导航

赚域资源网 > 网络热点 > 新闻动态 >

自动驾驶是一门怎样的生意?盘点5家创业公司的商业落地

赚域资源网 2019-03-13 14:19 新闻动态

雷锋网新智驾按:Waymo One 正式商用,最先将汽车自动驾驶技术真正商业化的不是车企,而是科技公司,这对于自动驾驶创业公司来说,简直就是巨大的鼓舞。

最近在盘点国内的自动驾驶创业公司过程中,新智驾发现了一些有趣的现象,比如他们大都发力自动驾驶垂直细分领域,在技术路线与和核心产品方面,显而易见,与 BAT 等大型互联网公司不同。

大型企业更多的是修建 " 基础设施 "、开发共享平台,承担起构建生态、树立标准的作用。而国内初创企业大多将技术路线专注于某一些软件或是硬件,例如传感器、芯片、大数据算法等。

此外,从早期研发汽车主动安全、高级驾驶辅助(ADAS)等产品,到传感器融合处理再到 L4 级自动驾驶解决整体方案,初创企业不断整合这些细分领域,从而成为自动驾驶技术不断向前发展的推动者。

目前,在国内的自动驾驶创业领域,创业团队融资规模如何?业务模式有哪些?商业化落地场景有哪些?

本文从上述几个维度,对国内几家颇受关注的自动驾驶创业公司进行了一次盘点。

魔视智能:专注自动驾驶视觉应用

2015 年 8 月,基于 FPGA、深度学习开发 ADAS 并实现前装量产的魔视智能成立,专注于自动驾驶视觉应用,公司总部位于上海,并在澳大利亚设立了研发中心。

从业务构成来看,魔视主要基于自身的视觉算法为 OEM 和 Tier 1 提供完整的自动驾驶视觉方案,其产品应用主要基于四个方向:视觉感知,多传感器融合,车辆定位,自主泊车。

2016 年的 11 月,魔视智能推出国内第一台基于深度学习的车规级智能辅助驾驶样机。在经历了一年有余的乘用车主机厂测试后,智能辅助驾驶一体机在今年 6 月实现乘用车前装量产。

* 应用于比亚迪车型的前视智能辅助驾驶一体机

从 ADAS 到泊车,魔视智能的目标是自动驾驶,前视 ADAS 和自动泊车均是自动驾驶的具体产品体现,而 ADAS 和智能泊车两方向融合也是未来自动驾驶系统的技术方向。

魔视智能基于 FPGA 方案和深度学习的量产级自动泊车方案,是通过四目视觉感知和超声传感器融合,采用深度学习算法,对车身周围停车位进行感知及决策,实现半自动和全自动泊车控制,以及一键式遥控泊车。

和传统自动泊车系统采用的纯视觉或超声波方案,基于深度学习的视觉同超声波融合的自动泊车方案的优势在于,能够满足车位识别的鲁棒性要求,可以完成不同形态车位、不同材质路面、路沿的识别。而采用传统学习算法的自动泊车产品,仅适用于单个或几种简单场景。

魔视智能前装有四条产品线:是前视预警的产品线,前视控制的产品线,自主泊车的产品线,以及 L4 自动驾驶的产品线。

在自主泊车方面,魔视智能可支持不同等级自动驾驶:支持基于单目视觉深度学习的 L0~L2 级别的高级驾驶辅助系统(ADAS),可提供 LDW、FCW、PCW、SLI 等功能;支持基于 3D 环视和深度学习的 L3/L4 级别自主泊车方案,能够实时识别车身周边的环境,输出车辆、行人、障碍物、车位、车道线等信息;支持基于深度学习和视觉 SLAM 的 L3、L4 高级别自动驾驶方案,将视觉感知、融合、定位、路径规划与控制算法实现在嵌入式低功耗的车规级芯片上,在不同的场景条件下实现自动驾驶。

商业落地上,2018 年,魔视智能已同比亚迪、北汽新能源、一汽、蔚来、众泰等 18 个主机厂及供应商进行量产和产品研发合作。此外,基于车规级嵌入式处理器和深度学习的量产级自动泊车产品也于去年 9 月正式发布。

值得一提的是,魔视智能前视智能辅助驾驶一体机已经出现在比亚迪上市的主力车型上。

据雷锋网此前报道,魔视智能嵌入式深度学习技术已在中国本土的一线乘用车主机上正式落地量产并实现每月千台以上稳定批量出货。自 2018 年 6 月正式批量量产至今,累计出货已经超过万台规模。魔视智能计划到 2019 年末扩展至 30 个主机厂及供应商量产及合作项目,17 个正式定点,搭载超过 15 万台不同车型。

