自動駕駛的機(jī)遇與挑戰(zhàn)
自動駕駛無疑是近兩年資本市場最熱的話題之一，甚至被認(rèn)為是人工智能最有前景的應(yīng)用，大量傳統(tǒng)車企、互聯(lián)網(wǎng)公司、創(chuàng)業(yè)公司涌入這個賽道，下面我從投資角度，談一點(diǎn)關(guān)于自動駕駛行業(yè)的機(jī)遇與挑戰(zhàn)。
先來界定一下自動駕駛，這里采用的SAE機(jī)構(gòu)的評級，Level 0屬傳統(tǒng)駕駛，L1/2屬于輔助駕駛（ADAS可以劃到這個范疇），L4/5是未來機(jī)器能獨(dú)立自動化完成駕駛?cè)蝿?wù)，這是本文主要所指的自動駕駛范疇。Tesla的“自動駕駛”實(shí)際上只是L3的半自動化水平，在去年出現(xiàn)致命事故之后，在中國官網(wǎng)上的自動駕駛頁面中加入了“輔助”二字。
何時能實(shí)現(xiàn)自動駕駛？
先來回顧一下幾次交通上的大變革，汽車從出現(xiàn)到全面代替馬車過程大概30年，轉(zhuǎn)折點(diǎn)是福特T型車的應(yīng)用，關(guān)鍵因素是高度標(biāo)準(zhǔn)化，價格趨近馬車，速度領(lǐng)先。飛機(jī)從發(fā)明到大規(guī)模生產(chǎn)也是30年，轉(zhuǎn)折是一戰(zhàn)的爆發(fā)，雖然早期安全上還是很難得到保證，但是飛機(jī)將人類活動范圍極大地提升，也使遠(yuǎn)距離快速偵察、作戰(zhàn)等成為可能。火車的近百年的發(fā)展經(jīng)歷了數(shù)次變革主要體現(xiàn)在動力結(jié)構(gòu)上，火車的出現(xiàn)顯著提高了長距離大規(guī)模運(yùn)輸能力。
這里觀察下來有幾個特點(diǎn)：
一是可以給人帶來極大便利的新的交通方式產(chǎn)生快速變革
那么自動駕駛是否可以做到，我認(rèn)為單體地看待車?yán)锝o人的利好，如可以放開手喝杯咖啡、看本書這樣的程度是不夠的。雖然自動駕駛也可以降低事故率，但是人在安全上完全信任機(jī)器未來還是有比較大難度。駕駛需要在規(guī)模化之后和共享經(jīng)濟(jì)、智慧交通等結(jié)合產(chǎn)生才巨大的價值，比如可能是共享汽車后極大地便利出行和緩解擁堵，或者車輛有良好蔽障和互聯(lián)（v2v）能力后的行駛效率的提升等。摩根斯坦利曾指出[1]，完全實(shí)現(xiàn)自動駕駛每年將為美國帶來1.3萬億美元的收益，其中大部分源于解決擁堵和提高效率之后的獲利。因?yàn)椴荒芸焖僭趩吸c(diǎn)用戶突破，更多的是大規(guī)模應(yīng)用、形成網(wǎng)絡(luò)效應(yīng)之后的利好，加上中國的汽車市場趨近飽和，新車增長放緩，一線城市交通擁堵，所以我認(rèn)為自動駕駛對已有車輛系統(tǒng)的替代可能不會那么快。
第二個特點(diǎn)是，產(chǎn)生變革的新交通方式需要在新的交通規(guī)則下運(yùn)營
火車、飛機(jī)的路線都是全新的網(wǎng)絡(luò)，現(xiàn)有的Google, Baidu等直接做自動駕駛的公司通常是將已有的規(guī)則寫入程序，但是如果直接拿到馬路上用，由于機(jī)器運(yùn)營的車輛是少數(shù)群體，國內(nèi)的道路情況相當(dāng)復(fù)雜，甚至伴有還有一定比例的違規(guī)行為，所以必然使得自動駕駛車輛在感應(yīng)和算法層面上的復(fù)雜性大大增高。未來我認(rèn)為完全的自動駕駛更適合在指定封閉環(huán)境或者全新的道路上運(yùn)營。相比美國，國內(nèi)進(jìn)展較慢，還在小范圍封閉內(nèi)測，未來需要更多的來自政府規(guī)劃的支持，大量基礎(chǔ)設(shè)施和資金投入，這樣的周期也往往是比較長的。
