無人駕駛的一天終究會來，屆時交通的安全性可以得到大幅度提升，汽車行業(yè)也會發(fā)生顛覆性的變化，也許2022年將實現(xiàn)這一目標。

人工智能概念很早就有了，但之前做的都不是特別好，因為之前都是人去教育機器，然后再讓機器為人做判斷。直到近幾年才有的深度學(xué)習(xí)功能，人工智能進入了高速發(fā)展階段，深度學(xué)習(xí)算法已經(jīng)成為了無人駕駛的基石，用深度學(xué)習(xí)來做決策和感知將很快的把無人駕駛的能力提升在人類駕駛員之上。

無人駕駛的研發(fā)，從深度學(xué)習(xí)在無人駕駛的應(yīng)用程度來看，存在著兩個不同的流派。一個傳統(tǒng)汽車廠商，他們在十幾年前就開始研究自動駕駛技術(shù)，其主要目的是通過主動駕駛來幫助人們提升汽車的安全性和操控性。二是互聯(lián)網(wǎng)，以百度、谷歌為代表，利用深度學(xué)習(xí)研究無人駕駛。

從深度學(xué)習(xí)在無人駕駛的應(yīng)用方式來看，也有兩種方案：一是以攝像頭為基礎(chǔ)的方案，比如mobileye,他們是全球最大的高級駕駛輔助系統(tǒng)系統(tǒng)供應(yīng)商，前不久，英特爾斥資153億美元收購了這家公司。他們以感應(yīng)器為基礎(chǔ)領(lǐng)域領(lǐng)域進行了非常好的深度學(xué)習(xí)，但是在決策系統(tǒng)上并沒有應(yīng)用深度學(xué)習(xí)，目前只能應(yīng)用于半自動駕駛。另外還有一家值得關(guān)注的自動駕駛技術(shù)研發(fā)公司，Drive ai，他們表現(xiàn)的的比較激進，是直接從傳感器出來的信號輸出成為自動駕駛的決策，相當(dāng)于給車輛安上了一個能夠讓車理解周圍環(huán)境并安全行駛的大腦。目前，這類方案已經(jīng)在做驗證，只需要通過大量的路測來證明其技術(shù)的可靠性。

無人駕駛之所以可能在三到五年內(nèi)被實現(xiàn)，主要是基于這幾個技術(shù)的突破。

第一，深度學(xué)習(xí)的算法成為了無人駕駛的基石。用深度學(xué)習(xí)來做決策和感知將會很快的把無人駕駛的能力提升在人類駕駛員之上，比如說，去年阿法狗幫著教育了很多高科技行業(yè)之外的包涵整車廠的領(lǐng)導(dǎo)，甚至是芯片廠商公司。再比如說，速銳得為中汽研研究氫能源動力汽車的整車控制策略，提供了絕對大部分汽車傳感器的數(shù)據(jù)和報文。

第二，傳感器的換代和傳感器的融合技術(shù)的升級。傳感器技術(shù)在這兩年有突破性的提高，使得無人駕駛在深度學(xué)習(xí)和新型傳感器上，得到一個非常廣泛、非常好的突破。

第三、硬件的升級，打造云端汽車大腦。當(dāng)汽車大腦擁有了這樣的計算能力之后，就可以把 學(xué)習(xí)算法和這個模型放到車上，然后在汽車自己駕駛的過程中，走一些實時的判斷和決策。其中非常關(guān)鍵的是基礎(chǔ)決策，他是通過攝像頭、激光雷達感知，對很多物體作出判斷，這個判斷要用到速銳得的一些數(shù)據(jù)做一些評比，綜合算法，看一看在大量數(shù)據(jù)里這個決策的準確性。

第四，無人駕駛技術(shù)還需要一個非常重要的能力，就是數(shù)據(jù)收集。俗稱為樣本采集。如果一個公司在做無人駕駛，無人駕駛的車隊有多大很重要，因為每個車隊的規(guī)模會影響到他這個車子開得好壞，也就是數(shù)據(jù)收集的大小，樣本足夠多，足夠大，深度學(xué)習(xí)的算法越準。就當(dāng)下，采用4G網(wǎng)絡(luò)，已經(jīng)可以將大部分的數(shù)據(jù)、攝像頭照片，發(fā)回云端做很大的樣本采集，涉及的車型不同，在總線數(shù)據(jù)上的采集方式也多種多樣，那么，無人駕駛的數(shù)據(jù)采集終端也會得到業(yè)內(nèi)的的很重視，因為數(shù)據(jù)的采集能力，決定著深度學(xué)習(xí)。