纽劢科技:特斯拉出身,定制化自动驾驶全栈式方案

纽劢科技成立于 2016 年 8 月,创始团队来自特斯拉,得到了中国产业资本的投资,并获得了 第 38 张加州 DMV 颁发的路测许可证。

纽劢科技打造的是一套包括感知、规划决策和控制的完整自动驾驶解决方案,将人工智能和深度学习技术深入应用其中。

其实从技术上和商业落地上来看,纽劢科技的业务聚焦于自动驾驶大脑、结构化道路以及最后一公里的自主泊车。

但在自动驾驶全栈解决方案中,纽劢科技主攻的是应用软件层和算法,其技术涵盖了传感器数据、环境感知、规划决策、控制、离线模块,并且全部达到了车规级标准,具体是:

传感器数据:摄像头、激光雷达、毫米波雷达、超声波雷达、GPS/IMU;

环境感知:目标识别、目标融合、跟踪预测、世界模型、定位;

规划决策:路径规划、行为规划、参考规划、轨迹规划;

控制:刹车、油门、方向盘;

离线模块:数据采集、模型训练、仿真验证。

此外,与市场上很多其它方案不同的是,纽劢科技主打的是以视觉为主、多传感器融合的感知方案。

纽劢的优势在于其自主研发的系统平台。平台可以减少对第三方的依赖,做到自主可控。该系统区别于 ROS 系统,可以用一个框架来开发适应高速、城市和泊车等各种场景的自动驾驶,打造产品级的解决方案。

在摄像头设计上,纽劢科技完全根据功能实现与软件开发需求对摄像头进行自主设计,包括芯片选型、镜头光学参数等;其次,纽劢科技自主研发的 IPS 算法可以处理复杂光线,在过曝和白平衡失调等情况下进行视觉处理。

为了让自动驾驶系统可以像人类驾驶员一样,处理大量的不确定信息和意外情况,纽劢科技为系统引入了比传统方案层级更多、更高的分层规划,提升系统规划决策的实时性和鲁棒性。

商业进程上,纽劢科技计划在 2020 年正式将这套系统应用至量产车型上。

Momenta:打造自动驾驶大脑的独角兽

*Momenta 首次展示多款不同级别的自动驾驶样车

Momenta 成立于 2016 年,已于 2017 年 10 月完成 B 轮融资。去年 10 月,Momenta 宣布完成新一轮融资、本轮投资者包括腾讯等多家机构。自成立至今,Momenta 总计获得五轮融资,累计获得超 2 亿美元资金,投资方包括奔驰母公司戴姆勒集团,总体估值超过 10 亿美元。

Momenta 的核心技术是基于深度学习的环境感知、高精度地图、驾驶决策算法。导航方面,利用众包车辆形成高精度语义地图,成本远低于激光雷达;决策方面,基于众包车辆的海量驾驶轨迹与高精度地图,进行数据而非规则驱动的驾驶决策。

其实,Momenta 的最大的特点是通过众包的方式获取超大规模的驾驶数据,确保行车的安全性。同时,采用视觉为主的解决方案,降低成本。

Momenta 利用数千块 GPU 构建出高效的计算机群;在大数据平台上,Momenta 已经能够获取到相当于每天数百万公里的驾驶相关数据。这些数据通过训练,可以得到更好的深度学习算法模型。

在完成基础平台建设之后,Momenta 开发了围绕环境感知、高精度地图和驾驶决策相关的算法。去年,Momenta 的软件算法进一步产品化形成了多个不同级别的自动驾驶产品和解决方案,包括后装安全辅助驾驶产品、L3 级别面向高速公路和城市环路的自动驾驶解决方案、L4 级别自主泊车解决方案以及 L4 级别城市道路的自动驾驶解决方案。

高精地图方面,和其它将已完成多少万公里道路数据采集作为宣传重点的的厂家不同,Momenta 更加注重高精地图的持续更新能力。

Momenta 在高精度地图方面选择了基于视觉感知进行众包部署的方案,用 " 两条腿 " 走路:通过自有渠道或者合作渠道,完成地图绘制;布局后装设备及前装定位盒子,众包完成地图更新。

