车载激光雷达市场黎明前夜:整合淘汰迹象初显 | 深度

编者按:

上上周推出这个栏目后,感谢读者的各种回复与评论(那篇文章大概是我收到最多的一次反馈),有赞扬也有批评,我都通通接受。

我会用一些有个人特点的方式来呈现这个行业里的产品与故事,希望你能跟我一起探讨和关注下去,吐槽也没问题,如果能给我提供更多的线索与写作思路就更为感激了。

我是宇多田,一个内心时常抓狂,但表情偶尔正常的技术女青年,欢迎加微信(fudabo001,请注明身份)讲讲你对自动驾驶以及汽车行业的独到看法。

撰文 | 宇多田

最近有一个关于激光雷达的笑话:

客户 or 路人 A:「用激光雷达?激光雷达成本高啊!」

自动驾驶开发者 B:「我靠,兄弟,你对激光雷达的知识储备是不是都从马斯克那儿来的。」

这里面有嘲讽,但也有激光雷达从业者气到想笑的无奈。

的确,马斯克在今年 4 月特斯拉的「自动驾驶日」上狂喷激光雷达和用了激光雷达的那帮「傻瓜」之后,某种程度上给「激光雷达」这个有可能进入汽车供应链体系的零部件从营销层面以重重一击,毕竟,绝大多数车厂连「Adas 革新之路」都没有走完。

但另一方面,他也让激光雷达得到了前所未有的曝光度(马斯克与激光雷达上了当天的 Twitter 全球趋势)——

自此,自动驾驶学术界与工程界针对计算机视觉与激光雷达之间爱恨情仇的交流切磋正式浮上水面。

其实从技术层面来看,激光雷达的核心价值无疑是「可靠且准确的测距能力」。而这一价值,恰恰在很多人眼中正在受到计算机视觉系统的冲击。

譬如今年 4 月康奈尔大学那篇引发争议的技术论文,就提出了一种新方法来缩短纯视觉技术架构与激光雷达间的性能差距——

研究者在挡风玻璃两侧各使用一个相对廉价的摄像机,采用其新方法之后,该摄像机在目标检测方面的性能接近激光雷达,且其成本仅为后者的一小部分:

「在流行的 KITTI 基准上,该论文提出的方法在基于图像的性能方面取得了令人印象深刻的改进,超越当前最佳方法,将 30 米范围内的目标检测准确率从当前最佳的 22% 提高到了 74%。截至论文提交时,该论文提出的算法在基于立体图像方法的 KITTI 3D 目标检测排行榜上达到了当前最高水平。」

但是,我们忽视了一个细节——这里的限定范围是 30 米。

30 米内汽车的反应时间是多少(内心惶恐中)?那么 50 米或 100 米呢?

而激光雷达的探测范围却可以在保持不错精度的前提下延伸至 100 米~300 米。

当然,学术成果是值得探讨和学习的,只是我们需要将其与现实情境区分开来——

真的要等到计算机视觉做的足够好,超级好,逼近完美(大概等十年也不够)……或许便宜的激光雷达就被生产出来了呢?

但是,从第二个角度——「成本」来看,我们既不能怨马斯克,在被驳斥时也最好低下头沉思几分钟。

这虽然不是阻碍自动驾驶汽车跑上城市道路的最大阻碍,也至少是让激光雷达进入量产车的关键性制约。

实际上,我们本可以让质疑声来的不那么猛烈,但是,高度炒作让这个自动驾驶细分市场有些被冲昏了头脑。

如果你将时间范围限定在 2016~2017 年,再在百度搜索栏中打上「激光雷达、固态、成本」等等关键词,搜出的结果会非常有意思。

大部分国内外你所知道的明星激光雷达公司,都在这个时间段推出过自己的固态激光雷达,也都说过一句极其类似的话:

「我们固态激光雷达的成本会在量产后(从现在的几万甚至几十万块)降至几百或几千美元。」

这句话没毛病,规模化生产后单位成本当然会降低。

但激光雷达的量产订单来源,要么是大规模的 L4 级自动驾驶车队,要么是进入车厂的供应链体系。

而 L4 自动驾驶车队……姑且在缓…慢而稳步扩张,但这个速度似乎满足不了进入这个市场几十家甚至上百家激光雷达公司的生存需求;

而车厂呢?当然是最合适但也要求最严格的「爸爸」。

一方面,无论是机械式、半固态还是纯固态,激光雷达都得先过车规这道坎,截至目前(大约3年过去了吧),除了奥迪 A8 上的法雷奥 SCALA 四线激光扫描仪(也有人称之为半固态或者机械式),没有一家公司的产品被公开证明过。

