自动驾驶，谁能笑到最后？

1. 自动驾驶，谁能笑到最后？

美国研究公司Navigant Research周一发布了其年度自动驾驶技术开发排行榜。该公司根据生产、战略，市场、营销、能力、持久力和可靠性等多种因素，对近24家相关公司进行了重新排名。
其中Waymo在战略和执行方面都排名最高，在坐标轴上被归入Navigant的“领导者”部分。从图上可见谷歌领先于福特的自动驾驶业务，而这两个公司又领先于通用汽车的Cruise、中国的百度和英特尔-Mobileye。

下一类是“竞争者”，包括戴姆勒（与博世合作）、现代（与Aptiv合作）、丰田和大众等传统汽车制造商在这里亮相。此外还有Zoox、May Mobility和俄罗斯Yandex等初创企业，Yandex是首次出现在Navigant的排名中。
倒数第二个“挑战者”类别代表的是迄今为止落后于所有上述提到的公司。这里也有一些熟悉的面孔，例如沃尔沃和雷诺-日产-三菱联盟。而且最重要的是，这也是特斯拉的所在位置。
自动驾驶的近忧与远虑
特斯拉的粉丝们并不需要因为倒数而感到震惊，毕竟特斯拉常年处在这一位置。Navigant给出的答案是：“特斯拉曾做出高调的承诺，包括到2020年底拥有100万辆具有自动驾驶能力的车辆上路” ，Navigant的报告写道。“但是，其系统的性能仍然不一致，其产品也不符合其提议的移动业务模式。”
其实，还有一些知名公司甚至没有进入Navigant的排行榜。比如说苹果公司的落败，是因为Navigant称该公司没有提供“任何商业化计划的清晰视图”。Uber虽然在努力使其自动驾驶业务恢复到最快速度，但此前其一辆汽车与一名行人发生致命碰撞。Lyft在最近几个月没有取得太大进展，Navigant担心自动驾驶汽车是否会真正为“打车”公司带来利润。

值得一提的是，这项研究关注的是正在进行的技术开发，排在排行榜前列的不一定代表这些公司会在任何特定时间范围内生产出可行的自动驾驶汽车。诸如Waymo One这样的有限范围的试验项目仍能带来希望，应该让公众更好地了解谁真正在自动驾驶领域付出努力。
比排名更加值得关注的是，在上个月，The Information发布的最新研究称，在过去的几年中，由30家公司组成的集团在开发自动无人驾驶汽车上花费了至少160亿美元。到目前为止，他们的收入（即使有的话）也很少。然而在这项技术量产上路之前，可能还需要数十亿美元。
根据计算，其中三家公司就花了其中一半的钱，分别是Alphabet的Waymo，通用汽车的Cruise和Uber。其他四家公司，包括苹果、百度、福特和丰田，花费了其余大部分。而这些企业中只有少数几个（最著名的是Alphabet，Toyota和Apple）拥有巨大的财力，可以保证长期发展。但是，苹果已经撤回了投资。
看来，这项前景远大的技术同时也是个不折不扣的烧钱机器。

那为何这些公司还愿意在自动驾驶领域继续加码呢？在最近的投资者日上，Cruise CEO Dan Amman就描绘了未来的自动驾驶大蛋糕，称其市场规模可达每年8万亿美元，其中乘用市场分掉5万亿美元，货运市场分走2万亿，而车内体验与数据挖掘则至少有5000亿美元的机遇。
从现有数据来看，美国人每年花在开车上的时间大约为500亿小时。如果按照平均薪资每小时35美元来算，这部分生产力释放出来的话价值可是高达1.7万亿美元。粗略估算，利用驾驶时间，全球则能释放出至少5万亿美元的生产力。
自动驾驶汽车大规模上路后，其车技则会随着时间不断精进。2014年，美国高速公路安全管理局给出的数据显示，全美交通事故每年造成的损失高达8710亿美元。扩大到全球范围，这个数字可能会达到3-4万亿美元。因此，即使能将事故减少一半，也能带来巨大收益。

在加利福尼亚州，谷歌的姊妹公司Waymo和通用的Cruise都是明显的领导者，这两家公司无论是在行驶里程还是在脱离接触方面都远远领先于其他公司。Waymo刚刚宣布了2000万英里的总行驶里程，其中大部分不在加利福尼亚州。2018年，Waymo在加州行驶了120万英里，每1000英里有0.09次脱离接触率。排在第二位的是通用汽车的巡航，大约50万英里，每1000英里有0.19次脱离接触率。
中国企业的崛起
紧随加州汽车部门年度自动驾驶汽车脱离报告之后，北京移动智能创新中心（BICMI）发布了其2019年在当地道路上测试的自动驾驶汽车调查。除宾夕法尼亚州匹兹堡外，北京是全球仅有的几家要求自动驾驶汽车公司披露其行驶里程，车队规模以及他们自动驾驶系统故障的城市之一。
百度、蔚来、北京新能源、戴姆勒、小马智行、腾讯、滴滴、奥迪、重庆金康、四维图新、丰田和北京三快等13家中国公司的77辆自动驾驶汽车行驶了104万公里，远高于2018年的八家公司的153,600公里的总公里数要高。

