在線客服
企業(yè)微信
核心提示：【導(dǎo)語】自動(dòng)駕駛有望帶來深遠(yuǎn)的好處：提高燃油效率、縮短行車時(shí)間、提高乘客體驗(yàn)和工作效率，讓可能無法開車的老人和殘疾人自
【導(dǎo)語】自動(dòng)駕駛有望帶來深遠(yuǎn)的好處：提高燃油效率、縮短行車時(shí)間、提高乘客體驗(yàn)和工作效率，讓可能無法開車的老人和殘疾人自由駕駛，以及最重要的提高道路安全。
由于技術(shù)復(fù)雜性、商業(yè)可行性以及監(jiān)管挑戰(zhàn)等將自動(dòng)駕駛汽車成為主流的時(shí)間一再推遲。對于什么時(shí)間、什么方式去實(shí)現(xiàn)自動(dòng)駕駛，尤其是實(shí)現(xiàn)自動(dòng)駕駛的商業(yè)化場景落地，業(yè)內(nèi)尚未統(tǒng)一觀點(diǎn)，于自動(dòng)駕駛產(chǎn)業(yè)鏈上的各家企業(yè)而言，汽車智能化仍是一個(gè)遠(yuǎn)大前程與至暗時(shí)刻并存的灰色時(shí)期。
汽車產(chǎn)業(yè)革命上半場電動(dòng)化，下半場智能化已是行業(yè)共識，但讓人始料未及的是，半場間的切換來得如此猝不及防。一個(gè)新版圖也在這種跨界探索中徐徐展開，給汽車產(chǎn)業(yè)帶來新鮮空氣，也卷入了泥沙。對于參賽者而言，在奔向商業(yè)化成功的路上陷入了一些誤區(qū)和陷阱。
01算力堆不出自動(dòng)駕駛
行業(yè)需要思考一個(gè)問題是：在“軟件定義汽車”的情況下，解決智能駕駛系統(tǒng)計(jì)算平臺的支撐問題，是否只能通過算力堆疊來實(shí)現(xiàn)？
筆者認(rèn)為：提升硬件很重要，但不能陷入“唯算力論”的怪圈。
決定算力真實(shí)值最主要因素是內(nèi)存帶寬，還有實(shí)際運(yùn)行頻率（即供電電壓或溫度），以及算法的batch尺寸。
谷歌第一代TPU，理論值為90TOPS算力，最差真實(shí)值只有1/9，也就是10TOPS算力，因?yàn)榈谝淮鷥?nèi)存帶寬僅34GB/s
第二代TPU下血本使用了HBM內(nèi)存，帶寬提升到600GB/s（單一芯片，TPU V2板內(nèi)存總帶寬2400GB/s）
英偉達(dá)的A100使用40GB的2代HBM，帶寬提升到1600GB/s，比V100提升大約73%
特斯拉是128 bitLPDDR4-4266，內(nèi)存帶寬：2133MHz*2DDR*128bit/8/1000=68.256GB/s。比第一代TPU略好（這些都是理論上的最大峰值帶寬），大約8TOPS
為什么會這樣？這就牽涉到MAC計(jì)算效率問題。
如果你的算法或者說CNN卷積需要的算力是1TOPS，而運(yùn)算平臺的算力是4TOPS，那么利用效率只有25%，運(yùn)算單元大部分時(shí)候都在等待數(shù)據(jù)傳送，特別是batch尺寸較小時(shí)候，這時(shí)候存儲帶寬不足會嚴(yán)重限制性能。但如果超出平臺的運(yùn)算能力，延遲會大幅度增加，存儲瓶頸一樣很要命。效率在90-95%情況下，存儲瓶頸影響最小，但這并不意味著不影響了，影響依然存在。然而平臺不會只運(yùn)算一種算法，運(yùn)算利用效率很難穩(wěn)定在90-95%。這就是為何大部分人工智能算法公司都想定制或自制計(jì)算平臺的主要原因，計(jì)算平臺廠家也需要推出與之配套的算法。
自動(dòng)駕駛芯片的競爭壁壘在于算力利用率和可用性。算力不能說無限增長，芯片PPA（功耗、成本和面積）都是很要命的。對于車載AI芯片來說，算力指標(biāo)重要，能效比更重要。
以英偉達(dá)的芯片為例，它GPU的功耗是最高的。Orin、Xavier的利用率基本上是30%，怎樣優(yōu)化基本都是30%。不同于英偉達(dá)的GPU方案，高通、mobileye、華為，包括國內(nèi)這些創(chuàng)業(yè)公司都走的是ASIC路線。ASIC芯片針對不同的神經(jīng)網(wǎng)絡(luò)模型去優(yōu)化，基本上可以做到60%~80%之間，好一點(diǎn)的可能會做到80%再高一些。
芯片算力的無限膨脹和硬件預(yù)埋不會是未來的趨勢。此外，車企面對的消費(fèi)端是不是立刻就需要那么高端的算力呢？也不見得。自動(dòng)駕駛算力主要是體現(xiàn)在感知層面的融合，對于L3 100~200已經(jīng)夠了，對于L4可能需要200~300，更關(guān)鍵是怎么用算力，不是說越多越好，如果要做1000，其實(shí)是沒有必要，并且高算力背后高功耗和低利用率問題愈發(fā)嚴(yán)重。
02算力比拼的終點(diǎn)：事件相機(jī)
當(dāng)今自動(dòng)駕駛領(lǐng)域所運(yùn)用的視覺識別算法，基本上都基于卷積神經(jīng)網(wǎng)絡(luò)，視覺算法的運(yùn)算本質(zhì)上是一次次的卷積運(yùn)算。這種計(jì)算并不復(fù)雜，本質(zhì)上只涉及到加減乘除，也就是一種乘積累加運(yùn)算。但這種簡單運(yùn)算在卷積神經(jīng)網(wǎng)絡(luò)中是大量存在的，這就對處理器的性能提出了很高的要求。
以ResNet-152為例，這是一個(gè)152層的卷積神經(jīng)網(wǎng)絡(luò)，它處理一張224*224大小的圖像所需的計(jì)算量大約是226億次，如果這個(gè)網(wǎng)絡(luò)要處理一個(gè)1080P的30幀的攝像頭，他所需要的算力則高達(dá)每秒33萬億次，十分龐大。
實(shí)際上自動(dòng)駕駛領(lǐng)域99%的視覺數(shù)據(jù)在AI處理中是無用的背景。這就好像檢測鬼探頭，變化的區(qū)域是很小一部分，但傳統(tǒng)的視覺處理仍然要處理99%的沒有出現(xiàn)變化的背景區(qū)域，這不僅浪費(fèi)了大量的算力，也浪費(fèi)了時(shí)間。亦或者像在沙礫里有顆鉆石，AI芯片和傳統(tǒng)相機(jī)需要識別每一顆沙粒，篩選出鉆石，但人類只需要看一眼就能檢測到鉆石，AI芯片和傳統(tǒng)相機(jī)耗費(fèi)的時(shí)間是人類的100倍或1000倍。
