图文报道
<
>

车国兴:AI处理器助力自动驾驶产业化

泰伯网 • 2018-06-21

摘要: 自动驾驶芯片日益成为自动驾驶的主战场,谁能掌握它,谁就能够赢得未来。

车国兴:AI处理器助力自动驾驶产业化

车国兴:

各领导、各位同行,大家上午好!很荣幸能在这里跟大家分享自动驾驶领域的热门话题:自动驾驶处理器。

车国兴:AI处理器助力自动驾驶产业化

谈到自动驾驶芯片,大家首先想到两家公司,英伟达和Mobileye,到目前为止大部分量产车是Mobileye芯片,大部分初创公司使用的是英伟达芯片解决方案。Mobileye被Intel收购之后,市值直接增长50%,而英伟达,过去三年市值增长了十倍。

从自动驾驶产业链有三大块:传感器、处理器、控制器。其中,处理器是产业最集中的。而传感器领域,无论是摄像头,还是激光雷达,都有非常多的供应商。

为什么在处理器部分,率先形成了一个集中度高的格局?有人说英伟达脱颖而出是因为GPU非常适合做人工智能深度学习计算,但这没办法解释同样有GPU的AMD的问题。也有人说Mobileye起步很早,但无法解释为什么像NXP、TI等有30年以上从业经验的厂家没有拿下这个市场。

车国兴:AI处理器助力自动驾驶产业化

为什么要软硬结合?这句话其实经常提到,但是真正去深刻的理解它的人非常的少。那最初的思想来源于一个天才的计算机科学家叫艾伦,他发明的东西其实现在每个人都在用,就是我们图形用户界面,但是他还讲过一句话“如果你严肃地考虑软件,就必须做你自己的硬件” ,这句话其实很少有人记得,但乔布斯把这句话一直作为他整个苹果公司运营的宝典,后来他也把艾伦请到苹果公司。

车国兴:AI处理器助力自动驾驶产业化

Mobileye和英伟达两家公司,谁最有资格评论?是特斯拉,因为他用过这两家公司的产品。去年年底,特斯拉爆出一个大新闻,要自己做芯片。为什么使用过这两家的产品后,特斯拉自己要生产芯片?引用马斯克说过的一句话:“我们的硬件战略比任何硬件解决方案都要好”。也就是因为他们自己是自动驾驶应用的集大成者,所以能够充分掌握芯片的应用。这就是应用场景决定算法,算法定义芯片的时代。

软硬件发展道路上看,场景和算法的驱动,促使软硬件结合。从最开始通用的CPU,到后面的GPU,到后面进行更加深层次的定制化,再到现在大家都在讲的软件系统。本质上来讲,如果你需要获得提升的性能,无论是功耗、成本、性能,你都需要专门针对一个场景进行构架的设计和算法的优化。

车国兴:AI处理器助力自动驾驶产业化

根据公开统计,在中国至少有39家做人工智能芯片的初创公司,所以这个赛道突然间就变的很拥挤,大家都在做,也在探讨是否可以做出一款通用的处理器?

人工智能业领头的公司,他们成功的产品,有很大差异性。英伟达推出超过300T计算能力的产品,苹果仅仅做脸部ID,就需要0.6T的计算能力。不管是300T还是不到1T的运算能力,但都要很完美的体现在产品上。

对于非常复杂的自动驾驶产业,可靠性、实时性、计算力、功耗的要求都非常苛刻,所以,仅使用一个通用的计算构架,是无法满足这样的需求。

车国兴:AI处理器助力自动驾驶产业化

在过去十年里,手机驱动整个计算工业的发展。鉴于对手机功耗、极致的人机交互追求,使手机处理器发展非常快。

但是在今天,面对自动驾驶,它所需要的计算能力至少是手机的5倍以上;所生成的数据至少是手机的4个数量级以上;响应的时间要求从秒级缩短到毫秒级。为了同时满足这种苛刻的要求,为了达到高可靠性的功能安全,它即需要满足AEC-Q100,又需要达到ASIL-D安全规格。所有这些要求使得自动驾驶的研发非常困难,这也是为什么出现了双寡头的格局。

车国兴:AI处理器助力自动驾驶产业化

地平线机器人在成立之初,就非常笃定地把人工智能芯片作为自己的核心发展目标。对于这做芯片,是长跑的跑道上事业,我们不能像做算法那样快速迭代,也不能像自动驾驶样车几个月之内就造出来。所以,在过去两年地平线一直在低调地做这件事情,直到去年年底发布了第一代的芯片——征程、旭日。

