从CES 2016看自动驾驶的技术趋势

所以总体来说，自动驾驶的硬件门槛正在变得越来越低。如果说七八万美元的激光雷达太高高在上，那么这次 CES 展示出来的东西，显然是更多考虑到了商业化的因素。不管是廉价激光雷达还是麦格纳的方案，都是为自动驾驶量产化、商业化做的准备，从这个角度来说比去年更 贴合消费电子展的「消费」二字。

对于“定位”、“高精度地图”的理解更加深入

高精度地图、视觉识别，这二者的作用是让车子精确的定位和感知环境，人们在这方面的理解和解决方案变得更成熟。

首先是自动驾驶所需的地图，一方面，它的获取方式正在发生改变，另一方面，它本身也有一些变化。

在我们惯常的理解里，高精度地图来源于图商的测绘，但是现在「众包」的模式开始受到重视。在 CES 之前，就传出丰田要利用这种模式采集高精度地图，所依靠的硬件是用户车内的摄像头 GPS，而在 CES 上，Moblieye 也宣布和通用、大众合作，做高精度地图方面的采集，使用的当然也是 Mobileye 的摄像头。另外，Here 发布的 HD Live 地图，打的也是「众包」的概念：把车辆传感器读取到的数据上传到云端，然后再下发给其他车辆。

这样的好处显而易见：用更低的成本，换取更多的数据。目前高精度地图主要依赖激光雷达采集，成本很高，「众包」肯定有节约成本的目的，而且可以在同样的时间段内获取更多的数据。

但是除此之外，这种方式也有其他的好处。首先是更「轻量化」。以 Mobileye 做的 REM（Road Experience Management，路网采集管理）方案为例，通过采集包括交通信号、指示牌、路灯等「地标」，得到一个简单的 3D 坐标数据；再通过识别车道线信息，路沿，隔离带等获取丰富的 1D 数据，这些数据叠加形成所谓的「RoadBook」（路书），数据量只有 10kb/km，而谷歌的高精度地图每公里的数据量可能有几个 G 之多。

另外一个好处是更加实时化。比如 HD Live 地图就可以做到云端的实时更新，并且实时下发最新数据。突发的路况信息、道路的最新变更情况，都可以通过这种方式得以解决。

可以看到的是，原来可能我们认为高精度地图更多的是依赖于雷达，而和视觉识别（摄像头）关联度相对要小，但从某种意义上来说，它们其实是一个整体，两者互相配合、共同作用，才能让车辆具有更精确的定位和感知能力。

处理能力的强化

这部分最明显的感受是本机处理能力、深度学习能力的提升。

英伟达在 CES 上发布性能相当于 150 台 MacBook Pro 的 Drive PX 2，是最有标志性的事情。Drive PX 2 用了 12 颗 CPU，250 瓦的总功率基本也只有汽车这个级别的硬件才能承受，并且用到了水冷散热。它可以处理包括摄像头、雷达、激光雷达在内的 12 路信号，深度学习能力达到每秒 24 万亿次。