从金额上看，亿元及以上融资有13笔，最高为威马汽车获得6亿美元Pre-IPO轮融资，该公司近日在上海临港无人驾驶示范区进行了L4级无人驾驶技术的路试；其次是百度与狮桥旗下瞄准自动驾驶货运赛道的DeepWay公司，获得首轮外部4.6亿元融资，由启明创投领投，联想创投、建信信托、中电基金、交银国际等参投。

从轮次来看，A轮及之前的早期融资有23笔，约占37.7%的比例；C轮及以后融资5笔。从赛道上看，造车、技术研发、芯片、毫米波雷达、无人货运（重卡）、矿山、线控底盘等方向颇受关注。

表1：2022Q3中国自动驾驶相关公司融资情况（按金额降序排列）

数据来源：零壹智库

虽然在网络上经常看到女司机开车时闹出的笑话，不过近期，一项研究表明，她们要比男性更适合“自动驾驶”车辆。这项研究由纽卡斯尔大学完成，结果证明：在接管自动驾驶汽车时，女性比男性的反应更迅速，同时表现也更加稳定。

自 快科技

美国加州机动车管理局发布的数据显示，2021年自动驾驶汽车公司的测试车辆在该州总行驶里程超过640万公里，与前两年相比有了大幅增长。这个迹象也表明，在2020年受新冠肺炎疫情影响的封锁之后，自动驾驶汽车行业正卷土重来。

自 网易科技

白皮书指出，人是交通安全中最不确定的因素。根据CIDAS(中国交通事故深入调查)数据库显示，2011年至2021年5664起乘用车参与的事故案例中，驾驶员人为因素占比约为81.5%。其中，因驾驶人无法对危险进行提前识别和感知，导致驾驶人主观错误造成事故占比79.9%。因未按规定让行发生的事故占比43.4%，其次是速度过快、车道的违规使用、酒驾、违反交通信号灯和疲劳驾驶。

与人类驾驶相比，白皮书从三个方面提出了自动驾驶安全性更高。

首先，自动驾驶依靠全方位的感知系统、智能的决策系统和精确的执行系统，不需要驾驶员操作，可以杜绝人类驾驶中的疲劳驾驶、酒后驾驶等危险行为。同时，严格遵守交通规则，可以防范人类驾驶中违反交通规则情况发生。

其次，自动驾驶可通过多种传感器的融合和车路协同技术对周围环境进行全视角预先感知，可以提前规避风险，有效降低事故发生率。

最后，自动驾驶汽车具备自我学习和不断升级能力，基于丰富的出行场景可以真正解决出行当中的刚需、痛点和高频问题，从源头上改善所有参与者的信任机制，让出行的所有节点都“有迹可循”。

不过白皮书也强调，自动驾驶与零事故不能划等号。自动驾驶汽车身处动态可变的交通环境，面对复杂和突发危险等场景，自动驾驶汽车自身未能有效处理、其他交通参与者等因素也是造成自动驾驶汽车事故的重要原因。

PDF版本将分享到199IT知识星球，扫描下面二维码即可！

作为我们日常生活中不可或缺的一部分，交通目前正在经历结构性变革——走向数字化和低碳化。新冠肺炎疫情加速了这种转变，每个人都在采用新的行为准则。虽然保持社会距离的要求和出行限制意味着大多数人的流动性大大减小，但其他运输部门正在经历巨大的发展。对于包裹递送部门来说，全球分发的物品数量增加了 17.5%，并在 2020 年达到近 250 亿件的新高。

同时，随着虚拟现实和元宇宙概念继续告诉人们未来可能足不出户就能做一些事，电子商务和网上购物持续快速增长。自疫情开始，直到 2020 年底，销售额又增长了 27.6%，占全球零售市场总额的 18%。

在城市中，最后一公里配送（LMD，Last Mile Delivery）处于包裹配送价值链的一个核心环节，是一件物品旅程的终端，经由运输枢纽到最终目的地。这是配送过程中最劳动密集的阶段，分散的客户分布和高频率的请求意味着它在整个物流链中占了很高的成本比例。特色购物节是这种城市配送方式快速发展的主要动力，如中国的 “双 11”，西方国家的“黑色星期五” 和“网购星期一”，在这些时间段内，包裹数量急剧增加。

最后一公里配送面临的挑战远远超出了建立有效和高效的分拣系统。常年存在的城市问题，如交通拥堵和碳排放，以及随意停车和越来越多的送货车辆，正在成为城市交通系统中前所未有的破坏性问题，当然，这同样影响了最后一公里配送。这也是一项严重依赖劳动力的活动，其劳动力需求随业务高峰和低潮的变化而浮动。

在这方面，自动驾驶汽车可以是一种解决方案。它们的车载技术，如智能驾驶和电动动力系统，意味着交通拥堵和碳排放可以大大减少。自动驾驶汽车也可作为人工送货的补充，使服务多样化，并在高峰时间和夜间填补劳动力不足。

欧洲、中国和美国是推动汽车电动化趋势的地区，这三个地区 2020 年电动汽车（EV，Electric Vehicle）在新销售中的渗透率分别为 10%、5.7% 和 2%。在自动最后一公里配送领域，美国发展较早，其市场上有像 Starship Technologies 和 Nuro 这样的主要参与者。在中国，这不仅在物流园区、私人社区和大学校园进行了试验，而且在北京和深圳等大城市的公路也进行了试验。其他城市，如广州，正在采取措施试行这一新的解决方案。

ALMDV（Autonomous Last Mile Delivery Vehicle，自动最后一公里配送车辆）具有一些特性，使其成为尖端智能驾驶技术的优秀测试平台。与自动驾驶的汽车相比，ALMDV 更小，通常具有相对较低的速度限制，从而降低了事故风险。由于车上无人，该算法通常侧重于保护公共道路上的行人，避免了在紧急情况下优先考虑乘客或行人的困境。除了车辆本身的技术架构（如传感、定位和操作之外），它还提供了一个很好的机会来应用和演示车联网的概念（V2X，Vechile-to-Everything）。作为第四次工业革命的主要技术成果之一，它规定了智能车辆如何与交通灯等道路基础设施（包括云操作系统）进行通信。

毫无疑问，在需求端也存在挑战。在当今时代，消费者希望立即交货或在同一天交货。配送速度占客户整体购买决策的 52%，这是比免运费或打折商品（38%）最重要的考虑因素。由于社会采取保持社会距离的政策，更多的包裹被发送到货运枢纽，如包裹柜，然后由客户自行取件；自动驾驶汽车配送将能够在可预测的时间窗口内将多个包裹直接送货上门，最大限度地减少人与人之间的接触。

智能驾驶在小型灵活设备上的应用创造了许多需要创新解决方案的情况。例如，ALMDV 是如何上楼把货物送到家里的。一个想法是在入口处安装另一个自动装置，这个装置和管家机器人一样，可以进入大楼的电梯，接受来自 ALMDV 的包裹并继续运输。通过 ALMDVS 可以孵化出一种新的零售模式：它不仅可以用于从附近的商店运送商品，还可以用于远程展示和销售设备；在社区、学校和旅游区，它是一家 “移动商店”。

为了在日常生活中应用 ALMDV，第一步应该是建立一个管理系统。自动驾驶仪可按不同方式分类：载人或货运；在公共道路或封闭公园内行驶；高速或低速，等等。但是，ALMDV 中应该应用哪种类型的规则？它是汽车、非机动车、个人配送设备，还是机器人？这个问题的答案最终会决定 ALMDV 可以在哪个车道上行驶。在道路上，它可以开得更快，与其他车辆共用道路，而不是与行人共用道路。在路面及其他道路上，一般都有较低的车速限制，但很可能发生意外。有关各方目前正在讨论如何定义 ALMDVS，预计将为它们单独建立分类。

汽车和运输领域面临着去碳化和数字化计划的转折点。智能驾驶技术提供了新的商业模式、用户场景和生活方式。该行业将受益于跨部门合作，如决策者和企业之间的合作。必须通过灵活的政策和法规，创造创新和技术突破的有利环境。看到不同地区 ALMDV 实验项目的出现，开拓者与后续参与者的经验交流以及加强多方利益有关者的讨论令人欣喜。智能驾驶的大规模应用就在眼前——让我们把它和社会引领至下一个发展阶段。

Canalys 最新的研究表明，直至 2020 年底，全球范围内的每 10 亿辆在用汽车中，仅有 10% 配备了高级驾驶辅助系统 (ADAS)。目前，在中国大陆、欧洲、日本和美国等主要市场，已有三分之一的新车配备了 ADAS 功能。但若要在全球一半的在用汽车上完成配备，仍需数年时间。

自动驾驶网络是华为在电信领域面向2030的核心战略，目标是通过数据与知识驱动，实现网络自动、自愈、自优、自治，使能新业务并实现极致客户体验、全自动运维、最高效的资源和能源利用。

华为将从“技术创新、商业联创和标准成熟” 三方面积极贡献力量，助力产业的发展和中国移动战略目标的达成。

在技术创新上，华为将重点开展多智能体架构和自治系统研究，目标是围绕网络控制和知识学习两大闭环，构建单域自治的智能系统

通信网络经历30年发展，已经演变成一个超级复杂体，承载多业务、多专业、多领域、多厂商。要想走向自动驾驶，本质上是由一个超级复杂体进化成超级智能体。

通过突破网络环境感知、态势分析、多目标决策、行动规划和自学习、自演进等五大关键技术，华为致力解决网络复杂性的同时增强适应性。

PDF版本将分享到199IT知识星球，扫描下面二维码即可！

基于车路协同的预期功能（SOTIF）能提升自动驾驶安全。以往在极端天气、不利照明、物体遮挡等情况下，单车智能的感知、预测能力面临严峻挑战。而车路协同可弥补车端感知不足，有效扩大单车智能的安全范围。

车路协同能够扩展自动驾驶 ODD（车辆运行设计域）。一般而言，受天气、行驶区域、时段、速度等因素限制，单车智能能够感知和应对的驾驶场景有限。而路侧的协同感知能够扩展车辆的感知范围、能力和场景，从而扩展单车的运行设计域（ODD），进一步提升自动驾驶的点到点能力。

在系统配置上，单车智能除了要投入高昂传感器、算力设备之外，还需要一套等效的冗余子系统。而车路协同提供的路侧设备感知冗余，不仅复用率高避免重复建设，还能实现成本分摊。因此，在同等自动驾驶安全前提下，车路协同可以大范围实施部署，促进自动驾驶规模商业化的早日实现。

清华大学智能产业研究院与百度 Apollo 在白皮书中对国内道路现状进行了智能化分级，将道路智能化水平分为 C0-C5级6个等级。道路智能化等级越高，对车辆智能化要求也越低，覆盖的智能汽车等级范围也越广。

其中，C4级别道路值得我们一起特别关注。与更高级智能道路相比，C4级智能道路投入产出比更高，其覆盖的智能汽车等级范围从 L2+到 L5。也就是说，C4级智能道路不仅能为高级自动驾驶车辆提供协同服务，还能让 L2+、L3级辅助驾驶车辆具备高级自动驾驶能力，促进自动驾驶规模商业化落地。

PDF版本将分享到199IT知识星球，扫描下面二维码即可！

苏州作为国内第一个实现自动驾驶公交车常态化运营的城市，正在通过自动驾驶技术推动绿色出行，实现智能化的城市交通微循环，解决市民“最后三公里”出行难题。2021年6月10日，记者从亚马逊云科技和自动驾驶公司轻舟智航 (QCraft) 了解到，苏州继去年10月开通第一条自动驾驶公交车线路之后，第二条自动驾驶公交车线路也于日前面向市民全面开放，云计算技术在自动驾驶公交车的技术开发和运营中发挥着非常关键的作用。

据轻舟智航合伙人、商务副总裁郝景山介绍，目前的智能汽车都搭载有多类高精度的传感器，比如摄像头、毫米波雷达、激光雷达等，用于实现不同等级的自动驾驶以及智能网联功能。在智能汽车行驶的过程中，会产出大量的数据，其中就包括车辆自动驾驶功能在运行过程中遇到的边界化难题（Corner Case）。据了解，一台具备L4级别自动驾驶功能的车辆日常产出的数据量可达TB数量级，收集到众多珍贵的Corner Case。是否能在合法合规的前提下对这些数据进行收集和使用，对于自动驾驶技术的高效迭代来说至关重要。

轻舟智航打造的自动驾驶数据工厂，可自动化地完成数据收集、数据清洗标注、仿真评估以及大规模仿真场景生成等流程，让合作伙伴拥有完整的数据收集及处理能力。其中大规模智能仿真系统让测试成本大大减少，达到路测成本的1/100，还可以拓展1000倍于实际路测里程、模拟各种极端情况，同时准确衡量各个自动驾驶软件版本的水平。

据介绍，自动驾驶数据工厂只是轻舟智航自动驾驶超级工厂中的一环，但也是关键的一环。凭借全栈技术平台能力，轻舟智航可基于多种车型实现L4级别自动驾驶功能，应对各类城市复杂交通场景。

轻舟智航在存储海量数据方面使用了亚马逊云科技的Amazon Simple Storage Service（Amazon S3），这是一个业内卓越领先的存储服务。轻舟智航将数据存放在光环新网运营的亚马逊云科技中国(北京)区域和西云数据运营的亚马逊云科技中国(宁夏)区域。全球数百万家企业使用Amazon S3，其中很多企业将PB级的数据放在上面，对其安全性、可靠性、容量可扩展性、以及丰富的开发者功能信赖有加。对于大规模智能仿真系统，轻舟智航则主要使用了亚马逊云科技的Amazon Elastic Compute Cloud(Amazon EC2) Spot实例。Amazon EC2 Spot实例是亚马逊云科技创造的一种计价模式。通过Amazon EC2 Spot实例，轻舟智航可以低成本地调用超算级别的算力进行大规模智能仿真。

郝景山表示，“通过跟亚马逊云科技结缘，在多个方面加速了轻舟智航的发展。由于轻舟智航采用的是集中研发、多地测试的方式，使用亚马逊云科技让我们可以方便地进行异地协作。在产品研发过程中我们也深刻感受到，亚马逊云科技的云基础设施成熟稳定，云服务种类丰富、功能完善，用起来省心。”

轻舟智航合伙人、商务副总裁郝景山

苏州市新近开通的第二条自动公交车线路 (Q2路)，主要连接苏州北站、周边商业区、办公区和长三角国际研发社区启动区，路线总长为4.6公里。长三角国际研发社区启动区是江苏省产业技术研究院与地方建设的第一个物理的生态空间，也是全市率先利用综合能源供应的产业载体，距离高铁苏州北站2公里，于今年2月底正式开园。

Q2路已测试3个月，日前正式宣布面向市民全面开放，所有市民均可乘坐通勤。目前线路在中午用餐高峰期间运营，重点服务于启动区的高科技人才，后续随着启动区入驻项目的增加，将调整早晚高峰期的运营路线。

Q2路采用由轻舟智航部署的龙舟ONE无人小巴，此外，龙舟ONE在深圳、武汉均已上路运营，是国内布局城市最多的公开道路自动驾驶公交。据轻舟智航合伙人、商务副总裁郝景山介绍，龙舟ONE无人小巴只是轻舟智航自动驾驶方案落地的第一个场景，后续还将推出更多车型。在技术研发及迭代过程中，轻舟智航借助亚马逊云科技在业界有口皆碑的存储、计算、网络、数据分析和机器学习等云计算服务能力为其保驾护航，让市民可以放心地体验自动驾驶的乐趣。

据了解，苏州高铁新城在今年内将开通超过4条自动公交线路，目前已有3条线路在测试运营中，后续将逐步面向市民开放。

附：关于自动驾驶分级

国际自动机工程师学会（简称SAE）将自动驾驶等级从L0至L5共分为6个等级，其自动驾驶技术水平也从0级至5级递增。

L0级，人工驾驶，根据SAE的定义，L0级别的自动驾驶仅能提供警告和瞬时辅助。值得注意的是，主动刹车、盲点监测、车道偏离预警和车身稳定系统都属于L0级别的自动驾驶。

L1级，辅助驾驶，能够帮助驾驶员完成某些驾驶任务，且只能帮助完成一项驾驶操作。驾驶员需要监控驾驶环境并准备随时接管。代表性技术应用有：车道保持系统，定速巡航系统。

L2级，部分自动化，可以同时自动进行加减速和转向的操作，也意味着自适应巡航功能和车道保持辅助系统可以同时工作。目前很多豪华车辆搭载的就为这一级别自动驾驶。

L3级，条件自动化，车辆在特定环境中可以实现自动加减速和转向，不需要驾驶者的操作。驾驶员可以不监控车身周边环境，但要随时准备接管车辆，以应对自动驾驶处理不了的路况情况。

L4级，高度自动化，可以实现驾驶全程不需要驾驶员，但是会有限制条件，例如限制车辆车速不能超过一定值，且驾驶区域相对固定。实现L4级别自动驾驶后已经可以不需要安装刹车和油门踏板了。

