AI锐见 原创
半夏 编辑 芳心老师 撰写
BAT争相入局自动驾驶，谁的无人车能先上五环？
随着之前阿里巴巴获得杭州市首张自动驾驶牌照， 百度、阿里、腾讯三大互联网巨头在自动驾驶这个赛道上再次站到了同一个赛道上。
但隐藏在这看似各自平稳发展表象下的暗潮已经开始涌动，谁都知道最先把无人车开上五环的是最大赢家，那么，就目前研发的情况来看，究竟谁能笑到最后？
接下来小编就来带领大家分析预测一波在无人驾驶领域，究竟谁能最先落地！
阿里或想弯道超车
自动驾驶应该算是近几年最热门的话题之一，不仅传统汽车企业竞相研发，各个互联网大佬也不甘示弱，纷纷成立各自的实验室，招募研发团队，试图主导无人车市场，制定行业标准。
阿里在这方面算是刚“入行”的“新人”。
今年4月，阿里对外确认其团队正在研发L4及以上自动驾驶技术，并具备了在开放路段测试的能力，已有车辆进行了常态化路测，而且还有几十辆正在开发研究中，主导这项研发的正是其AI实验室首席科学家王刚教授。
阿里AI labs发布的人工智能消费级产品“天猫精灵X1”，就运用了王刚的多项研究成果。其于2017年3月加入阿里巴巴人工智能实验室，负责机器学习、计算机视觉和自然语言理解的研发工作。
除了自我研发外，阿里在人工智能领域也向来出手阔绰。
其在过去几年内，投资了商汤科技、旷视科技等多家独角兽企业，大有把独角兽企业“一网打尽”之势，把这些科技企业收入囊中可谓是其在无人驾驶领域一大助力，同时也阻断了对手获取资源的渠道。
低调干大事一直是阿里的处事风格。
今年1月，在全球权威的机器视觉算法测评平台KITTI中，阿里人工智能研究机构iDST夺得行人检测单项冠军。于此同时，在知名的行人再识别数据集Market1501中，阿里也取得重大突破，首位命中率提升至96.17%，位居世界第一。
最早吃螃蟹的百度
与阿里相反，百度是高调的代名词。
百度是国内最早提出无人车计划的公司，早在2014年 7 月，百度就已首次证实已启动“百度无人驾驶汽车”研发计划，可以说是国内研究无人驾驶第一梯队的科技公司，随着第100辆L4级“阿波龙”自动驾驶巴士在福建生产厂下线，百度宣布自动驾驶巴士进入量产。
从2017年起，厦门金龙客车与百度正式达成合作协议，共同开发名为“阿波龙”的无人驾驶电动巴士，该车搭载百度Apollo开放平台，是全国首款商用级无人驾驶微循环电动巴士。
这批 14 座的新车会被投放到北京、深圳、武汉等中国城市，在机场、工业园区、公园等行驶范围相对固定的场所开始商业化运营。 这应该是算是百度阶段性的胜利。
这样算已经落地了么？并不算。
业内对百度宣称的L4有很大争议，L4的标准是什么？其实它和L5都可以称为完全自动驾驶技术，到了这个级别，汽车已经可以在完全不需要驾驶员介入的情况下来进行所有的驾驶操作，和L5有所区别的是，L4只适用于部分场景下，通常是指在城市中或是高速公路上。而L5级别则要求自动驾驶汽车在任何场景下都可以做到完全驾驶车辆行驶。
百度“阿波龙”目前只能在特定的封闭的区域运行，其能否高效、安全的行驶还需要时间的检验。
不过，日前，百度与SB Drive（日本软银集团旗下自动驾驶技术研发公司）、金龙客车（厦门金龙联合汽车工业有限公司）达成战略合作，三方将合力开发日本版“阿波龙”，并计划2019年初期从中国进口包含测试用车在内的10台“阿波龙”。
当然，百度也借由Apollo开发平台，聚拢了一大批传统车企、自动驾驶创业公司到自己身边，以平台之力，在自动驾驶领域发挥更大的势能。
沿着这样的趋势发展下去，百度会一直待在第一梯队里吗？它会是最后的赢家吗？很难说！
腾讯在侧 “虎视眈眈”
腾讯对自动驾驶领域早有布局。
早在2016年，腾讯就成立了自动驾驶实验室。去年年末，腾讯自动驾驶实验室人员规模在50人左右，预计今年人员扩充到2~3倍，更有小道消息说，腾讯自动驾驶还新增了T5层级的工程师。
今年3月，腾讯拿出17.8亿美元，换来特斯拉5%的股权，业内人士纷纷猜测这与腾讯无人驾驶的布局有关，真相到底如何，时间会给我们答案。
腾讯在无人驾驶领域的布局可谓是环环相扣，不仅在无人车方面加速研发，还把手伸向了地图项目。
地图对于无人驾驶至关重要，高清即时地图可以帮助自动驾驶汽车快速辨识交通状况，对驾驶模式做出及时调整。
腾讯与四维图新和新加坡政府投资机构GIC，共同拿下地图公司Here10%的股权，这意味着腾讯在无人驾驶领域又多了一张王牌利器。
不仅如此，今年4月腾讯还把无人车开上了四环！虽然当时车内有驾驶员手握方向盘，但是也比较符合腾讯在2017全球合作伙伴大会上介绍过的无人车的大致思路——核心是“高级辅助驾驶”和“无人驾驶”两条腿走路。
腾讯自动驾驶实验室负责人苏奎峰表示：“2018年是腾讯自动驾驶的产品化元年，我们将重点推进L3产品落地，并为L4及L5提供场景数据支撑。”
今年或许是腾讯在自动驾驶领域有重大突破的一年。
巨头过招，招招致命
百度、阿里、腾讯三家互联网巨头在自动驾驶领域之间的“明争暗抢”逐渐进入白热化。
不过，就目前来看，百度的野心最大，想做行业领导者，腾讯紧随其后，做出一系列战略布局，阿里低调搞研发。究竟谁能笑到最后，一切都是未知数。
产业 自动驾驶
相关数据
Artificial Intelligence
在学术研究领域，人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体（intelligent agent）
来源： Russell, S., & Norvig, P. (2003). Artificial Intelligence: A Modern Approach.
