来源：内容来自Roadstar.ai
，
谢谢。
现在无人驾驶的热潮，起源于 2005 年，美国国防部举办的 DARPA Grand Challenge 。04 年的第一届没有选手跑出来，但是 05 年在荒野的比赛，有多支队伍成功跑完，斯坦福大学和卡耐基梅隆大学获得了第一、二名。
1. 无人驾驶行业的现状分析
1.1 The origin: DARPA
现在无人驾驶的热潮，起源于 2005 年，美国国防部举办的 DARPA Grand Challenge 。04 年的第一届没有选手跑出来，但是 05 年在荒野的比赛，有多支队伍成功跑完，斯坦福大学和卡耐基梅隆大学获得了第一、二名。
而 2007 年的 DARPA Urban Challenge ，把挑战放到了城市路况中，这次是卡耐基梅隆大学，斯坦福大学和弗吉尼亚理工大学分别获得了第一，二，三名。
(图 01 两届非常关键的 DARPA Challenge，推动了无人驾驶在学术界的研究)
通过美国国防部的比赛，向世人证明了无人驾驶技术上的可能性。
1.2 Google 延续了 DARPA 的技术，从 09 年一直在不断的研发
Google 看到 DARPA 中无人驾驶技术的未来，于 2009 年将斯坦福 AI Lab 的负责人，也是 DARPA 中斯坦福大学队原型车的负责人 Sebastian 招到 Google，和他的原班人马一起，继续无人驾驶领域的研究。Google X 于 2010 年 1 月正式成立。
（图02 斯坦福大学 AI Lab的负责人 Sebastian）
（图03 Google 早年的无人车）
从 09 年到 2016 年 6 月，Google 的无人车累计行驶了 2,777,585 公里。光 2016 年 8 月这一个月，无人车就行驶了 202,777 公里。
截止到现在，Google 的无人车已经累计行驶了 500 万公里。最新的技术实力，可以达到平均连续 8000 公里 1 次人工干预的水平。
2016 年 12 月，Google 正式将 Google X 中的无人驾驶业务分拆出来，成立了独立公司 Waymo。
(图04 无人驾驶从 GoogleX 中独立出来，成立了子公司 Waymo)
由于 Google 对无人驾驶技术的大力推进，在硅谷大家都能看到最前沿的技术似乎已经能很快的得到普及。目前，Google 的无人驾驶技术还是公认世界最高的水平。
1.3 Tesla 的探索—激进的先驱者
Tesla 从 2014 年底的车型开始，就为用户提供可选的“辅助驾驶包”。采用的是Mobileye 提供的 ADAS 技术。
随后，由于技术路线上的差异，Tesla 于2016 年 7 月终止了和 Mobileye 的合作。目前 Tesla 的技术路线主要依靠 8 个环绕摄像头，1 个毫米波雷达和12个超声波传感器。
Tesla 的野心越来越大，宣称要在 2017 年末实现完全无人驾驶，而 2019 年全面上路。
（图05 Tesla 的 Autopilot --主要基于摄像头来做识别）
(图06 Tesla 当时的合作伙伴，Mobileye 的设备)
(图07 专业做 ADAS 的企业 Mobileye)
(图08 Tesla 的多传感器方案)
仅靠最简单的 ADAS 系统，在光照好的条件下也可以实现相当高的精度，但是业内普遍认为其安全性不达标。
Tesla 的论据是，目前 Tesla 的车在 “ 辅助驾驶模式 ” 下累计行驶了 13 亿英里，而目前的事故概率相当低，至少是人类同等里程下的二分之一。所以目前的自动驾驶系统，已经可以实现强于人类两倍的性能。
现实中， 2016 年 5 月，Tesla 的一名车主开启自动驾驶模式，在车上看视频，直接撞到拖车上身亡。根据事后调查，Tesla 由于有免责声明，要求车主对驾驶负责，而不能完全交给系统，Tesla 得以被判免责。
（图9 Tesla 车在自动驾驶模式下的严重事故）