第三個值得注意的地方在于，火車、飛機(jī)多年發(fā)展最終的形態(tài)也沒有完全的無人駕駛，最多只是自動巡航
有一個制約的原因是：在和人身安全直接相關(guān)的交通領(lǐng)域，人還是最終很難完全相信機(jī)器，駕駛員往往是不可缺的，而且機(jī)器未來還面臨著信息安全上的考驗(yàn)。2016年凱利藍(lán)皮書公布的一次北美調(diào)查中發(fā)現(xiàn)超過半數(shù)的人認(rèn)為即便自動駕駛比人工駕駛更安全也更愿意自己來全部控制[2]。無人駕駛中人工智能深度學(xué)習(xí)算法的黑箱現(xiàn)階段還是無法解開，再根據(jù)墨菲定律，發(fā)生類似Tesla反人類判斷失誤的事故難以防范，也很難在發(fā)生事故后反查原因。個人看好無人駕駛在沒有乘客的貨運(yùn)上或許進(jìn)展會更快，Uber收購的Otto也是這個領(lǐng)域發(fā)力。
上述探討的很多是影響自動駕駛實(shí)現(xiàn)的外部因素，自動駕駛產(chǎn)業(yè)本身能否快速形成量產(chǎn)有兩個比較大的障礙:
1.車廠對安全性要求近乎100%
汽車是以安全可靠性為基礎(chǔ)的產(chǎn)品，傳統(tǒng)車廠很多是百年老店，現(xiàn)有的產(chǎn)品可靠性已經(jīng)非常高，在對自動駕駛沒有近乎100%的完全把握的情況下不會采用L4，L5方案，占據(jù)市場份額98%以上的傳統(tǒng)的國內(nèi)外車廠在無人駕駛的測試大多是防御姿態(tài)，是從低級別的L1, L2向L3逐步走的，傳統(tǒng)車廠對L4一定是持觀望態(tài)度的。
2.激光雷達(dá)降價阻力大
激光雷達(dá)作為自動駕駛現(xiàn)階段必不可少的核心部件，Velodyne的64線雷達(dá)，組裝和調(diào)校過程極其復(fù)雜和耗時，公司的生產(chǎn)線一個星期只能完成兩臺成品，因?yàn)楝F(xiàn)在只是用在地圖和無人駕駛行業(yè)，應(yīng)用面比較狹窄，所以難以通過規(guī)?；a(chǎn)來降低成本。
2016年的Gartner Hype Cycle預(yù)測自動駕駛成為主流超過10年，參考上面的分析，個人覺得可能要到20~30年甚至以上，把低價可靠的具備L4/5的汽車造出來已屬非常不易，此后還需要面臨消費(fèi)者認(rèn)知，存量車輛公路體系，政策法律，倫理道德等外部因素的挑戰(zhàn)。未來可能加速成熟周期的主要途徑可能是：
1.有新的傳感器或者算法解決方案讓安全性快速逼近100%
2.激光雷達(dá)成本結(jié)構(gòu)的變化，或者多線激光尋找到其他大規(guī)模應(yīng)用場景
3.不安裝雷達(dá)的L3方案較快被各車廠做出來，半自動駕駛汽車成為主流后再過渡到L4
4.自動駕駛專用的道路大規(guī)模鋪設(shè)
自動駕駛的路線應(yīng)該怎么走？
現(xiàn)在市面上的自動駕駛實(shí)現(xiàn)路徑可以分為三類：
1.從L1/2輔助駕駛逐步遞進(jìn)到L4/5，代表有Mobileye和國內(nèi)MiniEye，蘇州智華等ADAS創(chuàng)業(yè)公司
2.由L3半自動駕駛逐步遞進(jìn)到L4/5，代表有Tesla，國內(nèi)有Momenta，易航等