Autonomous cars
自动驾驶汽车，又称为无人驾驶汽车、电脑驾驶汽车或轮式移动机器人，是自动化载具的一种，具有传统汽车的运输能力。作为自动化载具，自动驾驶汽车不需要人为操作即能感测其环境及导航。
来源： 维基百科
Computer Vision
计算机视觉（CV）是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。
来源：机器之心
Machine Learning
机器学习是人工智能的一个分支，是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论，机器学习与推断统计学联系尤为密切，也被称为统计学习理论。算法设计方面，机器学习理论关注可以实现的，行之有效的学习算法。
来源：Mitchell, T. (1997). Machine Learning. McGraw Hill.
self-driving
从 20 世纪 80 年代首次成功演示以来（Dickmanns & Mysliwetz (1992); Dickmanns & Graefe (1988); Thorpe et al. (1988)），自动驾驶汽车领域已经取得了巨大进展。尽管有了这些进展，但在任意复杂环境中实现完全自动驾驶导航仍被认为还需要数十年的发展。原因有两个：首先，在复杂的动态环境中运行的自动驾驶系统需要人工智能归纳不可预测的情境，从而进行实时推论。第二，信息性决策需要准确的感知，目前大部分已有的计算机视觉系统有一定的错误率，这是自动驾驶导航所无法接受的。
来源： 机器之心
SenseTime
商汤科技成立于2014年，专注于计算机视觉和深度学习的原创技术，是中国领先的人工智能头部公司，估值超过20亿美金。以“坚持原创，让AI引领人类进步”为使命，商汤科技建立了国内顶级的自主研发的深度学习超算中心，并成为中国一流的人工智能算法供应商。商汤科技不仅在技术实力上领跑行业，商业营收亦领先同行业，在多个垂直领域的市场占有率居首位。目前，商汤科技已与国内外多个行业的400多家领军企业建立合作，包括Qualcomm、英伟达、本田、中国移动、银联、万达、苏宁、海航、中央网信办、华为、小米、OPPO、vivo、微博、科大讯飞等知名企业及政府机构，涵盖安防、金融、智能手机、移动互联网、汽车、智慧零售、机器人等诸多行业，为其提供基于人脸识别、图像识别、视频分析、无人驾驶、医疗影像识别等技术的完整解决方案。2017年7月，商汤科技宣布完成4.1亿美元B轮融资，创下当时全球人工智能领域单轮融资额纪录，成为世界级的人工智能独角兽企业。新一轮融资后，商汤科技加大力度开展包括自动驾驶、医疗影像以及深度学习芯片等领域的研发工作。商汤科技现已在香港、北京、深圳、上海、成都、杭州、日本京都和东京成立分部，汇集世界各地顶尖人才，合力打造一家世界一流的原创人工智能技术公司。中国“智”造，“慧”及全球。
涉及领域
以上就是本文的全部内容，希望本文的内容对大家的学习或者工作能带来一定的帮助，也希望大家多多支持 码农网
猜你喜欢:
- 无人驾驶入门1：无人驾驶概览
- 亚马逊另类布局机器学习和自动驾驶：推出自动驾驶四轮赛车
- 余凯揭开自动驾驶繁荣外衣：激荡硅谷、失落中国 | 自动驾驶这十年
- Google工程师：从零开始学习无人驾驶技术 ——端到端无人驾驶
- 多款自动驾驶样车首次公开亮相，Momenta全面推动自动驾驶安全落地
- Drive.ai 王弢：自动驾驶的赛道上，如何与时间赛跑 | 2018 全球智能驾驶峰会
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
python 3标准库
道格·赫尔曼 / 机械工业出版社 / 2018-10 / 199
在本书中，你会看到用来处理文本、数据类型、算法、数学计算、文件系统、网络通信、Internet、XML、Email、加密、并发性、运行时和语言服务等各个方面的实用代码和解决方案。在内容安排上，每一节都会全面介绍一个模块，并提供一些很有价值的补充资源链接，这使得本书成为一本理想的Python标准库参考手册。一起来看看 《python 3标准库》 这本书的介绍吧!
