前天和一位朋友聊天，本來說自動駕駛的，自然就聊起了去年一年的創(chuàng)業(yè)經(jīng)歷，當(dāng)時思路非常亂，加上心里很緊張，所以語無倫次說了很多，聽上去只覺得：我這人咋這么糾結(jié)。

也許是朋友看出來了，所以給我出了這道題，他說：既然你最近在關(guān)注無人駕駛，那么在無人駕駛整個產(chǎn)業(yè)鏈里，你分析一下有哪些點(diǎn)是適合初創(chuàng)公司做的，我說的初創(chuàng)團(tuán)隊不是那種天使輪就融資上億的，而是start-up。

經(jīng)過一周和各個無人駕駛的公司聊，收集各個渠道的資料給。發(fā)現(xiàn)這個行業(yè)真不適合初創(chuàng)團(tuán)隊做。

首先說結(jié)論，自動駕駛初創(chuàng)團(tuán)隊的機(jī)會主要有三個：

1、降成本的激光雷達(dá)方案，優(yōu)秀的團(tuán)隊是一個由芯片設(shè)計和激光研究的人才組成的，方向是固態(tài)激光雷達(dá)芯片，這塊風(fēng)險和不確定性特別大；

2、基于攝像頭和激光雷達(dá)對無人駕駛的環(huán)境感知，優(yōu)秀的團(tuán)隊是一個由計算機(jī)視覺組成的團(tuán)隊，其中這塊較好的切入點(diǎn)是同時做攝像頭和激光雷達(dá)的環(huán)境感知（因為做攝像頭的實在是太多了，單做圖像識別競爭力太弱）；

3、搭建一臺可以實現(xiàn)level 2和level 3中部分功能的無人駕駛車，尋找買家收購。

14年和15年的時候，無人駕駛的新聞基本還是Google、Uber大公司的頭條，比如這個谷歌小饅頭。
它連方向盤都沒有，只有剎車和油門踏板，是直接跳過自動駕駛階段，開始無人駕駛。這個車是在14年10月份的時候公布的，我也是那時候在各大新聞渠道上看到無人駕駛的消息。
到今年，無人駕駛行業(yè)已經(jīng)全是初創(chuàng)公司的新聞，似乎在這一個這么重的行業(yè)里，確實存在著初創(chuàng)公司的機(jī)會，所以利用每天工作之余的時間，我整理了一份無人駕駛行業(yè)的梳理，然后找了幾個產(chǎn)業(yè)鏈內(nèi)我覺得初創(chuàng)團(tuán)隊存在的機(jī)會。
無人駕駛翻譯叫Self Driving，同時還有另一種叫法，叫做自動駕駛（Autonomous Driving），一般人總是會把這兩件事情弄混，但實際上是有區(qū)別的，無人駕駛=level 5的自動駕駛。而自動駕駛分為5個等級，分別從level1~level5。每個等級對應(yīng)的自動化程度不同，數(shù)字越高，自動化程度越高。
自動駕駛的級別有兩種標(biāo)準(zhǔn)，SAE（美國汽車工程師協(xié)會）和NHTSA（美國高速公路安全管理局）兩個標(biāo)準(zhǔn)，SAE的level5=無人駕駛。SAE的定義看上去非常難懂，簡單的來講就是L0就是駕駛過程中提醒（基本現(xiàn)在所有的車都有），L1-L2就是輔助駕駛，但是還是人來操作為主（tesla的auto pilot就是這樣）。L3-L5就是汽車自動駕駛為主，人操作為輔（Google Self-driving就是這樣）。所以其實tesla的根本還達(dá)不到自動駕駛的級別，只是部分自動化的輔助駕駛，出事情是必然的。
自動駕駛這一條產(chǎn)業(yè)鏈的結(jié)構(gòu)相對清晰，和掃地機(jī)器人、倉庫機(jī)器人都有很大的類似性，而且省去了汽車開發(fā)的部分，是一個供應(yīng)商產(chǎn)業(yè)結(jié)構(gòu)。因為產(chǎn)業(yè)還沒有真正的發(fā)展起來，市面上也沒有一臺真正意義上的無人駕駛汽車銷售，所以基于無人駕駛所產(chǎn)生的后續(xù)商業(yè)價值和創(chuàng)業(yè)機(jī)會還沒有產(chǎn)生。說白了就是：假如現(xiàn)在有人在做基于無人駕駛的同城快遞、出行、O2O服務(wù)，做得太早了肯定會死。全面的無人駕駛將和移動互聯(lián)網(wǎng)一樣，會成為一種基礎(chǔ)設(shè)施，在提升效率的基礎(chǔ)上很多商業(yè)模式會洗牌。但這一業(yè)態(tài)到來的前提是，市場占有率超過10%的車是無人駕駛汽車。
所以這個階段，初創(chuàng)公司的重點(diǎn)會放在基礎(chǔ)設(shè)施的建設(shè)上。參考移動互聯(lián)網(wǎng)時代的智能手機(jī)產(chǎn)業(yè)，創(chuàng)業(yè)順序依次是提供核心硬件Suppllier——提供解決方案ODM——提供整機(jī)OEM?，F(xiàn)在的階段是核心供應(yīng)商在不斷地成熟，機(jī)會在更好（低成本、高效率、高精度）的硬件供應(yīng)商和軟件方案商。

