自动驾驶时代,如何挖掘商业模式的革新点?

雷锋网  •  扫码分享
我是创始人李岩:很抱歉!给自己产品做个广告,点击进来看看。  

自动驾驶时代,如何挖掘商业模式的革新点?

新智驾按:2019 第四届全球人工智能与机器人峰会(CCF-GAIR 2019)于深圳正式召开。峰会由中国计算机学会(CCF)主办,雷锋网 (公众号:雷锋网) 、香港中文大学(深圳)承办,深圳市人工智能与机器人研究院协办,得到了深圳市政府的大力指导,是国内人工智能和机器人学术界、工业界及投资界三大领域的顶级交流博览盛会,旨在打造国内人工智能领域极具实力的跨界交流合作平台。

2019年自动驾驶行业的关键词是“落地”。在封闭场景发力低速无人驾驶,在高速公路上布局干线物流运输,在汽车上搭载L2/L3级别的解决方案,各家都以不同的方式推进落地的进程。

但少数车型的落地不意味着“量产”的到来。在自动驾驶技术尚未完全成熟的情况下,如何自我造血,如何探索出可靠的商业模式,是横亘在每一个自动驾驶公司面前的难题。

7月13日,在CCF-GAIR峰会的智能交通专场上,就这一命题,雷锋网邀请了 菜鸟ET物流实验室主任张春晖、 驭势科技联合创始人兼CEO吴甘沙、图森未来副总经理薛健聪、西井科技CEO谭黎敏、禧涤智能总裁高进 ,共同探讨自动驾驶下的商业模式革新的问题。以下为本次圆桌会议全文,雷锋网新智驾进行了不改变原意的编辑:

张春晖: 今年是无人驾驶的落地元年。但目前大部分落地的案例都发生在垂直领域。从整个行业来看,此时自动驾驶的量产落地是激进、保守,还是正当时?

吴甘沙: 落地不难,但量产很难,尤其汽车行业定义的量产更难。目前的问题在于,能否在“落地”和“量产”之间找到几个里程碑?这中间包括要真正解决,为客户创造价值,替很多客户解决痛点和创造价值,成本足够低的难点。产品变成商品时,才有量产可言。目前绝大多数行业参与者都在路上。未来一两年里真正解决客户痛点并创造价值,是驭势科技的目标。

自动驾驶时代,如何挖掘商业模式的革新点?

人力成本(尤其是在工作条件不太好、人员流失率很高的地方)、管理成本、总体拥有成本等都是无人驾驶可以解决的痛点。TO B垂直场景的好处在于,客户更看重未来几年的整体成本,而无人驾驶的解决方案能为其减轻多少成本。

这对于在产量不大,成本偏高的无人驾驶的早期是有好处的。机场物流就是其中的代表场景,比较容易形成一套完整的商业模式。

发展商业模式的前提是真正实现无人,而这必须解决安全性问题。其实一两年前就已经有解决安全问题的方法,现在要做的是把它切入客户的场景。然后与其管理系统相结合,才算达到量产前最重要的里程碑。1000台是一个有代表性的里程碑。

薛健聪: “落地”永远是在摸着石头过河,特别是现在。当初行业兴起时,众人觉得自动驾驶时代很快会到来。但真正接触商业营运本质的时候,我们发现落地还是有距离的。

自动驾驶时代,如何挖掘商业模式的革新点?

图森认为无人驾驶卡车、物流运输的商业模式会相对坚实一些。无人驾驶卡车的使用效率非常高。在政策、车的性能完善之前,如何做好现阶段的无人驾驶卡车和商业落地有很大的关联。

L1、L2是真实存在的市场,因为这两项技术可以带来安全性能的提升。但L3级别的卡车市场是否存在市场需求,这是一个值得探讨的话题?L3的自动驾驶大部分时间不需要驾驶员操控,但驾驶员应该什么时候接管、责任主体应该怎么界定,这是L3市场需要回答的问题。

