【全球领先技术项目库 | 足不出户，即可开展呼吸智能监测的系统】呼吸功能是维持生命活动和机体内外环境平衡的重要生理活动。通过了解呼吸功能状况，可以及时掌握心肺系统的健康状况。西安交大研发的新一代呼吸监测系统，不仅灵敏度更高，还可以通过云端传输数据，实现在线线上诊断。今天小编就来介绍全球领先技术项目库中的这项技术，一起来了解下吧！
中国西安交大
用于诊断心肺疾病的新一代智能呼吸监测系统
该项目通过监测患者的呼吸取得患者的健康数据，技术具有创新性和先进性；实时呼吸监测能力达行业顶尖；研发期间已申请三项中国发明专利；目前在市场中尚无转化产品，市场前景可观。
本项目目标在于研发便携、舒适且精确的智能呼吸监测器。该呼吸监测器采用由蚕丝蛋白制造的高灵敏电容式呼吸传感器，呼吸采样频率可以达到4Hz以上，由此实现精确的呼吸监测。
同时采用3D打印的柔性电路与蓝牙集成模块，通过无线数据交互实现便携式穿戴与医疗大数据应用。
本项目团队多年来利用从家蚕蚕茧提取的蚕丝蛋白材料开展了柔性电子器件制造、可穿戴传感器制造等多项研究工作。
该团队从蚕丝蛋白生物材料的物理化学性质出发，原创性地提出利用蚕丝蛋白经过甲醇改性处理之后β折叠含量增加，结合水含量减少，游离水在蚕丝蛋白分子结构内可进行快速吸附与脱附的性质进行高灵敏度湿度传感器的制备，由于生物呼吸伴随着周期性的湿度变化，因此该高精度湿度传感器可用于高频率的呼吸监测。
本项目所开发的“云端鼻息——新一代智能呼吸监测系统”由三部分组成：
第一部分为高灵敏度湿度传感模块，将使用者的呼吸信息通过高灵敏传感器的采集变为电容信号；
第二部分为数据采集及处理模块，该模块可以将电容信号转换为数字电压信号并与上位机进行通信，结合先进的自适应传感数据修正算法、多场景数据反馈修正算法针对将不同使用者的生理体征对获取数据进行基线滤波及耦合调谐，获取准确的用户呼吸数据；
第三部分为无线数据传输及客户端显示模块，通过BLE蓝牙模块和移动接收端及小程序将传感器数据以优化及直观的界面显示，协助使用者获取个人呼吸健康数据，同时可上传至云端由医疗工作者对相关疾病进行远程诊疗。
本项目开创性的提出了云端健康数据监测，让消费者足不出户即可轻松获取个人健康信息，并通过手机APP完成数据交互，可实现在家线上诊断，医疗互联网化的智慧医疗功能。
相对于现有的胸廓和腹部佩戴式等间接呼吸监测产品，本项目开发了电容式直接测量模式具有更高的准确性和灵敏度，实时呼吸监测能力达行业顶尖，同时相较现有产品具有成本低廉，易于量产的优势。
来源： 河北科技成果展示服务中心
中国西安交大
用于诊断心肺疾病的新一代智能呼吸监测系统
该项目通过监测患者的呼吸取得患者的健康数据，技术具有创新性和先进性；实时呼吸监测能力达行业顶尖；研发期间已申请三项中国发明专利；目前在市场中尚无转化产品，市场前景可观。
本项目目标在于研发便携、舒适且精确的智能呼吸监测器。该呼吸监测器采用由蚕丝蛋白制造的高灵敏电容式呼吸传感器，呼吸采样频率可以达到4Hz以上，由此实现精确的呼吸监测。
同时采用3D打印的柔性电路与蓝牙集成模块，通过无线数据交互实现便携式穿戴与医疗大数据应用。
本项目团队多年来利用从家蚕蚕茧提取的蚕丝蛋白材料开展了柔性电子器件制造、可穿戴传感器制造等多项研究工作。
该团队从蚕丝蛋白生物材料的物理化学性质出发，原创性地提出利用蚕丝蛋白经过甲醇改性处理之后β折叠含量增加，结合水含量减少，游离水在蚕丝蛋白分子结构内可进行快速吸附与脱附的性质进行高灵敏度湿度传感器的制备，由于生物呼吸伴随着周期性的湿度变化，因此该高精度湿度传感器可用于高频率的呼吸监测。
本项目所开发的“云端鼻息——新一代智能呼吸监测系统”由三部分组成：
第一部分为高灵敏度湿度传感模块，将使用者的呼吸信息通过高灵敏传感器的采集变为电容信号；
