一文浅谈智能驾驶进化史

来源：乐鱼网    发布时间：2024-07-13 13:02:57

  技术发展具有 20 年的周期律： 1970 年至 1990 年是发轫于 PC 的数字化，1990 年至 2010 年是网络推动的

  目前，人工智能炙手可热，勇于探索商业模式的公司如雨后春笋般涌现。从业者开始思考，如何让技术形成涟漪效应，促使产业非线性、跃迁式增长。

  有人把AI和产业的关系比喻成 “ 葡萄干和面包 ” ，虽然葡萄干离开面包仍是葡萄干，但两者结合在一起就能创造出高价值的新品类。

  笔者近年来一直在探索人工智能的产业机会，并得出结论：未来 15 年，智能驾驶将是人工智能所带来的增值最大的产业，没有之一。

  重塑出行市场，无人驾驶+ 共享汽车将解决如今困扰消费者和出行服务商的最严重的问题——司机成本和 “ 坏人 ” 风险。如果说当前的网约车只解决了 2 % 的出行，那么未来无人驾驶出租车可以将这个比例提升数十倍；

  创造了新的消费经济和生产力市场——乘客经济。乘客在路上或消费，或工作，或娱乐，每一辆车都可以变成移动的商业地产。

  其次，解决人类进入汽车社会以来一直没有办法解决的多个社会问题 ——交通拥堵（以及怠速行驶带来的废气排放）、事故频发、停车难等。无人驾驶如同具有千亿公里的驾驶经验和百万年驾龄的“ 老司机”，不疲劳、不路怒、不酒驾药驾、不随意加塞、也不用操心停车，可以根本性解决以上问题，真正满足人民群众对美好生活的向往。

  1921年 8 月，第一辆无人驾驶（实为遥控）汽车在美国诞生，美国陆军的一位电子工程师坐在后面的一辆车上，用无线电操控前面那辆无人车的方向盘、离合器和制动器。

  1939年的纽约世界博览会，通用汽车在 “ 未来世界 ” 展览上，预言 1960 年高速公路将具有电子轨道，与汽车的自动驾驶系统相配合，实现无人驾驶，直到驶出高速公路才切换回司机驾驶。

  此后，通用汽车并没有把这个预言当做儿戏，而是在 1956 年展出了 Firebird II，这辆看似 “火箭” 的概念车有史以来第一次具备了自动导航系统。两年以后，Firebird III 问世时，BBC 现场直播了基于车路协同的无人驾驶，高速公路上预埋的线缆与车端的接收器通过电子脉冲信号进行通讯，展示了未来高速公路的无人驾驶形态。

  实际上，真正具备独立自动驾驶能力的原型——Shakey，出现在 20 世纪 60 年代，诞生于斯坦福研究院（Stanford Research Institute），这个研究院后来改名为斯坦福国际研究院（SRI International），以发明了电脑鼠标和语音助手 Siri 闻名，它的另一重要贡献是机器人。

  Shakey是第一个具有完整感知、规划和控制能力（这也是后来机器人和无人车的通用框架）的机器人。之父是科学怪才查尔斯·罗森（CharlesRosen），也是斯坦福国际研究院的创始人。猎奇的媒体对 做出了超出其实际能力，甚至耸人听闻的宣传，末日论第一次泛起，这让科学家们颇为尴尬，而这也是人工智能学界第一次与媒体结下了梁子，后来无数次反复。

  如果说 Shakey 只是个在室内移动的机器人，那么 “斯坦福车（Stanford Cart）” 则是第一辆接近于无人驾驶汽车的机器人。汉斯·莫拉维克（Hans Moravec）被誉为“人工智能最坚定的支持者”，在他的领导下，“斯坦福车”取得了巨大进展。

  莫拉维克的团队研发了很多新技术，例如，用单一摄像头计算场景的深度，后来 Mobileye 采用了类似技术。多数情况下，“斯坦福车” 一定要通过远程图像来操控，有一次它逃脱了控制，直接驶入了繁忙的道路，当莫拉维克从监视器中看到一辆真实的车辆从 “斯坦福车” 边上呼啸而过，大吃一惊，于是追捕“叛逃机器人”成为无人车历史上诙谐的一笔。

  莫拉维克在机器视觉的探索中遭遇了很多挫折，后来提出了著名的莫拉维克悖论（Moravec’s Paradox）——人类的高阶智能，比如推理、规划和下棋，计算机都能够轻易实现。而只有几个月大的婴儿就能驾轻就熟的低阶智能，如感知和运动配合，计算机都遥不可及。在深度学习尚在襁褓之中的时代，科学家们还找不到头绪。

  上世纪 80 年代，电视剧《霹雳游侠》（Knight Rider）中的 KITT 无人驾驶汽车风靡一时。几乎同时，汽车制造强国日本、德国和美国真正开始无人驾驶汽车的研发。日本的筑波工程研究实验室、德国的慕尼黑国防军大学与梅赛德斯联合团队、美国的国防高级研究计划局（DARPA）和卡内基梅隆大学，分别以 “ 摄像头为主、其他传感器为辅 ” 开发出不同的无人驾驶汽车的原型，并且在真实路况中展现出了令人信服的能力。

  尤其是卡内基梅隆大学的 NavLab ，在 1995 年完成了从匹兹堡到圣地亚哥的 “ No Hands ” 跨越美国之旅，其中 98.2 % 的里程由无人驾驶完成，虽然车辆速度不快，但即使放到今天来说，这样的成果仍然非常了不起。这辆后来进入 “ 机器人名人堂 ” 的无人车是基于 PontiacTrans Sport Minivan（小型多用途车）改造的，根本原因是相比轿车，Minivan 能塞进去更多的设备。后来 Waymo 也是采用了菲亚特克莱斯勒的 Minivan “ 大捷龙（Pacifica）” 作为无人车的改装基础。

  90 年代末的另一个创举来自意大利帕尔马大学视觉实验室 VisLab ，他们利用双目摄像头组成的立体视觉系统，在高速上实现了 2000 公里的长距离试验，无人驾驶占比 94 % ，而车速则达到了 112 公里/小时。

  几乎与此同时，中国学术和产业界也开始了智能驾驶的探索。在清华大学，1978 年齐国光教授课题组开始研究无人驾驶，1986 年何克忠教授的 HTMR 课题组接力，到 HTMR-III，才真正有了接近无人驾驶汽车的原型车。

  中国第一辆无人驾驶汽车是 90 年代初的 ATB-1（Autonomous Test Bed-1），由北京理工大学、南京理工大学、国防科技大学、清华大学和浙江大学五家单位联合研究，而后的 ATB-2 速度较之第一代提升了 3 - 4 倍，这些院校多数成为了后来中国无人驾驶人才的摇篮。

