無人駕駛汽車有望將在未來20年內得到廣泛運用，各大科技公司和汽車廠商均在加大對無人駕駛的投入，資本也紛紛搶灘該萬億市場。
無人駕駛汽車依靠人工智能、視覺計算、雷達、監控裝置和全球定位系統協同合作，通過電腦實現無人駕駛，可以在沒有任何人類主動的操作下，自動安全地操作機動車輛。
無人駕駛依賴幾種先進技術，這些互為補充的技術感知周圍環境、進行自我導航。究竟這些技術如何協同工作？除了Waymo等知名的領頭羊之外，又有哪些公司在推動這個行業發展？
CB Insights拆解分析了實現無人駕駛的諸多技術，并介紹了有望讓無人駕駛汽車更先進、更低成本、更容易擴展的幾家初創公司。
感知能力
無人駕駛汽車必須要能夠識別交通信號和標志，以及其他汽車、自行車和行人。它們還必須能感知前方物體的距離和速度，以便作出對應反應。
無人駕駛汽車通常依賴攝像頭及其他傳感器，比如雷達和激光雷達（lidar），它們各自有各自的優點和局限性。
這些傳感器收集的數據通過名為“傳感器融合”的技術混合在一起，以便盡可能精準地提供汽車車身周圍的無物理環境信息。（傳感器融合整合來自所有傳感器的數據，形成汽車周圍環境的統一視圖。）
以下是幾種不同的感知技術，它們分別有各自的優缺點，且負責不一樣的部分：
1）攝像頭和計算機視覺
攝像頭普遍用于無人駕駛車輛和配備先進駕駛輔助系統（ADAS）的車輛，是無人駕駛環境下一種重要的感知設備。
攝像頭可以識別顏色和字體，幫助檢測道路標志、交通信號燈和街道標記——這是其相對于雷達和激光雷達的一個優點。不過，在檢測深度和距離上，攝像頭遠遠不及激光雷達。
許多初創公司正在致力于為汽車領域研發更優質的攝像頭，以提取最生動的圖像。比如，今年7月在D輪融資中籌資了1.21億美元的Light，它開發了一款能與激光雷達的精準度相媲美的攝像頭，名為Light L16。Light L16擁有16個攝像頭，其可以整合來自所有16個鏡頭的圖像，提取出高度精確的3D圖像。
無人駕駛感知系統基于計算機視覺技術來檢測物體和信號，以此處理從攝像頭提取的數據。計算機視覺軟件需要能夠識別車道邊界的具體細節（比如，線條顏色和圖案等），還需要能評估適當的交通規則，在復雜交通場景下實現安全的、與人類駕駛行為類似的自主駕駛。
許多初創公司正致力于為汽車領域開發更高級、更高效的計算機視覺技術。
比如，包括DeepScale等公司正在研發深度神經網絡。這種感知技術能夠進行高效、深度的自我學習，以此逐漸提高識別能力，并降低錯誤率。
再如，總部位于巴黎的Prophesee已經開發出了事件導向型的機器視覺技術，這種技術能促進物體識別，并盡量減少數據過載現象。這種深度學習技術模仿人類大腦如何處理來自視網膜的圖像的過程——人類的大腦不會基于一連串幀來記錄視覺信息，而是捕捉到時空變化里感興趣的東西，并把這些信息有效地傳送到大腦。基于幀的方法會導致冗余的記錄數據，從而引發高功耗。
傳統標準攝像頭中基于幀的傳感器同時捕獲圖像的眾多像素，并逐幀處理圖像；而這種事件導向型傳感器捕獲單個像素視場中變化的事件，也就是捕獲動態的持續信息流，并避免了傳輸冗余數據。也就是說，這項技術減小了傳統攝像頭在處理來自一系列幀的圖像時所遇到的數據負載。
Prophesee公司希望將這一機器視覺技術運用到多個行業：從無人駕駛汽車、工業自動化到醫療保健。今年2月，該初創公司在B輪后續輪融資中籌資1900萬美元。
2）雷達、激光雷達和V2X
除了攝像頭之外，無人駕駛環境感知設備還包括雷達、激光雷達和V2X。它們同樣分別有各自的優勢和局限性。
1> 雷達
汽車通過雷達發出無線電波，檢測前方物體的距離、范圍和速度。
