全球无人驾驶商业化进程正在加快。
目前，随着主要车企及科技公司不断推出新的自动驾驶技术，世界各国都在积极制定自动驾驶普及路线图，放宽无人驾驶汽车相关法律法规，主要集中在道路测试和规划、驾驶分级、汽车制造等方面。据前瞻产业研究院发布的《无人驾驶汽车行业发展前景预测与投资战略规划分析报告》显示，2016年全球无人驾驶汽车市场规模为40亿美元，2018年达到了48.2亿美元，到2021年，预计将达70.3亿美元;到2035年，预计全球无人驾驶汽车销量将达2100万辆。
(自动驾驶领域国内外公司格局图)
就在今年5月15日，一家成立仅1年的中国自动驾驶初创企业Roadstar.ai引起了业界的广泛关注，该企业正式宣布完成1.28亿美元A轮融资，这是截至目前无人驾驶行业内这一轮次的最高融资额，Roadstar.ai也成为国内无人驾驶领域估值最高的初创公司。6月13日，Roadstar.ai携全球首款纯国产激光雷达Level4自动驾驶解决方案「Aries·锐」亮相CES Asia，该方案是全球首个搭载纯中国国产激光雷达的无人驾驶Level4解决方案，在任意速度、任意曲面道路上可实现最大误差5cm。
该公司CEO 佟显乔在接受21世纪经济报道记者专访时介绍，解决方案有着成本低性能高的绝对优势。目前的成本大约30万元人民币，而竞品的成本大约在150万人民币左右，到2020年Roadstar.ai计划该系统成本降到5万人民币。
佟显乔预言，2020年，无人驾驶商业化时代将全面到来，而Roadstar.ai的目标则是成为无人驾驶领域的“滴滴”，让无人驾驶技术与专车服务全面融合，打造高效、便捷、安全的出行场景。
独创多传感器前融合技术
全球自动驾驶领域目前竞争非常激烈，据不完全统计，全世界已经涌现出了超过240多家自动驾驶技术研发初创企业。但Roadstar.ai并不为此担心，佟显乔认为这200多家初创企业的研究是“分场景、分赛道”的，有的做封闭场景、有的做L3等等，拥有不同的商业模式。跟Roadstar.ai一样专注于开放路况下自动驾驶L4技术的并不多，同时自主开发的算法是Roadstar.ai的核心优势，从难度上就与竞争对手拉开了距离。
目前，Roadstar.ai在无人驾驶的征途中研发出了两项关键技术：HeteroSync（异构多传感器同步）和 DeepFusion（数据深度融合）。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，自动实时更新同步参数，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。
“无人驾驶要做的其实就是两件事，第一是看清世界，第二是看懂世界。”佟显乔指出。Roadstar.ai独创的多传感器前融合技术，在原始数据层面将激光雷达、摄像头以及毫米波雷达的 8 维数据进行融合，由此可以实现高精度的地图测绘，以及对视野范围内物体和人的有效识别。
“所谓的前融合，就是在原始数据级别就把所有传感器的数据融合在一起，把多个低成本低性能的传感器合并到一起来使用，这样可以大大节省成本同时提高效率。”佟显乔告诉21世纪经济报道记者。
他解释，目前全球范围内的大部分无人驾驶公司所采用的还是针对每个传感器都有相应的感知算法，在对每个传感器的数据进行处理后，把感知结果汇总起来的多传感器后融合技术或是不融合的单传感器技术。相对而言，Roadstar.ai采用的前融合技术对单个传感器要求低，采用的都是国产低成本传感器，单一功能可能有限，但是合起来可感知包括几何、颜色、纹理等全方面的信息，可以达到算法更快、识别更准的效果，大大提高了无人驾驶车辆的反应灵敏度和安全性能，也能让车辆更好地适应复杂的路况。
中国路况对无人驾驶车辆要求更高
美国从30年前就开始研究无人驾驶的相关技术，在美国加州，每个参与无人驾驶研发的公司都需要提交年度报告，总结在测试中所发生的司机接管情况，这个数字被很多人用来评估公司水平的标志。Google母公司Alphabet旗下的Waymo遥遥领先，紧随其后的是GM的Cruise，平均每次接管行驶里程都超过了1000英里，其中Waymo更是在亚利桑那州去掉了司机，采用远程接管的方式进行无人驾驶的运营。
