专业生产手钳式、台式冷焊接线机设备深耕冷焊接线机领域14载
热门关键词:
联系我们

【 微信扫码咨询 】

您的位置: 首页 > 冷焊接线机 > 轧尖穿模机

特斯拉路线奔向无人驾驶大规模量产的「唯一解」

时间:2023-12-27 来源:轧尖穿模机

  自今年以来,Waymo 裁员、阿里达摩院裁员、Nuro 裁员、图森未来遭退市警告等一系列有关 L4 无人驾驶公司的「坏消息」不断传出,引发市场担忧。

  特斯拉刚刚发布 FSD 重大版本更新Beta V11.4,据说接近全自动驾驶。

  蔚小理等新势力从高速、快速路场景,一路高歌猛进拓展到城市道路,发动 NOA「百城大战」。

  华为、大疆等新型 Tier 1 也在掀起前装量产新高潮,向更高阶智能驾驶跃进。

  「自动驾驶是有未来的,只是 L4 公司没有未来。」一位业内资深的人说,慢慢的变多的 L4 公司倒下意味着一步跨越式迈入无人驾驶的路线已经提前宣告破产。

  他刚从美国硅谷出差回来,就在朋友圈发文感慨道:「L4 科技公司做不出无人驾驶,只有 Tesla(路线、

  前者以 Waymo 为代表,直接以无人驾驶为目标进行研发,通过采购车辆改装成 Robotaxi,辅以高阶智能驾驶算法,达到「去掉」人类司机的目的。

  低阶智能驾驶系统(L2/L2+)前装量产,通过数量庞大的汽车低成本收集数据,用以训练和迭代算法,最终迈向全无人驾驶。在自动驾驶技术发展初期,跨越式路线 年,尚未从谷歌母公司 Alphabet 独立出来的 Waymo,在无人为干预控制、无安全员的智能汽车上,载着一位叫 Steve Mahan 的盲人乘客,安全顺利通过了奥斯汀市区。

  以 Waymo 为例,2017 年,摩根斯坦利对其给出了 700 亿美元的估值,到了 2018 年,又将估值上调到1750 亿美元

  (HW 2.0),感知数据才真正得到利用,但早期特斯拉通过自研软件实现的功能有限,直到 2017 年 3 月 29 日,推送了 Autopilot 8.1 版本软件更新,性能才开始逐渐追平 Mobileye 的方案,拥有了车道保持、自适应巡航、防碰撞预警等常规 L2 功能。

  硬件方面,2019 年 4 月,搭载两颗 FSD 芯片的 HW3.0 在 Model S/X/3 上量产上车,为处理大量的数据提供充足的算力;

  不过,L4 玩家的「好日子」很快就没有维持下去,也是在 2021 年,甚至更早,开始显现出颓势。

  ,原因是 Level 5 长期处在路测烧钱阶段,尚未实现无人化运营以自主造血,这给 Lyft 带来了巨大的经营成本压力。

  这不仅在于其无人驾驶技术尚未成熟,仅被监管方允许在凤凰城郊区开展运营,导致能提供的载客服务有限,营收状况不乐观;还在于其无人驾驶感知硬件成本高昂。

  一边是有限的收入,一边却是巨大的支出,收支严重不平衡,让 Waymo 只能大幅仰赖谷歌「输血」,即使后来于 2020 年 10 月,Waymo 在凤凰城郊区正式向公众开放无人驾驶服务,以此收来的费用也不足以支撑其扩充车队规模。

  「老克(即 John Krafik)的离去并不是一个时代的落幕,而是跨越式技术路线的破产。」

  还有些玩家「幸免于难」,典型如 Waymo 和 Cruise,各自依靠 Google 和通用撑腰活了下来,然而代价是后者承受了巨额亏损。

  Waymo 也「不遑多让」,同期 Google 母公司 Alphabet 发布的财报显示,OtherBets(包括无人驾驶汽车部门 Waymo 和生命科学部门 Verily 等)在 2022 财年第二季度亏损16.68 亿美元。虽然没有直接的数据,但根据此前 Waymo 前员工及别的行业内人士估算,Waymo 每年要在各方面花掉

  ,值得一提的是,其中也有不少来自 FSD。2022 年第四季度,FSD 为特斯拉带来了

  的收入。毫末知行是另一个代表,其推出的 HPilot 已经搭载了近 20 款车型。此时,原本坚定做 L4 的公司也开始纷纷调转方向,「降维」做 L2。

  2022 年,文远知行与零部件供应商巨头博世达成战略合作,双方联合研发 L2/L3 级高阶辅助驾驶系统方案;小马智行成立乘用车智能辅助驾驶业务(POV)部门,布局前装智驾量产;元戎启行、轻舟智航也都开始推进 L2+项目......

