自动驾驶商业化落地难,资本寒冬下初创企业如何破局?

车东西(公众号:chedongxi)
作者 |  Juice
编辑 |  晓寒

2022年,新冠疫情全球蔓延的第三个年头,资本寒冬的到来已经成为创投界共识。在充满不确定性的大环境下,业界普遍倾向于收紧投资策略,这使得方兴未艾的自动驾驶行业面临着巨大的冲击。

当资本回归理性,即使是风口行业也不得不做好持久战的准备,创业者本身要储备足够应对风险的实力,更要具备顺应未来的前瞻思维,才有机会度过寒冬迎接春暖花开。

成立仅9个月的复睿智行,显然已经做好了这些准备。

虽然只是一家年轻的创企,但复睿智行拥有非常硬核的企业背景,该公司为世界500强复星集团智能出行产业中的核心企业,提供一站式车路协同自动驾驶技术方案与运营服务。

短短几个月时间里,复睿智行已搭建一支近百人的全球研发团队,八成以上拥有OEM & Tier1经验,海外及硕博专家占比高于20%,并在英国伦敦、德国慕尼黑等多地设立研发中心。接连收获了柳州市、成都市的车联网先导区项目合作,还和多家车企达成了战略合作,可谓硕果颇丰。

从公司定位来看,复睿智行选择了更具备落地可能性的单车智能+车路协同,这既是高阶自动驾驶的必要条件,也是国家新基建战略的必然要求,车路协同能够帮助单车智能实现更大的ODD(Operational Design Domain,运行设计域),更快速的落地。

而这一市场规模也非常可观,智研咨询推测,2020年至2030年车路协同市场规模约人民币7630亿元。

但由于车路协同投入比较大且见效并不明显,并没有很多企业在做。单车智能和路端设备建设一直没有很好的协同,此前仅有百度Apollo华为等企业在进行车路云全布局,而由于布局比较早,现阶段已经收获了一些政府订单。

相比之下,作为后来者的复睿智行如何与这些先发企业同台竞争?打法如何?秘诀是什么?带着这些问题,车东西走进复睿智行,寻找到答案。

一、感知先行 建立车路协同时空耦合感知模型

在最火热的自动驾驶赛道里,复睿智行选择在更大想象空间的单车智能+车路协同领域发力。

现阶段的单车智能并不完美,想要实现高阶自动驾驶还有很多难点。奔驰近段时间推出了L3级自动驾驶功能,但其限定条件非常严格,只能在有地理围栏且封闭的道路上以最高60km/h的速度运行,用户体验并不算好。

自动驾驶商业化落地难,资本寒冬下初创企业如何破局?

▲奔驰可在限定场景下开启L3

具体来看,在感知层面,单车智能通过车身安装的传感器识别局限性大,也存在识别不准确的问题,缺少一双好的“眼睛”,此前多家车企都曾因为识别不准确而导致了道路事故。

同时一些固有的长尾问题如“Cut-in,鬼探头”等仍然是自动驾驶企业亟待突破的难题。

复睿智行CTO周轶认为,现有主流的感知算法框架,还是没有把感知传感器的原始信息利用充分,复睿智行继而开发自研AI模型架构,实现激光雷达,毫米波雷达和图像三种模态数据的融合,通过特有的技术方案实现频谱异构传感器AI前感知融合,最大程度的保留原始数据,获得更多的感知信息。在模型架构方案里加入对时空信息的感知结构,让神经网络更好理解感知场景中时空的变化。

自动驾驶商业化落地难,资本寒冬下初创企业如何破局?