3.直接生產(chǎn)L4/5自動駕駛車輛。代表有Google無人車，國內(nèi)有馭勢科技，智行者等
三種路徑難度是遞增的，把自動駕駛從感知到輸出的流程劃分為“傳感器感應(yīng)-識別-決策-車輛控制”來比較三者，路徑1只到識別層面，后面根據(jù)識別結(jié)果產(chǎn)生預(yù)警報警信號。對于路徑2和3流程是完整的可以到車輛控制，區(qū)別在于L3階段沒有用激光雷達(dá)作為傳感器（至少現(xiàn)階段激光雷達(dá)是L4必備）。
下面是幾個路徑難點(diǎn)：
對創(chuàng)業(yè)公司而言，路徑1難走通
因?yàn)榇蠹叶荚诮o車廠做供應(yīng)商，那后面涉及到車輛控制的事情是需要車廠來做的，ADAS創(chuàng)業(yè)公司的天花板也在車廠（對于ADAS公司稍后分析）。對于車廠來說L4/5還遠(yuǎn)的很，所以我們先不討論路徑1。
對路徑2，L3→L4躍遷有算法難度
L3與L4兩層級在處理的數(shù)據(jù)量（L4中激光雷達(dá)持續(xù)掃描帶來巨大的數(shù)據(jù)量）、對于硬件系統(tǒng)要求、識別算法以及在與車輛控制系統(tǒng)的融合上都有很明顯的差異。例如毫米波算法需要排除地面干擾，激光雷達(dá)需要克服點(diǎn)云噪聲，據(jù)業(yè)內(nèi)人稱算法有明顯差異，最多有一小部分可重復(fù)使用。這樣看來路徑2也有遷移的難度，主要體現(xiàn)在算法上。
路徑3難以快速獲得數(shù)據(jù)
現(xiàn)在也就Google跑的歷程多，然而7年時間也就積累了200多萬英里，這點(diǎn)樣本都無法說明現(xiàn)有系統(tǒng)的安全程度，蘭德智庫[3]在數(shù)學(xué)上論證過自動駕駛需要測試百億英里才能證明比人駕駛更安全。而Tesla autopilot在短短7個月就積累了1.3億英里的自動駕駛里程，Goolge和Tesla比，差距是驚人的，并且L3已經(jīng)可以商業(yè)化，這樣在論證安全性和不斷優(yōu)化準(zhǔn)確率上，都比直接做L4有很大的優(yōu)勢。
這里的結(jié)論是，路徑選擇上我認(rèn)為先實(shí)現(xiàn)L3是更優(yōu)的選擇，總結(jié)有幾個原因：
1.先實(shí)現(xiàn)L3商業(yè)化路徑更清晰
Elon Musk是典型的實(shí)用主義代表，選擇當(dāng)初把用在手機(jī)、筆記本上的較為成熟的廉價18650鋰電池拿來用在特斯拉，很多人覺得low，但是廉價成熟的電池使得Tesla快速商業(yè)化，等到電池管理系統(tǒng)和車的配套控制上成熟了之后，更好的電池也過了幾年成熟了，這樣替換起來相對容易很多。車和家的李想也提過，激光雷達(dá)都是大學(xué)搞科研的思路?，F(xiàn)有的L4最多只停留在做園區(qū)車這樣的高成本（馭勢的小車據(jù)稱售價約50萬一輛），低可用性狀態(tài)，短期內(nèi)商業(yè)化是困難重重（當(dāng)然也有賣給政府做展示性質(zhì)的可能，但量自然不會大）。這就會出現(xiàn)在下面數(shù)據(jù)積累和算法迭代上的問題：
2.L3數(shù)據(jù)積累速度優(yōu)勢巨大
直接實(shí)現(xiàn)L4的障礙太多。成本，技術(shù)難度，應(yīng)用場景等許多問題都難以快速解決。
3.現(xiàn)有算法體系存在瓶頸，需要通過數(shù)據(jù)訓(xùn)練提升以使準(zhǔn)確度逼近100%