事件相機(jī)的工作機(jī)制是，當(dāng)某個(gè)像素所處位置的亮度發(fā)生變化達(dá)到一定閾值時(shí)，相機(jī)就會回傳一個(gè)上述格式的事件，其中前兩項(xiàng)為事件的像素坐標(biāo)，第三項(xiàng)為事件發(fā)生的時(shí)間戳，最后一項(xiàng)取值為極性（polarity）0、1（或者-1、1）,代表亮度是由低到高還是由高到低，也常被稱作Positive or Negative Event，又被稱作On or Off Event。
就這樣在整個(gè)相機(jī)視野內(nèi)，只要有一個(gè)像素值變化，就會回傳一個(gè)事件，這些所有的事件都是異步發(fā)生的（再小的時(shí)間間隔也不可能完全同時(shí)），所以事件的時(shí)間戳均不相同，由于回傳簡單，所以和傳統(tǒng)相機(jī)相比，它具有低時(shí)延的特性，可以捕獲很短時(shí)間間隔內(nèi)的像素變化，延遲是微秒級的。
事件相機(jī)的靈感來自人眼和動(dòng)物的視覺，也有人稱之為硅視網(wǎng)膜。生物的視覺只針對有變化的區(qū)域才敏感，比如眼前突然掉下來一個(gè)物體，那么人眼會忽視背景，會將注意力集中在這個(gè)物體上，事件相機(jī)就是捕捉事件的產(chǎn)生或者說變化的產(chǎn)生。在傳統(tǒng)的視覺領(lǐng)域，相機(jī)傳回的信息是同步的，所謂同步，就是在某一時(shí)刻t，相機(jī)會進(jìn)行曝光，把這一時(shí)刻所有的像素填在一個(gè)矩陣?yán)锘貍�，一張照片就誕生了。一張照片上所有的像素都對應(yīng)著同一時(shí)刻。至于視頻，不過是很多幀的圖片，相鄰圖片間的時(shí)間間隔可大可小，這便是我們常說的幀率（frame rate），也稱為時(shí)延（time latency）。事件相機(jī)類似于人類的大腦和眼睛，跳過不相關(guān)的背景，直接感知一個(gè)場景的核心，創(chuàng)建純事件而非數(shù)據(jù)。
除了冗余信息減少和幾乎沒有延遲的優(yōu)點(diǎn)外，事件相機(jī)的優(yōu)點(diǎn)還有由于低時(shí)延，在拍攝高速物體時(shí)傳統(tǒng)相機(jī)會發(fā)生模糊（由于會有一段曝光時(shí)間），而事件相機(jī)幾乎不會。再就是真正的高動(dòng)態(tài)范圍，由于事件相機(jī)的特質(zhì)，在光強(qiáng)較強(qiáng)或較弱的環(huán)境下（高曝光和低曝光），傳統(tǒng)相機(jī)均會“失明”，但像素變化仍然存在，所以事件相機(jī)仍能看清眼前的東西。
傳統(tǒng)相機(jī)的動(dòng)態(tài)范圍是無法做寬的，因?yàn)榉糯笃鲿芯�性范圍，照顧了低照度就無法適應(yīng)強(qiáng)光，反過來適應(yīng)了強(qiáng)光就無法顧及低照度。事件相機(jī)在目標(biāo)追蹤、動(dòng)作識別等領(lǐng)域具備壓倒性優(yōu)勢，尤其適合自動(dòng)駕駛領(lǐng)域。
空中扔一個(gè)球，看看兩種相機(jī)的軌跡記錄：
事件相機(jī)的出現(xiàn)對高算力AI芯片是致命打擊，它只需要傳統(tǒng)高算力AI芯片1%甚至0.1%的算力就可完美工作，功耗是毫瓦級。事件相機(jī)基于流水線時(shí)間戳方式處理數(shù)據(jù)，而不是一幀幀地平面處理各個(gè)像素。傳統(tǒng)卷積算法可能無用，AI芯片最擅長的乘積累加運(yùn)算可能沒有用武之地。為了準(zhǔn)確檢測行人并預(yù)測其路徑，需要多幀處理，至少是10幀，也就是330毫秒。這意味著相關(guān)系統(tǒng)可能需要數(shù)百毫秒才能實(shí)現(xiàn)有效探測，而對于一輛以60公里每小時(shí)行進(jìn)中的車輛來說，330毫秒的時(shí)間就能行駛5.61米，而事件相機(jī)理論上不超過1毫秒。
03車路協(xié)同是偽命題
自動(dòng)駕駛的技術(shù)路線從廣義上看分為兩種：
一是單車智能，通過攝像頭、雷達(dá)等傳感器以及高效準(zhǔn)確的算法，賦予車輛自動(dòng)駕駛的能力
二是車路協(xié)同，主要通過5G和高精地圖，來感知路況從而具備無人駕駛功能
不同于單車智能，車路協(xié)同更多追求通過車輛與周遭事物的互聯(lián)來實(shí)現(xiàn)自動(dòng)駕駛。再加上很火熱的 5G 概念（更快的峰值網(wǎng)絡(luò)傳送速率能讓通訊更快捷）加持，通過車路協(xié)同來實(shí)現(xiàn)自動(dòng)駕駛似乎更可期了。但是，現(xiàn)實(shí)似乎并非如此。
首先是交通系統(tǒng)屬性發(fā)生了變化。車路協(xié)同使車輛中原本在傳統(tǒng)交通系統(tǒng)中不易顯現(xiàn)特性凸現(xiàn)出來，如自組織、網(wǎng)絡(luò)化、非線性、強(qiáng)耦合、泛隨機(jī)及異粒度，由此導(dǎo)致傳統(tǒng)交通流的研究方法已經(jīng)不再適用
其次是交通的組織成分發(fā)生了變化。隨著車路協(xié)同的發(fā)展,網(wǎng)聯(lián)汽車應(yīng)運(yùn)而生，加之自動(dòng)駕駛引進(jìn),在自動(dòng)駕駛車和人駕駛車長期共存的場景下，需要的模型將更加復(fù)雜
再次是交通系統(tǒng)的邊界問題，按照交通的結(jié)構(gòu)，交通系統(tǒng)中沒有了主次之分，沒有統(tǒng)一目標(biāo)，只要有人存在的地方就有交通系統(tǒng)，因此交通系統(tǒng)將被視為開放的復(fù)雜系統(tǒng)
站在車企的角度，單車智能顯然更為重要。短期內(nèi)車路協(xié)同不可能普及，作為汽車產(chǎn)品，既要賣到國內(nèi)也要賣到國外，既要符合城市道路需求，也要面向鄉(xiāng)村道路，過于依賴車路協(xié)同，無疑是自我束縛。
