编者按：本文为投稿，作者王秋，新锐投资人。入行前 2年 误打误撞的做了先进制造与硬件方向的早期投资，现就职于一家全面向 IOT 转型的互联网公司，专注于人工智能、IOT 领域的战略投资。
序言
当今社会，汽车已成为人类生活的第二空间；自动驾驶汽车将推进车联网服务应用的全面落地。未来每辆汽车都将成为一个移动的智能终端，形成除智能手机外第二大流量入口。无论对于用户，整车厂，互联网科技公司，自动驾驶都足够性感。
然后梦想照进现实，自动驾驶是否离我们还很遥远？作为投资人，现在是否已到了布局时点？我个人乐观的认为：2016 是中国自动驾驶创业的最佳时点；若晚了恐怕错失机会。
自动驾驶比机器人会更早的落地
自动驾驶汽车、智能机器人（包括无人机）是我们关注最多的新智能终端。可能我小时候太爱看《哆啦 A 梦》了，我对机器人的喜爱还会更深一些：），但回归理性我认为：自动驾驶汽车会比智能机器人会更早的改变我们的生活。
从用户需求出发
应用场景：汽车是出行的最重要载体，应用场景已存在上百年。而无论是地上走的机器人、还是天上飞的无人机都必须先不断开拓用户的脑洞来创造新的玩法。价格：无论汽车还是机器人，都需要对计算、决策单元、执行机构做充分的冗余以保证用户体验，而用户对于汽车所愿付出的成本要远远高于一个新硬件。
看技术成熟度
环境建模的数据积累：无论是汽车、机器人，基于视觉的深度学习都是其感知物理世界的基础，而机器人多面对的是未曾积累过、多变的室内场景；无人机虽然环境复杂度降低，但却将视角提升了一个维度；以上基于场景的建模还需要花费较长时间，而汽车对于道路场景的建模，从 ADAS 初期到现在已经有将近 10年 的积累。交互方式：机器人需要更自然的语音交互。我们之前大量的声学积累都是近场的；而与机器人的交互通常在远场、有干扰的环境。现有人工智能模型也无法很好地解析对于语义的理解。而自动驾驶汽车，由人接管后还是以前的驾驶行为。
由此看来机器人要成为家庭的第三成员，我预计至少还需要 3-5年 以上的时间。那自动驾驶汽车呢？
或许很多人都觉得：“自动驾驶是不是更遥远？技术与政策还存在很多不确定性？”。我觉得自动驾驶这事要首先要感谢一下 ADAS 扎实的前期积累；Mobileye 用了十年的时间在视觉算法上为自动驾驶趟平了很多弯路。再有，随着人工智能技术的快速发展，不单数据与算法的提升，相关为其开发的 GPU、FPGA 也慢慢丰富起来。最后，当深度学习遇到了层次分明的图像，哪怕在量子计算机出世之前，都让其有了很好的用武之地。
大家现在能看到的有 Tesla Model S 半自动驾驶；会不会觉得很 Cool？带有这种功能的车比普通车卖贵小几万我相信很多人都会买吧？
Tesla Model S 视频：http://tech.qq.com/a/20160127/004898.htm
自动驾驶 VS 无人驾驶
必须要澄清一下：我所讲到走入家庭的自动驾驶汽车与大伙儿在硅谷、北京五环看到的无人车是不同的。汽车界对于智能驾驶汽车的定义有一个标准：
从上表可知：现在的汽车正处于 Level 0，1 阶段。Level 0 只有预警功能，并不涉及控制；用户对价格较为敏感（这也是为什么 Mobileye 坚持低成本路径）。但从 Level 1 开始，实际已经由预警到干预控制。从 Level 1、2 开始，主动安全就显得不那么鸡肋了。而对于整车厂，这也是其核心竞争力的体现。到了 Level 3 则真正到了自动驾驶，用户相当程度的解放了双手和精力，车联网的各种服务才开始有了大规模落地的场景。而我们所看到的 Google 无人车是一步到位 Level 4 的阶段，届时 “共享主义” 的出行方式将会全面颠覆现有的汽车、出行服务产业。
我这段时间明察暗访了 “奔驰、沃尔沃、戴姆勒” 等车场的实验室和市场人员，从他们的技术积累和实地演示效果推断，这些厂家的技术比新锐互联网科技公司成熟度要高不少（等奔驰 2016E 系列推出后，大家就明白了）。我有个不负责任的判断：自动驾驶极有可能在 2年 后的 2018年 实现商业化（首先在公共交通中使用）。2020年 前后自动驾驶汽车将逐步走入百姓家庭，这期间各种半自动驾驶汽车会不断涌现。
两种流派：以人为本 VS 机器为王
关于无人驾驶有两种技术路线和流派：
1）Google、Baidu 为代表希望一步到位无人驾驶的 “激进派” 2）Tesla、Mobileye、整车厂为代表的低成本、循序渐进实现目标的 “稳健派”。这两种路径商业模式和积累的能力维度是不一样的。
