首頁 > 科技

關於「無人駕駛」,一位投資大佬給出了四大預判

2021-06-26 13:17:36

編者按:辰韜資本執行總經理賀雄鬆近日出席中信證券某活動,並做了無人駕駛相關主題分享。

分享內容乾貨滿滿,涉及Robotaxi落地、鐳射雷達商用、造車新勢力之爭等等。

藉由此,新智駕依據原文作了不改變原意的整理與編輯。基此成文,以饗讀者。

在賀雄鬆看來,自動駕駛行業共有兩輪投資熱潮:

第一輪興起於2015年左右,2018、2019 年到達頂點 ,衰弱於2019年。

根據美國智庫布魯金斯學會報告資料顯示:僅在2014年-2017年間,自動駕駛汽車領域投資總額超過800億元。

此後,創投機構整體投資節奏放緩,投資者們也意識到L4級及以上自動駕駛商業化落地週期過長,自動駕駛初創公司融資頻次開始降低。

在資本寒冬的2019年,Roadstar.ai、Drive.ai等自動駕駛明星公司相繼倒下。

隨著特斯拉等造車新勢力產量提升,以及資金退出方式多元便捷,2020年成為重新點燃資本對自動駕駛投資熱情的關鍵一年。

更為重要的是,自動駕駛商業化程序明顯加快,自動駕駛公司們已在特定場景或是開放道路中嘗試商業化運營可能。

今年,圖森未來成功登陸IPO,北京市高級別自動駕駛示範區給予京東、美團、新石器無人配送車相應路權,亦成為自動駕駛技術落地的積極訊號。

在此背景下,賀雄鬆對自動駕駛商用車場景及"最後 1 公里"無人配送前景趨勢進行預測分析。

預判 1:開放高速載人落地仍需等待 10 年以上

自動駕駛各應用場景不同,技術要求不同,落地時間也因此不同。

當前,自動駕駛在封閉低速場景的應用主要集中在礦山、港口、末端配送等三個領域。

相對而言,礦山的整體落地環境最為友好

礦山多在偏遠地區且人煙稀少,相對簡單的運營環境對自動駕駛技術容錯率較高,無人礦卡在此擁有更多路權,運營商可根據需求自行規劃行駛路線。

相關資料顯示:國內礦山自動駕駛市場規模超千億,露天煤礦的土石方運輸是最適於自動駕駛推廣應用的場景,其市場空間超過450億元/年。

在此背景下,踏歌智行、慧拓智慧、易控智駕、希迪智駕、躍薪智慧等自動駕駛公司齊聚於此。

辰韜資本預計,國內無人礦卡將在2022-2023年將開始實現商業化應用。

港口方面,由於其道路結構化程度較高,運營環境相對簡單,因此自動駕駛卡車的港口路權相對較多,這也為自動駕駛商業化運營帶來可能。

過去幾年,斯年智駕、西井科技、飛步科技等自動駕駛公司將目光聚焦此處,其中,斯年智駕近期拿下全球首個港口無人駕駛商業化付費訂單。

在開放道路中,根據道路環境的不同可分為Robotaxi和幹線物流。

Robotaxi需要在城市道路、高速道路中穿行,其最高行駛速度可達120km/h。

複雜的運營環境、較長的剎車距離對Robotaxi的預判、感測器、制動距離提出更高要求。

賀雄鬆認為,目前Robotaxi在應對以上挑戰時仍顯乏力,短期內較難落地。不過,或許可以通過環境降維以降低技術難度。

具體而言,首先將Robotaxi的行駛速度由120km/h降低為50、40km/h;其次,挑選相對簡單的道路供Robotaxi試運營,通過技術迭代逐漸擴大應用場景。