(图10 严重事故后损毁的车)
因此，Tesla 一方面宣称其技术可以实现 Level 4 以上的“完全无人驾驶”，现实中为了免责，则要求用户仅将其当做辅助驾驶来使用。
虽然 Tesla 的技术路线较为激进，但是因为其广泛的消费者基数，吸引到了资本市场的强烈关注，可以说掀起了无人驾驶的热潮。
因为 Google 的车虽然在默默进步，但知道，乘坐过的人较少，而 Tesla 的车，有广大的车主基数。车主通过直观感受，觉得光是 ADAS 系统就离人们想象中的无人驾驶不远了。毕竟 99% 的安全，和 99.9% 的安全，在消费者看来其差异并不明显。
(图11 Tesla 的销售店，有奢侈品的感觉)
另一方面，Tesla 极其擅长制造话题，也起到了推波助澜的作用。
(图12 Tesla 相关的新闻不断)
1.4 Uber 和 Apple 的探索
2015 年 Uber CEO 正式宣布要用无人驾驶技术来提供服务，招了一些卡耐基梅隆的研究员，使用 LiDAR + 摄像头的多传感器融合技术。
2016 年 8 月，Uber 收购了做无人驾驶的公司 Otto。同年 9 月，Uber 正式在匹兹堡提供基于无人驾驶系统的出租车服务。同年 12 月，在旧金山提供同样的服务。
截止至今，Uber 的技术还略逊一筹，实际效果没有达到 Uber 的预期。目前 Uber 的车队有 43 辆车，无人驾驶模式下每周行驶 20,000 英里，平均连续 0.8 英里一次人工干预。
（图13 Uber 的无人驾驶租车）
(图14 Uber 的无人驾驶技术受到了较大的质疑)
Apple 于 2014 年末开始正式启动内部名为“ Project Titan ”的野心勃勃的造车计划—完全无人驾驶的电动车。据内部人士透露，Apple 是和一家机器人公司合作开发的技术原型车，采用最新的多传感器融合技术。该机器人公司是 Virginia Tech spin off 出来的公司，也曾经是 Virginia Tech 参加 DARPA Challenge 的团队和合作伙伴。
起初 Apple 是希望造一台类比 Tesla 的电动车，但 16 年战略发生了变化，Apple 希望打造一台“完全无人驾驶”的电动车。这辆车上不会有方向盘，预计最早 2020 年投入市场。
而 2017 年 6 月，Apple CEO 对公众承认了苹果对无人驾驶领域的兴趣，但是否认了造车，而是说在研究无人驾驶技术的软件。
(图15 Apple 的 Titan 计划)
1.5 无人驾驶技术指标对比—距离实现 Level 4 还有多远？
尽管指标的选择有所差异，按照加州的规定，申请了无人驾驶牌照的公司需要报备各自的无人驾驶运行情况。其中最核心的指标，是累计无人驾驶下的里程数，和平均连续无人工干预里程数。
(图16 Waymo，车厂代表的 Nissan 和 Uber 的指标对比)
从结论来看，Google 的技术依然瑶瑶领先其他可比公司，累计行驶了 500 万公里，而最新的技术可以达到平均连续 8000 公里 1 次人工干预。作为主机厂中比较先进的Nissan，大概是平均 230 公里 1 次人工干预。而 Uber 的水平，大概还停留在平均1.5 公里 1 次人工干预，可以看到大家的差距还较大。
国内的百度，据消息称，目前水平和 Uber 相当。
根据业内普遍的看法，如果无人驾驶车辆的安全性能够达到人类的 10 倍以上，就可以完全替代人。那么也许完全实现无人驾驶需要的技术目标，大约在连续 10 万公里1 次人工干预的水平。
恰恰因为 Google 的水平已经非常高，让资本市场看到了短期内（3-5年）实现足够安全性的可能，目前各家企业都在拼命冲刺技术的最后五公里。
1.6 蓬勃涌现的无人驾驶初创企业—向胜利发起冲锋的号角
从 2015 年开始，不断出现做无人驾驶的初创企业。这里我们摘取了一些典型的，做接近于 Level 4 （无人驾驶和辅助驾驶的定义见后续分析）技术的企业，供大家分析。
