無人駕駛可能是這幾年科技圈里最受關注的概念，除了谷歌、百度、樂視等互聯網企業，在今年的北京車展上，長安、北汽、日產等傳統車企也都展出了無人駕駛概念車，充分展現出了整個行業對于無人駕駛的熱情。

　　更精彩的還是圍繞在互聯網行業和傳統車企對于未來汽車行業主動權之爭，對無人駕駛可能帶來的變革，已有諸多論述。而在這場涉及廣泛的產業化道路中，伴隨著汽車產品的電子化、智能化革命，首先被重構的可能是已有的汽車產業。

　　對于無人駕駛及相關產業發展趨勢，幾點看法是：

　　▎無人駕駛是一項系統性工程，目前不管從技術成熟度，還是現實的產業化推廣，無人駕駛汽車離大規模運用還有很長的路，特別是一些基礎性技術—V2X、汽車總線和多種傳感器融合方面，有待提升;

　　▎一些核心技術，比如深度學習、駕駛輔助系統、車聯網，推動技術進步的將不是現有車企，未來核心技術突破將由零配件巨頭、互聯網、半導體公司完成;

　　▎伴隨著汽車電子化、智能化革命，汽車行業區域扁平化，傳統車企原有的產業優勢正在喪失;

　　▎在無人駕駛徹底普及前，ADAS的推廣會成為汽車行業發展的主流。芯片、傳感器和算法成本的下降將進一步降低ADAS行業的準入門檻，ADAS領域將誕生一些創業公司和新玩法。

　　▎傳統車企在未來汽車市場里的地位并沒有那樣不堪，幾十年的整車技術積累，傳統車企可能還有一定的先發技術優勢。如果能做好數據服務轉型，這些企業還有很大機會。

　　一、無人駕駛的主要推手

　　目前產業布局來說，傳統零部件巨頭整合無人駕駛感知和執行兩端，為主機廠提供整套解決方案。半導體公司提供傳感器、芯片等硬件，互聯網企業提供算法和地圖等數據服務。整車企業雖然一直位于汽車產業中心位置，但是并不直接掌握無人駕駛直接的核心技術。包括深度學習、智能駕駛輔助系統和V2X等，這些實現無人駕駛的核心科技突破最后可能由零部件廠商、半導體和互聯網公司完成。

　　博世在2015年提出的四個階段推廣無人駕駛技術的“十年計劃”，將從雷達、攝像頭、控制單元等核心配件入手，循序漸進的實現無人駕駛，目前博世對無人駕駛的研發主要集中在駕駛輔助系統和車聯網兩個方面。此外法雷奧的Cruise4U自動駕駛系統和SCALA激光雷達、德爾福提出的V2E技術，對于多種傳感器的融合和汽車通訊的發展都將起到直接推動。

　　為主機廠和Tier1提供傳感器等硬件或者整套技術方案的高科技企業是推動無人駕駛的又一中堅力量，最典型的就是Mobileye。目前其已經占據占據全球 75%的ADAS 市場，已有超過1000萬輛汽車使用了Mobileye的技術。

　　作為ADAS領域的巨頭，Mobileye通過在芯片和算法上深耕取得了優勢。同時通過大量的道路駕駛信息累積和數據采集，不斷完善圖片數據集，實現ADAS在識別率和穩定性上的提升。

　　一些半導體廠商，包括英特爾、NVIDIA、先鋒等，基于此前在芯片、圖像處理和激光拾取技術上的優勢，正從不同的方向對無人駕駛進行布局，未來或將在無人駕駛汽車領域取得位置。而且半導體廠商正逐步從提供單個硬件到提供整體解決方案進行轉變，未來對無人駕駛領域的推動將越來越大。

　　谷歌的無人駕駛汽車則展示出了其在深度學習，多種傳感器融合和高精度地圖的技術實力，也描繪出了和傳統車企漸進式發展完全不同技術路線，未來其對汽車行業可能產生顛覆式效應。