各家公司在視覺識別和決策的融合算法上主要有基于寫入規(guī)則（rule-based）和深度學(xué)習(xí)的兩種方法，寫入規(guī)則的優(yōu)點(diǎn)是規(guī)則清晰準(zhǔn)確，但是瓶頸在于無法窮舉學(xué)習(xí)新場景，深度學(xué)習(xí)（代表公司有Momenta,Drive.ai等）雖然提高識別率，但是黑箱問題現(xiàn)在仍無法攻克。也有嘗試兩種融合來用的，比如智行者用rule-based保障安全，用深度學(xué)習(xí)實(shí)現(xiàn)擬人化決策。兩種方法在不斷提高準(zhǔn)確度的過程中，到某個瓶頸，比如寫入規(guī)則到95%，深度學(xué)習(xí)到97%這樣，后面單純靠迭代算法是突破會很慢，這時候是需要用更大的數(shù)據(jù)量來驅(qū)動準(zhǔn)確度提升的。
4.對消費(fèi)者來說或許最需要的不是L4
之前也提到過，L4在沒有網(wǎng)絡(luò)化之前對單個消費(fèi)者的吸引力可能并沒有那么的大。現(xiàn)有的Tesla雖然還沒法達(dá)到自動駕駛，但是消費(fèi)者還是愿意嘗試autopilot功能，半自動駕駛滿足了很多消費(fèi)者嘗鮮、炫酷的需求，甚至是像自動泊車這樣的技術(shù)未來做成熟都能給人驚艷的感覺，未來也容易成為汽車的賣點(diǎn)。
5.L3到L4因?yàn)榧尤肜走_(dá)，雖然有遷移算法難度，但是算法本身的發(fā)展也還在不穩(wěn)定的狀態(tài)
未來會不會雷達(dá)結(jié)構(gòu)發(fā)生變化，會不會高精地圖的成熟能部分代替雷達(dá)的工作，到底融合算法應(yīng)該用怎么樣的策略，這樣的事都不太好說，識別和決策的算法本身也會有變化的可能。
當(dāng)然在路徑選擇上也有在用兩條腿走路的，百度在ADU自動駕駛事業(yè)部之外，又成立了L3智能汽車事業(yè)部，也是想加速自動駕駛技術(shù)落地；馭勢科技和智行者除了造了L4小車之外也在嘗試和車廠合作做L3的事情；Mobileye除了做ADAS也儲備了自動駕駛的技術(shù)。
自動駕駛領(lǐng)域創(chuàng)業(yè)和投資的機(jī)會和風(fēng)險
自動駕駛的創(chuàng)業(yè)突然升溫，融資額和估值都不斷攀升，幾個人出來什么產(chǎn)品都沒拿出來就估值上億美金，這里的潛在原因有：1，自動駕駛是萬億級的廣闊市場，想象空間極大。2，人工智能現(xiàn)在真正很好落地的場景不多，自動駕駛領(lǐng)域算最有希望的一個。3，創(chuàng)業(yè)團(tuán)隊(duì)的技術(shù)大牛都是視覺領(lǐng)域的稀缺人才，整體團(tuán)隊(duì)的價值和工資都高。4，自動駕駛是一個需要持續(xù)大規(guī)模資金投入的賽道。
個人覺得關(guān)于自動駕駛領(lǐng)域創(chuàng)業(yè)有一些值得注意的地方：
1.通過先實(shí)現(xiàn)L3然后遞進(jìn)到L4的方案的創(chuàng)業(yè)路徑優(yōu)于直接進(jìn)入L4。原因上面闡述了。
2.創(chuàng)業(yè)團(tuán)隊(duì)不僅要懂計算機(jī)視覺，對車的控制的理解也同樣重要