以高速公路車路協(xié)同系統(tǒng)來看，在感知層面主要分為兩類：車端感知和路端感知。路端感知一般采用攝像頭、毫米波雷達(dá)、激光雷達(dá)、各類環(huán)境傳感器來實(shí)現(xiàn)信息采集，同時(shí)還有信號燈、交通標(biāo)識線等交通設(shè)施輔助；車載端同樣也需要一定的協(xié)同設(shè)備，接收相關(guān)信息；并使用 4G、5G、有線光纖等進(jìn)行通訊；此外，還需要管控平臺，通過布置在車端、路端以及云端的計(jì)算平臺進(jìn)行復(fù)雜系統(tǒng)信息融合和數(shù)據(jù)分析。
從感知上來看，智慧的路只有范圍夠大才能真正起到協(xié)同作用，但是目前的狀態(tài)是車路協(xié)同的覆蓋有限，路端設(shè)備的集成度不高。
目前路端監(jiān)測設(shè)備主要用的是攝像頭，但是在最需要信息時(shí)，攝像頭可能沒法提供信息，比如極端天氣（大雨、大霧等）。如果換用激光雷達(dá)，雖然可靠性上來了，但是成本高且壽命有限，路側(cè)激光雷達(dá)壽命不超過 1 年。
NR-V2X關(guān)鍵技術(shù)仍需驗(yàn)證、帶寬需求有待研究、頻譜規(guī)劃有待確定等這些問題依然是車路協(xié)同落地的障礙。此外，有很多地方即便有智慧公路，可以收集到大量數(shù)據(jù)，但是卻面臨數(shù)據(jù)不知道如何處理的問題，路端傳感器如何布置也沒有形成統(tǒng)一標(biāo)準(zhǔn)。
04車路協(xié)同商業(yè)模式走不通
根據(jù)《2020年交通運(yùn)輸行業(yè)發(fā)展統(tǒng)計(jì)公報(bào)》，截至2020年末，全國公路總里程519.81萬公里，其中四級及以上等級公路里程494.45萬公里，二級及以上等級公路里程70.24萬公里。國道里程37.07萬公里，省道里程38.27萬公里。農(nóng)村公路里程438.23萬公里，其中縣道里程66.14萬公里、鄉(xiāng)道里程123.85萬公里、村道里程248.24萬公里。
考慮到農(nóng)村公路往往限速較低、車流稀少，除交叉路口外，配置車路協(xié)同感知系統(tǒng)的必要性不大，可先只考慮二級及以上等級公路或國省干線，總里程約70萬公里。倘若按照高速公路的標(biāo)準(zhǔn)，為之鋪設(shè)感知系統(tǒng)，考慮到彎道及隧道等特殊情況，按每100米一個(gè)點(diǎn)位配置（大部分國省干道可只設(shè)單側(cè)感知），則每公里投資約為50萬，則全國范圍國省干道感知網(wǎng)絡(luò)建設(shè)成本約為3500億。
從商業(yè)運(yùn)營上看車路協(xié)同是一個(gè)偽需求，商業(yè)模式上走不通。一公里的改造費(fèi)用6個(gè)億人民帀，這個(gè)錢政府可以出，但是做了這條路，不能要求主機(jī)廠去裝—個(gè)2000-3000塊錢的OBU。為了所謂的車路協(xié)同，增加每個(gè)車的成本2000-3000政府的基建，要做這個(gè)路，車路協(xié)同的設(shè)備，做完了就完了，但是沒人跟。
以上海的這個(gè)開放道路測試區(qū)為例，73 公里的里程布置了 182 個(gè)路側(cè)單元，平均下來，每公里 2.5 個(gè)，這還只是示范區(qū)，如果整個(gè)智慧的路布置下來，成本不會低。
我們一直都說有 5G 加持的車路協(xié)同將創(chuàng)造更大的價(jià)值，但是有沒有考慮到 5G 的實(shí)現(xiàn)難度有多大。
5G 雖然速度快，但是能夠輻射范圍很小，要想完成同等范圍的輻射范圍，5G 基站至少是 4G 的 2-3 倍。而且建造成本不低，一個(gè) 5G 基站就需要需要 50 萬-60 萬左右（至少），而且 5G 基站功耗很高，之前就有新聞報(bào)道，洛陽聯(lián)通在夜間休眠部分 5G 基站，以降低電費(fèi)成本。根據(jù)中國鐵塔的數(shù)據(jù)，單個(gè) 5G 基站單租戶年綜合電費(fèi)約 2.3-3 萬元/年。
而對于 5G V2X 來說，需要完成規(guī)模覆蓋才能真正起到車路協(xié)同的作用。所以，實(shí)際上 5G-V2X 的推進(jìn)難度要比想象中大的多。
05壟斷和數(shù)據(jù)安全：車聯(lián)網(wǎng)正被互聯(lián)網(wǎng)化
入局車路協(xié)同的熱潮發(fā)生在2018年，這一年互聯(lián)網(wǎng)大廠動(dòng)作頻繁，讓沉寂在造車背后的車路協(xié)同走上了臺前。
這一年，時(shí)任百度智能駕駛事業(yè)群組總經(jīng)理的李震宇在媒體溝通會上宣布，將正式開源Apollo車路協(xié)同方案，向業(yè)界開放百度Apollo的技術(shù)和服務(wù)。
同年九月的云棲大會上，阿里成立的“2038超級聯(lián)盟”，把包括交通部公路院、國家電網(wǎng)、中國聯(lián)通、一汽集團(tuán)、英特爾、福特汽車等多方力量集合起來打造智慧高速，不過阿里的車路協(xié)同是在自家的封閉系統(tǒng)下搭建的。
在阿里的實(shí)踐中，阿里云承擔(dān)搭建云控平臺的任務(wù)，為車路協(xié)同場景提供全局掌控能力；AliOS搭建車路云協(xié)同計(jì)算系統(tǒng)，完成車路協(xié)同的具體能力；達(dá)摩院負(fù)責(zé)研制路測要安裝的感知硬件，同時(shí)，高德、千尋等提供高精度地圖，支付寶解決高速支付場景，在加上菜鳥聯(lián)盟和ET城市大腦的場景支持，阿里在自家的生態(tài)體系內(nèi)建立的“封閉”的車路協(xié)同生態(tài)，足以看見他的野心。
一直處于觀望態(tài)度的騰訊也在之后姍姍來遲，依然是平臺化的輕運(yùn)營模式，把自身定位劃為車和路的連接器。在單車智能和道路智能化后，依賴騰訊平臺的大數(shù)據(jù)支撐，面向C端發(fā)展。
和BAT一同在場的，還有華為，在最初的智能汽車領(lǐng)域偏向通信運(yùn)營商的角色�；谧陨淼腎CT技術(shù)，華為早年間的布局多在車路協(xié)同的基礎(chǔ)設(shè)施建設(shè)上，提供智能硬件產(chǎn)品。但在2018年底也開始了BAT賣解決方案，賣軟件的的打法，推出了“TrafficGo1.0”，對標(biāo)阿里的城市大腦，百度的ACE智能交通引擎，以及騰訊的“We Transport”。