同樣地,幹線運輸的完全無人化運營時間仍未可知。相較於Robotaxi,無人卡車的制動距離更長,事故危害性更大,容錯率極低,這也對技術提出更高要求。

然而一旦幹線運輸真正實現全無人運營,其省油、安全、低成本的特點或將創造比Robotaxi更廣闊的市場空間。

基於以上特點,賀雄鬆判斷封閉低速載物場景需要 2-3 年才可以落地,高速載物場景需要 5-8 年,而開放高速載人需要 10 年以上。

預判 2:無人配送批量應用將在未來三年爆發

去年12月24日,提供末端無人配送服務公司Nuro獲得加州第一張商業運營牌照,成為全球首家商業化運營的無人駕駛公司。

獲得商業運營牌照後,Nuro獲准在加州聖馬特奧縣和聖克拉拉縣開啟商業化運營,日常配送食品、飲料、藥品和其他產品。

針對國內無人配送場景,賀雄鬆的看法似乎與Nuro一致。他認為,商超零售場景與無人配送最為匹配。

目前,國內典型無人配送共有三大場景:快遞、外賣與商超零售。

快遞的即時性要求不高,等待時間較長但數量很大;外賣的即時性要求高,等待時間短,但環境很複雜。另外,並非每個商家都配套停車設施,因此取件和配件存在不確定性。

而商超零售的即時性要求比外賣低,配送路線更固定,同時商超零售的線上業務已有成熟的倉庫和配送人員,配送的基礎設施更為齊全。

因此,無人配送非常適合在商超零售場景中應用。

目前,國內無人配送企業主要分為三類:

  • 網際網路科技公司,如阿里、京東、美團等;

  • 初創公司,如白犀牛、新石器、一清創新等;

  • 主機廠及Tier 1背書的公司,如毫末智行、東風悅享。

辰韜資本釋出的《末端無人配送賽道研究報告》認為,城市配送"最後一公里",是物流配送業成本最高的環節。

當前,因車型、感測器方案等成本不同,無人配送車的整車成本在20萬至50萬元不等。再算入保險、車輛運維、現場安全運維、後臺遠端監控/操作人員費用、雲平臺服務費用等成本,無人配送車的成本將進一步增加。

