努力變身車展的CES 2016 預示著未來自動駕駛的幾個趨勢
來源：桑間濮上網(wǎng)
時間：2025-11-25 20:07:03
在今年的努力 CES 還沒開始之前，「自動駕駛」就被公認為是變身這次的主旋律之一，實際也確實是車展青島外圍預約(外圍模特)外圍上門（微信156-8194-*7106）高端外圍預約快速安排30分鐘到達這么回事，對于汽車廠商和供應商來說，預示不拿出和自動駕駛相關的著未自動東西，相當于白來 CES 一趟。駕駛
所以，趨勢圍繞自動駕駛他們說了很多，努力也展示了很多，變身于是車展可能你會在很多文章里看見這樣的句子：「自動駕駛是這次 CES 的主角，而且也是預示未來幾年的趨勢?！?br />
這話沒錯，著未自動但是駕駛說了等于沒說。GeekCar 更關心的趨勢是，通過這次 CES，努力自動駕駛到底在技術層面展示出了什么樣的趨勢？或者說，實現(xiàn)完全自動駕駛的「方法論」到底是怎樣的？
總體來說有三個方面的變化：
1. 硬件方面，傳感器不再「高高在上」。
2. 感知方面，青島外圍預約(外圍模特)外圍上門（微信156-8194-*7106）高端外圍預約快速安排30分鐘到達對于「定位」、「地圖」的理解更加深入。
3. 決策方面，車輛處理能力、深度學習能力強化。
為了讓大家對于自動駕駛的基本工作原理有一個直觀的了解，在這兒先用一個圖示簡單說明（圖片來自英偉達在 CES 的演講 keynote）。從圖上可以看出，上面提到的幾個方面，基本上包括了自動駕駛的關鍵技術點。
硬件：傳感器不再「高高在上」
激光雷達在自動駕駛里起到感知周圍環(huán)境的作用，很多人覺得，動輒七八萬美元的激光雷達會是影響自動駕駛普及的一個重要阻礙，但是在這次 CES 上，Quanengy 發(fā)布了世界上第一款用于自動駕駛的固態(tài)激光雷達，這個雷達不能 360 度掃描，也不是 64 線而是 8 線，但是換來的卻是成本的大幅降低（200 美元左右），而且更加小型化。
所以，原來像花盆一樣立在車頂?shù)募す饫走_，終于能裝在其它位置了，比如車的四角。更低的成本意味著可以在一輛車上裝更多的激光雷達。
另外福特也在這次 CES 上宣布，他們會把 Velodyne 最新推出的車用激光雷達裝在自己的自動駕駛測試車上。
激光雷達變得更便宜，也就會被裝到更多的車里，對于自動駕駛的發(fā)展，肯定是有好處的一件事。
但是也有不依賴雷達的自動駕駛方案，比如供應商麥格納這次就展示了依賴單目攝像頭開發(fā)的自動駕駛方案，他們的目的是想讓更多廉價車型也能具備這種功能，雖然是比較初級的自動駕駛（更像是自適應巡航），但是至少證明不依賴測距雷達實現(xiàn)自動駕駛是可行的。
所以總體來說，自動駕駛的硬件門檻正在變得越來越低。如果說七八萬美元的激光雷達太高高在上，那么這次 CES 展示出來的東西，顯然是更多考慮到了商業(yè)化的因素。不管是廉價激光雷達還是麥格納的方案，都是為自動駕駛量產(chǎn)化、商業(yè)化做的準備，從這個角度來說比去年更貼合消費電子展的「消費」二字。
對感知的理解更深入
高精度地圖、視覺識別，這二者的作用是讓車子精確的定位和感知環(huán)境，人們在這方面的理解和解決方案變得更成熟。
首先是自動駕駛所需的地圖，一方面，它的獲取方式正在發(fā)生改變，另一方面，它本身也有一些變化。
在我們慣常的理解里，高精度地圖來源于圖商的測繪，但是現(xiàn)在「眾包」的模式開始受到重視。在 CES 之前，就傳出豐田要利用這種模式采集高精度地圖，所依靠的硬件是用戶車內(nèi)的攝像頭+GPS，而在 CES 上，Moblieye 也宣布和通用、大眾合作，做高精度地圖方面的采集，使用的當然也是 Mobileye 的攝像頭。另外，Here 發(fā)布的 HD Live 地圖，打的也是「眾包」的概念：把車輛傳感器讀取到的數(shù)據(jù)上傳到云端，然后再下發(fā)給其他車輛。