如果將車路協(xié)同比作是一場叢林探險(xiǎn)的話，車路協(xié)同企業(yè)應(yīng)該可以被分為五大陣營：以BAT為代表的互聯(lián)網(wǎng)科技企業(yè)；以華為為代表的ICT企業(yè)；還有汽車供應(yīng)商、車路協(xié)同方案解決商以及以福特為主的汽車主機(jī)廠。在同一陣營之中，各個(gè)大廠也都在順應(yīng)自己的優(yōu)勢選擇對應(yīng)的道路，路的盡頭則是豐厚的報(bào)酬。
據(jù)統(tǒng)計(jì)，目前我國的汽車保有量為3.8億輛。其中，智能網(wǎng)聯(lián)汽車數(shù)量快速增加。預(yù)計(jì)到2022年，智能網(wǎng)聯(lián)汽車數(shù)量將會超過7800萬輛�；鶖�(shù)龐大的同時(shí)，數(shù)據(jù)產(chǎn)生的速度也相當(dāng)迅猛。隨著感知技術(shù)、自動(dòng)駕駛技術(shù)等相繼成熟，未來的智能網(wǎng)聯(lián)汽車，其智能網(wǎng)聯(lián)、智能駕駛等每天產(chǎn)生的新增數(shù)據(jù)，可能得按照TB來計(jì)算。
海量的數(shù)據(jù)，并非全部有效，但是經(jīng)過篩查、加工，會產(chǎn)生極大的利用價(jià)值。善加利用數(shù)據(jù)自然會是未來智能駕駛的“蜜糖”，但令我們擔(dān)心的是，隨著資本的介入，“蜜糖”成了“砒霜”，對數(shù)據(jù)的妥善利用可能會逐漸轉(zhuǎn)向挪用、濫用，甚至成為資本搜刮信息、進(jìn)一步增值的工具。
涉車服務(wù)和后市場隨著近年發(fā)展商業(yè)模式逐漸升級豐富：
數(shù)據(jù)變現(xiàn)：車聯(lián)網(wǎng)帶來車載和道路數(shù)據(jù)的豐富，為數(shù)據(jù)變現(xiàn)打開了新的方向
通過采集用戶的行車駕駛數(shù)據(jù)，可以實(shí)現(xiàn)更精準(zhǔn)的保險(xiǎn)定價(jià)，從而幫助保險(xiǎn)公司精準(zhǔn)衡量風(fēng)險(xiǎn)
二手車交易、汽車貸款等角度也可成為數(shù)據(jù)變現(xiàn)的潛在模式
廣告引流：車聯(lián)網(wǎng)設(shè)備能夠占據(jù)用戶的一定使用時(shí)長，從而得到一定的流量。針對這些流量可以采用展示廣告的方式進(jìn)行變現(xiàn)。此外，也可將流量導(dǎo)向和車主相關(guān)的服務(wù)項(xiàng)目，如汽車美容等
乘用車市場圍繞V2N場景的廣播、地圖導(dǎo)航等輔助駕駛APP類商業(yè)產(chǎn)品正逐步成熟。眾多涉車服務(wù)和后市場服務(wù)，如網(wǎng)約車、保險(xiǎn)、汽車美容、二手車等由于移動(dòng)互聯(lián)網(wǎng)的迅猛發(fā)展也得以百花齊放。那么問題來了，隨著車聯(lián)網(wǎng)市場的繼續(xù)發(fā)展，百花齊放會不會也變成寡頭壟斷？
2021年2月份，博泰車聯(lián)網(wǎng)舉報(bào)騰訊壟斷，打響了車聯(lián)網(wǎng)反壟斷第一槍，至今依然沒有實(shí)質(zhì)性結(jié)論。博泰車聯(lián)網(wǎng)和上汽通用五菱就騰訊涉嫌壟斷一事共同向國家市場監(jiān)管總局反壟斷局提交了反壟斷舉報(bào)書。
隨著V2X的興起，整車廠原來在汽車行業(yè)的主導(dǎo)地位受到了挑戰(zhàn)。由于缺乏互聯(lián)網(wǎng)等跨界技術(shù)的積累，不得不與互聯(lián)網(wǎng)、科技公司合作，但競爭中整車廠也在不斷布局新技術(shù)，試圖在汽車智能化的過程中繼續(xù)掌握主導(dǎo)權(quán)。隨著行業(yè)競爭的愈加激烈，車企與科技公司、互聯(lián)網(wǎng)巨頭之間的技術(shù)競備賽已經(jīng)升級到話語權(quán)的爭奪，從幾年前的暗潮涌動(dòng)發(fā)展為現(xiàn)在的對簿公堂。
這些汽車工業(yè)的“闖入者們”，帶著智能化的風(fēng)，改變著汽車的屬性，試圖讓傳統(tǒng)汽車的世界變得不再枯燥無味，而是充滿了無限可能性，與此同時(shí)，變革者也帶來了互聯(lián)網(wǎng)的很多壞基因，最為突出的當(dāng)屬數(shù)據(jù)壟斷和信息安全，互聯(lián)網(wǎng)時(shí)代踩過的雷，恐怕也會革了車聯(lián)網(wǎng)的命。
06寫在最后
現(xiàn)在的AI本質(zhì)上還是一種蠻力計(jì)算，依靠海量數(shù)據(jù)和海量算力，對數(shù)據(jù)集和算力的需求不斷增加，這顯然離初衷越來越遠(yuǎn)。
文明的每一次進(jìn)步都帶來效率的極大提高，唯有效率的提高才是進(jìn)步，而依賴海量數(shù)據(jù)和海量算力的AI則完全相反，效率越來越低，事件相機(jī)才是正確的方向。
自動(dòng)駕駛的未來，單車智能還是車路協(xié)同？
從技術(shù)操作上，一個(gè)比較現(xiàn)實(shí)的問題是，車路協(xié)同并不是所有的區(qū)域都能做，比如農(nóng)村，如果要大量鋪設(shè)支持車路協(xié)同的智能化基礎(chǔ)設(shè)施，明顯不經(jīng)濟(jì)。另外還有國外是否接受這種路線，并大規(guī)模鋪設(shè)相關(guān)的基礎(chǔ)設(shè)施，也存在極大的不確定性。
對于車廠來說，開發(fā)的汽車顯然不能只適用于特定區(qū)域——除非是專門研發(fā)特定用途汽車的企業(yè)，而是應(yīng)該同時(shí)滿足城市、鄉(xiāng)村、國內(nèi)、國外等多個(gè)不同市場的需求，這種情況下單車智能路線顯然更合適。
從商業(yè)模式上，車路協(xié)同耗資巨大，百億甚至千億級別，投入如此資金卻僅僅只能在高速、省干道實(shí)現(xiàn)自動(dòng)駕駛，實(shí)在得不償失。并且建成后后期的維護(hù)運(yùn)營成本巨大，難以長久。
車路協(xié)同更多的是解決路權(quán)分配的問題，把大數(shù)據(jù)流量和車鏈接起來就可以了，沒有必要做得那么復(fù)雜，重點(diǎn)還是依賴于車端。
