5
与人交流，其实每个人的视角并不相同，但是都会被一些标志性的事件所吸引，Uber 宣布月底开始商用化无人驾驶的事就是其中一件，我们可以从 Uber 事情的纵向维度、还有相应其他车企和参与企业的动态来看待这个事情，做一些思考和探讨。
- 公司高层和行业分析师，都会看里程碑的事情，看待这个事情，就是有人真把无人驾驶商用化了就只有 100 台
- 就是在 Uber 建的技术中心
- 需要两个工程师协助坐镇
备注：本身在这个领域，没有人可以告诉我们标准的答案，所以题目以大话开题，探讨有对有错，说了认就是；同样的在这个领域而言，每个玩家都在尝试自己的路线，谁对谁错目前不知道，最怕的是不做。
第一部分 Urber 无人驾驶时间轴
Urber 是个很有意思的公司，由于掌握着打车的入口，所以在这块领域有着优先权也有着被颠覆的压力。
- 2016 年 8 月 20 日 Uber's First Self-Driving Fleet Arrives in Pittsburgh
- 2016 年 8 月 19 日 Announce that Uber has acquired Otto
- 2016 年 5 月 19 日 Uber 无人驾驶汽车首次在匹兹堡上路测试
- 2016 年 3 月 23 日 Uber 与梅赛德斯·奔驰签订了 10 万辆 S 级汽车订单
- 2015 年 2 月 3 日，Uber 宣布与卡内基梅隆大学合作在匹兹堡建立 Uber 高级技术中心
- 2014 年底 Uber co-founder and Chief Executive Officer Travis Kalanick flew to Pittsburgh on a mission: to hire dozens of the world’s experts in autonomous vehicles.
1.1 技术上考虑
我们从整个关系上梳理可以分两层，Uber 和其伙伴，清晰的把几个事情做了一个基本划分:
1）自动驾驶的车辆在商用过程中的接口是 Urber
2）Uber 在迭代者自身的一套上层感知系统
3）Uber 系统的融合控制部分
Volvo 提供修改部分
A）Volvo XC90 自带摄像头 / 雷达+BSD 的短距雷达原有感知系统
B）底盘和动力总成控制接口
C）线束系统改装
从 Ford Fusion 的 Hybrid 切换到这个 100 台的 XC90，整个系统接口部分需要重新调整，新进入的部分也待确定，总体的技术部分，还是依靠 Uber 从卡梅隆合作那里为主干的系统（激光雷达为主，辅助视觉系统），猜测一下 Chris urmson 会不会过去啊。
1.2 为什么 Volvo 愿意出钱和出车
这个问题，其实是这段的重点讨论的地方，为什么 Volvo 愿意出车、出钱？
从 Volvo 的角度，来做 Drive Me 的项目
- 可以改进技术做自身的技术系统
- 多传感器感知融合也好，地图也好，决策也好云端也好，这些东西越复杂的融合在一起，在不同地区的部署和应用就越需要多的测试
- 在测试过程中的改进和迭代，都取决于试验地区和运行情况
- 很难扩展成真正的商业项目
- 消费者很难花个大价钱就买台无人驾驶车（成本很高+维护不知道+数据系统完全被收集）
- 车企也不大放心把这个车交给消费者去“实验”
这个的核心困难，由于车企的主体价值链是：调研车需求——>设计&工程——>制造，然后丢给分销商，自动驾驶的车辆是需要配置出去（目前这个阶段，还处在不成熟的阶段），这个问题就值得思考了。
Uber 不管是自己去购车给司机（车队管理 2.0——>交通服务），还是未来的 Robot Taxi 服务的整合，都掌握住了出口。在整个商用化的探索过程中，这事能很大程度的收集数据，博弈应用场合，在围绕 Uber 研发中心的地区，不断的收集和改进商业化交通服务对车辆的需求，这点谁先做谁办得到，无论是 Google 还是车企，很难切进去达到最终的场景。
- Google 可以雇人来坐车，但是商业模式是不同的
- 车企可以开个无人车队，类似 Ford 那样做的，但是本质还是测试车辆和系统
第二部分 其他的玩家
接上文，我们可以把测试分解成：
2.1 传统定义需求——>设计系统——>验证实验
【开发测试】部件测试：各个部件在原有的车上展现出来的性能
【开发测试】系统组合测试：各个部件测试成熟后，组合运用达到的效果
【开发测试】车辆封闭环境测试：各个车企在自己的试车场进行测试
2.2 测试驱动
【试用性验证测试】车队和相互作用测试：无人测试中心各种车辆交互测试，车队在特定项目在特定地区的道路测试
【系统应用于服务测试】有工程师坐镇的车辆，参与商业运营，测试车辆在商业环境中的适用性，排除驾驶者的干扰。主要验证系统和车辆需要为将来的商用服务的设计需求
- 很大一部分，也是传统 OEM 的数据信息和“打车”服务商的信息的整合
- 备注：由于隐私的问题传统 OEM 很难通过收集车主的客户信息（使用过程中）生成驾驶员特征数据库
- 需求响应驱动的，和车主的行为逻辑差异还是很大的，往前看这两者是同时存在的
我个人以为，把 Robot Taxi 这类和打车响应驱动的，和自己开的 Car-sharing 不同的业务模式都放一些
财务投资——>可以参与决定优先用自己的车
技术投资——>可以参与和了解高阶无人驾驶的取向
车企在投入整个过程中，完全未来应用的 Robot Taxi 更像是一个 Future Plan，短期内也会投入部分资源来权衡车辆共享的各个点，开发基于 Car-sharing 服务的带有运营性质的控制器（ECU），可能很容易植入整个系统里面，甚至实现与其他域的互动，加入一些特定场景的高阶自动驾驶。
在开发过程中，与消费者对接的那部分需要重新细致打理
- 如何优化没有车，但是有使用车的服务，这是车企参与投资 Car-sharing 提高营运效率的关键点
- 这种模式的演化，取决于车辆适应车主和适应运营的契合度
- Carsharing 的进入模式和原有的钥匙进入模式，进行可配置
Telematcis（车载终端+车载后台的支持）作为车和运营者的交互渠道，也是高阶自动系统和后台的交互渠道
小结：
从技术上来看，宣布这个事，没有本质的突破（技术部署的成本和技术的方案），而在商业上，可能使得整个高阶自动驾驶事情的军备竞赛更快一些了。技术的驱动力，实质也是群众的围观和渴求，满足这种渴求的公司获取更多的金融资源来再烧钱玩下去推动技术发展和成本优化，这是我们仅仅盯着技术突破看不到的事情。
下载ECAD模型
