融资 1.28 亿美元后,Roadstar.ai 真正的挑战才刚刚开始

· May 16, 2018

5 月 15 日,无人驾驶初创公司 Roadstar.ai 宣布获得 1.28 亿美元融资,本轮融资由双湖资本和深创投集团联合领投,老股东云启资本以及招商国际、元璟资本跟投。

早在成立之初,Roastar.ai 就获得数千万美元融资,领投方是云启资本、松禾远望资本、银泰资本、耀途资本、贵邦资本等机构 。

之所以能有这个量级的融资金额,在 Roadstar.ai 战略副总裁那小川看来,原因是「投资人看重 Roadstar.ai 的技术积淀」,我想这句话应该还有后半句:「我们关于自动驾驶商业化的落地方案也是很清晰的」。

商业化的落地

在产品应用上,Roadstar.ai 虽然也会为合作伙伴提供 L2/L3 级自动驾驶解决方案,但是整个研究主线还是以 L4 为主。 在被问到 Roadstar.ai 在自动驾驶商业化的应用场景时,那小川说,公司专注于无人车专车运营服务,显然 Roadstar.ai 瞄准的是智能出行市场。

目前,Roadstar.ai 在美国加州和中国深圳均有两台自动驾驶测试车,同时那小川告诉 GeekCar,Roadstar.ai 已经在申请深圳的无人驾驶测试牌照。以下是 Roadstar.ai 在自动驾驶落地 方面的具体方案:

2018 年,在深圳部署 50 台无人专车,如果政府允许,将提供给一般消费者进行测试,如果不允许,选择通过安全员进行一定范围内测试,提升算法;

2019 年,与 OEM 进行合作,定制 200 台配备车顶盒的无人车,开发出行 App,提供无人驾驶网约车服务,当然车上还会配备安全员确保用户体验;

2020 年,在深圳部署 1500 辆定制无人车,真正做到无人运营;

透过这个方案,可以看到些许谷歌 Waymo 无人驾驶落地方案的影子:Waymo 最开始在凤凰城测试无人驾驶技术;随后向凤凰城居民免费提供网约车服务,用户同样可以通过 App 进行预约。

前 几天的谷歌开发者大会上,Waymo 宣布将会在今年晚些时候推出无人驾驶的商业化服务,在更早的时候,谷歌向捷豹路虎订购了 2 万辆 I-PACE 纯电动车,将投入无人驾驶商用。

720197468196385930

在落地的思路上,Roadsta.air 的想法是这样的:通过两年数据积累提升算法,提升整体效果,提升稳定性,最终通过远程监管替代偶发性的监管,实现更快的商业化落地。那小川告诉我们,L4 并不是完美的,Roadstar.ai 还是会加入远程控制中心服务,使无人车更加稳定安全。这样可以更快的将自动驾驶进行商业化。

「只有实现真正无人运营,我们行业才算是找到商业化的落脚点」,那小川如是说道。

L4 自动驾驶解决方案:「ARIES·锐」

在发布会上,除了宣布获得 1.28 亿美元融资外,Roadstar.ai 还发布了自主研发的搭载纯国产激光雷达的 L4 级别无人驾驶解决方案。

话不多说,直接上图:

782788543888877448

按照 CEO 佟显乔的说话,这套方案是「有特色」的:采用低成本传感器,实现性能良好的无人驾驶解决方案。

要实现又便宜又好并不那么容易,这里就涉及到 Roadstar.ai 自主研发的两项技术 :HeteroSync 异构传 感器同步技术和 DeepFusion 数据深度融合技术。

HeteroSync 负责实现多个传感器(LiDAR、Camera、Radar、Ultrasonic、GNSS&IMU)的高精度时间、空间同步,自动事实更新同步参数,同时兼容不同品牌、不同数量的各类型传感器。

DeepFusion 负责将三种主要传感器(LiDAR、Camera、Radar)在原始数据层面的融合,该技术基于融合高纬度数据的感知和定位算法。

这两项技术是 Roadstar.ai 自动驾驶方案的核心所在。

两项技术

对于数据融合技术方面,佟显乔给出的解释是这样的:无人驾驶要做的其实就是两件事,第一是看清世界,也就是说无人车得看清来往的一切事物,不能遗漏,必须可以标注出来。第二就是看懂世界,无人车看清事物之后就是将事物识别出来,这是无人车可以平顺驾驶的先决条件。

相比于这个方案的高精度驾驶控制、类人类策略,价格的吸引力可能更大些——整套方案落地价格不超过 30 万人民币。这和国内动辄百万的成本相比还是很有优势的。那小川说,到 2020 年 Roadstar.ai 解决方案的成本将控制在 5 万人民币以内。