第二部分为数据采集及处理模块，该模块可以将电容信号转换为数字电压信号并与上位机进行通信，结合先进的自适应传感数据修正算法、多场景数据反馈修正算法针对将不同使用者的生理体征对获取数据进行基线滤波及耦合调谐，获取准确的用户呼吸数据；
第三部分为无线数据传输及客户端显示模块，通过BLE蓝牙模块和移动接收端及小程序将传感器数据以优化及直观的界面显示，协助使用者获取个人呼吸健康数据，同时可上传至云端由医疗工作者对相关疾病进行远程诊疗。
本项目开创性的提出了云端健康数据监测，让消费者足不出户即可轻松获取个人健康信息，并通过手机APP完成数据交互，可实现在家线上诊断，医疗互联网化的智慧医疗功能。
相对于现有的胸廓和腹部佩戴式等间接呼吸监测产品，本项目开发了电容式直接测量模式具有更高的准确性和灵敏度，实时呼吸监测能力达行业顶尖，同时相较现有产品具有成本低廉，易于量产的优势。
来源： 河北科技成果展示服务中心
集微网消息，“落地与技术投入是相辅相成的，清晰的商业路径为技术迭代提供了清晰的目标，迭代也是为了更好落地。”新石器无人车COO胡宇沸对集微网这样指出。过去一年，这家专注于低速自动驾驶汽车赛道的创业团队，在加紧冲刺商业落地。在未来汽车被技术重新定义完成巨变之前，“活下去”是前提。
因而自动驾驶和它的黑科技必须快速成为一个“商业命题”，而不能在一次又一次的路测之后，还是停在实验室的车库里。
不过，刚刚过去的2020年，在“最后一公里”的落地冲刺中，又多了一些新商业案例。背后的一些新变现逻辑，以及将对上下游产业链带来的变革和重塑，或许可以为自动驾驶提供一种商业化的样本。
“无人化”、“规模化”是自动驾驶实现盈利的前提
自动驾驶能力无疑被业界视作未来智能汽车的决胜点，但商业盈利是一个新兴产业持续发展的基石。
自动驾驶分为高速和低速两个分支。其中，低速分支多为限定场景，被认为最可能规模化落地。继物流配送、安防和清洁之后，在“最后一公里的落地冲刺”上，无人驾驶汽车的玩家们不断尝试开拓新场景。
新石器团队通过将无人车变身移动餐厅切入新零售的尝试，在过去的一年中得到了一些积极的反馈。据新石器公司保守估计，这样一辆无人驾驶的移动餐饮售卖车可以实现单车年入25万的盈利预期。先解决“吃饭”问题是自动驾驶创业团队面临的现实。
“毕竟，你得先活下去，然后才有更多未来的可能性。”一位新石器团队成员表示。
实现单车盈利是自动驾驶迈向商业化的第一步。目前在低速自动驾驶，率先看到了一些商业落地的积极信号。
IEEE高级会员，香港科技大学智能驾驶中心主任、机器人与自主系统领域主任刘明对集微网指出，比如，在物流场景中，无人系统的应用可以解决未来物流行业劳动力缺口的问题；而在工业场景中的应用，因为它具有明确的工作流程，所以它设备的投入产出来讲，可以有一个很明确的指标去进行性价比的计算。
刘明进一步表示，在保证“无人”这一条件下，自动驾驶可以拓展很多的各类不同应用，如零售无人车、消防无人车、广告无人车等。
而在高速的一端，无人驾驶Robotaxi的商业模式被业界视作最有希望的方向。不过针对该商业落地模式，业界的一大共识同样是——无人化和规模化是获得商业盈利重要前提。
国内L4级自动驾驶技术的智能出行公司文远知行（WeRide）COO张力此前在接受媒体采访时就曾这样解释，目前自动驾驶车辆配备安全员运营的模式不可能赚钱，甚至比普通模式还要亏钱，“在出租车成本结构里，司机成本占60%左右，如果不能替代司机，无人驾驶Robotaxi的商业模式是不成立的。”
具体从技术和市场趋势来讲当前国内的自动驾驶产业进展阶段，头豹研究院的一份分析指出，当前，国内的自动驾驶发展正处于积极地从L2阶段利用高级驾驶辅助系统（ADAS），即部分手动干预过度到L3阶段（有条件自动化）。而目前，行业内尚无统一的无人驾驶硬件配置方案，但总体来看，摄像头、激光雷达、毫米波雷达等相结合已成为主流配置方案。无人驾驶研发商通过选择搭配在不同领域有优势的传感器和摄像头，并综合考量成本因素，在合理造价的范畴内，达到产品性能要求。
