当前位置: 首页 > 科技观察

关于“无人驾驶”,投资大佬给出四大预测

时间:2023-03-16 01:56:46 科技观察

编者按:辰韬资本执行总经理何雄松近日出席中信证券某活动,分享无人驾驶相关话题。分享的内容干货满满,涉及Robotaxi的落地、激光雷达的商业化、造车新势力的比拼等等。据此,新知家在不改变原意的情况下,对原文进行了整理和编辑。基于此,为读者所写。在何雄松看来,自动驾驶行业有两轮投资热潮:第一轮在2015年左右上涨,2018年和2019年达到顶峰,2019年减弱。据美国布鲁金斯学会报告的数据显示,智库数据显示,仅2014年至2017年间,自动驾驶汽车领域的总投资就超过800亿元。此后,创投机构整体投资节奏放缓,投资者也意识到L4及以上自动驾驶商业化周期过长,自动驾驶初创企业的融资频率开始下降。2019年资本寒冬,Roadstar.ai、Drive.ai等自动驾驶明星公司相继倒下。随着特斯拉等造车新势力产量的增加,以及资本退出方式的多元化和便利化,2020年将成为资本重新点燃自动驾驶投资热情的关键一年。更重要的是,自动驾驶商业化进程明显加快,自动驾驶企业纷纷尝试在特定场景或开放道路上进行商业化运营。今年途胜成功登陆未来IPO,而北京高级别自动驾驶示范区给予京东、美团、新石器相应的无人配送车通行权,也成为了未来的积极信号。自动驾驶技术的实施。在此背景下,何雄松对自动驾驶商用车场景及“最后一公里”无人配送前景进行了预测分析。预测一:开放式高速载人着陆仍需等待10年以上。自动驾驶的应用场景不同,技术要求不同,落地时间也不同。目前,自动驾驶在封闭低速场景的应用主要集中在矿山、港口、码头配送三个领域。相对而言,矿场的整体着陆环境是最友好的。大多数矿山位于偏远地区,人烟稀少。相对简单的运行环境对自动驾驶技术的容错率较高。无人驾驶矿车在这里拥有更多的路权,操作人员可以根据需要规划自己的行车路线。相关数据显示,国内矿山自动驾驶市场规模超过1000亿元,而露天煤矿土方运输是最适合自动驾驶推广应用的场景,市场空间超过450亿元每年。在此背景下,踏歌智行、汇拓智能、易控智家、西迪智家、悦信智能等自动驾驶企业齐聚此地。辰韬资本预计,国内无人驾驶矿用卡车将在2022-2023年开始商用。在港口方面,由于道路结构化程度高,作业环境相对简单,自动驾驶卡车在港口拥有相对较多的路权,这也带来了自动驾驶商业化运营的可能性。过去几年,震旦智驾、西景科技、飞步科技等自动驾驶企业纷纷将目光投向这里。其中,震旦智嘉近日拿下全球首个无人商业港口支付订单。在开放道路上,根据道路环境可分为robotaxi和干线物流。Robotaxi需要在城市道路和高速公路上行驶,最高行驶速度可达120km/h。复杂的运营环境和更长的制动距离对Robotaxi的预测、传感器和制动距离提出了更高的要求。何雄松认为,目前Robotaxi在应对上述挑战方面还存在薄弱环节,短期内难以落地。不过,或许可以通过环境降维来降低技术难度。具体来说,首先将Robotaxi的行驶速度从120km/h降低到50、40km/h;其次,选择相对简单的道路进行Robotaxi试运营,通过技术迭代逐步扩大应用场景。同样,干线运输的全无人化运营时间仍是未知数。与Robotaxi相比,无人驾驶卡车的制动距离更长,事故危害更大,容错率极低,这也对技术提出了更高的要求。不过,一旦干线交通真正实现完全无人化,其省油、安全、低成本的特点,或许会创造出比Robotaxi更广阔的市场空间。基于以上特点,何雄松判断,封闭式低速加载场景需要2-3年,高速加载场景需要5-8年,开放式高速加载场景需要10年以上。预测二:未来三年无人配送批量应用将爆发去年12月24日,码头无人配送服务公司Nuro获得加州首张商业运营牌照,成为全球首家商业运营的无人驾驶公司。获得商业运营许可后,Nuro获准在加州圣马特奥县和圣克拉拉县开展商业运营,日常配送食品、饮料、药品等产品。对于国内的无人配送场景,何雄松似乎比较认同Nuro。他认为超市零售场景最适合无人配送。目前,国内典型的无人配送场景有快递、外卖和超市零售三种。快递的即时性要求不高,等待时间长但数量大;外卖的即时性要求高,等待时间短,但环境非常复杂。此外,并非每个商户都有配套的停车设施,因此在取货和配件方面存在不确定性。超市零售的即时性要求比外卖低,配送路线更固定。同时,超市零售线上业务拥有成熟的仓库和配送人员,配送基础设施更加完备。因此,无人配送非常适合超市零售场景的应用。目前国内无人配送企业主要分为三类:互联网科技企业,如阿里、京东、美团等;创业公司,如白犀牛、新石器、一轻创新等;Tier1背书的主机厂和企业,如末日智慧,东风畅享。《末端无人配送赛道研究报告》辰韬资本发布认为,城市配送的“最后一公里”是物流配送行业成本最高的环节。目前,由于车型和传感器方案的成本不同,一辆无人配送车的成本在20万至50万元不等。