　　二、汽車智能化之路 基礎技術有待突破

　　成熟的無人駕駛汽車必須具有強大的單車智能及鏈接所有車輛的智能化網聯系統，這就需要汽車內部各個部位和車與車之間能實時、順暢的數據交換，汽車要實現這種目前這種半機械半電子化到完全電子化架構的變革，就需要基礎性技術的突破，特別是汽車總線和V2X技術的成熟。

　　上世紀80年代開始，隨著電子技術的發展和對汽車性能要求的提高，各種類型的電控系統逐漸運用到汽車上。1986年博世公司開發出面向汽車的CAN通信協議，應用于不同車載電控單元之間的數據信息交換，形成一個汽車電子控制網絡。發展到現在，CAN已經成為國際標準。

　　CAN總線通信技術極大的推動了汽車的電氣化革命進程，但是在越來越智能化的汽車中，面對大量的數據交換，CAN總線明顯已經跟不上汽車發展的需要。以2012年發布的CAN FD 1.0為例，其理論最大帶寬為125Kbytes/s，這種傳輸速度面對越來越深入底層架構的車機系統和多種傳感器融合后大量數據交互的ADAS已明顯不足。

　　雖然芯片、傳輸標準等技術問題還有待解決，但是傳輸速度達到千兆級別的以太網用于未來汽車領域是趨勢。

　　在無人駕駛汽車發展過程中另一個必然會融合的是V2X通訊技術，通過單車自身的傳感器和在線網絡傳感器兩套感知系統，進一步提高汽車的安全性和可靠性，但如何在汽車高速運行過程中實現低延時的可靠通訊是技術難點。

　　V2X目前有兩條技術路線：一個是基于短途WIFI的DSRC，還有一個是基于LTE蜂巢式網路作為基礎的LTE V2X。兩條技術路線各有千秋：DSRC趨于成熟，是V2X的主流技術，但需要大量基礎設施建設;LTE V2X的好處在于能重復使用現有的蜂窩基礎與頻譜，同時更具產業化前景，但目前還處于起步階段，而V2X的大規模推廣可能要2020年以后5G得到推廣以后。

　　三、無人駕駛尚遠 ADAS在后市裝場更有戲

　　雖然無人駕駛離全面上路還有較長時間，但是ADAS的逐步推廣成為汽車行業發展的主流。目前全球ADAS市場滲透率約為5%，歐美市場為9.8%，國內市場僅為3%左右。據PRNewswire咨詢公司測算，2020年全球ADAS滲透率將達到25%，預計未來5年的增長率將達到19%，全球新車ADAS搭載率有望達到50%。

　　隨著汽車市場競爭的加劇，智能化已經成為汽車品牌提升競爭力的重要手段。預計到2020年，我國ADAS市場滲透率將超過全球平均水平，達到30%以上。未來5年，ADAS市場年復合增速將達到39%。

　　芯片、傳感器和軟件算法成本的下降將進一步降低ADAS行業的準入門檻，也催生了一大批ADAS創業公司。目前ADAS市場分為前裝和后裝兩大部分，從汽車發展規律看，ADAS最終進入汽車前裝是大勢所趨。但是在目前各類技術還不成熟的情況下，主攻后裝市場的企業其實更具看點。

　　對主攻后裝市場的企業來說，首先其面對的是一個更加龐大的存量市場。而且不用受制于整車企業苛刻的技術驗證要求，在產品形式創新上自由度會更高，更容易發揮互聯網企業在UI交互、數據服務方面的特長。

　　在整車企業不可能向互聯網公司開放CAN總線協議的情況下，基于ADAS的車聯網入口或許是最靠譜的一條技術路線。此前的幾次車聯網發展熱潮中，不管是車機、手機還是OBD，因為無法獲取車輛最底層的信息，因此都陷入了“車聯網”還是“車載移動互聯網”的口水仗。

　　ADAS的優勢在于其豐富的數據樣本，特別是目前基于視覺的ADAS方案，數據采樣上比較豐富，甚至超過了整車企業。而且和車企側重對機械信息搜集不同的是，ADAS更多的是對駕駛員行為的實時反饋，進而產生多樣化的車聯網大數據運用場景。