最有名的案例就是硅谷黑客George Hotz，他之前破解了iphone和PS3，然后一個人在車庫里用一輛謳歌轎車做了自動駕駛的原型車。這里攝像頭、激光雷達(dá)的傳感器都是用的市面上現(xiàn)成的，破解汽車總線的協(xié)議實現(xiàn)控制。其主要工作在于計算機(jī)視覺、3D場景構(gòu)建、決策模型上。

激光雷達(dá)領(lǐng)域也有創(chuàng)業(yè)公司的機(jī)會，這個行業(yè)，現(xiàn)在是Velodyne、Quanergy、Ibeo三家最大，其中Quanergy是初創(chuàng)公司，2012年成立?，F(xiàn)在這三家里產(chǎn)品性能較弱的是Ibeo，最貴的是Velodyne，也是行業(yè)標(biāo)高性能最強(qiáng)大，Quanergy在超越Velodyne的過程中，潛力巨大。個人認(rèn)為激光雷達(dá)現(xiàn)在去做已經(jīng)晚了，國內(nèi)和國外現(xiàn)在跟進(jìn)的初創(chuàng)企業(yè)也不少，但難度也很大。激光雷達(dá)的趨勢一定芯片級的，而這個行業(yè)更像是個贏家通吃的行業(yè)，最終拼的很可能就是幾美金的差距，晚了三年進(jìn)入，壓力會很大，如果沒有一個非常強(qiáng)的團(tuán)隊，且每一步都走對，基本沒有贏的可能性。

一句話就是：不確定性太強(qiáng)。

這是Quanergy激光雷達(dá)掃描得到的點(diǎn)云，可以看到，8線程的激光雷達(dá)，在垂直方向上的數(shù)據(jù)量還是不夠的。需要更多的線程，更大的垂直方向視場角。

前不久拿到 9000 萬美元 B 輪融資的激光雷達(dá)初創(chuàng)公司 Quanergy Systems 在近日宣布，該公司已收購 Raytheon BBN Technologies 的 OTUS 人員跟蹤（OTUS People Tracker）軟件。其實這是一個很好的創(chuàng)業(yè)團(tuán)隊切入的思路，做激光雷達(dá)背后的環(huán)境感知軟件，將激光雷達(dá)、毫米波雷達(dá)、攝像頭捕捉到的物體進(jìn)行識別和認(rèn)知。因為這個軟件傳感器公司不會自己去做，所以傳感器得到的圖像也好，點(diǎn)云也好，進(jìn)行數(shù)據(jù)的學(xué)習(xí)和認(rèn)知是非常重要的。

這倒是初創(chuàng)團(tuán)隊機(jī)會之一，不做激光雷達(dá)，做激光雷達(dá)公司的軟件供應(yīng)商。

在環(huán)境感知里面，基于攝像頭、毫米波和激光雷達(dá)的環(huán)境感知，每一塊都有很高的軟件壁壘。這里的壁壘來自于三個部分，硬件超算平臺、大量的數(shù)據(jù)、以及人才（算法）。因為圖像識別的training的量要求很大，比如處理上億張圖片，才能達(dá)到99.9%的準(zhǔn)確率，所以一般用強(qiáng)大的幾百個GPU的陣列（超算平臺）搭載來做，光這一塊就要花費(fèi)巨大甚至上億，還要雇傭?qū)ｉT的超算平臺架構(gòu)師。對于初創(chuàng)公司來說，這是一塊很高的投入。大量的數(shù)據(jù)來訓(xùn)練硬件平臺，大量的數(shù)據(jù)來做訓(xùn)練也要花很多錢，最典型的就是地圖公司用攝像頭錄制的場景數(shù)據(jù)，這塊一般從四維圖新買，購買按照城市和時間來買。

圖為Cruise公司通過攝像頭和激光雷達(dá)做的環(huán)境感知方案。

最佳的感知傳感器配置必然是，激光雷達(dá) 毫米波雷達(dá) 攝像頭。三者各有優(yōu)劣，激光雷達(dá)有非常精準(zhǔn)的識別測距作用，特別適合3D掃描，可以作為3D掃描的主要傳感器，但是激光雷達(dá)在雨天霧天的識別效果會下降很多。毫米波雷達(dá)收到的來自天氣的影響很小，但是感知的精度比激光雷達(dá)差很多，可以輔助。攝像頭是識別圖像（交通燈、路標(biāo)、車道的），三者要綜合來使用。一般環(huán)境感知的結(jié)果是，攝像頭獲得周圍360°的圖像信息，同時通過激光雷達(dá)和毫米波雷達(dá)獲得深度信息，將圖像上的每一個像素標(biāo)出到車的距離。 從而建立出一個帶圖像信息的3D場景。給決策層，提供一個鳥瞰的環(huán)境。