結(jié)合項目背景和區(qū)塊鏈技術(shù)的發(fā)展，引申到汽車智能、大數(shù)據(jù)、物聯(lián)網(wǎng)等領(lǐng)域，隨著我市開放態(tài)度和眾多頂級人才進入到智能駕駛、人工智能領(lǐng)域，許多核心技術(shù)點上的差異已逐漸被拉平，大家在絕對技術(shù)水平上的差距不斷縮小，而解決實際問題的能力卻會越來越顯著，這里面的核心就是數(shù)據(jù)。

縱觀國外，這方面最有優(yōu)勢的還是特斯拉，因為它是讓所有裝配了Autopilot(世界首個量產(chǎn)的輔助駕駛系統(tǒng))的車、讓用戶天天在真實生活場景中，為自己積累數(shù)據(jù)。目前特斯拉累計銷量已超過20萬輛，其中大部分車都配備了Autopilot硬件 

7月份，特斯拉高管公布，全球特斯拉電動車行駛里程已經(jīng)超過了80億公里。據(jù)外媒報道，即便車主沒有啟動Autopilot，它仍處于“影子模式”，傳感器會捕捉數(shù)據(jù)，自動駕駛的算法會在后臺做出自己的判斷，但并不會真的去操控汽車。每輛特斯拉電動車都具備聯(lián)網(wǎng)功能。最近，特斯拉甚至要求車主同意上傳車載攝像頭捕捉的視頻數(shù)據(jù)。

特斯拉CEO Elon Musk 在其“藍圖計劃Part 2”中寫道：我們預(yù)計，獲得世界各地監(jiān)管部門批準，需要積累大約60億英里(接近100億公里)的自動駕駛里程。當(dāng)下，業(yè)內(nèi)達成的共識是，想要提升算法，就要拿海量的駕駛里程來填充。不跑完足夠多的里程，不知道這世界究竟多大。

目前自動駕駛車輛的學(xué)習(xí)里程才剛剛超過每天300萬英里(接近500萬公里)。所以才會有谷歌多年來派出普銳斯、雷克薩斯、考拉車、克萊斯勒等各種車隊去實路測試，才會有Uber急切地在匹茲堡、舊金山投放自動駕駛測試車隊，甚至不惜和美國加州當(dāng)?shù)剀嚬芫炙浩颇槨?/span>

國際大趨勢如此，國產(chǎn)廠商自然也不甘落后，2016年4月，長安自動駕駛汽車完成了2000km高速公路路試;而早在2011年7月14日，紅旗HQ3無人車就歷時3小時22分鐘，完成了從長沙到武漢286km的高速全程無人駕駛實驗;2016年6月，國內(nèi)首個無人駕駛示范基地在上海嘉定國際汽車城開園，而國內(nèi)首個無人駕駛測評基地也將落戶同濟大學(xué)嘉定校區(qū)。同時，上汽集團和同濟大學(xué)也已正式簽訂合作協(xié)議，共建超過1200畝的測評基地，這里有望誕生國內(nèi)首套無人駕駛的認證體系。

從李彥宏坐著無人駕駛的jeep自由光，自五環(huán)一路開到北京國際會議中心事實釋放了一個核心信號：做一個在理想狀態(tài)下運行的demo車對于很多團隊來說也許并不難，但是要解決極限工況下自動駕駛車輛如何應(yīng)對的問題，在沒有相關(guān)數(shù)據(jù)可訓(xùn)練的情況下，只怕再強的技術(shù)也是紙上談兵。

2018年5月25日深圳發(fā)布《智能網(wǎng)聯(lián)汽車道路測試管理規(guī)范（試行）》實施意見，該《實施意見》是貫徹落實《工業(yè)和信息化部、公安部及交通運輸部關(guān)于印發(fā)智能網(wǎng)聯(lián)汽車道路測試管理規(guī)范（試行）的通知》（以下簡稱《管理規(guī)范》）的要求，進一步細化了我市申請道路測試的條件，明確了審核申請的流程及有關(guān)部門的職責(zé)分工。

