被吹爆的新风口！谁才是真正的汽车之眼？

介绍】谁才是智能驾驶的“汽车之眼”？介绍全球智能驾驶发展大势！

随着春天的脚步悄然来临，智能驾驶的竞争也进入了下半场。两大阵营正在紧张地布局，一场前所未有的智能视觉革命即将拉开帷幕。车企们纷纷将目光投向了“视觉为主解决方案”，期待在这场变革中占据先机。

全球智能驾驶的发展水平究竟如何？未来的市场空间究竟有多大？又有哪些因素在影响和制约智能驾驶的发展呢？带着这些问题，我们专访了鉴智机器人联合创始人都大龙，深入解读智能驾驶的核心机密。

你知道吗？2021年已被行业公认为智能驾驶进入L3级别的元年。如今，中美欧各国都在加速产业布局，政策支持力度持续加大。这也意味着，智能驾驶正迎来一个前所未有的发展机遇。

那么，这个风口到底有多火热？有机构预测，到2025年，全球自动驾驶（辅助）功能的汽车出货量将达到惊人的6332万辆，市场空间也将从2020年的171亿美元飙升到2025年的781亿美元。这不仅仅是一场技术的革命，更是一场商业的盛宴。

在这场盛宴中，“汽车之眼”——也就是视觉感知系统成为了关键中的关键。无论是激光雷达、摄像头还是深度学习的算法，都是车企们竞相争夺的焦点。那么，在这场视觉感知的较量中，谁才是真正的“汽车之眼”呢？让我们拭目以待！中国财富网针对全球智能驾驶发展及其未来商业化趋势提出了引人深思的问题。对此，都大龙给出了全面的回答。

他提到，全球智能驾驶的领军企业主要集中在两个地方：美国和中国。美国的智能驾驶行业已经获得了资本和技术的双重优势，这一趋势可以从诸如Tesla、Waymo以及被Intel收购的Mobileye等公司的发展中得到验证。与此政策的支持也起到了关键作用，例如加州一直在积极引导和监管智能驾驶的发展。

在中国，作为新能源汽车的最大市场，智能驾驶行业在新技术政策和数据法规的支持下，同样展现出了巨大的潜力。尤其是像蔚小理等新势力，以及直接面向乘用车大规模量产的自动驾驶公司，甚至直接面向L4级别的RoboTaxi和RoboTruck等公司，都凸显了中国在这一领域的领先地位。

欧洲作为汽车工业的发源地，在技术应用方面也有一定的领先性。今年发生的一件标志性事件便是梅赛德斯-奔驰计划在今年上半年交付的S级汽车，这款汽车将成为世界上第一款批量交付、合法上路的L3级别自动驾驶汽车。这一进展无疑标志着自动驾驶技术商业化步伐的加快。而保时捷正在进行的IPO也是欧洲历史上最大的汽车IPO之一，其融资目的明确指向电动化和智能化方向的投资，进一步表明了行业的巨大潜力和发展前景。

全球范围内的智能驾驶竞争日益激烈，商业化、规模化落地的大幕已经拉开。这无疑是一个令人振奋的时代，一个充满机遇与挑战的时代，值得我们共同期待和关注。中国财富网询问：在中国的自动驾驶领域，您认为最核心的优势是什么？

都大龙回应：中国一直在大力推动电动汽车的发展，这一领域的成果显著。在2021年，中国电动汽车销量已占全球的约60%，销量数字高达约300万辆。并且，预计到2030年，销量有望跃升至1400万辆。国内也涌现出众多优秀的电动车品牌，如蔚来、小鹏、理想和比亚迪等。

关于中国自动驾驶发展的核心优势，主要体现在以下三个方面：

从投融环境看，由于中国拥有世界第一的市场规模和未来预期，这为我们硬科技行业的创新提供了巨大的舞台。例如，鉴智机器人自2021年8月成立起，在短短半年内已经完成了三轮融资。最近的A轮融资由渶策资本领投，融资金额达3000万美元。包括Atypical Ventures、五源资本和江创投等在内的老股东以及战略投资人地平线也给予了我们的支持。

人才的重要性开始凸显。中国的工程师们正逐步在国际舞台上发挥重要作用。他们有的在国内外顶尖院校进行学习和科研，有的在世界级公司工作，他们有能力且有意愿去创新创业。与2000年的互联网创业潮不同，现在更多的是硬科技和先进制造的创业热潮。

从技术层面看，中国拥有全球最大的电动车保有量和出货量，这为自动驾驶的AI装机提供了巨大的优势。这一优势可以进一步加速AI的深度学习和改进。中国的自动驾驶产业正在迅速发展，这不仅体现在市场规模上，更体现在我们的创新环境、人才储备和技术优势上。如何跨越从L2到L3的“死亡谷”挑战

有人曾形象地描述L2到L3的过渡：L2如同一个刚学会蹒跚学步的1-2岁儿童，而L3则如同一个能在平路上自如行走但还需家长扶持的3-5岁儿童。中国财富网对此提出疑问，从L2到L3的跨越是否真的是一个如同“死亡谷”般的难关？对此，业内专家都大龙给出了他的看法。

都大龙认为，从责任主体的角度看，L2到L3的跨越并不仅仅是技术上的升级，更是一次责任主体的转变。在L2阶段，人是驾驶的责任主体，而在L3阶段，汽车及背后的制造商需要为车辆的决策和可能出现的事故负责。换言之，到了L3阶段，汽车已经从一个简单的交通工具转变为智能机器人。

鉴智机器人的愿景是实现“机器与现实世界的智能交互”，打造通用智能机器人。而自动驾驶汽车市场作为当前规模最大、潜力最高的机器人市场，正是他们实现这一愿景的关键领域。这也是为什么他们将品牌命名为“鉴智机器人”。未来的自动驾驶产品不仅需要能够大规模生产，还需要能够取代驾驶员，做出决策并承担相应的责任。