另一方面,那些据称最有可能过车规的固态激光雷达产品首先到底能不能用,也已经遭到质疑。

成立于 2012 年,已完成 5 轮融资,融资总额远超 1 亿美元的独角兽公司 Quanergy,就曾以大肆宣称正在制造量产出「纯固态(相控阵)激光雷达」而受到资本市场的长期高度关注。

然而,2018 年彭博社以一篇名为《这家估值 10 亿美元的自动驾驶技术公司是如何迷失方向的》的长篇报道,揭开了 Quanergy 技术遇阻,产品「难产」的内幕。

譬如,尽管这家创业公司一直努力按照设定的时间表生产产品,但推出的设备被证明远未像其「广告宣传」的那么好。

甚至公司内部人士透露,其宣传言辞与现实之间的距离已经拉大。他们从未见过任何一款符合 Quanergy 所有规格的固态设备下线。

此外,其 2016 年推出的机械式样机 M8 漏洞多到被顾客主动退回;

而与此同时,Quanergy 开始关注车载激光雷达产品以外的其他应用,譬如帮助墨西哥边境建立数字边境墙的计划,订单也多来自于后者。

枪打出头鸟。

作为目前融资最多的激光雷达创业公司之一,Quanergy 被指责似乎无可厚非。但它的发展境况并不是特例,因为他们的宣传口径无一不能从其他同类创业公司那里找到类似的模板。

譬如,就曾有 L4 自动驾驶技术公司工程师告诉我们,在测试过多家国内外公司的早期产品后,的确发现它们在精度、易损度和使用寿命上有明显差别,探测范围也不像所说的那么好;

也有业内人士在两年前就说过一个公开的秘密,那时一部分热热闹闹发布出来的固态激光雷达产品其实并不能真正被投入使用,嵌在车身上的只是一个为了发布会或是合作仪式而搞出来的摆设。

实际上,我们从未否认激光雷达本身发挥的巨大价值。

从没有跌出过自动驾驶第一军团的 Waymo,其第一代仅装有激光雷达与普通雷达的自动驾驶车就已经在同代车之间表现突出;直到现在,他们的自动驾驶汽车也是强激光雷达配置。

而另一边,在自动驾驶量产车未来规划里缺少激光雷达的特斯拉,究竟要如何解释 2018 年发生了至少 3 起与自动驾驶仪有关的车祸?

但是,高度炒作与炒作后陷入沉默之间形成的巨大反差,的确成了让「激光雷达无用论」甚嚣尘上的助燃剂之一。

「没错,目前只有法雷奥的 Scala 是过了车规的产品。我们的产品从面世到现在也才过了两年,但是大众和讲故事的环境等不了你。」一位不愿意透露姓名的激光雷达业内人士也说出了一些不得已的苦衷。

「而且国内整体环境也在说『中国速度』,就是说别人花四五年做到的,放国内是不是可以用 3 年或者更少的时间。

就拿法雷奥的产品来说,他们从 2013 年就开始做,到 2018 年你才知道他们的产品上了奥迪 A8。

这是一个非常漫长的周期,如果包括更前期的研发的话,其实 2010 年他们就跟 Ibeo 在做了。」

实际上,从汽车行业历史来看,这是一个非常有意思的铁律——

一辆汽车生产制造所花费的时间,从来都没有因为技术进步而被缩短过,反而有延长之势。

自 1923 年进入通用汽车担任总裁几十年,把这家公司从倒闭边缘拉上岸的传奇总裁小艾尔弗雷德. 斯隆就曾在自传里提到几个保守的数字:

「从决定研制一辆新车型到这辆车出现在经销商的展台上,至少需要两年时间。

而一些有革命性意义的车型,则需要花上 3~5 年时间。」

而大众教父费迪南德·皮耶希更是在自传里坚决地表示造一辆车至少需要 5 年时间。

一晃大半个世纪过去,纵然汽车技术发展到现在这个阶段,这些老汽车革命家的言论竟然从未过时。

掐指一算,特斯拉 Model3 从马斯克被提及(还不是真正内部提上日程的时间)到真正下线的时间,

再算算国内那些明星造车新势力的量产车从开始宣传到真正到消费者手里的时间……

真真是,历史教我们做人。

专业用户独享

本文为机器之心深度精选内容,专业认证后即可阅读全文
开启专业认证
产业智能汽车目标检测激光雷达自动驾驶技术无人车
1
相关数据
Waymo机构

Waymo是Alphabet公司(Google母公司)旗下的子公司,专注研发自动驾驶汽车,前身是Google于2009年开启的一项自动驾驶汽车计划,之后于2016年独立。2017年10月,Waymo开始在美国亚利桑那州的公开道路上试驾。2018年12月,Waymo在凤凰城郊区推出了首个商业自动乘车服务Waymo One。

http://www.waymo.com/
镭神智能机构

深圳市镭神智能系统有限公司成立于2015年2月,是全球领先的激光雷达及整体解决方案提供商,致力于以稳定、可靠的激光雷达环境感知技术赋能产业升级,服务覆盖无人驾驶及汽车辅助驾驶、智慧交通、机器人、物流、安防、测绘、港口和工业自动化等八大产业生态圈。秉持着“让驾驶更安全,让机器更智能,让生活更美好”的使命,镭神智能一直以来立足技术核心,用世界级战略眼光和创新能力成长发展,坚持用科技创新改变生活!

