刘英航:
近年来AI是资本市场的最热话题,自动驾驶又是AI的一个巨大的应用领域。自动驾驶会极大地提高城市出行的安全性,改善交通的效率,它是出行版图上非常重要的一环。对于自动驾驶技术的技术和商业发展路径,业内也都有所探讨。渐进式从相对限制场景路况来切入,还是直接深入到完全无人驾驶的L4做运营?各位怎么看?
李想:
还是分2C消费和运营,2C消费往后看三年时间,以L2、L3为主,是高级辅助驾驶。因为场景有限和成本问题。从L4摘掉方向盘无人车的角度而言,我觉得从运营开始。
可以选择不左转,因为左转对于无人驾驶是一个很大的挑战。
左转最大的问题是通过路口要两到三秒,这个对于雷达光速的要求很高。但是右转相对要求低很多。而且这种场景更可控,以场景落地L4,包含物流,场地运营,公交车,以及共享车的补充。可能从2020年、2021年就开始了,挑战是激光雷达工艺质量如何变得更好。
如果卖给私人用户,做到真正把方向盘摘掉基本上要到2025年以后了。因为它需要接近100%的安全,就是刚才讲的0和1的差别。
朱岩:
在自动驾驶里,针对L4比较关注以下几个场景:第一商业运营
,出租车运营稍微晚一点。但物流领域适合自动驾驶,比无人出租车来得快很多。这个阶段我们会重点布局自动驾驶和电动卡车,比较谨慎地去布L4自动驾驶出租车,乘用车方案会相对谨慎。
另外支持场景的技术领域
,我们会深入布局。因为长线看这个会成为主流方向,什么是比较核心技术?激光、雷达是很重要的一块。这个不仅仅在中国有很多好的企业做得不错,同时也
一定要把眼光放在世界范围
,因为很有可能是胜出厂商方案拿到30-40%的市场份额。
我们也在计算平台上布局。
中国有很多好的算法公司,但是芯片受制于其他供应商。
戴汨:
我们的投资角度有两个,
一是数据可不可以产生作用
,因为如果做了一堆东西,实际上依赖别人获取数据,是不行的。今天在路上放100辆测试车甚至1万辆车根本解决不了问题,需要有一个办法快速把东西布局下去拿到数据,这是我们比较看重的切入点。
第二,这个东西最直接到底解决什么问题,怎么样产生立竿见影的经济价值。
是降低人力驾驶的成本,是减少交通事故更安全,还是人不能完成的任务。场景比较直接就好办,太宏大了牵涉的因素太多。
吴甘沙:
我们做智能驾驶,这种场景化技术路径跟L4城市开放道路不矛盾。城市开放道路的L4非常难。难在是0跟1关系,不可能0.6、0.7就大规模部署,一定是1.0突然上市了。这个过程中有两个技术问题没有解决。
一是算法突破问题
,未来2025年城市开放道路L4的算法跟今天算法一定不一样,就谷歌Waymo的数据来看,今天的算法已经碰到瓶颈了,它无法处理开放、动态、不确定的环境。我们现在跟一些国际顶级的科研机构合作,
算法第一要能处理新情况,第二允许不确定性,第三自我学习提升,第四能够举一反三,领域迁移。
第二是大规模的数据采集和实况验证。
兰德公司做的数学推演,需要一百亿英里的数据证明无人驾驶比人开得安全。要达到这样的规模,用一支小车队直接运营是不可能的,必须通过渐进方式把系统装到至少一百万台车上。在车上做大规模的数据采集和模拟验证,才可能用大的数据基数证明这个是安全的。
商业上一定要通过渐进的方式,这是十年的路,尤其对于创业公司。现在渐进式从场景化L2、L3以及自动代客泊车开始,是渐进式逼近十年以后的未来目标。
第一阶段是解决场景化,解决商业化,把系统做到可以满足OEM标准。
第二阶段进入OEM在百万台装起来,进行大规模数据采集和验证。
第三个阶段在算法上面进行突破,把新的算法在已经装好的车做模拟验证。
有一天你发现已经有一百亿英里数据证明这个安全,突然一下子切换过去,把方向盘、油门刹车都拿掉,开到城市里面。
如何看待巨头大举入局的影响