1） 无人驾驶，路漫漫而其修远兮
以 “机器为本”，在任何路况下由机器代替人类进行驾驶
此路径：由激光雷达作为主要传感器，依赖城市三维高精地图。绘制三维地图需要搭载激光雷达的车满街跑（目前只有新加坡实现了全国三维地图绘制），最重要其必须不停更新，大家现在都在想 “众包模式”，但 “先有鸡还是先有蛋 “？再看成本：现在车载 64 线激光雷达价格要 6-8 万美元，看样子得指望固态雷达才能大幅降本了，理论上激光雷达降本路径是通畅的，但做到可车载的稳定产品我预计会要一段较长的时间。加上叉分 GPS、高精度 IMU、强大数据处理能力的计算平台…以百度无人车为例，成本大概需要人民币 200 万元。显然，如果以传统购车逻辑算账用户是难以接受的。
当然成本这个问题我们也要辩证的看。要是从个人出行——>共享出行的角度，整个出行 + 车联网 + 汽车后服务的价值体系也要重新建模了。要是把：人员、保险费率、维修等所有成本都 cut down…也行吧，在美国勉强可以算算账，毕竟加州的司机每年薪水也要 7-9 万美金吧。但中国这笔账我是怎么也算不出来了。
有时候实现最后 5%的功能，要付出 95%的努力。若真正实现无人驾驶，光有感知、地图还是不行的。由于汽车、和环境不断变化，要做到真正安全需要另一个重要基础设施：即车与环境（V2X）、车与车（V2V）的通讯。现在华为正着手做这件事希望建立此标准，这方面中国可能比国外发展的会更快一些。我们还是蛮期待 V2X、V2V 可以更快落地，这无论对自动驾驶、无人驾驶都是好消息。
2）自动驾驶，小步快跑
自动驾驶这种路径实际是 “以人为本”，实现低成本、特定区域内（如高速、园区、城市环路等）的自动驾驶，当遇到复杂道路环境时（如匝道、非标准车道） 驾驶员拥有最高主导权随时接管开车行为。
此路径采用：视觉 + 毫米波雷达 + 超声波雷达的低成本方案。视觉一般采用双目，或多个单目（不同距离）完成，通过深度学习做环境感知，（多个）毫米波雷达主要用于不同方向目标确定，超声波雷达感知 5 米以内近距离，几种传感器相互融合完成感知、测距、决策。关于横纵向定位，使用低成本 GPS、IMU、里程计。用地图 + 视觉纠正，调节累计误差。此路径不依靠高成本激光雷达和城市三维地图（简单标注后的地图即可），成本仅在 3,000-5,000 美元。
无论对于公共交通，还是私家车这个 “性价比” 都已经到了可以实际应用的范围。对于公共交通，投资回收期可能不到 1年。对于普通用户：自动驾驶汽车实现了人机的顺畅切换， 增强驾驶技术的采用（通过学习用户的驾驶行为）使机器在自动驾驶的执行过程让司机感觉到和自主驾驶时一样顺畅。而司机可以在 “放心的路段” 解放大量精力。
个人观点
短期内我不太看好第一种路径; 更偏向于成本更低的自动驾驶路线，原因是其可以更快落地，毕竟汽车智能化水平的提升，先跑起来才有然后…倘若激光雷达未来几年成本快速下降、三维地图大量绘制、V2V/V2X 条件成熟…基于多传感器融合的思路，低成本自动驾驶路线也可以不断升级，发展到无人驾驶在技术上不存在特别大的转变。但反之，若让主要基于雷达的无人驾驶重新积累视觉，恐怕就没那么容易了。
支持我观点更重要的理由在于：无人驾驶路线与各方利益短期内存在明显的矛盾：
• 整车厂：一旦无人驾驶成为主流，汽车的品牌差异就不那么重要了（用户不会太在意接他的专车是奥迪、还是宝马），这也是整车厂对这条路径积极度不高的原因之一。没有整车厂的 input，“先鸡先蛋” 的问题又来了，地图 “众包” 要多久才能解决？不大可能要求每个车主车上都安装一个几十万的激光雷达吧…当然，站在 “外来者” 的角度，采用完全颠覆式创新提高自己的胜算也能够理解。但整车厂是否轻易的会被颠覆，现在看来还言之过早。
• 用户：是否愿意在这个时点愿意被完全剥夺驾驶的体验？我认为：用户这个时点更渴望提升自身的驾驶体验。
• 法规：完全无人驾驶毕竟这是出行 “伤筋动骨” 的变化，虽然美国加州已经通过无人驾驶的法律。但其他国家能有多快呢？但自动驾驶，人仍然是最终责任体。法规上的可行性会更大些。
很多业内专家也认为：Google 很可能 “起个大早，赶个晚集”。但是否真这么悲观，我还不敢妄下结论。至少由于路径的不同，“前人” 的探索留给了创业者宝贵的财富，有助于其少走些弯路。
2016年 是中国自动驾驶创业的最佳时点
我们提到自动驾驶汽车有望在 2018年—2020年 大规模进入市场，为什么 2016年 对于中国的创业者是关键的一年呢？有以下几个原因：