  同样是 90 年代，中科院自动化研究所的王飞跃教授在美国也开始了无人车的研究。

  与美国类似，中国在遥控驾驶方面的探索也较早，1980 年国家立项“遥控驾驶的防核化侦察车”项目，哈尔滨工业大学、沈阳自动化研究所和国防科技大学参与了该项目的研究。在第二个阶段来临的前一年（ 2003 年），国防科技大学与一汽合作的红旗 CA7460 实现了高速公路的无人驾驶演示，峰值速度达到 170 公里/小时，并且实现了自动超车。

  2004年的大事件是美国国防高级研究计划局（DARPA）的无人车挑战赛 “ Grand Challenge ” 。时值 “ 第二次海湾战争 ” 起步，国防部注意到沙漠行动中的士兵伤亡，希望用无人驾驶来解决这一问题。

  DARPA挑战赛是美国的一项优良传统，国会拨专款，通过挑战赛发现那些变革性的、高回报的科研成果，极大地缩短了基础科学发现与军事应用之间的鸿沟。3 次无人车挑战赛、1 次机器人挑战赛（Robotics Challenge），以及 2018 年的航天发射挑战赛（Launch Challenge），使其天下闻名。

  挑战赛要求无人车成功穿过240公里的沙漠道路，不出意料，2004 年所有车队在沙漠中折戟。这让随后 2005 年的挑战赛成就了一段光辉岁月。

  卡内基梅隆大学的 Red 车队是夺冠热门，其负责人、机器人专家雷德·惠塔克（Red Whittaker）志在必得。他认为无人驾驶不是仅仅靠努力工作就能实现的，“ If you havent done everything, you havent done a thing. ”意思是你什么都得会，才能取得成功，只懂某些方面等于零。这也间接道出了无人驾驶的高门槛。

  在参赛队伍中，斯坦福大学的 “ 斯坦利（Stanley）” 无人车并不起眼，可是领队塞巴斯蒂安·特龙（Sebastian Thrun）矢志夺魁，他是机器人 SLAM（同步定位与地图创建）技术的先驱者，先前从卡内基梅隆大学失意出走，试图在这场比赛中夺回尊严。无人驾驶车的传统三强是卡内基梅隆大学、斯坦福大学和麻省理工学院，但在挑战者当中还有一个来自加州大学伯克利分校的年轻人，安东尼·莱万多斯基（Anthony Levandowski），这个身高 2L米、特立独行的年轻人以一辆名为 “恶灵骑士” 的摩托车参赛，吸足了眼球。

  卡内基梅隆大学的两辆车一路领先，可下半程莫名的故障导致两辆车大幅减速，只获得第二名和第三名。“ 斯坦利 ” 虽然在比赛中出了几次事故，但没有大碍，在删除了一些无关紧要的代码后竟然越跑越快，最终斩获 200 万美元的冠军奖金。一直到 12 年以后，卡内基梅隆失利的原因才浮出水面，原来是引擎控制模块和喷嘴之间的一个过滤器坏了，使引擎失去了动力。“ 千里之堤，溃于蚁穴 ”，对待无人驾驶要有十二分的敬畏之心。特龙后来感叹，斯坦福能赢，纯粹是随机性发生作用。

  在这次比赛中，很多车辆都使用了激光雷达、高精度的地理信息系统和惯性导航系统，直到今天这些仍然是很多无人车的标准配置。当然，当时的激光雷达可以说是千奇百怪，其中霍尔（Hall）兄弟做的激光雷达大如脸盆，这两兄弟是音响店的老板，又是 “ 格斗机器人 ” 的爱好者，从钻研机器人到研究激光雷达，成就了后来激光雷达领域的先锋 —— Velodyne。

  笔者第一次接触无人车就是在 2005 年，当时英特尔研究院的 Gary Bradski（OpenCV 之父）帮助特龙的团队提升视觉能力，他力劝英特尔的市场部门赞助斯坦福车队，彼时英特尔已经花了 10 万美元赞助卡内基梅隆大学，于是特龙给了个友情价—— 2 万美元，英特尔幸运地赢得了这个最终冠军的赌注。有趣的是，由于“斯坦利”全身已经贴满各种赞助商的商标，英特尔的标志只能贴在前车窗上，这是个很醒目的位置，而且昭示这是辆无人车（因没有司机透过前车窗看后视镜）。

  转眼到了 2007 年，DARPA 已经不满足于荒野的无人驾驶，开始 “ 城市挑战赛 （Urban Challenge）”。卡内基梅隆大学卷土重来，这次他们准备充分，组建了一支 40 人的队伍，这中间还包括大将克里斯·乌尔姆森（Chris Urmson）。除了两辆参赛的车辆，还有一辆补给车提供充足的零件替换。

  卡内基梅隆大学的惠塔克终于摘得桂冠。据说，这次卡内基梅隆大学投入巨大，以至于拿到 200 万美元大奖后依然没有填补亏空。在他们的装备库里，第一次出现了一种新型的 64 线激光雷达，为了让这件装备投入到正常的使用中，卡内基梅隆大学的工程师编写了大量的驱动程序。霍尔兄弟的 Velodyne 提供了这一超级武器，从脸盆大小到花盆大小，凝聚了他们的很多心血。在其后的近 10 年间，64 线激光雷达成为全世界绝大多数无人车必须配置的组件。

  两次挑战赛极大地振奋了科研届的信心，也培养了大量人才。据说谷歌的创始人拉里·佩奇（Larry Page）是个极客，他与特龙因为对机器人感兴趣而成为密友，对于无人驾驶，佩奇有了新的想法。他把特龙招来谷歌，先是在谷歌街景上小试牛刀，到 2009 年的时候，秘密成立了无人车项目 “司机（Chauffeur）”，并且聚集了一批在挑战赛中声名鹊起的名将，包括前面提到的乌尔姆森和莱万多斯基。

  阿姆侬·沙书亚（Amnon Shashua）是一位视觉专家，属于麻省理工派，在斯坦福学术休假时是特龙的室友。作为希伯来大学教授，他创建了 Mobileye，是第一个试图产品化 ADAS（先进驾驶辅助系统）技术的先驱者。Mobileye 创建于 1999 年，到 2009 年时，走过了 “ 从 0 到 1 ”的苦旅，已经有多款车型安装了它的产品。创立之初，没有人想到它一直到 2014 年才敲钟上市，更让人没想到的是，2017 年它被英特尔收购，而这 18 年，它走出了一条少有人走的道路。

  DARPA的无人车挑战赛激励了中国的同行。2009 年，在国家自然科学基金委员会 “ 视听觉信息的认知计算 ” 重大研究计划的支持下，首届中国 “ 智能车未来挑战 ” 大赛在西安举行，从此拉开了中国系列挑战赛的序幕。

