(公众号：)「新的智造」按：本文作者星河研究院分析师吴极，注目人工智能、物联网、机器人等前沿科技领域，期望通过专业洞察助推产业发展。在上篇文章《星河研究院：在自动驾驶领域究竟是做到青蛙还是做到天鹅？（上）》中吴极共享了关于无人驾驶技术硬件设备方面的研究，本文中则是关于软件技术及未来的探究。新的智造已提供许可。

新的智造作为旗下栏目，注目智能时代的创意与建构，目标是寻找哪个领域还有有一点创业和投资的机会。自动驾驶是目前汽车产业乃至科技行业中不受关注度最低的技术之一，此前A16Z的合伙人Frank Chen之后在一场活动中谈到了对自动驾驶技术产业链，以及对未来在自动驾驶技术影响下的社会与经济等多方面变化的观点。借着他的观点，星河研究院吴极又减少了一部分内容与分析，我们今天就来探究一下，自动驾驶领域的软件技术及未来，准备好了吗？自动驾驶汽车在软件方面的市场需求除了上述对硬件的市场需求外，自动驾驶技术更加必不可少软件方面的突破。

高精度地图是构建自动驾驶的基础资源，而机器学习与工程算法则是使高精度地图、传感器与V2X设施所取得的数据确实构建价值的手段。1. 高精度预计算数地图，独占 vs 竞争现在每个人上下班都会用谷歌地图、苹果地图、百度地图及高德等产品，并且他们都有一个不俗的准确度令其我们在城市中可以便利的通行。

但令人类用户失望的地图精度距离符合自动驾驶汽车的市场需求还较远，因为他缺少了路面上有几条车道、车道的边缘方位、隔离带与路障方位等十分明确的信息。因此给自动驾驶汽车研发其专用的高精度地图之后沦为了必不可少的任务。国内外较小的地图提供商目前都早已在高清地图领域进行了大力的行动，意图尽早的攻占自动驾驶汽车用地图市场更好的份额。

高清地图服务商一般再行要用于类似于谷歌街景车的技术，用车顶上的高清照相机、雷达等设备把周围环境全部扫瞄记录，再行通过算法优化最后获得厘米级别的地图数据。HERE生产高清地图的策略与Google类似于，这两家公司目前都是重复使用收集一整个街区的数据。HERE通过车顶加装的四个广角的24 兆像素摄像头、旋转式的激光雷达、陀螺仪以及GPS 系统，依赖自有算法需要分解高清地图。

按照Here的预期，用作自动驾驶高清地图服务预计将在2020年需要上线。国内的高德地图也早已在前进地图数据的高精度化，在未来高德期望需要利用低精地图数据承托自动驾驶的发展，自动驾驶再行产生新的数据，经过科学自动化的处置，显得改版更加定，更加能被机器电脑用于和自学的数据，最后构成低精地图数据的生产闭环。

地图行业及自动驾驶领域的巨头百度也早于有布局，目前高精度地图早已是百度最重要的战略性业务之一。A16Z的合伙人担忧高精度地图不会不存在独占的机会，因为他指出在自动驾驶时代人们将被迫几乎依赖这些成本高昂地图，且这个目前没法律所首府的领域也急需监督。

星河研究院指出从我国情况来看这种担忧有些多余，在国内资本充裕的现状下，多家地图企业相互竞争才是较为现实的情况，而其高昂的成本多半要再行由风险投资商分担，再行到后期找寻适合的所求模式。目前高德早已宣告其高精度地图对自动驾驶汽车免费对外开放，而预计随着竞争的激化，为了市场份额而争相免费的情况将不可避免。2. 机器学习 vs 工程算法算法是承托自动驾驶技术最关键的部分，目前主流自动驾驶公司都使用了机器学习与人工智能算法来构建。

而海量的数据是机器学习以及人工智能算法的基础，通过此前提及的传感器、V2X设施和高精度地图信息所取得的数据，以及搜集到的驾驶员不道德、驾驶员经验、驾驶员规则、案例和周边环境的数据信息，大大优化的算法需要辨识并最后规划路线、操控驾驶员。现在面对的主要问题是比起于模型计算出来，现实行经场景中的算法必须的数据过多且计算出来量远超过了现有能力。目前早已有了不少对机器学习展开修改的尝试，例如OpenAI的Universe这一项目，未来这一问题也许需要通过近似于修改以及计算能力的提升获得解决问题。

同时在机械以及路径规划方面更为杰出的工程算法也不应当被弃之不顾。这两者最主要的区别是工程算法依赖相同的逻辑及规则运营，而机器学习需要融合历史经验与数据计算出来出有拟合结果。Boston Dynamics令人惊叹的机器人的算法中并没用于机器学习技术，但仍然享有了令人印象深刻印象的成果。

因此即使工程算法在继续执行效率上与基于深度自学算法的Alpha-Go并不在一个水平，但将两者的优点结合仍然需要有效地的提高机器学习的最后效果。3. 算法通用化 vs 本地化本地化是一个计算机科学的术语，意味著软件将不会依据其周围的环境条件自由选择适合的继续执行策略。每个城市都有有所不同的驾驶员习惯，所以未来自动驾驶汽车如何处置好本地化问题沦为了其实际应用于前必需突破的障碍。