2020年后，大部分主流车企计划开启L4级别自动驾驶，各个汽车主机厂将实现无人驾驶作为未来汽车重要战略目标。头豹研究院梳理了汽车在向车联网、无人驾驶（L4）级别进化中的成本构成（见下图），并分析指出，鉴于L2自动驾驶对环境感知要求较低，且主机厂有控制成本的压力，“摄像头 + 雷达 + 计算机视觉”，在未来五年仍是主流解决方案。而随着越来越多的公司进入该市场，L3级别的全面商业化，激光雷达技术有望发展成熟，成为必备的硬件，并实现成本降低。
图片
新生态链形成中
未来5-10年，“汽车+科技”的融合将全方位加深，并重新定义和驱动整个汽车工业的发展。随着汽车不断与人工智能、5G通讯技术以及云计算等技术密切结合，自动驾驶的终极目标是无人驾驶，而无人驾驶将颠覆汽车出行格局，并带来产业链上下游的变革。
中国汽车工业协会预测，中国将在2020至2025年间实现低速驾驶和停车场景下的自动驾驶，在2025至2030年间实现更多复杂场景下的自动驾驶。到2040年，道路上行驶的车辆将有四分之三都是智能驾驶的车辆。有预测称，到2035年中国智能汽车产业规模将超过2000亿美元。
当前正处在巨变的起点，围绕着汽车工业的智能化变革，一个新的产业生态链也在加速成型。而科技和互联网公司在自动驾驶领域的深度布局、跨界合作正在给整个汽车工业注入发展活力。
比如，阿里从自动驾驶软硬件出发，打造无人配送车、芯片以及移动操作系统；腾讯积极开展无人驾驶路测，从车联网、高精地图、整车制造、自动驾驶软件多个方面进入无人驾驶领域；百度以系统和平台为落脚点，致力于成为自动驾驶综合解决方案提供商；华为以数云服务、智能互联、车联网为三驾马车开始无人驾驶领域的深度布局。同时，新造车势力注重汽车软件和用户体验，向无人驾驶进发，开发具备自动驾驶前沿技术的车型，加速路测，实现量产。
罗兰贝格预计，2030年自动驾驶车端系统的市场规模将达5000亿元。其中，芯片、传感器和软件算法是主要贡献者，市场规模分别预计可达1480亿元、1308亿元、917亿元。
不过，目前自动驾驶平台市场高度分散，由外国科技公司和硬件厂商主导，科技巨头和硬件制造商（芯片/半导体）目前发展潜力最大。这让以往车企在整个产业生态中的主导地位备受挑战，为了在竞争日趋激烈的市场立足于不败之地，车企通过建立联盟、兼并收购或自主开发，探索不同业务模式以进行自动驾驶相关研发，其中建立联盟备受车企追捧。
2017年起，大众与福特在全球自动驾驶、电动汽车研发领域开展合作，并实现了渠道共享。与此同时，部分大型主机厂会与科技公司联盟，构建完善开发体系。2016年起，宝马和英特尔–Mobileye开始合作开发自动驾驶技术；通用汽车收购了自动驾驶服务提供商Cruise Automation，要求其独立运营以进一步研究自动驾驶技术。也有个别主机厂设立新的业务部门/公司自主开发自动驾驶技术，如TOYOTA之前增设新公司，而非与技术公司合作。
还有很多硬仗
但必须承认的是，目前自动驾驶仍面临技术水平等瓶颈，在相当长一段时间内，主要将以场景化自动驾驶的状态出现。
以“出行即服务（MaaS）”的商业模式为例，尽管这被视作未来五到十年自动驾驶商业落地的主流方向，但多家机构的分析预测指出，2030年之前，完全自动驾驶还无法应用于MaaS。虽然完全自动驾驶已经在一些特定区域展开试运营（比如滴滴出行首选上海的特定自动驾驶测试路段作为自动驾驶出行服务的试点区域）。进一步的技术发展，系统性的法规和消费者教育（消费者信心）依然有待突破。
对此，刘明也指出，制约自动驾驶大规模商业落地的瓶颈，在技术层面，主要是受限于两点：一个是车本身数据的批量标定。传统车对速度的标定，如转角速度的标定，要求不是那么高；但是无人系统，对这一部分数据比较敏感。比如相对传统车，因为有人类驾驶员进行操控，因此容错率较高；但同样的条件，对无人车的控制及批量应用则提出更苛刻的要求。另一方面，无人系统的实时性，受限于传感器的刷新频率和FOV及点密度，尤其是激光传感器相关特性的制约，因而新一代传感器的发展尤为重要。
