Uber 协助向电动车转型 被裁的前特斯拉超级充电站担任人加盟 (uber help)

据彭博社周二报道，依据一份外部备忘录，Uber 已延聘前特斯拉高管 Rebecca Tinucci 担任监视该乘车平台向电动汽车的转变。

Uber 方案到 2040 年成功其车队完全电气化，并承诺到 2025 年投资 8 亿美元（媒体备注：以后约 57.03 亿元人民币）以协助成功其目的。

备忘录显示，Tinucci 将于 9 月 16 日末尾担任 Uber 全球可继续展开主管，协助监视该公司向零排放平台的过渡。她将向 Uber 移动业务主管 Andrew Macdonald 汇报任务。

Tinucci还将担任监视可继续包装协作同伴相关，并协助消弭餐厅送货环节中不用要的塑料糜费。

Tinucci 过去 6 年里在特斯拉担任了多个指点职务，包括在过去两年担任超级充电站担任人，为特斯拉的充电基础设备部署作出了不小的奉献。但是往年 4 月，作为大规模本钱增添任务的一部分，她和大约 500 人团队被埃隆・马斯克解雇。

另据 electrek 征引信息人士称，马斯克曾要求 Tinucci解雇肯定比例的员工，作为特斯拉更普遍裁员的一部分。Tinucci容许了，但随后她又拒绝了马斯克关于进一步裁员的要求，由于她以为裁员将形成无法成功充电部署目的。

---

智能汽车哪家强？专家解读特斯拉被热捧的真相

[汽车之家行业]?在低迷的汽车市场环境下，以特斯拉为代表的智能汽车企业却出现逆势增长，市值一路飙升至车企榜首，惹起汽车圈、科技圈和广阔投资者的极大关注。特斯拉为什么能独树一帜一日千里？未来，智能汽车的中心价值和竞争力终究在哪？我国汽车产业应该如何树立面向未来的竞争力，还有哪些创业时机？

8月14日，中国电动汽车百人会《焦点观察室》第2期上线，围绕“智能汽车的中心价值与竞争力”话题，清华大学苏州汽车研讨院智能网联中心主任戴一凡、博世中国执行副总裁徐大全、广汽新动力技术中心主任许俊海、腾讯车联产品副总经理邢辉、辰韬资本执行总经理贺雄松、汽车之心内容总监吴德新等嘉宾展开了讨论。

话题1）特斯拉逆势热销和估值暴跌的推进力：创新定义、智能化、动力与出行的大规划、品牌力、时期壁垒。

戴一凡：电动车只是一个载体，特斯拉卖得好或许估值高的很大要素还是在智能化、网联化、智能驾驶性能，技术路途比拟大胆保守。 很多东西供应商体系跟不上特斯拉的脚步，它就自己做芯片、做算法、做很多东西。 再加上自身品牌的价值，不光体如今汽车范围，还有马斯克团体还有火箭等其它的范围，综合来说品牌价值打造得十分高。 以上几点形成特斯拉如今被大家热捧的特别现象。

徐大全：只是造车卖车这部分的估值不应该超越群众700亿美元。 另外2000亿来自什么中央？创新以及品牌效应和给整个业界带来的冲撞，这个价值1000亿。 另外1000亿，来自ElonMusk这团体的附加价值。

特斯拉确实有其独到的中央，一是开创了电动车新纪元，中国成立这么多新造车权利，有特斯拉的影响在。 二是创新思想，引入新技术时，想法及公司外部流程完全不同于传统主机厂。 三是软件定义汽车，特斯拉也是这个范围的先驱。 四是马斯克的团体魅力，关于未来坚决的投入，给投资者带来很大的决计。

许俊海：股市是看未来的，特斯拉不只在做电动车，还做储能。 他的目的不是卖多少万辆车，其真实下一盘更大的棋，目的是推翻整个动力行业。 除此之外，他还做智能驾驶，在未来出行启动了规划。 从动力和出行两方面来说，不美观出为什么股市热捧它，未来开展有很大的潜力。

邢辉：特斯拉对用户的品牌认知、科技产品应该具有什么样产品力的认知，曾经发生了很强影响。 这种状况下传统车企再怎样减速改造，至少它在品牌上会让用户发生固有印象。 特斯拉对未来的产品走向和用户购置力的判别是十分强的，销量是水到渠成的事情。

贺雄松：从更高维度来看特斯拉的估值，中心是路途的胜利，其市值走高意味着大家对电动车越来越认可。 特斯拉是电动车行业做得最早最坚决，目前最成功的一家公司，中心的三电系统、智能驾驶系统的供应链和技术储藏上曾经积聚了较大优势。 这些传统车企要做也可以，但是要花时期，这是特斯拉的壁垒。