车国兴:AI处理器助力自动驾驶产业化

这是我们地平线旭日处理器的智能摄像机的产品,从上面数字可看,芯片的功耗,同时抓拍的人数,每秒处理帧数,都会比基于GPU芯片的智能摄像头产品效率高出不少。

车国兴:AI处理器助力自动驾驶产业化

这是我们在西直门地铁站里换乘处做的测试。

车国兴:AI处理器助力自动驾驶产业化

使用征程处理器做的第一代ADAS产品,可以非常准确地识别车辆、车道线、行人、交通标志牌,尤其对侧面车辆识别也是非常精准的,这是在中国道路环境下面临的非常大的挑战。

车国兴:AI处理器助力自动驾驶产业化

今年,我们还会发布第二代芯片征程2.0。相对于第一代芯片来讲,最大的提升是把基于传统的检测框感知,推进到基于像素级别的感知,所以在识别上要清晰很多,对每一个像素进行语义分类。

从简单场景到复杂场景、高频目标到一般目标、2D感知到3D感知。

这在后面会详细分享。

车国兴:AI处理器助力自动驾驶产业化

在今年加州的CES展会上,已经展出了基于征程2.0计算构架的自动驾驶计算平台Matrix。可以直接接入毫米波雷达或者超声波雷达,同时接入两组四路摄像头,可以非常方便的支持像自动泊车类的360度感知应用。随着这个计算平台的推出,接下来会做一款带有域控制器功能的平台,集成视觉感知、传感器融合、决策、控制的开发平台。该开发平台可以很好地跟合作伙伴一起快速推进L3甚至L4的自动驾驶开发。

车国兴:AI处理器助力自动驾驶产业化

其实,我们今天谈到感知,不只是对静态环境进行识别,也不仅仅是把一个目标识别出来就结束。我们要做的是面向决策和规划的感知,所以对于运动目标的运动朝向,以及各个运动目标的之间关系都非常重视。

基于视觉感知的结果发展—语义地图,是业界的重大趋势。Mobileye有REM,BOSCH有博世道路特征BRF,都是这个思路。

而我们这种视觉感知技术——像素级语义分割,这也将代表新一代的感知发展趋势。这样的好处是可以极大提升整个系统的准确性,在各种环境下都可以非常准确地识别所需要的关键特征和目标。同时,这种超过20个目标的分类,使得我们可以提升对整个场景深度全面的理解,低层语义为接下来的高层语义提供了坚实的基础,高层语义分割会对关键定位有很好的辅助作用。

车国兴:AI处理器助力自动驾驶产业化

这是2018CES会展期间,我们在加州进行了高速道路实测,无论是可行驶区域、天空、树木、路肩、车道线都有不同颜色来表达。同时我们还对车辆进行了3D姿态的识别,它的优势是什么?第一,因为是像素级别的,所以当侧面切入的车辆只要录到一小部分,就可以及时感知到;第二是全方面判断的语义分割,提供丰富的低层语义信息。

与传统的检测框相比,基于像素级的语义分割与目标识别的优势是决定性的:

对于目标识别的准确度(有效解决遇到的遮挡、截断、以及尺寸变化范围大的难题 )、

目标识别实时性都有所提升(能够大幅度缩短目标识别的时间,在移动出现的第一时刻就可以识别。下图显示了在识别实时性方面,像素级目标识别相比传统的检测框有决定性的优势。 ),

并提供丰富的低层语义信息(对与全场景的语义分割使得各个不同的类别可以做到交叉验证,例如,路肩、人行道对于可行驶区域的判断有明确的辅助验证作用,路侧的固定目标,如交通标识牌、路灯等对于定位有很大的帮助。 )。

车国兴:AI处理器助力自动驾驶产业化

使用单一深度神经网络将目标的检测、3D结构的感知和预测放在了一起,这样得到了一个端到端的深度学习系统,充分共享检测和姿态估计的计算权重,使得整个网络在一个比较小的计算量下,同时获得物体检测和3D姿态估计的结果。

车国兴:AI处理器助力自动驾驶产业化

行人、非机动车驾驶人等,也是感知预测中的核心难题,因为人的行为更难预测。

目前自动驾驶系统中对人的检测,往往只检测人的属性,并通过检测框来预测人的位置和距离,这种感知结果无法对人的运动进行精确估计。尤其是对城市环境的自动驾驶,需要非常精确的人的运动估计。因此对人的姿态估计和运动建模,成为视觉感知的一个非常重要的研究热点。

图中,通过使用一个17点的人体外骨骼检测模型,对人的各个关节进行感知和建模,并同时学习,从对人的行为做精确的预测。

车国兴:AI处理器助力自动驾驶产业化

在唐人街实测时,城市道路状况非常复杂,密集的建筑物、交通标识牌、红绿灯、行人,我们对所有的对象都进行了非常精准的分割,对所有的关键移动目标也进行了识别。比如行人,不仅仅是把行人的轮廓识别出来,还对他们进行了包含17个关节的外骨骼描绘,我们可以清晰了解行人的运动朝向。