如果算法不需要做本地化，那么在班加罗尔限于的自动驾驶安全措施很显著将不会在波士顿导致相当严重的交通拥堵，其他城市亦然。但我们无法为每一个有所不同驾驶员习惯的地区都撰写特定的算法，因此需要构建本地化的自适应综合算法沦为了关键，这种自适应算法要做需要通过自学社会习俗及典型的当地人类不道德来使自动驾驶汽车取得更佳的展现出。

自动驾驶技术在普及过程中，以及几乎构建后将不会对社会导致的影响上下班是人们生活中最基本的市场需求之一，因此随着自动驾驶技术的逐布构建，我们的生活也将产生极大的变革，而牵涉到到上下班行业的汽车生产、上下班服务商、保险、市政等等环节都会再次发生极大的变革。1. 传统汽车厂商 vs 互联网公司汽车产业是一个可观的链条，牵涉到到了上下游无数的零配件生产与仓储体系，其影响范围次于房地产业。老牌汽车厂商们享有的全套汽车生产基础设备，非常丰富的汽车设计、生产经验以及娴熟的流水线运营管理经验都是其相对于跨界造车的科技创新企业的优势。

并且传统汽车厂商早已认识到未来汽车产业的创意发展主要是基于软件基础之上的，因此他们大力的在硅谷成立办公室，高薪雇用IT技术人员。例如福特汽车就在硅谷成立了自动驾驶研究与创意中心，而宝马此前堪称另辟蹊径自由选择了与百度展开自动驾驶的技术合作。但科技创新企业的机会也仍然相当大。

通过灵活性落后的设计理念以及杰出的软件开发能力，一大批的初创科技型造车企业兴起，蔚来汽车下线的超跑超越了全球最慢电动车速度记录且早已在实际道路积极开展自动驾驶路试，行业领头羊特斯拉堪称声称其2018年将不具备年产50万辆汽车的规模，且这些汽车都可以配备近期的辅助驾驶员功能。国内厂商在自动驾驶领域也包含了一极，科技创新类公司中，车和家同蔚来汽车一样也在实验自动驾驶技术并期望将其尽早量产，百度等软件公司在自动驾驶算法及硬件上也具有很高的技术壁垒，传统主机厂商中上汽、北汽、长安都对自动驾驶技术具有大额的投放，且长安作为第一家展开实车展出的主机厂商其自动驾驶汽车早已有多达1万公里的测试里程。

中国作为世界上深度自学论文公开发表数量最少的国家，其自动驾驶技术十分有一点市场的期望。2. 出售汽车 vs 出售服务如果作为消费者的我们把从汽车制造商出售汽车的习惯，改变为向类似于Uber和Lyft这样的上下班公司出售交通服务，这将不会令其汽车制造商从以往的B2C模式转型为B2B公司，即制造商向上下班公司获取设备，而上下班公司向消费者获取服务。

可以意识到汽车工业的发展不会更加类似于航空业，消费者会关心驾驶员何种汽车上下班，只必须在服务平台公布市场需求并等候接单才可。必须留意的是随着商业模式的变化，否未来自动驾驶汽车也不会和飞机一样千篇一律没什么特点，以便于上下班服务公司传输成本节省开支呢？这一现象也许将不会对汽车生产行业产生较小的负面影响。3. 汽车保险，健汽车 vs 健硬件在如今每25起交通事故中，有24起都是因为人为错误而再次发生的，比如说肇事、迟疑驾驶员、醉驾、闯红灯等。

因此现在的汽车保险价格，由司机所在的城市人口、居住地和出售车辆的车型、价值等数据精算师得出结论，但未来随着自动驾驶技术的来临，事故率似乎要无穷大于0，因此保险行业的变革势不能免除。或许未来保险的精算师不会基于汽车所处城市、汽车制造商是谁，或者享有汽车或出租汽车的人的身份来判断，而保险的模式也不一定会局限在年酬劳这一单一场景下。但保险价格的最后计算方法目前还是无法推断，因为虽然事故率不会无穷大于0，但一旦再次发生事故，车上便宜的激光雷达系统、地图分析计算机和其他硬件设备的修理或替换将不会花费多达以往数倍的资金，因此保险公司将不会面对怎样修理成本目前来看无法确认。

正处于混合驾驶员情况下的保险业将更为恐慌，却是自动驾驶车辆与人工驾驶员车辆混合不存在的阶段不可避免，预计责任确认都会沦为很简单的问题。4. 下班，通勤 vs 步行有一个论点是未来通勤时间将不会比现在更长，原因是通勤时间早已仍然是生活的开支成本。当所有汽车都不具备自动驾驶功能的时候，交通指示灯和事故都不复存在，而我们可以利用通勤的时间在车上做到任何事情。但自动驾驶汽车和汽车服务运营商的不存在也将获释很多诸如停车场、技工店等在内的城市空间，这些空间不会减少人们的居住于场所或工作场所，因此人们也许将不会住在距离工作地点很将近的地方，而不像今天一样必须长距离通勤。

一些业内人士预测自动驾驶的时代将不会在2020—2040年来临，我们将不会在有生之年看见这一不可思议的世界，对于大众来说从现在就作好打算庆贺未来是当下最差的自由选择。版权文章，予以许可禁令刊登。

下文闻刊登须知。

本文来源：澳门新银河-www.elpalcodigital.com