因此,干线物流、码头、物流园区等是实现L4级无人卡车落地应用的场景,因为它绝大多数的时间在高速公路或半封闭场景里运行,路径场景相对单一,而实现无人化可以省去非常多的物流成本。 因此,在讨论量产和落地之前,应该首先考虑商业模式是否真的符合市场需求。在美国,图森围绕现有的商业模式在做无人驾驶。目前图森的车队规模是50台车,未来将会扩展至100台。

目前图森已经和16家客户达成了合作,由于保密协议,唯一能透露的是美国邮政,剩下的公司都是抱着主动积极的心态,观望无人驾驶到底可以给物流行业带来什么改变?这是图森自动驾驶落地的前置条件,也是落地的基础。

高进: 今年下半年禧涤会出两百台左右的车,到明年上半年会出到1000台。我们的应用场景速度要求比较低,距离也不要求太长,激光雷达可以覆盖25米左右,因此相对来说不那么难。

自动驾驶时代,如何挖掘商业模式的革新点?

禧涤解决的是商用空间清洁工数量越来越少的问题。在发达国家,一个清洁工的平均工资在四万美元左右,而禧涤的机器售价不到两万美元。如果一天分白天晚上两班,机器至少可以替代两个人。有些场景人流较少,机器运作得快,可以取代四个清洁工。从成本角度来看,无人驾驶在发达国家有很大影响。

在中国,两万美元是两个清洁工的工资。禧涤的产品对清洁公司、物业外包公司来说都是很好的人力替代品。

谭黎敏: 西井科技一直是把“落地”作为非常重要的目标。从2016年进入港口场景,西井用自研深度学习的加速芯片给用户提供前端的图象识别,帮用户解决了在港口理货的问题,减少工人提升了效率。随着需求越来越多,针对港口内的厂区安防、管理监控系统以及相关设备,西井提供了一些传感器、半无人化的作业系统以及生产系统的管理调度。

经过评估,觉得无人驾驶确实是能够提升港口的效率,西井才开始组建无人驾驶团队。目前我们有36个港口和码头的付费用户,这些订单也是西井收入的坚实的基础。

自动驾驶时代,如何挖掘商业模式的革新点?

西井科技考虑的是,如何通过加入、落地自动驾驶技术和之前的子系统一起,帮助客户在完整的封闭场景里更深入地提升各个点的效率。对西井来说,“落地”是协同作战带来的产物。

得益于其他子系统,在进入自动驾驶领域之前,西井已经对场景、生产作业的流程已经有了两年时间的累积和观察。在这个基础之上,我们将自己清晰地定位于一个封闭场景,与用户的作业场景结合起来。

底层技术让车运作起来很容易,但接下,怎样保障车辆长期运营的稳定性和可靠性是难点。最初西井基于图像识别的子系统,加速芯片使得识别效率有了大幅度的拉升。但如果无法达到100%的识别率,对用户来说都是没有意义的。用户更看重安全可靠性,这是最后一步要解决的问题。只有做到这一点,真正能够把产品变成一个商品。

菜鸟ET物流实验室张春晖:现在行业内也有两种声音:一种声音是自动驾驶应该遵循渐进式道路,从L2向L3、L4演进,另外一种声音是直接从L2到达L4、L5。各位怎么如何看L3级自动驾驶是不是伪命题?

薛健聪: 在无人驾驶的卡车物流领域,L3可能是个伪命题,L1到L5不是渐进的关系。在设计和无人驾驶的系统的时候,涉及到责任主体的考虑。L1和L2是以人作为责任主体出发,L4的最终目的是彻底无人化,否则产品不可能盈利。我们可以把无人驾驶系统简单划分为感知、决策、控制三个部分,单纯强调其中某个单项的优势是偏颇的。三个部分是互相配合的,否则整体系统性能就无法保证,因此需要以最根本的责任主体作为划分标准。

吴甘沙: 我认为L3是一种特定的L4,指望车内驾驶员在紧急的状态下对系统进行接管,是不可能的。首先系统需要提前判断能否继续驾驶;其次实现优雅降级,可以减速或者靠边停下,给驾驶员或远程的操控者足够多的时间了解状况;使得驾驶员有充分的时间对车进行接管。所以我首先认为真正合理的L3就是一种L4。