车国兴:AI处理器助力自动驾驶产业化

早期关于整个自动驾驶的技术走向,像谷歌和百度都是使用高精度雷达加地图的方式,而地平线机器人是使用摄像头+导航地图。我们希望通过导航级别的地图,基于感知技术发展语义地图,再加上视觉的感知技术,打造一款可落地的低成本、高性能产品。

应该说激光雷达点云生成的地图非常精准,但是有弱点,数据量非常大,更新成本也非常高。我们相信语义地图是一个真正的趋势。通过对于关键特征物提取,生成精简但是足够准确的语义地图,把地图作为一个超级传感器,与现场、车端实时感知结果进行匹配,然后进行定位,决策和规划。

车国兴:AI处理器助力自动驾驶产业化

感知是复杂的,跟决策又是密不可分的。所以更精准的来讲,包括对于语义分割、目标识别、轨迹预测,希望在一个高度统一的3D环境模型里建模,该3D环境模型可以做到与传感器无关。无论使用什么样的传感器,都可以把语义结果适配到这样一个环境中来。利用一个像素级别的感知技术,可生成高可靠性的语义地图。

自动驾驶在决策方面面临很大挑战。阿尔法狗的成功,代表人工智能在决策方面非常出色的应用案例。但是对于围棋来讲,感知环境全透明,可以获取一切信息,博弈主体只有两个,这是一个封闭空间,信息充分博弈的场景。即使这样我们看到阿尔法狗都需要具有非常强大的计算能力才能够满足要求。

车国兴:AI处理器助力自动驾驶产业化

对于自动驾驶,我们有可能面对的是一百个主体的互动,一步决策会直接导致博弈主体对于结构的变化,这个难度事实上比感知还要大。基于以上的分析,我们采用基于贝叶斯网络的理性构架,贝叶斯网络可以非常好地去融合不同的决策手段,比如说基于规则和基于AI的决策。这种融合是以模块为基础的,即使整个网络不是透明的,如果决策出了问题,对后面的分析也非常有帮助。

可以这样理解,在决策这件事情上,AI和规则其实是不矛盾的。AI就好比人的大脑,高级的感知。决策系统更像人的边缘,原始,但是能够应对紧急情况。所以我们相信在未来的决策系统里面,通过AI增强做驾驶体验,通过规则保证它在最低象素上的可靠性是未来的趋势。

在去年年底,我们已经完成了第一代基于高思构架的人工智能芯片的开发。今年,我们已经展示了基于贝努利架构的第二代芯片原型,后面我们还会推出基于贝叶斯构架的第三代芯片的开发。所以,我们会持续提升计算力,我们会持续发展计算构架。

车国兴:AI处理器助力自动驾驶产业化

不久前,地平线创始人兼CEO余凯入选了新一代的人工智能战略规划委员会委员,同时入选的人工智能公司包括BAT和讯飞。地平线是唯一一家初创公司入选,同时也是唯一一家致力于做人工智能芯片的公司,这说明国家已经充分意识到人工智能芯片的重要性。如果说人工智能对我们国家科技发展至关重要,芯片就是这里面的核心。

车国兴:AI处理器助力自动驾驶产业化

PC时代英特尔成为主导,手机时代高通成为主导,在人工智能时代我们看到英伟达和谷歌持续地推进他们的势力范围。但是人工智能这事足够重要,而智能驾驶事关国家安全同样重要。想要赢得自动驾驶,就像中美的战略竞争,就不能放弃自动驾驶芯片。做芯片中国有很好的基础,在计算机视觉领域,差不多华人学者占了业界的一半,有非常好的人才储备。在汽车芯片的开发方面,也积累了多年经验,中国本土已经有足够多优秀的工程师,可以去做自动驾驶芯片。

自动驾驶芯片日益成为自动驾驶的主战场,谁能掌握它,谁就能够赢得未来。自动驾驶芯片难度足够高、需求足够强,我们中国一定要有人去做,这就是地平线的目标。我们希望在这个非常长的跑道上持续推进,到2025年希望为3000万辆车装上自己的芯片,使我们在自动驾驶上真正有自己的话语权,不会受制于人,不会让主机厂在英特尔和英伟达之间做艰难选择,我们给你新的选择。

这就是地平线的使命,谢谢大家! 

于立志:地图让自动驾驶更安全

泰伯网 • 2018-06-15

摘要: 地图怎样能够让自动驾驶更加安全?