中国国家发改委、工业和信息化部以及其他9个“部长级”机构最近发布的白皮书概述了中国推进无人驾驶技术发展的战略，BICMI的报告是该战略的一部分。最早到2025年，中国就打算围绕基础设施、监管和安全等方面制定指导方针，使企业能够“大规模生产能够有条件自主驾驶的车辆”和在某些情况下“使……自动驾驶汽车商业化”
截至12月底，北京允许在503.68公里的151条道路上进行自动驾驶汽车测试，在市区范围内增加了约40平方公里的测试区域。中国规定了五个级别的自动驾驶测试许可证，范围从T1到T5，与美国汽车工程师协会颁发的自动化级别相似。
北京市交通委员会于去年7月向百度分配了第一批T4自主测试许可证。该公司当时指出，T4是中国最高级别的许可证，是一个开放的道路测试许可证，使其能够在城市道路、隧道、学校区域和其他地方部署无人驾驶车辆。

百度在2019年末宣布，已获得40个牌照，可以在北京指定的道路上对载有乘客的无人驾驶汽车进行测试，这使其成为北京首批这样做的公司之一，该公司力图在资金雄厚的竞争对手（如腾讯，阿里巴巴和小马智行）上占据上风。
今年4月，阿里巴巴确认已进行自动驾驶汽车测试，以实现L4级自动驾驶能力为目标，并表示希望为其AI研究实验室招聘多达50名工程师。今年5月，腾讯获得了政府的许可，可以在深圳开始对自动驾驶汽车进行测试。就在上周，小马智行 以30亿美元的估值筹集了4.62亿美元的风险投资。
百度及其竞争对手正在争夺名副其实的市场金矿。麦肯锡的一份报告称，到2030年，中国无人驾驶汽车和出行服务的价值将超过5000亿美元，届时将有800万辆自动驾驶汽车在公路上行驶。
最近加州机动车管理局发布了2019年自动驾驶汽车脱离数据报告，2019年在加州开展自动驾驶测试企业的所有测试里程数大约为288万英里。排名前十的企业中有四家来自于中国，百度成为了排名第一的公司，而上一年的“冠军”Wamyo此次屈居第二。苹果去年排行垫底，而今年则位列第13名。宝马、丰田、日产、奔驰和上汽等车企也在加州开展自动驾驶测试，跟往年一样，这些车企的“成绩”都比较靠后。

?
虽然有很多业内人士认为脱离报告的数据作为自动驾驶可作为商业化的积极信号，但也不能神话这一判断标准。原因在于即使是简单的驾驶操作，实际上自动驾驶程序的运行远比听起来要难得多。
尤其是在自动驾驶汽车收集数据非常昂贵的基础上，某些小概率事件很少真实的发生，那么就有可能超出测试车辆模拟环境的深度感知，因为它无法在测试数据中遇到这种情况。也就是说当现代机器学习系统拥有大量数据时，它们的性能非常好，而只有少量数据时，它们的性能却非常差。
一些研究人员认为，除非对道路进行重大改动，否则人类很难拥有广泛的自动驾驶汽车。这不仅是一笔昂贵的开支，并且需要在全国范围内的协调，所以交通环境的改善应该是在自动驾驶汽车的广泛应用之前而不是在此之后。当然，在这所有之前，也是最重要的是，还需要相关的法律法规来判定自动驾驶所产生的责任。
文/杨晶
---------------------------------------------------------------------------
【微信搜索“汽车公社”、“一句话点评”关注微信公众号，或登录《每日汽车》新闻网了解更多行业资讯。】
本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

