一张图看清自动驾驶产业：创业者和投资人还有哪些机会？
【导读】上周智驾周刊贴了技术研究公司VSI（Vision Systems Intelligence）发布的自动驾驶产业布局图，这张图按照自底向上的方式，将自动驾驶产业划分为三个层次：支撑工具、关键技术和系统整体，将目前自动驾驶相关企业逐一做了归类，使产业现状一目了然，很多读者反馈感兴趣。因此，本期智驾深谈针对这张图展开，填补国内对应的团队，尝试从中看清整个自动驾驶产业的发展现状，探讨众多创业者和投资人的机会所在。特约编辑：小猴机器人（人工智能博士，自动驾驶技术爱好者，参与多个自动驾驶项目研发，有丰富的行业经验，尤其对决策规划控制方面了解深入）。自动驾驶三层次通常来讲，自动驾驶技术可以划分为三个层次，感知-&认知-&行动，然后不断循环。参考上面一张网图，其中行动层包括转向、油门和制动三大控制器（以及执行机构），感知部分包括两方面，感知环境的激光雷达、毫米波雷达、摄像头、组合导航设备，感知车辆自身的包括轮速计和三大控制器的反馈量，而认知部分，包括决策和规划，是通常意义上的人工智能所在。1、行动层首先谈谈行动层，即三大控制器，VSI并没有在图中标出相关的企业，看似与自动驾驶高大上的技术没关系，但这一块却是不容忽视的，尤其是在国内。行动层为自动驾驶提供了可以运行和验证的平台，任何技术的落地都需要它的支撑。同样的，任何一家号称拥有自动驾驶技术的公司，如果没有一辆实车做展示，恐怕难以令人信服。而这个看似简单的层次，却难住了很多团队，因为核心技术要么掌握在车企，要么掌握在Tire1供应商手中。具体来讲，首先自动驾驶的风潮来得很快，快得让多年来靠扎扎实实走量的车企有点措手不及，也有点看不明白走向，所以多多少少都会对合作留有私心，大多数都尽可能快的通过组建或者收购来搭建自己的团队，因此外部创业团队很难得到有效的支撑，除非是两个公司从战略层面上进行合作。然后从Tire1供应商的角度来讲，为他人提供控制接口，不如自己向前多走一步直接提供自动驾驶解决方案，当做未来布局，速度快者如Bosch，依托其多年对EPS、ESP和ABS等系统的理解和积累，通过iBooster等个新技术，已经跟多家车企展开了自动驾驶系统的合作。由于执行层合作的种种困难，因此就有了AutonomousStaff这样公司存在的价值，该公司类似VSI，不过除了传感器方案，还可以提供带有控制接口的车辆平台，所谓的裸车，车型以林肯和大众居多。而国内由于多年无人车未来挑战赛的需求，也存在几个类似的团队，凭借跟车企和供应商的良好关系，集成一套行动层平台，这都算是个面向自动驾驶团队的Tire1吧。所以，行动层的机会主要有两个，一个是自己造车，掌握平台。由于电动技术的快速革新，汽车生产的传统模式受到了冲击，此前发动机和变速箱等壁垒技术，现在已经转换到电动机、电池包及管理和车辆电控总成等相对研发周期短难度小的技术。这种变革，让创业团队自己造车成为了可能。国内比较著名的如蔚来、小鹏、和谐富腾、智车优行、乐视等都在造车运动中频繁交卷。另一个是成为Tire1供应商本身，由于汽车工业发展本身的原因，国外的供应商分布很早就变成巨头格局，而国内则由于价格、技术迭代和适配等原因，许多国产供应商反而拿到了许多车企的合同得以生存，如此前新闻中提过跟奇瑞合作的亚太，以及源自清华和吉大汽车系的团队。总之，目前国内自动驾驶技术还是比较依赖车企或者供应商提供平台的，因此投资人想要知道团队技术水平如何，一方面是看Demo，另一方面或可通过行动层提供方来侧面了解。2、感知层感知层主要可以分为传感器本身和识别算法两部分。传感器本身门槛还是比较高的，识别算法相对来讲是入门很容易，做好非常难。