包括保险、车辆运维、现场安全运维、后台远程监控/运营商成本、云平台服务成本等成本,无人配送车的成本将进一步增加。何雄松认为,无人配送的批量化应用将在未来三年迎来爆发。首先,随着未来三年无人配送车的量产化,整车成本将降至10万元以内。无人配送车的技术迭代也将取消车辆运维、现场安全运维、后台远程监控/运营人员等成本,成本将大幅降低。其次,无人配送市场规模已达千亿。美团、京东、阿里巴巴等互联网科技公司已经将无人配送车投入实际应用。例如,阿里巴巴在全国数十所高校推出驴友,为师生配送快递包裹;疫情期间,京东、美团多次向医院和社区运送医疗和生活物资。目前,企业正在逐步开启各种场景下的无人配送,也可以说是批量应用无人配送的前夕。第三,随着过去几年企业在无人配送行业的各种尝试,其商业模式已经初步形成,技术也可以支撑一些场景的需求。虽然国外无人配送车率先落地,但何雄松认为,国内无人配送行业实现盈亏平衡的可能性更大。原因是国内城市人口密度更高,接单效率会更高。未来,当中外无人配送车的硬件成本相差无几时,中国大量的无人配送订单将帮助企业更快实现盈亏平衡。实现这一点的关键在于该技术能否解决无人配送车的安全问题。预测三:激光雷达竞争是半固态竞争在何雄松看来,激光雷达本质上不存在技术方案的竞争,不同的技术路线满足不同阶段的市场需求。目前纯固态激光雷达主要分为flash和OPA方案,后者的国际化发展基本停滞。在多家公司的研发下,flash方案的探测距离已经提升到100米,但这仍然不适用于需要数百米探测距离的高速公路场景。何雄松认为,纯固态激光雷达的探测范围能否更远仍是未知数,押注纯固态激光雷达可能存在风险。根据中金公司研究部预测,纯固态激光雷达方案成熟并量产还需要5年以上时间。半固态激光雷达目前搭载于量产车型,中短期或将成为市场主流选择。在未来的市场竞争中,各公司的半固态激光雷达解决方案能否满足市场需求将影响公司的产品销量。目前,龙头企业在半固态激光雷达的各种技术路线上都有研发,龙头企业也将有更多的生存机会。此前,车规级激光雷达主要针对自动驾驶汽车。今年以来,车规级激光雷达开始在乘用车上进行前装,一个前装市场正在慢慢打开。蔚来ET7、知己汽车、上汽MARVELR、上汽R汽车ES33、小鹏P5、极虎AlphaS华为HI版等具备一定自动驾驶功能的智能汽车相继上市,正式开启激光雷达前装量产元年.随着智能汽车自动驾驶水平的提高,激光雷达在传感器中的作用也将从辅助变为主导。咨询机构Yole的一项数据显示,2020年全球用于智能驾驶的激光雷达约20万台,相关销售额约9500万美元;到2025年,全球预计将有340万个激光雷达用于智能驾驶。销售额约为15.35亿美元。因此,在巨大的市场爆发之前,激光雷达企业应该快速满足产品的实际需求,然后快速迭代产品。预测四:造车新势力目前无法实现L3级自动驾驶。特斯拉、小鹏、蔚来、理想目前只是辅助驾驶,距离L3级自动驾驶还有一定距离。根据今年4月SAE和ISO联合发布的最新版分级标准定义,SAEL1-L2命名为DriverSupportSystems,SAEL3-L5命名为AutomatedDrivingSystems。L3和L4自动驾驶功能可以在系统运行时监控和执行系统的ODD限制,并防止超出其规定的ODD的使用或操作。ODD是操作设计域。随着自动驾驶水平的提高,ODD将适应更多的道路和环境。如果在没有ODD的情况下运行,则驱动程序必须接管。根据《汽车驾驶自动化分级(报批稿)》,L3动态驾驶接管任务的对象是驾驶员和系统动态接管,而L2级别仅供驾驶员接管。因此,小鹏在宣传NGP的辅助驾驶功能时,往往会强调属于“辅助驾驶”的范畴,绝不是“替代”用户。目前国内三大造车新势力都建立了各自的壁垒:如蔚来的品牌打造、小鹏自研算法、理想的产品定义等。此外,造车新势力也面临着不同的挑战.比如,蔚来针对大城市停车位少、充电桩难安装的情况,推出车电分离模式,受到用户欢迎。但如果未来的快充技术发展超出预期,长期充电将不再困扰用户,或将对蔚来的换电模式产生影响。一定程度上,特斯拉的发展阶段可以为造车新势力提供借鉴。如果拆解特斯拉的发展阶段,可以分为三个阶段:借助Mobileye芯片快速推出辅助驾驶功能,形成软硬件一体化的解决方案;放弃Mobileye的方案,不断迭代算法;算法形成后,为了提高运行效率和降低功耗,针对算法定制芯片。目前,造车新势力在算法方面的发展参差不齐,算法成熟的企业较少。这个时候为算法定制芯片意义不大。有消息称,特斯拉可能会加入激光雷达阵营。在何雄松看来,这对特斯拉不利。首先,激光雷达的加入意味着特斯拉之前积累的数据不再有效,重新训练模型需要花费大量的时间,而且训练出来的模型可能仍然达不到现在的水平。其次,特斯拉不能在中国收集数据,也不能向美国传输数据。因此,特斯拉在美国研究的算法可能不太适合中国特色的路况。从AI的角度来看,误判率和误判率处于权衡之中。本文转载自雷锋网。如需转载,请在雷锋网官网申请授权。