【智驾深谈】从滴滴Uber合并看中国智能出行“三国演义”

智能出行已俨然取代移动互联网,成为新一波产业浪潮。从互联网格局看,BAT之外,4年内即出现第4极,垄断中国互联网出行市场,并意图独霸未来智能出行市场。

《经济学人》杂志本周发表封面文章称,以往,中国互联网公司被认为只会模仿美国同行,而滴滴和微信过去几年的发展表明,中国互联网公司已经有能力展开自主创新。尤其是在滴滴收购Uber中国之后,这些中国本土的自主创新正成为美国同行的效仿对象。

上一个移动互联网浪潮,中国在十几年的时间内,靠BAT成为互联网的一级,至少在中国市场占据了主导权。滴滴合并后,智能出行这块的市场自主权保证了,有了护城河。合并后,BAT和中国人寿等都持有滴滴股权,滴滴的“中国基因”确立。也有评论说,滴滴出让了国际市场的拓展权。也就是说,滴滴要做一家中国智能出行公司。那么,中国智能出行的未来到底走向如何?

智能出行“三阶段”

我们习惯用系统的方法来对一件事情进行分析,先找主线,再分维度,最后看各家在我框架内的分布。对于智能出行这件事情,我们认为主线发展可以划分为三个阶段,目前处于一二阶段交界,而涉及的角色类型则包括车企、出行服务商和智能服务商,需要注意的是,这三个角色是有重叠,一家企业可能会身兼多个角色。

  • 购买私家车解决个体出行,车企占优
  • 用共享优化解决群体出行,出行服务商占优
  • 用智能彻底改变出行,智能服务商占优

过去的上百年间,从汽车诞生开始,第一种方案一直统治着人们的出行,传统车企业在其中赚足了油水,一大批汽车制造商跻身世界百强企业。至少的目前为止,购买私家车解决出行问题仍然是大多数人的选择,或者说,梦想。

不过,互联网对社会的颠覆注定是全方位的,近年来,基于网络联结的共享式出行方式提供商迅速崛起,来势汹汹,美国的Uber,Lyft以及中国的滴滴。Uber到2015年底完成了10亿次打车订单,滴滴仅2015年就在中国完成了14亿次出行订单。据新智元7月19日报道,滴滴出行CEO程维公布的数据称,2016年7月15日,滴滴日完成订单超过1600万,三个月前的4月10日,这个数字才是1000万。不到100天的时间内,平台订单量涨了60%。难怪程维在“滴滴Di-tech算法大赛”上说,从2012年上线至今,滴滴是中国发展速度最快的互联网公司,甚至没有之一。

不管对于汽车行业还是出行服务,互联网之后的智能+未来是属于自动驾驶的。从经济、环境、社会还是安全的角度来看,交通领域目前都在急切的呼唤“智能”。在Roland Berger+fka的一项调查中,中国对具有自动驾驶功能汽车的期待值据于被调查对象中的首位,远高于美国和德国。有意思的是,中国56岁以上的受访者对具备无人驾驶的汽车的兴趣远高于其他国家的受访者。

智能出行现状

从现状来看,用造车能力、智能化程度和出行服务力来划分维度,不同企业所处的位置可以用上图中的三维坐标表示,图中企业有的致力于某一维度,也有的倾向于三个维度同时发展。对此,我们的看法是(非常主观的看法),只有持续聚焦在一个方向发力的企业,做到极致,做到绕不过去,才有可能成功,因为沿着坐标轴前进的每一步,付出的都是上亿真金白银的代价。垂直发力对应的另一个极端是小而全,全坐标系铺开,问题就是如果三个坐标轴上走得最远的企业合作了(在资本看来,这是太容易不过的事情),小而全就没有议价权。

1. 造车(车企)

坦率来讲,留给车企的时间不多了。车企怎么成功?短期销售私家车还有可能存活,长期来讲私家车缩水。车企两条路,一是富士康化,一是特斯拉化。富士康化就是专注造车,优化生产线,降低成本,为行业提供平台。特斯拉化就是优化驾驶体验,未来私家车成为奢侈品,特斯拉就是vertu手机。

车企是整个智能出行生态链上比较被动的一环。首先,相比软件技术,车体的成本并不高,另外,全世界车企千千万,互相之间竞争非常激烈,所以相比拥有技术壁垒和平台优势的互联网公司来说,车企的议价能力相对要低一些。

但是,有一点值得注意的是,传统的车企在多年的发展中累积了大量的财富,建立了自己的品牌。其中最为关键的是,他们都很有钱。在这里举一个例子——通用。

2016年1月,据凤凰科技报道,通用汽车宣布向打车应用Lyft投资5亿美元,双方还决定合作开发无人驾驶汽车。通过此次投资,通用汽车将与Lyft合作开发一款无人驾驶汽车系统,该系统可以自动匹配司机和乘客、安排行车路线和支付,使得消费者能够通过智能手机叫车,而车辆在无人驾驶的情况下抵达消费者所在地,最终创建一个能自己运营并按需服务的汽车网络。 