  2010年，特龙以创始人身份成立 Google X，在这里，无数 “ 登（Moonshot）” 项目争先恐后地展开。

  谷歌的第一款无人车是基于混电车 Prius 改装的，顶上装着 64 线激光雷达，以此建立高分辨率的三维环境模型或高精度地图。这些测试车被伪装成街景的数据采集车，常常夜间出没，以躲避公众的视线，也可以在没人没车的道路上采集高精地图。即使他们非常低调，但也难免被交警抓到，詹姆斯·库夫纳（James Kuffner）是最早一批从卡内基梅隆车队被挖到谷歌的工程师之一，如今已经是丰田无人车领袖的他，还能回想起当初被交警拦下的一幕。“ 纸包不住火 ”，最终著名记者约翰·马尔科夫从某个测试司机的高中同学那里挖掘到惊天信息，并且在《》将其揭露出来，这让 “车城” 底特律陷入深深的震惊之中。旋即内华达成为了美国第一个允许无人车上路的州。

  谷歌无人车的核心骨干中，有当初 “ 恶灵骑士 ” 的主人莱万多斯基。这位深受佩奇赏识的年轻人，却是个藐视规则，甚至对安全不以为然的麻烦制造者。他主导谷歌向 510 SYSTEMS 等几家公司采购技术和部件，后来大家才知道这一些企业是莱万多斯基自己私自经营的。佩奇对其展现出极大的容忍，不仅许以重金，甚至把 510 SYSTEMS 买了下来。

  谷歌的第二代无人车是更为强大的 Lexus ，同样是混合动力。前面提到，无人车的基础车型，第一个要求是要大，装得下各种设备，第二个要求就是电控，因为发动机的底层控制算法比电机要困难很多，多数团队更愿意把时间放在高层的算法上。

  但线 年谷歌第三代无人车 “萤火虫（Firefly）”的诞生，这款长得像考拉的小车是针对无人驾驶完全进行重新设计的，比如移除了雨刷，因为并不是特别需要有驾驶员在雨中看清路况。按照设计，这种车是没有方向盘的，但由于加州法律的限制，车里还是安装了一个游戏操纵杆作为方向盘。这辆车后来获得了红点设计大奖。

  与此同时，Mobileye 赢得了车厂的信任，以视觉为主的 ADAS 低价方案进入主流市场，到 2015 年时，装机量已经近千万台。Mobileye 也偷偷开始了无人驾驶的研发。相比谷歌的方案，Mobileye 基于视觉的方案有独到之处。比如它采用视觉地图，从视觉中提取的地图特别小（每公里只需10 kb 级别的数据，相比之下谷歌是 GB 级别的），适合实时上传、通过众包的方式更新。

  事实上，基于视觉的定位更接近于人类的驾驶方式。我们根据道路上的标志来评估大致的位置，并且根据路面线条的变化做出实时的决策（选哪一条车道，是否上匝道等）。那么，只需从视觉中提取出那些标志和线条，众包上传到地图，行驶时便能够最终靠视觉匹配来获得定位。

  首先是年初，梅赛德斯-奔驰的无人驾驶概念车 F015在 CES 上惊艳亮相，一下子把无人车呈现到大众面前。

  2 月初，新闻爆出打车应用 Uber 从卡内基梅隆大学及其附属的国家机器人研究中心挖走 50 多名科学家和工程师，建立自己的无人车研发团队。据说Uber的创始人特拉维斯·卡兰尼克（Travis Kalanick）乘坐了谷歌的无人车（谷歌是 Uber 的投资人）之后，既兴奋又恐惧，认为这对行业来说是颠覆性的技术，然而又会 “ 革掉自己的命 ” ，于是有了前面的大动作。

  而最让人直面 “ 未来已来 ” 的，是 10 月份特斯拉发布 Autopilot。虽然 Autopilot 是 L2 级的辅助驾驶，但很多普通车主都被这个名称给误导了。三个胆子比较大的司机打开 Autopilot 模式，完成了美国东西海岸的穿越，全程平均速度达到了 84 公里/小时。当然，在这样的一个过程中也出现了险情，而特斯拉却不以为然，从而为后来的事故埋下了隐患。

  2010年，前面提到的 VisLab 四辆无人驾驶汽车从意大利帕尔马出发，穿越 9 个国家、行程 1.3 万公里，到达中国上海。VisLab与中国的渊源并未结束，后来国内一些无人驾驶的青年军在 VisLab 做过访问学习。2015 年，一家华人背景的视觉芯片公司——安霸收购了 VisLab 。

  2011年 7 月，国防科技大学贺汉根教授技术团队自主研制的红旗 HQ3 无人驾驶汽车，首次完成了从长沙到武汉 286 公里的高速全程无人驾驶试验，其中人工驾驶里程不足 1 %，而且相比上一代的 CA7460，在硬件小型化、控制精度和稳定能力等方面取得了显著进展。基于此，国防科技大学也拿到了当年“智能车未来挑战”大赛的冠军。而这之后，李德毅院士的团队成为冠军的常客（除了 2013 年由北京理工大学获得，其主将是驭势科技 CTO 姜岩博士）。

  8 月份，宇通和李德毅院士团队合作的大巴完成了郑开高速的 33 公里无人驾驶，在全球范围内开创了无人驾驶大巴的先河。

  11 月第 7 届 “ 智能车未来挑战 ” 大赛在常熟成功举办，挑战赛得到了中央电视台新闻联播的报道，无人驾驶成为了普通大众饭后茶余的谈资。

  12 月份百度推出无人车年度大片，百度与宝马合作的无人车在 G7 “ 高速-五环-奥林匹克森林公园 ” 的路线中进行了往返行驶，吸引了无数眼球。对这个项目中的一些人来说，这次演示是一个结束，随后他们离开百度开始新的征程。而对百度来说，这是一个开始，无人驾驶部门正式成立，王劲挂帅，号称 “ 三年商用，五年量产 ”、“ 如果汽车行业不革自己的命，就会被别人革了命 ”。

  “ 当这个时代到来的时候，锐不可当。万物肆意生长，尘埃与曙光升腾，江河汇聚成川，无名山丘崛起为峰，天地一时，无比开阔。”

  用这段线 年的开局，再恰当不过。2016 年是无人驾驶的 “ 春分 ” 时节。

  笔者于 2016 年 2 月辞职创业，很多人，包括风险投资（VC），对商业模式满腹狐疑。孰料 3 月份连爆几件大事，AlphaGo 五番棋大胜李世石点燃了民众对AI的热情，而通用汽车以 10 亿美元收购彼时只有几台样车、40 多个人的 Cruise Automation，让 VC 也意识到，无人驾驶时代即将来临。在中国，北京的春季车展，长安与博世和清华合作的几辆无人车 “ 2000 公里进京 ” ，无人驾驶也真正进入中国大众视野。