于立志:地图让自动驾驶更安全

6月15日下午, 在WGDC2018自动驾驶地图峰会上。四维图新智能地图研发总监于立志做了题为“地图让自动驾驶更安全”的主题演讲,以下是演讲实录(未经本人确认) 。

于立志:

大家下午好,今天我的题目是比较大的,我想从简单理解的方面来给大家介绍,地图怎样能够让自动驾驶更加安全。在此之前,我想先把四维图新这几年发展的情况给大家共享一下。

去年,在自动驾驶领域跟Here进行合作成立合资公司,专门在自动驾驶提供服务。上一阶段在全球成立相关联盟,也是提供全球的统一服务。去年收购了芯片公司跟整个产业结合。在整个全球来说,包括美国、欧洲、亚太新加坡都有基地,基本在中国都有基地覆盖,并且有多各研发基地。在资质这一块一直在服务汽车领域,所以在这块有很多的资质都是在汽车领域,比如说TS160是服务汽车的领域。这一年积累了非常多的汽车客户,主流的汽车厂商都是现在的主要客户。也是因为通过这些客户给我们带来了非常大的价值,包括数据、服务。

这是整个四维图新的战略布局,在自动驾驶领域除了有高精度地图,我们还在做高精度定位,这种组合的方案能够在高精度定位里提供全套的基础。在传统导航有几大业务,一个是在核心地图,还有一直在发展的是ADAS地图,后边会简单的介绍,然后是在汽车导航领域一直也在做。车联网这块有专门的动态服务子公司世纪高通,世纪高通在未来自动驾驶这块也会发挥非常大的作用,动态信息对自动驾驶来说是非常的重要,也是保障安全的一方面。在乘用车、商用车都有车联网的发展,都有专门的公司来进行去做,然后我们还有语音的公司专门来做语音。

ADAS地图开发已经至少十年的时间,这块的内容既包含高精度几何信息,附着高精度地图几何、坡度、横向这些的结构信息。并且很早在开发复杂车道模型,复杂车道模型能够把我们的道路上所有相关的信息,包括宽度、车辆数量包括出入口都有详细的表达,现在在传统的车道导航都有很大的帮助。我们也在做怎么样避免安全的危险信息标识、区域。即使限速又做了四种,包括条件限速、牌子等一些重要的信息。除此之外,还有包括传统的功能等级、道路的信息来辅助做ADAS的工作。

在部分L3的功能,还有L1、L2的功能用现在的ADAS地图就够了。在整个覆盖上基本在全国的主干道路网,包括重要的城市都有覆盖。现在发布L2级的功能,其实这套地图早已经支持,包括奔驰、宝马大的一些客户都已经在用到我们的地图。正是因为四维图新在这些年有这些布局,一直聚焦在地图布局在这块,我们有很好的ADAS基础。

高精度服务于交通的要素基本都能够表达,所以看着还是比较复杂的,很多的要素都是一点一点的详细把它表达到地图数据当中。路上任何的标志,路两边的建筑物物体,路养护这些都有详细的内容来进行表达。

自动驾驶还有很长的路要走,看到各家公司的发展参差不齐,各个公司的发展是不一样的。我们一直在跟顶尖的几家公司在谈自动驾驶领域的相关规格和服务,未来这个体系怎么去走?在三四年前提工作需求的时候也就是四五十项的内容,但是现在来看有一百多项的需求,为什么是这样的?当他一直在考虑安全因素,如果只是在道路上跑可能几十项要素就够了。但真正在任何情况下跑并且安全的跑,可能是一百多项,甚至有可能还要再扩展,我们现在不是确定。

在紧急情况下怎么进行处理?如果是简单的场景发生碰撞的时候要往哪儿去撞?如果这两边是悬崖怎么办?这些信息都是很难在地图当中提前来去表达出来。除了静态信息以外还有动态的信息,有没有施工?有没有事故?这些都是会在未来地图当中作为详细的表达来给自动驾驶上提供安全的要素进行表达。

主流这块的定位方式有很多,除了GPS以外还有基于视觉的定位、激光定位、毫米波雷达的定位。四维现在选择的是在第一个方向是全语义三维地图,这样的情况下既能有支持视觉的定位技术,也有激光雷达和毫米波雷达定位的支持。一段的定位技术可能不能保证连续质量的输出,基于这些定位的组合才能保证全天时完全高精度的定位,满足安全的要求。除此以外,如果在满足客户需求上有基于激光影像要素的地图也可以提供服务,但是我认为在未来当中全语义的三维地图是能够服务到各个定位的方案。所以说,只有有了全语义定位才能把地图任何情况下定位好。

地图辅助进行感知,就是把所有的信息告诉传感器,把信息提供出来。比如说任何车道的限行、材质,不同传感器对它的敏感度是不一样的。如果我提前知道的时候,能不能判断的时候选择用哪个传感器为主?车上有上百种传感器,最后定位或者感知的时候也可能选择不一样的,我知道这些信息之后可能提前的以哪个为主来做,这都是先见知道,我提前能知道的信息来进行判断,包括动态信息更能够捕捉。

