量产镜像文件-(量产镜像文件有哪些)

▲Robotaxi国内玩家2019年大事件一览 新智驾制图

在AutoX CEO肖健雄看来，尽管当下辅助驾驶更为火热一些，但这个存量市场已经被博世、大陆、Mobileye等巨头玩家耕耘过，一个被国际巨头切割过的市场，国内厂商很难再打得出彩。

但在L4自动驾驶的新兴市场中，没有巨头割立，国内玩家尚处在一个相对公平的位置进行竞争。换言之，这是一个玩家有望成长为巨头的领域。

文远知行CEO 韩旭也告诉新智驾，其着力重点在Robotaxi上的一个考量是，随着劳动力人口的减少，未来愿意从事出租车司机的人口劳动力会下降。如果真正实现车内的驾驶无人化，那么对当下的出租车的运营效率的提升将是巨大的。

Pony.ai联合创始人兼CEO彭军此前也在公开演讲中表示：在自动驾驶的场景上，Robotaxi是城区场景中最为复杂的场景，如果这个场景能够搞得定，那么其他场景相对来说更容易拓展落地。

尽管出发点不尽相同，但在探索自动驾驶颠覆既有出行方式的道路上，他们是先行者。

在自动驾驶实现从技术到产品的转换过程中，玩家们面临着很多挑战。其中最大的一个问题在于，如何实现自动驾驶产品的规模化，让Robotaxi出行成为可能？

正如AutoX CEO肖健雄所说，自动驾驶量产的实现，除了依赖软件层面的自动驾驶解决方案，还需要传感器、车规级计算平台和专门的自动驾驶车辆等硬件方面的配合。

但就新智驾了解，大多数的自动驾驶企业都扮演着技术方案提供商或算法公司的角色，本身不具备制造车辆的能力。因此自动驾驶车辆的研发中，需要产业链上下游的配合：自动驾驶玩家集成自动驾驶解决方案、传感器、车载计算平台等，联合主机厂对车企提供的原型车进行后装改造。

但在从实验室走向市场的道路上，基于后装改造的车辆并越来越不能适应车辆批量生产的需要。

文远知行CEO韩旭告诉新智驾：“手工可以搞出三四十辆车，但是几百辆车不可能都是手工作坊做的。”基于改装的车辆产品每一台之间都有细微差别，这种非一致性会给后期的运维带来巨大成本与安全风险。

比如车载传感器就存在着安全风险。自动驾驶中的感知环节依赖摄像头、激光雷达、毫米波雷达等传感器来告知车辆当前周围的状况，帮助车辆作出更好的判断。其中，激光雷达凭借其高分辨率、高精度成为L4级自动驾驶感知环节中不可缺席的一员。

目前自动驾驶车上的传感器套件尚未完全达到车规级要求，传感器可能会因为车辆行驶而出现松动现象，给自动驾驶带来巨大的安全风险。“理想的情况下大家都希望能够符合车规级要求，但是传感器套件距车规级标准还有一定距离。”韩旭说。

同样需要维持高稳定性可靠性的，还有自动驾驶车载计算平台。所谓的车载计算平台，就是让自动驾驶车辆拥有一个性能强大的大脑，接收、分析来自各类传感器的数据，为车辆规划作出最优决策。

AutoX肖健雄认为，自动驾驶的大脑一方面需要运行高计算量算法、达到实时的计算速度；同时平电脑台的功能安全要求亦必须保证，抗震、散热、接口等要求均需达到车规。

尽管传统的计算平台也能够满足自动驾驶在计算量上的要求，但其体积大，功耗也高，且大多是PC机式的，很难满足车规级要求。

最重要的一点是，在新智驾与众多自动驾驶高管的接触中，他们认为，自动驾驶量产中最重要的因素还在于车辆本身。

肖健雄认为，安全是无人驾驶落地的第一要素，而实现安全的无人驾驶很重要的一点是具备车规级冗余硬件的底盘。这就需要对原型车的油门、刹车、转向，电源等系统双层冗余进行正向设计。

双层冗余意味着，当自动驾驶车内的一套系统出现失灵时，另外一套系统可以立即展开工作。但事实上，一般车辆没有自动驾驶需求，因此也不具备冗余套件与功能。

而双层冗余的正向设计难度不是一般的大。“这个事情得车企来做，我们做不了。因为没有汽车的设计图纸，车子的零部件太多，想逆向扫描都扫不了。如果车企和 Tier 1配合，双方去搞这件事情，就可以把车搞到很便宜，并且是车规级。”肖健雄说道。

可见，在硬件方面，传感器如何在性能不断提升的基础上保证稳定性、车载计算平台如何兼顾算力与车规级要求、车辆系统如何满足安全冗余，都是自动驾驶车辆在量产路上要解决的问题。