从激光雷达来讲，做到现在主流基本就是几家，Velodyne、IBEO（法雷奥合作）、SICK、北洋和先锋，目前造价都比较高，一个是因为确实是个高精密仪器，另一个是尚未量产。高昂造价导致自动驾驶团队选型的时候会有所顾虑，如Volvo高端自动驾驶汽车XC90也只在前面放了一个一线。这块目前比较火的是Quenergy，打算直接做固态激光雷达（大概可以理解就是不转的），最近试用了一下觉得挺靠谱。比较遗憾的是，国内目前还没见到能用在室外车载的远距（比如100米）激光雷达成品，倒是听过几个在研，过程中也是遇到这样那样的困难。目前能够用于量产自动驾驶系统的传感器还是毫米波和摄像头，优点有很多，多年渐进式的装车经验和规模，价格低等等。毫米波目前主要是Delphi、大陆和Bosch三家巨头供应，用于车企量产车上的ADAS预警类应用。也见到了一些国产的毫米波产品，但用起来多多少少从返回的数据来看都有些瑕疵，然后巨头量产价在700-1000人民币，所以我其实并不清楚国内毫米波雷达的竞争力所在，还望明白人指点。摄像头一个是Mobileye，因为是跟算法集成到一块的，所以下面谈。另外就是众多的车载摄像头供应商了，比如Omni、PointGrey、大恒和微视，都是做通用摄像头很多年的公司，没见过初创做摄像头硬件的。倒是单独做机器视觉算法这块做的人比较多，因为单独做只需要给出语义识别的结果，跟车辆控制没有关系，并不需要一辆可控车辆。做试验相对容易，容易收集数据，容易看Demo效果，还容易通过KITTI车辆数据集跟同行比较，那么带来的问题就是市场红海了，只能真刀真枪PK，拼算法准确性，拼跟车企的合作落地，其实更多的我看就是拼行业资深程度了，因为看起来大家都是99%以上。从业比较资深的如中科慧眼、地平线、东软和Minieye等。传感层其实我觉得还可以包括高精地图，输入是精准定位，反馈是当前周围的静态环境信息。通往高级自动驾驶的征途上，高精度地图技术绝对是不可或缺的支撑，它既可以提供当前的静态环境模型，还可以通过预先存储的点云和图像特征数据来提供高精度定位。最近半年这块是有大新闻的，奥迪宝马和戴姆勒合起来买了HERE，TOMTOM为苹果、Uber和Bosch提供数据，最近也发布了自己的RoadDNA，Mobileye也号称要做RoadBook。国内大多数是大企业如百度、高德、四维图新，今年车展还见到了初创企业武汉光庭。3、认知层一个非常主观的看法是，做自动驾驶，不碰行动层，不知道有多少dirty work。而不做认知层，都不知道造个驾驶员出来有多难。VSI图中自动驾驶解决方案部分囊括的企业，都是些目前在坑边或者坑里的企业。认知层主要说的就是智能决策和规划，难点主要在于三个：对环境的准确理解、对下一步决策的准确判断、选择合理的路径达到目标。认知的好坏目前各家没有一个统一的评价标准，因此也就无从判断技术能力的好坏，只能从时不时出现的Demo中略知一二。当然对于美国团队来讲，最近几个月也可以通过加州DMV的网站来看测试车辆的自动驾驶里程数来评价，你会看到Google远超过其他团队。团队纵览接下来就针对VSI提及的企业大概说一下自己的了解。车企先说车企，车企都是奔着量产去的。丰田在2014年说自己出于安全考虑不做无人车以后，2015年给自动驾驶项目拨了10亿美元的预算，就问是不是换领导了？同时从斯坦福、MIT和密歇根大学合作，请来了Gill Pratt，也从Jaybridge机器人搬来了整个自动驾驶团队，对了我觉得丰田是目前自动驾驶专利最多的车企，1400多个。