L5级，完全自动化，完全自适应驾驶，适应任何驾驶场景。但是涉及到法律、高科技突破等限制，目前还需要进一步深入研发，对应的产品目前还没有实现。

其中百度Apollo，2020年在北京路测的车辆达到55台，占北京市总投入自动驾驶测试车辆的75%，测试里程达到112.53万公里，占当年北京市总里程的96%。 而在这55辆车中，有43辆车获批允许开展载人第三阶段测试，5辆车获批开展无人化第一阶段测试。

百度作为北京市Robotaxi场景应用的代表企业，于2020年8月开展载人第二阶段测试，即面向社会公众开展自动驾驶载人测试，并于2020年12月，开展无人化第一阶段测试。截至2020年12月底，共有15006人次通过手机呼叫百度自动驾驶车辆，九成以上的用户表示未来愿意继续使用该服务。

另外，小马智行也有5辆车获批允许开展载人第一阶段测试，而奥迪、戴姆勒、丰田、沃芽科技、美团等也在持续探索开放道路测试。其中美团作为北京市无人配送和无人零售的代表企业，2020年打造落地MAISHOP AI智慧门店，以“无人仓”+“无人车”的模式，实现从下单、分拣、出货、配送到交付的全流程智能化服务。从2020年9 月初，美团在北京市智能网联汽车示范运行区（首钢园）开通全国首个常态化运营的无人配送门店，目前已销售千余订单，平均每单都能在15分钟内送达。

PDF版本将分享到199IT知识星球，扫描下面二维码即可！

中国最权威、最具参考性的自动驾驶年度报告？那肯定非《北京市自动驾驶车辆道路测试报告》莫属，这也是中国目前官方唯一的自动驾驶路测报告。无论是考察维度、软硬件指标、测试标准，还是最新进展和方向，每年都是权威又全面。虽然疫情对行业有所影响，但刚刚出炉的2020全年报告，亮点多多，进展更胜从前。

自 量子位

全球分析师大会HAS 2020期间，华为面向全球发布《自动驾驶网络解决方案白皮书》，系统阐述未来网络架构、运维架构和其关键技术，通过网元、网络和云端的三层AI能力协同，使能网络走向极简超宽、运维迈向人机协同，为运营商和产业伙伴的数字化转型提供实践参考。

华为公共开发部总裁鲁鸿驹表示：“未来十年是智能时代蓬勃发展的黄金十年，以5G、云、AI为核心代表的新技术将赋予联接智能升级的核心动能。华为呼吁业界同仁一同探索实践，通过数据与知识驱动，打造一张自动、自愈、自优的自治网络，抓住数字经济所赋予的新机遇。“

白皮书指出，打造自动驾驶网络需做出两大转变：

第一，从“以网元为中心”的碎片化建网模式，转变为“以业务为中心”的积木式的自治域建网模式。通过融合的“管理-控制-分析” 实现单域自治和实时闭环，平衡域内创新和域间协同的成本与速度；

第二，产业携手定义跨域开放协同的目标架构和可编程的API标准，大幅简化跨域业务协同和保障的复杂性，降低研运成本和风险，简化集成敏捷商业，降低整个产业的协作成本。

同时，白皮书建议以L4级（高度自动驾驶网络）作为未来架构的阶段性目标，应该具备以下四个特征：一、网络知识和专家知识数字化，从被动的人工运维走向预测性的智能运维；二、极简架构的网络基础设施，网元走向智能化；三、分层的单域自治和跨域协同，网络走向在线实时闭环；四、统一的云端AI训练、知识管理和运维设计平台，支持电信网络迭代演进。

白皮书呼吁业界要实现自动驾驶网络的宏伟目标，需要产业各方达成共识，按照开发一代、研究一代、探索一代的方式共同制定统一标准和分级评估体系，形成高效协同的产业生态，共同助力产业智能升级和健康可持续性发展。

报告下载：添加199IT官方微信【i199it】，回复关键词【自动驾驶网络解决方案白皮书】即可

从今年的接管报告来看，Waymo 和 Cruise 依然强悍，但百度出人意料地反超Waymo占据了 2019 年头把交椅。AutoX 与刚刚拿了丰田大号支票的 Pony.ai 分列第四和第五名。

除了百度、AutoX 和 Pony.ai 这几家中国血统自动驾驶公司，滴滴也第一次出现在报告中，并且来了个开门红排在第八位。至于去年排在倒数的上汽（SAIC）也成功闯进了二十名之内。显然，中美两国已经成为自动驾驶行业众人仰止的两极。

DMV 数据显示，加州各家自动驾驶公司去年共完成了 288 万英里的自动驾驶测试，相比 2018 年的 80 万英里有了大幅增长。眼下，加州共有 64 家公司拿到了测试执照，而 2018 年则是 48 家。

值得一提的是，众多公司中，真正拿到载客许可的只有 Aurora、AutoX、Pony.ai、Waymo 和 Zoox 五家。

Waymo 在加州部署了 153 台测试车，它们的 268 名安全驾驶员去年完成了 145 万英里的测试，比2018 年的 120 万英里高出不少。

对 Waymo 来说，2019 年是里程碑式的一年，它们的测试车遍及美国 9 个州 25 个城市，而在凤凰城的自动驾驶打车服务 APP  Waymo One 月活用户已经达到 1500 人。此外，Waymo 自动驾驶汽车的累积测试里程已达 2000 万英里（一年前仅 1000 万英里），模拟测试更是不计其数。

接管率方面，Waymo 从去年的 1000 英里 0.09 次（每 11017 英里接管一次）进步到了 1000 英里 0.076 次（每 13219 英里接管一次）。

今年的进步除了拜 Waymo 在 AI 数据挖掘技术上的进步所赐，还因为与自家母公司 Alphabet 旗下 DeepMind 的深入合作。借此，Waymo 针对行人、自行车和摩托车的误报率降低了 24%，训练时间和算力资源的消耗也双双减半。

除此之外，Waymo 称公司正在硅谷、旧金山和洛杉矶开发第五代的 Driver 系统，今年晚些时候它们还会分享更多有关安全框架的信息。

2017 年 Waymo One 上线后，其接单量已经突破 10 万。此外，Waymo 的“去安全驾驶员”进程正在逐步进行中。不过，没有安全驾驶员的车辆现在还是仅限早鸟计划乘客乘坐。

除了在乘用车领域发力，Waymo 还盯紧了货运行业。最近，它们就宣布卡车测试将在德州、新墨西哥、旧金山湾区、密歇根、亚利桑那、佐治亚等地区进行。

在测试里程上，今年通用旗下的 Cruise 有了质的提升。估值已达 146 亿美元的 Cruise 整个 2019 年跑了 83 万英里，而 2018 年这个数字为 44 万英里，近乎翻倍。

关于接管率，Cruise 上报的数据分了上半年和下半年。2019 年上半年，Cruise 共出现了 43 次接管（每 7635 英里接管一次），总测试里程为 32.8 万英里。下半年则只有 25 次接管（每20110 英里接管一次），总测试里程达到 50.2 万英里。显然，Cruise 取得了巨大的进步，下半年的接管率成绩甚至优于 Waymo。

测试车队上，Cruise 在加州共部署了 233 台（2019 年年初数据），而 2017 年年中这一数字仅为 130 台。

通用的投资者日上，Cruise CEO Dan Ammann 给大家交了交底，称 Cruise 的软件升级周期大幅缩短，AI 模型训练时间更是压缩了 80%。此外，新的固件部署频率比此前高了 45 倍，几乎达到了每周两次。

借助自家内部工具“矩阵”，Cruise 也在疯狂搞模拟。2019 年 4 月的数据显示，Cruise 每天要进行 20 万小时的模拟。在这背后，是 30 万个处理核心，5000 张显卡，每天 3 万个场景以及 300 TB 的数据。

虽然商业化打车服务跳票了，但 Cruise 在旧金山还有个面向自家员工的打车项目 Cruise Anywhere。除此之外，Cruise 还联合 DoorDash 在湾区开展食物及杂货递送任务。当然，最近刚刚亮相的 Origin 也是它们未来的重头戏。

从 DMV 的报告来看，曾经声势浩大的苹果自动驾驶项目“泰坦计划”在2019 年玩起了逆行。与 2018 年 52 台测试车全年运行 79745 英里相比，2019 年苹果的 66 台测试车总共才跑了 7544 英里。

至于接管率嘛，2019 年全年它们共经历了 64 次接管，相比去年每 1000 英里接管 871.65 次好了不少，但跟 Waymo 和 Cruise 可完全不在一个水平线上，毕竟苹果全年测试里程才七千多英里。

2014 年启动的“泰坦计划”一直命运多舛。2017 年它们才拿到加州的测试执照，比竞争对手们慢了太多。随后，传闻中与宝马、奔驰、日产、比亚迪、迈凯轮等公司的合作都以失败告终。

最终，苹果与大众联结成盟，双方将基于大众 T6 车型来打造一款员工穿梭车。2018 年，“泰坦计划”再遇波澜，一名苹果员工因为涉嫌盗窃商业机密而被FBI 抓捕。2019 年，“泰坦计划”又经历了大裁员，部分人员被安排到其他机器学习项目。

不久之后，前特斯拉工程部门高级副主席 Doug Field 加盟“泰坦计划”团队，由此，苹果对自动驾驶新创公司 Drive.ai 的收购才得以推动。

Uber 并没有汇报 2019 年它们在加州的进展状况（2018 年它们的测试车每 0.4 英里就要接管一次），因为 2018 年在亚利桑那发生事故后它们对自动驾驶测试持审慎态度，也没有更新在加州的测试执照。

不过，这种情况未来可能会有改变。为了加速追赶竞争对手，Uber 已经再次递交了测试申请，而且本月初通过审批。现在的 Uber 依然是稳字当头，虽然它们已经有意将旧金山选做测试地。当然，Uber 测试车重新在加州上路前，肯定会训练好安全驾驶员并提前知会当地政府。

尽管 Uber 没有参加这次报告提交，但据 Uber IPO 前的 S-1 文件，Uber 主管自动驾驶的 ATG 部门已经从 40 人（2015 年）的小团队升级为拥有 1000 名员工的大部队。

此外，它们声称自己经完成了数百万英里的数据采集和数万次载人行驶。在华盛顿 D.C.、旧金山、达拉斯和多伦多等城市还有 Uber 数据采集车的身影。

据了解，Lyft 的 Level 5 团队共有 20 台测试车和 400 多名雇员，2019 年它们累积了 42930 英里的测试里程，接管次数达到了 1667 次，与竞争对手相比确实相对较高。

Lyft 的 Level 5 团队不但有数据科学家、应用研究者，还有产品经理、运行主管等角色。2017 年 7 月成立以来，它们已经完成了新型 3D 框架的搭建，同时还拿出了能效评估的新方案以及借助中报地图追踪车辆动作的技术。

今年早些时候，Lyft 宣布进军加州帕罗奥托。在新的研发中心里，工程师将模拟现实世界的驾驶场景，同时对各种路况进行重构。

未来，Lyft 还将继续扩张测试地并加快累积测试里程。除了 Waymo 这个合作伙伴，Lyft 与安波福也建立了合作关系，双方将在赌城拉斯维加斯运营自动驾驶车队。

有自动驾驶天团之称的 Aurora 去年在融资上走的顺风顺水，拿到亚马逊等金主的 6 亿美元后，它们成功晋身自动驾驶独角兽（估值 20 亿美元）。

提交给 DMV 的报告显示，2019 年 Aurora 的测试车队累积了 39729 英里的测试里程，每 1000 英里要接管 10.6 次（Aurora 称其中的 142 次接管中有四分之一都是软件问题，并且已经完成了修复）。相对于 2018 年的 1000 英里接管 11.5 次，进步确实有限。

眼下，Aurora 的 Aurora Driver 自动驾驶系统已经能适配包括轿车、SUV、小面、商用火车和拖挂车等六种不同车型，而且城市环境也不在话下。此外，Aurora 还专门研究了如何“对付”那些乱穿马路和“梦游”开车的人。

与其他公司类似，Aurora 也非常倚仗模拟器，它们的工具叫做虚拟测试套件。整个 2019 年，其虚拟测试的次数比 2018 年多了 100 倍。

对于路测，Aurora 也有自己的新看法。Aurora 指出，其在2019 年路测遇到的车是 2018 年的 3 倍，行人则达到了 10 倍。同时，Aurora Driver 在面对各种奇怪路况时也学到了许多人类司机的小技巧。

无人递送新创公司 2019 年累积了 68762 英里的测试里程，总接管次数则为 34 次（每 2022 英里接管一次），接管频率几乎只有 2018 年的一半。

创立于 2016 年的 Nuro 在加州共有 33 台测试车，在全美则部署了 75 台递送车，未来几个月内还将新增 50 台。

在发展壮大的过程中，Nuro 还创造历史拿到了 NHTSA 的自动驾驶豁免权，无需遵守现行汽车安全标准。

未来两年内，它们可以借助豁免权部署 5000 台新型 R2 无人递送车，不过关于该车的运营数据也要及时上报给 DMV。

刚刚拿到丰田 4.62 亿美元投资的 Pony.ai 可谓春风得意马蹄急。凭借 22 辆测试车，它们 2019 年在加州累积了 17.48 万英里的测试里程，但却只接管了 27 次（每 6476 英里接管一次）。与 2018 年相比，Pony.ai 进步神速，彼时它们每 1022 英里就要接管一次。

在自动驾驶的试运营上， Pony.ai 携手现代与 Via ，最近敲定了在加州埃尔文市的自动驾驶打车服务。除此之外，去年 4 月份它们“量产级别”的自动驾驶汽车也已在中国落地。携手丰田后，双方准备在北京和上海落地测试项目，以加速自动驾驶汽车的研发与部署。

与 Waymo 等巨头类似，Pony.ai 在迭代乘用车解决方案的同时也会在卡车和货物递送市场投下重磅炸弹。

搜索巨头百度在加州虽然只部署了 4 台自动驾驶测试车，但 2019 年全年却一口气跑了 108300 英里，接管次数更是直接拉到个位数 6 次（每 1000 英里接管 0.055 次，每 1.8 万英里才接管一次），一举干掉 Cruise 与 Waymo 跃升至榜单头名。

而 2018 年百度的测试车每 205 英里就要接管一次（每 1000 英里接管 4.86 次），这个进步不可谓不大。

在国内， 23 个城市部署了测试车的百度更是累积了 180 万英里的测试里程，而 2019 年 7 月时这个数字才只有 120 万英里（部署了 13 个城市）。

虽然一直没什么大动作，但百度却是离商业化部署自动驾驶出租车最近的公司（在中国）。去年 12 月，百度宣布自家公司已经拿到 40 张北京的测试执照，未来将在特定道路进行载客测试。除此之外，百度还牵手中国汽车巨头吉利，为其车辆预装阿波罗 DuerOS。

除了吉利，百度在国内还有东风等合作伙伴，未来几个月它们在厂商的测试车就将落地。除此之外，财大气粗的搜索巨头还要在未来三年内投资 100 个自动驾驶项目，而长沙将成为其“作战基地”。

与其他公司不同，一向特立独行的特斯拉根本懒得理 DMV，与前三年一样，2019 年它们又“交了白卷”。特斯拉表示，自家自动驾驶测试主要靠模拟、试验室和测试赛道。至于公路测试，靠的则是全球 40 多万台特斯拉电动车。

在 ADAS 市场，特斯拉 Autopilot 绝对是个强悍的选手。Musk 更是宣称，出厂标配了雷达、摄像头等传感器（Musk 不用 LiDAR）的特斯拉电动车只需一个 OTA 升级包，就能获得全自动驾驶能力。鉴于钢铁侠在全自动驾驶这个问题上一再跳票，这个升级包何时推送还不得而知。

当然，我们不能抹杀 Autopilot 的成绩。特斯拉的 Q4 主动安全报告显示，开启了 Autopilot 后，车辆每 307 万英里才会发生一起事故。麻省理工研究人员则认为，在 Autopilot 掌控下，特斯拉的电动车已经积累了接近 20 亿英里的驾驶经验。

接管率真的是自动驾驶“照妖镜”？

虽然大家都在借着 DMV 的接管率数据为自动驾驶厂商们排座次，但接管率能否成为自动驾驶能力的判断标准业界却有大量不同的声音。

Aurora 就认为，DMV 这个接管率数据并不能正确展示它们的提升程度。因此它们内部有两种新的评判标准——保守接管和政策接管。

Aurora CEO Urmson 指出，技术或工程速度才是项目进度的唯一评判标准，因为这才是核心技术进步与否的证明。“行业和媒体不这么看，但如果我选的测试道路一马平川，没什么其他车辆更没有十字路口与行人呢？这样是不是太不公平了。”Urmson 在一篇博文中写道。

Cruise CTO Kyle Vogt 也不待见这所谓的接管率，他呼吁业界能拿出一个新的自动驾驶汽车安全评判标准。

自动驾驶卡车新创公司 Embark 就拒绝披露所谓的接管率，它们转而用了新标准，分情况对待各类测试场景（2019 年它们公布的数据为测试 449837 英里，零事故）。