▲车路协同才能帮助自动驾驶更好落地

同时,周轶认为一味提升单车智能的感知能力,并不能有效解决现在自动驾驶方案面临的多种问题。单车感知之外,复睿智行也更注重车路端彼此间数据的强融合。做好车路协同的关键,是做好路端的感知,所谓“车路协同,感知先行”。复睿智行建立了车路协同时空耦合4D融合感知模型,将车端高性能感知系统移植路端,通过4D成像雷达系统实现全天候感知,帮助车路双端实现高性能感知,将彼此感知重点与盲区形成互补,最大程度降低事故发生风险。

二、车路云同时布局 降低路端车端成本

另一方面,单车智能对车辆的AI能力依赖度比较高,需要通过AI来识别场景并且理解场景,而这则需要大量的数据积累。

兰德智库认为自动驾驶需要110亿英里(约合180亿公里)的道路测试,相当于环绕地球44万圈,而在目前的自动驾驶公司中,龙头企业Waymo的路测数据可能超过了2000万公里,但距离180亿公里仍然非常遥远。

自动驾驶商业化落地难,资本寒冬下初创企业如何破局?

▲Waymo无人车已经进行了大量路测

没有足够的路测数据也就无法保障技术的绝对安全,由此来看,单车智能在感知甚至是决策方面仍然要受到很多限制。

而车路协同则可以弥补单车智能的短板,在路端铺设一定规模的路端感知设备,设备之间建立通讯,可以随时将整条道路的情况传递给车辆,从而提升了车端的感知能力。这就类似汽车拉力赛上的领航员,随时告知车辆前方道路的路况。

但目前路端和车端的适配和验证仍存在断层,导致路端重复投入、技术适配、运营成本等问题。如何减少车端的风险,降低路段的投入,同时适配更广泛的主机厂是目前复睿智行正在着手推进的工作。

因此,车路协同不仅仅是GB/TT/CSAE的标准通讯,更需要中间件的开发能力。复睿智行开发的车辆域控制器与路端MEC(Multi-access Edge Computing,多接入边缘计算)共享同一个自研分布式计算中间件,配合自研的融合算法,实现高效率高性能的应用调度和数据访问,进一步提升自动驾驶的时空耦合能力,做好领航员的角色。

在空间维度,路端设备提供超长距离感知的能力,帮助车辆提前预判前方路况,同时,不同视角的多模态传感器为智能车辆提供多维度和无死角无盲区的感知。

在时间维度,经验数据可以优化车辆的路径和速度规划,同时为未来的远程预定服务做准备。由此,路端服务给单车智能提供了系统冗余备份,车辆决策能够在丰富的时空维度中进行优化。

在车端和路端联合部署之际,自研的V2X云平台可以在更高的维度协助统筹车与路,一方面支持路端设备的运营和维护,一方面支持路端数据在车-路-云中顺畅地流动,让数据不断地提升路端的感知能力和整体的决策性能。

自动驾驶商业化落地难,资本寒冬下初创企业如何破局?

▲车路云一体化设计能够更好的帮助自动驾驶落地

三、场景思维推动商业化落地 两条路径同步推进

从产业链定位上,复睿智行选择与主机厂和单车智能方案商做朋友。

主机厂普遍希望自主掌握规划控制及上层应用层软件的定制化自主化能力,掌握自动驾驶的灵魂,因此复睿智行在单车智能上选择往下沉,集中力量打磨自身的算力硬件平台+底层软件+融合感知能力+分布式计算中间件,即集中在中间件及以下的平台化能力上。

“车路协同,感知先行”,复睿智行选择在中间件和感知能力部分持续发力。

首先横向拓展至车路协同。希望能用车端打磨过的感知算法,硬件算力平台拓展至路端,同时通过自主的分布式计算中间件和协议栈能力,将车路协同感知和协同冗余做到极致。其次,复睿智行自研4D成像毫米波雷达,也为自己自主的前融合感知技术提供了毫米波雷达前融合的能力。

自动驾驶商业化落地难,资本寒冬下初创企业如何破局?