在过去一年里，新智驾发现，玩家们就上述这些挑战得出了不同的解决方法。

1、自动驾驶眼睛：传感器套件一体化

首先是传感器的一体化。

一般来说，传统的自动驾驶传感器套件元件都是以高线数机械式激光雷达为主，低线数激光雷达、摄像头、毫米波雷达为辅。以往这些传感器都比较硕大且零散，以车顶支架的形式出现在自动驾驶车辆上。

而车顶盒方案的出现显然使得传感器更加集成化，一体化。

这种变化最先可以在小马智行2018年9月推出的PonyAlpha系统上可以看到，其系统将激光雷达、摄像头、毫米波雷达等传感器进行了一体化适配。

但真正从前装产前下来的，还要看百度Apollo与一汽红旗联合打造的国内首批量产L4级自动驾驶出租车。这也是国内首条L4级别自动驾驶乘用车前装产线上下来的Robotaxi。

在2019的下半年，其他玩家也纷纷迎来自己的传感器一体化升级。

11月，元戎启行发布的传感融合方案就包含一体化车顶盒在内，其整个车顶盒的高度仅为31厘米。元戎启行COO高爽此前向新智驾透露，未来其将推出体积更小的车顶盒。

12月，在英伟达主办的GTC 电脑 China 2019上，文远知行也推出首个自动驾驶车顶一体化集成套件——WeRide SmaRt Suite 3.0。

尽管传感器套件一体化更加便于车辆的前装量产，但车顶盒内部使用的高线数的机械式激光雷达依旧存在着因为车辆的震动而带来的产品稳定性低问题。

在一月份的 CES 2020上，激光雷达玩家速腾和大疆都带来了自己的固态激光雷达新品。固态激光雷达不仅能够最大程度地减少了例如电机、轴承等可动机械结构带来的磨损，同时也消除了光电器件因为机械旋转可能造成的故障，其稳定性相比机械式激光雷达有质的飞跃。

更重要的是，与机械式激光雷达高昂的价格相比，固态激光雷达的价格能够降至千元以内。这种价格下跌背后的是固态激光雷达的兴起以及高线数机械式激光雷达的失势。

未来固态雷达有望取代传统雷达，在提高传感器的稳定性与可靠性的同时，助力其车规级前装量产，而这是车队大规模扩展的前提。

2、自动驾驶大脑：车载计算平台

同时，Robotaxi玩家们的车载计算平台，也呈现出更加迷你化，往车规级靠拢的趋势。

比如文远知行就与英伟达合作，采用其最新推出的面向L4级自动驾驶研发的车规级计算平台DRIVE AGX Pegasus II，其运算能力高达每秒320 万亿次，能够满足防震、防水、防尘等车规要求，实现算力、电源、构架的多重冗余。值得一提的是，其计算单元套件通过集成在车顶的WeRide SmaRt Suite 电脑 3.0的传感器套件上，能够将后备箱空间还给乘客。

相比之下，元戎启行采用的英伟达的车规级计算平台XavieR的计算速度在32万亿次/秒，只达到了NVIDIA AGX Pegasus ||的十分之一。但通过自主研发的推理引擎，将自动驾驶相关算法成功移植到英伟达的车规级计算平台XavieR，将其计算平台整体解决方案的成本降到了传统解决方案的一半左右，同时将功耗缩小到传统方案的近九分之一。

而玩家Autox选择了自研自动驾驶的域控制器，以此兼顾计算性能与功能安全。肖健雄表示，在预控制器的研发上，目前绝大多数公司做的是辅助驾驶的预控制器，计算量较低，满足不了Robotaxi的要求。

因此AutoX在前段时间的CES上发布了其自研的L4级别无人驾驶车载域控制器XCU，支持传感器硬件同步、液态冷却和车载功能安全。

可见，在车载计算平台上，如何在性能与价格，车规与量产之间找到平衡，是量产之路上玩家们要继续解决的问题。

3、车是关键因素

在至关重要的车辆上，玩家们需要一台好的原型车，需要与主机厂深度配合，才有可能解决车辆的量产难题。

比如百度与主机厂一汽红旗合作，打造了一条专门的自动驾驶车辆产线。

但目前与自动驾驶玩家进行深度绑定、进行前装量产的主机厂玩家并不多。更多的是主机厂与自动驾驶玩家的后装研发，比如，AutoX与比亚迪，小马智行与丰田、广汽，文远知行与雷诺日产三菱联盟，元戎启行与东风汽车。