  4 月份峰回路转，英特尔高调宣称押注智能驾驶领域，笔者作为英特尔老员工、又在做无人驾驶创业，对此也很关注。5 月份英特尔聘请的咨询公司找到笔者，期望为英特尔的策略建言献策，我的建议很简单，收购Mobileye。1 年以后，英特尔宣布以 153 亿美元收购 Mobileye（与本人的建议未必有因果关系），代表了这个 PC 时代的巨头正式大举进入这一领域。

  2 月份谷歌的无人车撞上了巴士，这是其第一起主动承认有责任的事故，但那起轻微碰撞并未引起太多指责，后面总结出的教训之一是巴士司机惹不起。

  5 月份，特斯拉的第一起致命车祸占据了头条。死者是一位司机，特斯拉的热衷者。当时车辆运行在高速 Autopilot 模式中，司机却在观看视频，完全忽略了紧盯路况的责任。Autopilot 系统没检测到一辆大卡车正横穿马路，车辆以极高的速度从卡车肚子下钻了过去，司机当场身亡。

  事故中纵然有 Mobileye 视觉未能识别出白色拖车横侧面的缘故，但前视雷达也由于安装的地方较低错过了目标。公众开始质疑：这类 beta 版的软硬件是否允许上路？软件升级了是否要重新车检？另一方面，Autopilot 被错误宣传成了无人驾驶，而实质上仍然是辅助驾驶。

  1 个月后，在媒体和业界的口诛笔伐中，特斯拉发了一篇博客给自己辩解，事故前的 7 个月中 Autopilot 完成了 1.3 亿英里的自动驾驶里程，而美国人类驾驶员平均每 9400 万英里发生一次致命车祸，Autopilot 岂不是已经足够安全？然而，特斯拉没有把中国此前的一次类似车祸算上，因为那样的话，Autopilot 的数据降成了每 6500 万英里发生一次致命车祸。此后关于多少无事故里程才算安全，也成为摆在行业面前的无解之问。

  这起事故也导致了特斯拉与 Mobileye 的 “ 分手 ” ，除了事故表面的责任，还有一个重要的原因，特斯拉想要自主研发计算机视觉的雄心触碰了 Mobileye 的核心利益。在几个回合的相互指责后，特斯拉先是宣布把博世的毫米波雷达作为主传感器，到 10 月份，它正式公开宣布 Autopilot 硬件版本 2.0（HW2）采用自己的视觉系统。也许是马斯克的 “ 第一性原理 ” （人靠视觉能够驾驶，无人驾驶也一样），也许是特斯拉的促销手段，他们宣称，HW2 具备了全自动驾驶的能力，购买 HW2 的新车，只需花 3000 美元，未来便可以通过软件升级实现无人驾驶。

  略显讽刺的是，恰恰 2 年之后，2018 年 10 月，特斯拉从宣传册里删掉了这个选项。这两年中，特斯拉经历了大量人才的流失，多个测评显示，HW2.x 在推出 1 年以后才基本达到 1.0 的水准。但是对 2.x 软硬件的完全控制还是让特斯拉掌握了大量的数据。

  2016年 8 月的一件大事是Uber耗资 6.8 亿美元收购卡车无人驾驶公司 Otto。当初卡兰尼克在匹兹堡成立研发中心时，对于无人驾驶进入商业化有着极高的期待，然而 1 年多的进展并不令其满意，收购 Otto 是再次加码，可是他没想到，这日后成为压倒他的最后一根稻草。Otto 的创始人正是当初那位任职于谷歌、桀骜不驯的莱万多斯基。佩奇的包容没有让他收心，谷歌巨额奖金带来的满足感也渐渐消退，大公司的繁文缛节和小心翼翼让他深感 “ 龙困浅滩 ”，于是在 年年初，他拉了一帮人出来另立门户。

  硅谷对 “背叛” 相当宽容，但鉴于无人驾驶这种技术的稀缺性，谷歌有可能与出走者签署某种非正式的竞业条款，出走者在创立新公司时多数刻意避开了直接竞争。比如朱家俊和 Dave Ferguson 的Nuro 做物流配送，而 Otto 则定位做无人驾驶的卡车。当然，任何条款都有限期，收购发生的 8 月，恰好是莱万多斯基拿到谷歌最后一笔补偿金之后。

  2016年 12 月，Waymo 作为一家独立的公司从 Alphabet 母体中拆分，一夜之间这个全新的名字成为无人驾驶领域举世瞩目的第一高手。在此之前 3 个月，约翰·克拉夫西克（John Krafcik）成为这支团队的新首领，这位既做过汽车公司老总（前现代汽车北美 CEO），又领导过网络公司（类似二手车交易网站）的老兵，给 Waymo 带来了不同的风格和战略的同时，也必然带来了冲突。在克拉夫西克入职前1月，特龙之后的第二代领袖乌尔姆森也离职创业，Waymo 真正进入了新的时代。

  雨水充沛，万物复苏，很多公司大踏步而来。大公司，无论是科技巨头还是主机厂，开始线 年是勇于探索商业模式的公司纷纷入局的一年。另一个重要的迹象是，无人驾驶百花齐放，不单单是乘用车，还出现了各种商用车、专用车，除了载人之外，物流变成一个更大的市场。

  1 月份的国际消费类电子科技类产品展览会（CES）是个风向标。这一年的最热话题是无人驾驶，LVCC 北馆几乎每家公司都展出了无人驾驶概念，北广场则是无人驾驶的实车体验。

  笔者所在的驭势科技也向世界推出了概念车 “ 城市移动空间 ”，其具有 360 度无死角传感器覆盖和没有方向盘油门刹车的 L4 级无人驾驶设计，特别是独特的内部环形沙发布局彰显了“在路上的 VIP 休息室”概念。很多老牌车厂高管、工程师和设计师在车前驻足，其中一位慨叹，在主机厂早就想这么做，可惜没有自由发挥的空间。

  《时代周刊》（Time）的汽车门户特邀主编 Alex Roy 在播客上说：“当我看着这辆车时，我认为这是 Faraday 本应该去造的车。” 该车在2017年获得了红点设计大奖，在红点的历史上，还有三辆无人车获奖，前面提到的谷歌 “ 萤火虫 ” 、奔驰 F015 和同年的宝马 i-inside。