▲复睿智行路端车端设备同平台研发

通过这样的布局,复睿智行希望为主机厂提供自动驾驶的基础软硬件平台,同时也为单车智能自动驾驶公司提供路端感知增强服务以提升自动驾驶体验。

伴随着政府扩大各地的示范区先导区,各主机厂前装OBU(车载单元)的规划落地,也逐步显现出车路协同的商业价值。

在商业化模式上,复睿智行认为车路协同领域可以分为大场景和小场景两个层面。

大场景就是按照国家政策来实现车路协同自动驾驶和智慧交通的顶层规划。去年年底,交通运输部印发《数字交通“十四五”发展规划》中明确要求:“推动车路协同及自动驾驶相关标准研究制定,加强相关通信接口和协议统筹。”北京、长沙、上海、重庆、成都、长春、无锡、柳州等地都在积极建设车路协同示范区。

单车智能将在不同等级的智能化道路上表现出不同能力的辅助驾驶和自动驾驶能力,智能车将在整个生命周期体现出不断提升的自动驾驶能力,这种能力和体验的提升,将来自于两种途径,一是来自于整车OTA优化,二是来自于不断扩大的车路协同路端覆盖率。通过路端车路协同覆盖率提高来提升用户的自动驾驶体验将形成可闭环的商业运营价值。

小场景则是车路协同在一些封闭场景的落地,包括港口、矿山、停车场等,目前在港口和矿山领域还主要依靠单车智能的方式,普遍存在限制条件多,运营场景有限的问题,而基于车路协同的场端增强封闭场景自动驾驶,则可以提升这些封闭场景的ODD来提升商业运营的效率及价值。

就停车场AVP(自动代客泊车)项目而言,现阶段AVP还没有很好的落地,比较主流的还只是记忆泊车等限制条件众多的自动泊车方案,复睿智行认为AVP落地的一大难点就是感知的长尾问题,比如鬼探头,SLAM定位等问题。而场端增强的AVP方案则可以解决这些问题来加速停车场AVP的快速落地。

除了大小场景这种TO G,TO B的运营,最有想象力的还是TO C的运营。

复睿智行COO薛春宇认为从PC端到移动互联网的时代诞生了BAT这种运营公司,而从移动互联网向车联网变迁的过程中,依然用移动互联网的思路去运营车联网可能未必行之有效,这也是现今传统TSP服务商(内容服务提供商)普遍困难的原因。

他认为,车路协同V2X在车辆这个未来的入口可以提供比移动互联网更为丰富多样的信息维度,这也意味着当车路协同的车联网普及的时候,一定会催生大流量入口级的超级车载APP,同时也会诞生多个车路协同车联网时代的服务运营商,会诞生一批车联网时代的BAT,而复睿智行不希望错过这一次跃迁的风口。

结语:复睿智行坚持做困难但正确的事情

现阶段,车路协同的实现还有一个过程,在商业化、技术和法规制度方面都有难题,在商业化方面存在商业化路径不清晰、运营主体不明确、行业参与度层次不齐、应用场景单一的问题。

在技术层面,也存在场景算法和融合算法不成熟、场端数据集不足、可靠性不足、车路发展不协调、测试体系不完善、5G普及不足等问题。

而在法律法规方面,也还存在法规制度不健全、标准体系不完善、准入体系不完善的问题。

因此目前同时布局车路协同+单车智能领域的玩家并不算多,此前只有百度Apollo、华为等少数玩家在参与。

不过凡事都存在两面性,单车自动驾驶的瓶颈给感知和算力的Tier1更足够发挥的空间,车路协同的不成熟说明了该领域还存在很大的潜力。

综合来看,如果能将单车与车路协同两者有机的结合同步发展,似乎有更大的体量更开阔的思路,但从核心技术和资金储备来说对平台企业一定是巨大的考验。

背靠雄厚资本、坚持感知先行道路的复睿智行,正同时发力车端的感知软硬件研发生产,以及车路端的融合感知平台。标志性的自研车载4D毫米波雷达,与时空耦合车路云一体化方案,是否能够成为高级自动化驾驶的粘合剂,坚持做困难但正确的事情是否经得起市场和资本的考验,我们拭目以待。