苹果则劝说 DMV 更改或澄清接管率的判断标准。至于行业老大 Waymo，也公开发声称，接管率不能作为唯一的评判标准，我们需要更为广泛的数据点。Nuro CEO 朱佳俊则认为接管率不够全面，在商业或安全角度上也不够成熟。

世界各地对电动汽车的兴趣继续增长

在美国，电动汽车的普及仍然存在重大障碍，但是，下次购买汽车时考虑电动汽车的人数也在迅速增长。

消费者对提高车辆连通性的好处意见不一。印度和中国的消费者接受这一想法的速度是德国消费者的两倍多。

大多数市场对自动驾驶的兴趣停滞不前

对于自动驾驶车辆的安全性，大多数全球市场的消费者仍然分歧。

涉及自动驾驶车辆的事故报道对消费者的看法产生了重大而持久的影响。印度和美国超过一半的消费者对自动驾驶车辆在他们居住的地区进行测试的想法感到担忧。

印度、中国和韩国的绝大多数消费者认为，如果获得政府认证，乘坐自动驾驶车辆会更舒服。

在美国和日本，消费者对制造商将自动驾驶车辆技术推向市场的信任继续下降，而在其他市场基本保持不变。

消费者仍然抵制多模式

日本、德国和美国的消费者是最难改变的，只有不到1/5的受访者在一次旅行中使用多种模式。

对隐私和数据安全的担忧依然存在

消费者最信任谁来管理他们车辆收集和共享的数据仍然悬而未决，因为原始设备制造商（OEM）不一定是合乎逻辑的选择。人们还关心谁将最好地管理车辆生成和共享的数据。

PDF版本将分享到199IT交流群，支持我们发展可加入！

自动驾驶具有大幅提高安全性的潜力，超过95%的事故是由人类造成的。

情感景观

所有国家的受访者都对自动驾驶表现出极大的兴趣（82%）和很高的好奇心（62%）。他们在新技术中看到了个人和社会的潜力：从更容易移动（76%）到更方便（72%）和更安全（59%）。超过一半的受访者愿意尝试自动驾驶。放弃控制的最大意愿是在高速公路上的自动停车和交通拥堵中驾驶。尽管如此，也存在一些担忧，首先是关于失去控制（70%）和技术上无法避免的风险（66%）。只有8%的受访者表示他们可以解释自动驾驶。

人类就绪指数（HRI）

HRI提供了关于自动驾驶的态度与人口统计的相关性：受访者越年轻，他们的教育水平和收入水平越高，对自动驾驶的态度就越积极。国家之间也存在差异：中国人对此欣喜若狂；韩国人也对这项技术持积极看法；西班牙人和意大利人是欧洲的先驱；德国人、法国人、美国人、日本人和英国人保持谨慎。

用户类型

用户类型考察了在生活背景下人们对自动驾驶的态度，这种方法引申出五种用户类型：

“可疑的自动驾驶”希望保持现状，只有当它完全成熟时，才会使用自动驾驶。

“以安全为导向的不情愿”也对自动驾驶持谨慎态度，认为自动驾驶汽车应该首先经过多年的测试才能获得批准。

“思想开放的副驾驶”看到了技术的优势，希望工业、科学和政府采取措施，让汽车安全上路。

“以地位为导向的潮流引领者”也对自动驾驶汽车充满热情，因为这能够展示他们进步的生活方式。

“精通技术的乘客”信任这项技术，并希望其全面引入。

PDF版本将分享到199IT交流群，支持我们发展可加入！

Tractica预计非工业机器人领域将继续增长。到2025年，包括工业和非工业领域在内的全球机器人收入将达到2485亿美元，而2018年的市场规模只有489亿美元。

根据Transparency Market Research的一项研究，对机器人的日益依赖将推动全球机器人市场达到1472.6亿美元，其中北美公司占收入的很大比例。2017年至2025年的复合年均增长率将达到17.4%。

由于航空航天、汽车和医疗保健行业缺乏熟练的劳动力，因此有必要将机器人整合到这些行业的生产工作流程中。机器人技术越来越多地被用在工作条件危险的行业而闻名的，特别是采矿，以及石油和天然气这些能源部门。在这些行业采用机器人可以降低煤矿坍塌等事故导致矿工死亡的可能性。

总部位于北美的公司可能会从机器人行业的增长中大幅受益，因为IT领导者Alphabet（谷歌的母公司）和亚马逊都有机器人部门。

199IT.com原创编译自：Tractica 非授权请勿转载

这里的「它」正是特斯拉 Autopilot 。之前美国《消费者报告》（Consumer Reports）曾报道称，更新后的 Autopilot 具备了自动变道的功能，车主可以选择在变道时不进行任何提醒，完全交由机器来抉择。但试驾编辑们在体验后却纷纷吐槽了它。

特斯拉 Autopilot 一直以来都争议不断。一边说它是新手们的福音，杜绝事故的好帮手，另一边却有人抨击它是事故的罪魁祸首。这套系统带来用户体验升级的同时也因为频发的安全事故而备受关注。

不可否认的是，特斯拉 Autopilot 让大家有机会一窥自动驾驶的未来，尽管它离真正意义上的「自动驾驶」还很远。毕竟软硬件的局限导致它最多只能实现 L2 级自动驾驶的能力，而这个阶段中「人」依然是主体，需要机器和人相互配合完成，所以这些关于 Autopilot 的争议全部都可以归属于典型的「人机共驾」问题。

开启了「Navigate on Autopilot」功能的特斯拉车型能够实现自主变道 | Teslarati

在「完全自动驾驶」这个纯技术的难题还未普及实现之前，「人机共驾」问题是所有汽车企业、自动驾驶企业都需要突破解决的另一道难题。

这道难题的核心是「人」这个不确定因素。按照控制权的划分，「人机共驾」又可分为「双驾单控」和「双驾双控」两种模式。前者关注的是驾驶权的交接和人车在主驾、副驾时的问题；而后者关乎驾驶自信，在人车都有控制权的情况下，该相信哪方多一点。

所以要建立一套高效、体验舒适、安全的自动驾驶系统是及其复杂的。原因很简单，机器是必须要和人进行互动的。而且这个互动的过程不光牵扯到机器人学科，还囊括了机器学习、心理学、经济学及政策等领域的问题。同时它也对我们已有的认知和假设形成了挑战：到底人类的表现能有多糟？人工智能又会是多么强大的存在？

MIT 进行的「人机共驾」研究，右上角为试验车辆「Black Betty」| MIT

MIT 之前曾进行过一项关于「人机共驾」的课题研究，从设计和开发「以人为中心」自动驾驶系统的角度出发，提出了七大原则。这些指导原则中并没有把人类本质的复杂性剔除掉，而是将其融合到了整套系统中。这也恰恰是这套课题研究的精髓所在。

实验成果的展示我们可以在一辆叫做「Black Betty」的无人车上看到。它只搭载了摄像头，主要通过机器学习的方式进行外部环境感知，规划决策，驾驶员监控，语音识别、聚合以及管理人机双向操控的无缝切换（语音控制），方向盘上安装了扭矩传感器。通过下面的视频，大家可以看到这辆无人车的具体表现：https://www.youtube.com/watch?v=OoC8oH0CLGc

在过去的十几年里，汽车自动驾驶的能力在逐步提升，迫使政策制定者以及行业安全研究人员开始思考如何为「自动驾驶」定级的问题，目的是借此为相关法律、标准、工程设计甚至是业界交流提供可参考的框架。目前行业内普遍采纳的是美国汽车工程学会 SAE 制定的分级标准，它将自动驾驶分为 L0 到 L5 共六个等级。不过 SAE 对每个级别的定义其实是很模糊的，并不能给出清晰、明确的区别，所以它似乎已经不太适合作为引发行业思考的「砖」了，更像是汽车系统设计开发的一套指导原则。

美国汽车工程学会 SAE 对自动驾驶的分级 | SAE

目前业界对自动驾驶汽车有如下三种普遍的观点：1. 驾驶任务很简单；2. 人类不擅长开车；3. 人类和机器无法做到良好的配合。相较这些观点而言，MIT 的研究则完全朝着相反的方向进行：1. 开车这件事实际上很难；2. 人类是非常棒的驾驶员；3. 让人和智能机器实现高效协作是能够实现的，而且是很有价值的目标。

基于这样的前提和假设，MIT 提出了「以人为中心」的框架并将其应用至人机共驾系统的开发过程中，在执行具体的驾驶任务时将人类与机器的边界完全去掉。与此同时，MIT 还提出了针对人机共驾的「七原则」，讨论了在设计、开发、测试「Black Betty」的过程中如何应用这些原则。

一、人机共驾（Shared Autonomy）

MIT 认为自动驾驶应该分为两个等级：一、人机共驾（Shared Autonomy）；二、全自动驾驶（Full Autonomy）。这样的分类方式不仅能够提供有建设性的指导方针，添加必要的限制条件同时还可以对要实现的目标进行量化设定。甚至，对每个类别下要实现的功能、对应的技术需求以及可能遇到的问题都可以划分出来。

这个原则的核心在于对「人类驾驶员在环」的讨论。为了实现对车辆的有效控制，人和机器组成的团队必须共同保持对外部环境有充分的感知。目标是促使整个行业对「人机共驾」和「全自动驾驶」进行清晰地划分。

表 I 「人机共驾」和「全自动驾驶」这两种路径中涉及的技术，包括用于大规模量产时对每项技术表现的等级要求 | MIT

需要指出的是，表 I 中的术语「Good」和「Exceptional」用来表示解决 1% 极端案例的优先级顺序。远程操控、V2X 和 V2I 等并非必须的技术，如果要使用的话需要达到特殊的能力要求。

在实现高等级自动驾驶的方法上，传统思路全程都跳过了对「人」这个因素的考虑，精力主要集中在对地图、感知、规划以及表 I 中「全自动驾驶」一栏标注为「exceptional」的技术上。实际来看，考虑到目前的硬件和算法能力，这种解决方案对高精度地图、传感器套件的鲁棒性要求很高，提供的是较为保守的驾驶策略。

而正如表 I 所述，「以人为中心」的自动驾驶汽车着眼点主要在司机身上。负责控制车辆的依然是人，但前提是要对人的状态、驾驶方式及之前的人机合作经验做充分的考量，同时把车辆的转向、加减速等交由人工智能系统负责。以特斯拉的 Autopilot 为例，之前 MIT 的研究显示，测试中有超过 30% 的行程都是由这套 L2 级驾驶辅助系统控制完成的。而如果人机共驾应用成功的话，应该能实现超过 50% 的机器控制率。在这次实验中，MIT 表示无人车系统在接管过程中呈现出了不同程度的能力，而人类驾驶员始终在密切关注着机器的动态，根据感知系统获得的信息及时预测可能发生的危险。

二、从数据中学习（Learn from Data）

从表 I 不难发现，这其中涉及的任何一项车辆技术都是数据驱动的，需要搜集大量的边缘案例数据，利用这些数据持续不断地优化算法。这个学习过程的目的应该是，通过大量数据实现从传统的模块化监督学习向端到端半监督式和无监督学习过渡。

要实现车辆的自动驾驶，传统的方法，不管是哪个级别，几乎都不会大量的应用机器学习技术。除了在一些特殊的线下场景，比如 Mobileye 的视觉感知系统要进行车道线识别，或者是通用 Super Cruise 搭载的红外摄像头要对驾驶员头部动作进行预测等。

特斯拉的 Autopilot 可能要比其他方案更进一步，在开发针对第二代硬件平台 HW 2.0 的软件算法时，在视觉感知上应用了越来越多监督机器学习的原理。但即便如此，对车辆的绝大部分控制以及对驾驶员状态监测的实现中，并没有利用大数据驱动的方式，也几乎不涉及线上学习的过程。

而在目前业界进行的一些全自动驾驶技术的路测中，机器学习主要应用于环境感知这一环节。更甚的是，这些车辆采集到的数据，无论是从量还是多样性来看，和具备 L2 级自动驾驶能力的车型相比，逊色不少。

特斯拉 Autopilot 对目标物、车道线的检测主要依赖机器学习算法进行 | Electrek

MIT 认为，「L2 级自动驾驶系统中机器学习框架使用的数据，从规模和丰富性的角度来看都具有足够的扩展能力，可以覆盖多变的、具有代表性、挑战性的边缘案例。」人机共驾（Shared Autonomy）要求同时搜集人和车辆的感知数据，挖掘分析后用于监督学习的标注。在 MIT 的实验过程中，驾驶场景感知、路径规划、驾驶员监控、语音识别以及语音聚合都应用了深度神经网络模型，可以通过搜集到的大量驾驶体验数据进行持续性的调校和优化。

在进行数据采集时，MIT 表示并不会只局限于单一的传感器来源，而是对整个驾驶体验通盘考虑，并将所有的传感器数据流通过实时时钟（real-time clock）汇总、聚合，用于多个神经网络模型的标注。这种方式能够让驾驶场景与驾驶员状态能够很好地匹配起来，而在聚合的传感器数据流进行标注工作，使模块化的监督学习可以在数据规模允许时轻松地向端到端学习过渡。

三、监督人类（Human Sensing）

这个其实就是我们俗称的「驾驶员监控」。它指的是对驾驶员的整体心理以及功能特征，包括分心、疲惫、注意力分配和容量、认知负荷、情绪状态等的不同程度进行多维度的衡量和评估。

目前除了通用 Super Cruise 在方向盘上装有一枚红外摄像头外，不管是搭载了 ADAS 驾驶辅助系统的量产车型，还是在路测的全自动驾驶汽车，绝大部分都没有提供任何有关驾驶员监控的软件和硬件。特斯拉 Model 3 其实也装了一枚车内摄像头，但目前尚未启用，具体功用官方表示要等软件更新后才知道。而基于视觉的解决方案以外，市面上还包括一些准确率不高的方式。比如特斯拉在方向盘上安装了扭矩传感器，也有的公司利用监测方向盘是否发生倒转的方式推断驾驶员是否出现疲劳情况。

全新一代凯迪拉克 CT6 搭载的驾驶员监控系统由 Seeing Machines 提供 | 官方供图

MIT 认为「对驾驶员状态的感知和监控是实现高效人机共驾的的第一步，同时也是最关键的一步。」在过去的二十多年里，来自机器视觉、信号处理、机器人等领域的专家都进行过相关课题的研究，目的都是在探讨如何尽可能保证驾乘人员的安全。此外，对驾驶员状态的监测对如何改善和提升人机交互界面、高级驾驶辅助系统 ADAS 的设计都有很大帮助。随着汽车智能程度的不断提高，如何准确、实时地探测到驾驶员的各种行为对打造安全的个性化出行体验尤为重要。

比较有意思的一点是，从完全的手动驾驶到全自动驾驶，这其中涉及到不同模式切换的问题。一般来说双手脱离方向盘（handoff）就是一种信号，可能表示系统要做好接管的准备了，但还有什么其他更准确的信息可以用来判断，可能这也是「驾驶员监控」的研究人员需要持续思考的地方。

四、共享的感知控制（Shared Preception-Control）

通俗点来说，这相当于为整个自动驾驶系统增加了「一双眼睛和手」。目的是建立额外的感知、控制和路线规划机制。即便在高度自动驾驶系统运行状态下，也要及时地为驾驶员推送信息，将其纳入到整个驾驶过程中。

研究全自动驾驶的目的就是为了完美地解决「感知-控制」的问题，考虑到人类的不靠谱和行为的不可测性。所以传统观点认为最简单的办法就是把人从开车这件事上排除掉，像十几年前在 DARPA 挑战赛中获胜的队伍一样。

但和传统解决思路相反的是，MIT 提出的「以人为中心」的理论将人置于感知和决策规划闭环中的关键位置。因此，整车感知系统就变成了支持性的角色，为人类驾驶员提供外部环境信息，这其实也是为了解决机器视觉本身存在的局限性而考虑的。

表 II MIT「以人为中心」自动驾驶系统执行的感知任务，包括对驾驶员面部表情、动作以及可驾驶区域、车道线以及场景内物体的检测 | MIT

在 MIT 的研究中，工作人员围绕这个原则设计了几条关键的算法。表 II 是其中几个典型的案例。首先，从视觉上可以看到神经网络做出的判断、道路分割的区域以及对驾驶场景状态的预估的可信程度；其次，将所有的感知数据整合并输出融合式的决策建议，这样在表 IV 的场景下就能够对整体风险进行预估；再次，MIT 一直使用的是模仿学习：将人类驾驶员操控车辆时方向盘的动作作为训练数据，进一步优化端到端的深度神经网络；最后，MIT 使用的端到端的神经网络属于一个叫做「arguing machines（争论机器）」框架的一部分，它为主要的感知-控制系统（表 III）提供了来自人类的监督。