2018年3月16日，深圳交委發(fā)布《深圳市關(guān)于規(guī)范智能駕駛車輛道路測試有關(guān)工作的指導(dǎo)意見(征求意見稿)》，并公開征求意見。

2017年12月2日，4臺“阿爾法巴智能駕駛公交系統(tǒng)”的深圳巴士集團公交車在福田保稅區(qū)首發(fā)試運行。

2017年10月底，在南科大等地實驗兩條無人駕駛線。

由深圳市政府指導(dǎo)、中國電動汽車百人會主辦的“2018GIV全球智能汽車前沿峰會” 將吸引來自政府、院校、知名企業(yè)、初創(chuàng)團隊以及金融機構(gòu)的500余名代表參與。中國電動汽車百人會理事長陳清泰、中國工程院院士陳清泉、加州大學(xué)戴維斯分校交通研究所創(chuàng)始主任Dan Sperling等頂級專家，以及華為、騰訊、大陸、博世、通用、百度等知名企業(yè)代表將分別從技術(shù)、應(yīng)用、示范、通信等角度出發(fā)，對視覺感知、智能網(wǎng)聯(lián)、人工智能、智能駕駛測試與生態(tài)、5G與車路協(xié)同等話題，進行全方位的深度探討，傳遞一個重要信息：

無論是什么樣的自動駕駛方案，最終是要用在車上，從當(dāng)下多數(shù)車企的表態(tài)看，2020年對于自動駕駛的初步實現(xiàn)是個坎，多家汽車廠商都宣布在這個時間節(jié)點要推出自己的完全自動化駕駛車型。但自動駕駛的真正實現(xiàn)依然是一個實踐難度極高的系統(tǒng)工程，需要傳感器、算法、執(zhí)行單位的共同配合，更何況當(dāng)下對AI技術(shù)依賴越來越深，目前沒有任何一個車企能獨立完成。

去年3月，通用宣布斥資近6億美元投資自動駕駛創(chuàng)業(yè)公司Cruise Automation。當(dāng)時Cruise是一個40余人的小團隊，此舉當(dāng)時曾引發(fā)了業(yè)內(nèi)爭議，特斯拉曾斥責(zé)該起收購引發(fā)了自動駕駛業(yè)界的泡沫化。

今年2月11日，福特宣布向當(dāng)時成立不足3個月的自動駕駛創(chuàng)業(yè)公司Argo.ai投資10億美元，雖然官方表述中沒有出現(xiàn)“收購”的字眼，但Argo.ai與福特達成了排外性合作，雙方將共同開發(fā)福特虛擬司機系統(tǒng)，目標是幫助福特在2021年前交付自動駕駛汽車。

通用去年的決策費用貴是貴了點，但Cruise對推動通用自動駕駛汽車商業(yè)化所做的貢獻不言而喻。這也是福特效仿的原因之一。這兩個案例有著諸多相似之處，Argo.ai和Cruise在被收購之初都是手握頂ji技術(shù)人才、急需資本和資源的創(chuàng)業(yè)公司;通用和福特都在整車制造和供應(yīng)鏈管理方面擁有豐富的經(jīng)驗，但在開辟新業(yè)務(wù)時大公司病嚴重，決策效率低下。

對于自動駕駛技術(shù)的研發(fā)，豐田可能是目前最低調(diào)的廠商之一，但曝光少并不意味著豐田真的無動于衷，2014年，豐田確實說過出于安全考慮暫時不搞無人駕駛。但這話你能信?轉(zhuǎn)個身，豐田就在2015年給自動駕駛項目撥了10億美元的預(yù)算。

7月17日，豐田宣布成立自己的人工智能技術(shù)風(fēng)險投資公司Toyota AI Ventures。這家新成立的風(fēng)險投資公司將致力于人工智能技術(shù)初創(chuàng)領(lǐng)域的投資。目前，該公司已經(jīng)收到首筆來自豐田研究院(TRI)的1億美元原始啟動資金。