單車智能還遠(yuǎn)遠(yuǎn)沒有達(dá)到其頂峰，在物理規(guī)則之內(nèi)，我相信沒什么是目前看起來單車智能攻克不了，而必須要通過V2X來解決。對于自動(dòng)駕駛甚至無人駕駛，車路協(xié)同是錦上添花的事情，單車智能才是必經(jīng)之路。
由于技術(shù)復(fù)雜性、商業(yè)可行性以及監(jiān)管挑戰(zhàn)等將自動(dòng)駕駛汽車成為主流的時(shí)間一再推遲。對于什么時(shí)間、什么方式去實(shí)現(xiàn)自動(dòng)駕駛，尤其是實(shí)現(xiàn)自動(dòng)駕駛的商業(yè)化場景落地，業(yè)內(nèi)尚未統(tǒng)一觀點(diǎn)，于自動(dòng)駕駛產(chǎn)業(yè)鏈上的各家企業(yè)而言，汽車智能化仍是一個(gè)遠(yuǎn)大前程與至暗時(shí)刻并存的灰色時(shí)期。
汽車產(chǎn)業(yè)革命上半場電動(dòng)化，下半場智能化已是行業(yè)共識，但讓人始料未及的是，半場間的切換來得如此猝不及防。一個(gè)新版圖也在這種跨界探索中徐徐展開，給汽車產(chǎn)業(yè)帶來新鮮空氣，也卷入了泥沙。對于參賽者而言，在奔向商業(yè)化成功的路上陷入了一些誤區(qū)和陷阱。
01算力堆不出自動(dòng)駕駛
行業(yè)需要思考一個(gè)問題是：在“軟件定義汽車”的情況下，解決智能駕駛系統(tǒng)計(jì)算平臺的支撐問題，是否只能通過算力堆疊來實(shí)現(xiàn)？
筆者認(rèn)為：提升硬件很重要，但不能陷入“唯算力論”的怪圈。
決定算力真實(shí)值最主要因素是內(nèi)存帶寬，還有實(shí)際運(yùn)行頻率（即供電電壓或溫度），以及算法的batch尺寸。
谷歌第一代TPU，理論值為90TOPS算力，最差真實(shí)值只有1/9，也就是10TOPS算力，因?yàn)榈谝淮鷥?nèi)存帶寬僅34GB/s
第二代TPU下血本使用了HBM內(nèi)存，帶寬提升到600GB/s（單一芯片，TPU V2板內(nèi)存總帶寬2400GB/s）
英偉達(dá)的A100使用40GB的2代HBM，帶寬提升到1600GB/s，比V100提升大約73%
特斯拉是128 bitLPDDR4-4266，內(nèi)存帶寬：2133MHz*2DDR*128bit/8/1000=68.256GB/s。比第一代TPU略好（這些都是理論上的最大峰值帶寬），大約8TOPS
為什么會這樣？這就牽涉到MAC計(jì)算效率問題。
如果你的算法或者說CNN卷積需要的算力是1TOPS，而運(yùn)算平臺的算力是4TOPS，那么利用效率只有25%，運(yùn)算單元大部分時(shí)候都在等待數(shù)據(jù)傳送，特別是batch尺寸較小時(shí)候，這時(shí)候存儲帶寬不足會嚴(yán)重限制性能。但如果超出平臺的運(yùn)算能力，延遲會大幅度增加，存儲瓶頸一樣很要命。效率在90-95%情況下，存儲瓶頸影響最小，但這并不意味著不影響了，影響依然存在。然而平臺不會只運(yùn)算一種算法，運(yùn)算利用效率很難穩(wěn)定在90-95%。這就是為何大部分人工智能算法公司都想定制或自制計(jì)算平臺的主要原因，計(jì)算平臺廠家也需要推出與之配套的算法。
自動(dòng)駕駛芯片的競爭壁壘在于算力利用率和可用性。算力不能說無限增長，芯片PPA（功耗、成本和面積）都是很要命的。對于車載AI芯片來說，算力指標(biāo)重要，能效比更重要。
以英偉達(dá)的芯片為例，它GPU的功耗是最高的。Orin、Xavier的利用率基本上是30%，怎樣優(yōu)化基本都是30%。不同于英偉達(dá)的GPU方案，高通、mobileye、華為，包括國內(nèi)這些創(chuàng)業(yè)公司都走的是ASIC路線。ASIC芯片針對不同的神經(jīng)網(wǎng)絡(luò)模型去優(yōu)化，基本上可以做到60%~80%之間，好一點(diǎn)的可能會做到80%再高一些。
芯片算力的無限膨脹和硬件預(yù)埋不會是未來的趨勢。此外，車企面對的消費(fèi)端是不是立刻就需要那么高端的算力呢？也不見得。自動(dòng)駕駛算力主要是體現(xiàn)在感知層面的融合，對于L3 100~200已經(jīng)夠了，對于L4可能需要200~300，更關(guān)鍵是怎么用算力，不是說越多越好，如果要做1000，其實(shí)是沒有必要，并且高算力背后高功耗和低利用率問題愈發(fā)嚴(yán)重。
02算力比拼的終點(diǎn)：事件相機(jī)
當(dāng)今自動(dòng)駕駛領(lǐng)域所運(yùn)用的視覺識別算法，基本上都基于卷積神經(jīng)網(wǎng)絡(luò)，視覺算法的運(yùn)算本質(zhì)上是一次次的卷積運(yùn)算。這種計(jì)算并不復(fù)雜，本質(zhì)上只涉及到加減乘除，也就是一種乘積累加運(yùn)算。但這種簡單運(yùn)算在卷積神經(jīng)網(wǎng)絡(luò)中是大量存在的，這就對處理器的性能提出了很高的要求。
以ResNet-152為例，這是一個(gè)152層的卷積神經(jīng)網(wǎng)絡(luò)，它處理一張224*224大小的圖像所需的計(jì)算量大約是226億次，如果這個(gè)網(wǎng)絡(luò)要處理一個(gè)1080P的30幀的攝像頭，他所需要的算力則高達(dá)每秒33萬億次，十分龐大。
實(shí)際上自動(dòng)駕駛領(lǐng)域99%的視覺數(shù)據(jù)在AI處理中是無用的背景。這就好像檢測鬼探頭，變化的區(qū)域是很小一部分，但傳統(tǒng)的視覺處理仍然要處理99%的沒有出現(xiàn)變化的背景區(qū)域，這不僅浪費(fèi)了大量的算力，也浪費(fèi)了時(shí)間。亦或者像在沙礫里有顆鉆石，AI芯片和傳統(tǒng)相機(jī)需要識別每一顆沙粒，篩選出鉆石，但人類只需要看一眼就能檢測到鉆石，AI芯片和傳統(tǒng)相機(jī)耗費(fèi)的時(shí)間是人類的100倍或1000倍。
事件相機(jī)的工作機(jī)制是，當(dāng)某個(gè)像素所處位置的亮度發(fā)生變化達(dá)到一定閾值時(shí)，相機(jī)就會回傳一個(gè)上述格式的事件，其中前兩項(xiàng)為事件的像素坐標(biāo)，第三項(xiàng)為事件發(fā)生的時(shí)間戳，最后一項(xiàng)取值為極性（polarity）0、1（或者-1、1）,代表亮度是由低到高還是由高到低，也常被稱作Positive or Negative Event，又被稱作On or Off Event。