奥迪在自动驾驶方面积累很多了，自己早就有A7原型车，准备下一代A8上装“Piloted Driving”，柏林电影节也高调PR，顺便提一句现在世界上跑的最快的无人车也是Audi合作的，Stanford有一辆TT叫Shelley，出自大名鼎鼎的Chris Gerdes之手。&Tesla，做了AutoPilot，目前量产车里自动驾驶系统应用最成功的企业，才买3万人民币，Elon Musk也放言说两年实现全自动驾驶。对于Tesla在自动驾驶技术上的激进，行业也是有不同看法的，一些人说Tesla太莽撞，一些人称赞其新锐。但总体上包括Tesla自己在内都把安全当做最重要的问题，去年12月份Tesla在部分地区通过OTA关闭了自动驾驶功能，原因是一些思路迥异的用户做了一些非常夸张的试验，比如在高速上放平驾驶位平躺，对此我们只能表示达尔文先生的进化论会处理这些人的。宝马，宝马车速来以车辆动力学性能好著称，其位于慕尼黑的自动驾驶团队也曾Demo过非常酷炫的自动驾驶漂移。2015年底宝马与百度专长于人工智能的深度学习研究院合作，在五环上公开Demo了一辆全自动驾驶原型车。而最近则在着手组建更大规模的自动驾驶团队，为其iNEXT计划服务。Bosch，一个像3M一样无处不在而又旱涝保收的德国公司，供应商巨头。在自动驾驶方面的投入是惊人的，有超过2000个工程师，Google、Tesla和保时捷等企业都是其客户，曾将两辆Tesla升级为全自动驾驶系统，最近国内比较热门的新闻是跟长安汽车联合进行了两千公里重庆到北京的路测。Volvo，个人感觉这套传感器配置是非常好的，性价比很高。它主打驾驶安全，因此其自动驾驶研发路线也是奔着安全为先，称2020年做到零死亡率。目前的计划是2017年放出100辆测试车给普通瑞典民众，此前也曾在北京西六环上做过路测，邀请了一众互联网名人参与，评价都很不错。互联网企业再说互联网企业，都是奔着颠覆传统行业去的，一般上来就是无人出租车，共享分时租赁。Google，其实都不用介绍太多了，源自CMU的BOSS，后来是Stanford的Staley，车队里程超过了十万公里，提一句每个月的月报都有新东西值得一看。Uber，Uber包了CMU机器人实验室，办了个先进技术中心 (ATC) ，在匹兹堡正式上路测试无人车。用一辆福特混合动力车，采集测绘数据并试验自动驾驶功能。CMU这有世界级的工程技术人才和研究设施，匹兹堡还具有复杂多样的道路类型、交通模式、及天气状况，为开发和检测自动驾驶技术提供了理想环境。初创团队再说初创团队，Comma.ai，号称用人工智能解决一切。它采用的技术是最近比较火的“端到端学习”，即训练深度模型，输入是原始图像，输出直接是三大控制量，这种方式比较适合创业团队，一辆车一台服务器就可以开工。这种做法的问题是一些驾驶员的常识如车辆动力学、交通规则等都会被隐含到模型中，开发者不能确定规则的完备性。Mobileye CTO特地在最近的一次演讲中提到端到端学习，认为一锅烩的做法是不靠谱的，而另一个锐气十足的公司却用行动来支持了Comma.ai，他们也做了一辆基于端到端技术的无人车，这个公司的名字是Nvidia。nuTonomy，分拆自麻省理工学院，刚刚获得了1600万美元A轮融资，本轮融资的估值约为1亿美元，准备2018年在新加坡发布无人出租车。现在是利用改装后的三菱和雷诺在新加坡的公共道路上测试，也在打造能够最终供用户使用的应用，方便他们使用无人驾驶出租车服务。与此同时，还在开发用于调配和指挥无人驾驶出租车的云计算软件，主要任务是部署无人驾驶出租车队。zoox，日前融资2.52亿美元，风投机构预计此番融资令该公司估值超过10亿美元，新锐独角兽。zoox有大概140名员工，此前曾就职于谷歌、苹果和特斯拉。