当然从商业模式上说,L3和L4之间有巨大的差别。在对司机的资质和能力要求特别高的情况下,L3是否成立值得商榷。目前L3乘用车,需要车内的驾驶员只需要具备基本的驾驶能力,就具备接管的能力。但重卡和干线物流等商用车型,对司机的资质和能力要求非常高,而这类的司机资源是非常匮乏的,所以在商用车和干线物流等特定场景下,对于L4的需求是迫切的。

另外一个场景如小巴,在尚未完全实现L4之前,只需要在特定情况下对车进行接管,这时候对驾驶员的要求降低了,这是不是一种合理的L3车辆运营?这是可以进一步探讨的。

高进: 从行业角度讲,低速行业是能在短期内可以实现马上落地商用,并且风险系数并不高。最理想的两个场景是商用空间清洁和封闭的场景物流,一是慢,二是场景封闭。商业场景足够慢,即使是存在不够灵敏的情况,也是能够存在商用运作。而且,存在着驾驶员的自动驾驶车辆还需面对一个哲理思考,遇到危险情况时,到底是保护车内人还是车外人?而机器人无原则护车外人。研发至今不到两年,我们就已经开始商用。

谭黎敏: 西井的封闭场景原本就有完全无人化方案在运营,所以我们的自动驾驶一开始就瞄准了无人化。我们觉得L3并不是很合理的存在,如果没办法实现无人化,就没办法解决用户的痛点。无论是从用户需求还是从产品的价值导向看,西井科技都是瞄着L4走。越在商用车领域,越需要完全无人化。

自动驾驶时代,如何挖掘商业模式的革新点?

张春晖:在你们看来,目前自动驾驶量产面临的最大挑战是什么?

驭势科技吴甘沙: 个人认为,最大的挑战还是如何保证绝对的安全。无论场景再封闭,再低速都不能出现事故。如何保证绝对的安全?关键是怎么更好地测试无人驾驶,增加测试的有效性,增加测试内容的丰富性、代表性、强度和密度,这是整个行业要着力解决的。我相信未来任何一个无人驾驶的场景,都需要解决这样的问题。实现商业化落地,摆在前面最大的问题就是测试有效性的问题。这既是对客户负责任,也是对自己、对行业负责任。

薛健聪: 我觉得可以从政策或者商业化的角度来看量产问题。中国和美国是全球两个最大的无人驾驶市场,规模体量也很接近。美国政策的开放度要优于中国。图森已经累积了足够多的数据进行相关测试,除了路测之外,图森在美国实现商业营收。虽然在保留安全员的状态下尚未实现盈利,但可以节省绝大部分的成本。

对于国内而言,政策是否足够开放,是除技术以外的限制AI赋能实体应用的关键节点。但令人欣喜的是,国内现在已经有了很多的动作,包括上海去年三月开始的路测、今年四月份公布的首批人工智能试点场景。我们希望还是给予技术足够的落地空间,让技术真正成熟。

禧涤智能高进:行业着如何大规模的问题。 在低速无人驾驶上,如果机器人清洁能达到一两百台的运营体量,接下就要考虑云端问题。比如一个商场有十台机器人同时清洁,云端要如何管控的问题。只要过了百台,行业的发展得到提速,一百台是服务机器人是一个很重要的节点。

西井科技谭黎敏: 在目前的系统里,西井科技的产品至少有三套系统在同时布局,以保证可靠性和安全性。在封闭场景里,搭建车路协同、厂内的通讯系统以及远程人工监管,目前都有不同维度和体系的保障。

反过来,我们已经发现一些新问题。比如我们在自动驾驶上用的是电车卡车,各方面的表现都比柴油车更好。但如果一个码头有两百辆卡车,按照1:3配充电桩就需要60几个充电桩,车的充电面临着新的问题。所以自动驾驶的落地过程中,一定会有新的工程问题和挑战出现。路的确比较长,但未来也会有好的技术出现。这个过程一定是不断优化,不断合理化的。

自动驾驶时代,如何挖掘商业模式的革新点?

随意打赏

互联网时代的商业模式互联网时代商业模式项目的商业模式什么是商业模式微信的商业模式商业模式是什么平台商业模式新的商业模式商业模式
提交建议
微信扫一扫,分享给好友吧。