【第一電動網(wǎng)】（專欄作者 朱玉龍）這段時間隨著向多位友人學習，也終于明白了一些為啥在國外Google和Apple都有意向在汽車這個行當里面做點什么，國內(nèi)的金融資本和BAT互聯(lián)網(wǎng)集團需要投資互聯(lián)網(wǎng)背景車企業(yè)來進入電動汽車這個細分的領域。這篇文章，主要闡述了個人的理解，特別是做汽車工程研發(fā)領域的視角去理解整個故事，這里就存在了很多的片面性，如有誤差請大家指正。

第一部分 電動汽車產(chǎn)業(yè)進入的過程

這里首先還是列舉一下，本身電動汽車和互聯(lián)網(wǎng)是兩件不同的事情。為啥聯(lián)系在一起，本質(zhì)還是圍繞內(nèi)燃機的動力總成系統(tǒng)，包含了太多繞不開的東西。這里大量的企業(yè)進入去嘗試，總體結(jié)果大家也看到了，就Tesla活下來了，成為一個正式的車企。

1. 大車&跑車：Tesla、Fisker、Lightning ：本身都有著好看和炫酷的外形，Tesla算是掌握住了電氣化的動力總成，加上厲害的投資人；Fisker時運不濟，和A123一起倒下了，Lightning就跟沒量產(chǎn)。

2. 平民車：CODA、Bolloré、Better Place，這幾天代工話題很火，其實這三家平民車系的產(chǎn)品都是代工得來的，CODA還在中國代工的，后兩家找了雷諾。嚴格意義上Better Place是輸在了巨大的電池儲備運營資金壓力上的，CODA這車在美國市場的平民車毫無競爭力而言。Bolloré給Autolib做單子，轉(zhuǎn)手給雷諾做，還是沒虧錢。

3. 微型車：Think、REVA、Commuter CARS、WHEEGO 、Mia electric、Aixam-Mega、Buddy Electric、Lumeneo、Myers Motors、EFFEDI 和 Tazzari，好多都是一早做了微型電動汽車，這塊其實也和國內(nèi)有些類似，作坊式的，成本比較高，市場作為特殊道路使用。在美國做，有點笑話的感覺了，在歐洲倒是類似Buddy、Lumeneo、MIA幾家歐洲公司做著至少看得到前景的事情，奈何整個生產(chǎn)成本就不低，投入整車制造。

對上面所有發(fā)生的故事，可以做個小結(jié)。不同的新進企業(yè)，做出的產(chǎn)品是否有區(qū)分度，在哪里使用確實決定了這些企業(yè)。由于規(guī)模和運營模式上，基本還是汽車制造業(yè)的模式，總體來看，這些企業(yè)的成本是下不來了，既沒有很高的生產(chǎn)效率也沒有辦法有效去調(diào)動供應鏈，獲取平常車輛通過規(guī)?；瘔合聛淼牧慵r格，所以如果要統(tǒng)計這些車輛的實際成本和售價，把電池、電機和逆變器拿掉對應的成本遠高于一輛普通燃油車，而且電池+電機+電驅(qū)動三樣東西的成本，對應的發(fā)動機和變速箱的成本也是完敗的。

圖1 電動汽車企業(yè)

第二部分 個人交通服務的概念

從某種程度上，當個人交通演變成一種服務，當開車和相關的移動網(wǎng)絡和IT網(wǎng)絡進行結(jié)合的時候，就會形成未來的個人交通公司的形態(tài)。說的直接一些，其實個人交通公司做的不是車，而是一個工具，其基本的核心在于一套個人交通的解決方案；如果傳統(tǒng)汽車業(yè)，有一個隨著競爭慢慢剝離出研發(fā)和工程開發(fā)，直接歸屬于個人交通公司的話，這事就變成了個人交通公司的企業(yè)家做產(chǎn)品經(jīng)理，傳統(tǒng)汽車業(yè)做定制和代工了。事情其實從Urban Mobility開始(The Future of Urban Mobility 2.0 Imperatives to shape extended mobility ecosystems of tomorrow).

1.1 原有的汽車產(chǎn)業(yè)，無論是大小的車企，主要產(chǎn)品是車，所有的企業(yè)活動的現(xiàn)金流都是圍繞車的設計、工程、制造、銷售等環(huán)節(jié)走的。消費者要通過買車、租車、汽車共享、切換公共交通來實現(xiàn)交通。通俗點說，車企是賣車當工具賣的，給了一份工具說明書。

1.2 不管是國外的巨頭也好，國內(nèi)的幾家互聯(lián)網(wǎng)造車也好。做車，基本是一種行為，是基于信息擴展進入個人行為舉止的一種手段。說句實在話，以后Google或者Apple基于用戶數(shù)據(jù)的學習，可以將用戶整個行為來分析出來，這種個人化的信息整合，是他的目標。