话题2）传统车企在智能化转型环节中面临众多应战

徐大全：传统企业经过上百年的锻炼，在造车的细节、流程、质量管控、安保等方面有着他们固有的专长，这既是优势，同时也是弱点。 这个弱点关键表如今当一个新技术来暂时，如何很快地投放到市场，传统汽车外部的体制、决断流程、新车开发流程等等都发生了制约。

谈特斯拉避不开他们对商业形式的革新。 超级工厂运营形式、建充电桩提供充电服务、直营店、网上启动营销，这关于传统主机厂来说是必要求改换理念同时追逐的中央。

还有数据，特斯拉从ModelS投放市场以来，搜集一切的车载数据，剖析用户的经常使用习气。 传统的主机厂不擅善于做这些事情，如今情势所迫不得不做。 从传统主机厂包括Tier1传统消费制造的企业角度来说，引进新的思想，改动公司外部固有的传统决策，以及质量、技术、投放的流程，变得十分十分关键。

今天大家都在追逐特斯拉，但是单从技术角度来说，传统汽车厂从技术上追上特斯拉甚至超越特斯拉是或许的。

许俊海：其实特斯拉是开创了EV+ICV的先河。 传统车企比如群众、丰田觉得特斯拉比它们抢先的方面更多是在以下几方面，一个是电子、电气架构。 传统车企用的还是散布式架构，软件要更新迭代变得十分困难。 特斯拉树立新的架构，对前面的软件定义汽车十分有利。

但特斯拉目前的架构也不是最理想的终极架构，最终极架构应该是中央计算+区域控制。 特斯拉目前介于域控制和中央计算之间的形态，大家都没有到达终极架构，处在同一同跑线。

另外一方面，不论是智能驾驶还是网联，必需构成数据的闭环才干不时更新迭代。 特斯拉在智能驾驶这块十分强，曾经构成数据闭环。 但它在网联以及智能座舱这块并不是很抢先，中国车企可以很快逾越。

邢辉：特斯拉在电动智能化路途上走得靠前点，在于它对自己想要什么，每个阶段以后有什么资源，能够做什么重点比拟明晰。 没有相对的壁垒，只要时期壁垒，今天还是十分看好国际车企在这方面的潜力。

贺雄松：电动汽车是一个新的产品体系，对人才、组织架构、供应链的要求都不一样，并且要求在企业基因上启动深层次的改造。 传统车企过去成功的优势成为了阻力，要跳出来十分难。

传统车企想要有所打破，外部协作和投资创业团队或许是很好的方式。 中国的创业公司十分有生机，投资机构也很情愿投资电动化和智能驾驶，其中一定会出来十分优秀的创业公司和团队。 传统车企假设能够对接好外部的团队启动研发和创新，或许比自己做效率更高，并且更灵敏。

话题3）汽车供应链价值链的转移

徐大全：分两个层面，一方面私家车要愈加吸引客户，引入新的IT互联技术、更好的文娱系统、实时的缺点诊断系统、驾驶员辅佐系统等，来参与客户的体验。

另外一个层面，假设出行服务是未来的趋向，很或许有一到两家出行服务商将变成生态链的顶端，比如滴滴、Uber、Lyft。 格式会出现很大的变化，也许不再要求那么多打造不同车的主机厂。

许俊海：原来跟供应商只是一锤子买卖，只要下个车型才会思索怎样去做新的变化，如今会跟供应商启动不时的迭代和更新。

从定价形式来看，虽然厂家投入了更多研发、软配件的本钱，但是可以经过不时更新的方式，向消费者收取服务费用。 关键是车企能够提供超出预期的服务体验。

话题4）中国汽车产业树立智能汽车中心才干的关键：组织改造、人才引进、创新定义

徐大全：传统企业必要求调整战略，博世几年前就在思索怎样做，成立了智能网联事业部，把汽车和网联集中到一块打破。 明年1月1号末尾，博世还会成立一个新的事业部，把把动力控制域、车身控制域、智能驾驶域、智能座舱域，集成到一个事业部。 这个团队有人，一年投入30亿欧元（250亿左右人民币），将破费庞大的精神来开发和定义未来汽车软件。

经过业务单元的变卦来应对新技术和未来的变化，同时要增添公司外部冗长的决策流程，引入IT行业的人才，扩展协作，投资新的创新公司。 还要思索到未来服务于谁，过去博世关键服务于传统主机厂，未来定义了很多新的客户。