就這樣在整個(gè)相機(jī)視野內(nèi)，只要有一個(gè)像素值變化，就會回傳一個(gè)事件，這些所有的事件都是異步發(fā)生的（再小的時(shí)間間隔也不可能完全同時(shí)），所以事件的時(shí)間戳均不相同，由于回傳簡單，所以和傳統(tǒng)相機(jī)相比，它具有低時(shí)延的特性，可以捕獲很短時(shí)間間隔內(nèi)的像素變化，延遲是微秒級的。
事件相機(jī)的靈感來自人眼和動(dòng)物的視覺，也有人稱之為硅視網(wǎng)膜。生物的視覺只針對有變化的區(qū)域才敏感，比如眼前突然掉下來一個(gè)物體，那么人眼會忽視背景，會將注意力集中在這個(gè)物體上，事件相機(jī)就是捕捉事件的產(chǎn)生或者說變化的產(chǎn)生。在傳統(tǒng)的視覺領(lǐng)域，相機(jī)傳回的信息是同步的，所謂同步，就是在某一時(shí)刻t，相機(jī)會進(jìn)行曝光，把這一時(shí)刻所有的像素填在一個(gè)矩陣?yán)锘貍�，一張照片就誕生了。一張照片上所有的像素都對應(yīng)著同一時(shí)刻。至于視頻，不過是很多幀的圖片，相鄰圖片間的時(shí)間間隔可大可小，這便是我們常說的幀率（frame rate），也稱為時(shí)延（time latency）。事件相機(jī)類似于人類的大腦和眼睛，跳過不相關(guān)的背景，直接感知一個(gè)場景的核心，創(chuàng)建純事件而非數(shù)據(jù)。
除了冗余信息減少和幾乎沒有延遲的優(yōu)點(diǎn)外，事件相機(jī)的優(yōu)點(diǎn)還有由于低時(shí)延，在拍攝高速物體時(shí)傳統(tǒng)相機(jī)會發(fā)生模糊（由于會有一段曝光時(shí)間），而事件相機(jī)幾乎不會。再就是真正的高動(dòng)態(tài)范圍，由于事件相機(jī)的特質(zhì)，在光強(qiáng)較強(qiáng)或較弱的環(huán)境下（高曝光和低曝光），傳統(tǒng)相機(jī)均會“失明”，但像素變化仍然存在，所以事件相機(jī)仍能看清眼前的東西。
傳統(tǒng)相機(jī)的動(dòng)態(tài)范圍是無法做寬的，因?yàn)榉糯笃鲿芯�性范圍，照顧了低照度就無法適應(yīng)強(qiáng)光，反過來適應(yīng)了強(qiáng)光就無法顧及低照度。事件相機(jī)在目標(biāo)追蹤、動(dòng)作識別等領(lǐng)域具備壓倒性優(yōu)勢，尤其適合自動(dòng)駕駛領(lǐng)域。
空中扔一個(gè)球，看看兩種相機(jī)的軌跡記錄：
事件相機(jī)的出現(xiàn)對高算力AI芯片是致命打擊，它只需要傳統(tǒng)高算力AI芯片1%甚至0.1%的算力就可完美工作，功耗是毫瓦級。事件相機(jī)基于流水線時(shí)間戳方式處理數(shù)據(jù)，而不是一幀幀地平面處理各個(gè)像素。傳統(tǒng)卷積算法可能無用，AI芯片最擅長的乘積累加運(yùn)算可能沒有用武之地。為了準(zhǔn)確檢測行人并預(yù)測其路徑，需要多幀處理，至少是10幀，也就是330毫秒。這意味著相關(guān)系統(tǒng)可能需要數(shù)百毫秒才能實(shí)現(xiàn)有效探測，而對于一輛以60公里每小時(shí)行進(jìn)中的車輛來說，330毫秒的時(shí)間就能行駛5.61米，而事件相機(jī)理論上不超過1毫秒。
03車路協(xié)同是偽命題
自動(dòng)駕駛的技術(shù)路線從廣義上看分為兩種：
一是單車智能，通過攝像頭、雷達(dá)等傳感器以及高效準(zhǔn)確的算法，賦予車輛自動(dòng)駕駛的能力
二是車路協(xié)同，主要通過5G和高精地圖，來感知路況從而具備無人駕駛功能
不同于單車智能，車路協(xié)同更多追求通過車輛與周遭事物的互聯(lián)來實(shí)現(xiàn)自動(dòng)駕駛。再加上很火熱的 5G 概念（更快的峰值網(wǎng)絡(luò)傳送速率能讓通訊更快捷）加持，通過車路協(xié)同來實(shí)現(xiàn)自動(dòng)駕駛似乎更可期了。但是，現(xiàn)實(shí)似乎并非如此。
首先是交通系統(tǒng)屬性發(fā)生了變化。車路協(xié)同使車輛中原本在傳統(tǒng)交通系統(tǒng)中不易顯現(xiàn)特性凸現(xiàn)出來，如自組織、網(wǎng)絡(luò)化、非線性、強(qiáng)耦合、泛隨機(jī)及異粒度，由此導(dǎo)致傳統(tǒng)交通流的研究方法已經(jīng)不再適用
其次是交通的組織成分發(fā)生了變化。隨著車路協(xié)同的發(fā)展,網(wǎng)聯(lián)汽車應(yīng)運(yùn)而生，加之自動(dòng)駕駛引進(jìn),在自動(dòng)駕駛車和人駕駛車長期共存的場景下，需要的模型將更加復(fù)雜
再次是交通系統(tǒng)的邊界問題，按照交通的結(jié)構(gòu)，交通系統(tǒng)中沒有了主次之分，沒有統(tǒng)一目標(biāo)，只要有人存在的地方就有交通系統(tǒng)，因此交通系統(tǒng)將被視為開放的復(fù)雜系統(tǒng)
站在車企的角度，單車智能顯然更為重要。短期內(nèi)車路協(xié)同不可能普及，作為汽車產(chǎn)品，既要賣到國內(nèi)也要賣到國外，既要符合城市道路需求，也要面向鄉(xiāng)村道路，過于依賴車路協(xié)同，無疑是自我束縛。
以高速公路車路協(xié)同系統(tǒng)來看，在感知層面主要分為兩類：車端感知和路端感知。路端感知一般采用攝像頭、毫米波雷達(dá)、激光雷達(dá)、各類環(huán)境傳感器來實(shí)現(xiàn)信息采集，同時(shí)還有信號燈、交通標(biāo)識線等交通設(shè)施輔助；車載端同樣也需要一定的協(xié)同設(shè)備，接收相關(guān)信息；并使用 4G、5G、有線光纖等進(jìn)行通訊；此外，還需要管控平臺，通過布置在車端、路端以及云端的計(jì)算平臺進(jìn)行復(fù)雜系統(tǒng)信息融合和數(shù)據(jù)分析。
