内幕！无人驾驶，一场重构汽车产业的革命

　　无人驾驶可能是这几年科技圈里最受关注的概念，除了谷歌、百度、乐视等互联网企业，在今年的北京车展上，长安、北汽、日产等传统车企也都展出了无人驾驶概念车，充分展现出了整个行业对于无人驾驶的热情。

　　更精彩的还是围绕在互联网行业和传统车企对于未来汽车行业主动权之争，对无人驾驶可能带来的变革，已有诸多论述。而在这场涉及广泛的产业化道路中，伴随着汽车产品的电子化、智能化革命，首先被重构的可能是已有的汽车产业。

　　对于无人驾驶及相关产业发展趋势，几点看法是：

　　▎无人驾驶是一项系统性工程，目前不管从技术成熟度，还是现实的产业化推广，无人驾驶汽车离大规模运用还有很长的路，特别是一些基础性技术—V2X、汽车总线和多种传感器融合方面，有待提升;

　　▎一些核心技术，比如深度学习、驾驶辅助系统、车联网，推动技术进步的将不是现有车企，未来核心技术突破将由零配件巨头、互联网、半导体公司完成;

　　▎伴随着汽车电子化、智能化革命，汽车行业区域扁平化，传统车企原有的产业优势正在丧失;

　　▎在无人驾驶彻底普及前，ADAS的推广会成为汽车行业发展的主流。芯片、传感器和算法成本的下降将进一步降低ADAS行业的准入门槛，ADAS领域将诞生一些创业公司和新玩法。

　　▎传统车企在未来汽车市场里的地位并没有那样不堪，几十年的整车技术积累，传统车企可能还有一定的先发技术优势。如果能做好数据服务转型，这些企业还有很大机会。

　　一、无人驾驶的主要推手

　　目前产业布局来说，传统零部件巨头整合无人驾驶感知和执行两端，为主机厂提供整套解决方案。半导体公司提供传感器、芯片等硬件，互联网企业提供算法和地图等数据服务。www.broadradio.com.cn 整车企业虽然一直位于汽车产业中心位置，但是并不直接掌握无人驾驶直接的核心技术。包括深度学习、智能驾驶辅助系统和V2X等，这些实现无人驾驶的核心科技突破最后可能由零部件厂商、半导体和互联网公司完成。

　　博世在2015年提出的四个阶段推广无人驾驶技术的“十年计划”，将从雷达、摄像头、控制单元等核心配件入手，循序渐进的实现无人驾驶，目前博世对无人驾驶的研发主要集中在驾驶辅助系统和车联网两个方面。此外法雷奥的Cruise4U自动驾驶系统和SCALA激光雷达、德尔福提出的V2E技术，对于多种传感器的融合和汽车通讯的发展都将起到直接推动。

　　为主机厂和Tier1提供传感器等硬件或者整套技术方案的高科技企业是推动无人驾驶的又一中坚力量，最典型的就是Mobileye。目前其已经占据占据全球 75%的ADAS 市场，已有超过1000万辆汽车使用了Mobileye的技术。

　　作为ADAS领域的巨头，Mobileye通过在芯片和算法上深耕取得了优势。同时通过大量的道路驾驶信息累积和数据采集，不断完善图片数据集，实现ADAS在识别率和稳定性上的提升。

　　一些半导体厂商，包括英特尔、NVIDIA、先锋等，基于此前在芯片、图像处理和激光拾取技术上的优势，正从不同的方向对无人驾驶进行布局，未来或将在无人驾驶汽车领域取得位置。而且半导体厂商正逐步从提供单个硬件到提供整体解决方案进行转变，未来对无人驾驶领域的推动将越来越大。

　　谷歌的无人驾驶汽车则展示出了其在深度学习，多种传感器融合和高精度地图的技术实力，也描绘出了和传统车企渐进式发展完全不同技术路线，未来其对汽车行业可能产生颠覆式效应。

