這 2 年完勝大盤的產業 ！自駕車全面解析

下一個十年，三大領域的發展創造自駕車的熟成期

由「女股神」Catherine Wood所創辦的ARK Investment(方舟投資)，在2021年的投資報告中，提及了值得注意的21個投資領域，其中與「自駕車」相關的領域就佔據了三大類：

• Deep Learning 深度學習領域 「自駕車」能夠透過收集數據優化系統，而AI深度學習的進展，也就是俗稱的軟體2.0，由資料寫程式，將大大的幫助自駕車發展。
• Electric Vehicles 電子車領域 到2025年，電動車將成長20倍，因為它的開發成本將下降至與傳統汽油車差不多，而「自駕車」大部分都是「電子車」，相對汽油車，電腦更容易控制電子車，且「自動充電」遠比「自動加油」來的安全。
• Autonomous Ride Hailing 自動化交通網領域 一個自動駕駛的計程車成本預估將是人工計程車的1/10倍，將大大降低人類的交通成本。ARK預估，自動化駕駛的交通工具在2030價值將超過一兆美元

自駕車市場有多大呢?

怎樣算自駕車呢？Tesla 算嗎？

• Level 0 無自動駕駛 所有控制都由駕駛人操作
• Level 1 輔助駕駛 油門的加速與控制輔助，但人類需要操控方向盤跟剎車
• Level 2 部分自動駕駛 又稱ADAS系統，油門、方向盤、煞車皆可由電腦控制，這個階段的目標主要是避免發生意外，仍必須由人坐在駕駛座上偵測路況。依據Tesla 官網所說駕駛人仍必須隨時監控路況，Tesla目前仍在定義上的Level2階段。
• Level 3 有條件的自動駕駛 此階段相較上一階段多出了環境辨識與偵測路況，該自動駕駛系統可以透過環境條件自己做出對應，例如前方車速過慢就會加速行駛。但仍必須要由人監督。
• Level 4 高度自動駕駛 這個階段的自動駕駛已經非常接近全自動駕駛了，當路況上發生意外時，自動駕駛系統也能夠自行介入。因此駕駛人在大部分的情況下都不需要開車，但如果想要人工介入，也是可以的
• Level 5 全自動駕駛 沒有方向盤/剎車，人類完全不需要駕駛，全依賴自動駕駛系統

自駕車技術的兩大部分

1. Vision 影像分析–模仿人類雙眼

Vision影像分析利用AI演算法，判斷圖片裡物件的相對位置。這個部分需要利用大量資訊去訓練類神經網路，讓它能夠做到2D影像裡的每一個像素都做好分類(Semantic segmentation)、判斷物件(例如:是人或是車)、判斷物體跟物體之間的距離等。 透過AI人工智慧，希望可以讓電腦也能有人類雙眼般的感知。

2. Lidar 光學雷達系統-精準判斷物體間位置

Lidar 利用雷射取得物體之間的距離，可以準確的得知物體之間的位置，連60公尺外的物體之間的距離都能精準到毫釐。

大部分的自駕車都在Vision的架構下多家使用了Lidar系統，因為比起訓練電腦去分析相機圖像，Lidar提供了準確的物件位置。

但是Lidar最為人詬病的即是它的成本，2012年Google自駕車使用的Lidar自駕車成本高到70,000美金，到今日成本已降低至1000美元以下，但仍然是一筆費用。

大部分的自駕車開發通常使用兩者，Lidar+Computer Vision 來達到Level 4/5的開發階段，但是其中有一家開發商堅持不用Lidar，就是之名的電動車廠Tesla。

Tesla 捨棄Lidar，Elon甚至說:「輸家才用Lidar」

在Tesla 一場自駕車的發布會上，Elon Musk 提及了一個論點:

「人靠兩隻眼睛判斷影像都能做得很好了，為什麼還需要LIDAR?」

Elon Musk認為，透過人工智慧的訓練，最後我們還是能透過相機鏡頭就能夠達到Level 5，但從Tesla預估達成完全自駕的時間一再往後延，證明這個訓練並不是如我們想像中容易。

人們很容易可作出分類概括，例如我們看到一台卡車，就能夠認出一台倒在路上，對機器卻不是這麼容易。

另外，很多人會認為機器學習是直線式的，只要餵越多資料就能夠讓程式越來越進步，事實上並不是這樣，世界上的情況有無限種，然而如果餵進去的樣本就侷限在某種情況，那麼訓練出來的模組仍然不具靈機應變的反應(詳情可參考: 數據長尾)。

因此，以目前的現況，要單純用機器學習跟鏡頭達到完全自駕，真的很困難，但如果Tesla突破這一點，將會是非常有價值的技術。

自駕車市場的主要開發者