此外，如何保障自动驾驶技术的安全使用，也是急需解决的重要问题，需要具体考虑在什么样合适的场景，去实现无人驾驶技术的应用；同时，公开路面上数据的进一步采集，以及算法的进一步研究，也有待提升。
而这个过程中，商业模式、技术水平、基础建设以及相应的政策支撑等不同维度仍需要齐头并进。
汽车智能化的终极目标是无人驾驶的大规模商业落地，但这必将是一个渐进式的发展过程，并且单凭某一个领域的某一家或者数家公司都无法真正实现，而是整个产业链上下游，诸多细分领域公司共同推动的结果。正是从芯片、传感器、整车硬件，到算法、集成解决方案，再到出行服务的整个链条，构成了智能驾驶的完整生态，让它得以变成现实，最终走入寻常百姓家。
在一辆无人驾驶汽车的背后，是一系列复杂的合作和集成过程，也势必将引发商业场景和跨行业间的重新融合和变革。（校对/Jimmy）
因而自动驾驶和它的黑科技必须快速成为一个“商业命题”，而不能在一次又一次的路测之后，还是停在实验室的车库里。
不过，刚刚过去的2020年，在“最后一公里”的落地冲刺中，又多了一些新商业案例。背后的一些新变现逻辑，以及将对上下游产业链带来的变革和重塑，或许可以为自动驾驶提供一种商业化的样本。
“无人化”、“规模化”是自动驾驶实现盈利的前提
自动驾驶能力无疑被业界视作未来智能汽车的决胜点，但商业盈利是一个新兴产业持续发展的基石。
自动驾驶分为高速和低速两个分支。其中，低速分支多为限定场景，被认为最可能规模化落地。继物流配送、安防和清洁之后，在“最后一公里的落地冲刺”上，无人驾驶汽车的玩家们不断尝试开拓新场景。
新石器团队通过将无人车变身移动餐厅切入新零售的尝试，在过去的一年中得到了一些积极的反馈。据新石器公司保守估计，这样一辆无人驾驶的移动餐饮售卖车可以实现单车年入25万的盈利预期。先解决“吃饭”问题是自动驾驶创业团队面临的现实。
“毕竟，你得先活下去，然后才有更多未来的可能性。”一位新石器团队成员表示。
实现单车盈利是自动驾驶迈向商业化的第一步。目前在低速自动驾驶，率先看到了一些商业落地的积极信号。
IEEE高级会员，香港科技大学智能驾驶中心主任、机器人与自主系统领域主任刘明对集微网指出，比如，在物流场景中，无人系统的应用可以解决未来物流行业劳动力缺口的问题；而在工业场景中的应用，因为它具有明确的工作流程，所以它设备的投入产出来讲，可以有一个很明确的指标去进行性价比的计算。
刘明进一步表示，在保证“无人”这一条件下，自动驾驶可以拓展很多的各类不同应用，如零售无人车、消防无人车、广告无人车等。
而在高速的一端，无人驾驶Robotaxi的商业模式被业界视作最有希望的方向。不过针对该商业落地模式，业界的一大共识同样是——无人化和规模化是获得商业盈利重要前提。
国内L4级自动驾驶技术的智能出行公司文远知行（WeRide）COO张力此前在接受媒体采访时就曾这样解释，目前自动驾驶车辆配备安全员运营的模式不可能赚钱，甚至比普通模式还要亏钱，“在出租车成本结构里，司机成本占60%左右，如果不能替代司机，无人驾驶Robotaxi的商业模式是不成立的。”
具体从技术和市场趋势来讲当前国内的自动驾驶产业进展阶段，头豹研究院的一份分析指出，当前，国内的自动驾驶发展正处于积极地从L2阶段利用高级驾驶辅助系统（ADAS），即部分手动干预过度到L3阶段（有条件自动化）。而目前，行业内尚无统一的无人驾驶硬件配置方案，但总体来看，摄像头、激光雷达、毫米波雷达等相结合已成为主流配置方案。无人驾驶研发商通过选择搭配在不同领域有优势的传感器和摄像头，并综合考量成本因素，在合理造价的范畴内，达到产品性能要求。