圖2 不同的交通視角

注：我們這里還是定義一個個人交通公司，這和互聯(lián)網(wǎng)企業(yè)還是有區(qū)別的。

所以很有趣的是，其實從另一個角度來看，隨著信息和數(shù)據(jù)的累積，這些企業(yè)最終是用一種交通服務來替代原有工具行為。這個里面的含義區(qū)別甚大，本質(zhì)而言，是可以建立一個大的生態(tài)，把你工作通勤、城際旅游、郊外周末旅游等一切行為分析出來，給你一個解決方案，這個事就有些顛覆了。

所以說的挺有趣的地方，對于這些個人交通服務公司真正價值大的地方就是to C，把握對個人的渠道，所有宣傳也好、忽悠也好，消費者最終會上船的。人或者說消費者，最終是用最簡單的辦法去做選擇。所以對現(xiàn)在這些公司而言，只要活下去建立一個生態(tài)，這個故事總有一家公司專注于交通服務來整合最好的工具。

圖3 個人交通服務解決方案

第三部分 汽車使用的漸進改變

這里還是分析三種不同的切入路徑。

1)短期路徑分析

Google、蘋果的Android Auto 和 CarPlay不管汽車企業(yè)是否自愿或是被迫，都會進入汽車里面，消費者會體驗到更好的服務，這個服務后面是這兩家企業(yè)會收集到用戶的使用情況，作為將來整合系統(tǒng)的第一步。這個事情是現(xiàn)實在發(fā)生的，對汽車廠家而言，未來獨立搞一套娛樂操作系統(tǒng)有些曲高和寡，所以很大的可能性，低端讓位于手機占主導；中端車輛圍繞兩家巨頭的系統(tǒng)做優(yōu)化，高端車輛再獨立做一些特色。

其實這個問題，從Car Sharing為例，也可以看出端倪。汽車廠家對于產(chǎn)品迭代的效率和系統(tǒng)升級的速度，是比較慢的，所以導致整個系統(tǒng)的體驗要比消費電子差很多，這個現(xiàn)象不是在一塊領域獨有的，在運管領域也是一樣的。傳統(tǒng)的幾家做的CAR2GO、DRIVENOW和QUICAR，由于領域的關系，即使做到了產(chǎn)品的極致，限于主業(yè)的原因，也不可能去過度切入其他領域。主業(yè)的效率和速度由于是制造業(yè)，在進入市場和發(fā)展市場，或者說拓展渠道的能力上，肯定是有欠缺的。

圖4 Car Sharing的發(fā)展

2)中期路徑分析

這塊就是所謂的電動汽車和智能汽車的結(jié)合，也就是目前集中的互聯(lián)網(wǎng)企業(yè)集中投資的所在。一方面是需要投資一個汽車產(chǎn)品，讓客戶感知其智能優(yōu)越，一方面抓緊時間迭代智能特性。這里的區(qū)別，是推向客戶還是內(nèi)部測試。

圖5 智能車輛演進圖

智能汽車系統(tǒng)內(nèi)核主要有測量(傳感器感知車內(nèi)外信息)、識別(車輛周邊環(huán)境量化)、定位(位置確定和車輛姿態(tài)判定)、聯(lián)網(wǎng)(車與后臺，車車之間的數(shù)據(jù)交互)、路徑(車輛的行駛路徑算法規(guī)劃)和執(zhí)行(控制車輛的前進和轉(zhuǎn)向)幾個部分。

1 測量 傳感器定義：智能汽車的技術演進很大程度上依賴傳感器的進步。為了實現(xiàn)ADAS功能，檢測障礙物的傳感器包括攝像頭、紅外線傳感器、毫米波雷達、激光雷達、超聲波傳感器等多個種類，這些傳感器都各自有優(yōu)缺點?，F(xiàn)在的主流是“單目攝像頭+毫米波雷達”的組合。低成本的單目攝像頭與識別精度不受雨、霧等惡劣天氣和夜晚影響的毫米波雷達實現(xiàn)了互補。以輕型車為主的低價位車也在積極采用紅外線激光雷達。為了實現(xiàn)自動駕駛，各公司都決定大力發(fā)展整合控制多個識別傳感器的傳感器融合。攝像頭有望成為識別傳感器的主角。

2 識別 環(huán)境量化：通過傳感器的感知，系統(tǒng)監(jiān)控車輛周邊環(huán)境識別，自動識別周圍環(huán)境當中的障礙物(車輛、行人和動物等活動物體及其運動方向和速度)，同時對于車道白線，道路標志和信號燈也能進行正確判斷。其中交通標志如限速牌、紅綠燈，一般通過視覺系統(tǒng)完成，難點主要在實時性和魯棒性，需要考慮道路中可能有的光線變化、遮擋等問題。

