雷鋒網(搜索“雷鋒網”公眾號關注)按：本文來自新智元，作者小猴機器人，人工智能博士，自動駕駛技術愛好者，參與多個自動駕駛項目研發，有豐富的行業經驗，尤其對決策規劃控制方面了解深入。
| 自動駕駛三層次
通常來講，自動駕駛技術可以劃分為三個層次，感知->認知->行動，然後不斷循環。參考上面一張網圖，其中行動層包括轉向、油門和制動三大控制器（以及執行機構），感知部分包括兩方面，感知環境的激光雷達、毫米波雷達、攝像頭、組合導航設備，感知車輛自身的包括輪速計和三大控制器的反饋量，而認知部分，包括決策和規劃，是通常意義上的人工智能所在。
1. 行動層
首先談談行動層，即三大控制器，VSI並沒有在圖中標出相關的企業，看似與自動駕駛高大上的技術沒關係，但這一塊卻是不容忽視的，尤其是在國內。行動層為自動駕駛提供了可以運行和驗證的平台，任何技術的落地都需要它的支撐。同樣的，任何一家號稱擁有自動駕駛技術的公司，如果沒有一輛實車做展示，恐怕難以令人信服。而這個看似簡單的層次，卻難住了很多團隊，因為核心技術要麼掌握在車企，要麼掌握在Tire1供應商手中。
具體來講，首先自動駕駛的風潮來得很快，快得讓多年來靠紮紮實實走量的車企有點措手不及，也有點看不明白走向，所以多多少少都會對合作留有私心，大多數都儘可能快的通過組建或者收購來搭建自己的團隊，因此外部創業團隊很難得到有效的支撐，除非是兩個公司從戰略層面上進行合作。
然後從Tire1供應商的角度來講，為他人提供控制接口，不如自己向前多走一步直接提供自動駕駛解決方案，當做未來佈局，速度快者如Bosch，依託其多年對EPS、ESP和ABS等系統的理解和積累，通過iBooster等個新技術，已經跟多家車企展開了自動駕駛系統的合作。由於執行層合作的種種困難，因此就有了AutonomousStaff這樣公司存在的價值，該公司類似VSI，不過除了傳感器方案，還可以提供帶有控制接口的車輛平台，所謂的騾車，車型以林肯和大眾居多。而國內由於多年無人車未來挑戰賽的需求，也存在幾個類似的團隊，憑藉跟車企和供應商的良好關係，集成一套行動層平台，這都算是個面向自動駕駛團隊的Tire1吧。
所以，行動層的機會主要有兩個，一個是自己造車，掌握平台。由於電動技術的快速革新，汽車生產的傳統模式受到了衝擊，此前發動機和變速箱等壁壘技術，現在已經轉換到電動機、電池包及管理和車輛電控總成等相對研發週期短難度小的技術。這種變革，讓創業團隊自己造車成為了可能。國內比較著名的如蔚來、小鵬、和諧富騰、智車優行、樂視等都在造車運動中頻繁交卷。
另一個是成為Tire1供應商本身，由於汽車工業發展本身的原因，國外的供應商分佈很早就變成巨頭格局，而國內則由於價格、技術迭代和適配等原因，許多國產供應商反而拿到了許多車企的合同得以生存，如此前新聞中提過跟奇瑞合作的亞太，以及源自清華和吉大汽車系的團隊。總之，目前國內自動駕駛技術還是比較依賴車企或者供應商提供平台的，因此投資人想要知道團隊技術水平如何，一方面是看Demo，另一方面或可通過行動層提供方來側面了解。
2. 感知層
感知層主要可以分為傳感器本身和識別算法兩部分。傳感器本身門檻還是比較高的，識別算法相對來講是入門很容易，做好非常難。