由配件转向软件的最大应战，还是思想的转变。 我们要引进人才，这些人才很多来自于IT行业，原来的薪资福利能不能吸引并留下他们，这也是一个庞大的应战。

许俊海：在组织上要做体制机制的创新，要做智能化单靠车企自身是不够的，可以经过产业联盟的方式去做。 在人才这块，更要求的是复合型人才，既懂软件又懂汽车未来的方向。

更关键的是，企业从创新角度重新去审视将到来底要做什么样的车。 如今缺少定义未来汽车的产品经理，由于没有可对标的中央，要靠自己去想，战略比技术更关键。

话题7）开放将成为汽车软件开展关键趋向

许俊海：关于特斯拉软件开放，或许是两个方面的思索，一方面面向未来L4级智能驾驶，软件一定往开放的方向去开展，智能驾驶和网联都要求更多的数据介入出去构成数据闭环。 特斯拉把软件开源应该也是基于失掉更少数据，更快迭代而思索。

另一方面，智能驾驶的车相当于一个机器人，很多国度都会由于安保的理由来对国外品牌的智能驾驶车辆做限制。 特斯拉是不是想经过这个方式来表现它自己是安保的、有害的，它可以由国度来监控的，或许是这两方面的思索。

广汽曾经开放ADiGO平台，包括配件和软件，未来做L4智能驾驶，做未来的ICV时也是会往开放的方向去开展。

『广汽ADiGO（智驾互联）生态系统』

话题6）国际落地智能网联智能驾驶缺少在基础层

戴一凡：总体来看，越往智能汽车的基础层走越缺少，越往运行层走开展得越好。 一些触及到智能网联汽车基础的产品芯片、电子器件，底层软件、传感器往往被大家无视。

优势则在于通讯和网联，推进车路协同、网联化，有国度政策的鼎力支持。 还有矿山、港口、清扫车、物流车、智能驾驶小巴等多个运行场景落地，国际少量的测试示范基地树立起来推进这些运行往前开展。

话题7）智能驾驶和车联网范围仍有众多创业时机

贺雄松：时期节点十分关键，无人驾驶出租车真正落地还要求比拟长的时期，但是特定场景的L4公司在两到三年内大约率会成功落地，这是十分好的时机，支出和利润的拐点很快就要到来。

徐大全：如今还处于战国时代，没有人真正一家独大完全胜出。 这种状况下创业时机十分多。 博世比拟关注氢燃料电池，这外面分电堆、系统集成、中心零部件，智能驾驶有激光雷达技术、传感器的感知融合、图象处置技术、基于AI的决策控制、车的准确定位、车路协同V2X技术、路边单元等，有很多时机可以思索。 （编辑/汽车之家杜俊仪）

亚马逊子公司推出无人驾驶电动车目前在哪几个城市测试？

亚马逊子公司Zoox推出的无人驾驶电动车是专为城市环境下的叫车而设计的。 Zoox表示，目前正在三个城市启动测试——内华达州的拉斯维加斯、加州福斯特城、旧金山。

周一，Zoox推出了一款专为叫车服务设计的无人驾驶电动汽车。 与普通汽车不同的是，这款无人车没有方向盘，没有驾驶座，乘客面对面，它最多可容纳四名乘客。

有别于Alphabet的Waymo、通用汽车的Cruise、Uber和特斯拉等竞争对手，Zoox的无人车可双向驾驶才干，四轮转向，无需在紧凑的空间中倒车和导航就可以改动方向。

