2
1.欧亿·体育（中国）有限公司概况：随着人工智能浪潮的兴起，作为落地形式之一的自动
驾驶，欧亿·体育（中国）有限公司参与者众，市场潜力庞大
1.1 自动驾驶通过去人力的方式降低了物流成本，目前量产的大部
分自动驾驶汽车都处于L1-L2的辅助驾驶级别
自动驾驶汽车技术的研发，在20世纪已有数十年历史，当时数理逻
辑研究上的突破使得人工智能呼之欲出。随着深度学习算法、视觉
导航和物联网的进步，21世纪以来，自动驾驶技术获得飞跃式发展
，开始呈现出实用化的趋势。从本质上讲，自动驾驶是通过去人力
的方式降低运输成本，提高了物资流通效率
根据美国机动工程师协会（SAE）对自动驾驶技术给出的划分，自
动驾驶根据其“自动”程度可被分为L0-L5共6个级别，涵盖了从司
机完全掌控驾驶到汽车完全掌控驾驶的全阶段。目前，量产的大部
分自动驾驶汽车都处于L1-L2级别，福特、丰田、本田、宝马、沃
尔沃等多家车企均表示要在2020年量产出能达到SAE 3级的自动驾
驶汽车。L2与L3最大的区别在于L2阶段仍然以人为观察环境的主体
，而L3阶段观察环境的主体变成了车辆本身
自动驾驶分级
SAE具体定义
0无自动化由人来驾驶汽车，可以得到保护系统辅助和警示
1驾驶支援通过驾驶环境分析，可以对方向盘和速度其中一项支援控制
2部分自动化对方向盘和速度多项操作提供支援控制
3有条件自动化汽车自动驾驶，人类需要提供一定操作
4高度自动化汽车自动驾驶，人类不一定需要提供操作
5完全自动化完全自动驾驶，不需要人为干涉
36氪调研报告（第43期）——图森未来
2017.05
请务必阅读文末的免责声明
1.2 自动驾驶底层支撑：传感器、高精地图、计算平台
1.2.1 传感器：自动驾驶的基础
当前阶段，计算机视觉系统重度依赖传感器。传感器是热数据的主
要来源，同时也是算法模型优化的依据，可以说是自动驾驶的基石
。目前用于自动驾驶的主流传感器有激光雷达、摄像头、毫米波雷
达等。但是，传感器目前整体造价偏高，例如Google无人车所使用
的64线Velodyne激光雷达本身的价格就高达75000美元。未来技
术的进步将会促使传感器的造价大幅降低，这无疑也会极大地促进
自动驾驶汽车的普及
图示：自动驾驶SAE分级
来源：根据公开欧亿·体育（中国）有限公司整理1.2.2 高精地图：高精地图+传感器是目前主流的自动驾驶视觉解决
方案
虽然一辆车可以安装很多传感器，但如果单纯依靠传感器，其检测
范围以及反馈的道路信息有限，并且较高的成本也是一个门槛。如
果在其基础上搭配一张高精度的地图，路况的精准度将会大幅上升
，例如车辆在行驶过程中可以提前数百米知道前方有个三岔路口，
并且知道三岔路口的形状以及在这个时间点此路口有多大概率通过
大型拖车等信息，这样一来，决策便可提前启动
传统电子地图精度在5-10米左右，而完全的自动驾驶需要地图精度
在10-20厘米2，显然地图领域需要有一次突破式的进展，目前不少
巨头已开始联手发力，意图绘制出一张适用于自动驾驶的高精地图
。据外媒报道，博世将与百度、高德和四维图新在自动驾驶项目上
进行合作，其重点为高精地图领域，目标是在2021年之前使汽车具
备高度和完全自动驾驶功能
36氪调研报告（第43期）——图森未来
2017.05
请务必阅读文末的免责声明
1.2.3 计算平台：自动驾驶的大脑
除了传感器和高精地图，计算平台是自动驾驶技术另一个不可或缺
的部分，这是各种传感器回传数据融合之处，具备存储、计算和决
策甚至更高阶的能力。其中计算能力和无线通讯技术决定了自动驾
驶系统的可靠性和反应速度。除了这种数据集中式的处理方式，还
有一些公司正在尝试直接在智能终端处理部分数据，此种方式的处
理速度更快，一定程度上分流了后端计算平台的运算量
随着技术的发展，不少巨头走向了开源之路，平台的开源具备一定
的战略意义，它能够帮助其他公司逐渐向着开源企业定制的标准转
化，促进数据的清洗和标记标准化。如2016年，NXP将其自动驾驶
计算平台Bluebox开源；2017年，百度无人驾驶“阿波罗”平台宣
布部分功能。长远来看，数据的开放是大势所趋，但我们认为至少
几年内，标签化的细分领域数据仍会是核心价值所在
图示：高精度地图
来源：互联网
2根据公开欧亿·体育（中国）有限公司整理1.3 自动驾驶欧亿·体育（中国）有限公司目前仍处于早期发展阶段，但未来发展空间广阔
自动驾驶目前仍处于早期发展阶段，渗透率较低，但考虑到未来物
联网与人工智能技术渐趋成熟、自动驾驶功能将不断完善以及辅助
驾驶系统会逐渐普及，我们认为自动驾驶未来的发展空间将十分广