現(xiàn)在市面上大部分的團(tuán)隊(duì)聚集的都是視覺領(lǐng)域的人才，但是復(fù)雜的并不僅僅是視覺的識別和決策，在“傳感器感應(yīng)-識別-決策-車輛控制”這套流程中，因?yàn)檐囌w控制結(jié)構(gòu)復(fù)雜，在做策略時候也非常需要考慮周圍環(huán)境的影響，從決策到控制（為主的是轉(zhuǎn)向、油門和制動三大控制系統(tǒng)）這一步也復(fù)雜度非常的高?，F(xiàn)在整個流程中，進(jìn)入車廠/Tier1供應(yīng)商合作調(diào)試環(huán)節(jié)往往最慢，簡單一點(diǎn)的ADAS都要至少一兩年，創(chuàng)業(yè)團(tuán)隊(duì)做算法的如果和不懂車廠車輛控制的對接，很容易大大延誤進(jìn)展。寶馬曾和百度在自動駕駛合作，但進(jìn)展十分緩慢，最終終止了聯(lián)合研究，這背后很可能部分原因就出在控制層這里。
3.創(chuàng)業(yè)公司從一開始就需要注意商業(yè)化路徑和節(jié)奏
和車廠聯(lián)合造的車輛畢竟是商品，最后產(chǎn)品出來有人買單才能產(chǎn)生商業(yè)價值。因?yàn)楹鸵话愕目煜坊蛘逜PP里的服務(wù)相比，汽車的生產(chǎn)、渠道建設(shè)、營銷、售后等環(huán)節(jié)時間周期長太多。所以如果商業(yè)化道路不清晰走了彎路，那創(chuàng)業(yè)公司很可能會融不到資而倒下。
4.自動駕駛更多是大公司機(jī)會，創(chuàng)業(yè)公司可以適時尋求被收購
創(chuàng)業(yè)公司想像Tesla那樣把整個汽車商業(yè)閉環(huán)走通難度實(shí)在太大，直接做L4的話早期產(chǎn)品可以拿來融資講故事，但是離真正落地的乘用車型還差很遠(yuǎn)。這個領(lǐng)域的創(chuàng)業(yè)公司會處于持續(xù)燒錢狀態(tài)，到一定技術(shù)成熟階段，尋求車廠的并購的可能性很大。過去Uber收購Otto，通用收購Cruise也體現(xiàn)了這種趨勢。
自動駕駛領(lǐng)域創(chuàng)業(yè)投資機(jī)會有那些
1.更接近真實(shí)駕駛情況的識別、決策算法
車輛在行駛過程中周圍的環(huán)境變化以及駕駛員所做出的反應(yīng)復(fù)雜度極高，現(xiàn)有創(chuàng)業(yè)團(tuán)隊(duì)的算法方案即便在識別上可以通過深度學(xué)習(xí)讓準(zhǔn)確度接近人的水平，但是在決策層面的模型還是偏理想化。車廠會在多年的車設(shè)計改進(jìn)過程中積累一套自己的研究駕駛員行為的模型，有的創(chuàng)業(yè)團(tuán)隊(duì)，比如易航自動駕駛把這套理論模型代碼化的思路或許可以讓決策算法更接近真正駕駛情況。
2.限定場景、用途的應(yīng)用
路徑相對固定、環(huán)境封閉、低速行使可以簡化L4自動駕駛實(shí)施難度，加快項(xiàng)目落地。下圖列舉了一些自動駕駛的使用場景和相對數(shù)量的對比，自然靠近圖中左下的場景應(yīng)用起來更快。在選擇應(yīng)用場景時還需要注意是不是真的是解決真正核心的需求，商業(yè)化空間有多大，如何控制成本等問題。環(huán)境和路徑固定的情況下高精地圖的繪制難度也可以顯著降低從而降低地圖成本，比如在機(jī)場擺渡車、園區(qū)車的應(yīng)用。在潛在的細(xì)分用途中，貨運(yùn)有很大的潛力，但是成本問題還是需要花時間解決的（比如現(xiàn)階段卡車大多采用液壓控制系統(tǒng)，如果直接拿國外電控系統(tǒng)卡車來改造，單個電控卡車的購置成本就可能要到100萬以上）。
3.低成本多線激光雷達(dá)