扩展资料

Zoox无人驾驶电动车的外观：

Zoox公司推出的这款无人驾驶电动车，外观方面有很多亮点，甚至说是夸张。 这款车的外观设计与经常出现的汽车不同，车体比拟方正，觉得并没有传统汽车的车头部分。

除了车身就是轮子，而且轮子的位置十分靠前，也很清楚。 另外，这款无人驾驶电动汽车的视窗面积十分大，简直掩盖了车辆正面的全部空间。

同时，该车还装备了两个133千瓦时的电池组，每排座位下都有一组。 此外，摄像头、激光雷达和雷达系统从该车的四个角提供了270度的视野，基本消弭了盲点。

目前国际无人驾驶到达什么水准？美国究竟抢先中国多少？

上方就让小编来为大家解说一下目前国际无人驾驶到达什么水准？美国究竟抢先中国多少？希望能协助到大家。 如今许多车上曾经装备了所谓的半智能驾驶技术，那我们离真正的无人驾驶还有多远距离？美国曾经逐渐将区域化试运转无人驾驶，似乎美国无论在技术还是政策方面都曾经走在这个范围的前面，和美国之间的差异和差距又是什么？1、我以为，智能驾驶是早晚的事，如今看来，智能驾驶的普及速度比预想的还要快。 智能驾驶一旦大规模普及，很多性能将会成为理想，比如：车辆可以像动车一样编组运转以成功同步高速度的交通，车与车之间的通讯和交互可以成功高效的通行效率和极低的事故率，甚至不要求红绿灯及各种复杂的交通标志标线系统，总体的交通效率和安保性将大大提高，是反派性的。 用不了多久，就会有人说：“开车这么风险的事情，以前居然让人去做，这简直太吓人了，无法想象。 ”，当然“女司机”这个说法或许也要分开历史舞台了。 很多好友担忧交通基础设备以及法律责任等疑问，我觉得这点不用太担忧，智能驾驶普及的环节，也是相关的交通技术设备和法律不时完善的环节。 今天关键剖析一下智能驾驶的技术层面，其他相关的路途设备及法律责任等疑问在这里不讨论了。 首先简易说一下智能驾驶的原理。 一切的控制系统都是由传感器、控制器和执行器组成的，从这个角度上讲，智能驾驶原理其实和人工驾驶是一样的，我们用眼睛观察路况，而智能驾驶则是经常使用激光雷达、超声波雷达、摄像头、GPS等传感器来观察路况确定位置。 我们用大脑做判别，智能驾驶当然就是用电脑作为控制器来判别。 然后我们经过手脚控制车辆方向盘、减速和刹车，智能驾驶也是依据电脑的输入直接去控制车辆。 看上去很简易，但是要深化剖析的话，特别是汽车这么风险的东西，要想保证智能驾驶的牢靠性的话，其实十分复杂。 ?传感器方面，激光雷达和超声波雷达当然都是用来测距的，理想形态下车辆可以探测到周围一切的阻碍物并算出这些阻碍物的距离，但是实践上，这些阻碍物很或许会被误判，比如风中飞舞的塑料袋会被判别为阻碍物，甚至雨滴有或许被以为是阻碍物。 摄像头更不用说了，单目或多目摄像头应用计算机视觉让智能驾驶汽车实时识别交通讯号灯、交通标志、车道线、近距离低速阻碍物等，同时加上与路途基础设备以及云端数据库的通讯，成功诸多性能。 但是，往年特斯拉智能驾驶出现的死亡事故很大水平上与摄像头有相关。 在逆光和大光比的状况下，摄像头的分辨才干就降低了，当然还有低照度状况，这个受限于以后的图像传感器技术，懂摄影的好友都会知道，机器视觉原本就是一个复杂的东西，同时摄像头有或许被灰尘、眩光等各种不利要素影响，一切从牢靠性上讲，依然存在很多疑问。 当然除了这些判别路况的传感器，汽车还有车速、减速度、转角度等各种传感器。 ?控制中心方面，接纳这么多传感器的信息，启动剖析处置，得出控制战略，下达控制指令，并且这个环节必需实时，所以控制中心必需具有高性能的实时运算才干。 就配件来说，智能驾驶的环节可容不得死机，所以普通配件都要用满足高牢靠性高性能的实时运算。 就软件来说，算法就太关键了，智能驾驶的软件算法必需成功途径规划、规避阻碍物、减速度控制、姿态控制等等多种性能，但是目前并没有哪种控制方式能成功完美的无人驾驶，很多时刻厂家都会采用多种方式共同处置，比如模糊控制配合遗传算法、深度学习等等。 作为也写了好多控制软件的答主来说，觉得这句话说的真是太对了：“99%的状况经常使用1%的代码就可以应付，而剩下的1%的状况要求用99%的代码去处置。 ”执行器方面，一旦失掉了控制指令，让汽车去执行，这一部分就目前来说还算是不错的，特别是电动车。 