從激光雷達來講，做到現在主流基本就是幾家，Velodyne、IBEO（法雷奧合作）、SICK、北洋和先鋒，目前造價都比較高，一個是因為確實是個高精密儀器，另一個是尚未量產。高昂造價導致自動駕駛團隊選型的時候會有所顧慮，如Volvo高端自動駕駛汽車XC90也只在前面放了一個一線。這塊目前比較火的是Quenergy，打算直接做固態激光雷達（大概可以理解就是不轉的），最近試用了一下覺得挺靠譜。比較遺憾的是，國內目前還沒見到能用在室外車載的遠距（比如100米）激光雷達成品，倒是聽過幾個在研，過程中也是遇到這樣那樣的困難。
目前能夠用於量產自動駕駛系統的傳感器還是毫米波和攝像頭，優點有很多，多年漸進式的裝車經驗和規模，價格低等等。毫米波目前主要是Delphi、大陸和Bosch三家巨頭供應，用於車企量產車上的ADAS預警類應用。也見到了一些國產的毫米波產品，但用起來多多少少從返回的數據來看都有些瑕疵，然後巨頭量產價在700-1000人民幣，所以我其實並不清楚國內毫米波雷達的競爭力所在，還望明白人指點。攝像頭一個是Mobileye（參見往期智駕深談），因為是跟算法集成到一塊的，所以下面談。另外就是眾多的車載攝像頭供應商了，比如Omni、PointGrey、大恆和微視，都是做通用攝像頭很多年的公司，沒見過初創做攝像頭硬件的。
倒是單獨做機器視覺算法這塊做的人比較多，因為單獨做只需要給出語義識別的結果，跟車輛控制沒有關係，並不需要一輛可控車輛。做試驗相對容易，容易收集數據，容易看Demo效果，還容易通過KITTI車輛數據集跟同行比較，那麼帶來的問題就是市場紅海了，只能真刀真槍PK，拼算法準確性，拼跟車企的合作落地，其實更多的我看就是拼行業資深程度了，因為看起來大家都是99%以上。從業比較資深的如中科慧眼、地平線、東軟和Minieye等。
傳感層其實我覺得還可以包括高精地圖，輸入是精準定位，反饋是當前周圍的靜態環境信息。通往高級自動駕駛的征途上，高精度地圖技術絕對是不可或缺的支撐，它既可以提供當前的靜態環境模型，還可以通過預先存儲的點雲和圖像特徵數據來提供高精度定位。最近半年這塊是有大新聞的，奧迪寶馬和戴姆勒合起來買了HERE，TOMTOM為蘋果、Uber和Bosch提供數據，最近也發佈了自己的RoadDNA，Mobileye也號稱要做RoadBook。國內大多數是大企業如百度、高德、四維圖新，今年車展還見到了初創企業武漢光庭。
3. 認知層
一個非常主觀的看法是，做自動駕駛，不碰行動層，不知道有多少dirty work。而不做認知層，都不知道造個駕駛員出來有多難。VSI圖中自動駕駛解決方案部分囊括的企業，都是些目前在坑邊或者坑裏的企業。
認知層主要説的就是智能決策和規劃，難點主要在於三個：對環境的準確理解、對下一步決策的準確判斷、選擇合理的路徑達到目標。認知的好壞目前各家沒有一個統一的評價標準，因此也就無從判斷技術能力的好壞，只能從時不時出現的Demo中略知一二。當然對於美國團隊來講，最近幾個月也可以通過加州DMV的網站來看測試車輛的自動駕駛里程數來評價，你會看到Google遠超過其他團隊。
| 團隊縱覽
接下來就針對VSI提及的企業大概説一下自己的了解。
先説車企，車企都是奔着量產去的。
豐田在2014年説自己出於安全考慮不做無人車以後，2015年給自動駕駛項目撥了10億美元的預算，就問是不是換領導了？同時從斯坦福、MIT和密歇根大學合作，請來了Gill Pratt，也從Jaybridge機器人搬來了整個自動駕駛團隊，對了我覺得豐田是目前自動駕駛專利最多的車企，1400多個。