　　二、汽车智能化之路 基础技术有待突破

　　成熟的无人驾驶汽车必须具有强大的单车智能及链接所有车辆的智能化网联系统，这就需要汽车内部各个部位和车与车之间能实时、顺畅的数据交换，汽车要实现这种目前这种半机械半电子化到完全电子化架构的变革，就需要基础性技术的突破，特别是汽车总线和V2X技术的成熟。

　　上世纪80年代开始，随着电子技术的发展和对汽车性能要求的提高，各种类型的电控系统逐渐运用到汽车上。1986年博世公司开发出面向汽车的CAN通信协议，应用于不同车载电控单元之间的数据信息交换，形成一个汽车电子控制网络。发展到现在，CAN已经成为国际标准。

　　CAN总线通信技术极大的推动了汽车的电气化革命进程，但是在越来越智能化的汽车中，面对大量的数据交换，CAN总线明显已经跟不上汽车发展的需要。以2012年发布的CAN FD 1.0为例，其理论最大带宽为125Kbytes/s，这种传输速度面对越来越深入底层架构的车机系统和多种传感器融合后大量数据交互的ADAS已明显不足。

　　虽然芯片、传输标准等技术问题还有待解决，但是传输速度达到千兆级别的以太网用于未来汽车领域是趋势。

　　在无人驾驶汽车发展过程中另一个必然会融合的是V2X通讯技术，通过单车自身的传感器和在线网络传感器两套感知系统，进一步提高汽车的安全性和可靠性，但如何在汽车高速运行过程中实现低延时的可靠通讯是技术难点。

　　V2X目前有两条技术路线：一个是基于短途WIFI的DSRC，还有一个是基于LTE蜂巢式网路作为基础的LTE V2X。两条技术路线各有千秋：DSRC趋于成熟，是V2X的主流技术，但需要大量基础设施建设;LTE V2X的好处在于能重复使用现有的蜂窝基础与频谱，同时更具产业化前景，但目前还处于起步阶段，而V2X的大规模推广可能要2020年以后5G得到推广以后。

　　三、无人驾驶尚远 ADAS在后市装场更有戏

　　虽然无人驾驶离全面上路还有较长时间，但是ADAS的逐步推广成为汽车行业发展的主流。目前全球ADAS市场渗透率约为5%，欧美市场为9.8%，国内市场仅为3%左右。据PRNewswire咨询公司测算，2020年全球ADAS渗透率将达到25%，预计未来5年的增长率将达到19%，全球新车ADAS搭载率有望达到50%。

　　随着汽车市场竞争的加剧，智能化已经成为汽车品牌提升竞争力的重要手段。预计到2020年，我国ADAS市场渗透率将超过全球平均水平，达到30%以上。未来5年，ADAS市场年复合增速将达到39%。

　　芯片、传感器和软件算法成本的下降将进一步降低ADAS行业的准入门槛，也催生了一大批ADAS创业公司。目前ADAS市场分为前装和后装两大部分，从汽车发展规律看，ADAS最终进入汽车前装是大势所趋。但是在目前各类技术还不成熟的情况下，主攻后装市场的企业其实更具看点。

　　对主攻后装市场的企业来说，首先其面对的是一个更加庞大的存量市场。而且不用受制于整车企业苛刻的技术验证要求，在产品形式创新上自由度会更高，更容易发挥互联网企业在UI交互、数据服务方面的特长。

　　在整车企业不可能向互联网公司开放CAN总线协议的情况下，基于ADAS的车联网入口或许是最靠谱的一条技术路线。此前的几次车联网发展热潮中，不管是车机、手机还是OBD，因为无法获取车辆最底层的信息，因此都陷入了“车联网”还是“车载移动互联网”的口水仗。

　　ADAS的优势在于其丰富的数据样本，特别是目前基于视觉的ADAS方案，数据采样上比较丰富，甚至超过了整车企业。而且和车企侧重对机械信息搜集不同的是，ADAS更多的是对驾驶员行为的实时反馈，进而产生多样化的车联网大数据运用场景。