  4 月份，英特尔以 153 亿美元收购 Mobileye ，这一个动作姗姗来迟，在过去的1年中英特尔全力奔跑，但CEO 柯再奇（Brian Krzanich）已没有耐心从头追赶，收购Mobileye是获得前排车票的最佳选择。153 亿美元，按照传统的财务指标来说这样的价格是高的，按照 ADAS 公司的估值来说也一定是高的，但如果以无人驾驶龙头的想象空间来看，似乎也不高。仅仅 2 个月后，摩根斯坦利的分析师给了 Waymo 一个 700 亿美元的估值。

  英特尔与 Mobileye 的整合花了近一年的时间，涉及美国与以色列、新旧势力的平衡，但 “ 不经历风雨，怎么见彩虹 ” ，18 年后重装再发时，英特尔慢慢的变成了这个竞技场最重要的玩家。

  不同文化的整合需要领导的魄力和妥协，需要信任和授权。在过去的 1 年里, 通用汽车也是潜流暗涌，Cruise 的 L4 级无人驾驶新生力量与 SuperCruise 的 2 级无人驾驶产品团队该如何相处？玛丽·巴拉（Mary Barra）领导的管理层运用了最高的政治智慧，底特律的归底特律，旧金山的归旧金山，Cruise 团队获得了极高的自主权，在人员加快速度进行发展的同时，力图保留硅谷的创业文化；另一方面，通用汽车又提供了硅谷所不具备的汽车工程能力，两者取长补短，使 Cruise 很快在旧金山繁忙的街头展示了高超的水平，成为 Waymo 之后进步最快的追赶者。对于 Cruise 来说，旧金山是显示实力的最佳主场，它声称，比起 Waymo 和 Uber 在亚利桑那的那几个城市（当然 Waymo 并不只是在亚利桑那），旧金山复杂度提升了数十倍。

  美国汽车市场的 “ 二当家 ” 福特也不甘落后。福特从来就没忘记昔日荣耀（家族人员依然身居高位），它也是最早开始与谷歌接触的汽车公司，然而网络公司的傲慢使谈判不欢而散。2016 年，福特推出 2021 无人驾驶宣言 —— 在 2021 年实现无人驾驶的商业化运营。2017 年年初，又有以 10 亿美元投资ArgoAI这样的大手笔。Argo AI，这家刚刚成立数月的勇于探索商业模式的公司拥有谷歌、Uber 和早年参与挑战赛的一些高手。

  然而，对于老牌巨头们来说，新旧动能的转换是挣扎的，新业务需要长期和巨量的投入，而旧业务一旦陷入成长困境，领袖将承担来自两个方面的压力。福特老 CEO 马克·菲尔兹（Mark Fields）黯然退位，但还是把权杖交给了负责无人驾驶和出行部门的负责人——吉姆·哈克特（Jim Hackett）。

  哈克特上任后给 “ 2021 ” 降了点温，但这可以被理解为 “ 管理利益相关者的期望值 ”，对于团队来说，“ 2021 ” 仍然是值得努力的目标，福特和 Argo AI 的目标先锁定在迈阿密。与通用选择的旧金山相比，迈阿密交通状况更复杂，需要应付很多游客，雨水更多，甚至经常 “ 水漫金山 ”。

  还有很多老牌巨头也在应对新旧动能转化的阵痛。零部件供应商采埃孚 ZF 在一系列投资和收购之后（对激光雷达供应商 Ibeo 的成功收购形成了对竞争对手Valeo的狙击），也经历了领导层的巨变。在汽车圈里，“ 分 ” 与 “ 合 ” 蔚然成风。“ 分 ” 可以轻装上阵迎接新四化（新能源化、共享化、智能化、网联化），能够更快决策，更容易融资。

  典型的案例就是德尔福拆分出安波福，全力聚焦智能网联汽车（几乎与此同时，又以 4.5 亿美元并购了初创公司NuTonomy）。福特也拆出Ford Autonomous Vehicles LLC。另一方面，通过 “ 合 ” 化敌为友，抱团取暖，分担研发成本，也不失为上策。

  英特尔 / Mobileye、安波福、宝马一个圈子，后来又加入了大陆、菲亚特克莱斯勒等。

  单以联盟成员的规模来说，百度阿波罗生态能够说是最大的朋友圈：2017 年 3 月，陆奇入主智能驾驶事业部，引起了另一拨核心人才的出走。据说，此时百度美国研究院一位工程师建言开源，百度领导层迅速展现了巨大的魄力，在 4 月份的上海车展上，陆奇宣布 “ 阿波罗 ” 计划，做汽车界的安卓。

  阿波罗登月计划，寓意是向人工智能的宇宙出发，“ 希望未来可以解放双手，使每个人开车时也能自由地仰望星空。”

  一石激起千层浪，整个行业为之震动。在 7 月份的 AI开发者大会上，李彦宏乘坐一辆与博世合作的苏州牌照汽车，在五环展示了一番无人驾驶技术，接到交警罚单，但这不能掩盖 Apollo 1.0 的宣布所引起的轰动，大家开始意识到，百度是认真的。

  阿波罗的开放，值得全行业竖大拇指，在活跃生态、数据共享、培养人才等方面居功至伟。但也引发了很多问题：

  安卓的成功是在一个成功的iOS之后，目前尚无成功的无人驾驶 iOS，做安卓是否过早？

  安卓是谷歌声东击西的秒策，因为安卓是移动端提升其核心搜索和广告业务的载体，而阿波罗自身的商业模式还没有浮现，与今天百度的核心业务也尚未有机结合，作为一个 “ 烧钱 ” 的业务能否得到股东的支持、长期走下去？

  阿波罗生态的繁荣，不在于百度的慷慨，而在于生态成员是否也能全情投入，尤其是那些汽车产业的 “ 老炮 ” ，是否认同 “ 以数据换代码 ” 的这条路径？

  毫无疑问，对于初创公司来说，阿波罗降低了做演示的门槛，但同时也提升了做大做强的门槛，必须做到比阿波罗的技术有差异化提升才能生存下来。在整个下半年，百度系勇于探索商业模式的公司三杰景驰、小马和 Roadstar.ai 都在做技术的差异化。很多勇于探索商业模式的公司的差异化是垂直化、场景化和加快商业化落地，从卡车物流到末端配送，从载人、载物到载功能（比如环卫清洁），从矿山到港口，从园区到机场和最后 1 公里。

  第一，4 月份驭势科技与白云机场在航站楼与停车场之间的摆渡，是国内第一起公开的无人驾驶运营，虽然仅仅一周，但与演示有本质的区别，如果说演示是规定时间、规定路线，运营则是面向最终用户和开放环境、全时态工作。

  第二，6 月份驭势科技与凯德集团在杭州来福士地下停车场的摆渡服务，是国内第一起长达数月的多辆无人车常态化运营，开放的人车环境、狭窄的车道、没有 GPS 的定位，都是技术亮点。