奧迪在自動駕駛方面積累很多了，自己早就有A7原型車，準備下一代A8上裝“Piloted Driving”，柏林電影節也高調PR，順便提一句現在世界上跑的最快的無人車也是Audi合作的，Stanford有一輛TT叫Shelley，出自大名鼎鼎的Chris Gerdes之手。
Tesla，做了AutoPilot，目前量產車裏自動駕駛系統應用最成功的企業，才買3萬人民幣，Elon Musk也放言説兩年實現全自動駕駛。對於Tesla在自動駕駛技術上的激進，行業也是有不同看法的，一些人説Tesla太莽撞，一些人稱讚其新鋭。但總體上包括Tesla自己在內都把安全當做最重要的問題，去年12月份Tesla在部分地區通過OTA關閉了自動駕駛功能，原因是一些思路迥異的用户做了一些非常誇張的試驗，比如在高速上放平駕駛位平躺，對此我們只能表示達爾文先生的進化論會處理這些人的。
寶馬，寶馬車速來以車輛動力學性能好著稱，其位於慕尼黑的自動駕駛團隊也曾Demo過非常酷炫的自動駕駛漂移。2015年底寶馬與百度專長於人工智能的深度學習研究院合作，在五環上公開Demo了一輛全自動駕駛原型車。而最近則在着手組建更大規模的自動駕駛團隊，為其iNEXT計劃服務。
Bosch，一個像3M一樣無處不在而又旱澇保收的德國公司，供應商巨頭。在自動駕駛方面的投入是驚人的，有超過2000個工程師，Google、Tesla和保時捷等企業都是其客户，曾將兩輛Tesla升級為全自動駕駛系統，最近國內比較熱門的新聞是跟長安汽車聯合進行了兩千公里重慶到北京的路測。
Volvo，個人感覺這套傳感器配置是非常好的，性價比很高。它主打駕駛安全，因此其自動駕駛研發路線也是奔着安全為先，稱2020年做到零死亡率。目前的計劃是2017年放出100輛測試車給普通瑞典民眾，此前也曾在北京西六環上做過路測，邀請了一眾互聯網名人蔘與，評價都很不錯。
再説互聯網企業，都是奔着顛覆傳統行業去的，一般上來就是無人出租車，共享分時租賃。
Google，其實都不用介紹太多了，源自CMU的BOSS，後來是Stanford的Staley，車隊里程超過了十萬公里，提一句每個月的月報都有新東西值得一看。
Uber，Uber包了CMU機器人實驗室，辦了個先進技術中心 (ATC) ，在匹茲堡正式上路測試無人車。用一輛福特混合動力車，採集測繪數據並試驗自動駕駛功能。CMU這有世界級的工程技術人才和研究設施，匹茲堡還具有複雜多樣的道路類型、交通模式、及天氣狀況，為開發和檢測自動駕駛技術提供了理想環境。
再説初創團隊，Comma.ai，號稱用人工智能解決一切（參見智駕深談第一期）。它採用的技術是最近比較火的“端到端學習”，即訓練深度模型，輸入是原始圖像，輸出直接是三大控制量，這種方式比較適合創業團隊，一輛車一台服務器就可以開工。這種做法的問題是一些駕駛員的常識如車輛動力學、交通規則等都會被隱含到模型中，開發者不能確定規則的完備性。Mobileye CTO特地在最近的一次演講中提到端到端學習，認為一鍋燴的做法是不靠譜的，而另一個鋭氣十足的公司卻用行動來支持了Comma.ai，他們也做了一輛基於端到端技術的無人車，這個公司的名字是Nvidia。