截止到目前，這家風(fēng)投公司已經(jīng)對3家初創(chuàng)企業(yè)投資。它們分別為來自于硅谷的Nauto公司，其主要為那些監(jiān)控司機和道路環(huán)境的企業(yè)設(shè)計開發(fā)系統(tǒng)，從而阻止事故發(fā)生和不良駕駛習(xí)慣。另一家是來自英國的SLAMcore公司，其主要為智能技術(shù)開發(fā)算法，服務(wù)對象包括無人機和無人駕駛汽車，比如其開發(fā)的算法能夠幫助汽車用戶形成基于自己周邊環(huán)境和位置的地圖;最后一家是來自以色列的Intuition Robotics公司，這是一家從事機器人生活伴侶技術(shù)研發(fā)的初創(chuàng)公司。

豐田章男最近的表態(tài)鮮明地表達了當(dāng)下大多數(shù)車企下重注AI、算法、機器人初創(chuàng)公司的用意：“豐田要在同一時間內(nèi)采取進攻和防守兼?zhèn)涞牟呗浴?。作為一家有?0年發(fā)展歷史的汽車制造商，豐田將考慮其他各種可能的發(fā)展方向，包括合作、并購和收購等方式。其最終目的，就是要進一步提高豐田汽車公司的競爭力，而回顧通用、福特的做法，又何嘗不是用心良苦。

自動駕駛的本源是打造安全的系統(tǒng)，根據(jù)美國2015年所做的里程統(tǒng)計數(shù)據(jù)，全年美國的汽車總行使里程4.8萬億公里，平均每200萬公里出現(xiàn)一次受傷事故；平均每1.47億公里出現(xiàn)一次致死事故。這都足以證明人類的駕駛水平是了不得的。如果以平均每200萬公里（出現(xiàn)一次受傷事故）為例，北京到上海的距離約為1200公里，我們需要開800多個往返不出現(xiàn)一個受傷事故，才可能從平均水平上證明自動駕駛比人類駕駛安全。再說“系統(tǒng)”。自動駕駛系統(tǒng)有三部分組成：感知、決策、執(zhí)行。當(dāng)然，量產(chǎn)的自動駕駛功能絕不是這三者的簡單疊加，在“安全和系統(tǒng)”之外，自動駕駛最重要的是冗余的系統(tǒng)。

自動駕駛所有核心的零部件包涵在感知層面有毫米波雷達、激光雷達、單目攝像頭、雙目攝像頭、超聲波傳感器、輪速傳感器、加速度傳感器、陀螺儀慣導(dǎo)、定位傳感器等；在中央決策層面，有ADAS駕駛輔助預(yù)控制器，自動駕駛預(yù)控制器、整車控制器；在執(zhí)行層面，有轉(zhuǎn)向系統(tǒng)、制動系統(tǒng)、發(fā)動機管理系統(tǒng)。

國內(nèi)最近幾年，中國本土自動駕駛領(lǐng)域的創(chuàng)新創(chuàng)業(yè)呈現(xiàn)出“群雄并起”的趨勢。據(jù)不完全統(tǒng)計，從北京到深圳，已有超過十家自動駕駛技術(shù)方案提供商陸續(xù)獲得了多輪融資。自動駕駛的眼睛“雙目模組”到自動駕駛的大腦“車載ECU車載電腦，涉及了圖形轉(zhuǎn)換矢量，環(huán)境監(jiān)測、場景模型、車況數(shù)據(jù)，駕駛模型、自動駕駛操作系統(tǒng)算法及決策等關(guān)鍵業(yè)務(wù)方案。所以自動駕駛決策部分的特點是，龍頭多、技術(shù)點繁雜，需要大資源、大技術(shù)、大資本，才能投入下一個環(huán)節(jié)，所有的機器學(xué)習(xí)，大多停留在信息采集階段，而這個階段的信息采集，絕大多數(shù)基本都是處于攝像頭將圖線變成矢量，然后存儲起來。汽車背后的主機非常巨大，相當(dāng)于一臺高容量存儲的服務(wù)器。

如果按照單臺車以30Hz的頻率采集320*320的圖像，十分鐘生成一個壓縮包圖片庫的速度來算，2小時內(nèi)的行駛將產(chǎn)生4個GB的圖片數(shù)據(jù)，結(jié)合邊緣算法在本地實現(xiàn)處理還需要將圖片通過蜂窩網(wǎng)絡(luò)（4G,5G）上傳到云服務(wù)器做深度分析。車子在路上跑的時候，通過V8這類也在不斷的采集數(shù)據(jù)，而這些數(shù)據(jù)可以支撐我們做進一步的安全驗證。