  第三个事件是年底深圳的阿尔法巴，4辆经过改造的大巴在设计好的公交路线上展示了不错的能力，这是勇于探索商业模式的公司和高校合作的结果。让人始料不及的是大量 “ 震惊体 ” 文章的刷屏，这与几十年前罗森在Shakey 上碰到的问题如出一辙，在技术还在演进的过程中，管理媒体和大众的预期至关重要。

  10 月中旬，Waymo 宣布，没有前排安全司机的无人驾驶汽车慢慢的开始上路试运营。

  对于一家很看重安全的大公司来说，这需要巨大的勇气，以及对技术绝对的信心。当然，为确保安全，Waymo 仍有安全员在后座以备不测。2018 年年初，加州的车辆管理局进一步宣布 “ 允许车内不坐安全员、只需远程安全员 ” 这个巨大的跨越，相信与 Waymo 所带来的信心有关。

  美国对无人驾驶的态度上，从奥巴马到特朗普政府，从参议院到众议院，从联邦到州政府，具有极高的共识——美国要成为领导者。

  两任交通部长安东尼·福克斯（Anthony Foxx）和赵小兰连续推动《无人驾驶汽车联邦政策》、《无人驾驶系统 2.0：安全愿景》和《准备迎接未来交通：无人驾驶汽车3.0》，在法律空间里增加豁免，为行业松绑。

  几乎同时，德国也推出了首部与无人驾驶汽车相关的法律——《道路交互与通行法第八修正案》，允许无人驾驶系统在特定条件下代替人类驾驶，同时全球第一部无人驾驶道德准则也应运而生。这些立法活动为世界第一款 L3 级无人驾驶产品——奥迪 2018 年款A8 的拥堵巡航（Traffic Jam Pilot）扫清了障碍。

  中国也一直在探索无人驾驶立法和测试体系的建立。早在 2016 年，国家层面就开始讨论路测规范，然而第一个宣布的是北京市，2017 年 12 月，北京市交通委联合北京市公安交管局、北京市经济和信息化委员会等部门，制定发布了《北京市关于快速推进无人驾驶车辆道路测试有关工作的指导意见（试行）》和《北京市无人驾驶车辆道路测试管理细则（试行）》两个文件，如同平地一声雷，让年底的产业界振奋不已。既然第一块牌已经落地，多米诺骨牌就不会停止。

  2018年的上半年，上海、重庆、深圳、广州等地纷纷推出当地的路测政策和指南。4 月 11 日，工信部、公安部和交通运输部联合推出《智能网联汽车道路测试管理规范（试行）》，在国家层面一锤定音。

  考虑到中国的复杂路况对安全有更高的要求，国内的路测规范都要求测试主体事先在封闭测试场内进行一定里程的测试。早在 2016 年 6 月，由工信部批准的国内首个 “国家智能网联汽车（上海）试点示范区” 封闭测试区在嘉定开园。随后，形成了 “ 5+2 ” 的全国布局。时至今日，各地仍在修建或改造智能网联汽车的测试场，虽然短期内有重复建设的问题，但从长久来看，未来，无人车无论是上市还是年检，都有很大的需求。

  2017年的一头一尾，有两场官司引起很大的关注。年头是 Waymo 告 Uber/Otto，年尾是百度告景驰。两场官司，都以被告公司的创始人被迫出走为结局，但实际的影响更为深远。

  莱万多斯基又跟一家名称为 kache.ai 的新公司过从甚密。据报道，他还建造了一间叫 “未来之路” 的教堂，并宣称：“在人工智能的基础上实现、接受并崇拜上帝。” 、“ 我不信上帝，但我相信我们正在创造的东西，从我们认知的角度来看，就是我们的上帝。”

  他认为，机器终将超过人类，而他的教堂中的信徒将从智力和精神上为马上就要来临的转变准备好。这种带着鲜明 “异教徒” 色彩的言论让人想起科幻片里愤世嫉俗的 “邪恶科学家”。

  进入了后卡兰尼克时代，新 CEO 对无人驾驶举棋不定，而景驰在与百度和解后出现了分裂。这两场官司揭示，知识产权的纷争离这个新兴领域并不遥远。然而，在无人驾驶专利的布局上，美德日遥遥领先于中国。

  2017年的 “ 雨水 ” 过后，2018 年或许是 “ 惊蛰 ” ，既有商业化的隆隆春雷，也可能有倒春寒。

  2018年的开始让一些人快乐，一些人难过。Velodyne 降价了，而且降了一半。2017 年对很多无人驾驶公司来说，很痛苦的一件事情是买不到激光雷达，要等好几个月，当年底终于买到了，并囤了一部分货时，结果市场上的激光雷达已经降价了。

  这个时候，激光雷达的赛场已经不是 Velodyne 一枝独秀了，Valeo 的 Scala 在奥迪 A8 上实现了第一个量产项目，传统主机厂和供应商巨头纷纷投资并购，仅德尔福（安波福）就押宝 3 家。几乎所有公司都押注固态或半固态激光雷达，除了前两年已经很火的 Quanergy 和 Innoviz，一些新创公司（如Luminar、速腾聚创和 Innovusion）也展现了性能更佳的产品原型。

  两年前风光无两的 Quanergy 在量产上碰到了一些麻烦，虽然它在光学相控阵技术这条路线上仍然领先，但基于MEMS微振镜、光学二维振镜和 Flash 技术的固态激光雷达在产业化上显示了更快的进展，Innoviz 得到了宝马的订单，Velodyne 的新品 velarray 也似乎后发先至。

  在刚刚过去的 2017 年，加州机动车辆管理局（DMV）公开的多个方面数据显示，基于 35 万英里的测试里程基数，Waymo 实现了每 5596 英里进行一次人工干预，紧随其后的是 Cruise，每 1254 英里进行一次人工干预。

  相比 2016 年的每 5000 英里进行一次干预，Waymo 在 2017 年只提升了 10% ，让人略感失望。细看 Waymo 的数据，积极的因素是，2017 年最后几个月的每次干预里程数得到了极大的提高，2018 年是否延续这种趋势，结果即将揭晓。

  对于这一道路的艰巨性和长期性，Waymo 深有体会。然而，此公司又很擅长 “讷言敏行”。Waymo 的 “ Early Rider 项目” 又向前迈了一大步。进入 2018 年，Waymo 在亚利桑那州的部分车辆中撤掉了安全员，早期乘客开始真正 “独享” 无人车的空间。

  2018年 3 月，Waymo 与捷豹路虎签署协议，请后者定制 2 万台无人车。Waymo 的高歌猛进，给 Cruise 带来了巨大的压力。此时通用汽车做出了一个巨大的决定，将 Cruise 推向长期资金市场，利用外部资本和资源来加速发展。