  有 L4 无人驾驶公司甚至向汽车之心表示,目前内部的 Robotaxi 项目已经暂停,公司全员 all in 量产项目,配合车企量产落地高阶智能驾驶。

  与此同时,还有一部分 L4 玩家提前抽身而退,转向自动驾驶更为细分的场景,二次创业,不过这一回也选择了渐进式路线。

  千挂科技就是这里面一家。这家 2021 年正式创立,核心成员不少来自小马智行,瞄准了智能驾驶干线物流这个场景。

  在千挂看来,做重卡的智能驾驶比做乘用车能够更早地跑通商业闭环,这是由于前者的角色定位是生产力工具,由于自身能够产生价值,并不是特别需要像 L4 玩家那样,用智能驾驶系统完全替代司机,才能正向运转。

  「国内的干线物流,例如赢彻、智加、千挂等,都是借助智能驾驶实现双驾变单驾,并减少司机疲劳程度等,来为物流运输创造价值。」

  一位智能汽车行业分析师表示,这比一步跨越式做 L4 卡车,更为现实和有效。

  千挂内部将其智能驾驶系统形容为「L4 级别安全的人机共驾」,即尽管智能驾驶能力还未达到 L4 级的「应对一切情况」,但在核心应用场景上已能实现稳定运行。

  可以看到,以 Waymo 代表的跨越式路线玩家和以特斯拉为代表的渐进式路线企业,似乎在这一刻来到了命运的岔路口,并在风光和落魄之间交换角色。

  时间来到 2023 年,无人驾驶的发展格局越发清晰起来。今年刚开年,Waymo 发起了其研发无人车 14 年以来的首次公开裁员,大约涉及 80 人,占团队员工总数的4%左右,据了解,裁撤岗位包括感知、控制和车辆技术、系统集成、车队维护等。

  没过多久,3 月 1 日,Waymo 又开启第二轮裁员,137 人被迫「毕业」,Waymo 表示,本次裁员主要是出于公司「财政制度」的考虑。

  Waymo 史无前例的大动作,甚至在整个无人驾驶行业引发了「涟漪效应」。

  2 月,现代汽车与安波福的合资无人驾驶公司 Motional,裁掉数十名员工。

  L4 公司更让人忧心的是,这一切似乎并不只是偶遇波折,而是已经走向末路。

  早在 2021 年初,Waymo 的无人驾驶汽车行驶里程就已达到上千万英里,然而两年时间过去,据 Waymo 今年裁员时透露的官方消息,其无人驾驶行驶里程仍然停留在「tens of millions of on-road autonomous miles」(上千万英里)的数量级。

  把目光看向特斯拉,直到 2021 年 7 月 10 日,才正式向约 2000 名美国用户推送「完全无人驾驶」FSD Beta V9 版本,等到了 2022 年 8 月 5 日,特斯拉举办 2022 年度股东大会,其 FSD Beta 版测试用户就已经累计行驶约 4200 万英里,等到了 2022 年年底,这一数据已更新到了超

  2023 年,特斯拉更是开启指数级「狂飙」,在刚刚结束的特斯拉 2023 年股东大会上,马斯克透露特斯拉 FSD 的累计行驶里程已经接近

  这种数据积累效率,让 Waymo 等 L4 公司难以望其项背,更让它们无能为力的是,这种差距还将以肉眼可见的速度进一步拉大。

  截至 2022 年底,有超40 万名特斯拉车主开通了 FSD Beta 的测试权限,随着特斯拉汽车卖得慢慢的变多,使用 FSD Beta 的用户基数还将增大,能够源源不断地为其算法迭代提供有价值的数据。

  特斯拉并非特例,同样走渐进式路线的理想汽车表现也十分亮眼。据雷峰网消息,理想汽车智能驾驶副总裁朗咸朋在硅谷分享会上表示:

  理想在 4 月份已经积累了超过 5 亿公里的自动驾驶数据,「包括了超过 10 亿的数据段,整个训练时长是 1000 多万小时,相当于一辆车自己跑一两千年的水平。」

  蔚来、小鹏等同样实力不俗,拿小鹏来说,早在 2021 年 8 月,其智能辅助驾驶累计行驶里程就已突破

  公里。时至今日,里程数或再上一个数量级。所有这一些数据积累,也不断帮助渐进式路线玩家们明显提升了智能驾驶水平。

  2022 年,行业谈得最多的还是高速公路、快速路上的辅助驾驶,而后随着 9 月 17 日,小鹏率先在广州地区向部分车主推送城市辅助驾驶功能,有关城市 NOA 的方案开始星星点点冒出来,华为、毫末率先跟进。到了 2023 年,城市 NOA 几乎迎来大爆发,理想、蔚来、智己等加入,掀起「百城大战」。

  一位业内的人表示,城市 NOA 相当于侵入了 L4 公司的腹地,且「百城」的范围远比 Waymo 等在限定区域运行大得多。

  「尽管城市 NOA 还做不到像真正的 Robotaxi 那样全无人驾驶,但谁说未来不能呢?」该的人表示,两条路线已形成正面竞争。

  ,线 Robotaxi,并取得广州智能网联汽车道路测试许可,成为了行业首个在不改变硬件的情况下,仅通过无人驾驶软件升级强化,即获得中国道路范围内无人驾驶路测资格的零改装在售量产车。

  同样的,特斯拉也曾传出,将生产一款 Robotaxi 车型,并且将采用无方向盘或踏板的设计,预计会在 2024 年实现量产。另外,马斯克本人多次表示,待 FSD 成熟后,特斯拉车主可以再一次进行选择将自己的车加入到 Robotaxi,向外接单获取收入。

  即使是在干线物流这种细分场景,无人驾驶技术看似难度小,但如果一开始就做 L4,也会因为法规、安全、基础设施不完善等限制,无法推广开来。