图片来自网络
文 | 魏启扬
来源 | 智能相对论(ID:aixdlun)
对于还处于“投入期”的自动驾驶行业来说,“新基建”不光光是概念,更是实实在在的商机。
早在的世界智能网联汽车大会上,工信部部长苗圩做出预测,中国智能网联汽车市场规模可达1000亿元以上。
当年的预测正在变成现实。
首先,年初突如其来的疫情让本趋冷静的自动驾驶行业迎来了一波爆发,其中的表现不光是大量低速无人产品的落地,还在于以小马智行、驭势科技、白犀牛、慧拓智能、新石器以及滴滴等为代表的自动驾驶企业在2至3月间密集宣布获得融资。
其次,趁着“新基建”的风口,很多地方政府上马了一批车路协同和智慧交通项目,今年3月,百度Apollo接连中标重庆、合肥、阳泉三地智慧交通项目将车路协同和智慧交通的热度推向了顶点。
事实上,从去年下半年开始,除了BAT和华为之外,像中兴、大唐这类通信领域的企业;蘑菇车联这类车联网企业;希迪智驾这类自动驾驶初创企业;做ETC的金溢科技、万集科技;高德地图、四维图新这类图商都开始跑步入场。
苗圩所说千亿市场规模,其中很大一部分将在车路协同和智慧交通领域中产生。
说好的自动驾驶,为什么车路协同和智慧交通在“新基建”的政策语境下显得特别突出?
自动驾驶的新基建除了车路协同还有其他
与传统“铁公基”相比,“新基建”带有浓重的产业互联网基因,自动驾驶作为“新基建”七大板块之一的人工智能领域中的重要组成部分,更是涵盖了人工智能几乎所有的技术类型,因而自动驾驶的新基建并不仅仅是如今风头正劲的车路协同,还包括以下几个部分。
首先,是感知层面的新基建,其中既包括雷达、摄像头这类硬件传感器,也包括像高精地图这样的专业工具。
以激光雷达为例,作为自动驾驶汽车最重要的增量配件之一,价格太贵是自动驾驶技术难以快速推进的原因之一。在激光雷达领域,存在着这样一条价格链:
作为全球最大的激光雷达供应商,Velodyne的产品单价可达几十万元人民币一台;中国的禾赛科技同处赛道第一梯队,其价格也仅仅只是比Velodyne稍微便宜一点;作为低价激光雷达的代表,速腾聚创虽然将价格压到了1.3万一台,这仍不是一个能够进行大范围普及的价格。
去年,大疆投资的激光雷达公司Livox终于将激光雷达的价格打到了万元以下,最便宜的Mid-40系列在大疆官网商场只要3999。价格是发生了翻天覆地的变化,但性能和可靠性还需经过一段时间的验证才能做出判断。这也是说,在激光雷达这类硬件领域,仍然存在巨大的“新基建”机会。
至于高精地图,在现实路况与地图信息同步更新的要求之下,更是一项长期且日常性的工作,高精地图厂商们的“新基建”则需在效率、精准度和价格成本上进行平衡。
其次,是测试环境方面的新基建,其中包括路测场景与云测环境。
路测场景很好理解,就是在测试区内将5G、交通信号灯、斑马线、交通标牌等设备补齐配足,将行车过程中可能遇到的场景进行标准化,来满足自动驾驶车辆的路测需求。随着技术研发的深入,路测场景也在不断扩充,因而测试区几乎每年都要进行新增测试场景的建设。
云测环境的建设,则是采用模拟仿真的方式提升测试效率,几乎所有的自动驾驶公司都会有自己的模拟仿真工具,AutoX刚刚建成的上海无人车运营大数据中心除了在运营侧可以收集Robotaxi的出车数据外,还有一个专门模拟仿真大数据平台来支持海量测试运营数据进行数据加工、标注以及进一步的结构化测试。
如今华为、腾讯等互联网巨头推出了专业的自动驾驶模拟仿真云平台,一些测试区也通过建立仿真实验室的方式来补足自己在这方面的能力。
简而言之,云测环境的新基建已经起步,且正在被越来越多的行业人士与测试区所重视。
最后,是应用环境方面的新基建,也就是文章最开始提到的车路协同和智慧交通系统的建设。
个个都重要,为何“车路协同”最特别?
上文分析了自动驾驶新基建的几个方面,不难看出,既然是“基础设施建设”,每个方面都很重要,但为什么是车路协同和智慧交通最先冒头,让自动驾驶收获商业价值?其中原因有三。
1、政策语境下的必答题
在国家战略层面对自动驾驶的推进并不单单只有“新基建”,去年9月由中共中央、国务院印发的《交通强国建设纲要》和今年2月由11个部委联合印发的《智能汽车创新发展战略》均对自动驾驶行业的发展进行了非常有针对性的指导。
前者特别提到,要加强智能网联汽车(智能汽车、自动驾驶、车路协同)研发,形成自主可控完整的产业链;后者要求到2025年,要基本形成中国标准智能汽车的技术创新、产业生态、基础设施、法规标准、产品监管和网络安全体系。
不难看出,产业落地是实现上述战略规划的关键。
腾讯安全战略研究中心新技术首席研究员翟尤在接受“智能相对论”采访时也表达了同样的看法:“新基建的内核实际上是新要素和新经济的集中体现,车路协同和智慧交通是典型的新要素与新经济与传统基建融合的场景。”翟尤认为,新基建中的大数据和5G能够为车路协同和智慧交通带来技术上支撑,新基建的其他领域在一定程度上能够起到相互促进的作用,“技术和数据可以作为车路协同和智慧交通市场化的基础,5G作为一种技术通讯手段,又是技术和数据的集结。”
从另外一个维度对此解读,国家在短短半年时间内,密集出台了“交通强国”、“智能汽车发展战略”、“新基建”三项与自动驾驶相关的战略,对于地方政府而言必须做出相关部署,智能驾驶在中国的政策语境中,不再是选择题,而是必答题。
2、突破技术临界点的必由之路
政策刺激是从自动驾驶行业整体出发,具体到自动驾驶行业中的各个垂直领域中,车路协同成了突破技术瓶颈和大规模普及的必经之路。
如何理解?
