博世投资张翠波:自动驾驶需要突破芯片、传感器、深度学习算法等关键技术
2017-11-01 00:00
661 查看
来源:36氪
概要:基于博世的很多发现,整个无人驾驶的时间表可能如下:Level3级别的自动驾驶可能会在2020年后;Level4量产的时间是2020到2023年。
全球智能驾驶行业风起云涌,大量资本、技术、人才不断涌入。在自动驾驶的宏大愿景之下,国内也涌现出了不少初创公司,涵盖了智能驾驶的产业链各个维度,从底层芯片到软件算法,从核心技术到场景落地。
但在这个已经有一百多年历史的资本、技术密集型行业,打破原有的产业链条并不容易。车厂依然是自动驾驶时代最重要的玩家之一。原有产业链条如何看待这一新兴市场,如何看待与初创公司的合作,这些问题我们都很感好奇。
在今年第二届微软亚洲研究院院友年度大会的智能驾驶论坛上,博世中国新业务发展部总监张翠波也从车厂的角度,解答了这些难题。
Q :如何看待自动驾驶领域初创公司与巨头的关系?
张翠波:自动驾驶是一个很大的话题,我将从两个维度进行解答:一是市场业务、商业模式的维度,一是技术维度。
到2030年或者2035年,城市的出行方式很可能变成地铁加共享的汽车、共享的单车,这会是80%-90%的出行方式。对整个汽车产业来讲,这是一个非常深刻的变革。所有OEM厂商们需要拓展业务边界,转身担负服务的角色,而这个市场会为新进的玩家提供大量的机会。今天这一市场竞争格局暂没有形成。
从技术的维度去看,自动驾驶包含9个模块的不同技术,其中全新的技术只有感知,其他很大一部分可能是之前已经存在的。在自动驾驶的早期阶段,很可能并非是纯粹基于深度学习,很可能是深度学习加上规则设定共同实现。若是如此,所有的逻辑变动不大,只是在输入端由人输入变成了机器输入。无人驾驶底层技术的其他部分则都是已经存在的。
从我们的角度而言,我不觉得技术本身发生的变革超越了商业领域的变革。一方面,技术上有全新的领域,但另一方面,在全新的领域和商业领域一样,竞争格局没有形成,对于新的玩家来讲其实是更大的机会。
如果比较初创和跨国公司,我会觉得在任何一个单一技术上,尤其是新的技术上,初创公司常常能够以更快的速度实现突破,然后解决技术上真正需要攻克的部分。初创公司非常敏捷、非常灵活,可以在快速试错中非常快的成长。
我还在服务巨头,肯定不会对巨头很绝望,我们仍然觉得巨头们非常有优势。任何到了系统层级的能力,其实都需要长久的累计。在这部分,巨头们拥有的能力,不是短时间内初创公司可以迅速的超越。巨头们不管是整车厂还是Tier1,其一个非常大的竞争优势在于,对于价值链的把控和对全球产业格局的深度理解。也正是受制于这两点,巨头们往往比初创公司慢很多,但在战略上仍然能够保有先机。
汽车产业是一个高度资本密集型,同时又高度技术密集型的产业。在这样相对成熟的产业,想打破整个产业链条并不是一个轻易发生的事。我去想象未来,我会觉得多数今天汽车产业大的玩家们还在,可是一定会有新的玩家入厂,会有巨头倒下。
至于什么样的玩家会胜出,我认为在这样的产业格局下,公司需要有非常清晰精准的定位,同时能够找准自己的合作伙伴。
Q: 在大厂看来,智能驾驶的关键难点是什么?
张翠波:基于博世的很多发现,整个无人驾驶的时间表可能如下:Level3级别的自动驾驶可能会在2020年后;Level4量产的时间是2020到2023年。
影响这个时间表的变数可能包括这样几个点:一个维度是整个产品的验证、测试和释放标准;二是底层传感器技术。
汽车产业和消费电子、其他产业不同,汽车产业的召回非常昂贵,动辄几十亿,如果释放标准不清晰,没有厂商敢贸然走向量产。在测试部分,实际的路测合理比重,行业上还未有突破。
讲到底层技术,从我的角度来讲,影响整个时间表的可能会是三个底层技术:芯片本身、传感器、深度学习算法。芯片方面,包括地平线在内的初创公司已经入场。传感器方面,今天大家更多讲的是激光雷达会是传感器受制约的部分,从我的角度讲,我不关心它是激光雷达技术本身的突破,还是摄像头的突破,从系统层面上要解决的问题是,在极端的天气状况下,能捕捉有效的视觉图像,同时又能捕捉长距离的图像,同时又能保证实现的稳定性。第三个技术上受限的部分来自深度学习算法,但是深度学习这部分是黑盒子,是不可专业表达的,但汽车行业都是标准清晰的,一旦发生问题,就需要最短时间内找出问题的根结所在,解决这个问题,重新上市产品。
相关文章推荐
- 【自动驾驶】深度学习用于自动驾驶技术 DeepDriving(ICCV 2015)
- 【自动驾驶】深度学习用于自动驾驶技术 DeepDriving(ICCV 2015)
- 深度学习算法实践15---堆叠去噪自动编码机(SdA)原理及实现
- 饮水思源--浅析深度学习框架设计中的关键技术
- 麻省理工学院-2017年-深度学习与自动驾驶视频课程分享
- 【直观梳理深度学习关键概念】优化算法、调参基本思路、正则化方式等
- 笔记:深度学习驱动的自动驾驶新主流框架盘点
- 记录:简介 深度学习在自动驾驶中的应用
- 深度学习框架-浅析深度学习框架设计中的关键技术
- 深度学习算法实践15---堆叠去噪自动编码机(SdA)原理及实现
- 【深度学习】中科院计算所:潘汀——深度学习框架设计中的关键技术及发展趋
- MIT 深度学习与自动驾驶公开课 Deep Learning for Self-Driving Cars 讲义梗概
- 对于FacebookF8开发者大会开源深度学习框架Caffe2以及百度开放自动驾驶平台API的看法
- 深度学习、机器学习图像/人脸/字幕/自动驾驶数据集(Dataset)汇总
- 深度学习的异构加速技术(一):AI 需要一个多大的“心脏”?
- 技术文章 | 深度学习在推荐领域的应用:Lookalike 算法
- 深度解读:美国自动驾驶技术及测试示范区现状
- 深度学习关键技术总结
- 你需要了解深度学习和神经网络这项技术吗
- 深度学习算法实践15---堆叠去噪自动编码机(SdA)原理及实现