这里的「争论机器框架」是 MIT 2018年提出的一个概念，详细技术细节可点击（http://1t.click/DAK）查看。它将主要 AI 系统与经过独立训练以执行相同任务的次要 AI 系统配对。 该框架表明，在没有任何基础系统设计或操作知识的情况下，两个系统之间的分歧足以在人工监督分歧的情况下提高整体决策管道的准确性。

表 III  对「争论机器」框架在「Black Betty」自动驾驶测试车上的应用和评估 | MIT

表 IV 通过结合车内外感知系统数据得出的融合型决策能够充分预估可能发生的风险 | MIT

五、深度定制化（Deep Personalization）

这里涉及到一个「将人类融入到机器中」的概念。通过调整 AI 系统的参数，使其能够更适合人类操作并呈现出一定程度的定制化。最终的系统应该带有该驾驶员的行为特征，而不是像刚出厂时的普通配置一样。

六、不回避设计缺陷（Imperfect by Design）

对整个汽车工业而言，处于很多原因的考虑，进行工程设计时通常考虑最多的是「安全」，所以要尽可能地讲系统错误出现的频率和程度降至最低。换句话说，对自动驾驶而言，完美是目标，这也导致了在进行某些功能设计时，可能会因其「不完美」和「不确定」的性质而放弃这些可能是「必要」的设计。

但是在 MIT 的研究看来，丰富、高效的沟通机制在设计用于实现「人机共驾」的人工智能系统时，是非常必要的因素。就「沟通」而言，系统存在的不完美对人和机器而言，在进行感知模型的交换和融合过程中，能够提供密集、多样的信息内容。如果将 AI 系统的不确定性、局限性和错误都隐藏起来，这也就错失了与人建立信任、深度理解关系的机会。MIT 认为，此前业界在设计半自动驾驶系统时所采取的「完美」思路，可能是迄今为止所犯的严重错误之一。

而在开发「Black Betty」这辆无人车时，MIT 把人工智能系统的局限性通过文字和视觉的形式与人类进行充分沟通。例如将人类和机器对外部世界的感知视觉化，让驾驶员知晓 AI 系统的局限所在。研究人员表示这种方式相比只是提供「报警」或者「模糊的信号」，是最简洁有效的人机沟通方式。尽管这种沟通机制要实现还面临一些技术上的难题，比如视觉化的过程通常对芯片的算力和实时调用的能力要求很高。但值得机器人、自动化以及人机交互等领域共同关注并思考解决的办法。

七、系统级的驾驶体验（System-Level Experience）

目前，汽车工业的工程设计过程中，一个最主要的目标就是「安全」。另一个则是「降低成本」。第二个目标导向的是模块化、基于零部件的设计思考。但同样的模式在面向机器人、计算机视觉、机器学习等领域的人工智能系统设计中却有着迥异的理由。

譬如在设计中重视单一功能（目标物检测等）的实现，能够有效测试该算法的合理性并逐步使之得到改善和优化。但是这个过程也难免会把注意力过渡集中在单一功能而忽略了系统的整体体验。

在过去的几十年里，「系统工程」、「系统思考」这样的原则一直在指导着汽车工业产品的输出。然后，类似的思考却几乎没有应用在自动驾驶汽车的设计、测试和评估过程中。正如 MIT 上面提到的这六大原则，人和机器都不可避免会有缺陷，只有当「人机共驾」这个框架在系统层面上得到考虑时，这些缺陷才可能有机会成为优势。

不管短期还是长期来看，其实很难预测自动驾驶的哪条实现路径最终会成功，而且退一万步说，你甚至都不知道什么样的结果算得上是「成功」。在谈到研究目的时，MIT 希望一套自动驾驶系统能够同时满足「安全」、「愉悦的驾驶体验」和「提升的出行体验」这三个要求，而不是彼此妥善折中。而尽管「人机共驾」这个话题在过去的十年里，是包括汽车工业、机器人在内很多领域研究的焦点，但它仍值得更深入的探讨。

在今年四月份的上海国际车展上，Tier 1 供应商采埃孚联合英伟达推出了coPILOT 智能高级驾驶辅助系统。这是一套定位「L2+级」 的自动驾驶辅助系统，目的是提高乘用车的安全性和驾驶舒适性。从产品名称不难看出，这套系统同样强调了「人机共驾」的概念。它配备了相应的传感器和功能，能够监控驾驶员并在发生潜在危险情况时触发警告。例如，当发生驾驶员注意力不集中、几乎完全未将注意力放在路面交通上或显示出瞌睡迹象等。所以人工智能扮演了「私人驾驶助手」的角色，这个产品理念与 MIT 的研究不谋而合。

到底完美解决驾驶任务比完美管理人类的信任和注意力哪个更难？这是值得深思熟虑的问题。MIT 认为关于这个问题的讨论仍不会停止，不管是这篇论文还是「Black Betty」这台无人测试车，都是基于「人机共驾」研究的成果，MIT 认为它是开发「以人为中心」自动驾驶系统的必由之路。

来自：TopMove

自动驾驶接受度调查数据 by 凯捷研究院

据彭博社报道，超过一半的中国消费者迫不及待地想摆脱人工驾驶，开上一辆自动驾驶汽车。

根据凯捷研究院（Capgemini Research Institute）对5，000多人进行的一项调查显示，中国消费者对无人驾驶汽车的态度比大多数国家都积极，而西方消费者对这项技术的态度较为冷淡。其中，美国和英国的消费者对自动驾驶最不感兴趣，只有略高于三分之一的人对自动驾驶汽车持乐观态度。

咨询公司凯捷咨询（Capgemini SE）全球汽车业务主管马库斯•温克勒（Markus Winkler）在接受采访时表示：“在中国，以及其他亚洲国家，我们看到人们对‘新’车型更加有兴趣。且过去几年，政府也极力推动自动驾驶的发展。”

中国政府为在国内推广自动驾驶汽车制定了雄心勃勃的目标。去年年底，中国工信部创办了“汽车互联网发展委员会”，将2020年设定为自动驾驶汽车从试点转向大规模应用的里程碑。根据彭博新能源财经的一份报告显示，在过去18个月里，拥有自动驾驶汽车测试许可的中国企业从0激增至35家。

自动驾驶接受度调查数据 by 凯捷研究院

在全球各地接受调查的受访者中，超过一半的人表示，在未来五年内，自动驾驶汽车将成为他们首选的交通工具，与普通汽车相比，大多数人愿意为自动驾驶汽车支付高达20%的溢价。

温克勒说，投资的增加和人们对自动驾驶技术的认识不断提高，使得消费者对采用自动驾驶汽车的态度更加积极。

上周，特斯拉CEO埃隆•马斯克（Elon Musk）在投资者电话会议上称，自动驾驶技术对特斯拉公司来说是“革命性的”。而本田、福特和大众等其他老牌汽车公司也正在加大对无人驾驶技术的投资。通用汽车公司的自动驾驶部门Cruise LLC本周吸引了11.5亿美元的投资，使Cruise LLC的估值达到190亿美元。

尽管如此，根据美国汽车协会的一项调查显示，许多消费者仍然对自动驾驶系统的安全性感到担忧。70%的美国人表示，他们不愿接受无人驾驶汽车。因为去年，优步技术公司的一辆测试车在亚利桑那州撞死了一名行人。

温克勒说：“我们将会看到，每一次事故都会对自动驾驶技术的应用产生直接影响。”对于汽车制造商来说，“安全绝对应该是一个焦点”。

无人车技术哪家强？

不秀Demo，不看视频，也不拿无人区域固定路线试乘论高下。

光比技术，没谁比这批《2018年自动驾驶接管报告》的结果更具参考性。

在加州机车辆管理局（DMV）刚刚披露的这些年度报告中，达到披露标准的48家自动驾驶路测单位，技术实力一一曝光。

谷歌系Waymo仍然排名第一且遥遥领先，通用旗下Cruise紧随其后，美国无人车明星创业公司Zoox排名第三。

华人/中国无人车玩家Nuro、Pony.ai和百度，拿下了第四、第五和第七交椅。

意料之外的是垫底的公司——Uber倒数第一，苹果倒数第二。

但无论如何，这都是自动驾驶技术实力的最真实反映。

技术实力排名

先看结果。

持有加州路测许可证的公司一共有62家，但其中部分公司2018年没有进行路测，比如博世；还有一部分公司因为取得时间较晚，DMV没有要求他们提交2018年的报告，比如图森；另外的一些公司没有接管的数据。

接管次数，即自动驾驶系统出现了技术问题或安全问题，需要人类驾驶员接管汽车的情况。

技术越好，脱离接触频率越低，接管干预次数越少。

技术越差，脱离接触频率越高，接管干预次数越多。

所以，可以看到28家提交了2018年接管数据的公司。

△ 点开看大图

Google兄弟公司Waymo毫无疑问排名第一，简直是别人家的孩子，平均每跑17846.8公里才需要人工接管一次，差不多是从首尔到开普敦直线距离的两倍，几乎是第二名——被通用收购的Cruise的2倍了。

紧随其后第三名是Zoox。

中国公司排名最前的是Pony.ai（小马智行），排名第5；紧接着百度排名第7。

而Uber和苹果分别是倒数第一和倒数第二。

不得不说，这两家科技公司备受期待，但没想到技术实力如此令人捉急。

苹果无人车每次人工接管后平均只能撑1.8公里，相当于北京故宫正门到神武门之间的距离，库克家的自动驾驶只能从皇帝家正门跑到后门，也就个扫地车水平。

而Uber的0.6公里更是让人笑掉大牙，只相当于学校操场的一圈半，看来去Uber当个安全员都要一直手忙脚乱，得加工资呀。

如此惨淡的技术成绩，也并非完全意料之外。

就在上个月，苹果的自动驾驶项目泰坦（Project Titan）200多名员工被遣散，同时最近的财报也十分糟糕，iPhone的营收史上首次下跌，负责销售的SVP安吉拉·阿伦茨（Angela Ahrendts）即将离职。

乔布斯的棺材板都要压不住了，哪还有闲心认真搞自动驾驶。

Uber更惨，2018年3月在亚利桑那路测时闹出了人命，在亚利桑那的路测资格被吊销。在别家纷纷推出自动驾驶打车、园区公交、货运业务的时候，Uber的自动驾驶几乎停滞了一年。

看到0.6公里这个成绩，现在你知道为什么出事的偏偏是Uber了吧。

另外，量子位也对非车企和车企进行了一下分别排名。

技术公司：

△ 点开看大图

因为少了通用家的Cruise，Nuro得以进入前三，这家公司也刚刚获得了来自软银愿景基金的9.4亿美元融资，估值已经达到了27亿美元。

硬件车厂：

△ 点开看大图

这里也包含了同样生产硬件的供应商们，对比下来，除了通用Cruise、日产之外，车厂的技术实力实在拼不过前面那张表里的科技公司。

可以看出，在硬件车厂中，通用收购的Cruise一骑绝尘，甩开了第二名日产将近25倍，后面的宝马、丰田、本田、奔驰、上汽都是毛毛雨了。

总共28家公司中，排名最后的10家每次人工接管后平均跑不到10公里的公司，车厂占了6家，量子位真的想劝他们，还是认真搞硬件吧，软件比不过Waymo的。

另外，整张表单里中国/华人创办公司的表现还都不错：

△ 点开看大图

从图和表上可以明显看出，各家公司的技术水平排名上，中国公司虽然没进前三，不过整体表现还都不错。

朱佳俊参与创办的Nuro和楼教主的Pony.ai分列第4、5名，平均跑超过1600公里需要一次人工接管，是此次技术排行榜上最靠前的中国/华人自动驾驶公司了；

百度整体排到了第7。

肖健雄创办的AutoX排名第9；

前不久刚闹了内讧，开除了联合创始人的Roadstar.ai排名第10；

吴恩达“旗下”的Drive.ai第12；

WeRide.ai（景驰）第13；

车厂上汽就比较捉急了，要不是有苹果和Uber垫底，上汽就倒数第一了。

榜单详解

这份报告，统计的时间周期是2017年12月1日到2018年11月30日。

主要维度有三个：车辆数、里程数、人工接管次数。

人工接管次数，顾名思义，指报告期间自动驾驶汽车出现脱离，涉及人工接管的次数。

车辆数是报告期间在加州公开道路上进行测试的自动驾驶汽车的数量。

里程数，是指报告期间自动驾驶汽车路测的里程。

2018年，提交报告的48家公司一共部署了496辆自动驾驶测试汽车，行驶路程3,258,074公里，相当于围绕着赤道跑了81圈还多。

不过，这些公司中，一共有37家报告了测试车辆，具体情况如下：

测试车辆最多的，是通用的Cruise，有162辆，Waymo有111辆，苹果有62辆，3家车辆总数为335，占整体的67.5%。

此外，10辆及以下的有30家公司，其中有9家只有一辆。

车辆多并不代表路程里程就长，这些公司中，里程最长的是Waymo，2,034,539公里，占整体里程的62.45%。

平均下来，每辆测试车要跑18,329公里，相当于来回北京-广州8趟，还能顺便从北京去趟郑州。

△路测里程最长的10家公司

其次是通用的Cruise，716,194公里，然后是苹果127,592公里。3家里程总数为2,878,325公里，占整体的88.35%。

历年情况对比

DMV最早公布自动驾驶汽车接管报告是在2016年，报告的是2015年的情况。

至今一共有了4份年度报告，从这些年度报告中，也能窥见自动驾驶行业的发展历程。

2015年，只有7家公司交了报告，71辆车；2016年，11家公司，103辆车；2017年，19家公司，235辆车。到了2018年，公司数量48，有496辆车。

具体变化如下图所示：

从上图可以看出，2018年是大爆发的一年。与2017年相比，无论是报告的公司数量还是车辆，都呈现出了爆炸式的增长。

测试里程方面也是如此，2017年只有815,963公里，2018年有3,258,074公里，增长近300%。

但随着测试公司增多，人工接管次数也变多了，2017年，平均人工接管一次能跑354公里，2018年只能跑22.7公里，最拖后腿的就是Uber，人工接管一次才跑了0.6公里。

这些年来，虽然公司数量、测试车辆等各项指标都在发生变化，但有一样东西没有变：Waymo的领头羊地位。

2015年，Waymo测试的总里程为682,895公里，人工接管次数次数仅为341次，平均人工每接管一次，就能跑2003公里。这个水平，放到2018年，仅次于通用Cruise和Zoox。

需要说明的是，虽然加州仍是自动驾驶圣地，这份年度接管接管报告也仍是重要参考，但不能作为全部参考。

因为随着无人车发展驶入快车道，自动驾驶也在变成地区与地区、国家和国家的竞技，逃离加州的新现象正在源源不断上演。

比如在美国，毗邻加州的亚利桑那州就提供了更开放的政策和环境，Waymo和图森等都将AZ当做了更主要的研发测试基地，而这不会体现在加州报告中。

另外还有跨洋办公的中国玩家们，百度、Pony.ai（小马智行）、WeRide（文远知行）都在中国有规模更大的车队，加州不再是重心所在。

所以加州报告，可以当做技术实力的重要维度，但不能是全部。

最新排位

另一可参考的重要维度是资本认可。

里外尽调后真金白银加持的VC投资，也能侧面反映自动驾驶公司的发展水平。

所以我们也根据公开资料，整理了一份加州路测的“创业型”无人车玩家的估值融资进展，也大体是全球无人车发展的最新排位。

现在，无人车竞速又来到了一个新的分水岭：

Waymo

估值：1750亿美元（大摩评估）

进展：路测里程达1000万英里；无人出租服务Waymo One已在亚利桑那州开启商业化运营——还非无限制乘客状态，也仍有安全员在驾驶位。

GM Cruise

估值：115亿美元

进展：2018年6月1日，软银愿景基金注资22.5亿美元，占股19.6%。通用汽车宣布将在2019年实现自动驾驶规模化商用。

Zoox

估值：32亿美元

进展：2018年7月获5亿美元B轮融资，由办公协作公司Atlassian的联合创始人Michael Cannon-Brookes以及春华资本领投，老股东有IDG和腾讯。

Zoox已累计融资8亿美元。

B轮融资后，Zoox还更换了创始CEO，并聘请职业经理人——前英特尔执行董事、首席战略官Aicha Evans（艾莎·埃文斯）出任CEO，她也是硅谷最有权势的黑人女性高管之一。

此外，Zoox还拿下了加州第一张无人车载客许可证。

Nuro

估值：27亿美元

进展：2019年2月宣布完成软银愿景基金投资的9.4亿美元新融资。加上之前高榕资本、Greylock Partners、网易创始人丁磊在内的投资，历史融资额已超过10亿美元。

商业化方面，2018年12月18日开始，Nuro与全美最大的生鲜连锁超市Kroger合作，率先在亚利桑那州上路配送。

Aurora

估值：25亿美元

进展：前Google无人车负责人Chris Urmson创办。2019年2月完成5.3亿美元新融资，亚马逊、红杉资本等入股。Aurora还与传统车企大众、现代以及中国的拜腾等车厂达成合作。