“单车智能发展得非常的快,但是最后1%解决不了。虽然可以用更多的钱,更多的里程,更多的数据去逼近,但是造车光‘逼近’是不够的,它不像人脸检测,96%或者97%准确率就可以用,对于车来说,不到99.999%,就近乎等于零。”希迪智驾CEO马潍今年1月份接受智能相对论(ID:aixdlun)采访时曾表示,车路协同可以迅速补齐自动驾驶的不确定性短板,从而迈过技术落地和大规模普及的临界点。
在另一方面,自动驾驶单车智能的程度距离真正的商业化落地为时尚早,车路协同却是可以产生实实在在的商业价值,据希迪智驾公开资料显示,该公司成立第一年的3000万营收中,几乎一半来自于车路协同业务。
初创公司尚且能从中分到蛋糕,那些科技巨头和专业玩家更是要集中资源参与其中的竞争了。
3、多股力量共同推动的结果
之前的分析提到,政府、自动驾驶公司、科技巨头们都有推动车路协同大规模落地普及的意愿,如果将视野放至车路协同产业链的全局,可以发现,要做好车路协同和智慧交通,还需要车企、通讯设备厂商、网络运营商、高精地图厂商、激光雷达等传感器厂商甚至道路基础设施建设部门等多方合力参与。
这也就是说,车路协同和智慧交通的爆发既受政策和技术驱动,也是市场驱动下的结果,对于这些参与者来说,不管未来的路线如何摇摆,当下的现实是他们都能赚到自己的一杯羹。
自动驾驶进入产业投资阶段,初创公司在车路协同领域的机会在哪?
就自动驾驶行业今年以来的融资事件来看,像丰田投资小马智行,博世投资驭势科技,甚至信中利和上汽资本投资车路协同服务商华砺智行……都呈现出一个非常明显的趋势,自动驾驶的价值和需求已经获得了产业的认可,自动驾驶行业开始从VC级投资进入到产业投资阶段。
在产业资本的加持下,自动驾驶行业的资源将趋向集中,这也意味着留给初创公司的空间会越来越小。对此,中科创星创始合伙人、联席CEO米磊在某次线上沙龙分享中提到了“从边缘进攻,农村包围城市”的策略。
米磊表示,创业公司首先要成为细分领域的龙头,哪怕市场现在还没有那么大,不要试图去跟巨头在正面战场上直接PK,而是要从边缘切入,边缘创新,“哪怕是巨头,他们只要在这个细分市场的投入不如创业公司,那他也是打不过创业公司的。”
回到车路协同和智慧交通领域,初创公司在巨头们的环伺下,机会在哪?
国内一家自动驾驶企业网联交通事业部市场总监吴深(化名)表示,还得深耕细分场景的应用。
从巨头们的布局可以看出,系统架构层面是BAT和华为瞄准的主要的方向,在具体应用上还大量的空白区域没有填补,这也是初创公司们的市场空间。
往小的方向说,可以是路侧传感器感知单元与算法的结合;往大的方向说,可以是自动驾驶、智能交通、智慧城市的深度应用。
“比如面向城市道路场景的‘V2X+交叉路况’、面向高速公路场景的‘V2X+智慧高速’、面向城市大众运输系统的‘V2X+公交智慧出行’、甚至城市交通态势感知等等,都有初创公司发挥的空间。”吴深认为,每个城市的道路状况都有不同,这也使得每条路上每个场景的解决方案也会有所差异,“将应用场景化整为零,打碎孤立,这样有多少场景就有多少机会。”
腾讯安全战略研究中心新技术首席研究员翟尤用消费互联网到产业互联网进化过程中所产生的变化作为例子:“消费互联网To C,对平台方要求标准和统一化,在这样的产业结构中容易产生具有垄断性质的巨头,如今的产业互联网是碎片化的,行业将面临更多的场景,这样也将产生更多的机会。”
翟尤表示,过去是人和人的连接,未来除了人和人的连接之外,还有人和物、物和物之间的连接,从To C到To B的拓展过程中,市场也从红海变成了蓝海。初创公司的机会在于用怎样的姿势融入巨头的平台生态,在垂直赛道中将自己的优势发挥到极致。
此内容为【智能相对论】原创,
仅代表个人观点,未经授权,任何人不得以任何方式使用,包括转载、摘编、复制或建立镜像。
部分图片来自网络,且未核实版权归属,不作为商业用途,如有侵犯,请作者与我们联系。
智能相对论(微信ID:aixdlun):
•AI产业新媒体;
•今日头条青云计划获奖者TOP10;
•澎湃新闻科技榜单月度top5;
•文章长期“霸占”钛媒体热门文章排行榜TOP10;
•著有《人工智能 十万个为什么》
•【重点关注领域】智能家电(含白电、黑电、智能手机、无人机等AIoT设备)、智能驾驶、AI+医疗、机器人、物联网、AI+金融、AI+教育、AR/VR、云计算、开发者以及背后的芯片、算法等。