2020年后，大部分主流车企计划开启L4级别自动驾驶，各个汽车主机厂将实现无人驾驶作为未来汽车重要战略目标。头豹研究院梳理了汽车在向车联网、无人驾驶（L4）级别进化中的成本构成（见下图），并分析指出，鉴于L2自动驾驶对环境感知要求较低，且主机厂有控制成本的压力，“摄像头 + 雷达 + 计算机视觉”，在未来五年仍是主流解决方案。而随着越来越多的公司进入该市场，L3级别的全面商业化，激光雷达技术有望发展成熟，成为必备的硬件，并实现成本降低。
图片
新生态链形成中
未来5-10年，“汽车+科技”的融合将全方位加深，并重新定义和驱动整个汽车工业的发展。随着汽车不断与人工智能、5G通讯技术以及云计算等技术密切结合，自动驾驶的终极目标是无人驾驶，而无人驾驶将颠覆汽车出行格局，并带来产业链上下游的变革。
中国汽车工业协会预测，中国将在2020至2025年间实现低速驾驶和停车场景下的自动驾驶，在2025至2030年间实现更多复杂场景下的自动驾驶。到2040年，道路上行驶的车辆将有四分之三都是智能驾驶的车辆。有预测称，到2035年中国智能汽车产业规模将超过2000亿美元。
当前正处在巨变的起点，围绕着汽车工业的智能化变革，一个新的产业生态链也在加速成型。而科技和互联网公司在自动驾驶领域的深度布局、跨界合作正在给整个汽车工业注入发展活力。
比如，阿里从自动驾驶软硬件出发，打造无人配送车、芯片以及移动操作系统；腾讯积极开展无人驾驶路测，从车联网、高精地图、整车制造、自动驾驶软件多个方面进入无人驾驶领域；百度以系统和平台为落脚点，致力于成为自动驾驶综合解决方案提供商；华为以数云服务、智能互联、车联网为三驾马车开始无人驾驶领域的深度布局。同时，新造车势力注重汽车软件和用户体验，向无人驾驶进发，开发具备自动驾驶前沿技术的车型，加速路测，实现量产。
罗兰贝格预计，2030年自动驾驶车端系统的市场规模将达5000亿元。其中，芯片、传感器和软件算法是主要贡献者，市场规模分别预计可达1480亿元、1308亿元、917亿元。
不过，目前自动驾驶平台市场高度分散，由外国科技公司和硬件厂商主导，科技巨头和硬件制造商（芯片/半导体）目前发展潜力最大。这让以往车企在整个产业生态中的主导地位备受挑战，为了在竞争日趋激烈的市场立足于不败之地，车企通过建立联盟、兼并收购或自主开发，探索不同业务模式以进行自动驾驶相关研发，其中建立联盟备受车企追捧。
2017年起，大众与福特在全球自动驾驶、电动汽车研发领域开展合作，并实现了渠道共享。与此同时，部分大型主机厂会与科技公司联盟，构建完善开发体系。2016年起，宝马和英特尔–Mobileye开始合作开发自动驾驶技术；通用汽车收购了自动驾驶服务提供商Cruise Automation，要求其独立运营以进一步研究自动驾驶技术。也有个别主机厂设立新的业务部门/公司自主开发自动驾驶技术，如TOYOTA之前增设新公司，而非与技术公司合作。
还有很多硬仗
但必须承认的是，目前自动驾驶仍面临技术水平等瓶颈，在相当长一段时间内，主要将以场景化自动驾驶的状态出现。
以“出行即服务（MaaS）”的商业模式为例，尽管这被视作未来五到十年自动驾驶商业落地的主流方向，但多家机构的分析预测指出，2030年之前，完全自动驾驶还无法应用于MaaS。虽然完全自动驾驶已经在一些特定区域展开试运营（比如滴滴出行首选上海的特定自动驾驶测试路段作为自动驾驶出行服务的试点区域）。进一步的技术发展，系统性的法规和消费者教育（消费者信心）依然有待突破。
对此，刘明也指出，制约自动驾驶大规模商业落地的瓶颈，在技术层面，主要是受限于两点：一个是车本身数据的批量标定。传统车对速度的标定，如转角速度的标定，要求不是那么高；但是无人系统，对这一部分数据比较敏感。比如相对传统车，因为有人类驾驶员进行操控，因此容错率较高；但同样的条件，对无人车的控制及批量应用则提出更苛刻的要求。另一方面，无人系统的实时性，受限于传感器的刷新频率和FOV及点密度，尤其是激光传感器相关特性的制约，因而新一代传感器的发展尤为重要。
