電腦出現之初價格昂貴一樣，隨著技術發展和行業配套成熟，激光雷達的價格一定會下降，這也是趨勢。

大規模量產，零部件價格下降，零部件下降，大規模量產變成可能，雞生蛋、蛋生雞的難題，放在無人車與激光雷達之間著實難以破解。交由時間來辦，或許5到8年並不保守，特斯拉的10年時間表看起來更像會成真。

關於激光雷達的那些事兒

目前，可用於車載的激光雷達的產品及生產廠商主要集中於國外，包括美國Velodyne公司、美國Quanegy公司以及德國IBEO公司等。而Velodyne在無人駕駛領域的影響力最早來自於2007年DARPA無人車挑戰賽。當年獲得第一名和第二名的高校分別是卡耐基梅隆大學和斯坦福大學，他們當時使用的正是Velodyne激光雷達。此後，該公司開發的激光雷達被谷歌、百度等涉及無人駕駛的公司廣泛使用。

激光雷達，其實也不僅僅能用於無人車，也能用於無人機、掃地機器人等與計算機「看見」相關的產品。專註機器人視覺的速感科技CEO陳震告訴機器人圈，激光雷達的主要優勢是能夠輕鬆地建立地圖供後端演算法決策，而且精度很高。但由於可靠性、成本以及成像維度小的問題，最主要還是成本原因，還沒有普遍應用在這些領域中。

四川傲勢科技有限公司智能控制部科學家對機器人圈表示，激光雷達與傳統雷達探測原理類似，激光也是廣義高頻的電磁波，在無人機上的激光雷達，是利用單束窄帶激光器脈衝式或連續波調製的激光發射，通過接受系統接受反射回波，利用兩者相對時間相位關係測量反射物距離探測器距離，通過旋轉掃描等方式獲得相對於飛行器四周的環境物體空間關係。雷達探測波長越長探 測距離越遠、繞射能力越強，但精度越差。激光雷達波長很短，因此測量精度很高(厘米毫米級別)，通過與衛星導航系統(GNSS)和慣性導航系統(IMU)組合后，可用於無人機障礙規避或載荷測繪。激光雷達具有解析度高、體積小功耗、抗干擾能力強、最小工作距離短等優點。但激光雷達的缺點也很明顯， 如遠距離探測能力差、受天氣(霧霾)影響、受反射物條件(水面，玻璃，太陽光)等影響較大。

傲勢科技智能硬體部的科學家也對機器人圈表示了成本壁壘，民用的SLAM（即時定位與地圖構建） 中激光雷達算是最貴的，比相機和IMU貴很多且重很多，所以降低成本的話，就是去掉激光雷達。目前，視無人機尺寸用途不同，微型娛樂級別無人機通常也採用超聲波雷達、視覺圖像識別等方式，大中型無人機多採用毫米波雷達或專業的地形規避雷達完成周邊態勢感知。

從技術上看，掃地機器人的導航方案目前演算法以及系統化能力上國內已經基本與國外的低端激光雷達方案保持同等水平（且價格上更便宜），這與激光雷達生產工藝、關鍵部件的生產水平、良率控制以及專利問題等導致由國外壟斷不一樣。

科沃斯、小米掃地機器人為了提高精度，率先採用了SLAM中的低成本激光雷達方案。陳震則認為，視覺是一種很好的替代低成本激光雷達的方案，低成本激光雷達的SLAM在成本和精度上與VSLAM相比沒有太大優勢，以往由於視覺SLAM後段的計算量非常大，所以在應用中的性價比一直是問題，到目前隨著專用晶元（FPGA，DSP）的普及，很大程度上解決了視覺SLAM後段的計算量問題，因此會成為非常有競爭力的低成本導航方案。

激光雷達低端可替代，但高端、高精度的激光雷達，到底能被怎樣的降成本，或者說能怎樣早日協同產業鏈實現量產，卻待時間解答。