还有重要的一点,路上的情况是非常复杂的。我们看到下边红绿灯状况的时候,包括左边、右边都不知道看哪个灯,包括人看着都费劲。这可能作业人员都做不了,甚至要几个人告诉我们自动驾驶车,在这时候看哪个红绿灯。这是极端的例子。怎么把所有感知后的信息集中到一起进行综合判断?空间地图就是基于信息来去做的,这是地图作为空间基础把信息进行融合,最后能够把辅助进行改制。

地图辅助决策高可靠Sensor起到非常重要的作用。虽然地图起到了一些作用,但地图制作起来还是很困难的。从现在来看能Sensor传回来的大部分还是GPS信息,这些信息中有部分困难的信息,在自动驾驶领域只能做探测和发现变化。而现在逐步的在汽车产业发展,如果现在看到新出的车没有一个大屏、没有一个摄像头好像都不好意思出,现在有摄像头的情况下加上GPS,那整个的生态会有升级。而到那个时候,包括自动驾驶地图,包括传统地图的更新和发展都会非常的迅速,会以众包的形式来做。

随着汽车工业的发展,随着汽车的增多,逐步的循环和更新,动态地图逐步的会把生态建立起来,我们也期望着跟各方面的合作。如果说通过车厂把地图更新生态建立起来,一家车厂是不够的,一个图商的数据也可能是不够的,我们是需要一起来共建来进行生态。生态当中既有现在传统的车厂,也应该有包含现在的政府服务。政府当中的交管部门,包括提供各个方面的信息,比如说管理、控制都有可能。比如说这个道路有领导从机场出行,这个道路都要封闭,都要给我们提供更多的动态服务,包括浮动车管理的滴滴等等,也是未来整个生态当中提供信息、提供服务的重要一环,包括Tier—1。

车厂也需要和地图商一起来合作,来看一看怎么样能够合作把生态建立起来。还有想我们获取信息的时候,怎样能够贡献信息,也能保护好车主的隐私,最后把生态建好。两年前以前在四维、百度、高德和一些车商,包括戴姆勒和宝马都在合作做,我们在做中国的数据规格产品标准,包括共享技术和共同基础底图的看法。如果政府来支持这块和企业进行合作,能加速整个地图的发展和减少成本。所以希望各位同仁和行业的专家后边有机会能够深入的探讨、合作、交流。最后把整个生态在中国建好。谢谢大家!

泰伯研究院院长王悦承发布《全球高精地图产业研究报告》

泰伯网 • 2018-06-15

摘要: 6月15日上午,WGDC2018自动驾驶地图峰会在北京国家会议中心举行。泰伯研究院执行院长王悦承发布了《全球高精地图产业研究报告》。

泰伯研究院院长王悦承发布《全球高精地图产业研究报告》

6月15日上午, WGDC2018自动驾驶地图峰会在北京国家会议中心举行。泰伯研究院执行院长王悦承发布了《全球高精地图产业研究报告》,以下是发布实录(未经本人确认)。

王悦承:

各位老朋友、新朋友:大家上午好!

去年WGDC大会上我们也做过自动驾驶与高精度地图的报告,我记得在当时的演讲中跟在座的观众说,在我们统计的数据里头看到了好多国外专门做自动驾驶地图或者高精地图的初创企业。但是去年也就是在6月份看到国内的企业还非常少,但是到了今年这个情况开始有了变化,一会在我的数据里头可能大家也会看到,我想这是一个非常好的信号。接下来跟大家分享一下,研究院在过去一年里头看到的整个行业的变化。

首先,原来在三五年之前,大家去想自动驾驶觉得这个事情推行起来好像难度重重,包括刚才李教授也提到,现在人工智能的成熟度还真不是非常高级的阶段,仍处在比较初级的阶段。这个时候智能驾驶距离我们有多远?尤其是看到最近的三四年时间里头对自动驾驶领域资本的投入是非常大的。

今天我们集中精力、集中焦点来去看自动驾驶的地图。我们在做一个产业的时候,一般会想究竟这个产业将来能够做得多大?给我们从业的企业、从业者带来多大的机会?也是我研究院这边综合看了国内外的几份报告,现在明确提出一个数字的观点是,差不多到2030年的时候,自动驾驶地图的产值大概能到100亿的美金。

昨天在跟四维图新的创始人孙总在聊的时候,我说,孙总到2030年整个自动驾驶的地图能够到100亿,这个产值是什么样的概念?是多了、还是少了?是保守了还是乐观了?孙总当时的基本概念是说,假如说到2030年的时候,我们的量产在市场上销售的自动驾驶汽车能够到1亿辆的话,他是做了一个假设。相当于每一台车自动驾驶地图的投入是多少?是一百美金。所以从这个数据来说,孙总说,如果到时候一亿辆能够每一辆有100美元收入的话,那还是不错的。从他的角度来看,他认为这个预估还是比较乐观的。