2. 这就是自动驾驶的大结局？

 北京时间8月20日，特斯拉召开一次别开生面的技术发布会，AI DAY，与以往的电池日、新车日不同，这次发布会的重点放在目前电动车上最前沿的技术——自动驾驶、神经网络、超级计算机等。
   在AI DAY上，特斯拉着重介绍了在人工智能领域的软件和硬件进展，尤其在神经网络上的训练系统，其中最大的看点就是『Dojo超级计算机』。
      特斯拉本次推出的人工智能训练机Dojo D1芯片，是特斯拉全新自研的超级计算机芯片，该电脑将用于车辆自动驾驶数据的运算和分析，能够自动地学习和识别标记道路上的行人、动物、坑洼地等数据，将海量的数据汇聚于Dojo，然后通过自动化深度神经网络训练，以此不断加强算法进化，最终实现以纯视觉为基础的完全自动驾驶（FSD），即特斯拉自动驾驶的最终形态。
      据悉，目前单个Dojo D1芯片的演算力已经达到全球第五。纵观全世界的超级计算机的排名，前五中除了第五名的Selene是英伟达的之外，前四的都是国家所有，包括第一的日本『富岳』、第二的美国Summit、第三的美国Sier，以及第四的中国『神威太湖』。
      其中，目前排名第一的超级计算机是日本的『富岳』，在机器学习应用上的算力超频之后是2.15EFLOPS，默频是1.95EFLOPS。
   值得一提的是，上述前四的超级计算机都是举国之力研发的结果，而特斯拉只是一家新能源车制造公司，能取得这样的成就，特斯拉可谓又一次突破了自己的极限。
    什么是『Dojo超级计算机』？ 
   Dojo一词来源于日语，意思是“道场”，翻译成中文应该叫做“训练馆”。
   特斯拉特地取此名，可以说目的就是专门训练特斯拉 汽车 的。来自全球超100万辆特斯拉车辆采集的真实数据将汇聚于此，然后通过Dojo进行深度神经网络训练，以此帮助特斯拉的Autopilot不断进化，最终实现以纯视觉为基础的完全自动驾驶（FSD）。
      换一个更好理解的方式，就像是AlphaGo专攻围棋领域一样，经过人工参与调整和标注的训练，只需要几年时间就击败了全球围棋高手，而Dojo可以被看做是为专攻自动驾驶领域的AlphaGo，通过深度学习和分析海量的特斯拉车队数据，Dojo可以自动模拟开车、自动寻找问题最优解，从而完成自我进化。
      重点是“无监督训练”和“自我进化”，你可以理解为：Dojo最初不会驾驶车辆，但通过极快的速度学习人类开车（影子模式）和模拟开车（特斯拉为其构建了一个虚拟世界供训练）后，就可以慢慢地在真实世界开车了。
      接着随经验的积累，算法的精进，驾驶技术还会越来越娴熟，最终超过人类的驾驶水平。就像AlphaGo最终击败李世石和柯洁一样。
    『Dojo超级计算机』有什么能力？ 
   今年6月，特斯拉AI高级总监Andrej Karpathy宣称由特斯拉团队研发的世界第五代超级电脑Dojo即将问世。今天的AI Day发布会则透露了更多的细节。
   Dojo D1计算芯片采用了5760个算力为321TFLOPS的英伟达A100显卡，组成了720个节点构建的超级计算机，总算力达到了1.8EFLOPS（EFLOPS：每秒千万亿次浮点运算），有10PB的存储空间，读写速度为1.6TBps。
      注意，这还是单个Dojo D1的算力，未来特斯拉还会将多个Dojo D1组成『Dojo超级计算机群』，届时，该超级计算机群的总算力将超过目前世界第一的超级计算机『日本富岳』。
      随着Dojo D1推出，毫不夸张的说，它就是目前世界上最强大的人工学习机器，它使用7nm芯片驱动、将50万个训练单元搭建在一起。
      在马斯克的规划中，『Dojo超级计算机群』目标算力要达到每秒钟exaFLOP的级别，也就是百亿亿次浮点运算，是现在的一万倍，名副其实的直接最尖端的超级计算机。
    那么，Dojo能做什么呢？主要就是自主深度神经网络训练。 
   特斯拉车辆搭载的摄像头，能够不间断地采集真实的道路数据，然后Dojo D1的人工智能算法，会自动标记这些数据中的物体（包括常规道路、危险道路和其他意外情况）。
   之前的大型AI数据集通常需要手动标记，非常耗时费力，而Dojo将配合无监督学习算法（Unsupervised Learning，无需人工对训练数据集进行标注，系统可以自行根据样本间的统计规律对样本集进行分析）。
      譬如，可以不给任何额外提示的情况下，仅依据一定数量“狗”的图片特征，就能将“狗”这个物体识别出来。大幅减少特斯拉对于数据人工标注的工作量，进而帮助其数据训练效率实现指数级提升。
   这些数据还可以包括信号灯、车道线、动物、行人、天气、马路边缘、指示牌、路灯、桩桶、可行车区域、不可行车区域等等，通过8个摄像完成360度环影，以鸟瞰的方式来展示一个4D视图（三维空间+时间戳）。
      不过，特斯拉车辆并不会将每分每秒的视频数据都发送给Dojo，也不会随机发送视频数据，更多的情况是发送一个“案例”（10秒）。比如在Autopilot驾驶时，驾驶员突然介入，改为人工驾驶，Dojo就会分析这个视频案例，试图找出驾驶员中断Autopilot的原因，又或者司机在高速路上突然刹车、堵车时有人插队、雷达与摄像头判断结果不一致、车辆发生事故/险些发生事故等等，将这些具体的案例，交给Dojo来分析处理。
      最终，更多的数据通过Dojo的处理，反馈给神经学习系统，实现自动驾驶算法的迭代，而算法的迭代，让Autopilot更加好用，持续反馈更多的数据给Dojo分析，从而实现一个正循环。