I.MX6集成了FlexCAN、MLB總線、PCI Express?和SATA-2，具有卓越的連接性，同時集成LVDS、MIPI顯示器端口、MIPI攝像機端口和HDMI v1.4，是先進的消費電子、汽車和工業(yè)多媒體應(yīng)用的理想平臺。

SK32作為與汽車總線交互的核心處理，采用的Cortex-M4的內(nèi)核，并帶有以太網(wǎng)的接口，將適應(yīng)未來所有車型。

兩個主處理器都滿足AEC-Q100,滿足車規(guī)級的要求，未來可以在所有汽車領(lǐng)域大量應(yīng)用。

我們利用I.MX6解決了高速視頻拍攝及解壓，通過高通4G模組將S32K采集的CAN總線數(shù)據(jù)和外圍GPS等SENSOR將數(shù)據(jù)傳給服務(wù)器。主要解決從采集端到?jīng)Q策端的數(shù)據(jù)問題，通過采集到的車速、轉(zhuǎn)向角度、檔位信息等汽車CAN總線數(shù)據(jù)建立駕駛模型，建立樣本。

智能駕駛實驗平臺軟件架構(gòu)示意圖

應(yīng)用服務(wù)層：智能駕駛實驗平臺軟件網(wǎng)關(guān)自身帶視頻解析和呈現(xiàn)，主要功能均通過服務(wù)的方式對外提供，包括運行在CAN網(wǎng)關(guān)上的總線數(shù)據(jù)、遠程升級服務(wù)、本地數(shù)據(jù)處理、應(yīng)用平臺部署、安全服務(wù)監(jiān)測及其他擴展服務(wù)。應(yīng)用框架層：應(yīng)用框架層主要提供應(yīng)用服務(wù)運行所需的執(zhí)行環(huán)境，包括Java虛擬機(Java運行環(huán)境)、Web服務(wù)引擎、開發(fā)包、MQTT安全模塊及其他擴展開發(fā)包。組件層：組件層主要提供網(wǎng)關(guān)系統(tǒng)運行所需的各核心功能模塊，包括：電源模塊組，完成與S32K、I.MX6、4G通訊模組等電源供電功能；S32K模塊組，完成CAN協(xié)議解析、電壓轉(zhuǎn)換，數(shù)據(jù)解析、數(shù)據(jù)組包等功能；管理模塊組，完成4G網(wǎng)絡(luò)射頻信號接收、設(shè)備GPS定位、外部藍牙連接等管理功能。Linux&驅(qū)動層：主要包括Linux操作系統(tǒng)和平臺驅(qū)動，是網(wǎng)關(guān)運行的基礎(chǔ)，包括主芯片驅(qū)動以及各種網(wǎng)絡(luò)驅(qū)動，如WiFi、藍牙、串口等。人工智能技術(shù)是在計算機技術(shù)上發(fā)展起來的一門學(xué)科和技術(shù)，是在計算機平臺上模擬人的大腦進行圖像和數(shù)據(jù)的智能分析和處理，使用計算機來代替人類的工作，從而有效的減少人力資源的投入，將控制成本控制在最低。人類的大腦本身就是最精密和復(fù)雜的系統(tǒng)，人工智能技術(shù)是對人類大腦思考的過程進行模擬和模仿，從而實現(xiàn)人工控制的智能化。人工智能化技術(shù)在不斷發(fā)展的同時，在各個領(lǐng)域包括智能汽車中的自動駕駛的控制中也得到了廣泛的應(yīng)用。人工智能的最大優(yōu)勢就是可以對信息進行收集和處理，代替人類進行大量的運算。

人工智能的直接控制

跟蹤階段的算法實現(xiàn)原則是利用連續(xù)幀間的時間連續(xù)性以及當(dāng)前幀中檢測目標在下一幀中的空間相關(guān)性，達到檢測的實時性和穩(wěn)定性。涉及到的方法有：

