目前自動駕駛的算法和傳感器方案都類似，到底要靠什么勝出

在回答讀者問題之前，不得不提上周的行業(yè)最大的新聞：Waymo在鳳凰城正式對外推出無人駕駛服務，車上沒有了安全駕駛員。其實，在此之前，Waymo已經在對外測試無人駕駛，但之前，乘客必須首先簽一份協議，表示自己承認車的危險性。但是這一次，乘客終于不用再簽協議。雖然只是一份協議而已，但這算是行業(yè)上歷史性的里程碑。

上個月有《落地之路》的讀者發(fā)來問題，問題很具有代表性，這里和大家分享。

讀者問題：

“目前自動駕駛的算法和傳感器方案都類似，似乎測試里程和數據是最大的差異，那最后公司是依靠這項勝出嗎？會出現贏者通吃的局面嗎？和車廠的關系以后又將是如何？”

我個人的答案是，假設你在機器學習模型上已經玩不出什么新花樣，最后就是靠數據勝出。

這一點也是相對成熟的團隊的通病。模型搭起來了，數據也積累了一些，但從駕駛表現來看，始終沒有實質性的進展。

數據要看兩方面。首先是“質”。數據里的場景必須要豐富，不能在荒郊野嶺駕駛，那樣的駕駛數據再多也沒有價值。比如，一些團隊會讓自動駕駛車去不同城市采集數據，這樣的駕駛場景可以保證多樣性。

其次是“量”。一些團隊無法解決這個問題，往往是因為成本。采集數據需要車，需要傳感器，需要駕駛員。這些都是成本。因此，團隊需要從不同角度入手，想出低成本的方式去采集數據。

比如，你采集數據就一定需要用自動駕駛測試車嗎？可以用普通車嗎？采集數據就一定要用車嗎？可不可以把傳感器安裝在摩托車或者自行車上？傳感器有沒有更低成本的選擇？

然而，想贏得自動駕駛這場戰(zhàn)役，遠遠不止數據這么簡單。

即便你擁有最頂尖的機器學習團隊，坐擁頂級的駕駛數據集，打造出了頂級的自動駕駛軟件，也只算完成了任務的一半而已。

（所以說，自動駕駛的落地之路真的很難，其中的苦恐怕只有圈內人才懂。）

還有一半是硬件。

好消息是，硬件行業(yè)相對成熟，軟件公司可以向很多硬件公司尋求合作，共同打造自動駕駛車。

一些團隊往往過于自信，恨不得非要一上來就將軟件硬件全部完成，不與任何公司合作。對于這些團隊，想贏得自動駕駛競賽，就不只需要攻克數據這一個難點了，任務量會翻倍。這樣很容易耗盡公司的資源，最后一輛車也造不出來。

因此，越來越多的軟件團隊開始與車廠合作，放棄自己造車的計劃。其實這是相當明智的決定。

先打造出一輛自動駕駛車，即使這輛車并不完美，至少讓它跑起來，再談以后的宏偉藍圖。做事要有先后順序。

一些團隊和車廠沒談攏，或是沒有找到合適的合作對象，那就只能被這輪競賽所淘汰。

今年由于疫情的影響，一些團隊的合作沒能談攏，很多團隊沒能撐過去。現在看看美國的硅谷，剩下的自動駕駛公司巨頭已經為數不多了。

這些公司每天都要花銷至少一百萬美元續(xù)命，養(yǎng)活自己的科研成本。事實上，各個公司之間做的東西都大同小異，公司合并其實不難實現。

這也是為什么在硅谷的自動駕駛圈內跳槽非常容易的原因。一模一樣的代碼，放在哪個公司其實都能用。

那些現金流撐不下去的團隊，很快會被更有實力的公司吞并，或是遭到拆分。最終很可能會形成幾家獨大的局面，每家公司都有專家獨特的優(yōu)勢。比如：

未來，像Waymo這樣的公司負責提供自動駕駛軟件系統。Waymo甚至有可能將系統開源，就好像安卓系統一樣。車企會買這個駕駛系統，就好像不同的手機廠商都使用安卓系統。

車企負責提供硬件，這種車企的特色必須是成本低，靈活度高，才能跟得上產品更新的需求。不能像現在的車廠那樣，平均五年才造出一輛新車。未來的市場會要求他們幾個星期就要做到開始量產。

除了軟件公司與車企，自動駕駛行業(yè)還在帶動各種細分行業(yè)。比如專門做運營的公司、專門做數據標注的公司、專門做測試的公司、專門做仿真系統的公司也會得到很快的發(fā)展，輔助那些核心公司共同完成自動駕駛車的落地與擴張。

所以，行業(yè)最終的格局很可能是，每個細分領域會有一家領頭公司，占有該細分領域絕大部分市場份額。各個細分領域的領頭公司會共同合作打造并運營自動駕駛車，通過垂直的方向分割自動駕駛產業(yè)的利潤。

責任編輯：xj

原文標題：自動駕駛競賽僵持不下，到底要靠什么勝出？

文章出處：【微信公眾號：自動駕駛說】歡迎添加關注！文章轉載請注明出處。