   目前，特斯拉已经积累了100万个10秒左右的视频，并给60亿个物体贴上了深度、速度和加速度的标签。这些数据每天都还在增加，这就需要特斯拉有一个强大的计算机来处理这些庞大的数据，目前这些数据已经达到了惊人的1.5PB。
      以特斯拉百万级的车辆保有量，这个规模的数据收集终端，数据增长速度也是惊人的。这似乎是个天文数字，而特斯拉如果继续依赖纯视觉的自动驾驶方案，不断提高其可靠性，就需要开发出更强大的超级计算机，以追求更先进的AI算法。
    一家车企为什么要做超级计算机？ 
   我们前面说到，全世界的超级计算机的排名前五的超级计算机，除了第五名的Selene是英伟达的之外，前四的都是国家拥有的，包括第一的日本『富岳』、美国的Summit和Siera分别位于第二、第三，第四的是中国的『神威太湖』。
   这些都是国家级的超级计算机，它们通常是体量巨大、造价高昂的设备，拥有数以万计的处理器，旨在执行专业性强、计算密集型的任务，可完成极端尺度的宇宙模拟、为药物反应预测寻找新途径、发现可用于制造高效有机太阳能电池的新材料等任务，应用于人工智能、生物医药和智慧城市建设等多个领域。
   为什么特斯拉，一个电动车企需要研制一台超级计算机？
   其实原因，上面已经有所提及。
   目前，全球自动驾驶领域主要分为两派，即纯视觉路线与高精地图+雷达路线。后者认为，多传感器与摄像头可以优势互补，更可依靠高精度地图与多激光雷达来完成全自动驾驶。而作为纯视觉路线领头者的特斯拉，则坚定的认为，纯视觉是唯一正确的出路。
      马斯克主张采用纯视觉的自动驾驶方法，就是依靠摄像头和机器学习来支持其高级驾驶辅助系统和自动驾驶，而摒弃了激光雷达（LiDAR）、毫米波雷达。
   马斯克曾非常自信地说到：“只要人眼能够完成的事情，视觉传感器也应该能够完成。其它的激光雷达都是累赘”。
   在特斯拉看来，把激光雷达、毫米波雷达砍掉，是因为多传感器融合，会干扰系统的判断，甚至会造成误判，因为当不同传感器过来的数据冲突的时候，会延长系统处理和判断的时间，甚至会出现误判。
   在纯视觉自动驾驶方法下想改进这套自动驾驶AI达到足够的可靠性，自研适应计算需要的超级计算机便极为必要。
      特斯拉AI高级总监Andrej Karpathy是计算机视觉和深度学习领域的顶级专家之一，博士毕业于斯坦福AI实验室，主要研究方向是卷积神经网络结构，自然语言处理，以及其在计算机视觉上的应用。
   进入特斯拉之后，主要就是为了攻坚特斯拉自动驾驶的难题，而特斯拉非常坚决地采取纯视觉算法路线，这就为数据处理以及神经网络学习提出了巨大的要求。
   Karpathy解释道，如果想要让计算机以人类的方式对新环境做出反应，需要一个巨大的数据集，以及超级计算机的处理能力。我们有一个神经网络架构网络和一个1.5 PB的数据集，需要大量的计算。
   对我们而言，计算机视觉是使自动驾驶成为可能的基本要素。为了让其更好地工作，我们需要掌握来自车队的数据，训练大量的神经网络，并进行大量实验。
      Karpathy讨论了特斯拉人工智能的视觉组件，他指出，特斯拉在设计其 汽车 的视觉皮层时，是按照眼睛感知生物视觉的方式进行建模的。他还谈到了特斯拉的视觉处理策略多年来是如何演变的，以及现在是如何实现的。Karpathy还提到了特斯拉的“HydraNets”，它具有多任务学习能力。
   充分利用从整个车队收集来的数据训练，从而不断改善特斯拉的自动驾驶功能（Autopilot），为下一代自动驾驶人工智能（AI）提供能够更进一步的自主学习的神经网络。
      这里的神经网络可以简单理解为通过『仿生学』模拟人类大脑皮层的神经元『沟通学习』的方式进行处理数据，用来实现『类似人类』的学习方式。
      这也是为什么这个超算机群取名为Dojo（道场）的原因，在中文里翻译为训练场也非常合适，这个“训练场”就是专门用来训练特斯拉 汽车 的自动驾驶能力的。
   其实早在2019年的Autonomous Day，马斯克就提到过Dojo，称Dojo是能够利用海量的视频（级别）数据，做『无人监管』的标注和训练的超级计算机。
   如果认真了解过当年Autonomous Day的朋友，自然会发现，特斯拉推出Dojo超算以及自研芯片，是必然且在规划中的事，也是特斯拉不得不去做的事。
   因为按照特斯拉的逻辑，一辆车上要装8个摄像机，十秒内就能产生一百万个视频。这也难怪，需要依赖超级计算机的运算能力。
      换句话说，不是特斯拉想要成为人工智能巨头，而是被逼无奈，因为选了纯视觉路线，就需要一个超级计算机的算力与之匹配。结果Dojo一出场，就是要成为世界第一。可以说，这也是马斯克的凡尔赛了吧。
   其实关于“视觉算法与AI的关系”这个问题，马斯克曾在推特中回复过，大致意思为：『只有解决了真实世界的 AI 问题，才能解决自动驾驶问题……除非拥有很强的 AI 能力以及超强算力，否则根本没办法……自动驾驶行业大家都很清楚，无数的边缘场景只能通过真实世界的视觉 AI 来解决，因为整个世界的道路就是按照人类的认知来建立的……一旦拥有了解决上述问题的 AI 芯片，其他的就只能算是锦上添花』。
         确实，毫米波雷达或激光雷达方案虽然有优势，但是成本更高，而且还有着无法解决的弊端。首先雷达精度、反应速度都不如纯视觉方案，而高精地图则严重限制了可使用自动驾驶的范围。这意味着他们除了需要非常详细的使用地点地图外，还需要所有车道及其连接方式、实时交通灯等额外信息。
   但特斯拉的纯视觉方式不同，特斯拉的自动驾驶依靠8个摄像头和背后的Dojo超算，原则上我们可以在地球上任何地方（的道路上）使用。
    『Dojo超级计算机』的出现意味着什么？ 
