<form id="1rp55"><th id="1rp55"><progress id="1rp55"></progress></th></form>

    <noframes id="1rp55">

    <noframes id="1rp55"><address id="1rp55"></address>
    <listing id="1rp55"><listing id="1rp55"><menuitem id="1rp55"></menuitem></listing></listing>

    <address id="1rp55"></address><address id="1rp55"></address>

    科技魔方

    自動駕駛新拐點已至,漸進式路線的“毫末智行們”如何實現升維?

    媒體頭條

    2021年11月26日

      如果說發動機是燃油車的心臟,那么自動駕駛技術就是電動汽車的靈魂所在。新能源汽車相對燃油車來說,本質變化來源于能源利用方式的改變,但新能源汽車的核心競爭力上,或許自動駕駛等智能化科技才更具有顛覆性。

      過去幾年,自動駕駛賽道跌宕起伏,在經歷了頭部動蕩之后,行業正在進入新的發展階段,毫末智行異軍突起,發力無人配送領域、小馬智行嘗試重卡、文遠知行試水小巴、元戎啟行開啟輕卡業務,賽道局勢逐漸發生變化。

      找到一條“分水嶺”

      在經過數十年的發展之后,自動駕駛已經呈現出接近實用化的趨勢,但是還沒有達到在沒有任何人類主動的操作下,自動安全地操作機動車輛的水平。目前賽道內所有玩家都把目光放在了技術攻堅上,希望能率先突破技術桎梏,率先到達L5的頂峰,但是從現狀來看,似乎并不樂觀。

      Waymo one是全球首個無人車商用服務項目,在自動駕駛領域深耕十年,也是整個自動駕駛行業的里程碑,但起步于鳳凰城的Waymo商業化運營如今僅僅在舊金山城市的一隅實現落地。馬斯克曾表示特斯拉將于2020年推出L5級別的Robotaxi,一年內將有100萬輛上路運營,兩年多時間特斯拉連一輛都沒做出來。百度公司首席科學家吳恩達創立的自動駕駛公司drive.ai也已經賣身蘋果......

      廣闊的商業前景吸引了不少投資機構為自動駕駛“買單”,相關企業的估值也水漲船高。隨著對自動駕駛落地想象的破滅,自動駕駛的紅利逐漸消失,或者說自動駕駛的泡沫逐漸破裂。

      Waymo的估值從三年前的1750億美元一路下滑至300億美元,降幅超過800%。國內曾經的自動駕駛明星公司融資額度也逐漸減少。據天眼查專業版APP數據顯示,自動駕駛行業企業注冊數量在2018年達到頂峰,之后呈現下降趨勢。

      在這樣一個特殊時期,實在是需要深思,技術對于自動駕駛企業到底意味著什么?難道整個賽道都要被困在自動駕駛技術系統里了嗎?在互聯網江湖看來,目前行業已經深陷技術陷阱,靠科技二字難以拯救自動駕駛。

      巴菲特并不投科技股的,為什么一再增持蘋果股份?來自FanTalk的一次圓桌對談中他們提到:

      巴菲特不投科技股,是因為大多數科技企業的「護城河」是技術創新能力,而這在巴菲特看來是不穩定的,他投蘋果的邏輯,是蘋果已成為一家成熟的消費品公司,有無可比擬的用戶粘性,已經實現了科技落地的重要一躍。

      根據IDC分析,2020年至2024年,全球自動駕駛年復合增速將達18.3%;到2024年,L1-L5級自動駕駛汽車出貨量將接近5500萬輛,其中L1、L2級別自動駕駛汽車市場占比分別為64.4%、34%。

      也就是說,對于目前的行業進展來看,未來98%以上的自動駕駛汽車將處于L1、L2范疇,L5還屬于一個幻想。從商業化落地層面看,L幾不重要,更重要的是如何實現在具體場景下高效落地。

      需要明白的一點是,交通沒有絕對的安全,擁有科技基因的自動駕駛也不可能做到百分之百的零交通事故,只能無限逼近這個“零”,也就是所謂的L5。一邊,技術桎梏難以突破;另一邊,不同于蘋果公司消費產品邏輯,自動駕駛受安全問題束縛,想要完成科技落地更加艱難。

      如果真要給自動駕駛設一條分水嶺的話,或許“人”的標準更有意義。

      把“人”當做“參考答案”,只要自動駕駛技術的發展在整體安全水平上能夠達到甚至超過人工駕駛的安全水平,把事故率能夠降低到社會整體之下,那么自動駕駛對于整個社會來說就可以起到一定的積極作用。

      自動駕駛:一場“文科”考試

      實際上,自動駕駛面臨的不只是技術困境,在被眾多企業、資本所忽視的角落里,還有社會輿論環境的難題。這兩個問題的重要性是等同的,解決這個難題甚至能為企業帶來部分的先發優勢。

      在社會輿論問題上,網約車行業曾經的歷史教訓仍然歷歷在目,可以說是一個鮮活的案例。

      應急管理部信息研究院曾經發布《中國網約車安全發展研究報告》事實,國內主要網約車企業比傳統出租車具有更高安全性,交通事故億公里死亡率比巡游出租車低26%。但網約車每次出事都會被推上風口浪尖,甚至出現主播為吸引流量專門假冒滴滴司機出事的事件。

      由于早期對于社會輿論的忽視,滴滴發展起來后為此付出了巨大代價,2019年全年滴滴在安全方面的資金投入將超過20億元,各級安全工作團隊已超2500人,相當于每四五名滴滴員工中,就有一名專職負責安全工作。

      如今隨著L1、L2級別的自動駕駛落地,交通事故也如附骨之疽一般出現,但整個自動駕駛行業都給人一種聽之任之、甚至縱容的感覺。

      一方面,當前汽車的自動駕駛系統還非常不完善,只能提供輔助作用,但是由于企業的過渡宣傳,導致普通車主和用戶都缺乏完備認知,很容易忽視技術本身存在的危險,結果安全事故頻出。