Pony.ai（小马智行）

估值：10亿美元

进展：2018年7月宣布完成了 1.02 亿美元A1轮融资，估值超过10亿美元，累计融资额达2.3亿美元。

运营方面，Pony.ai目前已在广州南沙部署规模化车队，并推出了打车程序提供试乘。

图森未来

估值：10亿美元

进展：2019年2月宣布完成9500万美元新融资，新晋独角兽，是首家迈步独角兽的中国自动驾驶货运公司。

图森累计融资额已达到1亿7800万美元。

在美国，图森未来无人驾驶卡车日均完成3-5次货物运输，服务十三位终端货主客户。将在今年六月将其无人驾驶卡车车队规模扩充到50台。

WeRide（文远知行）

估值：6亿美元

进展：最近一轮融资由雷诺日产三菱联盟Alliance RNM的战略领投，汉富资本、安托资本、德昌电机、何小鹏、翼迪投资 Idinvest Partners、洋智资本 OceanIQ Capital跟投，其后新增商汤科技和农银国际，规模上亿美元。

技术方面，实现了暴雨路测、无GPS信号下穿越1.5公里隧道等纪录。

Roadstar.ai

估值：4亿美元（新一轮投前估值8亿美元）

进展：累计完成1.1亿美元融资。获得丰田集团总计200万美元的开发项目，会协助丰田集团在东京奥运会部署无人大巴，以及在上海铺设雷克萨斯的无人专车。

AutoX

估值：1亿美元规模融资进行中。

进展：刚落户香港建立研发基地（创始人毕业于港科大），推出任意点对点L4无人驾驶系统xTaxi。

2018年8月，AutoX在美国加州推出无人驾驶生鲜递送服务，合作伙伴近10家。

已完成今日资本、联发科，上汽等加持的A轮融资。

Drive.ai

估值：未披露

进展：2018年5月在得克萨斯州开启无人驾驶出租试运营。最近一轮融资发生在2017年，A轮，规模为5000万美元。

PlusAI

估值：未披露

进展：2018年11月，完成新一轮红杉中国领投的A+轮融资，具体金额未公布。此前获满帮集团、金沙江创投、光速中国，华创资本等机构投资。

2018年3月，宣布与一汽解放达成战略合作。

AIMotiv

估值：未披露

进展：总部位于匈牙利布达佩斯，主打摄像头方案。2018年1月获获得3800万美元C轮融资，累计融资4750万美元。知名股东有：博世、思科、三星，英伟达。

One more thing

最后，提到自动驾驶，可能也有人关心钢铁侠马斯克治下的特斯拉。

这家自动驾驶“异类”，年度报告依然交白卷，不过依然坚持写一封洋洋洒洒写了一封略显“浮夸”的信件。

特斯拉在信中表示，2018年他们没有自动驾驶路测数据。但是特斯拉已经把电动车卖到了全球各地，通过匿名的方式收集车主数据，这是一种“影子测试”方法。特斯拉的自动驾驶Autopilot行驶里程超过10亿英里（16.1亿公里）。

但比起2017年，特斯拉今年稍微多了一些数据：

In Q3 2018, Tesla vehicles experienced 1 crash for every 1.92 million miles driven. In the same timeframe, Tesla vehicles experienced 1 crash for every 3.34 million miles driven with Autopilot engaged.

第三季度，所有特斯拉每192万英里撞一次，开了Autopilot的则334万英里撞一次。

也不知特斯拉车主们，看到这个表述，是否会有一种小白鼠荣耀感。

感谢你们，不仅加速世界的可持续转变进程，也在帮助特斯拉不断提升“自动驾驶”水平。

但还是要郑重提醒一句：

道路千万条，安全第一条。
行车不规范，亲人两行泪。

来自： 量子位

未来 20 年中，人们的出行方式可能会发生翻天覆地的改变。乘客们会逐渐转变观念，将出行看成一种服务。在从 A 地到 B 地的旅旅途中，他们也有更多选择，如类似 Uber 的打车服务、共享汽车，甚至没有司机的自动驾驶出租车。

对汽车制造商来说，这种改变可能会替代这一行业一直强调的“多卖车多赚钱”的理念，取而代之的则是靠提供服务来赚取利润。同时，靠新的出行模式变现的概念可能也会不断延伸，乘客在车辆上的时间也会成为厂商们的兵家必争之地。

在这场交通革命中，自动驾驶汽车将扮演重要角色。不过，整个行业却一直从技术的角度审视这一现象，这一思路虽然很重要，但却属于管中窥豹，很难完整解决未来的挑战。

汽车行业总是将注意力集中在自动驾驶层面，不过汽车厂商也需要填补其他短板，以便更加全面的理解自动驾驶问题，这时就需要提到一个流行词——生态系统。

解读自动驾驶生态系统

想要打造一个成功的自动驾驶生态系统，一定不能忘掉这四点。

一是聚焦使用到的技术。比如现在自动驾驶汽车能做什么？功能进一步提升还要多久？

二是规则，现有交规和相关新政策能为部署创造什么新机遇？

三是专注于顾客，他们到底是谁？使用自动驾驶汽车的意愿如何？举例来说，从整体拥有成本（TCO）的角度来看，如果自动驾驶出租车全面普及，用户还会选择购置私人车辆吗？

四是商业案例，开发自动驾驶出租车有利可图吗？这种商业模式能长期维持吗？换句话来说，自动驾驶出租车出现后，能给现有出行市场带来一次大洗牌吗？

值得注意的是，使用商业案例还能帮助监管者了解政策是否需要因地制宜的进行调整。举例来说，在某个特定区域（自动驾驶汽车只能在该区域活动），私有自动驾驶汽车与 Level 4 （SAE）的自动驾驶出租车需要适用不同法规。同样的，在城市里行驶的 Level 4 自动驾驶出租车遵守的交规也与 Level 4 自动驾驶卡车不同，虽然它们都符合 Level 4 标准。

基于这些案例的框架能让汽车制造商们了解必要的基础技术、法律法规的焦点、顾客对未来价值库的影响和市场切入战略等，这些都是自动驾驶系统必不可少的元素。

这一框架同时也决定了以下内容：

1. 自动驾驶汽车在哪里运营？搞清楚车队到底在哪运营有利于帮助厂商识别自家技术的短板，而这些短板可以帮助厂商设定车辆的使用路线和潜在的商业机会。同样的，基础设施建设完整与否，如用于 OTA 升级的高速通讯网络是否搭建完成，也决定了车队运营时的可靠性。

2. 出行服务谁来提供？对未来拥有车的方式的讨论也是一项关键工作，它能帮助厂商确定如何改变价值库并确定顾客是否有意愿为此付费。当然，这还不是最重要的，最重要的是让厂商弄清楚自己未来的顾客到底是谁。

3. 自动驾驶汽车载人还是运货？明确了这个问题后，厂商就能决定到底什么是最好的市场切入战略。从利益最大化的角度来看，车辆应能基于顾客需求的不同进行快速调整，比如白天载人，夜晚运货。不过，这也加大了车辆设计的难度。

对多个案例进行分析后，麦肯锡挑选出了自动驾驶汽车的三大发展方向：

自动驾驶出租车；

长途货运卡车；

最后一公里的递送服务。

在这三大发展方向中，麦肯锡认为达到 Level 4/5 级别自动驾驶标准的出租车最有前途。

自动驾驶出租车：出行即服务模式探索急先锋

切换到出行即服务模式后，厂商就能打开新的营收池，其价值可达数十亿美元。同时，新的模式还能同时瓦解原有的汽车和出行商业模式。

举例来说，一家汽车公司每卖一辆车只能赚 2500 美元，而每辆车寿命可达 15 万英里（约合 24 万公里），这样算下来，每英里利润只有 1 美分。

反观出行即服务的模式（按出行距离收费），利润就大多了。这一转变意味着整个行业对利润和获取利润的看法发生了巨大转变。自动驾驶出租车可能会重铸利润池，并将“控制点”重新收回厂商手中。

在自动驾驶出租车上，“控制点”可能会包括自动驾驶关键技术，如传感器或操作系统，当然也有可能是特定顾客的接触面。这些改变可能会为其他产业带来一系列连锁反应——保险、航空、铁路和基础设施建设都需要进行相应调整。

如果自动驾驶出租车能取得成功，就有可能从根本上改变整个社会的拥车方式和公共交通的发展方向。同时，借助低廉的出行成本，较高的便捷性（如提供门到门服务）和对用户时间的解放，自动驾驶出租车将改变人们看待城市出行的方式。

事实上，光是低廉的出行成本一条就能让它成为共享出行“统一世界”的助推器。

算一笔经济账后，大城市的居民自然而然会接受这种出行方式。换句话说，低价带来的冲击力是现有分享经济模式无法企及的，因为现在的共享出行成本与自己购车驾驶还差距不大。

自动驾驶汽车还会影响我们的社会——老年人、残疾人和其他原本与出行无缘的人士将有更多出行选择。同时，车辆安全性会大幅提高，而城市停车场用地会大幅减少。

自动驾驶出租车可行性分析（三大阶段）

眼下，自动驾驶技术依然处在开发阶段，在关键时刻还得靠安全驾驶员力挽狂澜。鉴于现在整个行业还有许多技术门槛要跨越，我们相信在进入全自动驾驶前，自动驾驶出租车还有三个阶段要走完。

这些阶段在测试里程、道路类型等问题上都截然不同。

在第一阶段（我们称之为 Robo-taxi 1.0）开始后，一系列的技术进步将大幅提升车辆能力并扩大它的适用范围。

也就是说，如果摄像头有所提升，自动驾驶出租车就再也不怕黑夜。此外，处理能力的进步也能带来分辨率更高的图像和增强版的训练数据。

同样的，增强车辆的数据采集水平可以提升 AI、基于规则的算法和更稳健的传感器。至于极端天气情况，则需要车辆的传感器硬件和其采集处理额外数据能力的全面提升。

需要注意的是，每个阶段都有自己的独特之处：

Robo-taxi 1.0 时代：2020-2022 年。

这个阶段各家厂商车辆的行驶里程将高达约 2000 亿英里，不过其运营范围还是有所限制，其关键词包括天气不能过于恶劣、白天、低速行驶、道路标线清晰、交通较为顺畅。

举例来说，这个阶段的自动驾驶出租车可能会经常出现在社区里，载上乘客之后到达较近的目的地，全程都不上高速。

类似这样的早期测试其实无法孕育出稳健的商业案例，毕竟厂商们的最主要目的还是积累经验以指导进一步开发。

这些测试主要在郊区开展，原因有二：

• 首先，这里车流较低，自动驾驶汽车在做决策时压力小多了，而且它们也不用忙于解决各种“极端情况”。
• 其次，郊区较为顺畅的道路让测试车在出问题时能安全靠边停下，不至于影响当地交通。

Robo-taxi 2.0 时代：2025-2027 年。

这个阶段好戏算正式开场，自动驾驶出租车的行驶里程将突破 3.5 万亿英里。同时，它们还能在车流密集的市区自由活动，速度也提了起来。不过，人们恐怕更愿意乘着它进行跨城旅行，这也是累积行驶里程大幅提升的重要原因。

Robo-taxi 3.0 时代：2030 年。

届时车辆累计行驶里程将达 4.9 万亿英里，第三阶段代表着自动驾驶技术真正破壳而出。自动驾驶出租车能直接接上你横跨美洲大陆，即使是没有地图的无名道路也能应付自如。此外，无论刮风下雨、冰雹暴雪，甚至烂泥路都不在话下。

自动驾驶汽车到底适不适合上高速一直是讨论的焦点之一。

一些人认为它比郊区路况更简单，毕竟其方向变量相对较小，极端情况出现的可能性也比较低。不过，有一部分人确认为较高的速度和短暂的堵车可能会造成更为可怕的事故。

无论这项功能何时上线，解决高速挑战都会成为影响自动驾驶出租车普及的最重要因素。而且别忘了，为技术提升提供源源不断“数据弹药”也要靠高速公路。

当然，即使没有乘客，自动驾驶出租车也能完成行驶里程的积累。举例来说，在你上班时，你就可以直接派车去学校接孩子回家，或者带你到剧院，在演出结束时到剧院门口等待。

自动驾驶出租车革命蓝图和跨行业整合

一个成功的自动驾驶出租车生态系统必须有多个行业参与，它们必须共同行动，选出最佳的商业模式、生态合作伙伴、公共/私人合伙公司。

同时，各家公司必须与当地政府紧密合作，以建立基本准则与合作关系，保证必须的基础设施按时落地。想做到这一点并不容易，高速数据接入、智能交通信号灯都必不可少。

此外，电动车辆的充电站，专用车道和 V2I 整合都得做好。同时，参与者还得弄清楚自动驾驶出租车对拥堵和停车等老问题的影响。

需要注意的是，各家公司都得决定自己在自动驾驶出租车价值链中扮演什么角色。对于一些汽车制造商来说，这个转变可能会相当困难，毕竟它们要从售车转型为出售服务。此外，随着车队保有量不断增大，制造商们还得面对客户群大切换，这都是前人不曾经历过的巨变。

整合度的增强也引起了大家对安全性和可靠性的担心。举例来说，监管实体需要有能力快速对新问题进行应对，如恶意攻击引起的网络安全问题。同时，它们还不能阻碍技术的进步。

不过，这也为各家公司开启了新的大门，那些愿意在技术、人才和基础设施上花钱的公司有希望在自动驾驶时代快速崛起。

共同进化

掌控这个复杂的进化过程并不容易，许多公司需要升级它们的核心竞争力与商业模式，这在快速变化的环境中算得上一项艰巨的任务了，毕竟传统的利润池和控制点极有可能稍纵即逝。

至于各家公司新的摇钱树，则是自动驾驶汽车用到的软件、系统和整车级别的整合能力。这一整合能力包括到底由谁来整合车辆所有的自动驾驶系统（软硬件）和剩下的零碎电子系统。

眼下，来自科技行业的车界新人和出行界新创公司都在努力争夺自动驾驶出租车的控制点。不过，传统汽车制造商在这场游戏中也不弱，它们在软硬件上依然颇具竞争力。

如果最终汽车产业选择了单一的全行业自动驾驶解决方案，就能分担风险和新技术研发成本，加速开发和部署步伐并快速将解决方案在业内铺开。

自动驾驶出租车的崛起也为所有的出行利益相关方带来了各种挑战性的问题。

消费者肯定想知道买车到底还有没有意义，毕竟除了成本核算问题，车辆还能给人换来独特的地位声望与认同感。至于汽车制造商，则面临最为重大的挑战，未来的出行即服务到底什么样子？这个转变过程会维持多久？在分叉过渡市场上到底该怎么生存？

监管者也有自己的烦恼，它必须迅速圈定新的政策范围，同时兼顾保险、金融和责任等各项问题。它必须保证决定的一致性，成为自动驾驶相关基础设施整合的推动者。

自动驾驶出租车能攻占全世界吗？这个问题不好回答，但很显然它们会在汽车行业留下浓墨重彩的一笔，现有的商业模式和拥车形式都会受到冲击。

自动驾驶出租车可能还会催生一个巨大的出行即服务市场，只要新公司能拿出足够先进的技术内容，它们就能在这个市场上分一本羹。

如果预想的技术指标都达到了，自动驾驶出租车绝对有能力改变整个出行产业，但前提是新老玩家共同在这个不熟悉的环境中找到获取利润和持续增长的法门。

本文来自：雷锋网

根据布鲁金斯研究所最近的一项研究，在过去三年里，自动驾驶技术生态系统的投资至少为800亿美元。大众汽车（Volkswagen）表示，到2022年前其在电动汽车上的投资总额将在860亿美元左右。

在全球汽车市场上，有若干因素使自动驾驶和电动汽车技术的需求和投资更复杂：

波动的需求。全球对轻型汽车的需求开始停滞，预计未来十年美国对这种车型需求的增长率将被限制在1.5%至2.5%之间。

按需运输服务。23%的美国消费者每周至少使用一次叫车或拼车服务。还有22%的人偶尔会使用这些服务。

负担能力。在美国等主要市场，价格问题日益严重，新车的平均交易价格继续徘徊在创纪录的区间，2017年10月达到35,428美元，同比增长1.5%。根据Edmunds的数据，今年上半年租赁市场已经接近历史最高水平，占新车交易量的近1/3（31.1%）。美国市场的平均周期在2013年6月达到了69.3个月的历史高点。

监管驱动电气化。在欧洲，汽车制造商宝马、戴姆勒、大众，福特成立了一家名为IONITY的合资企业，目标是在2020年前在欧洲大陆建立一个由400个大功率电动车充电站组成的网络，每个充电站的成本约为23.3万美元。

怎样才能让消费者接受呢？

安全、品牌信任和成本都是决定消费者接受这两种技术的主要因素，尤其是自动驾驶汽车。63%的美国消费者更有可能乘坐信任的品牌提供的自动驾驶汽车。认为自动驾驶汽车不安全的中国消费者比例从去年的62%下降到今年的26%。