(图17 根据网上信息收集整理的主要 Level 4 无人驾驶 startup )
可以看出，2015 年和 2016 年，有很多从大公司，大学出来的初创公司开始进入该领域。无人驾驶系统的开发，呈现出百花齐放的状态。无人驾驶技术的黄埔军校，有斯坦福大学，Google，和国内的百度。
按照上述的分析，这些研究无人驾驶 Level 4 技术的企业，都在努力试图用各自的技术方案，实现安全性达标，成本可控的“无人驾驶最后五公里”。
究竟谁能够摘取最终的桂冠呢？我们认为类比汽车行业的引擎，电池管理技术等核心模块，无人驾驶技术应该也不会呈现出一家独大的情况。最终应该有大公司，也有一些初创公司可以做出性能和成本达标的产品。
1.7 无人驾驶还是辅助驾驶
根据 SAE 的分类，无人驾驶从 Level 0 到 Level 5 。更加详细的分类标准在网上已经有很多，我们就不做详细的科普。这里做一下简单的定义，并且给大家举例说明一下。
(图18 无人驾驶的分类简述)
根据定义，Level 2 到 Level 3 应该划分为“辅助驾驶”的范畴。之所以称之为辅助驾驶，是因为这个等级下，驾驶员要承担驾驶的完全责任，无人驾驶系统不承担一切事故的后果。
目前 Level 2 的 ADAS 系统的成本价降到 1,000 人民币以内，前装的售价也在数千人民币以内，可以算是得到了较好商业化的汽车智能化配件。海外有著名的 Mobileye，国内也有很多做 ADAS 系统的对标企业正在努力赶超。
Level 2 的技术虽然可以实现全面的驾驶辅助，但是由于对安全性的要求较低，效果很多时候是根据驾驶员的主观感受而决定的，可以说技术门槛也相对较低。目前很多主机厂，都在研发自己的 ADAS 系统，对 Mobileye 进行替换。
Level 3，是在 Level 2 的基础上，增加了更多的传感器，提高安全系数后，能够在部分路况下完全接管汽车的控制的系统。比如说一辆车从市区开到高速公路，在高速公路上可以实现无人驾驶下的定速巡航（Tesla 已经提供这项功能）。但是其问题是，由于适应的路况较为少，而且系统还是要求在发出请求后人类驾驶员必须在六秒钟之内接管，无法实现真正的人类替代。
对于国内目前涌现出来，做低速无人车如机场摆渡车，园区高尔夫车等等的企业，由于行驶速度非常低（10 km/h），安全性的要求也会低很多。一般而言，我们将其技术归类到 Level 2 到 Level 3 。
而 Level 2，Level 3，虽然有着较为可见的应用，他们所需要的技术和 Level 4 以上还是泾渭分明的。也许和很多人想象得不同，并不能实现从 Level 2 向 Level 4 的逐渐升级。Level 4 的主要技术，是要实现在市区环境下的完全无人驾驶—这需要系统具备极高的安全性。而 Level 4 的最大特征，在于给定事先定好的区域，就可以实现“完全无人驾驶”。这样的话，商业上可以实现对人类驾驶员的替代，可以改变传统的生产关系。而 Level 2，Level 3 的技术，最终还是“帮助”人类驾驶员把车开得更好而已。
正因为 Level 4 有着巨大的技术挑战和相应的更广阔的市场空间，目前 Level 4 无人驾驶技术是市场关注的焦点。
2. 无人驾驶行业的现状分析
2.1 车载传感器一览
无人车使用的传感器，大的来说有以下这些类别：激光雷达，摄像头，GPS （包括差分 GPS），IMU （惯性制导），毫米波雷达，超声波雷达等等。
虽然人类可以只通过视觉和听觉就实现驾驶，但是机器人缺乏能够有效识别场景的大脑，需要通过更强的“五感”，来弥补这个缺陷。传感器，可以说是无人驾驶汽车的眼睛和耳朵。
(图19 车载传感器的案例)
2.2 主要传感器之 LiDAR
而现在不同传感器类别中，源自于 DARPA 的激光雷达( LiDAR )，被认为是无人驾驶最重要也是最必不可缺少的传感器。相比起其他传感器，他最大的优势在于对于空间的测量非常精确，可以保证相对高的安全系数。