      另一方面,事故發生之后,車企對于車主維權表現傲慢,甚至在事故發生后沒有認真分析原因,導致事故持續不斷發生。比如蔚來車主出事之后,蔚來發布了一份《蔚來車主對NP/NOP系統認知的聯合聲明》,想要撇清關系,結果有更多的蔚來車主紛紛發聲,覺得自己“被代表”。

      如今自動駕駛在用戶心中種下的陰影未來會持續存在,如果放任不管的話還會不斷生長,即便自動駕駛技術成熟,未來要花費更大的代價去解決。需要明白的是,自動駕駛沒有絕對的安全,到了L5也有發生事故的可能,問題將更加嚴重。

      從解決問題的角度來看,自動駕駛本質上更像是一場“文科”考試:不僅技術沒有辦法提供絕對的標準答案,行業更要面對社會乃至法律倫理的拷問。

      漸進式路線的發展邏輯

      如果從自動駕駛企業的商業路徑來劃分,可以簡單分為兩類:一類選擇一步登天,走完全無人路線的L4/L5級企業,如Waymo;另一類則是漸進式路線的ADAS企業,比較出名的如特斯拉、蔚小理,還有剛嶄露頭角的毫末智行、智駕科技等。

      作為自動駕駛行業的標桿,Waymo如今已經亮出了底牌,技術難以完善、核心人才流失、商業化困難,資本大失所望,跟隨者也逐漸分化、改弦更張。而另一類漸進式玩家反而成為了資本眼中的香餑餑。比如毫末智行,在今年融資消息公布前,很少有人聽說過這個名字,結果首輪融資就是首鋼美團高瓴數億元投資。

      為什么毫末智行這類玩家可以崛起,他們和特斯拉、蔚小理有什么區別?接下來需要好好梳理下漸進式路線的發展邏輯。

      從互聯網視角來觀察,漸進式路線本質上是一種互聯網商業中的一種MVP(Most Viarable Product) 式設計。

      互聯網思維下,如果認為這個方案很可能具備市場價值,就可以投入部分資源,研發一個“最小化可行性”產品。通過最簡明的方式建立原型,然后通過快速迭代來完善細節,快速回應用戶需求。所謂“最小化”,即只解決客戶最大痛點。優點是可以加快產品上市時間,減少資源投入,減少試錯成本,缺點是不穩定、不可靠。

      自動駕駛領域非常具有迷惑性,所有人都只盯著技術供給,以為只要技術供給沒問題了,自動駕駛就能夠成功。事實證明,相比技術供給,技術需求是真正決定企業存亡的因素。

      一個是迷惑性的“供”,另一個是致命性的“需”,而MVP式設計的本質就是需求導向,只不過自動駕駛賽道在MVP式設計上再次出現了分化。

      有業內人士表示,目前業內大多數人想法是有什么BUG不重要,車能跑就行了,出了問題后面再修。雖然特斯拉、蔚小理們的自動駕駛技術還并不成熟,但依然作為輔助駕駛系統應用到了車上,這就相當于照搬了互聯網商業中的MVP式設計。

      而互聯網領域進行MVP式設計時曾出現的問題自然也出現在特斯拉路線上,但不同的是,手機死機了可以重啟,汽車死機就是人命關天的嚴重安全問題。

      而毫末智行這類玩家與特斯拉、蔚小理并不太一樣。特斯拉、蔚小理相當于對自動駕駛產品進行了MVP式設計,屬于產品漸進。而毫末智行這些玩家是對場景進行MVP式設計,屬于場景漸進。

      自動駕駛不應該只是簡單的看做一種技術,更可以看做是一種通過人工智能、視覺計算、雷達等多種技術組合形成的廣泛的技術運用場景,場景漸進的本質仍然是需求漸進。

      而且相比產品漸進路線,場景漸進更有利于規避安全事故。比如毫末智行的核心業務低速物流配送車,“低速”意味著即便無人車出現故障,即便造成損失也難以帶來過于嚴重的安全問題。同時,“物流配送”屬于商用,C端不是主要使用者,反而可以隨著運營常態化瓦解人們對于自動駕駛技術的不信任與敵意,幫助企業獲得社會認同。

      場景漸進同樣存在缺陷,那就是難以解決corner case,也就是長尾數據問題。安全與數據,如魚和熊掌,兩者不可兼得。

      自動駕駛的傳感器方案、計算平臺日漸趨同,供應商就那么幾家。因此,自動駕駛公司的決勝點在數據。如果場景不同,長尾數據問題不同,而且長尾數據問題解決難易程度也不同。

      如果選擇容易落地的場景當做溫床,難以獲取長尾數據,企業未來大概率會被超越;如果選擇全部投入復雜場景,則很可能入不敷出,沒有資本支持的情況下彈盡糧絕。最好的做法或許是簡單場景落地“養家”,同時為復雜場景“攻堅”提供資糧。

      自動駕駛已經到了反思的時刻,未來的科技變革不會過于遙遠,最后也希望各位玩家都能夠走到實現理想的時刻。

    +1

    來源:互聯網江湖

    推薦文章

    免费国产黄在线观看,吃农村哺乳丰满妇女奶水,7788亚洲精品无码专区在线
      <form id="1rp55"><th id="1rp55"><progress id="1rp55"></progress></th></form>

      <noframes id="1rp55">

      <noframes id="1rp55"><address id="1rp55"></address>
      <listing id="1rp55"><listing id="1rp55"><menuitem id="1rp55"></menuitem></listing></listing>

      <address id="1rp55"></address><address id="1rp55"></address>