另一种让消费者对诸如自动驾驶等新技术感到更舒适的方法是，证明该技术可以在现实世界中安全可靠地使用。71%的美国消费者表示如果有安全记录，他们乘坐自动驾驶汽车的可能性更大（高于去年的68%）。韩国（83% vs. 70%）和德国（63% vs. 47%）的消费者也这么认为。

此外，随着电池产量的增加，电动汽车的价格也会下降。自2013年以来，电池价格已经下降了近50%，从每千瓦599美元降至每千瓦273美元。价格可能会进一步下跌，到2026年降至每千瓦每小时100美元。

未来，三项措施应成为业界利益相关者的首要考虑：

新的商业模式对于获得回报是必要的。

密切关注监管机构和政策制定者。

追逐未来时不要忽视现在。

PDF版本将分享到199IT交流群，支持我们发展可加入！

自动驾驶

消费者对全自动驾驶汽车的态度越来越积极，尤其是安全性。去年的调查中，72%的受访者认为全自动驾驶汽车不安全，今年只有45%的受访者这么认为。年轻一代对自动驾驶汽车更乐观，超过50%的X（52%）、Y/Z（63%）世代愿意使用自动驾驶汽车，如果不考虑价格。但是，这并不意味着所有自动驾驶汽车品牌都能受益，如果自动驾驶汽车是由值得信赖的品牌提供的，超过半数消费者会更舒服。此外，52%的消费者更信任那些非传统汽车制造商提供的自动驾驶技术。

电动汽车

在购买新车方面，66%的消费者更喜欢燃油动力汽车，23%的受访者选择混合动力，只有7%的消费者倾向于纯电动汽车。最重要的是，人们更喜欢汽油了（+41%）。从纯电动汽车的角度来看，里程范围是最大的担忧（35%），超过了价格（22%）和基础设施（20%）。但是，电动汽车能降低成本，这对消费者来说仍然很有吸引力（31%）。

研究购买汽车

大部分消费者会在买车前0-3个月开始研究（69%），而且男性比女性研究新车的时间更长。超过1/4的消费者花不到4个小时研究，然后就做决定。经销商的销售人员对消费者的影响比其他因素更大，但是，家人和朋友对购买决定的影响更大。

购车体验

69%的消费者多次访问经销商网站，57%的消费者认为消费体验有些或非常重要。16%的消费者在购物当天就买车。虽然销售人员和印刷册子最有用，但对年轻消费者来说，网上信息更重要。在买车过程中，过多的文书最让消费者头疼。

经销商和制造商的沟通能力

59%的消费者表示，买车之后制造商从来没联系过他们。经销商联系消费者主要是服务提醒，而制造商则更可能宣传新产品。好消息是，超过7成消费者表示制造商（70%）和经销商（77%）的沟通良好。

测试前沿工具

超过4/10的消费者对让服务体验更容易的技术感兴趣。至少60%的消费者对有利于保养和更新的技术感兴趣。

PDF版本将分享到199IT交流群，支持我们发展可加入！

总体而言，波士顿的平均出行时间将会减少4%，且最终只需要目前该市一半的停车位。在城市核心区以外，自动共享汽车服务将取代私家车成为主要的交通方式，总出行时间将减少12%。但在市中心地区，自动驾驶汽车很可能会替代短途公共交通，使出行时间增加5.5%。

该研究作者John Moavenzadeh通过电话表示，“我认为城市不会因为自动驾驶汽车而成为某种天堂，也越来越深刻地意识到，街道空间并不是无限的。未来，各城市将对这一资产进行更战略性的思考，并意识到它们需要与投资自动驾驶技术的公司进行更多商谈。”

他的研究发现呼应了其他人的警告。加州大学戴维斯分校(University of California, Davis)在2017年的一项研究中得出结论，叫车服务可能会增加主要城市的交通量。丰田汽车公司(Toyota Motor Corp.)在2014年表示，担心自动驾驶汽车会导致城市扩张和污染。随着自动驾驶技术开始进入城市，基于应用的叫车服务将会越来越受欢迎，波士顿的此项研究鼓励城市政府采取包括财政激励等各项措施，解决即将到来的市中心交通问题。

Moavenzadeh说，虽然消费者可能有兴趣从公共交通转向自动驾驶汽车和按需出行，但更强大的公共交通系统对于解决市中心的交通问题至关重要。

“这并不单单是为了方便，而是为了竞争力和就业市场，”Moavenzadeh说。“如果年轻工人看到一个拥堵的城市和一个交通顺畅的城市，无疑他们会选择后者，公共交通和自动驾驶技术都将是赢得这场竞赛的一部分。”

来自：网易科技

在自动驾驶和半自动驾驶汽车导致两个致死交通事故后，美国人对自动驾驶汽车的信任度有所下降。半数美国成年人认为自动驾驶没有人类司机安全（50%）。相比之下，只有27%的受访者认为自动驾驶汽车比人类司机更安全。还有8%的受访者认为两者在安全性方面旗鼓相当。

Morning Consult在1月11-16日曾调查过这个问题，33%的受访者认为自动驾驶汽车更安全，36%的美国人认为自动驾驶不安全。认为自动驾驶汽车不安全的受访者有明显增长。

最近的调查是在3月18日优步在亚利桑那州测试一辆自动驾驶越野车并撞死了一名女子之后进行的。这是无人驾驶汽车首次撞死行人。因此，优步搁置了对自动驾驶汽车在公共道路的测试，而亚利桑那州则暂停了优步在该州的测试特权。

导致人们对自动驾驶汽车失去信心的另一个时间是特斯拉X型SUV在加利福尼亚州高速公路坠毁，导致司机死亡。

这两个事件突显了消费者对从驾驶中取消人为控制方面的担忧。

另一方面，消费者缺乏对自动驾驶技术的了解也增加了公众对这项技术的不必要的担忧。特斯拉的自动驾驶系统已经在一些车辆上运行，而优步测试的则是无人驾驶技术。消费者很容易将两者混淆，带来不必要的担忧。

PDF版本将分享到199IT交流群，199IT感谢您的支持！

        近年来，对自动驾驶的兴趣快速增长。采用自动驾驶汽车将颠覆许多行业，已经开始感受到颠覆的行业是货运，这是每个供应链的中坚力量。公共交通也不甘落后，因为自动化共享交通和快速交通网络正在改变最后一公里的旅程。通过减少马路上的汽车数量，自动驾驶公共交通和长途汽车让空气更清洁、噪音更小，而且步行和骑行也更安全。

        根据Tractica的最新数据，2017年全球自动驾驶卡车和公交车销售额达到8400万美元，未来几年这个市场将继续保持强劲增长，行业内竞争更加激烈，同时也为各种行业提供巨大机会。到2022年底，自动驾驶行业全球收入将达到350亿美元。销售量将从2017年的约343辆增加到188,000辆。

        研究分析师Manoj Sahi表示：“自动驾驶卡车和公共汽车的潜力巨大，市场增长正在加速，成功试点项目的消息越来越多，多家知名公司正在考虑大规模投资开发。”

        199IT.com原创编译自：Tractica 非授权请勿转载

风险投资热衷于自动驾驶技术已经不是什么秘密。去年，自动驾驶行业共完成69宗投资交易，获得40亿美元投资。和2016年34宗投资6.26亿美元相比显著增长。

自2012年以来，该行业共完成131宗交易，因此，2017年的交易占该行业投资交易量的一半以上。302家风险投资者至少参与了一宗投资。

根据PitchBook的数据，该行业有15家最积极的风险投资者，NEA和Andreessen Horowitz等实力雄厚的风投十分关注地图初创企业，例如DeepMap.

下图是自2012年以来积极投资自动驾驶行业的15家风险投资机构:

199IT.com原创编译自：PitchBook 非授权请勿转载

路透社和市场研究公司益普索联合发起的民意调查显示，三分之二美国人对于乘坐自动驾驶汽车的想法感到不自在，这是自动驾驶汽车开发商面临的众多挑战之一，后者投入了数十亿美元开发自动驾驶汽车。

尽管27%的受访者表示他们对于乘坐自动驾驶汽车感到自在，但是调查数据显示，在许多情况下，多数人更信任人类，而不是机器人和人工智能。

调查显示，不同性别、年龄的受访者对于自动驾驶汽车的看法也各不相同。男性一般要比女性更容易接受使用自动驾驶汽车，千禧一代要比婴儿潮一代(1946至1964年出生的人)更容易接受自动驾驶汽车。

在男性中，38%的受访者表示他们对于乘坐自动驾驶汽车感到自在，55%表示不自在。在女性中，只有16%的受访者表示他们对于乘坐自动驾驶汽车感到自在，77%表示不自在。

在对无人车表示质疑的受访者中，有一位名叫菲比· 巴伦(Phoebe Barron)的加州居民。“我不想成为第一个吃螃蟹的人，”她在接受采访时称。

科罗拉多州居民索尼娅·科伊(Sonja Coy)称，她的看法更积极。“自动驾驶汽车是一项伟大创新，是一项拥有巨大潜力的技术，”她说，“不过，我担心它在事故中的责任认定问题，毕竟道路上既有自动驾驶汽车，也有普通车。”

和多数人一样，科伊尚未乘坐过自动驾驶汽车。目前为止，在美国和其他国家测试自动驾驶汽车的公司只面向有限公众开放测试。

汽车和科技行业高管正在督促美国国会议员通过旨在放宽自动驾驶汽车测试和部署的立法。不过，这项立法目前已在参议院搁置。

与此同时，通用汽车、谷歌母公司Alphabet旗下Waymo等公司正计划在未来三年内部署首批自动驾驶汽车。行业人士和分析师认为，对于拥护自动驾驶汽车技术的人来说，当务之急是提供具有说服力的安全理由。

路透社和益普索的调查在1月中旬实施，收集了2592名成年人的回复。近期的其他调查也显示，在没有直接体验的情况下，美国消费者普遍对自动驾驶汽车感到担心。

来自：凤凰网科技

社交媒体上，电子汽车主宰环保方面的会话，占71%，其次是混合动力和替代燃料。

而且有关环保汽车的会话以男性为主，男性（72%）是女性的三倍还多。

讨论电动汽车的消费者对清洁能源和可再生能源，而气候变化关注者则更愿意讨论混合动力汽车。

报告还调查了消费者是否准备好接受自动驾驶汽车。自2014年之后，有关自动驾驶的讨论开始激增。但是，随着关于自动驾驶越来越受关注，消费者对这种新兴技术的愤怒和恐惧也在稳步增长。

汽车行业另一个引人关注的趋势是共享汽车。随着城市化的发展，Uber和Lyft在大城市的市场份额已经从2012年的5%增长至60%以上。

共享汽车的讨论已经超过了购买汽车，尤其是在大城市。

随着共享汽车变得越来越普及，社交媒体上的热议也开始趋于冷静。

PDF版本将分享到199IT交流群，199IT感谢您的支持！

布鲁金斯学会最近总结了近几年自动驾驶汽车领域的投资交易。

2015年到2017年的160多宗投资交易包括投资、合并和并购等，交易总额达800亿美元。而且，布鲁金斯学会认为全球自动驾驶汽车领域投资远超过这一数字。

这些交易主要发生在三个大洲，集中在美国、中国、德国、以色列和英国。

从下图可以看出，自动驾驶汽车领域投资在2016年加速。

根据CNN的报道也显示，2016年是自动驾驶投资的拐点。但是，现在言之凿凿还为时过早。这种快速增长可以看做自动驾驶投资的起步，未来投资将更加平稳。

无论是哪一种情况，随着科技企业和汽车制造商继续部署，竞争将推动投资增长。

累计初创企业投资

累计交易额

累计投资交易量

结论

这些数据只是自动驾驶投资领域的快照，随着投资步伐加快，技术发展加速，投资活动将持续上升。预计2018年该领域的投资额将远超过目前的数字。

199IT.com原创编译自：布鲁金斯学会 非授权请勿转载

NHTSA的使命是拯救生命，防止伤害，通过教育、研究、安全标准降低道路事故的经济成本，以及进行执法活动。随着自动车辆技术的进步，有可能大幅减少每天道路交通事故中的生命损失。为了支持行业的创新者和国家在这项技术的部署，同时告知和教育公众，并通过安全技术的引入提高路面安全，NHTSA发布了“自动驾驶系统：安全展望”。支持自动化技术的安全引进是DOT多方努力的一个重要组成部分。

自动驾驶系统的自愿性指导

在这份文件中，NHTSA提了一种非监管的自动车辆技术安全方法。第1节：自动驾驶系统的自愿指导（自愿指导），以支持汽车行业和其他主要利益相关者为他们考虑和设计测试及安全部署自动驾驶系统（ADSs——SAE自动驾驶等级3~5——视条件而定的自动化，高自动化，全自动化系统）的最佳实践。它包含12个优先考虑的安全设计元素，包括车辆网络安全、人机界面、耐撞性、消费者的教育和培训，以及碰撞后ADS行为。

考虑到技术的发展状况，这种自愿指导提供了一个灵活的框架，供行业在选择如何处理给定的安全设计元素时使用。此外，为了获取公众的信任和信心，自愿指导鼓励从事测试和部署的实体公开披露其系统的自愿安全自我评估，以展示其实现安全的各种方法。

技术援助与最佳实践

在公共道路上的运行的车辆同时受联邦和州的管辖，各州都开始起草法案，以安全地部署新兴的ADSs。为了支持各州的工作，NHTSA提供了本文第2节：向各州提供的技术援助，立法机构对于自动驾驶系统的最佳实践（最佳实践）。该部分阐明和揭示了在监管ADSs时联邦和州的角色。NHTSA负责管理汽车和机动车辆设备的安全设计和性能；各州继续负责管理驾驶人和车辆操作。

第2节还提供了立法机构的最佳实践，其中包括对于ADSs（各州应考虑立法）常见的与安全相关的构件和重要元素。此外，本节提供了国家公路安全官员的最佳实践，它为各州发展使ADSs在公共道路安全运行的条件及程序提供了一个框架。它包括了在应用程序和权限测试、登记和所有权、与公共安全官员合作，以及责任和保险等方面的考虑。

自愿指导和最佳实践两部分内容共同为行业、政府官员、安全倡导者和公众服务。为了通过ADSs使我们的国家和世界拥抱汽车运输技术的进步，必须优先考虑安全。

结论

美国公众对于ADSs的信任和信心的演化具有促进或抑制在公共道路上测试和部署ADSs的潜力。NHTSA致力于支持提高这些新兴和渐进技术进步的安全性，它们有可能显著改善道路安全。本文的自愿性指导，突出了12个优先的安全要素，及其相关的自愿性安全自我评估，向公众提供了保证——安全仍然是NHTSA的首要任务。各州的最佳实践部分强化了NHTSA协助各州面临关于ADSs现在和未来几年关键挑战的意愿。

本文档将定期更新，以反映技术进步、在公共道路上任何ADSs存在的增加、可能发生在联邦和州两级的任何监管行动或法定变更。在此期间，此处提供的信息服务将帮助行业，因为它将测试和部署ADSs向前推进，帮助各州对于ADSs起草法案、制定计划和政策。随着技术的发展，NHTSA鼓励联邦、州、地方政府以及私营部门的之间的合作和沟通，该机构将继续协调所有利益相关者之间的对话。合作是必不可少的，因为我们的国家接受了许多影响我们公共道路的技术发展。团结起来，我们可以利用经验教训进行必要的修正，以防止或减轻意外后果或安全风险，并安全而有效地改变美国的交通运行效率。

PDF版本将同步到199IT交流群，199IT感谢您的支持！

领先的市场调查机构J.D． Power今日发布“中国消费者自动驾驶倾向调查”，调查发现中国消费者对自动驾驶技术的信任程度很高，但也对自动驾驶的技术安全性、相应法律法规的缺失存在顾虑。

研究显示，分别有10%和68%的中国消费者表示“完全会信任”以及“可能会信任”全自动驾驶技术，且这种较高的信任感在各年龄段消费者之间均匀分布。只有4%的消费者“完全不信任”全自动驾驶技术。

　　此外，消费者对自动驾驶的信任程度与驾车频率成正比。每周开车的受访者中有84%表示“完全会相信”以及“可能会相信”全自动驾驶技术，而这一比例在不开车的受访者中下降至65%。

J.D． Power亚太区副总裁兼董事总经理雅各布-乔治（Jacob George）表示：“与美国消费者相比，中国消费者对自动驾驶技术表现出了极大的期待和信任。J.D． Power在美国的类似研究显示，35%的美国民众‘完全不相信’全自动驾驶技术，且有超过1/4的美国民众认为自动驾驶技术没有任何好处。”

虽然中国消费者对自动驾驶技术的信任度高，但也不乏顾虑，其中最大的顾虑在于对技术故障的担忧。53%的中国消费者担心“可能的技术故障/系统错误”，随后是“事故发生时的法律责任”（18%）和“车辆可能被黑客攻击”（11%）。