此外，如何保障自动驾驶技术的安全使用，也是急需解决的重要问题，需要具体考虑在什么样合适的场景，去实现无人驾驶技术的应用；同时，公开路面上数据的进一步采集，以及算法的进一步研究，也有待提升。
而这个过程中，商业模式、技术水平、基础建设以及相应的政策支撑等不同维度仍需要齐头并进。
汽车智能化的终极目标是无人驾驶的大规模商业落地，但这必将是一个渐进式的发展过程，并且单凭某一个领域的某一家或者数家公司都无法真正实现，而是整个产业链上下游，诸多细分领域公司共同推动的结果。正是从芯片、传感器、整车硬件，到算法、集成解决方案，再到出行服务的整个链条，构成了智能驾驶的完整生态，让它得以变成现实，最终走入寻常百姓家。
在一辆无人驾驶汽车的背后，是一系列复杂的合作和集成过程，也势必将引发商业场景和跨行业间的重新融合和变革。（校对/Jimmy）
自动驾驶“最后一公里”落地冲刺 新产业链加速重组，“落地与技术投入是相辅相成的，清晰的商业路径为技术迭代提供了清晰的目标，迭代也是为了更好落地。”新石器无人车COO胡宇沸对集微网这样指出。过去一年，这家专注于低速自动驾驶汽车赛道的创业团队，在加紧冲刺商业落地。在未来汽车被技术重新定义完成巨变之前，“活下去”是前提。
因而自动驾驶和它的黑科技必须快速成为一个“商业命题”，而不能在一次又一次的路测之后，还是停在实验室的车库里。
不过，刚刚过去的2020年，在“最后一公里”的落地冲刺中，又多了一些新商业案例。背后的一些新变现逻辑，以及将对上下游产业链带来的变革和重塑，或许可以为自动驾驶提供一种商业化的样本。
“无人化”、“规模化”是自动驾驶实现盈利的前提
自动驾驶能力无疑被业界视作未来智能汽车的决胜点，但商业盈利是一个新兴产业持续发展的基石。
自动驾驶分为高速和低速两个分支。其中，低速分支多为限定场景，被认为最可能规模化落地。继物流配送、安防和清洁之后，在“最后一公里的落地冲刺”上，无人驾驶汽车的玩家们不断尝试开拓新场景。
新石器团队通过将无人车变身移动餐厅切入新零售的尝试，在过去的一年中得到了一些积极的反馈。据新石器公司保守估计，这样一辆无人驾驶的移动餐饮售卖车可以实现单车年入25万的盈利预期。先解决“吃饭”问题是自动驾驶创业团队面临的现实。
“毕竟，你得先活下去，然后才有更多未来的可能性。”一位新石器团队成员表示。
实现单车盈利是自动驾驶迈向商业化的第一步。目前在低速自动驾驶，率先看到了一些商业落地的积极信号。
IEEE高级会员，香港科技大学智能驾驶中心主任、机器人与自主系统领域主任刘明对集微网指出，比如，在物流场景中，无人系统的应用可以解决未来物流行业劳动力缺口的问题；而在工业场景中的应用，因为它具有明确的工作流程，所以它设备的投入产出来讲，可以有一个很明确的指标去进行性价比的计算。
刘明进一步表示，在保证“无人”这一条件下，自动驾驶可以拓展很多的各类不同应用，如零售无人车、消防无人车、广告无人车等。
而在高速的一端，无人驾驶Robotaxi的商业模式被业界视作最有希望的方向。不过针对该商业落地模式，业界的一大共识同样是——无人化和规模化是获得商业盈利重要前提。
国内L4级自动驾驶技术的智能出行公司文远知行（WeRide）COO张力此前在接受媒体采访时就曾这样解释，目前自动驾驶车辆配备安全员运营的模式不可能赚钱，甚至比普通模式还要亏钱，“在出租车成本结构里，司机成本占60%左右，如果不能替代司机，无人驾驶Robotaxi的商业模式是不成立的。”
具体从技术和市场趋势来讲当前国内的自动驾驶产业进展阶段，头豹研究院的一份分析指出，当前，国内的自动驾驶发展正处于积极地从L2阶段利用高级驾驶辅助系统（ADAS），即部分手动干预过度到L3阶段（有条件自动化）。而目前，行业内尚无统一的无人驾驶硬件配置方案，但总体来看，摄像头、激光雷达、毫米波雷达等相结合已成为主流配置方案。无人驾驶研发商通过选择搭配在不同领域有优势的传感器和摄像头，并综合考量成本因素，在合理造价的范畴内，达到产品性能要求。