3 定位 車輛姿態(tài)：普通的GPS 的定位精度和魯棒性遠達不到ADAS運行的需求，GPS 官方定位精度“<10m”，更高精度的 GPS 需要通過補償基本要依靠差分完成。基于基準站電波的D-GPS(Differential GPS)來推斷當前位置。D-GPS是一項利用位置已知的基準站發(fā)送的電波、通過修正GPS信號的誤差來提高位置精度的技術。為提高制作的地圖信息精度，GPS采用了名為RTK(Real Time Kinematics)-GPS的系統(tǒng)，用普通手機等將來自已知地點的位置校正信息發(fā)送給正在行駛的車輛，從而可以實時檢測車輛位置。據(jù)介紹，普通GPS有10m左右的誤差，而RTK(Real Time Kinematics)-GPS可以將誤差減小到幾cm。差分的原理很簡單：設置一個固定基站，固定基站校準位置，再將信號傳遞給車載設備，車載設備在接收到基站信號和 GPS 信號后差分獲得。但是每一個基站的有效范圍也就 30km，怎么大范圍應用。于是有很多技術要解決 GPS 精度不足的問題，如地圖匹配。車輛前方有障礙，障礙物是運動的還是靜止的，車是停下來還是繞過去。我沒仔細研究過這部分的內(nèi)容，知道的算法是人工勢場法。這部分主要的難度是從傳感器識別障礙，在車輛運動的前提下，確定障礙的運動狀態(tài)。也就是說你要在運動的坐標系下，計算另一個物體相對靜坐標系的速度，并作出判斷。

利用GPS的問題在于在高樓、隧道、山區(qū)等環(huán)境下就無法利用GPS測量位置。在樹蔭下、樓宇間、隧道內(nèi) GPS 信號無法到達，這時就需要里程計和陀螺儀(慣性導航單元)。這套系統(tǒng)的原理就是：花錢越多，有效時間越久。原因是里程計、陀螺儀都存在累積誤差，也就是說上一時刻是 0.5m 的誤差，下一時刻指定大于 0.5m。因此要盡可能約束累積誤差，使其數(shù)量級很低，那么就要上光纖陀螺，電子級的陀螺通常達不到精度要求。

4 聯(lián)網(wǎng) 數(shù)據(jù)交互：智能車輛通過通信，將其他車輛和基礎設施(交通燈)，以V2V和V2I的能力，將道路上的信息通過聯(lián)網(wǎng)的方式反饋給車輛。

5 局部路徑 路徑算法：在通向自動駕駛的路上，一定牽扯去哪，目的地由人決定，但是路線是車輛的位置和地圖路徑計算出來的，這部分算法地圖導航中大量使用，通過一定的算法計算出路徑之后車輛會跟隨這條路徑執(zhí)行。在這塊，存在車輛內(nèi)或者云平臺的機器學習的問題，如果采用車輛內(nèi)部的學習，離線學習會導致算法有一定的局限性，在不同地區(qū)的系統(tǒng)存在地區(qū)差異性；車輛在線學習對車輛本體的計算要求是比較高的。

6 車輛控制 執(zhí)行器：車輛控制這塊，就涉及到加速、剎車和轉(zhuǎn)向三項基本要素，對控制系統(tǒng)和執(zhí)行系統(tǒng)的要求就比較高了。

3)長期路徑分析

最終的分水嶺，一定是已經(jīng)做到了的自動駕駛。

一條線確實是傳統(tǒng)車企的ADAS演進，一條線人工智能代表的深度學習，是屬于IT產(chǎn)業(yè)的智能演進。

不管如何，5年布局、10年實驗，15年為窗口期，我們都能看得到。這個圖異常生動啊，現(xiàn)實一點，只要你決定上不上班，就可以了。這時候，再來談自己買車自己開，駕駛樂趣什么的，好像不合時宜。

圖6 未來的車輛使用

小結(jié)：

模式思維和工匠思維之間好像跨度挺大的，不同的人在交流的過程中，肯定是存在很大的差距了。不過換位思考來看，確實比的是誰更貼近用戶，誰更效率高，誰的生態(tài)圈更全。有趣的是，在一個新公司進入產(chǎn)業(yè)初期，首先的產(chǎn)品形態(tài)還是產(chǎn)品，迭代的快速取決于能否分離可變和不可變的，用戶感知的和不可感知的。

對于互聯(lián)網(wǎng)造車、圈外人造車，歡迎大家發(fā)文來探討：content@d1ev.com ，稿費從優(yōu)。

相關文章：

互聯(lián)網(wǎng)造車落地，學小米搞合作才是王道

李想的文章又看了一遍，互聯(lián)網(wǎng)造車的靠山在哪？

李想：打造一個電動車企業(yè)大概需要多少錢？

沈海寅回應李想：電動汽車代工生產(chǎn)是可行的

專訪 | 從奇虎360到智車優(yōu)行，沈海寅要讓電動汽車更懂你

沈海寅：奇虎360不會進入自己造車的領域

蔚來不是唯一！李想要造智能電動車 “車和家”大規(guī)模招聘

返回第一電動網(wǎng)首頁 >