多線激光雷達(dá)在價格、技術(shù)的瓶頸在國外還沒有完全攻克，對國內(nèi)創(chuàng)業(yè)公司而言還是有機(jī)會的，國內(nèi)現(xiàn)有的做激光雷達(dá)最多還只到了16線階段，滿足車規(guī)的還比較少。中國市場的汽車銷量高，相對美國人力成本低，未來較容易形成規(guī)?；a(chǎn)，而且激光的應(yīng)用廣泛，創(chuàng)業(yè)公司攻克技術(shù)壁壘之后發(fā)展空間會很大。
ADAS行業(yè)機(jī)會與挑戰(zhàn)
現(xiàn)在的ADAS（高級輔助駕駛）處于L0-L2階段，采用的主要是視覺加毫米波融合的方式，通過識別信號進(jìn)行預(yù)警，其中LDW (車道偏移報警系統(tǒng))、FCW (前向碰撞預(yù)警) 受國家安全政策指向是最重要兩項(xiàng)。ADAS行業(yè)增長有以下驅(qū)動因素：
1.當(dāng)前行業(yè)滲透率低，增長速度快
現(xiàn)階段的滲透率只有2~4%（歐美在8%左右），IMS統(tǒng)計，2015年ADAS市場規(guī)模117億元預(yù)計到2020年會達(dá)到15%的滲透率，市場規(guī)模963億，復(fù)合增長率52%。
2.安全法規(guī)推動ADAS應(yīng)用
美國、歐洲等逐漸把ADAS的應(yīng)用納入到新車評級體系，2018年中國的C-NCAP也將AEB（自動緊急制動）納入新車的五星評級系統(tǒng)。大的趨勢是NCAP對安全的要求越來越嚴(yán)。
3.消費(fèi)者對安全需求增強(qiáng)
新一代的80-90后消費(fèi)者，對于汽車的認(rèn)知不僅僅局限在品牌，對于安全相關(guān)的功能也更為關(guān)注。
這個領(lǐng)域的創(chuàng)業(yè)機(jī)會我有這樣的判斷：
1.ADAS行業(yè)屬于創(chuàng)業(yè)公司的天花板明顯，未來容易受車廠擠壓
從技術(shù)上來說，大部分公司做的只是到識別的層面，所以ADAS領(lǐng)域相對進(jìn)入的門檻沒有那么的高。國內(nèi)涌現(xiàn)出一大批創(chuàng)業(yè)玩家，現(xiàn)有車型真正用上ADAS的70%以上還是海外的車廠，車型也是高端車，零組件也是來自于國際大廠，這部分自然創(chuàng)業(yè)公司是難以切入的。大家主要是尋求和國內(nèi)的零組件廠和整車廠合作，但是困難體現(xiàn)在：進(jìn)入車廠周期長，少說一兩年，變現(xiàn)壓力大；車廠也正在做ADAS或者未來有做的打算，現(xiàn)階段會拿數(shù)家產(chǎn)品來測，但是未來是不是能和創(chuàng)業(yè)公司長期合作這個很不好說；車廠相對強(qiáng)勢，未來把數(shù)據(jù)拿走后，創(chuàng)業(yè)公司剩下的壁壘不多。
2.后裝產(chǎn)品屬過渡產(chǎn)物，商業(yè)化空間有限
現(xiàn)在ADAS創(chuàng)業(yè)公司做的事情主要有三個方向：前裝，后裝ADAS硬件，后裝SDK（通常植入后視鏡）。后裝產(chǎn)品是單純靠攝像頭視覺識別的形式，所以很快就可以推向市場。單獨(dú)的后裝硬件產(chǎn)品賣起來都比較難，消費(fèi)者對ADAS認(rèn)知還不夠，消費(fèi)者對只是單純提醒的需求不強(qiáng)烈（甚至對頻繁的提醒比較抗拒）。如果只是植入SDK形式到后視鏡，受限于芯片性能可用的CPU空間（為了實(shí)現(xiàn)更多功能，方便宣傳，車載的軟件較多，留給ADAS的CPU空間通常10%左右），識別率通常非常有限，影響用戶體驗(yàn)，同時商業(yè)化上收SDK license fee也價值較低。車廠的前裝產(chǎn)品未來一兩年都會做出來，所以后裝產(chǎn)品只能是過渡性質(zhì)，商業(yè)化空間有限。