目前，克莱斯勒的Pacifica大捷龙车型是全球唯一拥有上文提及的硬件冗余的车型。不仅属于前装量产，车内还具备车规级冗余硬件的底盘，包括刹车、转向、电源等双层冗余。这款车专门为自动驾驶巨头Waymo定制，此前搭载Waymo的自动驾驶系统的Pacifica已经进行了2000万英里的里程测试。

“做Robotaxi最后肯定需要有FCA与Waymo之间类似的合作。第一需要车企有这种能力，第二车企愿意做这些冗余的零器件，（自动驾驶量产）这个事情没有车企是做不了，根本不可能的。”AutoX CEO 肖健雄如是说。

在CES 2020上，Autox就宣布与克莱斯勒达成合作，联手FCA推出中国首个真正可无人的Robotaxi 。这也是自动驾驶领域内，除了Waymo之外，唯一使用实现车辆底盘硬件冗余的玩家。

可见，“量产”并非一个空口号，而是需要玩家们将其分成不同的细分板块，然后逐一攻破。

从硬件层面，玩家们在传感器、车载计算平台和车辆等硬件方面都有了不小的提升。

在软件层面，持续地进行路测，积累数据，更迭自动驾驶系统则是玩家们一直在做的事情。

Waymo就是一个典型的例子。前段时间Waymo宣布其自动驾驶路测里程突破 2000 万英里。但在2018年10月以前，Waymo花费了9年的时间才积累1000万英里里程，其用15个月就将里程数就翻了一倍。基于这些路测数据的积累，Waymo的自动驾驶车队中已经有部分Robotaxi取消安全员，实现真正的无人驾驶。

而在国内，如果留心，会发现L4自动驾驶Robotaxi身影也已渗透到了一些城市角落：长沙、广州、武汉、北京、上海、沧州....Robotaxi玩家们都拿出了实打实的成绩：进入运营阶段、扩大Robotaxi车队规模、开启“圈地运动”模式。

以广州为例，小马智行与文远知行早就开始了Robotaxi的试运营。

据小马智行联合创始人兼CEO彭军表示，从2018年12月份开始，小马智行在南沙的核心区域推出了Robotaxi常态化服务，迄今已有超过7万多次的打车订单。

而在广州的黄埔区、开发区核心的城市开发道路，文远知行则是与出行公司组建了合资公司文远粤行，从2019年11月开始为区域内的市民提供日常的Robotaxi出行服务。值得一提的是，在区域范围内，居民不需要申请、不需要审核、下载文远知行官方自动驾驶出行APP就可以搭乘Robotaxi。

同样地，AutoX也以“出行公司+自动驾驶”的模式进行Robotaxi运营。2019年12月10日，深圳市鹏程电动汽车出租有限公司与AutoX达成战略合作，共同推动纯电动无人驾驶RoboTaxi在深圳中心地区的规模化商业运营进程。此外，AutoX还将在上海的无人出租车RoboTaxi示范运营区投放100台无人车队。

而在华中地区的湖南长沙，则是百度Apollo Robotaxi车队的“领地”。百度Apollo与一汽红旗联手打造的前装量产Robotaxi 车队也于9月26日在长沙开放道路智能驾驶示范区正式开放试运营。

元戎启行的COO高爽也告诉新智驾，2020元戎启行将在中部地区的限定区域开展Robotaxi的试运营。目前具体是中部哪个区域，有待继续跟进。

在限定区域开展Robotaxi试运营的背后，一方面是玩家们在为Robotaxi的商业化落地做准备。文远知行CEO韩旭就曾告诉过新智驾：Robotaxi是一个“技术+运营”问题。现阶段如果仍单纯地关注纯自动驾驶技术而忽视运营，恐怕不能满足Robotaxi发展的要求。

要实现真正的无人驾驶商业出行服务，还需要对很多用户体验问题上进行精雕细琢。比如如何通知车辆启动、乘客端可视化优化等问题，Robotaxi的试运营可以提供一个不断打磨细节的机会。

另一方面，扩大车队规模、进行Robotaxi的试运营还可以帮助玩家获得更加爆炸式的路测数据。

从这个角度来看，扩大车队规模进入试运营状态的国内玩家也有望获得更多真实海量的数据，同时这些数据又可以反馈给车队，形成良性的数据闭环，以此解决自动驾驶场景中的长尾问题。

总结：

对L4自动驾驶玩家而言，过去的2019是一个不断技术迭代、迈向量产、尝试商业落地的一年。在自动驾驶真正的大规模来临之前，他们可能还需要继续循着这样的方向，踏出坚实的另一步。

未来2020年，随着玩家们车队规模扩大、Robotaxi运营更加常态化，资本市场和公众有更多的机会接触到自动驾驶，这些会以不同的形式反哺给自动驾驶玩家，助力其真正地迈过量产大关。