然而，即便做到这个水平也不代表能在中国安全地驾驶无人车。
“相比美国，国内的路况会复杂许多，这就对传感器的灵敏度有更高的要求。”佟显乔分析。他介绍，目前Roadstar.ai 的无人车可以在城市路况下实现150-200米范围的提前预判并即时反映，能适应国内大部分的复杂路况，包括对随时变动的修路状态，道路中突然出现的电单车、行人等都有灵敏的判断和反映，保证车辆能够在各种复杂路况下安全行驶。
经过过去一年来的实际路测，Roadstar.ai的无人驾驶车辆已实现可在加州平均一个月只有一次人工干预以及在国内高复杂城市路况环境下连续数小时无人工接管的情况下安全行驶，完美驾驭美国加州及国内城市复杂路况。
“中国在无人驾驶的法规方面亟待完善。”佟显乔指出。据了解，中国只有北京、上海、广州、重庆有政府明确的无人驾驶测试牌照以及上路规范，即使拿到牌照，以后也只能在有限的几公里、十几公里的测试路段行驶。相比之下，美国有21个州完全开放有安全司机的自动驾驶，其中7个州已经开放了没有安全司机的自动驾驶，并且拿到牌照后车辆可以在全州的任何地方进行测试。“不过近段时间我们也看到了中国政府对无人驾驶的开放心态，相信随着无人驾驶技术的进一步成熟，交通秩序将更加井然，相关配套的法规也会逐步完善起来。”佟显乔认为。
瞄准国内智能出行市场
据前瞻产业研究院预测数据显示，到2035年全球无人驾驶汽车销量将达2100万辆。参考2015年全球汽车年销量突破8000万台，中国销量接近2500万台的数据。庞大的汽车销量和消费者对科技的需求，使中国有望成为最大的无人驾驶市场。
当被问到 Roadstar.ai 在自动驾驶商业化的应用场景时，佟显乔说，公司未来在国内将专注于无人车专车运营服务，瞄准的是智能出行市场，欲打造无人驾驶领域中的“滴滴”。
Roadstar.ai计划2018 年内在深圳部署 50 台无人车，如果政府允许，将提供给一般消费者进行载客服务；如果不允许，还将继续通过安全员进行一定范围内的道路测试，夯实算法；2019 年，Roadstar.ai将与 OEM 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 年将在深圳部署 1500 辆定制无人车，真正做到无人运营。
“我们希望通过两年数据积累提升算法，提升整体效果及稳定性，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。”佟显乔告诉21世纪经济报道记者。“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。”他表示。
从更长远来看，Roadstar.ai希望可以“软硬结合”，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。这也是Roadstar.ai选择将国内研发、生产中心落户深圳星河WORLD人工智能园区的原因。“相比硅谷，这里的产业链更完整，技术到产品的转化更快，为Roadstar.ai提供了最好的外部环境。”除了丰富的市场资源，星河创投还联合深创投等投资机构参与Roadstar.ai的A轮融资，帮助Roadstar.ai一起构筑供应链生态。
而在国际市场，Roadstar.ai也有相应的规划——扮演技术提供商的角色。“由于海外市场所涉及到的高精地图和当地核心的交通数据会受到相应的保护，因此Roadstar.ai选择了从技术切入。”佟显乔解释。
据了解，在日本市场，Roadstar.ai有机会于2019年就率先实现商业落地，和日本最有影响力的通信企业以及OEM深度合作；在欧洲，Roadstar.ai和欧巴集团共同合作开发无人驾驶巴士，由Roadstar.ai进行了无人驾驶大脑的开发；在北美，Roadstar.ai和全球知名的Tier 1进行项目的合作，用一些新的传感器来做一个无人驾驶的方案，未来双方将共同打造一辆为无人驾驶而生的汽车。
展望未来，佟显乔认为无人驾驶技术的普及不仅可以升级我们的出行方式，更能彻底改变我们的生活。“车辆将不再是单一的交通工具，更是拥有生活、娱乐、工作等多种功能的移动空间，实现这一切指日可待。”