雷達技術有更廣的檢測范圍，且不依賴于更容易出錯的旋轉部件，被認為比激光雷達更可靠。此外，雷達技術的成本也大大低于激光雷達。因此，雷達技術被廣泛用于無人駕駛汽車和ADAS。
一些初創公司致力于研發雷達及天線技術。比如，今年9月從寶馬和百度籌資到500萬美元種子資金的無人駕駛傳感器初創企業Lunewave，該公司正在研究使用3D打印技術來生產性能更強、范圍更廣、精度更高的天線。這一技術基于上世紀40年代開發的倫伯透鏡天線。
再如，今年5月在種子后續輪融資中從本田、豐田、電裝等知名汽車公司處籌集了1000萬美元的毫米波雷達公司metawave，該公司開發出的模擬雷達技術使用自適應超材料天線，以加快傳輸速度、擴大探測范圍。
2> 激光雷達
激光雷達被認為是無人駕駛汽車中最強大的傳感器之一，具有高精度、高分辨率的優勢，通過激光掃描能精準創造出汽車周邊環境的3D模型，以便探測周圍的行人、車輛等。
激光雷達技術使用紅外傳感器來探測物體距離——傳感器快速發出激光脈沖，并測量光束返回其表面所需的時間。
不過，其劣勢在于技術落地成本高昂。傳統的激光雷達裝置包含許多旋轉部件，以捕捉車身周圍環境的360度視圖。這些旋轉部件的開發成本更高。
開發商在盡力降低激光雷達傳感器成本的同時，仍要保持其高精度。目前降低激光雷達成本的基本方向，是讓激光雷達從“機械”往“固態”的方向走。固態激光雷達裝置沒有活動部件，不依賴于內部機械的運轉，而是通過電子部件360度發射紅外線，從而實現對周圍環境360度的掃描——這種固態裝置實施起來成本較低。
激光雷達傳感器的另一個缺點是，由于它只是使用紅外激光束來探測物體，無法探測物體的顏色信息，例如斑馬線、紅綠燈的狀態等，因此無人駕駛汽車都需要配備攝像頭等光學探測設備進行交通信號的識別。
在固態激光雷達裝置的開發上，已經有一些公司取得了進展。
以色列初創公司Innoviz開發的固態激光雷達技術成本將只有數百美元，這個成本只是配備128個激光器的Velodyne高端激光雷達裝置75000美元售價的零頭而已。今年4月，Innoviz宣布與汽車制造商寶馬和一級供應商麥格納合作，在寶馬的無人駕駛汽車中部署其激光雷達激光掃描裝置。
Aeva也在開發固態激光雷達。該公司在今年10月的A輪融資中籌資4500萬美元。該公司聲稱其技術的覆蓋范圍是200米，成本只要幾百美元。與傳統的激光雷達不同的是，Aeva的技術發出連續的光波，而不是單個脈沖。
此外，總部位于中國的速騰聚創（Robosense）在開發固態激光雷達。該公司在今年10月的C輪融資中籌資4330萬美元，投資者包括阿里巴巴旗下的物流部門菜鳥智能物流網絡以及上汽和北汽兩大汽車制造商，這是中國的激光雷達公司中金額最大的一輪融資。
此外，無人駕駛汽車的開發人員正嘗試結合雷達和激光雷達傳感器，以增強攝像頭的視覺感知功能。
3> V2X
除了無人駕駛技術中常用的攝像頭或激光雷達這一類視距傳感器外，許多汽車領域的初創公司和老牌車企正在致力于研發車輛到一切（Vehicle to Everything，V2X）技術。
這種技術可讓車輛與周圍環境中一切可能與其發生關聯的事物進行無線通信，包括與周圍車輛通信的V2V技術，與信號燈等道路基礎設施通信的V2I技術，還有可以與行人的智能手機間通信的V2P技術等，讓汽車能與環境進行前所未有的信息交流。
相比攝像頭和激光雷達，V2X通信覆蓋范圍更大，有助于克服激光雷達、雷達和攝像頭等視距傳感器的局限性。它具有突破視覺死角和跨越遮擋物的信息獲取能力，可以檢測道路危險、交通擁堵以及車輛視野之外的前方盲點。
V2X傳感器同時可以和其他車輛及設施共享實時駕駛狀態信息，還可以通過研判算法產生預測信息。另外，V2X是唯一不受天氣狀況影響的車用傳感技術，即使在雨天、霧天和強光等特殊環境下，也不會影響V2X的傳感器正常工作。