• 若早两年在国内创业，资本支持不够。创业公司不比整车厂、互联网巨头有其他业务作为支持，若距市场应用时间超过 5年，且没有中间产品可以落地（不是不能，而是分散精力）很可能会有较大的系统性风险。（中国）大多数资本难以容忍这么长周期、且大投入的项目。
• 当下做，前方技术已不存在不可逾越的瓶颈。从感知决策方面，自动驾驶需要的有大概 5-6 套深度学习算法（车道线检测、目标检测、三维视觉里程计、防碰撞、路边检测、增强驾驶）；这些年积累的行驶数据让这些算法更具准确性。计算平台上，我们看到 Nvidia PS2 计算性能已经足够支持自动驾驶汽车（可能成本、功耗还不是最优解），但按照现在的趋势，未来 1-2年 计算问题不会再成为瓶颈。
• Google、Baidu 走的是长周期路线。而 Mobileye+Tesla 的组合虽然在视觉感知算法、数据积累上有明显优势，但之前 Mobileye 的大量积累都源于单目视觉的非深度学习算法；其发展深度学习、自动驾驶也仅仅是这两年的事。创业公司可以借鉴前人的经验少走很多弯路。
• 目前汽车电动化以及互联网造车也在深刻影响着行业，这些新型汽车公司对于智能驾驶都是最看重的功能，我们看到 “智车优行” 的发布会，其智能驾驶是最大亮点。相比于传统整车厂，进入这些新锐车企的前装速度要快很多。从时间上推算，目前这些新锐整车企业第一台整车会陆续在 2017年 底-2018年 上市。照此推算，自动驾驶进入方案至少于其发布前 6-8 个月定型，开始路测。如果 2016年 自动驾驶创业公司还没成立，估计很难把握这一波红利。
• 最后，自动驾驶是依靠行驶数据积累而训练出来的算法；软硬件的壁垒都是在实践中不断滚动增强的。如果后来者与先发者用同类型技术，积累相差 2年 以上，则毫无机会（典型案例就是：ADAS 领域的 Mobileye）。此时不做，若等到国内整车厂全面觉醒，创业公司的价值将会大打折扣。
自动驾驶的中国机会
首先，自动驾驶在全球的行业格局还远远没有形成，可以说在基础技术上我们还在一条起跑线上。其次，习大大也说过 “没有信息安全就没有国家安全”。试想在自动驾驶时代，一旦发生战争，我国的汽车瞬间被他国所控制，这是一件蛮危险的事。因此，我国对于国外自动驾驶汽车会有一定限制，优先扶持本国企业（这很重要，看看互联网再看看先进制造…）
国内的整车厂，除了长安、吉利对自动驾驶还有点积累。大多整车厂（尤其是合资）“养尊处优” 惯了，基本就是找高校来做做骡车。而现在国内车企也已在加大这方面的投入，但总归之前积累较弱，创业公司若此时把握好时机，相信未来几年在与国内车企的合作与博弈中，定会展现出稀缺性的 “价值”；前面说了互联网造车的新锐公司，同样也为自动驾驶公司提供了更丰富的合作伙伴。
人才，也是条件成熟的重要因素。基于视觉的深度学习技术，全球人工智能顶级专家，其实很多都是华人；国内百度、360 等互联网公司都分别建立了人工智能研究院，并邀请大咖加盟、组建队伍（百度-Ng、360-颜水成）。可以说这方面的人才我们供给是充足的，起码不比其他国家差。涉及到自动驾驶汽车平台的搭建，我国无人驾驶在军方的应用，从 “九五计划” 就提到日程。国内院校：国防科大、北理、南理、西交大、清华积累较深。像国防科大、北理工等学校在这个领域已经有 20年 的积累。一些青年骨干也有机会独自操盘平台的搭建与调试。
自动驾驶的早期投资逻辑总结
首先大方向上：前面论证了很多我个人更看好低成本方案的原因。除了方向，早期重点还是要看团队。由于自动驾驶是一个需要综合技术、商业维度的创业类项目；团队当然配置的越整齐越好，但核心长板还需要体现在：产品化的能力（不能脱离汽车本身）。创业成员中有曾搭建起自动驾驶平台的牛人在早期非常关键。
自动驾驶属于 “技术、资本” 双密集产业，团队在发展过程中会面临很多在战略合作、技术选择上的商业决策。往往有时候 “南坡、北坡” 都是对的，最怕原地踏步。这时候，团队中是否有一个 “精神领袖”，能够顶住都是 “牛人” 队友的不同意见，快速做出决断并带领团队杀出一条血路；有没有这个 “人” 很大程度上决定了项目的成败。
做投资时间越长，我越发现早期项目能否成功除了 “方向与团队”，“时点” 是另一个重要因素。我觉得从 “天时、地利、人和” 的角度上，2016 在中国做自动驾驶的时机已经到了。现在，国内虽然做自动驾驶的团队还不多，但每家都各有特色，今年我会持续关注其成长。值得欣慰的是，现在已经有越来越多高素质的创业者投身于这个领域，未来改变世界的公司是否在中国，在此时已经成立了？我们拭目以待！