  5 月 31 日，软银宣布将向 Cruise 投资 22.5 亿美元。仅仅一天之后，Waymo 就给出了回应——将购买菲亚特克莱斯勒的车辆数目提升到 6.2 万台。8 月份，摩根斯坦利将 Waymo 的估值推到 1750 亿美元，其中机器人自驾出租车业务估值 800 亿美元，自动化物流服务估值高达 900 亿美元。

  10 月 3 日，本田向 Cruise 进一步注资 27.5 亿美元，也将 Cruise 的估值推到了 146 亿美元。通用汽车以当初 10 亿美元收下 Cruise，绝不曾想过两年半后这一部分的估值已达到通用汽车总市值的 1/3。联想到英特尔以 153 亿美元购买 Mobileye ，大可不必大惊小怪了。

  在这样的大背景下，虽然 2018 年一整年是资本的寒冬，但仍然不断传来无人驾驶公司融资的消息。无论是勇于探索商业模式的公司，还是风险投资（VC），都分裂成两个阵营。

  一个是硅谷范儿的 “火箭派”，其理论依照是既然无人驾驶是登月，那就撸起袖子造火箭。既然未来的大方向是出行，就一步到位做无人驾驶出租车的运营。有人评论这是“没有 Waymo 的命，却得了Waymo 的病”。世界上还没有第二家公司像Waymo那样土豪、一买就是 8.2 万辆无人车，却有两位数的公司在商业模式上对标 Waymo，没有 Waymo 的 “富爸爸”，只能长年靠 VC 买单。殊不知，即使是Waymo 的 8.2 万辆车，获得数据的能力也是有限的，而且在 20、30 座道路干干净净的城市行驶，数据也不够丰富和多样化。这在某种程度上预示着，Waymo 的 L4 级商业化路径存在可扩展性的问题。

  另一个阵营是务实的路径，从垂直细分做起，“农村包围城市”。用赛车领域的话来说，想要第一个冲过终点线，你一定得完成比赛，哪怕是从

  站出发。可是，在“火箭派”眼里，这是“梯子派”，想登月，先造梯子，务实是务实，但未来的天花板太低。业界有不少 “diss” 这类路线的说法，Waymo 说我要飞、整天学跳怎么行，有些 “高大上” 的基金认为，现在旱季你为生存进化成了仙人掌，等雨季来了，你顶多只能是更高、更肥的仙人掌，已经长不成参天大树了。固然这些说法有点偏颇，但确实有些垂直细分领域的场景，与开放道路 L4 级无人驾驶不搭，而且因为市场规模有限，没有办法获得算法升华所需的大量数据。看起来这两条路径都存在数据可获得性的问题。那么到底要多少数据，或者通过多少里程来证明安全性呢？

  就无人驾驶而言，Waymo 积累了最多的里程，2018 年 10 月时积累了 1000 万英里。就算是加上 L2 级无人驾驶，我们前面说过，特斯拉在 2016 年的自辩，1.3 亿英里、2 次人命事故，数据也是不够的。美国著名的智库兰德公司给出了一个数学模型，如果要在统计学意义上证明无人驾驶开得比人好 20%，需要 110 亿英里。那就从另一方面代表着，100 辆车，1 天 24 小时、1 年 365 天不停地跑，要跑 500 年。

  特斯拉的一个启示是：要学会靠用户的车去获得数据、验证算法，如果有 1000 万辆车，1 辆车只需跑1100 英里，110 亿英里就达到了。

  因此，一个更合理的路径是，用火箭的技术造各种飞机，然后用飞机的钱和数据来提升火箭技术。具体而言，是用基于开放道路 L4 级的技术（火箭的技术），降维到具有确定边界的 L3 级 / L4 级商业化场景（各种飞机），大规模部署这些场景，获得现金流和大量数据后，进一步突破开放道路 L4 级的局限。

  驭势科技采用了这样的策略，在高速 L3 级、最后 3 公里微循环 L4 级、停车场自主泊车和机场无人物流拖车方面取得了商业化的突破。尤其值得一提的是，驭势与上汽通用五菱实现了全球首次自主泊车的终端用户交付，一键实现远距离泊车、一键实现召车。类似的技术在与首汽 Gofun 合作的分时租赁中也开始使用，让用户实现自动取车和还车，同时运营方又能够最终靠场站间的无人编队调度降低经营成本。这些场景的部署带来了大量交通场景的数据，从而反哺开放道路 L4 级无人驾驶算法的进化。

  2018年的 “灰犀牛” 是事故。当整个行业进入深水区，事故慢慢的变成了大概率的风险。Waymo、Uber 和特斯拉都出现了多起事故，且后两者都出现了致命的事故。

  自从 Uber 收购 Otto 后，一些变化在悄然发生。莱万多斯基对安全的藐视使公司文化发生了变异，在旧金山的 Uber 办公室里有一条标语是 “安全第三”。路透社后来指出，Uber 的测试车改成沃尔沃 XC 90后，新的改装设计扩大了传感器的盲区，而高耸的 64 线激光雷达改变了车的重心结构，然而 2017 年的一次侧翻并没有引起太多重视。自莱万多斯基离开 Uber，新 CEO 上任后对无人驾驶的态度开始模糊。

  据 Business Insider 报道，团队担心项目取消，必须用快速进展取悦领导，又要迎合领导对平顺性的要求，因此忽略了很多安全设计。这一些因素积累下来，最后导致 3 月 18 日那起世界首例无人驾驶汽车引起的致命车祸事件（特斯拉的那几次不算无人驾驶）的发生，一辆 Uber 无人车夜间行驶时撞死了一名推着自行车违章横穿马路的行人。固然有那位行人自己的责任，还有 Uber 安全驾驶员的重大责任（跟特斯拉的第一起致命事故类似，又是在看视频），但 Uber 自身的诸多问题无从推脱，比如技术上为了平顺性把原车的自动紧急刹车系统禁用，错失了最后一秒的安全保障，而在管理上从车上 2 个人缩减到 1 个人。事故后 Uber 暂停了所有的测试，重新审视安全设计和管理，一直到年底才重新上路，教训可谓惨痛。阴云笼罩下的另一则新闻是 Uber 关闭了无人驾驶卡车部门，这使得当初对 Otto 的收购更加无一是处。

  做无人驾驶，不可或缺的是对安全的敬畏之心，以及对行业基本规律的尊重。Waymo 也发生了几起事故，包括一位安全员睡着导致的车祸。The Information 先后曝光 Cruise 和 Waymo 无人车在真实路况中依然不甚理想，路透社 10 月的一篇文章也指出 Cruise 达到 L4 级量产依然路途漫漫。在这样的领域，轻言 L4 级量产、忽略安全式发展，必然付出代价。