预计Zoox的无人车可以在2020年投入使用，并提供与Uber相似的汽车共享服务。Cruise Automation，今年被通用十亿美元买了，细心一点可以看出原来他们设备并没有装到雪佛兰上，而是一辆奥迪。从CA的经历来看，做一辆骡车，配一套比较完备的自动驾驶产品，然后找个有钱老爸收了，是一条创业团队的成功之路。结语对投资人来讲，评价一个企业的情况，主要可以从团队、产品、市场和资本四个方面出发。最近看到很多国内的兄弟们开始做自动驾驶的认知层面，各有高招，具体情况可能要体验以后才能跟大公司的效果对比了。总之，无论是大公司还是创业团队，若是团队成员在VSI产业图中分布比较均匀，调试经验比较丰富，此前的从业经历比较多样，所采用的技术也是业界热推的话，这样的团队是值得关注的，上述从认知层面提供自动驾驶解决方案的公司，都在其中某个方面有过人的地方。新智元：智能+中国的资讯社交平台，致力于推动中国从互联网+迈向智能+新纪元。转载请联系公众号：新智元（AI_era）获得授权
*文章为作者独立观点，不代表虎嗅网立场
授权 虎嗅网 发表，并经虎嗅网编辑。转载此文章须经作者同意，并请附上出处()及本页链接。原文链接/article/153080.html
未来面前，你我还都是孩子，还不去下载 猛嗅创新！
后参与评论
人工智能全产业平台&&&&>> &正文
为什么创业公司开发不出自动驾驶汽车？
　　日&08:12
字体：&&&&
中金在线汽车微博微信
扫描二维码
中金汽车频道
　　创业公司给外界的印象一直都是创新、超前、不受固有思维限制，但在未来的一项关键技术——自动驾驶汽车面前，创业公司却并没有多少 作为。相反的这方面的技术推进主要依靠的是谷歌这样的科技巨头。那么创业公司为什么在自动驾驶汽车的研发上面难有建树呢？科技网站TechCrunch日 前撰文对此问题进行了分析：
　　在未来的10-20年间，大规模的技术革新将围绕着机器智能、机器人和传感器展开。这些领域都需要雄厚的资金支持和大量的耐心，而这两个要素的组合即便是最与时俱进的风险投资公司也是力不能及的。
　　就像谷歌通过自动驾驶汽车向我们展示的那样，机器智能、机器人和传感器的组合在复杂情况下的表现——比如驾驶汽车——已经要比人类更为出色了，而对于大多数人来说，这在10年前是无法想像的。
　　毫无疑问，Tesla在经历过不少考验和磨难之后制作出了举世瞩目的电动汽车。但是，通用汽车先于他们一年就已经推出了一款量产电动汽车，而Tesla利用了通用的困境，也就是传统汽车厂商基本上无法拥抱纯电动汽车，并集成进现代电子元件。
　　Tesla的路线图包含了“自动导航(autopilot)”和最终的“自动驾驶(autonomous)”功能。也许他们的确能够略先于传统 汽车厂商——比如同样在积极研发类似技术的梅赛德斯和雷克萨斯——推出这些功能，但这场竞争的赢家会是谷歌，后者在技术上已经领先了数年，且有能力支付巨 额的授权费用。
　　认知计算所必要的纯计算性能非常巨大，整合下一代的传感器(比如LIDAR)又极其复杂，引入智能机器的监管环境还很难以预料。而开发这种技术所需的实验和不可预知的时间表很显然都是属于研究而非开发的范畴，而风投一直都很讨厌研究——他们喜欢开发。
　　即便是机器智能领域受风投支持最大的创业公司DeepMind(拥有5000万的投资和75名顶级研究者)，最近还是被谷歌以5亿美元的价格收 购。谷歌最近的收购动作频频，他们似乎急于想通过收购来给未来添砖加瓦。除了DeepMind之外，他们最近还收购了人工智能研究公司 DNNresearch，并招募了Ray Kurzweil这样的关键人物，后者被许多人认为是商业认知计算的教父。谷歌同时也是D-Wave的客户之一，这是一家备受指责的量子计算公司。