從感知上來看，智慧的路只有范圍夠大才能真正起到協(xié)同作用，但是目前的狀態(tài)是車路協(xié)同的覆蓋有限，路端設(shè)備的集成度不高。
目前路端監(jiān)測設(shè)備主要用的是攝像頭，但是在最需要信息時(shí)，攝像頭可能沒法提供信息，比如極端天氣（大雨、大霧等）。如果換用激光雷達(dá)，雖然可靠性上來了，但是成本高且壽命有限，路側(cè)激光雷達(dá)壽命不超過 1 年。
NR-V2X關(guān)鍵技術(shù)仍需驗(yàn)證、帶寬需求有待研究、頻譜規(guī)劃有待確定等這些問題依然是車路協(xié)同落地的障礙。此外，有很多地方即便有智慧公路，可以收集到大量數(shù)據(jù)，但是卻面臨數(shù)據(jù)不知道如何處理的問題，路端傳感器如何布置也沒有形成統(tǒng)一標(biāo)準(zhǔn)。
04車路協(xié)同商業(yè)模式走不通
根據(jù)《2020年交通運(yùn)輸行業(yè)發(fā)展統(tǒng)計(jì)公報(bào)》，截至2020年末，全國公路總里程519.81萬公里，其中四級及以上等級公路里程494.45萬公里，二級及以上等級公路里程70.24萬公里。國道里程37.07萬公里，省道里程38.27萬公里。農(nóng)村公路里程438.23萬公里，其中縣道里程66.14萬公里、鄉(xiāng)道里程123.85萬公里、村道里程248.24萬公里。
考慮到農(nóng)村公路往往限速較低、車流稀少，除交叉路口外，配置車路協(xié)同感知系統(tǒng)的必要性不大，可先只考慮二級及以上等級公路或國省干線，總里程約70萬公里。倘若按照高速公路的標(biāo)準(zhǔn)，為之鋪設(shè)感知系統(tǒng)，考慮到彎道及隧道等特殊情況，按每100米一個(gè)點(diǎn)位配置（大部分國省干道可只設(shè)單側(cè)感知），則每公里投資約為50萬，則全國范圍國省干道感知網(wǎng)絡(luò)建設(shè)成本約為3500億。
從商業(yè)運(yùn)營上看車路協(xié)同是一個(gè)偽需求，商業(yè)模式上走不通。一公里的改造費(fèi)用6個(gè)億人民帀，這個(gè)錢政府可以出，但是做了這條路，不能要求主機(jī)廠去裝—個(gè)2000-3000塊錢的OBU。為了所謂的車路協(xié)同，增加每個(gè)車的成本2000-3000政府的基建，要做這個(gè)路，車路協(xié)同的設(shè)備，做完了就完了，但是沒人跟。
以上海的這個(gè)開放道路測試區(qū)為例，73 公里的里程布置了 182 個(gè)路側(cè)單元，平均下來，每公里 2.5 個(gè)，這還只是示范區(qū)，如果整個(gè)智慧的路布置下來，成本不會低。
(國家智能網(wǎng)聯(lián)汽車（上海）試點(diǎn)示范區(qū) – 開放道路測試區(qū))
我們一直都說有 5G 加持的車路協(xié)同將創(chuàng)造更大的價(jià)值，但是有沒有考慮到 5G 的實(shí)現(xiàn)難度有多大。
5G 雖然速度快，但是能夠輻射范圍很小，要想完成同等范圍的輻射范圍，5G 基站至少是 4G 的 2-3 倍。而且建造成本不低，一個(gè) 5G 基站就需要需要 50 萬-60 萬左右（至少），而且 5G 基站功耗很高，之前就有新聞報(bào)道，洛陽聯(lián)通在夜間休眠部分 5G 基站，以降低電費(fèi)成本。根據(jù)中國鐵塔的數(shù)據(jù)，單個(gè) 5G 基站單租戶年綜合電費(fèi)約 2.3-3 萬元/年。
而對于 5G V2X 來說，需要完成規(guī)模覆蓋才能真正起到車路協(xié)同的作用。所以，實(shí)際上 5G-V2X 的推進(jìn)難度要比想象中大的多。
05壟斷和數(shù)據(jù)安全：車聯(lián)網(wǎng)正被互聯(lián)網(wǎng)化
入局車路協(xié)同的熱潮發(fā)生在2018年，這一年互聯(lián)網(wǎng)大廠動(dòng)作頻繁，讓沉寂在造車背后的車路協(xié)同走上了臺前。
這一年，時(shí)任百度智能駕駛事業(yè)群組總經(jīng)理的李震宇在媒體溝通會上宣布，將正式開源Apollo車路協(xié)同方案，向業(yè)界開放百度Apollo的技術(shù)和服務(wù)。
同年九月的云棲大會上，阿里成立的“2038超級聯(lián)盟”，把包括交通部公路院、國家電網(wǎng)、中國聯(lián)通、一汽集團(tuán)、英特爾、福特汽車等多方力量集合起來打造智慧高速，不過阿里的車路協(xié)同是在自家的封閉系統(tǒng)下搭建的。
在阿里的實(shí)踐中，阿里云承擔(dān)搭建云控平臺的任務(wù)，為車路協(xié)同場景提供全局掌控能力；AliOS搭建車路云協(xié)同計(jì)算系統(tǒng)，完成車路協(xié)同的具體能力；達(dá)摩院負(fù)責(zé)研制路測要安裝的感知硬件，同時(shí)，高德、千尋等提供高精度地圖，支付寶解決高速支付場景，在加上菜鳥聯(lián)盟和ET城市大腦的場景支持，阿里在自家的生態(tài)體系內(nèi)建立的“封閉”的車路協(xié)同生態(tài)，足以看見他的野心。
一直處于觀望態(tài)度的騰訊也在之后姍姍來遲，依然是平臺化的輕運(yùn)營模式，把自身定位劃為車和路的連接器。在單車智能和道路智能化后，依賴騰訊平臺的大數(shù)據(jù)支撐，面向C端發(fā)展。
和BAT一同在場的，還有華為，在最初的智能汽車領(lǐng)域偏向通信運(yùn)營商的角色�；谧陨淼腎CT技術(shù)，華為早年間的布局多在車路協(xié)同的基礎(chǔ)設(shè)施建設(shè)上，提供智能硬件產(chǎn)品。但在2018年底也開始了BAT賣解決方案，賣軟件的的打法，推出了“TrafficGo1.0”，對標(biāo)阿里的城市大腦，百度的ACE智能交通引擎，以及騰訊的“We Transport”。
如果將車路協(xié)同比作是一場叢林探險(xiǎn)的話，車路協(xié)同企業(yè)應(yīng)該可以被分為五大陣營：以BAT為代表的互聯(lián)網(wǎng)科技企業(yè)；以華為為代表的ICT企業(yè)；還有汽車供應(yīng)商、車路協(xié)同方案解決商以及以福特為主的汽車主機(jī)廠。在同一陣營之中，各個(gè)大廠也都在順應(yīng)自己的優(yōu)勢選擇對應(yīng)的道路，路的盡頭則是豐厚的報(bào)酬。