（1）基于對比度分析的方法

基于對比度分析的目標跟蹤算法利用目標與背景在對比度上的差異來提取，識別和跟蹤目標。這類算法按照跟蹤參考點的，不同可以分為邊緣跟蹤、形心跟蹤和質(zhì)心跟蹤等。這類算法不適合復(fù)雜背景中的目標跟蹤。

（2）基于匹配的方法

 基于匹配的方法包括特征匹配、貝葉斯跟蹤和均方漂移（Mean Shift, MS）。貝葉斯跟蹤框架根據(jù)對運動分布描述能力的大小，依次分為卡爾曼濾波（Kalman Filter, KF）、粒子濾波（Particle Filter, PF）、隱馬爾科夫模型(HMMs)和動態(tài)貝葉斯模型（DBNs），這些算法的主要區(qū)別參考文獻。

（3）基于TLD的方法

 TLD（Tracking-Learning-detection）是一種近幾年較為流行的框架，集檢測、跟蹤與在線學(xué)習(xí)于一體，實現(xiàn)檢測器的在線學(xué)習(xí)和更新，達到對目標長期跟蹤的效果。該算法與傳統(tǒng)跟蹤算法的顯著特點在于將傳統(tǒng)的跟蹤算法和傳統(tǒng)的檢測算法相結(jié)合來解決被跟蹤目標在被跟蹤過程中發(fā)生的形變、部分遮擋等問題。同時，通過一種改進的在線學(xué)習(xí)機制不斷更新跟蹤模塊的“顯著特征點”和檢測模塊的目標模型及相關(guān)參數(shù)，從而使得跟蹤效果更加穩(wěn)定、可靠。但不足之處是只適應(yīng)于單目標跟蹤。

目前已經(jīng)取得2項實用新型專利，分別是《控制汽車門鎖和車窗的裝置》，專利號ZL201621280342.4和《基于汽車擋風(fēng)玻璃投射顯示的新型導(dǎo)航設(shè)備》，專利號ZL201320310820.1。目前已經(jīng)獲得5件軟件著作權(quán)：

速銳得與多家企業(yè)、科研院、高等院校汽車相關(guān)進行了合作：

8.1 速銳得與中山大學(xué)王翔教授為創(chuàng)世紀汽車集團進行相關(guān)TSP遠程管理服務(wù)系統(tǒng)的項目開發(fā)。

8.2 速銳得與復(fù)旦大學(xué)保險研究所趙蕊針對車聯(lián)網(wǎng)UBI保險進行了深度的合作與開發(fā)。

8.3 速銳得與中期大學(xué)汽車院蘇炎召針對汽車車速、轉(zhuǎn)向角度及相關(guān)CAN總線產(chǎn)品的開發(fā)，用于ADAS高級駕駛輔助系統(tǒng)領(lǐng)域。

8.4 速銳得與重慶郵電大學(xué)楊老師合作，為長安提供分時租賃TBOX終端產(chǎn)品，目前已經(jīng)在長安新能源車落地實施。

8.5 速銳得與國家計量局、環(huán)保局、中國汽車研究中心共同制訂了《遠程排放管理車載終端的技術(shù)要求及通訊格式》，針對重型卡車遠程排放做了嚴格的要求，出臺了DB11/1475-2017 《重型汽車排氣污染物排放限值及測量方法》。

8.6 速銳得與武漢大學(xué)祝勇共同開發(fā)了車聯(lián)網(wǎng)管理系統(tǒng)，針對視頻采集圖片轉(zhuǎn)變矢量圖進行了相關(guān)開發(fā)，主要應(yīng)用于車道偏移預(yù)警。

8.7 速銳得與北京工業(yè)大學(xué)孫教授、劉軒、伍毅平共同開發(fā)了車載AI大腦，采集車速、轉(zhuǎn)向角度信息，應(yīng)用于商用物流卡車的主動安全駕駛與機器學(xué)習(xí)。

8.8 速銳得與中國汽車技術(shù)研究中心共同研究豐田氫能源汽車原理及測試方法，按照國家科技局、經(jīng)信委的要求，購買了測試設(shè)備，針對整車做全車數(shù)據(jù)測試。