2016年3月,通用以10亿美元收购Cruise Automation。Cruise Automation成立于2013年,其最初目标是为汽车研发自动领航(autopilot)功能,后来将重点转向为汽车加装无人驾驶“套件”。这家公司已经从星火资本(Spark Capital)、Y Combinator和其他一些小投资者获得1880万美元融资。有消息人士称,这家公司在被并购之时银行账户拥有大约1000万美元资金。

SideCar也是一家共享汽车公司。2016年1月9日,通用汽车宣布收购Sidecar的技术和资产。后者团队中的20人将加盟通用,其中包括CTO Jahan Khanna,联合创始人兼CEO Sunil Paul。尽管交易金额未披露,但一名知情人士说金额不会超过3900万美元(Sidecar经过5轮融资,融资总额为3500万美元)。

所以,通用在智能出行上的布局基本就是买买买的节奏,可以表示如下:

2. 出行

出行服务商怎么成功?在尽可能缩减成本的情况下铺量,能叫到车比服务优质更重要。

眼下最出名的出行服务商就是滴滴和Uber了,夸张一点地说,占尽智能出行先机的这类企业具有颠覆行业的潜力。在智能出行中,共享汽车公司绝对占有中心地位,下图是彭博社对自动驾驶领域主要玩家关系描述图,可以看到,不管是Uber、滴滴还是Lyft,都是技术公司和汽车厂家追逐合作的对象。

3. 智能

智能的现状是目前最不清晰的,如果说出是垄断,行是刚需,那么智还是春秋战国时代,感兴趣的读者可以参考智驾深谈往期“一张图看懂自动驾驶产业”。在智能技术的各个环节,比如感知、连接、地图、安全等等领域,都汇集了大量的玩家。

而智能化则是做好车和好出行的重要手段。智能服务商要成功,就要聚焦在建立技术的壁垒,什么是先起步企业能够具备的就尽力准备,比如数据,比如规模。值得注意的是,很可能不是技术本身,因为关键技术的核心在于人才,人才相比布局来讲更容易流动。比如从今天爆出来的新闻,Google无人车负责人离职,很可能会成就另外一家迫切需要自动驾驶技术的公司。


在这种情况下,往往致力深耕某种技术,如专门提供自动紧急制动(AEB)的公司、Mobileye、大陆博世等一二级供应商是有市场的,掌握核心技术的企业抱团取暖也是有可能的,而想要完全自己造车、运营出行并研发关键技术,很可能由于战斗面积过大导致资金吃紧等问题而彻底失败。

另外,现在看起来高精尖的核心技术,万一遭到大企业开源的打击,则很可能会直接退出舞台。这并不是不可能,因为就在两天前,黑客GeoHot开源了自己公司基于深度学习的自动驾驶系统,试想一下,如果Google开源了呢?

结语

所有人,从各种维度,都想做一家智能出行公司,然而“行”近百年,“出”已垄断,“智能”又是混战,好一出三国大戏。

看了很多各种角度的分析文章,有的写如何发现滴滴这种快速高回报项目的,有的写乘客和司机会受到什么影响,有的写情怀写故事。在我了解的有限范围内,没见到有文章写智能出行这件事情本身的,而从这个角度入手,有可能更系统全面地看到未来的可能性。所以说凡事系统化一点看,能让我们更清楚看到问题的本质。

文章转自新智元公众号,原文链接

时间: 2024-08-22 15:07:17

【智驾深谈】从滴滴Uber合并看中国智能出行“三国演义”的相关文章

【智驾深谈】一张图看清自动驾驶产业

自动驾驶三层次 通常来讲,自动驾驶技术可以划分为三个层次,感知->认知->行动,然后不断循环.参考上面一张网图,其中行动层包括转向.油门和制动三大控制器(以及执行机构),感知部分包括两方面,感知环境的激光雷达.毫米波雷达.摄像头.组合导航设备,感知车辆自身的包括轮速计和三大控制器的反馈量,而认知部分,包括决策和规划,是通常意义上的人工智能所在. 1. 行动层 首先谈谈行动层,即三大控制器,VSI并没有在图中标出相关的企业,看似与自动驾驶高大上的技术没关系,但这一块却是不容忽视的,尤其是在国内.

【智驾深谈】Tesla致命车祸的必然性:谈自动驾驶的三个命门

一个"量身定做"的事故 首先我们先来复盘一下整个事故,谈一下为什么我们觉得这个事故是"量身定做"而且必然的.先总结:一如既往蓝天白云且风和日丽的天气,一辆横在路上的白色重卡,一个热衷尝试新技术且对此深信不疑的驾驶员,一条笔直到让人犯困的公路,一套尚在完善的自动驾驶系统,车-路-人联手为新锐车企Tesla乃至整个自动驾驶产业"量身定做"了一个大新闻. 先上几张图,下面俯视图是事故发生的路段,一看就是事故多发路口,没有信号灯,横向是高速,纵向却有车流

