滴滴在自動駕駛上劃下了一大塊地盤,能做好嗎?
滴滴又在自動駕駛上劃下了一大塊地盤。
繼在北京、上海、美國加州等地獲得路測資格之后,滴滴又“斬獲”了合肥市頒發的自動駕駛車輛測試牌照,這被認為是滴滴在自動駕駛領域攻城略地的又一次勝利。而與此同時,百度Apollo自動駕駛路測牌照總數已經超過150張,滴滴也算是離目標選手又近了一步。

但是冷靜下來想想,在傳統車企、新造車勢力、初創公司、科技公司紛紛入局的自動駕駛,滴滴真的能做好?以網約車業務為根本的滴滴又憑什么力戰四方?
自動駕駛需要什么?
首先來看看自動駕駛的本質,自動駕駛就是全部或部分替代這些本來由人來執行的功能,而自動駕駛想要落地,不僅需要硬件上的投入,還需要軟件上的投入,甚至于還涉及到工程領域和一些法律與倫理問題。
在硬件上,主要是涉及到車輛構造和智能零部件問題,這需要新能源汽車和智能汽車零部件一起努力,自動駕駛的重點還是在技術上,想要自動駕駛落地,技術上可是一點也不馬虎。大致可以分為環境感知、車輛控制技術,超高精地圖、(路人及車輛)行為預測、路線規劃與控制等等細分領域,需要人工智能、云、邊緣計算和物聯網等技術相互配合才可能完成。
國際自動機械工程師學會(SAE)的標準分為L0~L5共六個級別,以目前的技術發展水平來看,我們正處于坐2望3的階段。而只有 5 級才可以達到完全自動駕駛級別。雖然說現在很多車輛已經具備了自動駕駛功能,但這些并不是真正意義上的自動駕駛。
從2009年自動駕駛雛形出現,至今已過去11年。完全自動駕駛何時實現到現在仍然沒有定論,但是這個賽道上互聯網巨頭,初創企業,車企巨頭卻紛至沓來,那么滴滴在這當中有什么勝算呢?
滴滴在自動駕駛的投入和最終的目的
滴滴對于自動駕駛技術的投入有目共睹。
自2016年合并了快的與Uber中國區業務后,滴滴便成立了自動駕駛研究院,在高精地圖、感知、行為預測、規劃與控制等領域建立細分團隊。隨后滴滴將觸角伸入美國硅谷,潛心鉆研自動駕駛和大數據技術,并開始了人才挖角大戰。
經過四年發展,目前,滴滴在自動駕駛使用的車輛是沃爾沃的XC60車型,成本價在30萬元以上。除車輛成本外,還搭載了近20個傳感器,其中包括1個Velodyne 64線激光雷達、2個Velodyne 16線激光雷達、7個攝像頭以及毫米波雷達和超聲波雷達等。
這些設備的價值甚至超過了汽車本身。粗略計算,平均每輛車的成本在100萬左右。滴滴目前的商業模式是共享網約車,也并沒有真正實現盈利,能夠花費如此多的資金投入自動駕駛到底圖什么?

在被問到為何要投入自動駕駛時,滴滴CEO程維總說是為了長期效益,但長期效益到底是什么?目前我們能夠想象的是,自動駕駛技術能打破原有的雙邊網絡效應,極大地強化滴滴的規模化壁壘,解除人為安全問題和降低司機成本。
但這個成本遠遠抵不過自動駕駛的投入。 據媒體報道,現如今滴滴的自動駕駛團隊人數超過200人,每年的人力成本支出都在億元以上,更不要說技術相關投入了。
如果說,是為了狙擊百度,高德自動駕駛技術成熟后反向入侵網約車業務,這也未免太遙遠了。要讓滴滴為自身的網約車業務提供更加有力的支持,能做的事情有很多,不必要全心押注自動駕駛賽道。
還有人說,滴滴在駕駛上面的投入是為了其未來能在無人的士業務上占據先機。筆者認為這是沒有依據的,如果技術當真發展到那個階段,相必道路規劃也是很精確的了,很多交通問題都會迎刃而解,那時候,當道路不再擁擠,技術足夠發達,生產力足夠高,人類真的還需要網約車嗎?
請輸入評論內容...
請輸入評論/評論長度6~500個字
圖片新聞
最新活動更多
-
精彩回顧立即查看>> 【線下會議】恩智浦創新技術峰會·深圳
-
精彩回顧立即查看>> 【在線直播】可視化神器!VisionSym 賦能汽車光學原型開發
-
精彩回顧立即查看>> 12月16-17日 AMD 嵌入式峰會
-
精彩回顧立即查看>> 恩智浦創新技術峰會
-
精彩回顧立即查看>> 【工程師系列】汽車電子技術在線大會
-
精彩回顧立即查看>> Works With 開發者大會深圳站
推薦專題
- 1 2148萬樁蓄力突圍,政策組合拳如何撬動充電設施三年倍增?
- 2 “狼”又來了!FSD中國版上線前夜,小米華為誰該失眠?
- 3 2026年,各車企的自動駕駛方案到了什么階段(一)?
- 4 2026年,各車企的自動駕駛方案到了什么階段(二)?
- 5 特斯拉CEO馬斯克又放狠話:2026年無人車開遍全美,十年后自己開車成“小眾愛好”
- 6 25萬起!5月五款旗艦SUV哪款值得等
- 7 中美自動駕駛“雙人舞”:中國靠“基建狂魔”,美國賭“單車戰神”,誰將贏下未來?
- 8 雄安+58同城聯手押注,“全場景L4自動駕駛第一股”馭勢科技今天招股!市占率90.5%的隱形冠軍,憑什么穿越十年周期?
- 9 王耀:汽車智能化新趨勢:從單點突破到體系決勝 | 刊首語
- 10 物理AI浪潮下的汽車產業:從“看見世界”到“理解世界”


分享