2020年后，大部分主流车企计划开启L4级别自动驾驶，各个汽车主机厂将实现无人驾驶作为未来汽车重要战略目标。头豹研究院梳理了汽车在向车联网、无人驾驶（L4）级别进化中的成本构成（见下图），并分析指出，鉴于L2自动驾驶对环境感知要求较低，且主机厂有控制成本的压力，“摄像头 + 雷达 + 计算机视觉”，在未来五年仍是主流解决方案。而随着越来越多的公司进入该市场，L3级别的全面商业化，激光雷达技术有望发展成熟，成为必备的硬件，并实现成本降低。
新生态链形成中
未来5-10年，“汽车+科技”的融合将全方位加深，并重新定义和驱动整个汽车工业的发展。随着汽车不断与人工智能、5G通讯技术以及云计算等技术密切结合，自动驾驶的终极目标是无人驾驶，而无人驾驶将颠覆汽车出行格局，并带来产业链上下游的变革。
中国汽车工业协会预测，中国将在2020至2025年间实现低速驾驶和停车场景下的自动驾驶，在2025至2030年间实现更多复杂场景下的自动驾驶。到2040年，道路上行驶的车辆将有四分之三都是智能驾驶的车辆。有预测称，到2035年中国智能汽车产业规模将超过2000亿美元。
当前正处在巨变的起点，围绕着汽车工业的智能化变革，一个新的产业生态链也在加速成型。而科技和互联网公司在自动驾驶领域的深度布局、跨界合作正在给整个汽车工业注入发展活力。
比如，阿里从自动驾驶软硬件出发，打造无人配送车、芯片以及移动操作系统；腾讯积极开展无人驾驶路测，从车联网、高精地图、整车制造、自动驾驶软件多个方面进入无人驾驶领域；百度以系统和平台为落脚点，致力于成为自动驾驶综合解决方案提供商；华为以数云服务、智能互联、车联网为三驾马车开始无人驾驶领域的深度布局。同时，新造车势力注重汽车软件和用户体验，向无人驾驶进发，开发具备自动驾驶前沿技术的车型，加速路测，实现量产。
罗兰贝格预计，2030年自动驾驶车端系统的市场规模将达5000亿元。其中，芯片、传感器和软件算法是主要贡献者，市场规模分别预计可达1480亿元、1308亿元、917亿元。
不过，目前自动驾驶平台市场高度分散，由外国科技公司和硬件厂商主导，科技巨头和硬件制造商（芯片/半导体）目前发展潜力最大。这让以往车企在整个产业生态中的主导地位备受挑战，为了在竞争日趋激烈的市场立足于不败之地，车企通过建立联盟、兼并收购或自主开发，探索不同业务模式以进行自动驾驶相关研发，其中建立联盟备受车企追捧。
2017年起，大众与福特在全球自动驾驶、电动汽车研发领域开展合作，并实现了渠道共享。与此同时，部分大型主机厂会与科技公司联盟，构建完善开发体系。2016年起，宝马和英特尔–Mobileye开始合作开发自动驾驶技术；通用汽车收购了自动驾驶服务提供商Cruise Automation，要求其独立运营以进一步研究自动驾驶技术。也有个别主机厂设立新的业务部门/公司自主开发自动驾驶技术，如TOYOTA之前增设新公司，而非与技术公司合作。
还有很多硬仗
但必须承认的是，目前自动驾驶仍面临技术水平等瓶颈，在相当长一段时间内，主要将以场景化自动驾驶的状态出现。
以“出行即服务（MaaS）”的商业模式为例，尽管这被视作未来五到十年自动驾驶商业落地的主流方向，但多家机构的分析预测指出，2030年之前，完全自动驾驶还无法应用于MaaS。虽然完全自动驾驶已经在一些特定区域展开试运营（比如滴滴出行首选上海的特定自动驾驶测试路段作为自动驾驶出行服务的试点区域）。进一步的技术发展，系统性的法规和消费者教育（消费者信心）依然有待突破。
对此，刘明也指出，制约自动驾驶大规模商业落地的瓶颈，在技术层面，主要是受限于两点：一个是车本身数据的批量标定。传统车对速度的标定，如转角速度的标定，要求不是那么高；但是无人系统，对这一部分数据比较敏感。比如相对传统车，因为有人类驾驶员进行操控，因此容错率较高；但同样的条件，对无人车的控制及批量应用则提出更苛刻的要求。另一方面，无人系统的实时性，受限于传感器的刷新频率和FOV及点密度，尤其是激光传感器相关特性的制约，因而新一代传感器的发展尤为重要。