另外,包括刚刚李教授都讲到,地图在整个自动驾驶过程里头是必不可少的,我也很认同这个观点,而且大家都认为,比方说将来自动驾驶地图需要有可靠性,因为地图上面出了一点问题,可能会导致安全问题和交通问题的发生。

回过头来想,当自动驾驶成为基础设施的时候,能够带来多少营收的价值是需要我们思考的,而且它不一定成为自动驾驶厂商的核心竞争力。大家可以想什么是基础设施?我们平时生活用的水、煤气、电力,基础设施有什么特点?无论是每个厂商都是可以获得的。比方说,我是奔驰,我要用电,我是宝马,我要用电。但是用电本身并不会给车厂带来很大竞争力。

另一个观点是地图从通用的意义上来说,大家都需要有基础设施。但是围绕着地图本身针对不同的车厂,不同自动驾驶供应商可以做定制化的服务,通过服务的差异化来去提升作为自动驾驶地图供应商的收入,这个方式是可行的。

刚刚我在讲的时候,大家可以讲运营把自动驾驶地图放在第四象限,这是一般的企业、一般的群众不愿意待的象限,但是它作为基础设施就是这样,将来能不能推出定制化的服务?可能是未来自动驾驶地图供应商决定它盈利程度的因素。

2017年跟2018年相比还有很大的不同,对于标准的期待有了很大的变化。我们把它称之为三大标准之争,首先是相对来说比较成熟一点地欧洲OADF,这是一个阵营。第二个阵营是在日本,今天下午日本DMP公司的代表也会到现场来做演讲。日本的这些图商包括很多的汽车厂商,决定要在日本建立以日本的地图标准为核心的地图标准体系,这并不等于说日本做的标准体系跟欧洲在格式上无法对接,他们也会对接,但是他们希望标准的主动权掌握在日本人的手里,而不是掌握在欧洲人手里。

同样的,在国内前不久在宁波开的一次会上,清华大学的杨教授也提出做中国地图的标准,刚刚在李教授上台之前也专门沟通了关于中国自动驾驶地图标准的问题。李教授说,现在其实在武汉大学,包括一些其他的相关方早早的已经对自动驾驶地图标准事情进行了立项。我想接下来包括清华大学、武汉大学做标准的团队,他们可以进一步的加强沟通,在我们制定中国标准上面希望能够保持同一个声音来去推动这个事情。毕竟,将来我们自动驾驶地图的标准掌握在中国人手里,我想这是非常重要的一件事情,当然并不排除跟其他的标准互通互用。

第三,刚才提到的资本之争。这是整个自动驾驶大的领域来去看的,新兴企业势力跟传统的势力相比,其实它是不太逊色的。我们重点看一看自动驾驶领域里地图的投资数据。大家可以看到,尤其是从2015年开始,从全球的融资比数来说,对自动驾驶地图的投入明显的有了很大的增长。这里头大家可以看出来,目前这些投资大多数还是处于早期的阶段,离成熟的阶段可能还比较远。

刚刚我也重点提到了中国企业,如果说我们是在2017年看这个数据,中国在下面的位置排在第二。近年可以看到中国的比例明显地上来,但是跟美国相比单笔融资的金额还比较小。这说明什么?第一,国内自动驾驶地图的初创企业还处于早期阶段,还是在种子、A轮、B轮阶段,总体来说都不是很大。第二,在美国由于很多车厂,包括像英特尔跟Mobileye等等的投资,所以导致了它的单笔投资金额相对来说是比较大的。所以,我们也希望国内的初创企业能够加快脚步。

这是专门针对中国自动驾驶地图初创企业的图,它代表了投资的金额以及投资的笔数。从这里大概可以看到国内的地图企业开始发力,应该是从2010年,尤其是可以从去年下半年看到吉奥科技的成立,另外还有一些拿到很大投资的企业,这说明国内的地图企业也在增速力量。

在进入到自动驾驶地图之前,我们的地图要去维护、要去更新,要去增加很多的POI点,需要投入很多资金。之前有人做过统计,像Here、Google维持更新一年大概需要多少钱?一些机构统计说大概需要10个亿到20个亿美金之间,所以地图的投入非常大。

到了自动驾驶时代的时候,究竟哪些企业能够走在前面?也是运营的分析。从地图覆盖面和合作的厂商来看,目前Here要比TomTom走得前面。

每一家图商都在想方设法的把自己的生态圈给建立起来,尽早地去确立一些优势。这是中国的情况,大家知道中国在地图这块是三足鼎立的,大家可以看到BAT也都在跟国际的厂商分别建立着不同的联系。大家心里边都很清楚,如果仅仅立足于国内来去做地图的相关事情是不够的。打个比方说,你看百度地图,将来它的车出口或者跟国外的合作是怎么样,它对于国际化的需求,是有一定的布局和考虑的。所以国际合作或者说从国际厂商的角度来说进入到中国的市场,因为考虑到中国在地图的资质等等多方面的限制,中国的市场里不太可能会成为国外图商的天下。

这就是我今天演讲的主要内容,希望大家也可以跟我们研究院进行联系和沟通。一方面我们在做资产业的规划,同时也在做对标企业的研究,包括也会做一些资本的对接。我总体的想法是国内政产研学的业界一起努力,从标准一起来发力,早早的把地图标准建立起来以服务整个的自动驾驶产业。

感谢大家的倾听,谢谢!

