蘑菇車聯推出L4巴士及「汽車大腦」,由公共服務切入商業運營
「離開安全談論成本是沒有意義的,路側智慧可以給單車自動駕駛的安全提高一個量級以上,這是必須的選項,不是一個可以討論的地方。」蘑菇車聯CTO郭杏榮接受Auto Byte專訪時表示。
(蘑菇車聯CTO 郭杏榮)
成立時間還不到3年,蘑菇車聯完成「車路雲一體化」的模式搭建後,又於近日釋出了兩款走向商業化的重要產品——支援「車路雲一體化」系統的前裝量產L4級自動駕駛巴士MOGO BUS、最高1100TOPS算力的量產自動駕駛汽車大腦。
前者是蘑菇車聯認為可在未來三五年內成立的商業模式,後者則是該方案落地的必要基礎。 「它們都是瞄準最容易切入和最容易做商業化落地的產品,而不是看起來非常高大上,但是離商業化變現非常遠的願景。」 郭杏榮說道。
城市公共服務是可盈利的商業模式
按照蘑菇車聯的說法,新一代MOGO BUS是基於已落地自動駕駛專案實際需求正向開發的產品,可以支撐多地自動駕駛專案的規模化商業運營,共推出了的MOGO BUS M1(自動駕駛小巴)和MOGO BUS M2(自動駕駛巴士)兩款車型。
(左:MOGO BUS M1,右:MOGO BUS M2)
其中,BUS M1不配備駕駛位(方向盤、油門、剎車),主要用於園區接駁、景區觀光車等相對低速的接駁需求;BUS M2配有和常規公交車相同的駕駛室,尺寸更大,主要用於開放道路上的城市公共交通。
兩款車型均搭載蘑菇車聯自主研發的全棧軟硬體解決方案,標配8個固態鐳射雷達,以及多型別感測器,可以覆蓋車周360°視角、200米探測距離,具有多重冗餘感知。
選擇這一方向,也是蘑菇車聯出於商業化考慮的結果,郭杏榮表示:「那麼現在商業模式能夠比較成立的是什麼呢?就是城市的公共服務和公共出行,比如說像城市的清掃車、巡邏車啊、接駁車。 這些產品的買單方比較明確,買單能力也比較強。 」
「普通消費者不會願意多花30萬買一個自動駕駛功能,但 城市公共服務的產品可以通過節省人工、持續的盈利,在未來三年內將這部分成本收回來,所以是一個盈利的生意。 BUS M1和BUS M2都是瞄準這種最容易切入和最容易做商業化落地方向的產品」
按照官方的說法,BUS M1和BUS M2的軟硬體模組化設計,還可根據不同的場景提供個性化定製服務,滿足城市公交營運、商務接待、園區接駁、景區巡遊等多場景使用需求。
L4的車+L4的路
除了有可行的方向,還要有足夠安全的表現,保證產品能可靠的投入商業運營。在這方面,城市公共服務產品相對固定的線路、城市或園區內較低的限速,相比其它路線對自動駕駛系統更加友好。
同時,BUS M1和BUS M2還支援車路協同,路端智慧裝置能夠與車輛實現實時通訊、協同感知、協同分析,提高自動駕駛系統的能力:
- 支援V2X、5G等多種通訊模式,從路側到車端的整個鏈路延遲僅100毫秒;
- 具備車路協同、車車協同、行人感知、車輛狀態查詢、車輛遠端追蹤等多種能力;
- 蘑菇車聯AI雲平臺(Mogo Cloud System)能夠獲取M1、M2車型實時動態資訊,實現超視覺感知、道路資訊預警、綠波通行、智慧排程等功能。
郭杏榮也在接受採訪時,強調了通過路側智慧增加安全性的必要:「 自動駕駛一定是一個高安全、高可靠的系統,車保證足夠安全,路也保證足夠安全,任何一個系統短暫出現問題都可以正常執行。 」
因此,蘑菇車聯的BUS M1和BUS M2車輛,以及路側智慧系統,均有獨立實現L4級自動駕駛的能力。
但與一些車路協同公司的想法不同,蘑菇車聯「車路雲一體化」的路側智慧只是用來協助提高車端智慧的感知能力,而非通過將感知和計算決策任務轉移至路側,降低自動駕駛系統的落地成本。對此,郭杏榮也基於現有的情況和趨勢,解釋了蘑菇車聯的想法:
首先是從實際的落地情況考慮,未來十年,路側無法做到百分之百覆蓋,執行設計域的存在,很可能導致車路協同只存在於形式,車輛在非覆蓋區域也需要有自動駕駛能力,保證體驗不被中斷,以及單系統短暫故障時也能正常執行。