乔治认为，“和美国以及其他成熟市场一样，自动驾驶技术在中国的成功也需要克服一系列障碍，如基础设施的改善、法律法规的颁布以及对数据隐私的保护等。应对这一系列挑战还有很长的路要走，但我们对前景非常乐观，正如一位受访者所说，‘我很期待自动驾驶普及的那一天，可以享受科技带来的全新驾驶体验’。”

共有1576位消费者参与此次调查，受访者平均年龄为34岁，大学本科及以上学历者占84%。

来自：新浪美股

        尽管国会和政府都在为加快自动驾驶汽车生产而努力，但是，美国人仍然对自动驾驶更安全这一点持怀疑态度。

        根据Morning Consult的最新调查，22%的受访者认为自动驾驶汽车比人类司机更安全，35%的受访者认为自动驾驶不如人类司机安全，还有18%的受访者认为自动驾驶和人类司机一样安全。约26%的消费者不知道或没有意见。

        Morning Consult曾在2016年2月进行过相似的调查，43%的受访者怀疑无人驾驶汽车的安全性，32%的受访者认为自动驾驶汽车更安全。还有25%的消费者不了解或没有意见。

        这些调查数据显示，教育消费者的重要性。只有让消费者正确了解自动驾驶技术，才能正确引导这项技术的未来。

        Morning Consult的调查还发现，虽然自动驾驶汽车在未来几年内就会投入市场，但是消费者可能不会乘坐或购买。事实上，38%的受访者可能会乘坐自动驾驶汽车；但是，51%的消费者不会乘坐。

        33%的受访者表示，可能会运营自动驾驶汽车，28%的消费者可能会购买自动驾驶汽车。61%的消费者不会购买自动驾驶汽车。

        虽然公众对自动驾驶汽车感到不安，但是，汽车制造商仍在向前推进。而且，各机构也采取措施鼓励自动驾驶汽车的生产和发展。

        199IT.com原创编译自：Morning Consult 非授权请勿转载

今年夏天，一场坐标西班牙的盛大发布活动，将奥迪全新量产车型奥迪A8带入了业界视野，这辆号称全球首个实现Level 3级自动驾驶的量产车，能够在交通拥堵环境下由自动驾驶系统完全接管汽车，为驾驶员提供转移注意力的足够空间。

诚然，这种技术路径为诸多布局完全自动驾驶的主流车企提供了一个新的思路，但大众集团还是遭遇了瓶颈。据悉，大众原本计划于今年初开始在美国量产的车型，至今仍进展不明，原因是这家车企依然在等待美国国会针对自动驾驶汽车的法案通过。

“其实这不只是法规是否许可的问题，更多的，是需要在既有的道路法规下，进行更明确的产品定义的问题，”奥迪政府事务负责人Brad Stertz如是说，他刚刚又收到了自动驾驶政策时间表的调整信息。

奥迪遇到的这个难题，折射出诸多汽车制造商在切入自动驾驶市场时所遭遇的挑战：市场距离真正意义上实现完全自动驾驶汽车还有多年的时间，那么在这之前，车企们必须度过的技术研发的尴尬时期，到底如何在驾驶员与机器之间反复寻求平衡呢？

政策追赶，技术多元

如今，美国国会还在就无人驾驶汽车法案的建立进行商议，目前的进展还停留在一系列州政府法律的碎片中。就在上周，参议院宣布已经就自动驾驶研发促进的一项法案草案达成了两党协议，具体公布时间待定。

“为了紧跟自动驾驶技术的发展，这项法案对现有交通法规提出了许多与时俱进的常识性修改，”商业委员会共和党主席Sen. John Thune在一次声明中如是说。

在路径选择上，诸如Waymo的一些自动驾驶技术研发方，已经决定跳过中间的过渡阶段，否认人与机器协同控制汽车的可靠性，直接面向无人车研发。而另外一些公司，则在研发特定场景下的半自动驾驶汽车，后者将在机器不能处理的一些临界情况下仍然由人类掌握控制权。

今年秋天即将上市的通用全新凯迪拉克CT6就是其中之一。

新款CT6将提供高速公路场景下的完全自动驾驶，但与此同时， 车辆内部也装配了追踪驾驶员注意力的眼球跟踪技术，始终要求驾驶员关注道路情况。另一方面，丰田则在其雷克萨斯LS轿车上搭载了自动化的行人避障功能，但也要求驾驶员始终将双手保持在方向盘上。

还有一些汽车制造商，他们选择了与这些国际主流大型车企截然不同的路径，昭示着在新技术趋势笼罩下的汽车行业足具颠覆性和领先业界的野心。特斯拉属于其中之一，2014年，特斯拉已成功量产搭载Autopilot半自动驾驶系统的汽车，在新兴汽车自动化技术的研发上实现了领跑。

人机协同下的安全制衡

政策风向的转舵，源于前段时间国家运输安全委员会（NTSB）对特斯拉去年致死交通事故的调查，报告称，诸如Autopilot等半自动驾驶系统依然缺乏足够的警示信息，以避免用户对自动驾驶功能的滥用。NTSB警告称，半自动驾驶功能很可能使驾驶员陷入看似安全的假象中。

据美国联邦调查人员估计，在特斯拉与卡车发生致命碰撞事故前，特斯拉驾驶员至少有10秒钟时间可以接管汽车并做出反应，但他却“过度信任自动化系统”了。

这场事故后，特斯拉对Autopilot半自动驾驶系统软件进行了修改，系统要求驾驶员必须频繁将双手放置在方向盘上，同时强制驾驶员对路况保持注意力。不过即便如此，特斯拉官方仍坚持，Autopilot系统的整体驾驶安全性要高于没有副驾驶的人类司机。

研究表明，多数驾驶员需要两到三秒钟，甚至更长的时间才能重新对自动驾驶汽车实现接管。“我们担心驾驶员交出了太多的控制权，这将极大削弱他们驾驶的注意力，”公路安全保险机构研究负责人David Zuby如是说。

类似的忧虑，也直接促使Waymo等企业跳过半自动驾驶系统研发，而直接将力量投入到完全自动驾驶汽车的研发中。随着驾驶员辅助系统技术的提升，“系统仍需要驾驶员对路况集中注意力，同时系统与人的协作将变得越来越难，因为我们人类是充满了误差的，”Waymo CEO John Krafcik说。

另一方面，通用凯迪拉克则通过他们全新的半自动驾驶系统Super Cruise，保持人类驾驶员处于“忙碌”的状态。搭载Super Cruise系统的凯迪拉克CT6在美国和加拿大的大多数高速路都开放了一键开启自动驾驶功能，只需要按下车内的一个按钮，系统便接管汽车转向、加速、制动等操作。

为了保证驾驶员一直关注路面情况，通用在车内转向柱上方安装了红外摄像头，对驾驶员眼球进行追踪。如果驾驶员注意力转向别处超过4秒左右，方向盘上方的绿色光柱就会开始闪烁，再过5秒，光柱变红，系统会发出蜂鸣声或震动驾驶员座椅。

这时，车辆已经开始逐渐减速滑行，随后系统蜂鸣声减弱，系统语音提示驾驶员进行接管。这之后如果驾驶员还没有回应，系统将操作车辆靠边停车。这个过程，就是在“训练”驾驶员在人机协同的模式下，对路况随时保持关注，通用自动驾驶系统高级工程师Pam Fletcher这样介绍说。

相比而言，奥迪可能更近了一步，奥迪官方表示，奥迪A8车身上的摄像头和其他环境传感器，将允许驾驶员将注意力暂时转移到别处，“如回邮件、编辑短信或计划下一步行程等等”。其中，交通拥堵巡航系统只在车辆时速40英里/时以下，以及对向车道中间有隔离带的情况下开启。

而在行驶过交通拥堵区域后，车辆在交付控制权之前会警示驾驶员长达10秒钟时间，如果驾驶员没有理会，车辆也会靠边停车。据悉，未来奥迪计划将视频显示等手段集成在中控大屏上，以此警示驾驶员。

目前，奥迪方面称，奥迪A8交通拥堵巡航系统的量产将从明年陆续开始，具体落地还要取决于当地政府的政策许可，同时，奥迪方面期待2018年秋天能将自动驾驶功能在北美落地，虽然是否在政策不明确前就开始系统量产还在商议之中。

“在政策不明朗前，我们不想采取过多行动，”奥迪方面发言人如是说。

来自：雷锋网

驾驶车辆远比人们想象的复杂，这涉及很多技能和行为。其中有一部分非常容易实现自动化，例如，利用过去几十年在传统的巡航控制系统中积累的经验，可以让汽车在公路上自动保持匀速行驶。

随着科技进步，工程师们还成功实现了其他一些任务的自动化：目前广泛应用的自适应巡航控制系统可保持适当车速和车间距；在梅赛德斯-奔驰和英菲尼迪的新车型上也使用了车道保持系统，它可以协调摄像头、传感器收集的信息，利用方向控件使车辆维持在车道中间行驶。可是即便如此，从目前的汽车自动系统到完全的自动化驾驶，还有非常巨大的鸿沟需要跨越。

国际汽车工程师协会定义了关于自动驾驶的五个阶段。前三个阶段的技术，全部需要依靠人类来处理行驶过程中的紧急情况，其中第三阶段的系统允许驾驶员在特定场景中切换到自动驾驶状态，比如在高速公路上堵车时。第四个阶段的系统可处理所有与驾驶相关的任务，但是使用场景严格限定在封闭停车场或高速专用车道上。顶级的第五阶段就是完全自动化的汽车了。

无论公众怎么看，人类驾驶员还是非常善于避免严重车祸的发生。2011年美国交通安全统计数据显示，综合所有司机的驾驶情况，大概驾驶330万小时会发生一起致命碰撞；驾驶64000小时会发生一起致伤碰撞。这些数字为自动驾驶系统设立了重要的安全目标，即自动驾驶的最低安全标准不得低于人类驾驶时的标准。想要自动驾驶的可靠性达到这个标准，还有很长的路要走，这中间的距离可比很多自动驾驶爱好者认为的长。

想想你的笔记本电脑多久死一次机，如果这样的软件用于汽车驾驶，“蓝屏死机”将不仅仅是一句抱怨，软件延迟十分之一秒响应都有可能引发交通事故。所以，自动驾驶涉及的软件，必须使用截然不同的标准来设计开发，不能以消费市场上现有的设备为基础。要达到这些标准极其困难，需要在软件工程和信号处理上都取得根本性的突破才行。

自动驾驶的汽车，行驶时前后都有很多车辆，还有可能出现突然闯入眼帘的障碍物，面临突发问题，在任何情况下，汽车的自动驾驶系统都需要在几微秒之内做出决策。因此，和飞机上使用的自动驾驶系统和代码相比，这个系统复杂了几个数量级。

我想说，到2075年完全自动化的驾驶系统都很难实现。真正实现的时间会比这个时间节点早吗？也有可能，但不会提早太多。

我们可以畅想，在未来十年间极有可能出现自动泊车系统。它允许驾驶员在车场入口处下车，让车自动进入装备完善、不允许行人和非自动化汽车进入的场地。在城市中的人行区、商业区、大学校园和其他不允许高速车辆通过的地方，低速的无人驾驶客车也很适用。

这些环境中，性能有限的传感器也能有效探测行人和骑自行车的人。

这些场景可能不像拥有私人电子驾驶员那样未来感十足，但是，这些技术一定能实现，甚至很快就能实现。

（史蒂文·施多福，作者为美国智能交通系统的先驱之一。特约《环球科学》供稿）

Vedecom Tech表示，全自动驾驶汽车2017年底或2018年在法国、德国、意大利、葡萄牙及荷兰等大城市推出并且主要用于商业用途。

Karamba所供应的系统主要用于保护车辆在与车内电子配件以及外部环境连接时，包括车辆及基础设施等，免受网络攻击。Karamba官方在发言中提到：“此次合作标志着业内首款具有网络安全保护且用于商业用途的全自动驾驶汽车开始生产。”

Vedecom Tech是Vedecom Public Foundation旗下的商业子公司，后者的成员还包括雷诺、PSA集团和法雷奥。

Karamba执行主席David Barzilai表示，推出的首款全自动驾驶汽车将在凡尔赛上市，将用来接待游客使用，车辆在规定的道路上大约可行驶7km。

全自动驾驶汽车在2021年之前不会大范围使用，但各大车企都已经计划推出一些半自动驾驶辅助系统，如特斯拉的Autopilot。

来源：盖世汽车  作者 阳万顺

斯巴鲁对于何时将EyeSight安全系统投入美国市场并没有具体的时间规划，但斯巴鲁高级安全设计经理Tasuku Maruyama表示，希望EyeSight安全系统于五年内来到美国。Maruyama表示，该系统仍需要进一步调整来适应美国的公路。部分美国公路保养状况不佳，使得系统的摄像头难以追踪车道的标记，有些美国高速公路也比日本高速公路的曲线更尖锐。

目前的EyeSight系统已经部分允许在日本进行自动驾驶导向，但只有汽车时速60-100 公里/小时才有作用。今年新版EyeSight可视范围扩大，因此有效时速范围也随之扩大，最低时速可低于60公里/小时，最高时速可达120公里/小时。虽然这项新技术能够在无人干预的情况下引导汽车，但仍然需要人在车中操作。如果司机离开时间超过10秒，在警报声之后自动驾驶功能将自动停止。

目前在美国有售的EyeSight是一个车道保持辅助技术系统，主要功能是在汽车偏离车道时纠正转向，但是司机必须手动控制汽车。现有的美国版EyeSight还未能使汽车在转弯时自动停留在车道中间。

当地时间6月14日，斯巴鲁在东京北部的一块场地进行了展示，新一代EyeSight巧妙地操纵了一辆Levorg走上车道，方向盘在司机手下自动转动，Levorg随着路上车辆减速或停止。

在日本，Touring Assist将成为所有新Levorg 和S4轿车的常规配置，并将最终除了某些运动系车型外，作为标准配置在所有斯巴鲁汽车中使用。但是斯巴鲁的EyeSight系统不能在装有手动变速器的汽车上使用。

斯巴鲁没有透露该安全系统的定价，但估计如果在一辆汽车上安装该系统，该车售价将增加几百美元。

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。本文重点介绍自动驾驶涉及的技术、标准，以及国内外测试、部署方面的进展和趋势。

一、自动驾驶技术及分类

（一）自动驾驶技术分级

自动驾驶技术分为多个等级，目前国内外产业界采用较多的为美国汽车工程师协会（SAE）和美国高速公路安全管理局（NHTSA）推出的分类标准。按照SAE的标准[1]，自动驾驶汽车视智能化、自动化程度水平分为6个等级：无自动化（L0）、驾驶支援（L1）、部分自动化（L2）、有条件自动化(L3)、高度自动化(L4)和完全自动化（L5）。两种不同分类标准的主要区别在于完全自动驾驶场景下，SAE更加细分了自动驾驶系统作用范围。详细标准见下图：

在自动驾驶技术方面，有两条不同的发展路线：第一种是“渐进演化”的路线，也就是在今天的汽车上逐渐新增一些自动驾驶功能，例如特斯拉、宝马、奥迪、福特等车企均采用此种方式，这种方式主要利用传感器，通过车车通信（V2V）、车云通信实现路况的分析。第二种是完全“革命性”的路线，即从一开始就是彻彻底底的自动驾驶汽车，例如谷歌和福特公司正在一些结构化的环境里测试的自动驾驶汽车，这种路线主要依靠车载激光雷达、电脑和控制系统实现自动驾驶。从应用场景来看，第一种方式更加适合在结构化道路[2]上测试，第二种方式除结构化道路外，还可用于军事或特殊领域。

（三）自动驾驶涉及的软硬件

1、传感器

传感器相当于自动驾驶汽车的眼睛。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，传感器可分为激光雷达、传统雷达和摄像头三种。

（1）激光雷达

目前是被采用比例最大的设备，Google、百度、Uber等公司的自动驾驶技术目前都依赖于它，这种设备被架在汽车的车顶上，能够用激光脉冲对周围环境进行距离检测，并结合软件绘制3D图，从而为自动驾驶汽车提供足够多的环境信息。激光雷达具有准确快速的识别能力，唯一缺点在于造价高昂（平均价格在8万美元一台）导致量产汽车中难以使用该技术。

由于激光雷达的高昂价格，走实用性技术路线的车企纷纷转向传统雷达和摄像头作为传感器替代方案，例如著名电动汽车生产企业特斯拉，采用的方案就是雷达和单目摄像头，国际知名厂商为Mobileye等。其硬件原理与目前车载的ACC自适应巡航系统类似，依靠覆盖汽车周围360°视角的摄像头及前置雷达来识别三维空间信息，从而确保交通工具之间不会互相碰撞。虽然这种传感器方案成本较低、易于量产，但对于摄像头的识别能力具有很高要求：单目摄像头需要建立并不断维护庞大的样本特征数据库，如果缺乏待识别目标的特征数据，就会导致系统无法识别以及测距，很容易导致事故的发生。而双目摄像头可直接对前方景物进行测距，但难点在于计算量大，需要提高计算单元性能。

