人工智能的终极场景：自动驾驶

“自动驾驶”，或称“无人驾驶”,并不是一个新鲜的词汇，认真追溯起来，其实早在1925年，就诞生了人类历史上第一辆“无人驾驶汽车”, 至今已近百年。当时是由一位来自美国陆军的电子工程师Francis P. Houdina，通过无线电波来控制前方车辆的方向盘，离合器，制动器等部件来完成的，虽然很不完美，但可以被视作为人类无人驾驶汽车的雏形。那自动驾驶到底经历了怎样的发展历程?

图1-自动驾驶发展历程——1925年至2015年

图2-自动驾驶发展历程——2016年至今

从行业发展历程中可以看出以深度学习为突破的“人工智能时代”大风口下，自动驾驶被给予了前所未有的关注，包括互联网公司，传统车厂，新兴创业公司，各路资本争相竞逐，而最近Intel以153亿美金的价格收购Mobileye更是将“热度”进一步提升，那么到底应如何看待自动驾驶这一波浪潮的发展?我们认为：

自动驾驶是人工智能的终极场景，没有之一

首先，人工智能的发展依赖于四个基本要素：计算力、海量数据、算法与决策、以及传感器的数据采集，而对于实现完全的无人驾驶同样高度依赖于这四个基本要素，并且缺一不可。

图3——自动驾驶的技术原理

其次，当前人工智能的主要细分技术，包括机器视觉，深度学习，增强学习，GPU，机器人、传感器技术等均在自动驾驶领域发挥着重要的作用，甚至行业发展的瓶颈主要在于这些人工智能底层技术上能否实现突破。最后，人工智能本身越来越需要与应用场景结合才能最大限度地转化技术上的创新和突破，因此考虑到汽车行业本身的体量以及与相关行业的关联度，可以说自动驾驶是人工智能实现场景落地的最重要方向，甚至没有之一，这也是为什么其备受各方关注的原因所在。那么，我们在自动驾驶这条道路上，已经走到了哪里?

简单来说目前的发展路径可以分为三大类：

1、以Google, Uber等为代表的互联网公司，通过价格高昂的传感器(激光雷达为主)，“一步到位”地实现完全无人驾驶;

2、以汽车厂商，Tier 1等为代表的传统公司，从ADAS切入，“渐进式“地从辅助驾驶实现到无人驾驶的过渡;

3、最后一类是以Tesla等为代表的新兴公司，在传感器与应用场景上相互妥协，模式介于1和2。

我们如何看待这样的发展路线?

真正的自动驾驶是强人工智能，仍然任重道远

无人驾驶所面临的问题：

1、感知与决策算法本身仍不可靠，无人驾驶所面对的环境是完全开放的，天气，光线，突发的路况，和有人驾驶汽车的共存等问题在要实现100%安全的命题下，技术的鲁棒性仍然不足。

2、以激光雷达为代表的核心传感器的成本仍是商业化量产的最大阻碍。

3、政策，法规，以及车辆联网基础设施的建设都超出了汽车行业本身的范畴，是一个复杂的系统工程。

因此，如果回到人工智能本身，目前大部分相关技术的创新和应用仍在弱人工智能范畴。自动驾驶作为人工智能的终极场景，无人驾驶与强人工智能的实现一样，是一个需要长期发展的过程。完全的、开放的无人驾驶也许不是目前所能想到的样子，甚至最终实现无人驾驶的载体也不会是“汽车”，亦或很难被定义为“汽车”。

对于自动驾驶的理解需要回归到汽车行业本身，汽车发展的趋势是什么?电动化，智能化，网联化。自动驾驶实际上是汽车在自动化水平上的智能化提升，驱动力在于汽车产业，准确说是汽车电子产业的优化升级，有数据统计近10年以来汽车产业70%的创新来源于汽车电子技术的升级，其目的是为消费者提供更加安全，舒适，节能的有竞争力的产品。

而以互联网公司所代表的新兴技术公司也促进了这个过程，但并不代表他们是唯一或最重要的玩家，Google最近将无人驾驶汽车项目转为独立的经营公司——Waymo，并强调“这家公司不会自己制造无人驾驶汽车，而是开发驱动无人驾驶汽车的技术”正是说明了这一点。

图4—车厂与技术厂商合作关系

那么从汽车电子产业升级的角度，作为早期投资者针对初创领域，我们认为目前的投资机会有哪些?