激情无码亚洲一区二区三区,国产成A人片在线观看视频下载

全球冰火兩重天。

第一層，中國玩家發(fā)展越來越穩(wěn)，美國代表卻流年不利。

第二層，技術派高歌猛進，場景派卻紛紛退賽出局。

關于 Robotaxi 的兩大門派之爭，似乎也在此消彼長。

Robotaxi 的兩大門派?沒錯，就是現(xiàn)如今眾所周知的兩條自動駕駛落地路線。

一條以 Waymo 百度為代表，是研發(fā)、路測，落地的直接 L4 派;另一條則是特斯拉為代表，搞量產、上路后迭代，希望從 L2 到 L4 的升維派。但這兩條落地路線，最終目標都是 Robotaxi。

Waymo、百度不用說，路線就是不斷擴充車隊規(guī)模，直接推出終極形態(tài)的 Robotaxi 產品。特斯拉則是希望在足夠多量產車上路后，可以讓“閑置”的車輛上路“賺錢”。

可以說，Robotaxi 就是自動駕駛領域的終極圣杯。但在特斯拉狂飆突進之前，關于 Robotaxi 的實現(xiàn)，其實被談論最多的卻是另外兩大門派之爭。

Waymo 和 Uber，誰將更快實現(xiàn) Robotaxi?

是技術領先的 Waymo 從邊緣來到中心，顛覆共享網約車平臺的格局?還是擁有場景資源的 Uber 順勢而為，利用場景和數(shù)據(jù)獲得雪球效應、后發(fā)制勝?

當時，這兩條路線競爭之激烈，讓一向“脾氣好”的谷歌，在萊萬竊密案中，反常地一告到底，態(tài)度堅決到導致 Uber 創(chuàng)始人卡蘭尼克被董事會驅逐、萊萬多夫斯基被判牢獄之災。

而今時今日在美國，Robotaxi 的兩大門派似乎已經分出高下：Uber 和 Lyft 都放棄自研，基本算是退賽出局了。但 Waymo 日子也不好過，雖然最早推出了 Robotaxi 服務，但規(guī)?；蜕虡I(yè)化變現(xiàn)難，如今半年 8 位高管出走，一言難盡……

所以，這兩大門派的終局之戰(zhàn)，決勝場還要回到中國。

那么，問題也就來了：在中國，情況會有不同嗎?

我們先看都有誰，再分析兩大門派的優(yōu)與劣。

做 Robotaxi 的都有誰?

Robotaxi 江湖，存在或曾經存在過不少玩家。這些公司不外乎兩種：

技術驅動型和場景驅動型。

百度 Apollo、文遠知行、小馬智行，AutoX、谷歌旗下 Waymo 屬于典型的技術驅動型，從智能化往共享化發(fā)展，即先把算法策略磨練成熟，再做共享出行。

另一大派別，是場景驅動型。顧名思義，先有出行服務的平臺，然后利用豐富的場景慢慢打磨算法，讓技術從場景中“生長”出來，從共享化擁抱智能化。這一派的代表，國外有一度風生水起的 Uber、Lyft，國內則以滴滴、首汽約車、T3 出行等為代表。

那么兩大門派現(xiàn)狀如何?

從 Robotaxi 測試車隊規(guī)模來看，技術驅動一派，顯然聲勢更大：

而國外，技術驅動的 Waymo，和平臺驅動的 Uber、Lyft 成績如下(截止 2020 年)：

另外，以百度、文遠知行和小馬智行為代表的技術驅動型，都陸續(xù)進入了 Robotaxi 無人化和商業(yè)化運營階段。而場景平臺型中，現(xiàn)在除了滴滴扛起大旗，其他玩家進展非常有限。

所以，如果單從現(xiàn)狀進展而言，技術派壓倒場景派，技術驅動型確實占優(yōu)。但是不是場景驅動派沒有逆風翻盤的籌碼?

話還沒到說死的時候。

兩派孰優(yōu)孰劣?

首先，場景驅動型的優(yōu)勢是什么?