　　对于这些公司而言，问题也很明显，那就是如何让自己的产品变得有趣，并在消费者那找到存在感。从目前市场反馈来看，用户对单纯强调安全性能的ADAS普遍还是缺乏认知。如果能整合已有的移动互联网服务并提升用户体验，那么在这个夹缝市场中产生独立于现有车企和互联网公司的车联网大数据企业并非不可能。

　　四、汽车正在被重构 互联网公司逆袭论有依据

　　目前的发展状况来看，整个汽车产业正处于被重构的阶段：产品上，汽车正经历着智能化、电气化革命，无人驾驶将是这场革命中最重要的一环。同时，汽车产品的这种变化正深刻的改变着原有的汽车产业格局。

　　与互联网行业开放、共享等特点不同，汽车行业经历近百年的发展形成了一套完整但相对封闭的体系。一个成熟车企从核心三大件技术到零配件供应体系往往都是自成一体，这种完整的技术和产业体系也造成了汽车行业成为一个资本密集型、技术密集型的高准入门槛行业。

　　但就像特斯拉用锂电池和BMS管理系统直接撬开了传统车企的动力技术垄断，技术的进步让已有的汽车产业格局一点点的发生变化。汽车结构的变化让传统车企管理复杂供应链的优势打折扣，同时对目前汽车产业从零配件供应体系到生产制造再到后市场服务格局的颠覆也是可以预见的。

　　IT企业对汽车行业逆袭论的逻辑是：随着电池技术的逐渐成熟，汽车行业门槛正在降低;未来汽车变革的方向将是智能化和更加丰富的数据服务，在这方面传统车企缺乏创造力，其在汽车中控屏上的失守已经说明了这点;不管是电池还是无人驾驶技术，未来推动技术革新的肯定不是现有的汽车企业。

　　而两者的对立根本上说是传统企业思维和IT思维的差异造成对于未来汽车产品认知的不同：一个更加注重汽车商品的实体属性，另一个则强调的是汽车作为一个互联网终端节点的商业意义。

　　五、传统车企有优势 未来不容小觑

　　现在要预见到未来汽车产品的形态和商业模式并不是一件容易的事情，但是汽车正经历电子化革命却是不争的事实。传统的内燃机和各种机械装置正被电池和更好的软件代替，汽车逐步变成了轮子上的计算机。汽车的这种变化同时也在逐渐改变整个产业链，从前端的零配件供应体系、生产制造到后端的维修服务体系，再到建立在智能化汽车基础上的车联网生态系统。但是相较于智能手机，汽车电子化、智能化革命可能会是一个漫长的过程。

　　目前传统车企优势集中在几个方面，包括发动机底盘、整车制造工艺和大量汽车工程数据积累。在机械时代，这些技术优势足以形成深厚的行业壁垒。而在目前的汽车技术变革中，所有的技术积累将转化为数据优势。

　　在无人驾驶中，深度学习技术是核心。汽车通过各种传感器识别周围环境状态，深度学习模型根据环境的变化，综合计算出下一部的控制策略，然后反馈到执行机构。要完成对汽车的决策控制，除了要拥有强大计算能力的硬件外，还需要足够多的数据、足够长的时间训练。谷歌不断的路测，重要的目的就是希望深度学习人的驾车习惯，提高系统稳定性。

　　而在庞大市场保有量基础上，汽车企业拥有大量驾驶习惯以及用户行为信息的积累，这些数据不仅是其改进汽车设计的前提，也是厂商设计自身车联网服务的重要依据和优势。特别是一些在真实交通场景下车辆控制和车身反馈信息，这其中包括很多常规路测难以模拟的边缘情况，这些经验或许能帮助深度学习进一步提高系统可靠性。

　　人类商业文明的发展史基本上就是一部技术进步史，未来无人驾驶汽车及其可能带来的共享经济对人类社会带来的影响可能会超出我们的想象。对于无人驾驶，沃尔沃研发副总裁默滕斯认为，无人驾驶的成熟是汽车厂商、IT厂商以及政府和监管部门和所有交通相关者共同努力的结果。对这样一个具有跨时代意义的技术革命，或许我们更应该以开放的心态来面对。