2018年最为关注的技术无疑是自动驾驶，Waymo、特斯拉、Uber、通用…国外企业的下注越来越大，在1年的时间内也获得了引人瞩目的提高，甚至已经开始了商业化的探索。
而在这个行业发展最快的第二片土地，中国的自动驾驶行业在过去一年则较为宁静。相比于国外企业，国内大型科技公司和车企并没有在自动驾驶上进行太大的动作，想要窥探行业发展，只能从更有活力的创业公司身上寻找答案。
Next Tech接触到了一家叫Roadstar.ai的企业，它非常年轻，却极具代表性。通过这家公司，我们希望对技术的趋势，以及国内自动驾驶的现状和未来能有更深刻的了解。
从硅谷到中国Roadstar.ai成立于2017年5月，在短短不到两年的时间内，集结了一批优秀的研发团队，并获得了1.28亿美元的A轮融资。
CEO佟显乔在美国读博时主攻的就是无人驾驶技术，毕业后曾就职于苹果无人车Titan项目、英伟达自动驾驶部门、百度在硅谷的无人驾驶技术分部。
这种技术也是目前无人驾驶领域比较先进的解决方案：前融合算法。它是对原始数据（raw data）进行融合和深度学习的技术，能够极大地提高DNN的检测精度，并减少例外（corner case）。
CTO衡量介绍说，Roadstar把多个传感器的数据进行了整合，让它们变成了一个“超级传感器”，并针对它开发了一套自己的神经网络。这样一来，可以在最大程度上减少信息丢失，保证信息的完备性。
目前在国内，有真正能力做“多传感器融合”的企业还很少，这是未来自动驾驶技术的方向，也是Roadstar的核心技术竞争力。
降低成本，是商业化的前提
高昂的成本，是落地高等级自动驾驶的最大阻碍之一，无人车使用的硬件传感器中，最昂贵的就是激光雷达（LiDAR），它对于空间的测量最为准确，可以提高整车的安全性和可靠性，但它采购的成本可以达到上万美元。
激光雷达的供应被Velodyne公司垄断，入门的16线产品售价7900美金，64线的型号则要8万美元一台的天价。
Velodyne 16线激光雷达
Roadstar为了尽早实现量产，采用了一套国产的解决方案，成功把整车的成本压缩到了30万元以内。衡量表示，激光雷达相对来说是一个比较新的领域，国产的产品在主流参数上不输进口，但价格只有外国的一半左右。
Roadstar硬件上的组成包括4颗低线束速腾LiDAR，1颗40线禾赛LiDAR、6颗摄像头、3颗毫米波雷达，和一套GPS&IMU硬件系统。
Roadstar将传感器集成在了车顶的盒子内，通过异构多传感器同步技术，使不同品牌、类型及数量的传感器兼容。因此，这套方案也可以根据需求，去支持国外的高精度传感器。
Roadstar和不同的车企合作，提供乘用车和商用车的前装无人驾驶解决方案。2019年，Roadstar计划将车队扩充到100量，同时进一步压缩成本，来进行商业化的探索。
面对中国市场的特殊性
在我们的试乘体验中，Roadstar的车的确有很好的完成度，无论是起步、刹车、转弯、并线，车子都能顺利的执行。
根据衡量的说法，Roadstar目前在美国大约1个月才会干预一次（1000公里），在国内复杂路况下也能实现几百公里一次的干预，同时在夜晚、雨天、高峰期等路况下都能正常行驶。
衡量解释说，美国的行车要更好预测一些，人们的驾驶习惯要更规矩，车不会胡乱变道，不会经常加塞；而国内的驾驶路况要更复杂，经常有逆行和闯红灯的现象，对于无人车的考验也更大。
这种困难也是一个机遇，目前无人驾驶算法需要的不是单纯的测试里程数积累，而是需要去遇到更多的corner case，通过更迭算法打补丁，或DNN来不断解决问题，让无人车能应对各种情况。面对中国的路况，对于Roadstar团队是不小的挑战，但这也促使了频繁的优化和升级，让整个系统更加完善。
衡量认为，硅谷的公司在技术上有领先优势，但在中国推进自动驾驶，在美国被验证的技术是行不通的：
“硅谷的算法平移到中国一定是失败的，Waymo如果放在中国，会漏洞百出，而在中国锻炼出来的算法和平台，放在国外就会如履平地。在中国能找到最多的corner case，是自动驾驶最佳的，也是最严苛的训练场地。”
目前来看，中美的技术差距，还是体现在硬件研发上。比如行业领头者Waymo，最初使用的是Velodyne激光雷达，后来Waymo无人车的所有传感器几乎都是自研。特斯拉在和Mobileye分道扬镳后，也依靠自己推出了新的硬件系统。
有硅谷工作经验的创始人们也认清了这一点，Roadstar在深圳和硅谷 San Jose都建有研发中心，可以跟进行业前沿，吸纳人才，不断学习和吸收硅谷最新的技术，将成果移植到国内，做有针对性的改良，同时依托本土，保持算法和数据上的优势，实现更好的软硬件结合。
,