應用場景直接現(xiàn)成，擁有久經打磨的出行網絡調度經驗，以及人類駕駛網約車帶來的海量數(shù)據(jù)。在自動駕駛的推進中，出行平臺一直被認為是最后 Robotaxi 落地的必備平臺，且這種經年累月積累的數(shù)據(jù)、調度優(yōu)勢，是其他自動駕駛玩家無法比擬的。

更重要的是，在自建路測車隊之余，出行平臺通過給運營車輛后裝傳感器，就能開啟更大規(guī)模的數(shù)據(jù)收集。如果能進一步前裝定制車輛，還能更精準獲取路況和人類駕駛行為等方面的信息。

眾所周知，從本質上看，自動駕駛的競爭其實就是圍繞有效數(shù)據(jù)收集和驅動 AI 模型迭代的競爭。而路測里程背后，要么自建路測車隊(Waymo)，要么通過量產車(特斯拉)展開。而出行平臺，甚至不必像特斯拉一樣經歷產能挑戰(zhàn)。

所以，一直以來，網約車平臺搞自動駕駛，天生的場景和資源備受羨慕。至少在 Uber 急功近利成為豬隊友之前，業(yè)內認為能與 Waymo 相提并論，甚至可能比 Waymo 更早實現(xiàn)自動駕駛里程碑的，是出行平臺。

在場景驅動型主要玩家的進展中，使用從網約車平臺采集的真實場景數(shù)據(jù)，是介紹其優(yōu)勢的關鍵重點之一。比如一個代表性玩家就披露過，背靠其出行平臺，每天訂單數(shù)量平均達數(shù)千萬，加之司機的行駛軌跡和安裝在交通工具上的設備，全年可以采集近 1000 億公里的真實場景數(shù)據(jù)，然后進一步利用仿真系統(tǒng)來實現(xiàn)迭代。

另外，一場圍繞“定制化前裝”的運動，也正在各大出行平臺廠商那里徐徐展開，一支規(guī)模龐大的前裝定制車型車隊，已經在來的路上。

場景驅動型 Robotaxi 的商業(yè)模式也很直接，現(xiàn)有模式內替代 —— 逐漸用 AI 司機、Robotaxi 替代掉人類司機和常規(guī)網約車。

這樣聽起來似乎有理有據(jù)，但很多人也會疑問，為何 Uber 和 Lyft 都退賽不玩了呢?

實際上，內因依然是關鍵，因為場景驅動型平臺內部也有難念的經。

首先，挑戰(zhàn)現(xiàn)有的商業(yè)模式、需要自我顛覆，并且自動駕駛的研發(fā)成本高企。

Uber 也好、Lyft 也好，營收賺錢的核心在于網約車業(yè)務，發(fā)展自動駕駛雖然是未來，但相當長一段時間內都是高成本投入，更何況網約車現(xiàn)在有規(guī)模但不見盈利，組織內部是否可以一如既往堅定如初，不好說。

況且，自動駕駛研發(fā)有多燒錢，誰用誰知道。Uber 財報有過披露，一個月成本賬單就是 2000 萬美元。在 Uber 無人車部門出售后，外媒估算過，花費投入超過了 20 億美元。既然如此燒錢，止損又遙遙無期，最后 Robotaxi 的應用還得有出行網絡和平臺，那為什么不是等到技術驅動平臺研發(fā)成功了，再接入進來?

其次，出行平臺搞 Robotaxi，有場景優(yōu)勢但也有天然軟肋。人類司機方面，面臨阻力。而也正是出于這兩大因素，Uber 和 Lyft 退出自研，但放話仍然關注和篤信 Robotaxi。

回到技術驅動派這邊。

其實現(xiàn) Robotaxi 的劣勢相比也很明顯，推進速度相對不會那么快，需要嚴格路測、試運營，然后無人化 ODD 區(qū)域落地，并且進一步實現(xiàn)商業(yè)化，另外也沒有現(xiàn)成的出行平臺網絡可用。

不過，好處是沒有包袱，百度也好，其他 Robotaxi 落地玩家也好，現(xiàn)如今正在展現(xiàn)出的邏輯可能就是：慢就是快。

一方面，他們所有的研發(fā)、路測和數(shù)據(jù)迭代，都是為 Robotaxi 而展開的，從收集到反饋都非常精準，自動駕駛的模型自然迭代快速。

以國內“帶頭大哥”百度 Apollo 為例，除了 Robotaxi，其用在乘用車的自動駕駛技術(ADS)與 Robotaxi 同架構、共平臺，目前已經和車企合作量產交付。這正是技術驅動型 Robotaxi 平臺的新趨勢 —— 降維釋放，利用 Robotaxi 和量產自動駕駛，實現(xiàn)“雙輪驅動”。

另一方面，商業(yè)化推進上不需要自我革命。今年五一期間，百度 Apollo 就開始在北京首鋼園啟動無人化的商業(yè)化運營，單程票價 30 元，但體驗者預約不斷，都希望打卡 Robotaxi 這一新物種。

而如果百度是先做了網約車業(yè)務，再換 Robotaxi 收費，恐怕接受度上就是另一番模樣了。

Robotaxi 江湖誰將主導?