其次是決策。車和路都有智慧系統的情況下,應該只有一個決策指令,否則路端和車端的決策矛盾時,就容易造成決策難題。因此,蘑菇車聯的方案就是讓BUS M1和BUS M2車端直接具備L4級自動駕駛能力,再通過路側下發結構化資料和事件資訊,讓車端可以更好地決策。
最後是成本,路側裝置根據場景的需求大概在一二十萬到幾十萬之間,但比起每公里道路建設費用和城市公共服務費用,就不會是一個很大的數字。此外,車路協同也能夠通過商業化模式收回投入,包括其提供的的資料和服務、節省的人工、由此產生的流量費和資料服務費等。
1100TOPS自動駕駛汽車大腦
為了支撐BUS M1和BUS M2可以依靠車端智慧實現L4級自動駕駛,以及具備應用車路協同的能力,蘑菇車聯還發布了自動駕駛汽車大腦。 該硬體內整合自動駕駛計算單 元、高精定位單元、車路協同通訊單元三大功能模組,以及自研的Mogo AutoPilot(MAP),最高算力達到1100TOPS。
計算方面,蘑菇自動駕駛汽車大腦通過4個英偉達Orin雙模組晶片,單片算力275TOPS,最高可配備4個晶片。
據郭杏榮透露,蘑菇自動駕駛汽車大腦也 可以根據車輛配備的感測器、採用多大的模型,調整晶片數量,最少可只用1個芯 片 。提供最高的4片方案,一方面是要考慮自動駕駛系統升級後的需求,另一方面是給未來向集中式電子電氣架構轉變做準備,可將不同域的計算任務整合進來。
除了計算,蘑菇自動駕駛汽車大腦還融合了GNSS、SLAM和特徵定位技術,實現釐米級高精定位;整體通訊全鏈路時延低至100ms以內。具備C-V2X、5G通訊,融合感知、規劃、預測、決策,車輛控制,高精定位,超聲波資料處理,TSN/PTP時間同步,PMM電源管理,狀態監測8大核心功能。
截至目前,蘑菇車聯的城市公共服務佈局,已經覆蓋了自動駕駛環衛車、巡邏車、接駁車、物流車、公交車、計程車等多款產品,收集了大量的場景和運營設計經驗。基於此打造新一代MOGO BUS和蘑菇自動駕駛汽車大腦落地之後,將是蘑菇車聯將商業化轉變的重要一步。
同時,其展現出來的商業模式,可能也是吸引政府或車企加入的一大關鍵。郭杏榮表示,政府是否去建設車路協同,最關鍵的就是看能否算明白經濟賬,怎樣把基礎設施的投資收回來。
- 解密數字時代 AI 加持之道,網易智企聯合機器之心釋出 AI 應用實踐白皮書
- INDEMIND:高需求和低滲透之間,服務機器人為何規模化落地難?
- AI,能為1.2億聽障老人做點什麼
- 探索計算機視覺前沿,螞蟻技術研究院4篇論文入選NeurIPS
- 蘑菇車聯推出L4巴士及「汽車大腦」,由公共服務切入商業運營
- ECCV 2022 | 無需下游訓練,Tip-Adapter大幅提升CLIP影象分類準確率
- “天池杯”全國中小學科技少年AI領航計劃啟動
- 儲存和操作n維資料的難題,谷歌用一個開源軟體庫解決了
- 炸響平地驚「雷」,自動駕駛公司能否接下「雷神」之錘
- OpenDILab幕後的「孤勇者」:AI研究員、電競冠軍和他們的開源夢
- 寒武紀行歌獲博世創業投資公司投資,攜手助力自動駕駛產業發展
- 華為雲位居中國DevOps市場領導者,份額、戰略雙第一!
- 還只會卷論文嗎?70頁報告解密頂級大廠如何玩轉AI技術(附完整下載連結)
- 現在都2202年了,用CPU做AI推理訓練到底能不能行?
- 中山大學通過深度學習分子模擬加速有理PROTAC設計,助力藥物研發
- 覆蓋100餘篇論文,這篇綜述系統回顧了CV中的擴散模型
- PillPack兩位創始人將離職,亞馬遜醫療健康業務佈局“屢敗屢戰”
- 7199元起,英偉達RTX 40系顯示卡終於來了:基礎效能翻倍,光追翻4倍
- 截圖帶島、玩王者榮耀看不見金幣,iPhone 14 Pro靈動島翻車了
- 資料安全公司Fortanix完成C輪融資,是時候採用一種新的企業資料安全方法了!