nuTonomy，分拆自麻省理工學院，剛剛獲得了1600萬美元A輪融資，本輪融資的估值約為1億美元，準備2018年在新加坡發佈無人出租車。現在是利用改裝後的三菱和雷諾在新加坡的公共道路上測試，也在打造能夠最終供用户使用的應用，方便他們使用無人駕駛出租車服務。與此同時，還在開發用於調配和指揮無人駕駛出租車的雲計算軟件，主要任務是部署無人駕駛出租車隊。
zoox，日前融資2.52億美元，風投機構預計此番融資令該公司估值超過10億美元，新鋭獨角獸。zoox有大概140名員工，此前曾就職於Google、蘋果和特斯拉。預計Zoox的無人車可以在2020年投入使用，並提供與Uber相似的汽車共享服務。
Cruise Automation，今年被通用十億美元買了，細心一點可以看出原來他們設備並沒有裝到雪佛蘭上，而是一輛奧迪。從CA的經歷來看，做一輛騾車，配一套比較完備的自動駕駛產品，然後找個有錢老爸收了，是一條創業團隊的成功之路。
宇通，傳説中的宇宙通勤客車公司，大街小巷都能見到它的身影。在去年也研發了一輛無人駕駛公交車，做了鄭州到開封城際快速路的Demo。許多同行認為由於路況相對單一，面向客車公司合作等原因，公交BRT不失為一個很好的自動駕駛技術落地點，我也見到很多兄弟在策劃低速電動代步或者景區等相對容易落實的項目。
| 結語
對投資人來講，評價一個企業的情況，主要可以從團隊、產品、市場和資本四個方面出發。最近看到很多國內的兄弟們開始做自動駕駛的認知層面，各有高招，具體情況可能要體驗以後才能跟大公司的效果對比了。總之，無論是大公司還是創業團隊，若是團隊成員在VSI產業圖中分佈比較均勻，調試經驗比較豐富，此前的從業經歷比較多樣，所採用的技術也是業界熱推的話，這樣的團隊是值得關注的，上述從認知層面提供自動駕駛解決方案的公司，都在其中某個方面有過人的地方。
雷鋒網按：轉載請聯繫授權，不得修改內容。
資料來源：雷鋒網作者/編輯：新智元
| 自動駕駛三層次
通常來講，自動駕駛技術可以劃分為三個層次，感知->認知->行動，然後不斷循環。參考上面一張網圖，其中行動層包括轉向、油門和制動三大控制器（以及執行機構），感知部分包括兩方面，感知環境的激光雷達、毫米波雷達、攝像頭、組合導航設備，感知車輛自身的包括輪速計和三大控制器的反饋量，而認知部分，包括決策和規劃，是通常意義上的人工智能所在。
1. 行動層
首先談談行動層，即三大控制器，VSI並沒有在圖中標出相關的企業，看似與自動駕駛高大上的技術沒關係，但這一塊卻是不容忽視的，尤其是在國內。行動層為自動駕駛提供了可以運行和驗證的平台，任何技術的落地都需要它的支撐。同樣的，任何一家號稱擁有自動駕駛技術的公司，如果沒有一輛實車做展示，恐怕難以令人信服。而這個看似簡單的層次，卻難住了很多團隊，因為核心技術要麼掌握在車企，要麼掌握在Tire1供應商手中。
具體來講，首先自動駕駛的風潮來得很快，快得讓多年來靠紮紮實實走量的車企有點措手不及，也有點看不明白走向，所以多多少少都會對合作留有私心，大多數都儘可能快的通過組建或者收購來搭建自己的團隊，因此外部創業團隊很難得到有效的支撐，除非是兩個公司從戰略層面上進行合作。
然後從Tire1供應商的角度來講，為他人提供控制接口，不如自己向前多走一步直接提供自動駕駛解決方案，當做未來佈局，速度快者如Bosch，依託其多年對EPS、ESP和ABS等系統的理解和積累，通過iBooster等個新技術，已經跟多家車企展開了自動駕駛系統的合作。由於執行層合作的種種困難，因此就有了AutonomousStaff這樣公司存在的價值，該公司類似VSI，不過除了傳感器方案，還可以提供帶有控制接口的車輛平台，所謂的騾車，車型以林肯和大眾居多。而國內由於多年無人車未來挑戰賽的需求，也存在幾個類似的團隊，憑藉跟車企和供應商的良好關係，集成一套行動層平台，這都算是個面向自動駕駛團隊的Tire1吧。
