- 文｜ 险峰长青高级投资经理 杨润心 -

　　编者按

　　杨润心，险峰长青高级投资经理，专注人工智能&汽车&出海等领域投资。加入险峰前就职于百度战略部，主导公司无人驾驶汽车、度秘、国际化业务等业务的战略制定与投资布局。在此之前，在埃森哲担任IT咨询顾问，服务于中石化、国家电网等500强企业。北京邮电大学计算机硕士。

　　以下是他从产业发展的角度进行的分析，小饭桌强力推荐相关创业者细读3遍：

　　我从2015年6月开始在百度战略部研究自动驾驶行业发展，那会还没几个人关注自动驾驶，而就在北京的雾霾不断突破极限的同时，似乎身边的同仁们都在谈论自动驾驶，总有朋友抱怨这个行业太复杂了，技术细节不好判断，产业也格局纷繁复杂，玩家都在做与这个行业相关的所有事情。先简单来看看，2016年发生的行业大事：

　　?CES活生生的变成了自动驾驶新能源车展；

　　?德日美的车厂纷纷宣布对自动驾驶的布局，并将L4\5提前至2021年；

　　?Tesla顶着撞死人的风险不断的迭代量产车上的ADAS技术，获取数据；

　　?Google从自己造车逐渐转变成与车厂合作；

　　?Uber和沃尔沃合作路测，并收购了公路运输自动驾驶公司OTTO；

　　?百度高调布局自动驾驶，一边做高难度L4方案，一边做车厂的L3供应商；

　　?一年之内涌现大量ADAS和少量自动驾驶公司，并且估值趋高；

　　?以激光雷达为首的传感器公司非常高调融资；

　　?芯片公司聚焦自动驾驶，不断降低功耗提升计算能力；

　　?国内二级市场ADAS相关股票价格暴涨。

　　所以，自动驾驶现在到底该不该做，做什么怎么做，什么样的公司值得投资呢？今天我就尝试从产业发展的角度阐述我的个人观点。

　　自动驾驶距离我们还有多远？

　　用两条经典的曲线来定义自动驾驶的发展阶段：

　　1、自动驾驶在Granter新兴技术曲线上，自动驾驶处于第一段上升期接近顶端的位置，处在“过度期望的峰值”区域，预计成熟的时间超过10年。

　　2、在奇点临近的增长曲线上，自动驾驶还处于奇点的左边，暂时没有找到指数级增长的方法。

　　?做出这个判断原因如下：（PS我们下面谈论的都是自动驾驶，而不是ADAS。两者逻辑完全不同，关于ADAS我后面会细讲。 ）

　　? 技术路线没有定型：Deep Learning是否适合做决策规划？基于视觉的方法采集地图解决定位问题能做成什么样？单车智能和网联智能到底哪条路径更可行？到底是以激光为主要架构还是以视觉为主要架构或者fusion到什么程度？你会发现不同的公司有完全不同的答案，而且谁都无法证明或证伪。自动驾驶是一个极其复杂的系统性工程，不同的技术路线会对业务实施路径有截然不同的影响。这就造成了全行业的资源并不是在朝着一个方向使劲，我们仍然没有进入一个快速爆发的阶段。

　　? 传感器价格居高不下，且突破价格限制的条件单一：起码到今天为止我们认为L4/5不能没有激光雷达，激光雷达的价格过高，而当前高线束的激光雷达唯一的使用场景就是自动驾驶汽车，也就意味除了自动驾驶，没有别的产业能驱动其成本下降。创业公司只能依靠VC的钱来支撑高端Lidar的研发，那就要看看技术突破的速度和投资人的耐心了。你可能会告诉我只要量产，价格一定飞速下降，那我们来看下面这个因素。

　　? 没有找到快速获取数据的方法：传感器导致单车成本过高，atv直播，这造成了当前没有哪一家自动驾驶的公司能能够大规模的采集实测数据，Google干了那么久也就20w公里，上万个conrner case。从最简单逻辑上判断路测数据 Google>百度uber>创业公司（Tesla这个怪胎另说）。没有足够的Corner case就没有办法提高自动驾驶的安全性和稳定性，从80%提高到95%也许容易，但是从95%提高到99.99%就得依赖于足够的实测数据。重点来了，与互联网快速迭代的逻辑不同，汽车是一个以行驶安全为基础的产品，所以汽车出厂前都要经过千锤百炼，95%安全性的自动驾驶汽车是没有办法真正大规模应用，这不像一个品质不够好的手机能够容忍死机，体验不好的APP可以更新版本。另外汽车占用道路资源是零和游戏，交通效率是看短板的，不像一台手机可以装各种APP，一条马路上能容纳车道是固定，一台不成熟的自动驾驶车辆只能让交通的整体效率更低，这就像如果一条顺畅的道路上一辆车出了问题，一条马路都要堵上。所以你会发现在这个鸡生蛋，蛋生鸡的问题上，仅仅靠量产降低价格，难度是很大的。