成本优势

在方案的商业化落地方面,那小川告诉我们,「Roadstar.ai 和日本、欧洲、美国的合作方都已经进行了洽谈,包括世界顶级的公共交通运营商、世界顶级 Tier 1,但是今天还不能透露具体细节」。

眼见为实

说了这么多,技术积累才是最实际的。一般衡量自动驾驶驾驶公司技术水平如何,可以进行参考的就是路测数据以及实验室模拟测试数据,从而进行量化评估。

很显然,这个测试标准可能对 Roadstar.ai 并不是很适用。

佟显乔

在佟显乔看来,数据的问题与相关算法和技术相关。

和其他公司相比,Roadstar.ai 的技术优势就是所需的数据量较低「数据量解决的是小概率问题,复杂场景发生概率比较小。但是中国有很多复杂问题是突发事件问题,并不是数据量大就可以解决,并不冲突」。

说了这么多,可能还是偏抽象。还是举个比较实际的案例可能更好理解,毕竟眼见为实。

在 2018 年 3 月下旬,新智驾的记者体验了 Roadstar.ai 深圳路测:「所参与的路测总长度为 10 公里,耗时 25 分钟,平均速度均保持在限速上限,中间多个红绿灯、斑马线、中间还遭遇了外卖小哥的电动车突然超车的突发情况,Roadstar.ai 的测试车辆也成功地避让了。在试乘期间,在距离红绿灯 150 米远的地方,Roadstar.ai 的点云阵已经标出了红绿灯所在之处」。

路测

当时同在场的日本 先进 Mobility 的社长青木是这样评价的:「Roadstar.ai 的技术已经达到了相当高的完成度,是他们迄今为止坐过的无人车中表现最佳的一家」。

Roadstar.ai 想做的还不止这些

Roadstar.ai 想要做的是「软硬结合「。他们希望可以延伸到上游硬件端,和传感器厂商合作更加紧密,形成一个类似苹果供应链的格局。同时,Roadstar.ai 现在用的摄像头就是自己做的,当然未来不排除会收购上游传感器厂商。

收购关键硬件厂商可以形成 Roadstar.ai 自己的技术壁垒,这样会增加 Roadstar.ai 的竞争力,同时那小川表示,未来 Roadstar.ai 的产业链一定是闭环的。

503285569144456280

这让我想到特斯拉。特斯拉在垂直整合上是出了名的。且不说它将发展太阳能、储能以及电动车三大产业进行整合,单单在汽车制造上,特斯拉在电池、电力电子驱动系统、甚至是高压电缆、显示屏、保险丝和其他较小的系统上,也是自己进行研发。

「自行研发核心组件会有显而易见的优势。但还有一些其他优势,是你无法立刻理解的。」 特斯拉前生产副总裁 Greg Reichow 曾经这么解释。

正是因为自研核心组件使得特斯拉对产品理解更加深入,Model S 和 Model  X 的狂暴模式就是一个很好的例子,当然除此之外,特斯拉将触角伸到上游锂电池产业链,以保证锂电池供应。

这样类比下来,Roadstar.ai 想要做的事情就很好理解了。但是对于目前的 Roadstar.ai 来说,这个目标还是有点远。

写在最后

按照深圳市人工智能协会副秘书长黄璟珖给出的数据:

参考 2017 年全球销量突破 9000 万台数据,中国数据接近 2900 万台,预测到 2035 年全球无人驾驶汽车销量达到 2100 万辆,市场规模达到 6000 亿元,2020 年市场规模将会超过 40 万亿元。

很显然,自动驾驶是一个庞大而有「钱」景的市场。而且不管是在融资还是无人驾驶部署运营上,国内各家自动驾驶公司也是动作频频:

景驰科技运营副总裁张力透露,景驰的 A 轮融资已在进行,融资额度大概在在 1 亿到 2 亿美元。目前景驰无人车已达二十多辆,行驶里程 3 万公司,预计年底运营车辆将达到 100-200 辆,运营范围覆盖广州 15-20 公里。

2018 年 1 月,小马智行 (Pony.ai) 完成 1.12 亿美元的 A 轮融资,根据 CEO 彭军预计,2018 年小马智行很可能会运营一个 20-50 辆车左右的无人驾驶车队。

同样在做无人驾驶的百度,与金龙客车共同研发的商用无人驾驶巴士也将于 7 月份量产 100 辆进行市场试运营。

也许,正如那小川说的那样:「2018 年就是无人驾驶商业化的前夜」。

而 Roadstar.ai 的挑战才刚刚开始。


原创声明: 本文为 GeekCar 原创作品,欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」,并附上原文链接,不得修改原文内容,谢谢合作!

欢迎关注 GeekCar 微信公众号:    GeekCar 极客汽车    (微信号:GeekCar)&极市   (微信号:geeket)。

网站文章微信推广-21

0


Related Posts 相关文章

发表评论