所以，行動層的機會主要有兩個，一個是自己造車，掌握平台。由於電動技術的快速革新，汽車生產的傳統模式受到了衝擊，此前發動機和變速箱等壁壘技術，現在已經轉換到電動機、電池包及管理和車輛電控總成等相對研發週期短難度小的技術。這種變革，讓創業團隊自己造車成為了可能。國內比較著名的如蔚來、小鵬、和諧富騰、智車優行、樂視等都在造車運動中頻繁交卷。
另一個是成為Tire1供應商本身，由於汽車工業發展本身的原因，國外的供應商分佈很早就變成巨頭格局，而國內則由於價格、技術迭代和適配等原因，許多國產供應商反而拿到了許多車企的合同得以生存，如此前新聞中提過跟奇瑞合作的亞太，以及源自清華和吉大汽車系的團隊。總之，目前國內自動駕駛技術還是比較依賴車企或者供應商提供平台的，因此投資人想要知道團隊技術水平如何，一方面是看Demo，另一方面或可通過行動層提供方來側面了解。
2. 感知層
感知層主要可以分為傳感器本身和識別算法兩部分。傳感器本身門檻還是比較高的，識別算法相對來講是入門很容易，做好非常難。
從激光雷達來講，做到現在主流基本就是幾家，Velodyne、IBEO（法雷奧合作）、SICK、北洋和先鋒，目前造價都比較高，一個是因為確實是個高精密儀器，另一個是尚未量產。高昂造價導致自動駕駛團隊選型的時候會有所顧慮，如Volvo高端自動駕駛汽車XC90也只在前面放了一個一線。這塊目前比較火的是Quenergy，打算直接做固態激光雷達（大概可以理解就是不轉的），最近試用了一下覺得挺靠譜。比較遺憾的是，國內目前還沒見到能用在室外車載的遠距（比如100米）激光雷達成品，倒是聽過幾個在研，過程中也是遇到這樣那樣的困難。
目前能夠用於量產自動駕駛系統的傳感器還是毫米波和攝像頭，優點有很多，多年漸進式的裝車經驗和規模，價格低等等。毫米波目前主要是Delphi、大陸和Bosch三家巨頭供應，用於車企量產車上的ADAS預警類應用。也見到了一些國產的毫米波產品，但用起來多多少少從返回的數據來看都有些瑕疵，然後巨頭量產價在700-1000人民幣，所以我其實並不清楚國內毫米波雷達的競爭力所在，還望明白人指點。攝像頭一個是Mobileye（參見往期智駕深談），因為是跟算法集成到一塊的，所以下面談。另外就是眾多的車載攝像頭供應商了，比如Omni、PointGrey、大恆和微視，都是做通用攝像頭很多年的公司，沒見過初創做攝像頭硬件的。
倒是單獨做機器視覺算法這塊做的人比較多，因為單獨做只需要給出語義識別的結果，跟車輛控制沒有關係，並不需要一輛可控車輛。做試驗相對容易，容易收集數據，容易看Demo效果，還容易通過KITTI車輛數據集跟同行比較，那麼帶來的問題就是市場紅海了，只能真刀真槍PK，拼算法準確性，拼跟車企的合作落地，其實更多的我看就是拼行業資深程度了，因為看起來大家都是99%以上。從業比較資深的如中科慧眼、地平線、東軟和Minieye等。