3.創(chuàng)業(yè)公司要尋求和tier1供應(yīng)商深度合作
因?yàn)檐噺S的強(qiáng)勢地位，而且國內(nèi)大的就那么幾家。創(chuàng)業(yè)公司需要更多和車廠的tier1供應(yīng)商合作才能有和車廠更穩(wěn)定的合作，比如前向啟創(chuàng)和蘇州智華尋求與亞太機(jī)電和金固股份合作，并接受注資。
4.雙目攝像頭在ADAS和自動駕駛領(lǐng)域應(yīng)用有限
雙目攝像頭的優(yōu)勢是可以類似人眼那樣，利用視察測距，但雙目應(yīng)用距離短（20米之內(nèi)精確度有優(yōu)勢），計算量大，優(yōu)秀的雷達(dá)系統(tǒng)現(xiàn)在測距上完全可以代替雙目攝像頭，所以現(xiàn)在雙目攝像頭在ADAS和自動駕駛上難應(yīng)用起來。
5.兩客一危市場近期有一定政策紅利
兩客一危市場車輛的主動安全逐漸受到政策傾斜，例如中國在2016年機(jī)動車運(yùn)行安全技術(shù)條件GB7258標(biāo)準(zhǔn)草案中提出11米以上客車需裝備LDW以及FCW裝置。國內(nèi)如中天安馳，極目智能等在一些地方政策推動下，拿到一定訂單。風(fēng)險是政策導(dǎo)向的不確定性。
6.ADAS與保險結(jié)合是比較好的思路
因?yàn)锳DAS相對投放市場快很多，不僅是外部的感應(yīng)器數(shù)據(jù)，還可以配合內(nèi)部的駕駛行為采集，創(chuàng)業(yè)公司很有機(jī)會能延伸到保險領(lǐng)域，現(xiàn)在國內(nèi)數(shù)家ADAS企業(yè)已經(jīng)積極和保險公司開始合作，值得注意的是數(shù)據(jù)的量和質(zhì)量，以及能不能和保險有效結(jié)合。
7.毫米波巨頭壟斷，創(chuàng)業(yè)公司機(jī)會相對小
毫米波產(chǎn)品主要受博世、大陸、海拉等國外廠商長期壟斷。未來毫米波的主流和核心還是77G產(chǎn)品，24G產(chǎn)品相對低端機(jī)會已經(jīng)很小。對于77G產(chǎn)品，博世和大陸有世界接近一半的份額，市場上壟斷地位強(qiáng)。生產(chǎn)77G毫米波雷達(dá)的技術(shù)難度較高，有雷達(dá)系統(tǒng)和毫米波射頻設(shè)計經(jīng)驗(yàn)與能力的人才多集中在軍方和國外廠商手里，產(chǎn)品的部分核心原材料近兩年國外也開始限制，所以創(chuàng)業(yè)團(tuán)隊(duì)需要有掌握核心技術(shù)，也要有持續(xù)生產(chǎn)、研發(fā)資金投入?，F(xiàn)階段國內(nèi)大部分創(chuàng)業(yè)公司產(chǎn)品在探測距離、體積等指標(biāo)上短期還難有競爭力，應(yīng)用上也比較局限。
[1] Morgan Stanley. Autonomous Cars:Self-Driving the New Auto Industry Paradigm, Nov 16, 2013.
[2] Kelly Blue Book. Future Autonomous Vehicle Driver Study, Sep, 2016.
[3] Rand Corporation. Driving to Safety-How Many Miles of Driving Would It Take to Demonstrate Autonomous Vehicle Reliability? 2016.