不過，該技術仍處于早期階段。
總部位于以色列的初創公司Autotalks正與現代公司合作以擴展其V2X傳感器技術。該初創公司已獲得現代和二級供應商三星的資助。
駕駛員數據和模擬
來自道路測試和模擬的駕駛員數據對于開發無人駕駛技術十分重要，因為它們可以用來訓練和改進無人駕駛技術的算法。
美國蘭德公司研究表明，要測試無人駕駛的安全性是否達到可以接受的程度，需要上萬英里甚至數十億英里的實驗里程作證明。
這么遠的路程需要無人駕駛汽車的開發商花好多年從測試車隊收集數據，正如蘭德公司研究報告表示，“即使作最合理的打算，現有的無人駕駛車也需要幾十年甚至數百年的時間才能完成預定的里程測試。而如果將測試放在現實道路上，則會是一個不可能完成的任務。”
因此，無人駕駛開發商通過模擬來累積額外的路程。
有一些公司致力于對駕駛環境的仿真模擬，以此為無人駕駛實驗和測試其駕駛模式提供可能性。
不過，問題在于在重現現實場景包括各種各樣的應用場景，包括交通、司機行為、天氣以及道路環境等，這并不容易。
有一種方式是通過AI生成數據集來訓練無人駕駛。這種方式令無人駕駛技術在應對危險的、不太頻繁的情況時十分有效，比如眩目的太陽光或行人從停泊的汽車后面突然躥出來。
一些公司便是致力于這一方面。比如，總部位于以色列的初創公司Cognata開發了一個3D模擬平臺，提供各種無人駕駛測試場景。該公司在今年10月的B輪融資中從包括空中客車和Maniv Mobility在內的投資者處籌資1850萬美元。
另外，在模擬這一領域，英偉達是處于前沿的大公司之一。今年5月，它推出了針對無人駕駛汽車測試的仿真系統DRIVE Constellation。它能夠依靠英偉達的圖像處理器（GPU）強大的性能創造出一個完全虛擬化的世界，并24小時不間斷地對無人駕駛系統的算法進行模擬測試，并生成傳感器數據流處理模擬數據。
今年9月，英偉達向合作伙伴網絡開放了其模擬平臺，合作伙伴包括Cognata和Parallel Domain等初創公司以及知名的科技公司西門子。
與收集駕駛員數據有關的另一個挑戰是識別道路物體并標注其圖像數據，以便無人駕駛汽車識別和分類物體。
道路物體包括周邊的街景數據，比如十字路口、高架橋、隧道、城市道路、行人、車輛、紅綠燈、指示標志、禁止標志等。
在這一領域，專注于數據管理、注釋和驗證工具的初創公司MightyAI在與構建計算機視覺模型的公司合作，幫助標記用于訓練系統的數據。
該公司用于解讀收集而來的數據的其中一種技術是語義分割（semantic segmentation），它按像素分割視頻圖像，以實現更細粒度的處理。
中國的科技巨頭百度也開發了自己的語義分割軟件ApolloScape，這一技術可實現多達26種分類的圖像注釋，包括汽車、行人、自行車、建筑物和路燈等，幫助無人駕駛汽車識別道路上的可行駛區域和前方的危險。ApolloScape在近日宣布開放了它的大規模無人駕駛數據集。
定位
無人駕駛對于定位的精度要求極高，這也是它執行所有駕駛策略和規劃路徑的依據。
許多無人駕駛汽車依靠GPS信號，但這種測量方法的誤差可能有一二米， 考慮到一條自行車車道平均才大約1.2米，這個誤差顯然太大了。
因此，無人駕駛汽車的開發商依賴一系列技術，將誤差減少到1米內。其中一個技術就是預構建地圖。
汽車在自行導航時，會將其傳感器感知到的周圍環境信息與存儲在內存中的地圖進行比較，得到車輛在地圖中的精確位置，幫助汽車預先感知路面復雜信息，如坡度、曲率、航向等，這是路徑規劃與決策的前提。