傳感層其實我覺得還可以包括高精地圖，輸入是精準定位，反饋是當前周圍的靜態環境信息。通往高級自動駕駛的征途上，高精度地圖技術絕對是不可或缺的支撐，它既可以提供當前的靜態環境模型，還可以通過預先存儲的點雲和圖像特徵數據來提供高精度定位。最近半年這塊是有大新聞的，奧迪寶馬和戴姆勒合起來買了HERE，TOMTOM為蘋果、Uber和Bosch提供數據，最近也發佈了自己的RoadDNA，Mobileye也號稱要做RoadBook。國內大多數是大企業如百度、高德、四維圖新，今年車展還見到了初創企業武漢光庭。
3. 認知層
一個非常主觀的看法是，做自動駕駛，不碰行動層，不知道有多少dirty work。而不做認知層，都不知道造個駕駛員出來有多難。VSI圖中自動駕駛解決方案部分囊括的企業，都是些目前在坑邊或者坑裏的企業。
認知層主要説的就是智能決策和規劃，難點主要在於三個：對環境的準確理解、對下一步決策的準確判斷、選擇合理的路徑達到目標。認知的好壞目前各家沒有一個統一的評價標準，因此也就無從判斷技術能力的好壞，只能從時不時出現的Demo中略知一二。當然對於美國團隊來講，最近幾個月也可以通過加州DMV的網站來看測試車輛的自動駕駛里程數來評價，你會看到Google遠超過其他團隊。
| 團隊縱覽
接下來就針對VSI提及的企業大概説一下自己的了解。
- 車企
先説車企，車企都是奔着量產去的。
豐田在2014年説自己出於安全考慮不做無人車以後，2015年給自動駕駛項目撥了10億美元的預算，就問是不是換領導了？同時從斯坦福、MIT和密歇根大學合作，請來了Gill Pratt，也從Jaybridge機器人搬來了整個自動駕駛團隊，對了我覺得豐田是目前自動駕駛專利最多的車企，1400多個。
奧迪在自動駕駛方面積累很多了，自己早就有A7原型車，準備下一代A8上裝“Piloted Driving”，柏林電影節也高調PR，順便提一句現在世界上跑的最快的無人車也是Audi合作的，Stanford有一輛TT叫Shelley，出自大名鼎鼎的Chris Gerdes之手。
Tesla，做了AutoPilot，目前量產車裏自動駕駛系統應用最成功的企業，才買3萬人民幣，Elon Musk也放言説兩年實現全自動駕駛。對於Tesla在自動駕駛技術上的激進，行業也是有不同看法的，一些人説Tesla太莽撞，一些人稱讚其新鋭。但總體上包括Tesla自己在內都把安全當做最重要的問題，去年12月份Tesla在部分地區通過OTA關閉了自動駕駛功能，原因是一些思路迥異的用户做了一些非常誇張的試驗，比如在高速上放平駕駛位平躺，對此我們只能表示達爾文先生的進化論會處理這些人的。
寶馬，寶馬車速來以車輛動力學性能好著稱，其位於慕尼黑的自動駕駛團隊也曾Demo過非常酷炫的自動駕駛漂移。2015年底寶馬與百度專長於人工智能的深度學習研究院合作，在五環上公開Demo了一輛全自動駕駛原型車。而最近則在着手組建更大規模的自動駕駛團隊，為其iNEXT計劃服務。
Bosch，一個像3M一樣無處不在而又旱澇保收的德國公司，供應商巨頭。在自動駕駛方面的投入是驚人的，有超過2000個工程師，Google、Tesla和保時捷等企業都是其客户，曾將兩輛Tesla升級為全自動駕駛系統，最近國內比較熱門的新聞是跟長安汽車聯合進行了兩千公里重慶到北京的路測。
Volvo，個人感覺這套傳感器配置是非常好的，性價比很高。它主打駕駛安全，因此其自動駕駛研發路線也是奔着安全為先，稱2020年做到零死亡率。目前的計劃是2017年放出100輛測試車給普通瑞典民眾，此前也曾在北京西六環上做過路測，邀請了一眾互聯網名人蔘與，評價都很不錯。