其實很簡單，這三個機(jī)會的商業(yè)模式本質(zhì)是賣算法，賣法各有各的不同，可以使liscense可以是外包可以是整體解決方案，但歸根結(jié)底都是賣算法。所以這塊的稀缺資源是人。說實話，個人覺得很難出現(xiàn)贏家通吃，商務(wù)人才也會非常重要，進(jìn)入門檻很高，一個創(chuàng)業(yè)團(tuán)隊，想做自動駕駛的方案商，機(jī)會真的很小而且很難

為什么說自動駕駛的方案商機(jī)會很小呢？

自動駕駛領(lǐng)域的決策算法、機(jī)器學(xué)習(xí)訓(xùn)練，其實是不適合初創(chuàng)公司來做。因為一旦要涉及的自動駕駛的決策層，就會出現(xiàn)一個安全與責(zé)任的問題。這里面有一個矛盾，但是一旦要做決策，那么所有產(chǎn)生的安全問題全部由決策提供方負(fù)責(zé)，換言之沒有哪家自動駕駛的公司敢承諾，自己的決策100%正確，這個責(zé)任誰都不敢擔(dān)當(dāng)。如果不做決策，那么也就無法提供自動駕駛的方案。

所以在決策這塊，一般都是汽車公司自己來做，或者像谷歌、百度這樣擁有高精度地圖數(shù)據(jù)、海量場景數(shù)據(jù)的公司敢承擔(dān)責(zé)任。對于初創(chuàng)公司，這塊的商業(yè)模式很難走得通。因為你給客戶提供決策方案，你又負(fù)不起責(zé)任，就沒有生意可做。當(dāng)然商業(yè)是多樣性的，如果你的團(tuán)隊被客戶整體收購了，那就成了另外一回事。

這家叫otto的公司，今年8月被Uber收購。

這種創(chuàng)業(yè)模式在硅谷廣泛存在，純做技術(shù)的自動駕駛初創(chuàng)團(tuán)隊，通過被收購?fù)瓿赏顺?。早期團(tuán)隊，通過搭出來一臺自動駕駛的樣車測試，被傳統(tǒng)的汽車企業(yè)或者相關(guān)產(chǎn)業(yè)鏈的大公司進(jìn)行投資或收購。這樣的方式是合理的，因為在做駕駛決策時，需要搭建比識別更加復(fù)雜強(qiáng)大的超算平臺，能夠依靠一個大的超算平臺來做事，才能用機(jī)器學(xué)習(xí)彌補(bǔ)“枚舉場景”之外的交通狀況（比如tesla撞槽罐車的案例），這比創(chuàng)業(yè)公司單打獨(dú)斗要靠譜太多了。

所以總結(jié)的話，自動駕駛初創(chuàng)團(tuán)隊的機(jī)會主要有三個：

1、降成本的激光雷達(dá)方案，適應(yīng)于一個由芯片設(shè)計和激光研究的團(tuán)隊，這塊風(fēng)險和不確定性特別大；

2、基于攝像頭和激光雷達(dá)對無人駕駛的環(huán)境感知，適應(yīng)于一個由計算機(jī)視覺組成的團(tuán)隊，其中這塊較好的切入點(diǎn)是做激光雷達(dá)的環(huán)境感知（因為做攝像頭的實在是太多了）；

3、搭建一臺可以實現(xiàn)level 2和level 3中部分功能的無人駕駛車，尋找買家收購。

以上是我和這個領(lǐng)域幾個不同階段的初創(chuàng)公司創(chuàng)始人聊完得出來的結(jié)論，不一定對。

所以總結(jié)的話，自動駕駛初創(chuàng)團(tuán)隊的機(jī)會主要有三個：

1、降成本的激光雷達(dá)方案，適應(yīng)于一個由芯片設(shè)計和激光研究的團(tuán)隊，這塊風(fēng)險和不確定性特別大；

2、基于攝像頭和激光雷達(dá)對無人駕駛的環(huán)境感知，適應(yīng)于一個由計算機(jī)視覺組成的團(tuán)隊，其中這塊較好的切入點(diǎn)是既做攝像頭又做激光雷達(dá)的環(huán)境感知（因為單做攝像頭的實在是太多了）；

3、搭建一臺可以實現(xiàn)level 2和level 3中部分功能的無人駕駛車，尋找買家收購。

以上是我和這個領(lǐng)域幾個不同階段的初創(chuàng)公司創(chuàng)始人聊完得出來的結(jié)論，不一定對。

假如你剛好在做無人駕駛的創(chuàng)業(yè)，而且做得不錯，絕對是大牛！必須交流一下！