賀雄鬆認為,無人配送批量應用將在未來三年迎來爆發。

首先,隨著未來三年無人配送車批量生產,其整車成本將降低至10萬元以內。

無人配送車的技術迭代也將取消車輛運維、現場安全運維、後臺遠端監控/操作人員等費用,成本將大大降低。

其次,無人配送市場規模達千億級,美團、京東、阿里巴巴等網際網路科技公司已經將無人配送車實際應用。

如阿里巴巴在全國數十家高校投放小蠻驢,為師生配送快遞包裹;京東、美團多次在疫情期間為醫院、社群運輸醫療生活物資。

而當前各公司逐步在多種場景開啟無人配送,或可視作無人配送在批量應用的前夜。

第三,隨著過去幾年企業在無人配送業的多種嘗試,其商業模式已初步成型,技術也可支撐部分場景需求。

儘管國外的無人配送車已先行落地,但賀雄鬆認為國內的無人配送行業或將更容易實現盈虧平衡。

究其原因,在於國內的城市人員密度更大,接單效率也將更高。在未來中外無人配送車的硬體成本相差無幾的情況下,國內大批量的無人配送訂單將更快為企業實現盈虧平衡。

而實現這一點的關鍵,在於技術能否解決無人配送車的安全問題。

預判 3 :鐳射雷達的競爭是半固態的競爭

在賀雄鬆看來,鐳射雷達本質上並不存在技術方案的路線之爭,不同的技術路線滿足不同階段的市場需求。

當前純固態鐳射雷達主要分為flash 和 OPA 方案,後者在國際上的發展已基本停滯。

在眾多企業的研發下,flash 方案的探測距離已提升至 100 米,但這仍不適用於對探測距離要求數百米的高速公路場景。

賀雄鬆認為,純固態鐳射雷達的探索範圍是否能更遠仍然未知,一昧押注純固態鐳射雷達或將面臨風險。

據中金研究預測,純固態鐳射雷達方案距離技術成熟以及大規模量產仍需要5年以上時間。

半固態鐳射雷達目前已經搭載於量產車型之中,在中短期內或將成為市場的主流選擇。

在未來的市場競爭之中,各公司的半固態鐳射雷達解決方案是否能滿足市場需要,將影響公司的產品銷量。

目前,頭部公司在半固態鐳射雷達的各個技術路線都有研發,頭部公司也將擁有更多的生存機會。

此前, 車規級鐳射雷達主要面向自動駕駛汽車。自今年起,車規級鐳射雷達開始前裝於乘用車,一個前裝市場正在緩緩開啟。

蔚來ET7、智己汽車、上汽MARVEL R、上汽R汽車ES33、小鵬P5、極狐阿爾法 S 華為HI版等具備一定自動駕駛功能的智慧汽車面世,正式開啟鐳射雷達前裝量產元年。

隨著智慧汽車的自動駕駛等級提高,鐳射雷達在感測器中的作用也將從輔助走向主導。

諮詢機構Yole的一項資料顯示:2020年全球大約有20萬顆鐳射雷達用於智慧駕駛,相關銷售額大約為9500萬美元;至2025年,全球有望340萬顆鐳射雷達用於智慧駕駛,相關銷售額大約為15.35億美元。

因此,在巨大市場爆發之前,鐳射雷達公司應快速對接產品實際需求,進而快速迭代產品。

預判 4:造車新勢力目前無法達到L3級自動駕駛

特斯拉、小鵬、蔚來、理想目前都只是輔助駕駛,離L3級自動駕駛仍有一定距離。

根據今年4月SAE聯合ISO合作釋出的最新版本的分級標準定義,SAEL1-L2級被命名為駕駛員支援系統(Driver Support Systems),SAEL3-L5級所用術語為自動駕駛系統(Automated Driving Systems)。

L3和L4自動駕駛功能可以在系統運轉時監視和強制執行其ODD限制,並防止使用或操作超出其規定的ODD。

ODD即運行設計域(Operational Design Domain),隨著自動駕駛級別的提高, ODD也將適應更多的道路及環境。如果在不符合ODD的條件下運行,則必須由駕駛員接管。

根據《汽車駕駛自動化分級(報批稿)》顯示,L3級的動態駕駛接管任務的物件為駕駛員和系統動態接管,而L2級僅為駕駛員接管。

因此,小鵬在宣傳NGP輔助駕駛功能時經常強調其屬於"輔助駕駛"範疇,絕非"替代"使用者。

目前,國內三大造車新勢力已構建各自的壁壘:如蔚來的品牌塑造,小鵬的自研演算法,理想的產品定義等。

另外,造車新勢力也面臨著不同挑戰。

如蔚來針對大城市的停車位較少,難以安裝充電樁這一情況推出車電分離模式,受到使用者的歡迎。

但假如以後的快充技術超預期發展,長時間充電將不再困擾使用者,或將對蔚來的換電模式產生影響。

一定程度上,特斯拉的發展階段可為造車新勢力提供參考。如果將特斯拉的發展階段拆解,可分為三個階段:

  • 通過用 Mobileye 晶片快速推出輔助駕駛功能,形成軟硬一體的解決方案;

  • 放棄Mobileye的解決方案,不斷迭代演算法;

  • 演算法成型之後,為了提高運行效率,降低功耗,進而為演算法定製晶片。

目前,各造車新勢力之間的演算法發展情況不盡相同,演算法成熟的公司較少。此時為演算法定製晶片意義不大。

曾有訊息傳出特斯拉或將加入鐳射雷達陣營,在賀雄鬆看來這對於特斯拉的益處較少。

首先,加入鐳射雷達意味著特斯拉此前積累的資料不再有效,需要耗費大量時間重新訓練模型,可能訓練後的模型仍達不到現有水平。

其次,特斯拉無法收集中國的資料,也不能將資料傳送至美國。因此,特斯拉在美國研究的演算法可能不十分適配中國特色的路況。

從 AI 角度看,錯判率和誤判率是此消彼長的。

雷鋒網雷鋒網雷鋒網


IT145.com E-mail:sddin#qq.com