8.9 速銳得為中寶（寶馬）集團開發(fā)了遠程控制汽車門鎖燈窗的遠程控制系統(tǒng)，采集了車內(nèi)紅外動態(tài)警告數(shù)據(jù)，為寶馬（中國）集團奠定了汽車安全的數(shù)據(jù)管理系統(tǒng)安全基石。

8.10 速銳得為上汽集團車享網(wǎng)開發(fā)了“車享寶盒”，為上汽車聯(lián)網(wǎng)大數(shù)據(jù)商業(yè)應(yīng)用的萌芽提供了堅實的數(shù)據(jù)基礎(chǔ)。

速銳得科技的總線技術(shù)處于國際領(lǐng)先水平，核心技術(shù)擁有自主知識產(chǎn)權(quán)，承擔(dān)并完成了多項國家級、省、市重點科技項目，參與起草了《重型汽車排氣污染物排放限值及測量方法》等多項國家和地方標準。

目前市面上的智能汽車、人工智能算法及數(shù)據(jù)采集主要還是以圖片采集為主，只能做到相關(guān)的駕駛輔助，無法達到L3級別的自動駕駛及智能化汽車水平，大多是放置在汽車后備箱的電腦主機，主要是收集大量數(shù)據(jù)，對于新型終端國家并沒有針對硬件相關(guān)提出了相關(guān)要求。通過汽車CAN總線數(shù)據(jù)基礎(chǔ)用于決策的，目前行業(yè)內(nèi)并沒有切實可行的企業(yè)在做，一方面，是汽車CAN總線技術(shù)本身的壁壘比較高，二是車型非常復(fù)雜，三是能將視頻圖片數(shù)據(jù)與總線數(shù)據(jù)結(jié)合的企業(yè)，全球屈指可數(shù)。行業(yè)內(nèi)很多“山寨盒子”可以通過硬線接入汽車傳感器的方式在不同的ECU節(jié)點采集不同的數(shù)據(jù)，但是也給汽車安全帶了嚴重的影響，曾經(jīng)有不少客戶因為采用接線的方式導(dǎo)致電氣故障燒毀汽車，只有采用免接線即總線的接入方式，才能保證安全與數(shù)據(jù)的實時性。圖片大多只是基于攝像頭，將攝像頭采集的圖片轉(zhuǎn)換為矢量圖，有一定的算法，但是壁壘不高。

申萬宏源研究在分析趨勢時指出，2018年是車載TBOX的“莽荒出位期”，在4月份之后甚至是“集體暴動”的狀態(tài)。V8與主機通過Canbus通信，實現(xiàn)指令與信息的傳遞，包括車輛狀態(tài)信息、車速、轉(zhuǎn)向角度狀態(tài)信息、控制指令等，通過后臺系統(tǒng)以數(shù)據(jù)鏈路的形式高速與云端實現(xiàn)雙向通信，預(yù)測5年內(nèi)該系統(tǒng)下的智能駕駛、自動駕駛用戶將達千萬規(guī)模。

預(yù)計本項目在2年執(zhí)行期內(nèi)預(yù)計可產(chǎn)生銷售收入4000萬元，實現(xiàn)利潤1260萬元，納稅400萬元。項目5年內(nèi)預(yù)計可實現(xiàn)銷售收入2.5億元，利潤近6000萬元，納稅近2000萬元。

優(yōu)秀的人才是企業(yè)的根本。公司制定了一系列行之有效的選、用、育、留人才的政策，激勵員工為公司的目標而努力奮斗，達到企業(yè)與員工雙贏。公司在制訂薪酬政策時充分考慮短期、中期、長期報酬關(guān)系。薪酬包括工資，獎金、期權(quán)福利補貼等。

為了順利實施本項目，擬新增技術(shù)開發(fā)人員13名，因項目實施新增就業(yè)人員7人。公司專門還組織了一個技術(shù)骨干團隊，對新員工進行系統(tǒng)的培訓(xùn)，以確保技術(shù)梯隊的健康發(fā)展。

未來的十年，汽車產(chǎn)業(yè)將會以電動化、智能汽車、智能城市等為主題。未來的汽車進一步提高基于無人駕駛的網(wǎng)約車、出租車在全球的網(wǎng)聯(lián)化；V8基于汽車CAN總線將深度結(jié)合智能汽車底層技術(shù)，幫所有的出行公司、自動駕駛公司、大數(shù)據(jù)公司收集汽車駕駛數(shù)據(jù)，結(jié)合他們的新調(diào)度系統(tǒng)等服務(wù)更快帶到全球各個角落。