【智驾深谈】特斯拉发布新一代 Autopilot 勇闯 L5,续写冰与火之歌

12月31日,2016年的最后一天,特斯拉对外宣布,开始在1000辆汽车上推送软件更新,如果一切顺利的话,下周更多的汽车将会接收到升级推送.本次更新包括了Autopilot 的交通感知巡航控制功能.前方碰撞预警和自动转向(Autosteer),其中,Autosteer 是 Autopilot 的旗舰功能,但是目前只能在"低速"下启动.特斯拉对此次升级非常慎重,软件团队在公司的内部视觉团队(特斯拉视觉).机器学习技术和数据收集车队中加入安全特性后才会展开升级推送. 早在今年10月Auto

【智驾深谈】深度学习驱动的自动驾驶新主流框架盘点(附3篇论文)

大背景 基于深度学习架构的人工智能如今已被广泛应用于计算机视觉.自然语言处理.传感器融合.目标识别.自动驾驶等汽车行业的各个领域,从自动驾驶初创企业.互联网公司到各大OEM厂商,都正在积极探索通过利用GPU构建神经网络实现最终的自动驾驶.   高阶ADAS系统的开发以至自动驾驶系统的开发都有赖于一套能够完整支持开发.模拟测试.原型制作和量产的开放式解决方案.本文将介绍基于深度学习架构的自动驾驶平台,这一架构将成为未来实现自动驾驶的集成平台中的重要一环.   深度学习是什么   深度学习是目前人工

【智驾深谈】李德毅院士:深度学习将成为智能驾驶的新维度

上期智驾深谈聊到智驾三层次:感知层.认知层和行动层. 实际上感知层面上,无论车道线.交通标志还是车辆识别,都已经大规模采用了深度学习技术:行动层由于汽车工业百年的发展和积淀,已经可以很好地由现代控制理论解决:所以就剩下认知层,还真是个大号的硬钉子. 一个好的认知模型需要对环境有精准的理解和预判,还需要据此做出下一步的决策和规划,这里面的挑战就是复杂的动态交通环境.在深度学习出现之前,很难有一个模型能够很好地对此建模.预测和决策.而李德毅院士的工作,就聚焦在利用深度学习技术,解决智能驾驶中认知的问

【智驾深谈】Mobileye,用单目视觉点亮自动驾驶

早期做自动驾驶的小伙伴几乎每个人都自己动手写过车道线识别程序,OpenCV写写,霍夫变换写写,模板匹配写写,再复杂一点弄个RANSAC,或者滤波投票.然而一遇到光线变化就挂了,遇到天气变化也会挂,车速高了也挂,总之各种挂.体验了各种挫败感之后,大部分人都转而投向激光和差分的方案,丢下一句"现在视觉还尚未成熟"之类的话. 我之前也一直这么认为,视觉太难做,直到我有一天看到了Mobileye的结果,漂亮得一塌糊涂,比如上图里这种,从没有车道线的地方都能推理出车道线(传说中的HPP,Holi

【智驾深谈】自动驾驶潜在突破点:传感器与车载集成系统(万字干货)

近来,采埃孚(ZF)收购激光雷达公司Ibeo的40%股权,Velodyne旗下激光雷达公司Velodyne LiDAR获福特汽车和百度联合注资1.5亿美元.Mobileye宣布终止与特斯拉的合作,不再为特斯拉Autopilot系统提供EyeQ系列芯片支持,转而与英特尔.宝马共同开发无人驾驶汽车技术和技术平台.这些智能车圈的热点事件背后,是自动驾驶技术快速发展道路上的车载传感器.核心部件.计算平台等资源的整合,智能车辆研发进入关键节点上.面向实用化的技术突破方面的考虑. 本文从工程实践角度,总结历

【智驾深谈】Tesla再现匝道口致命隐患:谈高精地图和定位的重要性

一起"莫名其妙"的事故 上图是WSJCD获取的车祸现场图片,可以看到车辆已经彻底翻了过来.首先关于这次翻车事故,因为影响面比较小,因此我并没有拿到足够多的证据证明车祸发生在匝道口,是我看到新闻后一下午的推测,但是关于匝道口是L3杀手这件事情,大家应该是有共识的,所以就当个引子说事吧. 如上图,新闻是这样描述的(国内见到一些新闻的翻译有一些问题),大概下午五点钟,天气和能见度都很好的情况下,一个画廊老板在Pennsylvania Turnpike向东行驶,到了Bedford出口附近,突然

【智驾深谈】George Hotz 开源代码复现与分析(80G数据云盘下载)

GeoHot智驾系统开源这件事情还是很多人关注的,也问了很多问题,其中包括渐进式路线的车企,直接L4的互联网企业,很多创业团队和风投.先回答一个问到最多的问题:这代码离实际路上能用还差很多. 对于大公司来讲,车企做渐进式ADAS其实都是工况分解而来,流行使用状态机,深度模型是个黑盒子他们肯定不喜欢. 互联网企业愿意尝试新方法,但这个系统其实还需要在车辆控制方面做大量的改进才能够跟现有系统对标. 对于创业团队来讲,这个系统是个很好的参考,可以学习一下深度学习,以及comma.ai是如何短时间内聚焦