這樣的好處顯而易見：用更低的成本，換取更多的數(shù)據(jù)。目前高精度地圖主要依賴激光雷達采集，成本很高，「眾包」肯定有節(jié)約成本的目的，而且可以在同樣的時間段內(nèi)獲取更多的數(shù)據(jù)。
但是除此之外，這種方式也有其他的好處。首先是更「輕量化」。以 Mobileye 做的 REM（Road Experience Management，路網(wǎng)采集管理）方案為例，通過采集包括交通信號、指示牌、路燈等「地標」，得到一個簡單的 3D 坐標數(shù)據(jù)；再通過識別車道線信息，路沿，隔離帶等獲取豐富的 1D 數(shù)據(jù)，這些數(shù)據(jù)疊加形成所謂的「RoadBook」（路書），數(shù)據(jù)量只有 10kb/km，而谷歌的高精度地圖每公里的數(shù)據(jù)量可能有幾個 G 之多。
另外一個好處是更加實時化。比如 HD Live 地圖就可以做到云端的實時更新，并且實時下發(fā)最新數(shù)據(jù)。突發(fā)的路況信息、道路的最新變更情況，都可以通過這種方式得以解決。
可以看到的是，原來可能我們認為高精度地圖更多的是依賴于雷達，而和視覺識別（攝像頭）關聯(lián)度相對要小，但從某種意義上來說，它們其實是一個整體，兩者互相配合、共同作用，才能讓車輛具有更精確的定位和感知能力。
處理能力的強化
這部分最明顯的感受是本機處理能力、深度學習能力的提升。
英偉達在 CES 上發(fā)布性能相當于 150 臺 MacBook Pro 的 Drive PX 2，是最有標志性的事情。Drive PX 2 用了 12 顆 CPU，250 瓦的總功率基本也只有汽車這個級別的硬件才能承受，并且用到了水冷散熱。它可以處理包括攝像頭、雷達、激光雷達在內(nèi)的 12 路信號，深度學習能力達到每秒 24 萬億次。
它兼顧了本機處理和深度學習的要求。一方面，它足夠滿足車輛本身的視覺處理需求，另一方面， Drive PX 2 采集到的數(shù)據(jù)經(jīng)過處理之后會上傳云端，進行深度學習網(wǎng)絡的訓練，訓練的成果可以用來提升所有車輛的智能程度。
其實這個「深度學習」，和上面段落提到的「眾包」是相輔相成的。特斯拉 Autopilot 的自主學習功能也是這方面的實際體現(xiàn)。
不管是本機處理還是深度學習，背后都意味著海量數(shù)據(jù)的獲取。就像英偉達所說，The more data we collect, the smarter our system becomes. 而為了更加 smarter，就必須提升處理能力。
可以很明顯的發(fā)覺到，今年大家開始越來越意識到「人工智能」、「深度學習」的重要性，并且把它上升到前所未有的高度。豐田砸下 10 億美元研究人工智能也是特別好的例子，Mobileye 也提到了深度學習對他們的重要性。
當然，在這個過程里，數(shù)據(jù)的采集壓縮能力，數(shù)據(jù)管理的能力，也是特別重要的。
總結(jié)
從這次 CES 上各大廠商的表態(tài)來看，還是認為 5-10 年內(nèi)可以實現(xiàn)完全自動駕駛，不能說他們的信心完全來源于以上提到的這幾點變化，但不能否認的是，它們確實是推動完全自動駕駛發(fā)展的關鍵因素。
可能你會覺得，通過這次 CES，自己對于自動駕駛的認識比之前提升了很多，那么恭喜你，已經(jīng)慢慢看出門道了。從宏觀的層面來說，這也意味著大家做自動駕駛的方法論越來越清晰。