   Dojo的问世，将帮助特斯拉的无人驾驶技术继续提升一个等级，让视觉算法这条路线走的更加深远，它能帮助训练电脑去理解道路画面，通过对视频信息的采集和大量视频信息运算处理，达到仅通过视觉图像便能实现全自动驾驶的目的。
      视觉自动驾驶与人类驾驶员的开车方式相似，但最重要的是，计算机更加的可靠。为此，Karpathy也举了几个例子：
   首先，人类的反应速度太慢，即使是优秀的驾驶员也要250ms（0.25秒）的反应速度，很多人甚至超过460ms（0.46秒），而电脑的反应速度全部低于100ms（0.1秒）；其次，人类驾驶员经常在开车时玩手机，而电脑则会全神贯注，不会一会看看微信，一会刷刷抖音；再来，人类驾驶员的视野范围太窄，并道时如果不回头，则完全看不到位于后视镜盲区的来车，而特斯拉拥有8个摄像头以每秒36帧的速度从车身周围识别信息，涵盖360度视野……
   通过海量的案例，Dojo将帮助驾驶员更安全的驾驶车辆，包括利用视觉计算机来纠正人类错误和不安全的驾驶行为。比如：信号灯警告，系统识别到远处的红灯或黄灯，如驾驶员不减速会发出警告；紧急制动场景，系统判断车辆在障碍物前减速度不足或没有减速，会自动帮助车辆制动；躲避障碍，系统侦测到周围有突然出现的动物、行人、车辆、异物等，会自动控制方向盘来进行躲避。
      在目前的特斯拉Autopilot中，已经出现过很多因系统失灵而出现的事故，这些可以通过Dojo进行解决，包括不限于：桥下阴影造成的无故刹车；高速跟车时，自动刹车踩得太死；遇到路边占用部分车道停放车辆的规避问题；当车辆检测到前方有行人或者道路变窄的情况时，当驾驶员把油门当做刹车踩下，车辆则不会加速（包括恶意报复 社会 行为）。
   总结起来， Dojo的出现，实现了海量数据的『无监督训练』，大幅度提高神经网络训练的效率。通过用海量的数据锻炼它，就能解决各种『边缘场景』的问题，加快自动驾驶系统的成熟和完善，实现指数级的成长速度。
      更关键的是，特斯拉对其软硬件的垂直整合度非常高，不仅不受制于别人，而且能够以此作为服务，给外界提供深度学习的训练业务。
   在特斯拉的规划中，全球各地的数据，都会汇集到Dojo超级计算机中心进行处理。当然，这不包括中国的数据，因为中国出台了相关的管理办法，限制这类数据出境（因此，特斯拉在上海建立了数据中心，所以我们也会期待Dojo也能在中国实现）。
    这就是自动驾驶的大结局？ 
   对于自动驾驶的 科技 价值，几乎全球科学家都达成共识，其拥有广泛的应用前景，在包括出租车、代驾、共享 汽车 、机器人物流等领域都有巨大潜力。
   根据中国信通院《2020年全球自动驾驶战略与政策观察》报告显示，自动驾驶具有巨大的 社会 经济价值，预计2050年将为美国创造大约3.2至6.3万亿美元的经济效益，其中 社会 福利和消费者福利预计接近8000亿美元。
   我国多个地方政府也大力支持自动驾驶技术发展。北京已累计开放四个区县的自动驾驶测试道路共计200条、699.58公里，开放了亦庄和海淀2个自动驾驶测试区域，面积约140平方公里。同时累计为14家自动驾驶企业87辆车发放一般性道路测试牌照。
   深圳市也已经先后公开两批无人驾驶路测道路；深圳坪山区的L5级别全无人RoboTaxi已商业化试运营超过100天，并承载了国内首批乘客。此外，包括亚马逊、苹果、三星等国外 科技 巨头，以及阿里巴巴、百度、腾讯等国内 科技 巨头都纷纷加入无人驾驶的赛道，想在这个潜力无限的市场里瓜分一块蛋糕。
   从技术的角度来看，无人驾驶 汽车 是一个复杂的软硬件结合的智能自动化系统，运用到了自动控制技术、现代传感技术、计算机技术、信息与通信技术以及人工智能等。从战略意义的角度来看，自动驾驶移动能力更强，能够有效改善交通安全、实现节能减排、消除交通拥堵、促进产业转型。
      过去数年，特斯拉一直对外宣传“全自动驾驶”技术，由此也为人们所诟病。因为事实上，特斯拉的“Autopilot”（自动辅助驾驶）以及“Full Self-Driving”（全自动辅助驾驶）都只是“辅助驾驶”功能，并不是真正意义上的“自动驾驶”功能。
   因为这样的宣传，导致了不少车主过于相信特斯拉的辅助驾驶功能，因此也导致了很多起令人痛心的安全事故，最近的蔚来也因为NIO Pilot导致的事故登上了热搜。
   可见，截止目前，自动驾驶还是一个理想中的概念，离我们的实际使用还有不少的距离，我们现在能用上路的都是“辅助驾驶”，大家为了自己的人身财产安全一定要牢记这一点，切勿过分相信市面鼓吹的“自动驾驶”功能。
   目前，特斯拉已开始向纯视觉自动驾驶路线转变，从上月开始，部分在北美生产的特斯拉车型，已停止安装雷达传感器，而全新的FSD Beta V9.0（完全自动驾驶测试版）也将在近期更新，而这一切的背后，都离不开Dojo。
      Dojo的到来，意味着我们离真正的“自动驾驶”又近了一步，打开了电动车驾驶AI世界的新入口。
   对了，这个技术并不遥远，我们明年可能看到Dojo正式运行。
    最后的彩蛋 
   就在发布会最后，马斯克开着玩笑带来了一位Tesla Bot机器人，他表示，如果Dojo的能力能够如期实现，那么将它至于机器人的内部，同样可以100%模拟人类的性能。在未来，可以为人类 社会 释放更多的劳动力。
         马斯克绝对是一个技术疯子，改变全球能源布局、改变交通出行方式、改变人类脑机交互方式、游历太空、 探索 火星等等，单凭一个人的意志推动了整个人类 社会 的 科技 进步。
   通过已量产的产品挣钱，但不会敛财，因为挣到的钱马上用在下一个疯狂的想法，并努力实现它，如果此时说马斯克是后乔布斯时代最伟大的 科技 创造者，应该没有人会反对吧？
   （图/文/摄：皆电 唐科）