阔。来自波士顿咨询的数据显示，到2025年自动驾驶市场规模将达
420亿美元；到2035年，自动驾驶汽车的销量可能会占据全球汽车
销量的四分之一
36氪调研报告（第43期）——图森未来
2017.05
请务必阅读文末的免责声明
图示：自动驾驶领域合作动态
来源：根据公开欧亿·体育（中国）有限公司整理
2. 赛道玩家：稳扎稳打的传统车企VS一步到位的科技创新者
在自动驾驶赛道，目前主要有两种玩家：一是传统车企，二是互联
网科技领域的新进入者。前者由于库存、产品线和市场接受度等压
力，他们更倾向于采取稳扎稳打的策略，希望通过不断升级每一代
车型搭载的ADAS高级驾驶辅助系统的方式，逐步实现完全自动驾
驶功能，代表企业为福特、通用、丰田等
而新进入的科技企业则没有库存等压力，因而更倾向于一步到位的
策略。例如谷歌的无人驾驶汽车仅设置启动和停止两个功能按键，
车辆行驶、道路选择等则均由车载电脑操控。此领域的代表公司主
要有谷歌、Uber、百度、特斯拉等。不过，据The Information报
道，谷歌已于2016年年底放弃自主造车，走上与传统车企，如菲亚
特-克拉斯拉等的合作之路
我们认为，由于现阶段要实现自动驾驶的终极目标无人驾驶仍然十
分困难，因此合作将成为自动驾驶领域的主流，各家企业在其擅长
的领域相互配合才能最大程度地促进整个自动驾驶欧亿·体育（中国）有限公司的发展
公司自动驾驶领域合作动态
戴姆勒
2017年2月，戴姆勒与Uber与达成合作，双方将推出用于共享的自动驾驶汽车
2017年4月，戴姆勒宣布与博世合作，以加快自动驾驶汽车的发展
通用
据路透社报道，通用汽车计划与汽车共享服务商Lyft合作，从2018年起投放数千辆自
动驾驶电动汽车进行路测
谷歌
2016年，谷歌先后与菲亚特-克莱斯勒、本田签订协议，后二者成为谷歌自动驾驶技
术落地的的合作伙伴
特斯拉
2017年3月，腾讯以17亿美金入股特斯拉，成为特斯拉第五大股东，未来二者在自动
驾驶感知、决策、人工智能等方面都有极大的合作空间
百度
2017年4月，百度无人驾驶“阿波罗”平台宣布将面向合作伙伴开放环境感知、路径
规划、车辆控制、车载操作系统等功能的代码或能力，并提供完整的开发测试工具。3. 图森未来：传感器+自主算法+高精地图，处于车厂和承运人之
间，代替司机的角色
图森是自动驾驶领域的创业公司之一，采用高速路段全部自动驾驶
，非高速路段首车由司机负责的模式，为城际物流运输提供基于一
系列传感器的自动驾驶解决方案，为承运人提供固定路段点到点的
自动驾驶服务，其方案预计能够为物流企业节省约80%3的人工成本
。图森拥有自主采集的能力和标定平台，使用SLAM技术采集测绘
高精三维地图。利用其自主采集的训练数据集和研发的一系列算法
，图森可以实现环境感知、定位导航、决策控制等自动驾驶核心功
能，为承运人节省支出的同时降低可能造成的人身伤亡
36氪调研报告（第43期）——图森未来
2017.05
3.1 图森算法系统：解决未来15秒需要做什么的问题
图森使用自主采集的训练数据集和自主研发的一系列算法，能够实
现实现环境感知、定位导航、决策控制等自动驾驶核心功能。此算
法占据了计算机视觉算法评测数据集KITTI上包括道路分割、目标检
测和目标跟踪等在内的多项排行榜的前五名，同时也是评测数据集
Cityscapes上场景分割第一名4。80%规划+20%决策能力是此套方
案的主要能力，帮助车辆解决未来15秒需要做什么的问题。图森的
算法系统在一定程度上能够减少对传感器的依赖，降低方案落地成
本，进而加速商业化进程
请务必阅读文末的免责声明
20%
决策能力
方案
3.2 图森地图测绘：以自主测绘为主，合作、购买为辅
在自主驾驶的地图方面，图森选择自主绘制高精地图，以厘米级的
精度建立矢量模型，包括车道线、隔离带、交通标志牌、路面坑洼
，进出山洞时的光爆强度以及雨雪天气路况等信息。为了收集更多
视觉信息，摸清货车运行时确切的需求，图森目前与一线物流公司
合作，在数百辆货车上搭载地图绘制系统，每天可收集数十万公里
行车数据。此外，图森也会直接购买部分地图数据
3、4数据来自图森未来
算法
高精地图
自动驾驶
解决方案
图森向客户提出包括传感器配置、
数据融合、决策分析、控制流程
等在内的自动驾驶解决方案，客
户将需求转达车厂进行预装
使用自主采集的训练数据集和自主
研发的一系列算法，图森的方案可
以实现环境感知、定位导航、决策
控制等自动驾驶核心功能
自主测绘高精地图，除路径绘制，
还包括进出山洞时的光爆强度、雨
雪天气路况等路况信息
图示：图森未来一体化解决方案。