这一跨越无疑增加了复杂性和难度，但正如都大龙所言，只有真正跨越这个“死亡谷”，才能实现自动驾驶汽车的真正潜力，让汽车从单纯的交通工具转变为智能机器人，为人类带来更加便捷、智能的生活体验。这一挑战虽然艰巨，但鉴智机器人以及整个行业都在积极面对，努力寻找突破的方法，以期实现这一伟大的转变。中国财富网对于实现技术跨越从L2到L3的咨询，得到了都大龙的详尽解答。他表示，技术的成长如同人类从婴儿到独立行走的儿童，需要经历特定的路径和时间。目前主流的技术路线有两种观点：

第一种是“渐进式”路线。这种策略是从驾驶辅助系统（ADAS）开始，逐步升级至无人驾驶阶段。在生产应用中，通过不断研发和优化，解决规模化量产的问题，形成数据闭环，逐步完善自动驾驶系统，最终实现无人驾驶。这种路线的优势在于成本较低，步伐稳健。众多乘用车主机厂和特斯拉等新势力都选择了这条路线。这种路线需要兼顾产品演进过程中人车共驾的需求。

第二种是“革命式”路线。这种策略则专注于研发L4或L5级的自动驾驶技术，一旦研发成功，便将高级功能逐步应用到各类具体的使用场景。谷歌、福特等公司正在尝试这种路线。这种路线的优势在于研发成功后的降维，能够实现瀑布式的革新。这种路线更具有突破性，但风险也相对较大。

当前技术挑战与自动驾驶的两大技术路线

面对自动驾驶技术的快速发展，其面临的挑战也日益显现。其中最大的难题在于对行车环境的全面、细致的3D感知与理解。这一过程就像人类儿童时期一样，不断地从现实世界汲取信息，然后经过学习和加工。

在自动驾驶感知技术方面，存在两大主要技术路线：一种是视觉为主传感器的强单车智能路线。这条路更加注重AI能力的构建和提升，避免过多的传感器堆砌。另一条路线则依赖于传感器的测量能力，通过此来提升对物理世界的感知能力。这两大阵营的对决引人注目。

对于影响和制约自动驾驶发展的主要因素，都大龙表示，目前阶段主要有三个关键因素。其中首要的就是对于行车环境的深度理解和精准感知。这就像是自动驾驶在认识世界的儿童阶段，需要解决如何更好地从现实世界中获取并处理信息的问题。

看到行业发展在3D空间智能上的痛点和需求，鉴智机器人应运而生。我们的目标是帮助并推动整个行业的发展，解决自动驾驶在行车环境感知方面的难题。

除了技术层面的挑战，商业角度也是制约自动驾驶发展的一个重要因素。我们期待通过技术创新和商业模式的探索，推动自动驾驶技术的普及和应用。在这个过程中，鉴智机器人将持续发挥自身在3D感知和理解方面的优势，助力自动驾驶技术的进一步发展。在商业层面考量自动驾驶系统时，核心问题在于成本与效益之间的平衡。自动驾驶系统的使用成本，包括潜在风险，与解放人类驾驶行为所产生的效益之间的临界点何时能突破，是决定其大规模应用的关键时刻。鉴智机器人推出的视觉主导的自动驾驶解决方案，侧重于通过提升AI能力和算力，增强对现实世界的理解。利用双目视觉雷达等技术，增加几何约束以提升数据利用效率，实现成本可控和性能的持续迭代。

从用户层面来看，技术和商业问题的解决只是自动驾驶落地的一部分，用户接受度同样重要。用户心理涉及多个方面，如驾驶稳定性、事故风险概率以及场景适用性等。要让用户彻底信任机器，需要整个产业不断陪伴用户成长，这是一件需要时间和耐心的事情。

关于视觉AI技术的优点，相对于激光雷达等技术路线，其显著的优势在于成本可控和规模化效应。摄像头的成本远低于激光雷达，而且随着规模化问题的有效解决和数据的不断积累，可以极大推进视觉AI技术的发展。这一点在国际市场上得到了特斯拉等主流车企的验证。在国内市场，也有如Momenta、大疆、地平线以及鉴智机器人等企业，坚持以视觉为核心的技术路线。

视觉AI技术护城河的高低，直接关系到其能否在自动驾驶领域占据一席之地。特斯拉之所以更青睐这一选项，或许正是因为其在成本上的优势以及随着数据积累带来的技术不断进步。这条路虽然艰难，但却是正确的方向，能够推动真正的AI发展。第二，系统天花板的高度令人惊叹。视觉，作为人类获取信息的最主要渠道，占据了超过99%的比重。基于视觉的系统方案拥有更高的潜力。我们的道路系统本身就是为人类的视觉而设计的，这意味着视觉为主的方案能够更好地融入现有的基础设施。在进化的长河中，人类和动物形成了独特的视觉AI系统，这使得视觉为主的方案更能适应现实世界的多样性，拥有无限的可能性。

对于加载了双系统的智能汽车，中国财富网提出了疑问，关于不同传感器数据可能存在的相互影响。对此，都大龙表示，无论车辆装备了多少系统，最终都需要一套决策机制来进行最终的决策。从本质上讲，摄像头和激光雷达都是传感器，但摄像头所承载的信息量远超过其他传感器。单纯提升摄像头的分辨率或激光雷达的测距性能，并不能实现真正的自动驾驶。

自动驾驶汽车的核心并非传感器，而是人工智能。真正决定自动驾驶性能的是，人工智能能否全面、精准地应对现实世界中的各种突发状况。我们不应仅仅关注传感器的性能，更应注重人工智能的发展和应用。