泰伯网创始人、CEO刘玉璋在自动驾驶地图峰会上致辞

泰伯网 • 2018-06-15

摘要: 在国内也有像百度、包括腾讯这样的企业也在积极的参与,包括被阿里并购后的高德,阿里也在积极地往自动驾驶的方向投入资源。

泰伯网创始人、CEO刘玉璋在自动驾驶地图峰会上致辞

6月15日上午, WGDC2018自动驾驶地图峰会在北京国家会议中心举行。泰伯公司创始人、董事长刘玉璋作了开场致辞,以下是演讲实录(未经本人确认)。

刘玉璋:

尊敬的各位来宾、各位朋友,大家上午好!

昨天我们讲到一些关于自动驾驶方向的,所以这个专场还是想是要多一些更精准方向上的研讨,希望咱们会场的气氛更加活跃一些,也可以多一些互动。每一个嘉宾讲完之后可以有些话题的延伸、提问。

从自动驾驶地图峰会想简单谈一点自己的一些理解。当时定这个主题的时候,我们内部其实也做了很多的讨论。大家也知道,每年泰伯的WGDC有一二十场主题峰会,原来从车联网到这几年关于车的一直在不停地跟踪,到了今年又有了新的变化,在自动驾驶这个方向上,地图一下子又成为了非常抢眼的焦点。

在定这个名称的时候,我们做了很多的讨论。原来我们讲,最开始高精度地图。今天探讨了很多,大家可能认为还是高精度地图,包括昨天陶总在讲的报告中也提到,到底是高精度地图,还是高精地图?泰伯作为一家媒体很早就提出来,我们还是认为往高精度地图往前走,跟高精地图可能还是不一样的概念。

今天有幸请到了武汉大学的李教授来跟我们分享,我们也听一听他的高见。跟原来我们定义这个产业到底是叫地理信息产业,还是叫空间信息产业,什么地球空间信息产业一样,我觉得大家在名称上有不一样的见解,但是从自身来讲,后来定义的时候重新把它定义成自动驾驶地图。

我跟李院士探讨的时候,他反复地在问我一个问题,给车用的地图与给人用的地图到底有什么不一样?所以我想这也是今天这个峰会要探讨的内容之一。我们的地图在自动驾驶时代应该是面向机器人的,所以用自动驾驶地图来去形容可能也更为贴切。

在此,我也要特别感谢泰伯内容团队很多的小伙伴,包括像我们刘易扬和其他同事为此做了很多的工作,内容团队也做了很多这方面的报道,在首席运营官总编辑的带领下,他们现在有一个团队一直在长期跟踪这个领域。所以希望能够跟各位嘉宾在这个方向有更多的研讨。

从这几年地图市场的变化来看,我认为我们非常有幸赶上了整个地图这几年快速变化的过程。从最早我认为在2005年左右的时候是第一波叫PC互联网时代,我们看到有很多地图的厂商参与在这里面,从2015年的时候慢慢发生了很大的变化。2001年—2010年是PC时代,从2010年左右到2015年是手机移动互联网的时代,手机地图的兴起也就是5年左右。在2009年高德仍然在市场上混战,他们请我在年会上做分享的时候,我谈到未来一定在这个市场中只有少数的几家寡头能幸存下来,那时候有十几家有图商机制的地图企业在参与到这一块。最后,原来我讲不会超过3家,最多3家,实际上只幸存下了2家,只有百度跟高德在移动互联网时代垄断地图。

到今天再来看自动驾驶地图的时候,我认为从2015年到2020年,大概只有5年的时间这个市场一定会结束战争。我相信这个时间不会太长。所以今天看到在整个自动驾驶领域有大概三股力量参与整个市场的交逐,从原来地图开始不断积累优势的企业,在欧洲市场有TomTom这样的厂商,在中国仍然有四维图新这样的厂商在积极参与推动自动驾驶。同时在互联网领域看到他们崛起的速度足够之快,借助强大的互联网力量已经成为市场中的第一梯队。像国外Google的waymo一直在引领这个行业,他们在研究无人驾驶出租车,据说今年已经很快就可以商用,这比我们预期的还要快。

所以,在国内也有像百度、包括腾讯这样的企业也在积极的参与,包括被阿里并购后的高德,阿里也在积极地往自动驾驶的方向投入资源。所以,互联网厂商在这里面又扮演了一个非常重要的角色。还有一股力量就是今天看到的新型的一些力量,这包括一些在原来以共享出行为代表的企业和一些以人工智能为代表的企业,在国外看到像Uber这样的企业,Uber的地图团队原来把微软地图团队并购之后有很强的积累。所以借助共享出行积累了大量的数据,他们在市场上发力也非常的快。

同时,国内要看到滴滴,虽然滴滴在这上面谈到的声音还不是特别多,但是我相信滴滴的力量是绝对不容忽视的。因为现在Uber、像waymo这种模式,一旦我们大家打车进去之后,像陶总分析的一样,只有你一个人,前面没有司机的时候,大家试想一下会是怎么样的?