对于未来商业化,Momenta 的态度非常开放。在和主机厂、供应商合作的过程中,Momenta 将自己定义为 Tier 2。作为自动驾驶方案提供商,其可向自动驾驶公司、主机厂、供应商提供高精度地图数据、技术授权(license)及制图、更新及定位工具服务。

2019 年将是 Momenta 重要的产品化落地的一年。

夏炎此前在新智驾主办的 2018 全球智能驾驶峰会上总结了 Momenta 的产品思路:第一步打造基础平台,第二步打磨核心技术,第三步落地产品。

目前基于多个不同级别的自动驾驶产品和解决方案,Momenta 正与多家国际国内车企和 Tier 1 展开合作。

纵目:立足 " 车 + 云 + 场 " 的自动泊车

纵目科技成立于 2013 年,早期专注于视觉算法的开发。

在 2015 年年底,公司相继完成了 A 轮融资以及第一款环视产品的量产;2016 年在北京成立了自动驾驶研发中心,专注于低速自动驾驶方向。

2017 年 2 月完成了一亿人民币的 B 轮融资;11 月发布了针对地下停车场的自主泊车功能;12 月国内第一台搭载高清环视 ADAS 功能的车型正式下线,里面采用的就是纵目的控制器。

2018 年 12 月,纵目科技宣布收到中国一汽的项目定点,将在中国一汽红旗品牌 2020 年的量产车型上,部署低速 L4 级自动代客泊车产品,并计划在 2020 年实现主要一线二线城市大型商业停车场内的自主泊车功能。

从一家 360 环视初创公司,到为主机厂供货的 Tier1,纵目只用了两年,从环视到自动泊车前装,纵目用了一年,而从产品到商业落地,拿下整车厂自动代客泊车量产项目,纵目用了半年。

对于纵目科技来说,解决车规级量产上车及积累多场景数据测试成为纵目在自动泊车产品方面的发力重点。基于此,纵目自主泊车产品演进分为三个阶段,各阶段的应用场景由简单到复杂逐步渐进:

1.0 阶段,主要解决停车场以及简单园区的应用;

2.0 阶段,扩展到复杂的园区以及结构复杂的多层停车场;

3.0 阶段,进一步扩展到停车场周边的市区道路。

围绕低成本、车规级、量产三大方向,纵目自动代客泊车系统已形成基于自主研发的 " 车 + 云 + 场 " 的软硬件综合解决方案,并结合人工智能以及多传感器融合技术,实现长距离自主无人泊车以及用车召回等 L4 级自动驾驶功能。

车端:由低速域控制器以及多种传感器组合形成车端传感器组合,具体包括摄像头、毫米波雷达、超声波雷达等。

云端:纵目自主研发的自动驾驶管理云平台基于安全的车联网基础架构,在云端完成车辆连接及设备管理、车联网鉴权及安全、自动驾驶指令下发以及车辆实时工况上传等基本功能。

(停车)场端:场端需要为自主泊车的车辆进行相应的升级,包括管理平台对接以及地图更新等。

商业进程上,纵目将 " 可量产,可落地 " 作为自主泊车产品的核心竞争力,为了扩大落地应用场景,纵目已同国内领先的智慧停车场管理系统提供方厦门科拓股份实现了平台互通和采集数据共享的合作。此外,纵目科技进一步联合长安汽车,共同宣布在低速自动驾驶和出行服务领域达成战略合作。

禾多:聚焦结构化道路和最后一公里

禾多科技成立于 2017 年 6 月,随后的 7 月份即获得了由四维图新和 IDG 联合领投的数千万美元天使轮融资,并在北京、上海、天津三地设有分支机构。

禾多科技核心发展方向聚焦在了针对高速公路场景的 L3.5 级自动驾驶技术和针对停车场场景的 L4 级自动代客泊车技术上面,分别推出了 HoloPilot 和 HoloParking 两套系统。

其一,L3.5 本质上就是 L4 级自动驾驶的 HoloPilot。

场景上,HoloPilot 首先覆盖的是高速公路,城市环路等路况相对简单的结构化道路。

传感器上,HoloPilot 分为高低两套方案,低配使用 5 个毫米波雷达配合摄像头的方案,高配在低配基础上又加上了一个低线束激光雷达。两套方案都是 L3.5 级自动驾驶的能力,其中,低配方案接近于 L3 级自动驾驶的能力,高配方案则接近 L4。

计算平台上,HoloPilot 研发阶段使用的是英伟达 Drive PX2,同时倪凯透露禾多科技也在自研计算平台,未来会根据芯片厂商的芯片量产情况,生产适合自家自动驾驶软件的平台。

