蚂蚁彩票www.nama2015.com

58彩票www.oneshot04.com

旺旺彩票www.ooxx456.com

快赢彩票www.sgbingyou.com

凤凰彩票www.zgwscy360.com

吉利彩票www.tech414.com

万豪彩票www.vooily.com

新利彩票www.zyq2012.com

名门彩票www.hiyunte.com

123彩票www.hhrzsz.com

万喜彩票www.ronghaiyi.com

盛通彩票www.nznhco.com

永盛彩票www.m2volt.com

大通彩票www.bangfy.com

万家彩票www.ysh777.com

千禧彩票www.jntjzc.com

中福彩票www.qdxrtzc.com

万利彩票www.ynkyz.com

98彩票www.sixitz.com

博乐彩票www.alxqxxx.com

云鼎彩票www.njbjjd.com

永利彩票www.izaukb.com

趣彩彩票www.neusna.com

广发彩票www.yinxing02.com

葡京彩票www.ylyx1688.com

顺发彩票www.stampfle.com

鸿利彩票www.taotao5le.com

我赢彩票www.tctz558.com

大发彩票www.tlvip993.com

苹果彩票www.tuhao2015.com

欢乐彩票www.uvyyvc.com

盛兴彩票www.vwin356.com

智博彩票www.wdzc888.com

环球彩票www.hlwgtt.com

金彩彩票www.youtube4u.com

彩盈彩票www.yz-cheap.com

丰亿彩票www.zgnck.com

金沙彩票www.zjfwbank.com

金福彩票www.zlcemk.com

大运彩票www.zx3xrj.com

乐购彩票www.lpdzz.com

热购彩票www.qwknt.com

宏发彩票www.dkyky.com

八八彩票www.chwizd.com

凤凰彩票www.qgklri.com

易发彩票www.nrrnx.com

众彩彩票www.bdjlx.com

世纪彩票www.qxqpr.com

必发彩票www.lianjiat.com

创元彩票www.rmdhn.com

E乐彩票www.avgads.com

利来彩票www.cfmft.com

华夏彩票www.hcfgx.com

金砖彩票www.ookk77.com

大金彩票www.qdnpp.com

全迅彩票www.cskcbz.com

菠萝彩票www.qdfbn.com

通博彩票www.lpwln.com

盛世彩票www.lyqhx.com

鼎盛彩票www.fznzy.com

东方彩票www.mywnp.com

皇冠彩票www.zspnsh.com

港龙彩票www.dbrgj.com

幸运彩票www.nyhuigou.com

全民彩票www.689jp.com

状元彩票www.hn882.com

88彩票www.ynhaimao.com

天天彩票www.lehaha668.com

凤凰彩票www.weiguyuan.com

500万彩票www.usaviaton.com

E时彩www.urns4sale.com

J8彩票www.ggw74.com

GT彩票www.gyyhzb.com

中华彩票www.jncfgs.com

568彩票www.1-webinar.com

传奇彩票www.my2wave.com

杏彩彩票www.10tozero.com

金誉彩票www.dss91.com

众购彩票www.ddyyddyy.com

非凡彩票www.daverney.com

重慶彩票www.daff8881.com

双赢彩票www.jgcp99.com

盛源彩票www.jhh123.com

旺旺彩票www.bahid-inv.com

万喜彩票www.kenya2016.com

盛通彩票www.hexun888.com



当前位置: 主页 > 行车记录仪 > >

无人驾驶未来是“赢家通吃” 还是多家相争?

时间:2018-06-13 22:25来源:网络整理 作者:北箭GPS导航之家 点击:
【中国安防展览网 媒体导读】无人车是对未来影响巨大的新兴技术,目前有几十家公司都在窥伺这个庞大的

  【中国安防展览网 媒体导读】无人车是对未来影响巨大的新兴技术,目前有几十家公司都在窥伺这个庞大的市场。那么究竟未来的市场格局会如何走向?会不会出现赢家通吃的局面?真正具备杠杆作用的因素有是什么?
 

无人驾驶未来是“赢家通吃” 还是多家相争?


 

  目前有好几十家公司正在试图研发无人车的技术,其中包括了OEM、其传统的供应商、现有的主流技术公司以及初创企业。显然,这些公司不会个个都能取得成功,但有机会的不在少数,这不禁让人猜测,赢家通吃的效应会在哪里发生?这会产生哪一种的影响力?会不会出现那种排名前一、两位的公司榨干剩余者的网络效应,就像智能手机或者PC操作系统身上发生过的事情一样?还是说这里能容纳5到10家公司无限地相互竞争下去?而在那个堆栈里面又是哪一层的胜利会给其它层赋予力量呢?
 

  这类问题很重要,因为它们指明了未来汽车业势力均衡的方向。就像他们今天购买ABS(自动防滑刹车系统)一样,一个汽车制造商可以从5、6家公司中购买商品化的“自动化套件”(或者自行生产)的世界,将会与Waymo和Uber(也许)是唯一真正选项,并且可以按照自己选择设定商业模式(就像Google为Android设定的那样)的世界非常不同。微软和英特尔在PC世界以及Google在智能手机找到了咽喉点——无人车领域的咽喉地带又在哪里呢?
 