3. 自动驾驶真的来了？

撰写｜方长
日前，天天汽车获悉自动初创公司AtuoX在上海的自动驾驶示范应用正式向公众开放，这不仅是对公众的一次接触自动驾驶汽车的机会，更是通过市场检验自动驾驶汽车的一次实验。
用户可以在高德打车App呼叫AtuoX自动驾驶车辆，车辆会行驶至距离乘客指定上车点最近的安全位置并在乘客确认车辆行驶规则须知后确认乘客身份开始驾驶行程。驾驶途中乘客可以看到行驶路线、车辆自动驾驶系统堆物体的识别与决策信息，到达目的地后会提示乘客下车，行程就此结束。值得一提的是此项服务不仅免费而且不限次数。

不过考虑到安全性每车仍会配备一名安全员，AutoX自8月17日开启的自动驾驶车服务将不再像4月份开启的服务一般需要用户先在高德地图上进行审核，审核成功后才可以体验自动驾驶汽车，此次自动驾驶汽车走入群众生活无疑可以在火热的自动驾驶汽车市场上再添一把火。

不过回归到现实来看，自动驾驶的技术还尚未成熟、支持其上路的基础设施与相关法规也还不够完善，此次匹配安全员的试乘服务虽然可以让消费者们体验到自动驾驶汽车的新鲜与好处，也可以让消费者自发地去考虑关于自动驾驶汽车与个体消费意向之间的关系，而自动驾驶汽车的前景如何，我想这还需要我们长时间的观察与实验。
本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

4. 自动驾驶这个想法来自什么时候?

自从1885年卡尔·本茨制成了世界上第一辆三轮汽车之后，汽车行业一直充满着天马行空般的创造力，才华横溢的工程师们为汽车行业的发展，注入了源源不断的动力。在汽车诞生40年之际，工程师们便开始考虑创造自动驾驶汽车——这便是智能驾驶的起源。

1925年，发明家1925年，发明家Francis Houdina演示了一辆无线电遥控车，他开车穿过曼哈顿的街道，没有人在控制方向盘，这在当时引发了观众极大的好奇心，导致了百老汇和第五大道的交通堵塞。根据纽约时报的报道，无线电遥控车辆可以启动发动机，换挡并发出喇叭声，好像“好像一直幽灵的手在车轮上”。

第一辆车是无线电遥控汽车，它在后座上配备了天线，由第二辆汽车进行操作，第二辆车通过发射无线电脉冲，使得第一辆车的天线接受信号，并将信号引入断路器，断路器操纵小型电动机，控制车辆的运动。

5. 自动驾驶接下来会有什么新动作吗？

自动驾驶是汽车产业与人工智能、物联网、高性能计算等新一代信息技术深度融合的产物，是当前全球汽车与交通出行领域智能化和网联化发展的主要方向，已成为各国争抢的战略制高点。但是当前自动驾驶的发展成果并没有达到人们的预期。接下来，各大科技巨头或许会将重心放在软硬件的性能提升中。
而作为自动驾驶汽车的眼睛传感器或许将是自动驾驶接下来着重发展的方向之一。因为通过传感器，自动驾驶汽车能够识别道路、其他车辆、行人障碍物和基础交通设施。按照自动驾驶不同技术路线。
现在各大工业元器件品牌为了抢夺传感器这块大饼，纷纷加大市场布局,RS PRO就是其中之一。RS PRO将智能化设为未来的市场发展目标，拓展的产品方向越来越侧重于传感器等自动化产品之中。

6. 自动驾驶什么意思

【太平洋汽车网】汽车自动驾驶系统又称无人驾驶汽车或轮式移动机器人，是一种通过车载电脑系统实现无人驾驶的智能汽车系统。自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。