自动驾驶技术对于车道、车距、路障等信息的依赖程度更高，需要更加精确的位置信息，是自动驾驶车辆对环境理解的基础，随着自动驾驶技术不断进化升级，为了实现决策的安全性，需要达到厘米级的精确程度。如果说传感器向自动驾驶车辆提供了直观的环境印象，那么高精度地图则可以通过车辆准确定位，将车辆准确地还原在动态变化的立体交通环境中。

V2X，指的是车辆与周围的移动交通控制系统实现交互的技术，X可以是车辆，可以是红绿灯等交通设施，也可以是云端数据库，最终目的都是为了帮助自动驾驶车辆掌握实时驾驶信息和路况信息，结合车辆工程算法做出决策，是自动驾驶车辆迈向无人驾驶阶段的关键。

算法是支撑自动驾驶技术最关键的部分，目前主流自动驾驶公司都采用了机器学习与人工智能算法来实现。海量的数据是机器学习以及人工智能算法的基础，通过此前提到的传感器、V2X设施和高精度地图信息所获得的数据，以及收集到的驾驶行为、驾驶经验、驾驶规则、案例和周边环境的数据信息，不断优化的算法能够识别并最终规划路线、操纵驾驶。

从自动驾驶国内外整个发展情况来看，美德引领自动驾驶产业发展大潮，日本、韩国迅速觉醒，我国呈追赶态势。具体而言，体现出以下几个趋势：

在路面测试方面，美、德、日、韩、我国均积极推进路测，作为自动驾驶汽车应用的基础。从国际看，各国纷纷将2020年作为重要时间节点，希望届时实现自动驾驶汽车全面部署。美国在州层面积极进行自动驾驶立法，截至2016年底，16个州通过相关法案或行政令，明确测试条件和要求，允许企业在州层面展开路面测试。[3]德国政府2015年已允许在连接慕尼黑和柏林的A9高速公路上开展自动驾驶汽车测试项目，交通运输部门今年3月还向柏林的Diginet-PS自动驾驶试点项目发放补贴，用于开发处理系统并提供自动驾驶的实时交通信息。

日本Nissan公司已经在东京、硅谷和伦敦测试了旗下的自动驾驶汽车LEAF，希望尽快积累安全测试记录。韩国目前已颁发13张自动驾驶测试许可，计划于2020年前商业化3级自动驾驶汽车。从我国看，工信部2016年在上海开展上海智能网联汽车试点示范；在浙江、北京-河北、重庆、吉林、湖北等地开展“基于宽带移动互联网的智能汽车、智慧交通应用示范”，推进自动驾驶测试工作。北京已出台智能汽车与智慧交通应用示范五年行动计划，将在2020年底完成北京开发区范围内所有主干道路智慧路网改造，分阶段部署1000辆全自动驾驶汽车的应用示范。江苏于2016年11月与工信部、公安部签订三方合作协议，共建国家智能交通综合测试基地。

互联网企业天生具有业务创新和发展的基因，目前也纷纷涉足自动驾驶行业，成为了行业重要的驱动力量。美国方面，谷歌公司2009年已开始无人驾驶企业研发，2015年 12月至 2016年12月在加州道路上共行驶记录 635,868英里，不仅是加州测试里程最多的企业，也是系统停用率最低的企业。[7]美国第一大网约车服务商Uber已在匹兹堡、坦佩、旧金山和加州获准进行无人驾驶路测，第二大网约车服务商Lyft去年9月公布自动驾驶汽车三阶段发展计划 ，目前也已在匹兹堡开展测试。苹果公司也于今年4月刚刚获得加州测试许可证。韩国方面，刚刚批准韩国互联网公司Naver在公路上测试自动驾驶汽车，成为第13家获得许可的自动驾驶汽车研发企业，计划于2020年前商业化3级自动驾驶汽车。[8]从我国来看，百度公司也于去年9月获得了在美国加州的测试许可，11月在浙江乌镇开展普通开放道路的无人车试运营。其总裁兼首席运营官陆奇更是于今年4月19日发布了“Apollo”计划，计划将公司掌握的自动驾驶技术向业界开放，将开放环境感知、路径规划、车辆控制、车载操作系统等功能的代码或能力，并且提供完整的开发测试工具，目的是进一步降低无人车的研发门槛，促进技术的快速普及。腾讯于2016年下半年成立自动驾驶实验室，依托360度环视、高精度地图、点云信息处理以及融合定位等方面技术积累，聚焦自动驾驶核心技术研发。阿里、乐视等也纷纷与上汽等车企合作开发互联网汽车。

自动驾驶发展较快的企业所并购的主要对象为掌握自动驾驶关键技术的领军企业或初创企业。2016年7月，通用公司以超过10亿美元价格收购了硅谷创业公司Cruise Automation，后者研发的RP-1高速公路自动驾驶系统具备高度自动化驾驶应用潜力。[9]2017年3月，英特尔以153亿美元收购以色列科技企业Mobileye，后者致力于研发与自动驾驶有关的软硬件系统，是特斯拉、宝马等公司驾驶辅助系统的主要摄像头供应商，掌握一系列图像识别方面的专利。优步公司2015年收购了提供位置API的创业公司deCarta，还从微软Bing部门获取了精通图像和数据收集的员工。[10]2017年4月，百度宣布全资收购一家专注于机器视觉软硬件解决方案的美国科技公司xPerception，该公司对面向机器人、AR/VR、智能导盲等行业客户提供以立体惯性相机为核心的机器视觉软硬件产品，可实现智能硬件在陌生环境中对自身的定位、对空间三维结构的计算和路径规划。据业界分析，百度此举可能为了加强视觉感知领域的软硬件能力。[11]总的来看，收购领军企业或具有潜力的初创企业，可迅速加快自身自动驾驶技术的积累，形成竞争优势。

自动驾驶领域的竞争正愈演愈烈。继百度推出开放自动驾驶平台的“阿波罗计划”后，Google和乘车共享服务商Lyft近日宣布将共同开发新的自动驾驶技术。今年4月公布的《汽车产业中长期发展规划》提出，到2025年，高度和完全自动驾驶汽车开始进入市场。

这条奔向2025的自动驾驶之路上，有涌动的资本，有博弈的企业，也有负责监管的政府，但“蛋糕”能做多大，还是得看消费者买不买账。今日头条算数中心近日发布《奔向2025——自动驾驶潜在消费者报告》，结合大数据分析和问卷调查勾勒出自动驾驶潜在消费者画像，并对自动驾驶接受程度、购车决策影响因素、媒体态度等进行了分析。

报告显示，自动驾驶在2016年热度爆发，进入2017年后开始降温，媒体对自动驾驶的报道以中立为主，正面报道呈增长趋势；受访者中，8成接受自动驾驶，3成认为完全自动驾驶将在5年内变为现实。涉及自动驾驶汽车购买决策时，新兴车企和科技企业更吸睛，但传统车企更叫座。

以下为报告摘录：

50岁以上人群对自动驾驶的关注度仅次于95后 

年轻人容易接受新事物，对自动驾驶的关注度理应更高，但报告显示，自动驾驶相关资讯在50岁以上人群中的阅读渗透率达1.95‰，意味着每1000人中就有近两人关注自动驾驶，仅次于18-23岁人群。

中西部对自动驾驶的关注度不输东南沿海

 报告中的评论热度迁移地图显示，中西部省份用户讨论自动驾驶的热情丝毫不亚于东部沿海。2015年，最关注自动驾驶的省级行政区是北京和天津，河南、上海、安徽和山西紧随其后；2016年，自动驾驶的热度从少数省份扩散到全国，重庆跃至第一，北京、上海、天津和四川排在前五位。

到了2017年上半年，用户对自动驾驶的评论渗透率整体降温，排在前5位的分别是北京、浙江、江西、天津和广东。

媒体报道以中立为主，用户更爱分享正面报道 

报告显示，媒体对自动驾驶主要持中立态度，正面报道远多于负面报道，且2017年上半年和2015年全年相比，正面报道的比重有增长趋势。 

而从行为数据看，用户更乐意分享正面报道。 

8成用户接受自动驾驶，安全性成最大担忧

报告对近6000名用户进行了问卷调查，结果显示，8成受访者表示敢用自动驾驶汽车，对于这些潜在消费者来说，自动驾驶吸引他们的首要原因是科技含量高，其次是解放双手，节约时间。（注：问卷中的自动驾驶特指高度自动驾驶和完全自动驾驶）

对于不敢使用自动驾驶汽车的受访者而言，安全性是他们最大的担忧。报告还对不同年龄、拥车情况人群的态度进行了交叉分析。

新兴车企和科技企业更吸睛，传统车企更叫座

 报告显示，2015年至2017年上半年，特斯拉一直是自动驾驶领域最受关注的企业。

但即使关注度不如特斯拉和科技企业，涉及购买决策时，拥有成熟技术的传统汽车制造商还是笑到了最后：36.97%的受访者表示，如果要购买自动驾驶车，会选择传统汽车制造商。完整报告中还对年龄、拥车情况等影响购车决策的因素进行了交叉分析。

PDF版下载可加入我们小密圈，199IT感谢您的支持！

Waymo和Lyft共同决定加入自动驾驶汽车行列，这对于谷歌和Uber知识产权（Waymo是谷歌的无人驾驶汽车部门）的法律诉讼来说是一个热门事件。但这场争斗虽然可能很痛苦很激烈，但是最终会被完全忘记，因为如果无人驾驶汽车能被广泛采用，那么优步和Lyft很可能会成为自动驾驶汽车中两无足轻重的成员。

随着自动驾驶汽车技术的不断发展，它可能会依托真正制造汽车的公司市场，而不是叫车平台的公司成型。Navigant高级研究员Sam Abuelsamid说：“独立的叫车服务是否能存活到最后仍然未知，因为用户的切换成本基本上是零，任何人都可以建立这个平台，我认为Lyft、Uber和其他公司可能会被及时收购。”

记者与福特首席技术官Raj Nair坐下来讨论了关于自动驾驶汽车未来的问题。Raj认为，自动驾驶业务打造一个成功的框架必须要有五个组成部分：

1.大规模制造汽车的能力；

2.可以制定出行计划的虚拟驾驶平台；

3.自动驾驶技术；

4.一个可以安全地重新设计汽车，以适应自动驾驶技术的研发团队；

5.还有一种车辆服务的有效管理模式。

在最近的一份报告中，诺基亚成长合作伙伴的负责人Paul Asel指出拥有汽车的人数正在缓慢下降。没有汽车的美国家庭于是年前相比，比例从8.7%升至9.2%。为了弥补汽车销售的损失，汽车制造商希望在共享的自动驾驶汽车上销售汽车。

Nair认为，自动驾驶技术的主要价值是为消费者提供一种比买汽车更经济实惠的一种出行方式。自动驾驶汽车有可能比出租车或者私家车更便宜，因为不需要付司机费用，也不需要支付高昂的价格购买汽车（尽管这个计划中有人需要支付维护费用）。汽车制造商现已有办法大规模制造并拥有庞大的服务基础设施。

Nair说，福特必须改变其汽车维修系统，以支持租用的汽车网络。该公司在10年间一直在研发自动驾驶汽车技术，最近同意在5年内投资10亿美元到阿尔戈公司。根据Navigant的研究，汽车制造商现在看起来是自动驾驶汽车的主要组成部分。该公司的报告称，福特、通用、雷诺-日产和戴姆勒是无人驾驶技术领域的四大巨头。这一排名基于市场策略、执行力和技术等各种各样的标准。这些巨头缺乏的是他们自己的广泛而有竞争力的运输服务。通用汽车目前正在打造一款汽车共享服务Maven。福特汽车是一个位于两个市场的通勤平台。但是不管怎么说，这些方法适用规模都太小，都起不到关键作用帮助他们打造出庞大的自主车队。

Nair告诉我，福特和其他公司都愿意为了获得大量的数据而与相关公司合作，甚至是收购。问题是什么时候进行收购？与Uber或Lyft这样的实体进行同步，可能会让福特获得数据，但在自动驾驶汽车开始大量生产之前，并不会立即获得财务回报。

Nair谈到了自动驾驶汽车的未来，他说：“消除司机的成本是让它盈利的关键。”虽然优步式的叫车数据是Nair预测的那种按需运输平台的关键，但他并不关心公司是不是第一个加入拼车网络的。“这并不是说谁先就有用，就像福特没有发明汽车，但仍然在市场上占有一席之地一样，重要的问题是谁能做到在得到正确的使用案例，得到真正符合需求的数据的情况下加入。”

也有不少人反对汽车制造商主导汽车革命。他们的理由是汽车制造商可能不擅长经营移动服务。两家公司之前都拥有汽车租赁公司的股份，但由于无法让这些企业有效运作，又出售了。但汽车制造商在自动驾驶中拥有最重要的组成部分：自行制造汽车的能力。无人驾驶汽车一旦上路，消费者更有可能开始租车，而不是买车。叫车系统可能会为自动驾驶汽车提供一个接触大众市场的途径，但并不能保证这些平台将永远拥有这一市场。优步和Lyft都有可复制的技术和乘客，人们会选择最快、最便宜的乘车服务。优步首席执行官拉维斯卡拉尼克去年在接受商业内幕采访时也承认了这一点。“如果我们不是未来的一部分，会发生什么？如果我们不是自动驾驶汽车市场的参与者会怎么样？他思索着。

当然，对于优步、Lyft、Gett和其他所有的打车平台来说，问题是：面临自动驾驶技术让打车业务不再重要的情况下，平台如何保持自身价值？虽然优步的确与奔驰公司建立了合作关系，但很大程度上优步还是通过向自主驾驶研究实验室投入资金来运作的。它已经收购了谷歌旗下一家有争议的自动驾驶卡车初创公司。最近，它在加拿大建立了一个实验室，由多伦多大学的人工智能研究人员埃尔拉·奎尔乌塔斯领导。不过，即便优步要创造一种引人注目的自动驾驶技术，那又如何呢？它可以将这项技术授权给汽车制造商，或者开始生产自己的汽车。然而，制造汽车并不是一件容易的事情，优步也没有深入了解它将如何拥有自己的自动驾驶汽车车队。这意味着，尽管Kalanick看到了海啸的到来，但Uber还是可能会被彻底摧毁。

另一方面，Lyft并没有投资建设无人驾驶的未来，但它另有打算。Lyft将GMand Waymo自动驾驶汽车加入协议，这样可以帮助它调整算法，以更好地服务自动驾驶汽车。Abuelsamid说：“这些合作将使Lyft能够解决如何分配汽车的效率和利用率。”但即使有这样一个适合自动驾驶汽车的平台，也可能无法确保Lyft作为一家独立公司的命运。虽然与汽车供应商的交易可能不会影响到利润，但最终自动驾驶汽车制造商会让Lyft降价。这就是汽车制造商依靠自身的硬件条件让Lyft能够提供廉价的乘车服务，而由此带来的好处是不可思议的，也就是无需支付司机的费用。Lyft通过这种方式拥有多家合作伙伴和一个十分完善的软件系统，这可能让Lyft成为一个吸引人的收购目标。

与另一家公司联手似乎也是Lyft的一种选择。根据一份去年的记录报告的说法，该公司曾一度打算以90亿美元的价格被收购。Amara在他的报告中说：“我们倾向于高估短期影响，而低估长期影响。”优步和Lyft的估值可能高达数十亿美元，但这并不能保证它们的成功。无人驾驶汽车在镇正式上市之前仍有许多障碍要克服，比如还没有一个允许其操作的监管框架。这项技术还没有得到令人满意的验证。随着技术的不断发展，人们慢慢地会发现汽车公司是自动驾驶汽车生态系统的设计师，而优步和Lyft只是其中的一个很小的组成部分。即便无人驾驶汽车最终会让优步和Lyft获得可持续的盈利能力，但它们可能只是暂时保留下来，因为那些制造自动驾驶汽车的公司会把它们的用户拉到类似的平台上，或者干脆直接收购他们。现在人们关注的焦点还是平台的斗争，看平台相互争夺霸主地位，增加司机和乘客，或许应该更多地关注那些真正制造汽车的公司。

来自：网易智能讯

自动驾驶车领域中，领导品牌竟然不是特斯拉(Tesla)，根据全球调研机构Navigant Research最新公布的排行榜报告，福特(Ford)自动驾驶的策略和执行力居领导品牌地位。

Navigant Research自动驾驶排行榜报告研究正在开发自动驾驶系统的18 公司，并根据开发愿景、市场规划、合作关系、策略和持续性等，共10项衡量标准进行评分，福特在自动驾驶车的科技研发，领先全球各大车厂及科技业者。

根据报告结果，被列为领导者(Leaders)的公司在策略和执行项目的分数都在75分以上，在基础的先进驾驶辅助系统(ADAS)科技研发上已获得具备先进水准的认可，并且累积了数年的量产经验。

福特在策略层面获得91.5分，执行层面获得77.9分，以平均85分的成绩被列为自动驾驶系统开发的领导品牌。