http:// www.leishen-lidar.com
相关技术
速腾聚创机构

RoboSense(速腾聚创),成立于2014年,是全球领先的激光雷达环境感知解决方案提供商,为自动驾驶汽车提供更高性能、更安全可靠、更低成本的激光雷达(LiDAR)系统方案,在芯片、LiDAR传感器、AI算法等多个核心技术领域长时间创新与沉淀,让机器人拥有超越人类眼睛的环境感知能力。RoboSense(速腾聚创)总部位于深圳,在北京、上海、德国和美国设有分支机构。核心研发团队来源于全球顶尖高校与国际一流科技企业。

https://www.robosense.ai/
自动驾驶技术技术

从 20 世纪 80 年代首次成功演示以来(Dickmanns & Mysliwetz (1992); Dickmanns & Graefe (1988); Thorpe et al. (1988)),自动驾驶汽车领域已经取得了巨大进展。尽管有了这些进展,但在任意复杂环境中实现完全自动驾驶导航仍被认为还需要数十年的发展。原因有两个:首先,在复杂的动态环境中运行的自动驾驶系统需要人工智能归纳不可预测的情境,从而进行实时推论。第二,信息性决策需要准确的感知,目前大部分已有的计算机视觉系统有一定的错误率,这是自动驾驶导航所无法接受的。

激光雷达技术

自动驾驶车辆传感器的一种,采用激光扫描和测距来建立车辆周围环境的详细三维模型。Lidar 图像具有高度准确性,这使得它可以与摄像头、超声波探测器和雷达等常规传感器相提并论。然而激光传感器面临体积过大的问题,同时,它的机械结构非常复杂。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

基准技术

一种简单的模型或启发法,用作比较模型效果时的参考点。基准有助于模型开发者针对特定问题量化最低预期效果。

自动驾驶汽车技术

自动驾驶汽车,又称为无人驾驶汽车、电脑驾驶汽车或轮式移动机器人,是自动化载具的一种,具有传统汽车的运输能力。作为自动化载具,自动驾驶汽车不需要人为操作即能感测其环境及导航。

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度,其目的是进行资源的优化。常见的规划方法包括经典规划(Classical Planning)、分层任务网络(HTN)和 logistics 规划。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

数据库技术

数据库,简而言之可视为电子化的文件柜——存储电子文件的处所,用户可以对文件中的数据运行新增、截取、更新、删除等操作。 所谓“数据库”系以一定方式储存在一起、能予多个用户共享、具有尽可能小的冗余度、与应用程序彼此独立的数据集合。

准确率技术

分类模型的正确预测所占的比例。在多类别分类中,准确率的定义为:正确的预测数/样本总数。 在二元分类中,准确率的定义为:(真正例数+真负例数)/样本总数

百度机构

百度是全球最大的中文搜索引擎,是一家互联网综合信息服务公司,更是全球领先的人工智能平台型公司。2000年1月1日创立于中关村,公司创始人李彦宏拥有“超链分析”技术专利,也使中国成为美国、俄罗斯、和韩国之外,全球仅有的4个拥有搜索引擎核心技术的国家之一。

https://www.baidu.com/
奇虎360机构

360公司成立于2005年8月,创始人周鸿祎 2011年3月30日在纽交所成功上市 2018年2月28日,回归A股上市,上证交易所(601360) 是中国第一大互联网安全公司,用户6.5亿,市场渗透率94.7% 中国第一大移动互联网安全公司,用户数超过8.5亿 中国领先的AIoT公司,将人工智能技术应用于智能生活、家庭安防、出行安全、儿童安全等多个领域

http://smart.360.cn/cleanrobot/
目标检测技术

一般目标检测(generic object detection)的目标是根据大量预定义的类别在自然图像中确定目标实例的位置,这是计算机视觉领域最基本和最有挑战性的问题之一。近些年兴起的深度学习技术是一种可从数据中直接学习特征表示的强大方法,并已经为一般目标检测领域带来了显著的突破性进展。

推荐文章
暂无评论
暂无评论~