汽车自动驾驶系统又称无人驾驶汽车或轮式移动机器人，是一种通过车载电脑系统实现无人驾驶的智能汽车系统。
自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。
汽车自动驾驶技术包括视频摄像头、雷达传感器以及激光测距器来了解周围的交通状况，并通过一个详尽的地图（通过有人驾驶汽车采集的地图）对前方的道路进行导航。这一切都通过谷歌的数据中心来实现，谷歌的数据中心能处理汽车收集的有关周围地形的大量信息。就这点而言，自动驾驶汽车相当于谷歌数据中心的遥控汽车或者智能汽车.。汽车自动驾驶技术物联网技术应用之一。
自动驾驶汽车使用视频摄像头、雷达传感器，以及激光测距器来了解周围的交通状况，并通过一个详尽的地图（通过有人驾驶汽车采集的地图）对前方的道路进行导航。
（图/文/摄：太平洋汽车网问答叫兽）

7. 三分钟深入了解自动驾驶

自动驾驶大家或多或少都有所了解，这里就不对概念做做过多解释，就自动驾驶的发展史、分级、组成和几家有意思的公司做个介绍（特斯拉这种耳熟能详的就不介绍了）以及展望一下未来，带大家进一步了解自动驾驶。
  
  
 其实早在1925年美国陆军的电子工程师Francis P. Houdina，就通过无线电波来控制前方车辆的方向盘，离合器，制动器等部件来完成的，虽然很不完美，但被视作为人类无人驾驶汽车的雏形，来开了自动驾驶的帷幕，这2年随着人工智能的火爆， 自动驾驶作为人工智能重要的应用场景 ，发展速度也快了起来。
                                          
 
  
                                          
 接下来带大家了解一下自动驾驶的等级划分，有助于更好的理解自动驾驶。
                                          
 NHTSA，是美国交通部下辖的美国国家公路交通安全管理局在2013年发布的分级标准。
  
  
 SAE，是国际自动机工程师学会（原译：美国汽车工程师学会）在2014年发布的分级标准。
  
  美国交通部最终选择了SAE作为自动驾驶的分级标准 ，主要是考虑到SAE对分级的说明更加详细、描述更为严谨，且更好地预见到了自动驾驶汽车的发展趋势。
  
 像大家熟悉的特斯拉，它的自动驾驶级别是SAE的2级，所以大家也可以理解为什么感觉市场上的自动驾驶离我们想象中的自动驾驶有差距，因为并没有达到高度自动化。
  
  自动驾驶的主要由感知单元、决策单元和控制单元组成。 
  
 感知单位主要由各种传感器和相关的智能感知算法组成，用于感知行驶路线上的实时环境情况。
  
 决策单元主要控制机械、电路或软硬件，用于根据环境信息决定汽车进行何种操作。
  
 控制单元主要通过汽车的控制接口，之间或者间接的操控汽车，完成实际的驾驶工作。
  
 谷歌的自动驾驶很早就听过了，他们的经济和技术实力也是全球顶尖的，那么为什么迟迟没有商用？我们先看下谷歌自动驾驶的发展历程：
  
 2009年谷歌就是开始了自动驾驶汽车的项目，同年在内部举办的活动中，谷歌第一代自动驾驶汽车就可以围绕谷歌总部顺利的转圈。
  
 2012年，谷歌自动驾驶汽车正式获得了美国历史上为自动驾驶汽车颁发的第一张执照。
  
 2014年谷歌研制出了完全不需要人工干预的自动驾驶汽车，没有方向盘，没有油门，没有刹车踏板。可以说是世界上第一辆完全意义上的无人驾驶汽车。
  
 2016年12月13日，谷歌将自动驾驶项目分拆为单独的公司Waymo。
  
 2017年10月13日，Waymo首次发布无人驾驶技术的详见安全报告，研发的车辆已经演进了四代车型，现实路测总行驶里程累计达350万英里。
  
 可以看到谷歌在自动驾驶上面是起了大早赶了晚集，最关键的原因就是他们的理念与特斯拉以及传统汽车厂商不同，谷歌一开始认为，先天基因很重要，起点要高，像特斯拉或者传统汽车厂商这种从2级做起的是达不到5级标准的（业内也普遍存在这个疑问）， 所以他们是直接开发第5级的产品，并且解决所有的技术问题。 
  
 依托谷歌强大的实力，技术上的问题基本解决了， 但是成本（单台超过20万美元）和法规问题造成了他们正式商用一再被延迟，也造成了人才的流失，做为超级公司他们可以等得起，但是其他公司显然不可能走这条路子。 
  
 值得一提的是尽管Waymo没有正式商用， 但是他们依然被美国媒体认为是世界排名第一的自动驾驶公司。 正式推出还需等待，依然是目前最值得期待的自动驾驶汽车。
                                          
 今年驭势科技成功展示了原型车，独特的设计和思路引发了业内的广泛关注。 驭势科技是认同谷歌的理念起点要高，同时也考虑到了成本问题，将自动驾驶的级别定位在SAE的四级，即在特定环境和道路上实现自动驾驶。 
  