在美国,人的成本比我们还要高一些,当然它人少,但是在中国这个市场上有大量的司机。如果这个市场一旦带来了很大变革的话,那意味着有很多现在开出租车的、开网约车的司机可能面临着要转行。这对整个行业也是一个很大变革性的问题。

从人工智能角度看到了非常多新型的企业在参与进来,他们用另外一个方式试图颠覆革新,用更低的成本、更高的效率,甚至是不是不基于原有的地图就能够解决自动驾驶感知和辅助的问题?

前年,我到以色列的时候看到了Mobileye技术VP跟我们分享了很多自己在这方面的探索。为什么Mobileye那么值钱?153亿美金被英特尔并购。我认为最核心的是一直在试图探索,不基于原有的地图技术,用他们的感知、快速能够数据处理,在汽车端进行数据处理就能够达到地图一样的效果,它基于更多车辆的众包把地图画出来,而且由于芯片的算法非常快,这是它的绝对优势。

在今年年初有幸去了英伟达,目前在美国市场上估值给的很高的企业是什么样的企业?像苹果这样的企业PE倍数也只有好像30倍左右,但是像英伟达这样的企业远远超过它,是它的几倍之多。为什么?就是因为他们掌握着从人工智能角度在自动驾驶市场上快速的崛起的力量。

此外,这两天CES相关会议在上海开。在美国之后看到几乎所有的地图厂商都在做跟自动驾驶相关的事情,包括刚才讲到的Here地图、TomTom,MapBox这样的企业,昨天他们也做了分享。他们今天有10亿以上美金的估值,绝对不是因为它是做地图的,它是做自动驾驶地图的。

还有在国内以商汤为代表的人工智能,包括今天也很有幸请到了地平线的车总,他们也在以一种轻量级,从算法的角度带来行业的改变。下午还有很多的专家,所以在今天整个峰会的主题上也从三个力量来去探索话题。

一个角度就是刚才讲到的图商的角度,第二个是互联网车厂的角度,第三个就是新型的力量。也有人说这个市场应该还有一股力量是基于车厂的,但是目前来看车厂更多的是在借助地图的力量,好像还没有看到哪一个车企以全资、以全部的方式投入到地图上来,更多的还是跟市场上的力量一起来合作。

我们看到国外戴姆勒跟Here的合作,像国内上汽、一汽跟新型的厂商合作等等。前两天我到商汤去,他们也跟我分享在跟日本的车企合作。所以在这个市场中,我们看到今天有这么多的力量参与进来就跟当年在PC互联网时代、在移动互联网时代战国、群侯并起争霸的时候是一样的。但是我们相信只有短短两年左右的时间,这个市场一定能分出胜负。

今天这个市场上所依赖的最核心的就是两个变量。现在大家普遍预测是在2020年,我们就能开上自动驾驶的汽车。一个变量就来自于激光雷达的成本,目前激光雷达大概还在几十万的人民币,好一点的都在五十万上下。我们一辆车才多少钱?如果激光雷达卖到这么贵就不可能进行大规模的商用。

再最核心的就是地图,我们要知道像自动驾驶的地图,如果全部的车无论到哪里,大街小巷都不需要借助原有的地图,那成本很可能会大大的降低。如果能够更快的、更高效率地获取地图,我认为在这个市场中一定会有很快的一些厂商涌现出来,也带来新的变革。包括我们原来看到在最早期PC互联网到移动互联网时代的时候,我们把后装厂商的导航去掉、颠覆掉,那在自动驾驶时代是不是前装地图厂商跟车企的合作模式也会发生变化?有没有新的模式出来?也足以引起我们很多业界的关注。希望今天在这里有很好的研讨,有这么多的嘉宾一起能够共同的头脑风暴献策。

我大概的开场就讲这么多,谢谢大家。

联系我们
CONTACT US

赞助参展

郭女士

010-62101808-610

guozj@taibo.cn

票务咨询

李先生

010-62101808-629

lijie@taibo.cn

媒体合作

宁女士

010-62101808-618

ningmin@taibo.cn

会议地址

国家会议中心

总机:+86 10 8437 3300

电话:400 698 2008

关注泰小伯

拉你加入WGDC交流群