我們已有像滴滴一樣的自動駕駛客戶、共享汽車小明出行已經(jīng)布局了自動駕駛，我們通過一個個試點項目，將V8的數(shù)據(jù)傳輸?shù)皆贫?，通過V8安裝在這些出行公司、自動駕駛公司、大數(shù)據(jù)公司運營的100萬輛汽車里，來分析駕駛模式，建立基于位置、環(huán)境、駕駛習(xí)慣的模型，以更好地提供人工智能調(diào)度等汽車網(wǎng)聯(lián)服務(wù)。

作為階段性研發(fā)成果，今年6月地，我們開始在北京北京聯(lián)合測試新的V8系統(tǒng)。V8利用智能手機、出租車位置、天氣模式等因素的數(shù)據(jù)來確定網(wǎng)約車、共享車的最有效分布。

除了提高調(diào)車效率、增加利潤，V8也將充分利用其汽車服務(wù)平臺「TSP」上收集到的車輛數(shù)據(jù)，在國內(nèi)完善、在日韓擴張，它的駕駛數(shù)據(jù)聯(lián)動型汽車保險，還有面向融資租賃司機的金融產(chǎn)品、預(yù)測性維護等服務(wù)、可控的網(wǎng)約車認證等多方面的問題。

同時， 實時的駕駛數(shù)據(jù)和視頻也有利于平臺公司構(gòu)建動態(tài)地圖，加快自動駕駛研發(fā)模型樣本及更新進度。

在未來的汽車服務(wù)平臺為拼車、租車、共享車、網(wǎng)約車等公司提供一套全流程學(xué)習(xí)系統(tǒng)，來為他們進行一體化的服務(wù)，其中包括汽車的管理、利用、分析等定制功能。除了上述汽車服務(wù)外，平臺中也包含和汽車遠程信息處理保險公司、身份識別公司、CRM 管理公司等各種基于數(shù)據(jù)的服務(wù)公司的合作。例如，今年 1 月，豐田汽車和保險公司 Aioi Nissay Dowa 推出了日本首個和駕駛行為相關(guān)的汽車遠程信息處理保險。

它的原理是：在車輛上搭載 V8后，V8可以和云進行頻繁通訊，將司機的駕駛技術(shù)、車輛情況、交通路況等信息進行數(shù)字化處理。集成的大數(shù)據(jù)將被放入云系統(tǒng)被管理、分析，而第三方企業(yè)接入的話，則可以利用這些信息提供服務(wù)。

這些數(shù)據(jù)不僅可以方便于地圖的實時更新、車載系統(tǒng)軟件的 OTA 更新，還能基于聯(lián)網(wǎng)汽車的行駛數(shù)據(jù)判斷汽車每月的行駛里程、駕駛特點，然后針對它們提供定制的保險優(yōu)惠策略。

國內(nèi)乃至東南亞市場潛力大，早已是巨頭資本角逐的地帶。泰國有本田、豐田、馬自達等多類傳統(tǒng)車廠，國內(nèi)已經(jīng)百花齊放，他們對數(shù)據(jù)的重視程度越來越高、希望通過數(shù)據(jù)搭建新生態(tài)的服務(wù)型公司，2018 年 CES 上成立了「e-Palette Alliance」。在這個聯(lián)盟里，首批合作伙伴包括滴滴出行、馬自達、亞馬遜、必勝客、Uber，整車廠、出行平臺、電商、餐飲，涵蓋了車輛供應(yīng)方、運營平臺、商戶等多方面力量。

總的來說，算法、傳感器、計算硬件、基礎(chǔ)決策、數(shù)據(jù)的收集能力等都都會影響無人駕駛技術(shù)的發(fā)展，基于這幾個技術(shù)的發(fā)展，無人駕駛系統(tǒng)逐漸成為一個主流的方向。

2021年將是無人駕駛的元年，屆時有一些大公司將有十幾萬輛無人駕駛汽車量產(chǎn)規(guī)模。當(dāng)無人駕駛到來的時候，汽車這個行業(yè)都有可能被顛覆。