 他们的亮点在于对无人驾驶做出了新的尝试，既然是自动驾驶，那么驾驶的位置就可以不要，让乘客的座位更加舒适，驭势第一款原型车就是将车厢建成了一个客厅。同时充分考虑到了是在特定环境和道路，对于汽车很多用不上的功能就不需要了，一定程度上来说是重新定义了自动驾驶汽车。
  
 有兴趣的朋友可以去他们的官网看一下他们的宣传视频，是一个很好的创新，思路很值得学习。不过个人觉得在特定环境和道路这个前提下，起码在短期内在国内的应用的并不会太广泛，难以达到他们想的实现最后三公里交通，毕竟像公交专用道很多城市都没搞起来，何况是自动驾驶的专用道。
                                          
  Waymo是世界第一的自动驾驶公司，那么第二是谁？特斯拉？特斯拉是第五，第二竟然是大家认为的打车应用Uber。 
  
 实际上Uber在自动驾驶领域还是处于靠前位置，2016年5月，其研发的无人驾驶汽车在美国宾夕法尼亚州匹兹堡市的Uber先进技术中心正式上路测试。而2016年8月，Uber以6.8亿美元的价格收购Otto，并让Otto的创始人Levandowski负责Uber自动驾驶汽车业务。并于2016年10月完成了全球首次无人驾驶卡车送货，卡车行驶120英里（约合193公里），运送了5万罐啤酒。同时也获得了沃尔沃和通用汽车联手。
  
 实际上Levandowski之前就是谷歌自动驾驶的核心人员，薪酬高达1.2亿美元，但是由于谷歌自动驾驶迟迟没有商用，所以自己出来创业成立了Otto，对此谷歌还是允许的，但是当被Uber收购后，谷歌就不能容忍了，2017年2月，Waymo起诉Uber，称谷歌前员工Levandowski非法窃取了超过1.4万份机密技术文档帮助Uber完成快速追赶，判决结果来看，Waymo获得了小胜，Levandowski面临职业生涯几乎彻底断送的局面。2017年10月Waymo继续以商业机密泄露向Uber提出10亿美元（约合人民币65.8亿元）的天价赔偿，并要求公开道歉。Waymo还要求成立独立的监管部门，以确保Uber未来不会使用这些技术。通过这个可以看出Waymo是将Uber做为了主要竞争对手来看待的，客观的说明Uber在自动驾驶的地位。
  
 尽管纷争不断，Uber依然建立了一个叫ALMONO的虚拟城市来进行自动驾驶汽车的测试，有望在明年在旧金山面向Uber用户推出全自动驾驶汽车。
  
  在战略上看，自动驾驶技术的出现会让司机越来越少，会让打车应用行业被看衰，所以虽然目前公布的数据报告来看，Uber的自动驾驶技术离Waymo的还有一定差距，但无论是战略还是市场需要，他们都会在自动驾驶上大力投入，甚至商用的比Waymo还快。 
                                          
 Mobileye是以色列一家自动驾驶技术的公司，早在十年前就是宝马的供应商了。正和通用、大众、特斯拉等全球多家汽车制造商进行半自动驾驶的合作研发。2016年，Mobileye技术已经能够实现在高速公路上半自动驾驶
  
 2017年3月13日，英特尔宣布将以153亿美元收购全球领先的ADAS厂商Mobileye，这一收购案宣布就是立即成为了今年自动驾驶领域的焦点。众所周知，英特尔虽贵为PC时代的霸主，但是错过了移动互联网的浪潮，而 收购Mobileye被看成是英特尔进军人工智能和大数据时代的重大举措，也意味着巨头开始逐步进入自动驾驶市场。 
  
 个人认为基于SAE2-5级的自动驾驶汽车会不断涌现出来，系统承担的事情会越来越多，特别是随着硬件的发展，以及行驶数据越来越丰富会让自动驾驶技术很成熟，更接近生活。
  
 需要注意的是只看单个的自动驾驶汽车还是不够的，需充分整个环境，就拿目前人工驾驶而言，你守法驾驶了，但是别人不守法驾驶，一样会出交通事故，何况是部分人工和部分自动，再加上复杂的环境。 如果全是自动驾驶，所有的汽车全部联网，整个交通会更加顺畅（因为机器是按指令去工作的），大家甚至能够准确的预测出行的时间，这也是目前设想的人工智能发展到一个很高的高度后的生活。 当然，这都是比较理想的想法，实际来实现还是需要很长一段时间的。
  
 同时自动驾驶我们也不要把眼光就局限在单纯的汽车上面，实际上，美国已经有多家“飞行汽车”这种在科幻片才能看到的交通工具初创公司了，其中谷歌创始人拉里佩奇秘密地以个人名义投了两家，分别是：Zee.Aero和Kitty Hawk，其中向Zee.Aero的投资超过了一亿美元。
  
 Zee.Aero现在共有员工近150人，目前已经开始测试“飞行汽车”的原型，而Kitty Hawk虽然据传只有十几人，但是他们的现任总裁正是被誉为谷歌无人驾驶汽车项目之父的Sebastian Thrun。
  
  飞行汽车这种会更加需要自动驾驶技术 ，我相信自动驾驶仅仅只是开始，后续还有很大的发展和进步空间，让我们拭目以待。

8. 即使将来自动驾驶真的普及了，你会放开双手去相信它吗