电动机极高的效率、优秀的调速性能、普遍的调速区间选择了电动车更容易成功智能驾驶，而普通汽车经过多年的开展，其发起机智能控制系统、智能变速箱、电子制动等系统的控制也已成熟，ESP、TCS、定速巡航、自顺应巡航等系统也曾经普遍经常使用，与智能控制系统对接并不费事。 上方说说我国的无人驾驶研讨状况和美国的研讨进度状况，然后看看差距。 国际国防科大早在1992年成功研制出中国第一辆真正意义上的无人驾驶汽车。 2007年，与一汽共同研发红旗无人驾驶车，该车关键经常使用CCD图像传感器和激光雷达作为传感器，成功了高速路的无人驾驶。 2011年国防科大自行研发的HQ3，成功了从长沙到武汉286公里的路试。 吉林大学研发了JLUIV-1型无人驾驶车，经常使用的是模糊控制加遗传算法修正的方式。 上海交大在2005年就与欧盟协作Cyber C3项目，研讨面向城市环境的区域交通智能车辆。 2012年，军事交通学院的“猛狮三号”，装备5个雷达，3个CCD图像传感器，1个GPS，以无人驾驶形态行驶114公里，最高时速105km/h。 2016年，北京理工大学设计了一款无人驾驶赛车，经常使用了双目摄像头用于行人侦测、避障这样的部分路途规划。 有意思的是，这车百公里减速仅3秒。 2013年，网络也末尾搞智能驾驶汽车，2015年12月初，网络无人驾驶汽车在北京启动全程智能驾驶测跑，成功屡次跟车减速、变道、超车、上下匝道、调头号复杂驾驶举措，成功了进入高速到驶出高速不同路途场景的切换，最高时速达100km/h。 下图就是网络的无人驾驶车。 往年9月1日，网络宣布其取得美国加州第15张无人驾驶测试牌照。 网络在无人驾驶方面投入可谓庞大，包括树立硅谷研发中心，结合福特公司投资激光雷达厂商Velodyne (为谷歌提供激光雷达)，早前网络还发布了其“三年商用”、“五年量产”的目的。 国际刚刚起步的无人驾驶技术研讨是成为很多高端人才的关注点，前面说的北理工搞无人驾驶车的担任人姜岩，和原Intel中国研讨院院长吴甘沙一同成立的驭势科技，就是一家专门从事智能驾驶研讨的公司，在双目视觉方面有着深沉的技术积聚，提供低本钱纯视觉的智能驾驶处置方案，在限制性环境的智能驾驶技术方面取得了相当的进度。 当然相似的小公司还有很多，从不同的层面对智能驾驶技术展开研讨。 以上经常使用的技术基本上都是以CCD图像传感器、雷达测距等技术，简易的高速路况下，简直都曾经可以成功不错的智能驾驶性能，但是城市路途路况，疑问还是十分多，毕竟总体来看，国际的智能驾驶依然处于起步阶段，还处于研发的原型验证阶段，与美国差距不小（不光智能驾驶，很多方面都是）。 网络在这方面算是国际的领头羊的，与NVIDIA协作，同时也和政府联手推进智能驾驶技术。 但是从路试距离过去说，网络相比谷歌也差得远。 相似驭势科技这种专业公司的出现，也为国际的智能驾驶研讨增添了一支微弱的力气。 美国当然最牛最有代表性的就是谷歌和特斯拉。 谷歌在软件方面不时就是全球最顶尖的，虽然微软和苹果或许表示不信服，但是我是这么以为的。 所以谷歌的弱小优势就是软件和算法。 上方就是谷歌的智能驾驶汽车。 谷歌的智能驾驶汽车具有GPS、摄像头、雷达和激光传感器，可以以一个360度的视角从周围环境中失掉信息，从2009年末尾，谷歌智能驾驶汽车在自主形式下曾经行驶了120多万英里，软件曾经知道了许多如何去应对不同状况的方法。 下图就是谷歌智能驾驶汽车眼中的全球。 ?从图中可以看出车身的各种传感器可以检测到最远达两个足球场那样范围内的物体，包括人员，车辆，修建区，鸟类，自行车等，这辆车可以看到其他的车辆，这些车辆在图里用紫色的图形来表示，骑自行车的人会用白色标出，左上角转角的中央会用橙色的圆锥来表示。 它甚至可以识别交警的手势，这是十分了不起的，也是谷歌弱小的软件算法才干的表现。 虽然谷歌的智能驾驶汽车可以依据搜集到的数据来预测很多事情，比国际的弱小许多倍，但是依然会出现以前历来没有出现过的状况。 有一次性，一辆测试中的智能驾驶汽车正行驶在山景城地带，出现了一个坐着电动轮椅的女人在路上转圈圈地追逐一只鸭子，但是这辆车却只能不时试探并且降速来规避这个女人。 ?特斯拉弱小在他人还在研讨实验的时刻，它曾经量产并大规模投入经常使用了。 ?作为纯电动，特斯拉在智能驾驶简易原本就具有优势，同时特斯拉又特别执着于智能驾驶技术。 目前跑在路上的特斯拉车型，成功 Autopilot 辅佐驾驶经常使用了围绕在车身周围的 12 个超声波传感器识别周围环境、一个前置摄像头区分前方物体、一个前置雷达也对前方物体启动识别，还有就是长时期路试积聚来的高精度卫星地图。 