　　谷歌、IBM和微软这样的公司都建立了机器学习团队，他们可以利用到公司在全球范围内搭建起来的计算机网络。根据Kurzweil的说法，想要 匹配上人类大脑当中的神经细胞数量，需要多达1000亿个晶体管，而在2025年之前，单独一枚芯片无法拥有如此多的数量。但由于微芯片当中的晶体管正在 越变越小，这样的进程或许会被加快。
　　市场对于机器智能的理解还将需要一段时间。IBM已经证明，计算机在国际象棋和Jeopardy这些智力项目当中是可以赢过人类的，他们还正在 把自己的认知计算成果过渡到医学等领域。即便是IBM这种规模的公司，股东们也在抱怨这次过渡的花费，Watson超级计算机项目的主管最近也换人了。如 果IBM的Watson是家创业公司，它的股东恐怕早就强迫他们将其出售，以便让他们把资金放在更加效率的中短期投资当中。
　　其他一些拥有大型计算机网络的公司也正在加入到这场竞赛当中。Facebook最近就成立了一家人工智能实验室，并雇用了来自纽约大学的 Yann LeCun，同时收购了语音识别公司Mobile Technologies。eBay招募了来自科学应用国际公司(SAIC)的Hassan Sawaf，来将其在机器智能方面的研究成果作为先头力量。雅虎和卡内基梅隆大学达成了一项交易，来访问后者的研究者。一直侧重于计算机客户端的苹果也在 尽力保持着自己邮件系统的可拓展性，以及让Siri在谷歌无休止的机器智能研发面前不至显得落后。
　　这种趋势的好处是巨大的。经济的每一个层面很快都会拥有自己的自动驾驶汽车版本，甚至是医学这样的前沿领域。任何患有未确诊或确诊疾病的患者都 可以告诉你，诊断当中的猜测部分和医学专家过度的专业化让人抓狂。而一部计算机可以对病症进行整体分析，迅速将可能的范围缩小，并重复排除测试。考虑到基 础变革的需要，医学领域想要过渡到这样的情境可能还需要很长一段时间。
　　除了反复的恐惧之外，创业公司肯定会去承担远大于图片和聊天应用的挑战。但他们在机器智能这样的领域能否和那些业界巨头相竞争呢？如果谷歌、 IBM和亚马逊带来一个所谓的“认知即服务(Cognition-as-a-Service)”，这或许可以迎来新一波的创业公司，就像是亚马逊的基础设 施即服务(Infrastructure-as-a-Service)对于网络的贡献那样。
　　IBM基于Watson的公司准备了1亿美元的投资，且已经进行了第一笔投资。而通过收购Wise.io、Expect Labs和BigML这样的新兴认知服务公司，亚马逊可以启动一项认知服务，并使其具备相当的规模。这些都可以带来新一代的“智能”创业公司。
　　中金在线声明：中金在线转载上述内容，不表明证实其描述，仅供投资者参考，并不构成投资建议。投资者据此操作，风险自担。
中金在线汽车频道官方微信公众账号（车show），我们致力于为广大有车一族提供养护、驾驶技巧，热门新车评测等实用资讯，打造车友互动交流平台，快来试试吧！
微信关注方法：1.扫描左侧二维码；2.请在微信平台“查找公众账号”选项中搜索“车show”（cnfolauto）关注汽车频道微信。
我来说两句
24小时热门文章
栏目最新文章
热点资讯排行
---------------------------------------------------------------------------------------------
本站所有文章、数据仅供参考，使用前务请仔细阅读，风险自负
《中华人民共和国增值电信业务经营许可证》编号：闽 B2- 号
《电子公告服务许可证》编号：闽通信互联网 [2008]1 号