  作为开始,无人驾驶领域的硬件和传感器,可能再加上电子部分将会商品化,这一点似乎是相当明确的。这些领域包含了大量的科学和工程(以及大量要做的工作),可以说,就像LCD屏幕那样,但为什么就因为别人都用这个你就不能用另一个呢?这是没有理由的。这里存在着庞大的制造规模效应,但并没有网络效应(注:网络效应的特点是大家都用所以我也只能用)。比方说激光雷达就会从造价50000美元的“旋转的肯德基全家桶”变成一个小型的固态电子设备,成本也会降到几百美元或者更低,这个细分领域将会出现赢家,但不会有网络效应,因为获胜的激光雷达品牌对于无人车技术栈的其他层不会产生影响(除非你形成了垄断),制造最好的图像传感器(并且把它卖给苹果)以外的任何事情对索尼的智能手机业务都有帮助。同样地,电池(以及发动机和电池/发动机控制)也很可能像今天的RAM一样成为商品——再次地,规模,大量的科学可能再加上每个类别里面都会出现一些赢家,但不会有更大的影响力。
 

  另一方面,无人车这块可能不会有相当于PC或智能手机市场看到的第三方软件开发者生态体系。因为开发者采用自己而不是别人所形成的良性循环,Windows碾压了Mac然后iOS和Android压垮了Windows Phone,但是你不会根据车上面跑多少应用来决定购买什么车(当然了,前提是你还想拥有一辆车)。它们全都会跑Uber、Lyft和滴滴,嵌入了Netflix在屏幕上,但任何任何应用都会出现在你的手机(或者手表、眼镜上)。
 

  我们的目光不要直接放在车上面,相反,要上那个栈的更上层去看——看那些让车在路上行走而不是撞上任何东西的无人控制软件,看看城市范围内的最优化以及路由(这意味着我们可能会把所有汽车当作一个系统进行自动化,而不是个体),看看基于堆栈下面的所有基础而运转的按需出行的“机器的士”车队。按需的网络效应是不言自明的,但加入自动化之后会变得复杂很多(这会将按需出行的成本降低4/3甚至更多)。按需机器的士车队会动态预定位好自己的车,所有这些车可能还包括别的车都会为了实现效率最大化而实时协调自己的路线,比方说整支车队会避免同时选择相同路线的情况出现。这反过来不仅会跟高峰定价结合起来,而且还会考虑到各种道路定价的差异——在交通繁忙期间你可以付更多的钱以争取更快抵达目的地,或者根据价格选择另一种到达时间。
 

  从技术的角度来看,有三层(驾驶、路由及优化,以及按需请求)基本上是独立的——理论上你可以在GM的无人车上安装Lyft app,让预装的Waymo自动驾驶模块开车载着人到处逛。显然,一些人希望有跨层的影响力,或者可能想进行捆绑——Tesla说自己计划禁止车主用自己的无人车采用非自家的任何其他按需服务。反过来就不行了——Uber就不会坚持要你只用它自己的无人驾驶系统。不过尽管微软在Office和Windows上相互利用了影响力,但这两个都是靠自己的网络效应赢得各自市场的:一家小型的OEM坚持要你使用其小规模的机器的士服务,就像是1995年的苹果坚持要买AppleWorks而不是微软Office一样。我猜测一个更加中立的办法也许是会占得上风。如果我们要对所有车辆进行跨城市的协调,或者甚至在路口进行车与车之间的通信时就更是如此——你将需要某种公共的层(尽管我一直都更偏好去中心化系统)。
 

  但这一切都是猜测的成分颇多,就像在1900年的时候试图预测交通拥堵会是什么样子。有一个领域我们能够讨论关键的网络效应可能是什么样的,那就是无人化本身。这跟硬件、传感器以及软件有关,但主要是跟数据有关,对于无人化来说有两种数据是重要的——地图数据和驾驶数据。首先看看“地图”。
 

  我们的大脑在不断处理传感器数据同时建立起周围世界的3D模型,这都是在实时且颇为下意识的情况下发生的,以至于当我们在森林中穿行时也不会被树根绊倒或者头撞到树枝(基本上不会)。在无人驾驶领域又被称为是SLAM(同步定位与地图构建)——我们映射周围环境并且定位自己在其中的位置。这显然是无人驾驶的基本要求——无人车需要弄清楚自己在道路的位置,周边有什么特征(车道、转弯、路边、交通灯等),它们还需要弄清楚路上还有哪些其他的车及其移动速度有多快。
 

  在真正的道路上实时做这些事情仍然非常困难。人类驾驶利用了视觉(以及声音),但光靠图像(尤其是2D图像)把周围环境析取出一个足够精确的3D模型仍然是个未解难题:机器学习让这件事情变得可能,但还没有人把精度做到足够供驾驶使用。于是,我们开始走捷径。这就是为什么几乎所有的无人驾驶项目都将成像与360°LIDAR结合起来的原因:这些传感器每个都有自己的局限性,但把它们结合起来(“传感器融合”)你就能得到一幅完整的画面。仅靠成像建立周围世界的模型在未来某个时候当然是可能的,但利用更多的传感器能让你实现得快很多,即便考虑到你要等到成本和那些传感器的形态因子变得更加实际。也就是说,LIDAR是获得周围世界模型的一条捷径。一旦你获得了这一模型,你往往就会用机器学习来了解里面有什么东西——这个是车的样子,那个是自行车手的,但就这个而言似乎并没有网络效应(或者不是很强):就算没有一支车队你也能拿到足够的自行车手图像。
 

[ GPSUU整理发布,版权归原作者所有。]

顶一下
(0)
0%
踩一下
(0)
0%
------分隔线----------------------------






推荐内容