據(jù)統(tǒng)計(jì)，目前我國的汽車保有量為3.8億輛。其中，智能網(wǎng)聯(lián)汽車數(shù)量快速增加。預(yù)計(jì)到2022年，智能網(wǎng)聯(lián)汽車數(shù)量將會超過7800萬輛�；鶖�(shù)龐大的同時(shí)，數(shù)據(jù)產(chǎn)生的速度也相當(dāng)迅猛。隨著感知技術(shù)、自動(dòng)駕駛技術(shù)等相繼成熟，未來的智能網(wǎng)聯(lián)汽車，其智能網(wǎng)聯(lián)、智能駕駛等每天產(chǎn)生的新增數(shù)據(jù)，可能得按照TB來計(jì)算。
海量的數(shù)據(jù)，并非全部有效，但是經(jīng)過篩查、加工，會產(chǎn)生極大的利用價(jià)值。善加利用數(shù)據(jù)自然會是未來智能駕駛的“蜜糖”，但令我們擔(dān)心的是，隨著資本的介入，“蜜糖”成了“砒霜”，對數(shù)據(jù)的妥善利用可能會逐漸轉(zhuǎn)向挪用、濫用，甚至成為資本搜刮信息、進(jìn)一步增值的工具。
涉車服務(wù)和后市場隨著近年發(fā)展商業(yè)模式逐漸升級豐富：
數(shù)據(jù)變現(xiàn)：車聯(lián)網(wǎng)帶來車載和道路數(shù)據(jù)的豐富，為數(shù)據(jù)變現(xiàn)打開了新的方向
通過采集用戶的行車駕駛數(shù)據(jù)，可以實(shí)現(xiàn)更精準(zhǔn)的保險(xiǎn)定價(jià)，從而幫助保險(xiǎn)公司精準(zhǔn)衡量風(fēng)險(xiǎn)
二手車交易、汽車貸款等角度也可成為數(shù)據(jù)變現(xiàn)的潛在模式
廣告引流：車聯(lián)網(wǎng)設(shè)備能夠占據(jù)用戶的一定使用時(shí)長，從而得到一定的流量。針對這些流量可以采用展示廣告的方式進(jìn)行變現(xiàn)。此外，也可將流量導(dǎo)向和車主相關(guān)的服務(wù)項(xiàng)目，如汽車美容等
乘用車市場圍繞V2N場景的廣播、地圖導(dǎo)航等輔助駕駛APP類商業(yè)產(chǎn)品正逐步成熟。眾多涉車服務(wù)和后市場服務(wù)，如網(wǎng)約車、保險(xiǎn)、汽車美容、二手車等由于移動(dòng)互聯(lián)網(wǎng)的迅猛發(fā)展也得以百花齊放。那么問題來了，隨著車聯(lián)網(wǎng)市場的繼續(xù)發(fā)展，百花齊放會不會也變成寡頭壟斷？
2021年2月份，博泰車聯(lián)網(wǎng)舉報(bào)騰訊壟斷，打響了車聯(lián)網(wǎng)反壟斷第一槍，至今依然沒有實(shí)質(zhì)性結(jié)論。博泰車聯(lián)網(wǎng)和上汽通用五菱就騰訊涉嫌壟斷一事共同向國家市場監(jiān)管總局反壟斷局提交了反壟斷舉報(bào)書。
隨著V2X的興起，整車廠原來在汽車行業(yè)的主導(dǎo)地位受到了挑戰(zhàn)。由于缺乏互聯(lián)網(wǎng)等跨界技術(shù)的積累，不得不與互聯(lián)網(wǎng)、科技公司合作，但競爭中整車廠也在不斷布局新技術(shù)，試圖在汽車智能化的過程中繼續(xù)掌握主導(dǎo)權(quán)。隨著行業(yè)競爭的愈加激烈，車企與科技公司、互聯(lián)網(wǎng)巨頭之間的技術(shù)競備賽已經(jīng)升級到話語權(quán)的爭奪，從幾年前的暗潮涌動(dòng)發(fā)展為現(xiàn)在的對簿公堂。
這些汽車工業(yè)的“闖入者們”，帶著智能化的風(fēng)，改變著汽車的屬性，試圖讓傳統(tǒng)汽車的世界變得不再枯燥無味，而是充滿了無限可能性，與此同時(shí)，變革者也帶來了互聯(lián)網(wǎng)的很多壞基因，最為突出的當(dāng)屬數(shù)據(jù)壟斷和信息安全，互聯(lián)網(wǎng)時(shí)代踩過的雷，恐怕也會革了車聯(lián)網(wǎng)的命。
06寫在最后
現(xiàn)在的AI本質(zhì)上還是一種蠻力計(jì)算，依靠海量數(shù)據(jù)和海量算力，對數(shù)據(jù)集和算力的需求不斷增加，這顯然離初衷越來越遠(yuǎn)。
文明的每一次進(jìn)步都帶來效率的極大提高，唯有效率的提高才是進(jìn)步，而依賴海量數(shù)據(jù)和海量算力的AI則完全相反，效率越來越低，事件相機(jī)才是正確的方向。
自動(dòng)駕駛的未來，單車智能還是車路協(xié)同？
從技術(shù)操作上，一個(gè)比較現(xiàn)實(shí)的問題是，車路協(xié)同并不是所有的區(qū)域都能做，比如農(nóng)村，如果要大量鋪設(shè)支持車路協(xié)同的智能化基礎(chǔ)設(shè)施，明顯不經(jīng)濟(jì)。另外還有國外是否接受這種路線，并大規(guī)模鋪設(shè)相關(guān)的基礎(chǔ)設(shè)施，也存在極大的不確定性。
對于車廠來說，開發(fā)的汽車顯然不能只適用于特定區(qū)域——除非是專門研發(fā)特定用途汽車的企業(yè)，而是應(yīng)該同時(shí)滿足城市、鄉(xiāng)村、國內(nèi)、國外等多個(gè)不同市場的需求，這種情況下單車智能路線顯然更合適。
從商業(yè)模式上，車路協(xié)同耗資巨大，百億甚至千億級別，投入如此資金卻僅僅只能在高速、省干道實(shí)現(xiàn)自動(dòng)駕駛，實(shí)在得不償失。并且建成后后期的維護(hù)運(yùn)營成本巨大，難以長久。
車路協(xié)同更多的是解決路權(quán)分配的問題，把大數(shù)據(jù)流量和車鏈接起來就可以了，沒有必要做得那么復(fù)雜，重點(diǎn)還是依賴于車端。
單車智能還遠(yuǎn)遠(yuǎn)沒有達(dá)到其頂峰，在物理規(guī)則之內(nèi)，我相信沒什么是目前看起來單車智能攻克不了，而必須要通過V2X來解決。對于自動(dòng)駕駛甚至無人駕駛，車路協(xié)同是錦上添花的事情，單車智能才是必經(jīng)之路。