其二,针对停车场场景的 L4 级自动代客泊车技术 HoloParking 的关键信息:

技术层面:布局车端、场端、高精地图端,三端合一提高智能代客泊车的鲁棒性,实现全天候、全场景及真实运营;

成本层面:到 2020 年,车端域控制器 HoloArk 价格将在 2020 元以内;未来,单车位改造最终价格也将在 2020 元以内;

商业落地层面,2020 年,禾多和停简单将合作布局 20 个以上城市,每个城市至少 20 个停车场,HoloParking 系统适配车型将增至 20 款。

为了实现智能鲁棒与落地成本之间的平衡,HoloParking 方案采取 " 车端 + 场端 + 高精地图端 " 三端合一的技术路线,并提出 " 全天候、全场景、真实运营 " 的口号。

商业落地上,关于代客泊车方案 HoloParking,2020 年,禾多将支持 20 个以上城市,每个城市至少 20 个停车场,开展大规模运营。

商业落地首选场景:代客泊车

从目前市场情况看,些许将自动驾驶作为终极发展方向的初创企业,不甘成为技术和产品的供应商,他们最终计划将自动驾驶技术在出行领域落地,且他们普遍认为 2019 年已是无人驾驶出租车商业化落地的前夜,真正商业化元年即将到来。当技术成熟、政策法规允许时,这类初创企业将通过车企代工生产无人驾驶车辆,投入出现领域并进行运营和维护。

但近日已开展自动驾驶出租车运营服务的 Drive.ai 走向了 " 卖身 " 之路,敲响了初创公司自动驾驶出租车商业化丧钟。

另一批将自动驾驶作为终极发展方向的初创企业选择了不同的落地场景,是以高级驾驶辅助系统(ADAS)为主的初创企业在商业落地方面与传统零部件企业的路径较为相似,一种与整车厂和 Tier 1 合作,通过前装直接装车;一种与代理商合作,以后装方式进入 C 端消费市场,目前这类企业已经收货了一些市场订单;还有部分拥有核心技术算法的企业则通过给车厂提供软件技术和计算方法,这类企业通常需要与车厂经过较长时间的磨合和协同合作。

综合上述 5 家企业的商业模式,可以看到他们首选商业落地场景 - 代客泊车。例如在具体的项目合作中这 5 家负责整套自动驾驶系统的开发工作,包括感知、定位、决策、路径规划到车辆控制的过程,使得车辆能够自动躲避障碍物,按照规划的最优路线自动开到停车场、精准地停到指定的车位。

为何「代客泊车」是自动驾驶商业化最好的路径之一?

一方面,低速与限定区域在于能够对自动驾驶的实现难点给出针对性的解决方案。比如在停车场的园区内,不会存在过多的交通标志,而在定位精度上的要求,也可以通过场端设备来辅助实现。

从另外一个角度来说,选择自主代客泊车是从解决实际的交通问题出发,所以拥堵路况和高速场景会是车企的首选量产场景。

总结

自动驾驶技术在过去的一年里发展十分迅速,无论控制系统的升级还是高清地图的泛用,无不在推动自动驾驶的落地。再加上开源框架的进一步成熟,V2X 的落地实践,传感器融合更强等多重因素的影响下,自动驾驶技术已经上升到了一个新的高度。

目前,国内外已经开展了不同程度的自动驾驶商业化示范。一方面是掌握有核心技术的企业,选择在特定领域展开试运营服务;另一方面,一些国家或城市提出支持政策,准许企业开展自动驾驶商业化应用的部署,提升商业化应用的日程。

例如,魔视智能的自动驾驶视觉方案以及纽劢科技的多传感器融合方案已在乘用车主机上正式落地量产并实现小批量出货;图森未来、主线科技将自动驾驶汽车的应用场景选择在港口物流方面,与国内港口建立合作展开试运营工作;纵目科技、禾多科技等企业已经在与车企、停车场开展代客泊车的试运营。

其实,无论自动驾驶的应用场景是什么,其背后无非包含 3 个商业落地逻辑。一位业界人士告诉雷锋网新智驾,技术程度决定应用场景、成本可控、投资回报可接受。

自动驾驶相较于目前的有人驾驶,必须可以减少成本或增加可被量化的收益。不然大规模提速部署自动驾驶车辆,不能够实现节约资源或者赚钱的目的,那只能是作秀了。

【站长强烈推荐】本站免费带大家网赚,0投资教你玩转项目 点击此处进入了解