  Waymo采取了 “进二退一” 的策略。10 月 30 日，加州车管所向 颁发了完全无人驾驶测试牌照，即可以合法在加州公开道路上测试没有安全员的无人车。然而 11 月底，经过深思熟虑，重新又把安全员放回了驾驶座。同时，任命国家运输安全委员会前主席贝博拉·赫斯曼（Deborah He

  man）为首席安全官。12 月初，在亚利桑那州凤凰城郊区，名为 Waymo One 的无人驾驶出租车付费服务真正开始运营。在此之前，克拉夫西克照例大谈了一下困难，认为无处不在、无所不能的 L5 级无人驾驶还需要等几十年，希望媒体和大众降低对它的期望。

  回到这句话 “When you are 90% done, you still have 90% to go（当你认为完成 90% 时，实际只走了 10%）”，如果今天的技术和成本要求无法快速解决最后 10% 的问题，有没有可能通过人-车-环境的整体思路去解决呢？这就是车路协同的概念。

  2018年，中国正孕育着全新的基础设施，阿里和百度等都提出 “车路协同” 的概念，基于 LTE-V2X 和

  带来的超视距感知能力和高可靠低延迟链路，可以把一部分感知和决策能力放在路端，利用边缘云的思路去解决环境和基础设施的问题。驭势科技也与三大运营商与四大设备商展开了 “5G+ 无人驾驶” 的合作。车端计算是价值链上另一个重要的元素，尤其是芯片。高级别无人驾驶采用的主芯片要么来自英伟达，要么来自英特尔/Mobileye。自从出现中兴被封杀事件，美国又祭出商务管制清单，对于中国的业界来说，需要未雨绸缪。华为、寒武纪、地平线等国内芯片商正加速开发适用于无人驾驶的 AI 加速芯片。随着无人驾驶算法逐渐固定下来，专用的加速芯片将扮演更重要的角色，特斯拉也采用了这个策略。

  价值链上还有一个不可忽视的要素是数据，无人车要想慢慢的变聪明，需要数据。欧盟在数据立法上一向走在前面，《一般数据保护条例》（GDPR）号称史上最严格，让无数网络公司焦头烂额，数据是资源、也是烫手山芋。对网络公司如此，但对车厂却很宽容。

  欧盟最近一次关于无人驾驶车辆注册的投票中，7A 条款确定 “无人驾驶汽车产生的数据是自动生成的，其本质不具有创造性，所以不适用于版权保护或数据库权利”。这在某种程度上预示着，无需车主同意，车厂就可以收集无人驾驶汽车产生的数据（包括 GPS 轨迹信息在内的遥感信息），并可以将其出售给第三方。这可以说为车厂做了最佳助攻。

  在中国，《中华人民共和国网络安全法》要求重要数据不能出境，外资和合资车厂无法将数据送至国外去研发，因此在国内建立研发团队和研发供应链势在必行。这是国内科技公司和新晋供应链玩家的绝佳机会。

  2018年即将结束，距 2021 年还有 3 年，业界的目标是可以在一定程度上完成确定区域（比如城市的一个区域）L4 级无人驾驶的规模化应用。从目前看，我们大家可以保持谨慎的乐观。

  如果第 3 个 6 年的目标顺利实现，第 4 个 6 年将是开放道路 4 级无人驾驶的大兴之时。

  无人驾驶带来的变化远远不止是汽车产业，它将彻底改变出行和物流，改变这样一个世界原子的移动。

  到第 5 个 6 年（ 2028 年 - 2033 年）时，路上川流不息的车辆大多数将是无人驾驶共享汽车，汽车数量减少一半以上，但汽车的利用率得到极大提升，堵车将成为过去，天空重归于蓝，停车位被改成公园、活动空间和住所，车祸几近于零。

  交通流、信息流、能源流三流合一，所有与人或物相关的交通将被重新定义，保险业需要涅槃重生，而服务业将找到新的爆发点 ——上述的无人驾驶出租车是除了家和办公室的第三空间，是移动的商业地产、移动的影院、移动的办公空间、移动的咖啡馆。

  智能驾驶是AI与传统汽车相结合的创新产物，是汽车行业发展的未来。作为一项变革性的技术，智能驾驶既是技术创新又是社会创新，无论是法律、法规和政策，还是道德伦理争论，我们都要有勇气和耐心，呵护和引导其健康发展。

  文章出处：【微信号：industry4_0club，微信公众号：工业4俱乐部】欢迎添加关注！文章转载请注明出处。

  技术的加快速度进行发展，从自动喂食、自动铲屎，到通过IoT健康监测，再到通过AI情绪识别，

  提起螺丝刀，率先出现在我们脑海中的是日常生活中很常见的手动螺丝刀。但在当今这个快速的提升的时代，科技革新的浪潮势不可挡，不断推动着各行各业向

  ） /

  :RFID的寝室门禁系统 /

  代和iPhone 4等产品中。A4芯片采用了ARM Cortex-A8核心和PowerVR SGX 535 GPU，同时支持全高清视频和3D游戏。

  员为主转变为服务乘客为主，从被动式互动转变为主动式互动，从被动输出转变为主动输出，

  MDC平台已经在问界M5和M7、阿维达11、极狐阿尔法S Hi版落地量产了。最近问界M7可谓大火，并且智驾表现也是遥遥领先。

  MDC平台 /

  种有效的方法来安排和调度生产活动。这就是我们今天要谈论的主题——高级排产软件（APS）的起源和发展。 1.

  座舱发展状况的分析数据就显示：前装联网率为60%，车载中控屏搭载率达到80%，车载导航的搭载率达到57%，车载语音识别的搭载率为58%，市场发展速度很快，在

  步之道 /

  下半场的制胜法宝 /

  随着上汽名爵全新MG7轿跑车的正式发布，其优雅先锋主义风格设计和彪悍的运动轿车性能立刻赢得了年轻用户的广泛青睐。其先进的科技配置更是令人瞩目，特别在

  自然语言处理(Natural Language Processing, NLP)的定义是通过电脑软件程序实现人们日常语言的机器自动处理。为帮助计算机理解，掌握自然语言处理的基础原理，需要涉及到自然语言处理的发展

  个关键步骤。它们负责将锡膏均匀地印刷到电路板上的指定位置，以确保焊接过程的准确性和

  基于TI Sitara系列AM5728工业开发板——FPGA视频开发案例分享

  【书籍评测活动NO.37】ARM MCU嵌入式开发 基于国产GD32F10x芯片

  DongshanPI-AICT全志V853开发板搭建YOLOV5-V6.0环境