至此，我們明晰了兩大門派的優(yōu)劣勢，或許對于接下來決勝關鍵，也就更加明確了。

概括起來，Robotaxi 作為自動駕駛的終極目標，偉大前景毋庸置疑，但誰才能摘得圣杯呢?

之前，出行平臺被認為是 Robotaxi 落地的絕佳場景。

普遍觀點認為，除了自建的路測車隊，網約車平臺通過給運營車輛后裝傳感器，能開啟大規(guī)模的數(shù)據(jù)收集。如果能進一步前裝定制車輛，還能更精準獲取路況和人類駕駛行為等方面的信息。

所以，一直以來，網約車平臺搞自動駕駛，天生資源備受羨慕。但所有人都低估了算法迭代的挑戰(zhàn)和擴充車隊的成本。

場景型平臺驅動的內生矛盾，讓 Uber、Lyft 不得不在自動駕駛面前“沒有夢想”。

另外，海量出行數(shù)據(jù)本來是無數(shù) AI 公司夢寐以求的，但如何把這樣的數(shù)據(jù)優(yōu)勢變成算法優(yōu)勢，挑戰(zhàn)其實不小。

出行平臺收集數(shù)據(jù)的方案，往往是在車輛上后期加裝傳感器。比如行車記錄儀。這樣的攝像頭可以很快覆蓋到平臺上的所有車型，但也有兩方面的挑戰(zhàn)。

一是車載記錄儀式的攝像頭數(shù)據(jù)，以前向行車數(shù)據(jù)為主，成像質量和分辨率，也非嚴格為自動駕駛高精度數(shù)據(jù)而生，如果還不能與車輛的駕駛行為數(shù)據(jù)(速度、方向等)數(shù)據(jù)打通，對自動駕駛系統(tǒng)的迭代幫助，效用就會存疑。

另一方面，標注的挑戰(zhàn)。攝像頭記錄的視覺數(shù)據(jù)，需要經過標注、優(yōu)化工作，才能對自動駕駛算法產生貢獻。但每年千億公里級別的數(shù)據(jù)，標注優(yōu)化的工作量無法估計……

所以，出行平臺和特斯拉，盡管表面看都有豐富的場景，但真正要讓這些場景發(fā)揮出價值，標注方面的成本和技術能力，又是另一大關鍵技術挑戰(zhàn)。

歸根結底，難如登月的 Robotaxi 實現(xiàn)，不存在“資源密集”式的捷徑。

畢竟如果不走視覺路線，轉而追求安全冗余，將毫米波雷達、激光雷達等等一步到位…… 那么車隊的規(guī)模必然嚴格受限，數(shù)據(jù)方面的數(shù)量優(yōu)勢反而被抵消。

所以，對于平臺型 Robotaxi 來說，找不到快速突破無安全員的技術路徑，就將一直難以擺脫“規(guī)模 - 成本”魔咒。

分析到此，走通 Robotaxi 這條路的核心已經明了，無非技術積累、成本控制、商業(yè)變現(xiàn)。這三點缺一不可，相輔相成。

再以步入 Robotaxi 商業(yè)化階段的百度 Apollo 為例，看看它都做了什么?

首先，技術是底層基礎。經年累月投入的大量人力財力，是任何想做 Robotaxi 的企業(yè)無法逃避的過程。掌握可靠的無安全員自動駕駛技術，就意味著拿到 Robotaxi 入場券，“賺錢”一事此時才剛有眉目。

其二，是成本控制。無安全員只是一個方面，另外一個方面是實現(xiàn)運營車輛的前裝量產，通過技術迭代把 Robotaxi 成本控制在和出行平臺相當甚至更低的范圍。

比如，目前百度 Apollo 在跑的是和一汽紅旗合作的改裝車，但年內會投放下一代前裝量產車型，百度估計成本能降低一半，而且未來每一代車型都能實現(xiàn)成本下降一半。

也就是說，按照技術公司與車廠、硬件廠商的合作規(guī)劃，未來 Robotaxi 有希望實現(xiàn)和網約車相當?shù)某杀?。只有這樣，才能迅速擴大車隊規(guī)模。

最后就是商業(yè)變現(xiàn)，或者對內對外展現(xiàn)出這種潛力，不但直接關系企業(yè)的自我造血能力，運營規(guī)模還與成本、算法優(yōu)化強相關。百度的方法是請外援補短板，直接拉來了前首汽約車 CEO 魏東加盟，操刀 Robotaxi 的商業(yè)落地。