　　
证券资讯提供:福建天信投资咨询顾问有限公司 [证书：ZX0151]
Copyright &
中金在线. All Right Reserved.&　　【搜狐数码消息】3月17日消息，创业公司给外界的印象一直都是创新、超前、不受固有思维限制，但在未来的一项关键技术――自动驾驶汽车面前，创业公司却并没有多少作为。相反的这方面的技术推进主要依靠的是谷歌这样的科技巨头。那么创业公司为什么在自动驾驶汽车的研发上面难有建树呢？科技网站TechCrunch日前撰文对此问题进行了分析：
　　在未来的10-20年间，大规模的技术革新将围绕着机器智能、机器人和传感器展开。这些领域都需要雄厚的资金支持和大量的耐心，而这两个要素的组合即便是最与时俱进的风险投资公司也是力不能及的。
　　就像谷歌通过自动驾驶汽车向我们展示的那样，机器智能、机器人和传感器的组合在复杂情况下的表现――比如驾驶汽车――已经要比人类更为出色了，而对于大多数人来说，这在10年前是无法想像的。
　　毫无疑问，Tesla在经历过不少考验和磨难之后制作出了举世瞩目的电动汽车。但是，通用汽车先于他们一年就已经推出了一款量产电动汽车，而Tesla利用了通用的困境，也就是传统汽车厂商基本上无法拥抱纯电动汽车，并集成进现代电子元件。
　　Tesla的路线图包含了“自动导航（autopilot）”和最终的“自动驾驶（autonomous）”功能。也许他们的确能够略先于传统汽车厂商――比如同样在积极研发类似技术的梅赛德斯和雷克萨斯――推出这些功能，但这场竞争的赢家会是谷歌，后者在技术上已经领先了数年，且有能力支付巨额的授权费用。
　　认知计算所必要的纯计算性能非常巨大，整合下一代的传感器（比如LIDAR）又极其复杂，引入智能机器的监管环境还很难以预料。而开发这种技术所需的实验和不可预知的时间表很显然都是属于研究而非开发的范畴，而风投一直都很讨厌研究――他们喜欢开发。
　　即便是机器智能领域受风投支持最大的创业公司DeepMind（拥有5000万的投资和75名顶级研究者），最近还是被谷歌以5亿美元的价格收购。谷歌最近的收购动作频频，他们似乎急于想通过收购来给未来添砖加瓦。除了DeepMind之外，他们最近还收购了人工智能研究公司DNNresearch，并招募了Ray Kurzweil这样的关键人物，后者被许多人认为是商业认知计算的教父。谷歌同时也是D-Wave的客户之一，这是一家备受指责的量子计算公司。
　　谷歌、IBM和微软这样的公司都建立了机器学习团队，他们可以利用到公司在全球范围内搭建起来的计算机网络。根据Kurzweil的说法，想要匹配上人类大脑当中的神经细胞数量，需要多达1000亿个晶体管，而在2025年之前，单独一枚芯片无法拥有如此多的数量。但由于微芯片当中的晶体管正在越变越小，这样的进程或许会被加快。
　　市场对于机器智能的理解还将需要一段时间。IBM已经证明，计算机在国际象棋和Jeopardy这些智力项目当中是可以赢过人类的，他们还正在把自己的认知计算成果过渡到医学等领域。即便是IBM这种规模的公司，股东们也在抱怨这次过渡的花费，Watson超级计算机项目的主管最近也换人了。如果IBM的Watson是家创业公司，它的股东恐怕早就强迫他们将其出售，以便让他们把资金放在更加效率的中短期投资当中。
　　其他一些拥有大型计算机网络的公司也正在加入到这场竞赛当中。Facebook最近就成立了一家人工智能实验室，并雇用了来自纽约大学的Yann LeCun，同时收购了语音识别公司Mobile Technologies。eBay招募了来自科学应用国际公司（SAIC）的Hassan Sawaf，来将其在机器智能方面的研究成果作为先头力量。雅虎和卡内基梅隆大学达成了一项交易，来访问后者的研究者。一直侧重于计算机客户端的苹果也在尽力保持着自己邮件系统的可拓展性，以及让Siri在谷歌无休止的机器智能研发面前不至显得落后。