这样成功了下表中的“部分智能驾驶”性能。 ?而特斯拉在往年10月20日十分激动的宣布：从今天末尾，一切在工厂消费的特斯拉车型 -- 包括Model 3--- 将装备具有全智能驾驶性能的配件，相比人工驾驶，新配件将从基本上提高车辆行驶的安保性。 该系统将包括8个摄像头，掩盖360度可视范围，对周围环境的监控距离最远可达 250 米。 除此之外，车辆装备的12 个超声波传感器完善了视觉系统，探测和传感硬、软物体的距离接近上一代系统的两倍。 增强版前置雷达经过冗余波长提供周围更丰厚的数据，雷达波可以穿越大雨、雾、灰尘，甚至前方车辆。 为了更好的经常使用这些数据，车辆搭载了比上一代运算才干快40倍的处置器，运转特斯拉基于深度神经网络研发的视觉系统、声纳与雷达系统软件。 综上所述，该系统提供了一幅驾驶员用眼睛无法触及的全球影像，经过波段同步检测车辆周边每一个方向，这一切远远逾越了人类的感官。 特斯拉把传感器布满了全车。 8 个摄像头提供 360 度的视觉监控，最远能够监控 250 米范围内的物体，12 个超声波传感器掩盖的范围是之前 Autopilot 系统的两倍。 一个增强版雷达用来在雨雪大雾天气下探测前方车辆。 这些配件使特斯拉的智能驾驶可以到达“高度智能化”的水平。 另外，特斯拉路上跑的车型，都用自己的各种传感器为特斯拉的高精度卫星地图在做奉献，这一点是谷歌也比不上的，毕竟谷歌就那么几辆测试车跑来跑去，而特斯拉量产的车型都一定水平上是测试车。 目前特斯拉 Autopilot 辅佐驾驶的行驶里程曾经到达了 2.22 亿英里（约合 3.57 亿公里）。 所以总体来看，不论是谷歌还是特斯拉，其智能驾驶技术都要比国际先进，国际要追上，还要求时日。 有时刻，差距就是，看着很小，觉得一用力就可以追上，然后就用力，可刚要追上的时刻，目的也减速了，差距反而更大了。 2、我以为，智能驾驶是早晚的事，如今看来，智能驾驶的普及速度比预想的还要快。 智能驾驶一旦大规模普及，很多性能将会成为理想，比如：车辆可以像动车一样编组运转以成功同步高速度的交通，车与车之间的通讯和交互可以成功高效的通行效率和极低的事故率，甚至不要求红绿灯及各种复杂的交通标志标线系统，总体的交通效率和安保性将大大提高，是反派性的。 用不了多久，就会有人说：“开车这么风险的事情，以前居然让人去做，这简直太吓人了，无法想象。 ”，当然“女司机”这个说法或许也要分开历史舞台了。 很多好友担忧交通基础设备以及法律责任等疑问，我觉得这点不用太担忧，智能驾驶普及的环节，也是相关的交通技术设备和法律不时完善的环节。 今天关键剖析一下智能驾驶的技术层面，其他相关的路途设备及法律责任等疑问在这里不讨论了。 首先简易说一下智能驾驶的原理。 一切的控制系统都是由传感器、控制器和执行器组成的，从这个角度上讲，智能驾驶原理其实和人工驾驶是一样的，我们用眼睛观察路况，而智能驾驶则是经常使用激光雷达、超声波雷达、摄像头、GPS等传感器来观察路况确定位置。 我们用大脑做判别，智能驾驶当然就是用电脑作为控制器来判别。 然后我们经过手脚控制车辆方向盘、减速和刹车，智能驾驶也是依据电脑的输入直接去控制车辆。 看上去很简易，但是要深化剖析的话，特别是汽车这么风险的东西，要想保证智能驾驶的牢靠性的话，其实十分复杂。 ?传感器方面，激光雷达和超声波雷达当然都是用来测距的，理想形态下车辆可以探测到周围一切的阻碍物并算出这些阻碍物的距离，但是实践上，这些阻碍物很或许会被误判，比如风中飞舞的塑料袋会被判别为阻碍物，甚至雨滴有或许被以为是阻碍物。 摄像头更不用说了，单目或多目摄像头应用计算机视觉让智能驾驶汽车实时识别交通讯号灯、交通标志、车道线、近距离低速阻碍物等，同时加上与路途基础设备以及云端数据库的通讯，成功诸多性能。 但是，往年特斯拉智能驾驶出现的死亡事故很大水平上与摄像头有相关。 在逆光和大光比的状况下，摄像头的分辨才干就降低了，当然还有低照度状况，这个受限于以后的图像传感器技术，懂摄影的好友都会知道，机器视觉原本就是一个复杂的东西，同时摄像头有或许被灰尘、眩光等各种不利要素影响，一切从牢靠性上讲，依然存在很多疑问。 当然除了这些判别路况的传感器，汽车还有车速、减速度、转角度等各种传感器。 ?