- 互聯網企業
再説互聯網企業，都是奔着顛覆傳統行業去的，一般上來就是無人出租車，共享分時租賃。
Google，其實都不用介紹太多了，源自CMU的BOSS，後來是Stanford的Staley，車隊里程超過了十萬公里，提一句每個月的月報都有新東西值得一看。
Uber，Uber包了CMU機器人實驗室，辦了個先進技術中心 (ATC) ，在匹茲堡正式上路測試無人車。用一輛福特混合動力車，採集測繪數據並試驗自動駕駛功能。CMU這有世界級的工程技術人才和研究設施，匹茲堡還具有複雜多樣的道路類型、交通模式、及天氣狀況，為開發和檢測自動駕駛技術提供了理想環境。
- 初創團隊
再説初創團隊，Comma.ai，號稱用人工智能解決一切（參見智駕深談第一期）。它採用的技術是最近比較火的“端到端學習”，即訓練深度模型，輸入是原始圖像，輸出直接是三大控制量，這種方式比較適合創業團隊，一輛車一台服務器就可以開工。這種做法的問題是一些駕駛員的常識如車輛動力學、交通規則等都會被隱含到模型中，開發者不能確定規則的完備性。Mobileye CTO特地在最近的一次演講中提到端到端學習，認為一鍋燴的做法是不靠譜的，而另一個鋭氣十足的公司卻用行動來支持了Comma.ai，他們也做了一輛基於端到端技術的無人車，這個公司的名字是Nvidia。
nuTonomy，分拆自麻省理工學院，剛剛獲得了1600萬美元A輪融資，本輪融資的估值約為1億美元，準備2018年在新加坡發佈無人出租車。現在是利用改裝後的三菱和雷諾在新加坡的公共道路上測試，也在打造能夠最終供用户使用的應用，方便他們使用無人駕駛出租車服務。與此同時，還在開發用於調配和指揮無人駕駛出租車的雲計算軟件，主要任務是部署無人駕駛出租車隊。
zoox，日前融資2.52億美元，風投機構預計此番融資令該公司估值超過10億美元，新鋭獨角獸。zoox有大概140名員工，此前曾就職於Google、蘋果和特斯拉。預計Zoox的無人車可以在2020年投入使用，並提供與Uber相似的汽車共享服務。
Cruise Automation，今年被通用十億美元買了，細心一點可以看出原來他們設備並沒有裝到雪佛蘭上，而是一輛奧迪。從CA的經歷來看，做一輛騾車，配一套比較完備的自動駕駛產品，然後找個有錢老爸收了，是一條創業團隊的成功之路。
宇通，傳説中的宇宙通勤客車公司，大街小巷都能見到它的身影。在去年也研發了一輛無人駕駛公交車，做了鄭州到開封城際快速路的Demo。許多同行認為由於路況相對單一，面向客車公司合作等原因，公交BRT不失為一個很好的自動駕駛技術落地點，我也見到很多兄弟在策劃低速電動代步或者景區等相對容易落實的項目。
| 結語
對投資人來講，評價一個企業的情況，主要可以從團隊、產品、市場和資本四個方面出發。最近看到很多國內的兄弟們開始做自動駕駛的認知層面，各有高招，具體情況可能要體驗以後才能跟大公司的效果對比了。總之，無論是大公司還是創業團隊，若是團隊成員在VSI產業圖中分佈比較均勻，調試經驗比較豐富，此前的從業經歷比較多樣，所採用的技術也是業界熱推的話，這樣的團隊是值得關注的，上述從認知層面提供自動駕駛解決方案的公司，都在其中某個方面有過人的地方。
雷鋒網按：轉載請聯繫授權，不得修改內容。
資料來源：雷鋒網作者/編輯：新智元
請按此登錄後留言。未成為會員? 立即註冊