長遠的看，實現(xiàn)完全自動駕駛是必然結(jié)果，但是在「結(jié)果」之外，選擇什么樣的解決方式，為什么這么選，這些都是挺值得研究的問題。
所以，趨勢圍繞自動駕駛他們說了很多，努力也展示了很多，變身于是車展可能你會在很多文章里看見這樣的句子：「自動駕駛是這次 CES 的主角，而且也是預示未來幾年的趨勢?！?br />
這話沒錯，著未自動但是駕駛說了等于沒說。GeekCar 更關心的趨勢是，通過這次 CES，努力自動駕駛到底在技術層面展示出了什么樣的趨勢？或者說，實現(xiàn)完全自動駕駛的「方法論」到底是怎樣的？
總體來說有三個方面的變化：
1. 硬件方面，傳感器不再「高高在上」。
2. 感知方面，青島外圍預約(外圍模特)外圍上門（微信156-8194-*7106）高端外圍預約快速安排30分鐘到達對于「定位」、「地圖」的理解更加深入。
3. 決策方面，車輛處理能力、深度學習能力強化。
為了讓大家對于自動駕駛的基本工作原理有一個直觀的了解，在這兒先用一個圖示簡單說明（圖片來自英偉達在 CES 的演講 keynote）。從圖上可以看出，上面提到的幾個方面，基本上包括了自動駕駛的關鍵技術點。
硬件：傳感器不再「高高在上」
激光雷達在自動駕駛里起到感知周圍環(huán)境的作用，很多人覺得，動輒七八萬美元的激光雷達會是影響自動駕駛普及的一個重要阻礙，但是在這次 CES 上，Quanengy 發(fā)布了世界上第一款用于自動駕駛的固態(tài)激光雷達，這個雷達不能 360 度掃描，也不是 64 線而是 8 線，但是換來的卻是成本的大幅降低（200 美元左右），而且更加小型化。
所以，原來像花盆一樣立在車頂?shù)募す饫走_，終于能裝在其它位置了，比如車的四角。更低的成本意味著可以在一輛車上裝更多的激光雷達。
另外福特也在這次 CES 上宣布，他們會把 Velodyne 最新推出的車用激光雷達裝在自己的自動駕駛測試車上。
激光雷達變得更便宜，也就會被裝到更多的車里，對于自動駕駛的發(fā)展，肯定是有好處的一件事。
但是也有不依賴雷達的自動駕駛方案，比如供應商麥格納這次就展示了依賴單目攝像頭開發(fā)的自動駕駛方案，他們的目的是想讓更多廉價車型也能具備這種功能，雖然是比較初級的自動駕駛（更像是自適應巡航），但是至少證明不依賴測距雷達實現(xiàn)自動駕駛是可行的。
所以總體來說，自動駕駛的硬件門檻正在變得越來越低。如果說七八萬美元的激光雷達太高高在上，那么這次 CES 展示出來的東西，顯然是更多考慮到了商業(yè)化的因素。不管是廉價激光雷達還是麥格納的方案，都是為自動駕駛量產(chǎn)化、商業(yè)化做的準備，從這個角度來說比去年更貼合消費電子展的「消費」二字。
對感知的理解更深入
高精度地圖、視覺識別，這二者的作用是讓車子精確的定位和感知環(huán)境，人們在這方面的理解和解決方案變得更成熟。
首先是自動駕駛所需的地圖，一方面，它的獲取方式正在發(fā)生改變，另一方面，它本身也有一些變化。
在我們慣常的理解里，高精度地圖來源于圖商的測繪，但是現(xiàn)在「眾包」的模式開始受到重視。在 CES 之前，就傳出豐田要利用這種模式采集高精度地圖，所依靠的硬件是用戶車內(nèi)的攝像頭+GPS，而在 CES 上，Moblieye 也宣布和通用、大眾合作，做高精度地圖方面的采集，使用的當然也是 Mobileye 的攝像頭。另外，Here 發(fā)布的 HD Live 地圖，打的也是「眾包」的概念：把車輛傳感器讀取到的數(shù)據(jù)上傳到云端，然后再下發(fā)給其他車輛。