控制中心方面，接纳这么多传感器的信息，启动剖析处置，得出控制战略，下达控制指令，并且这个环节必需实时，所以控制中心必需具有高性能的实时运算才干。 就配件来说，智能驾驶的环节可容不得死机，所以普通配件都要用满足高牢靠性高性能的实时运算。 就软件来说，算法就太关键了，智能驾驶的软件算法必需成功途径规划、规避阻碍物、减速度控制、姿态控制等等多种性能，但是目前并没有哪种控制方式能成功完美的无人驾驶，很多时刻厂家都会采用多种方式共同处置，比如模糊控制配合遗传算法、深度学习等等。 作为也写了好多控制软件的答主来说，觉得这句话说的真是太对了：“99%的状况经常使用1%的代码就可以应付，而剩下的1%的状况要求用99%的代码去处置。 ”执行器方面，一旦失掉了控制指令，让汽车去执行，这一部分就目前来说还算是不错的，特别是电动车。 电动机极高的效率、优秀的调速性能、普遍的调速区间选择了电动车更容易成功智能驾驶，而普通汽车经过多年的开展，其发起机智能控制系统、智能变速箱、电子制动等系统的控制也已成熟，ESP、TCS、定速巡航、自顺应巡航等系统也曾经普遍经常使用，与智能控制系统对接并不费事。 3、一线奋战无人驾驶也有些年头了，切身的体会，几年前还会天马行空的畅想，这些年末尾严肃看待这个疑问。 这个疑问的回答有个基本思绪，必需从商业逻辑->研发战略->中心供应链->关键算法的顺序来讨论。 （作为一个程序员，算法还是最有意思，^_^）。 还是老规矩先说结论：少量中心供应链部件和算法很长一段时期还是国外抢先。 但无人车不是手机，不会是零部件的堆砌，必需会遭到国外交策，交通环境，生态体系的影响。 国际企业只需牢牢守住生态阵地，总有反超时机。 占坑第一，做强第二!一、商业逻辑首先是大家基本达成分歧的逻辑（国际外基本都在一个起跑线上）：共识一：电车通常这种疑问不该是疑问所谓的“电车难题”是伦理学范围最为知名的思想实验之一，其内容大致是：一个疯子把五个无辜的人绑在电车轨道上。 一辆失控的电车朝他们驶来，并且片刻后就要碾压到他们。 幸运的是，你可以拉一个拉杆，让电车开到另一条轨道上。 但是疑问在于，那个疯子在另一个电车轨道上也绑了一团体。 思索以下状况，你能否应拉杆？智能驾驶汽车也会遇到相似的伦理疑问，在危殆状况下，是保乘客弃行人还是保行人弃乘客？大家关于电车通常的共识就是那么几点智能驾驶汽车不应该堕入这种两难困境：设计这么多逻辑，装那么多传感器，甚至超出人类认知的V2X，地图，激光雷达，积聚大数据的驾驶阅历都是为了这些为难不出现。 车辆两难的天性反响必需是预先设定经过认可的：不能扫除这种两难状况的出现，但是基本的价值观必需预先设定，而设定价值观的可以是人，机器只用把环节启动完整的记载。 这个锅我背哈！真的出疑问了怎样办，很多企业曾经做了不错的表率（沃尔沃）。 共识二：增量式驾驶员辅佐系统不会退化成智能驾驶系统之前看到过这样的路途划分当今智能驾驶行业最大的激辩就是究竟要走特斯拉路途，还是谷歌路途。 前者的处置方案是不时改良的增量系统，希冀有一天这套系统能直接驱动智能驾驶汽车。 谷歌则否认这条路途，以为我们该运行不同的技术。 我深感莫明其妙，特斯拉和谷歌我以为就是分歧的认知。 特斯拉递增的是软件版本，不是性能增量，而其搜集感知数据的商业形式，将是谷歌途径商业化的殊途同归。 实践上的区别是整车厂和科技公司的区别，之前某位国外知名主机厂高管曾说过，智能驾驶对他们来说就是分分钟的事情，由于在他看来纵向控制就是“ACC CC AEB”，集成现有成熟技术就可以了。 ACC/CC/AEB三者之间存在繁琐的IF-THEN切换规则，并且每一种战略都不契合人类驾驶的基本逻辑，理想交通的复杂性会直接造成这种战略的解体。 TRUST ME 整车厂也不会这么想了！基于人车路的概率散布，运转态势，行为意图基本上是一切企业主流的做法。 共识三：智能驾驶行市场庞大据美国市场统计：3 万亿英里的行驶里程x每英里 0.1 美元的本钱 = 每年 3000 亿美元的营收，在共享运输这样的背景下，相似Uber、Lyft 和滴滴这样的先行者，总计估值曾经高达 1100 亿美元，基本相当于美国汽车三巨头通用、福特和克莱斯勒的市值之和。 共识四：城市开展将会在远期支撑智能驾驶未来 20 年内少量的交通基础设备都将支持智能驾驶。 什么公用路途标识，V2X，5G,高精度地图，边缘计算设备等等等等。 也许如今的设备差了些，未来为了安保一定会改动。 