　　这种趋势的好处是巨大的。经济的每一个层面很快都会拥有自己的自动驾驶汽车版本，甚至是医学这样的前沿领域。任何患有未确诊或确诊疾病的患者都可以告诉你，诊断当中的猜测部分和医学专家过度的专业化让人抓狂。而一部计算机可以对病症进行整体分析，迅速将可能的范围缩小，并重复排除测试。考虑到基础变革的需要，医学领域想要过渡到这样的情境可能还需要很长一段时间。
　　除了反复的恐惧之外，创业公司肯定会去承担远大于图片和聊天应用的挑战。但他们在机器智能这样的领域能否和那些业界巨头相竞争呢？如果谷歌、IBM和亚马逊带来一个所谓的“认知即服务（Cognition-as-a-Service）”，这或许可以迎来新一波的创业公司，就像是亚马逊的基础设施即服务（Infrastructure-as-a-Service）对于网络的贡献那样。
　　IBM基于Watson的公司准备了1亿美元的投资，且已经进行了第一笔投资。而通过收购Wise.io、Expect Labs和BigML这样的新兴认知服务公司，亚马逊可以启动一项认知服务，并使其具备相当的规模。这些都可以带来新一代的“智能”创业公司。（Eskimo）&
(责任编辑：张钰靖)
&&&&&&</div
都是全面屏，他们有什么不同？...
主演：黄晓明/陈乔恩/乔任梁/谢君豪/吕佳容/戚迹
主演：陈晓/陈妍希/张馨予/杨明娜/毛晓彤/孙耀琦
主演：陈键锋/李依晓/张迪/郑亦桐/张明明/何彦霓
主演：尚格?云顿/乔?弗拉尼甘/Bianca Bree
主演：艾斯?库珀/ 查宁?塔图姆/ 乔纳?希尔
baby14岁写真曝光
李冰冰向成龙撒娇争宠
李湘遭闺蜜曝光旧爱
美女模特教老板走秀
曝搬砖男神奇葩择偶观
柳岩被迫成赚钱工具
大屁小P虐心恋
匆匆那年大结局
乔杉遭粉丝骚扰
男闺蜜的尴尬初夜
客服热线：86-10-
客服邮箱：为什么创业公司开发不出自动驾驶汽车？ - 推酷
为什么创业公司开发不出自动驾驶汽车？
【搜狐数码消息】3月17日消息，创业公司给外界的印象一直都是创新、超前、不受固有思维限制，但在未来的一项关键技术——自动驾驶汽车面前，创业公司却并没有多少作为。相反的这方面的技术推进主要依靠的是谷歌这样的科技巨头。那么创业公司为什么在自动驾驶汽车的研发上面难有建树呢？科技网站TechCrunch日前撰文对此问题进行了分析：
在未来的10-20年间，大规模的技术革新将围绕着机器智能、机器人和传感器展开。这些领域都需要雄厚的资金支持和大量的耐心，而这两个要素的组合即便是最与时俱进的风险投资公司也是力不能及的。
就像谷歌通过自动驾驶汽车向我们展示的那样，机器智能、机器人和传感器的组合在复杂情况下的表现——比如驾驶汽车——已经要比人类更为出色了，而对于大多数人来说，这在10年前是无法想像的。
毫无疑问，Tesla在经历过不少考验和磨难之后制作出了举世瞩目的电动汽车。但是，通用汽车先于他们一年就已经推出了一款量产电动汽车，而Tesla利用了通用的困境，也就是传统汽车厂商基本上无法拥抱纯电动汽车，并集成进现代电子元件。
Tesla的路线图包含了“自动导航（autopilot）”和最终的“自动驾驶（autonomous）”功能。也许他们的确能够略先于传统汽车厂商——比如同样在积极研发类似技术的梅赛德斯和雷克萨斯——推出这些功能，但这场竞争的赢家会是谷歌，后者在技术上已经领先了数年，且有能力支付巨额的授权费用。