這樣的好處顯而易見：用更低的成本，換取更多的數(shù)據(jù)。目前高精度地圖主要依賴激光雷達采集，成本很高，「眾包」肯定有節(jié)約成本的目的，而且可以在同樣的時間段內(nèi)獲取更多的數(shù)據(jù)。
但是除此之外，這種方式也有其他的好處。首先是更「輕量化」。以 Mobileye 做的 REM（Road Experience Management，路網(wǎng)采集管理）方案為例，通過采集包括交通信號、指示牌、路燈等「地標」，得到一個簡單的 3D 坐標數(shù)據(jù)；再通過識別車道線信息，路沿，隔離帶等獲取豐富的 1D 數(shù)據(jù)，這些數(shù)據(jù)疊加形成所謂的「RoadBook」（路書），數(shù)據(jù)量只有 10kb/km，而谷歌的高精度地圖每公里的數(shù)據(jù)量可能有幾個 G 之多。
另外一個好處是更加實時化。比如 HD Live 地圖就可以做到云端的實時更新，并且實時下發(fā)最新數(shù)據(jù)。突發(fā)的路況信息、道路的最新變更情況，都可以通過這種方式得以解決。
可以看到的是，原來可能我們認為高精度地圖更多的是依賴于雷達，而和視覺識別（攝像頭）關聯(lián)度相對要小，但從某種意義上來說，它們其實是一個整體，兩者互相配合、共同作用，才能讓車輛具有更精確的定位和感知能力。
處理能力的強化
這部分最明顯的感受是本機處理能力、深度學習能力的提升。
英偉達在 CES 上發(fā)布性能相當于 150 臺 MacBook Pro 的 Drive PX 2，是最有標志性的事情。Drive PX 2 用了 12 顆 CPU，250 瓦的總功率基本也只有汽車這個級別的硬件才能承受，并且用到了水冷散熱。它可以處理包括攝像頭、雷達、激光雷達在內(nèi)的 12 路信號，深度學習能力達到每秒 24 萬億次。
它兼顧了本機處理和深度學習的要求。一方面，它足夠滿足車輛本身的視覺處理需求，另一方面， Drive PX 2 采集到的數(shù)據(jù)經(jīng)過處理之后會上傳云端，進行深度學習網(wǎng)絡的訓練，訓練的成果可以用來提升所有車輛的智能程度。
其實這個「深度學習」，和上面段落提到的「眾包」是相輔相成的。特斯拉 Autopilot 的自主學習功能也是這方面的實際體現(xiàn)。
不管是本機處理還是深度學習，背后都意味著海量數(shù)據(jù)的獲取。就像英偉達所說，The more data we collect, the smarter our system becomes. 而為了更加 smarter，就必須提升處理能力。
可以很明顯的發(fā)覺到，今年大家開始越來越意識到「人工智能」、「深度學習」的重要性，并且把它上升到前所未有的高度。豐田砸下 10 億美元研究人工智能也是特別好的例子，Mobileye 也提到了深度學習對他們的重要性。
當然，在這個過程里，數(shù)據(jù)的采集壓縮能力，數(shù)據(jù)管理的能力，也是特別重要的。
總結(jié)
從這次 CES 上各大廠商的表態(tài)來看，還是認為 5-10 年內(nèi)可以實現(xiàn)完全自動駕駛，不能說他們的信心完全來源于以上提到的這幾點變化，但不能否認的是，它們確實是推動完全自動駕駛發(fā)展的關鍵因素。
可能你會覺得，通過這次 CES，自己對于自動駕駛的認識比之前提升了很多，那么恭喜你，已經(jīng)慢慢看出門道了。從宏觀的層面來說，這也意味著大家做自動駕駛的方法論越來越清晰。
長遠的看，實現(xiàn)完全自動駕駛是必然結(jié)果，但是在「結(jié)果」之外，選擇什么樣的解決方式，為什么這么選，這些都是挺值得研究的問題。