共识五：谁强谁弱不关键，满足市场需求才是最关键的。 这是一个最关键的疑问，回答这个疑问我以为实践上是两种划分：1.一切权划分未来消费者究竟会将汽车看做是公家东西还是服务供应商，这关乎一个商业形式的疑问。 2. 经常使用空间划分是开放路途，半封锁路途，还是封锁路途（这种不应该算作智能驾驶范围），开放和半封锁路途的介入者有很大区别4、我以为，智能驾驶是早晚的事，如今看来，智能驾驶的普及速度比预想的还要快。 智能驾驶一旦大规模普及，很多性能将会成为理想，比如：车辆可以像动车一样编组运转以成功同步高速度的交通，车与车之间的通讯和交互可以成功高效的通行效率和极低的事故率，甚至不要求红绿灯及各种复杂的交通标志标线系统，总体的交通效率和安保性将大大提高，是反派性的。 用不了多久，就会有人说：开车这么风险的事情，以前居然让人去做，这简直太吓人了，无法想象。 ，当然女司机这个说法或许也要分开历史舞台了。 很多好友担忧交通基础设备以及法律责任等疑问，我觉得这点不用太担忧，智能驾驶普及的环节，也是相关的交通技术设备和法律不时完善的环节。 今天关键剖析一下智能驾驶的技术层面，其他相关的路途设备及法律责任等疑问在这里不讨论了。 首先简易说一下智能驾驶的原理。 一切的控制系统都是由传感器、控制器和执行器组成的，从这个角度上讲，智能驾驶原理其实和人工驾驶是一样的，我们用眼睛观察路况，而智能驾驶则是经常使用激光雷达、超声波雷达、摄像头、GPS等传感器来观察路况确定位置。 我们用大脑做判别，智能驾驶当然就是用电脑作为控制器来判别。 然后我们经过手脚控制车辆方向盘、减速和刹车，智能驾驶也是依据电脑的输入直接去控制车辆。 看上去很简易，但是要深化剖析的话，特别是汽车这么风险的东西，要想保证智能驾驶的牢靠性的话，其实十分复杂。 传感器方面，激光雷达和超声波雷达当然都是用来测距的，理想形态下车辆可以探测到周围一切的阻碍物并算出这些阻碍物的距离，但是实践上，这些阻碍物很或许会被误判，比如风中飞舞的塑料袋会被判别为阻碍物，甚至雨滴有或许被以为是阻碍物。 摄像头更不用说了，单目或多目摄像头应用计算机视觉让智能驾驶汽车实时识别交通讯号灯、交通标志、车道线、近距离低速阻碍物等，同时加上与路途基础设备以及云端数据库的通讯，成功诸多性能。 但是，往年特斯拉智能驾驶出现的死亡事故很大水平上与摄像头有相关。 在逆光和大光比的状况下，摄像头的分辨才干就降低了，当然还有低照度状况，这个受限于以后的图像传感器技术，懂摄影的好友都会知道，机器视觉原本就是一个复杂的东西，同时摄像头有或许被灰尘、眩光等各种不利要素影响，一切从牢靠性上讲，依然存在很多疑问。 当然除了这些判别路况的传感器，汽车还有车速、减速度、转角度等各种传感器。 控制中心方面，接纳这么多传感器的信息，启动剖析处置，得出控制战略，下达控制指令，并且这个环节必需实时，所以控制中心必需具有高性能的实时运算才干。 就配件来说，智能驾驶的环节可容不得死机，所以普通配件都要用满足高牢靠性高性能的实时运算。 就软件来说，算法就太关键了，智能驾驶的软件算法必需成功途径规划、规避阻碍物、减速度控制、姿态控制等等多种性能，但是目前并没有哪种控制方式能成功完美的无人驾驶，很多时刻厂家都会采用多种方式共同处置，比如模糊控制配合遗传算法、深度学习等等。 作为也写了好多控制软件的答主来说，觉得这句话说的真是太对了：99%的状况经常使用1%的代码就可以应付，而剩下的1%的状况要求用99%的代码去处置。 执行器方面，一旦失掉了控制指令，让汽车去执行，这一部分就目前来说还算是不错的，特别是电动车。 电动机极高的效率、优秀的调速性能、普遍的调速区间选择了电动车更容易成功智能驾驶，而普通汽车经过多年的开展，其发起机智能控制系统、智能变速箱、电子制动等系统的控制也已成熟，ESP、TCS、定速巡航、自顺应巡航等系统也曾经普遍经常使用，与智能控制系统对接并不费事。 5、估量2020年投入经常使用。 就是数量，美军战役机退役架次在6000架，中国在1500架左右，美国在20年前就曾经有了。 航空科技也是如此。 在科技上，不好权衡。 比如航天科技，我们方案2025年左右登月，美国在50年前就曾经登月了。 我们正要做空间站。 比如航母，我们1艘，美国装备的是第四代战役机，我们和他们不是一个时代的武器，差距也较大。 这还是数量，技术水平相当于美国50年代水平在经济总量上