认知计算所必要的纯计算性能非常巨大，整合下一代的传感器（比如LIDAR）又极其复杂，引入智能机器的监管环境还很难以预料。而开发这种技术所需的实验和不可预知的时间表很显然都是属于研究而非开发的范畴，而风投一直都很讨厌研究——他们喜欢开发。
即便是机器智能领域受风投支持最大的创业公司DeepMind（拥有5000万的投资和75名顶级研究者），最近还是被谷歌以5亿美元的价格收购。谷歌最近的收购动作频频，他们似乎急于想通过收购来给未来添砖加瓦。除了DeepMind之外，他们最近还收购了人工智能研究公司DNNresearch，并招募了Ray Kurzweil这样的关键人物，后者被许多人认为是商业认知计算的教父。谷歌同时也是D-Wave的客户之一，这是一家备受指责的量子计算公司。
谷歌、IBM和微软这样的公司都建立了机器学习团队，他们可以利用到公司在全球范围内搭建起来的计算机网络。根据Kurzweil的说法，想要匹配上人类大脑当中的神经细胞数量，需要多达1000亿个晶体管，而在2025年之前，单独一枚芯片无法拥有如此多的数量。但由于微芯片当中的晶体管正在越变越小，这样的进程或许会被加快。
市场对于机器智能的理解还将需要一段时间。IBM已经证明，计算机在国际象棋和Jeopardy这些智力项目当中是可以赢过人类的，他们还正在把自己的认知计算成果过渡到医学等领域。即便是IBM这种规模的公司，股东们也在抱怨这次过渡的花费，Watson超级计算机项目的主管最近也换人了。如果IBM的Watson是家创业公司，它的股东恐怕早就强迫他们将其出售，以便让他们把资金放在更加效率的中短期投资当中。
其他一些拥有大型计算机网络的公司也正在加入到这场竞赛当中。Facebook最近就成立了一家人工智能实验室，并雇用了来自纽约大学的Yann LeCun，同时收购了语音识别公司Mobile Technologies。eBay招募了来自科学应用国际公司（SAIC）的Hassan Sawaf，来将其在机器智能方面的研究成果作为先头力量。雅虎和卡内基梅隆大学达成了一项交易，来访问后者的研究者。一直侧重于计算机客户端的苹果也在尽力保持着自己邮件系统的可拓展性，以及让Siri在谷歌无休止的机器智能研发面前不至显得落后。
这种趋势的好处是巨大的。经济的每一个层面很快都会拥有自己的自动驾驶汽车版本，甚至是医学这样的前沿领域。任何患有未确诊或确诊疾病的患者都可以告诉你，诊断当中的猜测部分和医学专家过度的专业化让人抓狂。而一部计算机可以对病症进行整体分析，迅速将可能的范围缩小，并重复排除测试。考虑到基础变革的需要，医学领域想要过渡到这样的情境可能还需要很长一段时间。
除了反复的恐惧之外，创业公司肯定会去承担远大于图片和聊天应用的挑战。但他们在机器智能这样的领域能否和那些业界巨头相竞争呢？如果谷歌、IBM和亚马逊带来一个所谓的“认知即服务（Cognition-as-a-Service）”，这或许可以迎来新一波的创业公司，就像是亚马逊的基础设施即服务（Infrastructure-as-a-Service）对于网络的贡献那样。
IBM基于Watson的公司准备了1亿美元的投资，且已经进行了第一笔投资。而通过收购Wise.io、Expect Labs和BigML这样的新兴认知服务公司，亚马逊可以启动一项认知服务，并使其具备相当的规模。这些都可以带来新一代的“智能”创业公司。（Eskimo）
已发表评论数()
请填写推刊名
描述不能大于100个字符!
权限设置： 公开
仅自己可见
正文不准确
标题不准确
排版有问题
主题不准确
没有分页内容
图片无法显示
视频无法显示
与原文不一致