這種地圖是HD地圖，比導航軟件上的數字地圖要精確得多。HD地圖含有基于道路的信息，例如車道尺寸、人行橫道和道路標志等，并輔以從外部車輛傳感器收集而來的數據。
在這一領域，一些公司通過設計所需的硬件（即傳感器）和軟件，用來收集路面數據，然后轉換成這種HD地圖。
比如，DeepMap開發了地圖構建軟件，計劃授權其他汽車制造商和專注于無人駕駛汽車領域的科技公司使用。安德森霍洛維茨基金會和Accel Partners此前就投資了該公司，一級供應商博世在今年8月也成為了該公司的投資方。
Civil Maps也在開發用于全自動駕駛車輛的3D繪圖技術。該公司使用AI將原始傳感器數據轉換成有用的地圖信息。
也有一些公司自行構建HD地圖，目的是授權感興趣的有關方使用其數據。
HERE Maps和TomTom是構建HD地圖這一領域的兩大領軍公司。HERE Maps在2015年12月被德國汽車制造商聯盟（奧迪、寶馬和戴姆勒）收購。TomTom在今年1月與百度合作，中國一直是TomTom地圖覆蓋范圍的薄弱環節，此次合作彌補了TomTom的地圖缺口；而百度則利用TomTom的實時地圖平臺，改善高清地圖相關技術在中國的應用。
此外，科技巨頭谷歌在地圖領域也取得顯著進展。沃爾沃在今年10月宣布，將其地圖平臺由TomTom改為谷歌地圖。谷歌的無人駕駛部門Waymo也使用自家車輛在道路上收集的數據，自行構建高清地圖。
百度在為其無人駕駛汽車軟件平臺Apollo擴建HD地圖。該公司認為，有機會通過將地圖賣給汽車制造商來實現創收，創收途徑是收取服務費或者將費用納入車輛售價中。百度認為，其HD地圖業務最終有望超過該公司目前領跑中國市場的搜索業務。
還有哪些“小而精”的行業玩家？
除了上述提到的一些公司致力于開發無人駕駛所需的特定部件，也有一些公司致力于開發整套的無人駕駛系統，甚至開發整車。
1）哪些公司開發無人駕駛系統？
構建整套無人駕駛系統的公司大多提供包括計算機視覺和傳感器融合軟件的套件，以及無人駕駛所必需的其他硬件。這個領域的初創公司通常與汽車制造商合作以部署其技術。
比如說，Drive.ai利用其無人駕駛系統來開發改裝套件。該公司在得克薩斯州弗里斯科試行了幾個月的無人駕駛汽車服務后，在10月將服務擴大到了得克薩斯州阿靈頓。2017年9月，Drive.ai與Lyft合作，將配備前者系統的無人駕駛汽車引入到了Lyft的開源軟件平臺上。
中國也有幾家公司致力于無人駕駛系統開發。
比如，總部位于北京的Momenta在10月獲得了電動汽車制造商蔚來和中國科技巨頭騰訊注資的C輪融資。Momenta與蘇州政府合作，部署了大規模測試車隊，并在該市擴建智能交通系統。
另有小馬智行（Pony.ai）已與中國第二大汽車制造商廣汽集團合作，部署其整套無人駕駛汽車系統。9月，該公司在廣州啟動了無人駕駛車隊，在此之前三個月，該公司進行了A輪融資籌資了1.02億美元。
2）哪些公司開發無人駕駛整車？
除了上述初創公司專注于無人駕駛系統之外，也有幾家公司旨在從零開始打造新的無人駕駛汽車，比如，Zoox和Nuro。
Zoox的原型車與傳統汽車大不相同——它不包括方向盤或儀表板，內部有兩把相面對的長座椅。由于Zoox的原型車目前還不能合法上路，該公司首先用豐田漢蘭達SUV來測試其傳感器和軟件等技術。迄今為止，Zoox已籌資8億美元，包括7月B輪融資的5億美元，估值達32億美元。該公司計劃在2020年之前用其自主研發的純電動無人駕駛汽車提供打車服務。
Nuro則與諸多無人駕駛汽車創業公司不同，該公司的無人駕駛汽車旨在載貨而非載人，以打破困擾眾多零售商的“最后一英里”送貨瓶頸。Nuro認為，這些服務的自動化能夠幫助最后一英里快遞業務劇增，同時也會減少交通事故。