　　對于這些公司而言，問題也很明顯，那就是如何讓自己的產品變得有趣，并在消費者那找到存在感。從目前市場反饋來看，用戶對單純強調安全性能的ADAS普遍還是缺乏認知。如果能整合已有的移動互聯網服務并提升用戶體驗，那么在這個夾縫市場中產生獨立于現有車企和互聯網公司的車聯網大數據企業并非不可能。

　　四、汽車正在被重構 互聯網公司逆襲論有依據

　　目前的發展狀況來看，整個汽車產業正處于被重構的階段：產品上，汽車正經歷著智能化、電氣化革命，無人駕駛將是這場革命中最重要的一環。同時，汽車產品的這種變化正深刻的改變著原有的汽車產業格局。

　　與互聯網行業開放、共享等特點不同，汽車行業經歷近百年的發展形成了一套完整但相對封閉的體系。一個成熟車企從核心三大件技術到零配件供應體系往往都是自成一體，這種完整的技術和產業體系也造成了汽車行業成為一個資本密集型、技術密集型的高準入門檻行業。

　　但就像特斯拉用鋰電池和BMS管理系統直接撬開了傳統車企的動力技術壟斷，技術的進步讓已有的汽車產業格局一點點的發生變化。汽車結構的變化讓傳統車企管理復雜供應鏈的優勢打折扣，同時對目前汽車產業從零配件供應體系到生產制造再到后市場服務格局的顛覆也是可以預見的。

　　IT企業對汽車行業逆襲論的邏輯是：隨著電池技術的逐漸成熟，汽車行業門檻正在降低;未來汽車變革的方向將是智能化和更加豐富的數據服務，在這方面傳統車企缺乏創造力，其在汽車中控屏上的失守已經說明了這點;不管是電池還是無人駕駛技術，未來推動技術革新的肯定不是現有的汽車企業。

　　而兩者的對立根本上說是傳統企業思維和IT思維的差異造成對于未來汽車產品認知的不同：一個更加注重汽車商品的實體屬性，另一個則強調的是汽車作為一個互聯網終端節點的商業意義。

　　五、傳統車企有優勢 未來不容小覷

　　現在要預見到未來汽車產品的形態和商業模式并不是一件容易的事情，但是汽車正經歷電子化革命卻是不爭的事實。傳統的內燃機和各種機械裝置正被電池和更好的軟件代替，汽車逐步變成了輪子上的計算機。汽車的這種變化同時也在逐漸改變整個產業鏈，從前端的零配件供應體系、生產制造到后端的維修服務體系，再到建立在智能化汽車基礎上的車聯網生態系統。但是相較于智能手機，汽車電子化、智能化革命可能會是一個漫長的過程。

　　目前傳統車企優勢集中在幾個方面，包括發動機底盤、整車制造工藝和大量汽車工程數據積累。在機械時代，這些技術優勢足以形成深厚的行業壁壘。而在目前的汽車技術變革中，所有的技術積累將轉化為數據優勢。

　　在無人駕駛中，深度學習技術是核心。汽車通過各種傳感器識別周圍環境狀態，深度學習模型根據環境的變化，綜合計算出下一部的控制策略，然后反饋到執行機構。要完成對汽車的決策控制，除了要擁有強大計算能力的硬件外，還需要足夠多的數據、足夠長的時間訓練。谷歌不斷的路測，重要的目的就是希望深度學習人的駕車習慣，提高系統穩定性。

　　而在龐大市場保有量基礎上，汽車企業擁有大量駕駛習慣以及用戶行為信息的積累，這些數據不僅是其改進汽車設計的前提，也是廠商設計自身車聯網服務的重要依據和優勢。特別是一些在真實交通場景下車輛控制和車身反饋信息，這其中包括很多常規路測難以模擬的邊緣情況，這些經驗或許能幫助深度學習進一步提高系統可靠性。

　　人類商業文明的發展史基本上就是一部技術進步史，未來無人駕駛汽車及其可能帶來的共享經濟對人類社會帶來的影響可能會超出我們的想象。對于無人駕駛，沃爾沃研發副總裁默滕斯認為，無人駕駛的成熟是汽車廠商、IT廠商以及政府和監管部門和所有交通相關者共同努力的結果。對這樣一個具有跨時代意義的技術革命，或許我們更應該以開放的心態來面對。