此外，如何保障自动驾驶技术的安全使用，也是急需解决的重要问题，需要具体考虑在什么样合适的场景，去实现无人驾驶技术的应用；同时，公开路面上数据的进一步采集，以及算法的进一步研究，也有待提升。
而这个过程中，商业模式、技术水平、基础建设以及相应的政策支撑等不同维度仍需要齐头并进。
汽车智能化的终极目标是无人驾驶的大规模商业落地，但这必将是一个渐进式的发展过程，并且单凭某一个领域的某一家或者数家公司都无法真正实现，而是整个产业链上下游，诸多细分领域公司共同推动的结果。正是从芯片、传感器、整车硬件，到算法、集成解决方案，再到出行服务的整个链条，构成了智能驾驶的完整生态，让它得以变成现实，最终走入寻常百姓家。
在一辆无人驾驶汽车的背后，是一系列复杂的合作和集成过程，也势必将引发商业场景和跨行业间的重新融合和变革。（校对/Jimmy）
因而自动驾驶和它的黑科技必须快速成为一个“商业命题”，而不能在一次又一次的路测之后，还是停在实验室的车库里。
不过，刚刚过去的2020年，在“最后一公里”的落地冲刺中，又多了一些新商业案例。背后的一些新变现逻辑，以及将对上下游产业链带来的变革和重塑，或许可以为自动驾驶提供一种商业化的样本。
“无人化”、“规模化”是自动驾驶实现盈利的前提
自动驾驶能力无疑被业界视作未来智能汽车的决胜点，但商业盈利是一个新兴产业持续发展的基石。
自动驾驶分为高速和低速两个分支。其中，低速分支多为限定场景，被认为最可能规模化落地。继物流配送、安防和清洁之后，在“最后一公里的落地冲刺”上，无人驾驶汽车的玩家们不断尝试开拓新场景。
新石器团队通过将无人车变身移动餐厅切入新零售的尝试，在过去的一年中得到了一些积极的反馈。据新石器公司保守估计，这样一辆无人驾驶的移动餐饮售卖车可以实现单车年入25万的盈利预期。先解决“吃饭”问题是自动驾驶创业团队面临的现实。
“毕竟，你得先活下去，然后才有更多未来的可能性。”一位新石器团队成员表示。
实现单车盈利是自动驾驶迈向商业化的第一步。目前在低速自动驾驶，率先看到了一些商业落地的积极信号。
IEEE高级会员，香港科技大学智能驾驶中心主任、机器人与自主系统领域主任刘明对集微网指出，比如，在物流场景中，无人系统的应用可以解决未来物流行业劳动力缺口的问题；而在工业场景中的应用，因为它具有明确的工作流程，所以它设备的投入产出来讲，可以有一个很明确的指标去进行性价比的计算。
刘明进一步表示，在保证“无人”这一条件下，自动驾驶可以拓展很多的各类不同应用，如零售无人车、消防无人车、广告无人车等。
而在高速的一端，无人驾驶Robotaxi的商业模式被业界视作最有希望的方向。不过针对该商业落地模式，业界的一大共识同样是——无人化和规模化是获得商业盈利重要前提。
国内L4级自动驾驶技术的智能出行公司文远知行（WeRide）COO张力此前在接受媒体采访时就曾这样解释，目前自动驾驶车辆配备安全员运营的模式不可能赚钱，甚至比普通模式还要亏钱，“在出租车成本结构里，司机成本占60%左右，如果不能替代司机，无人驾驶Robotaxi的商业模式是不成立的。”
具体从技术和市场趋势来讲当前国内的自动驾驶产业进展阶段，头豹研究院的一份分析指出，当前，国内的自动驾驶发展正处于积极地从L2阶段利用高级驾驶辅助系统（ADAS），即部分手动干预过度到L3阶段（有条件自动化）。而目前，行业内尚无统一的无人驾驶硬件配置方案，但总体来看，摄像头、激光雷达、毫米波雷达等相结合已成为主流配置方案。无人驾驶研发商通过选择搭配在不同领域有优势的传感器和摄像头，并综合考量成本因素，在合理造价的范畴内，达到产品性能要求。
2020年后，大部分主流车企计划开启L4级别自动驾驶，各个汽车主机厂将实现无人驾驶作为未来汽车重要战略目标。头豹研究院梳理了汽车在向车联网、无人驾驶（L4）级别进化中的成本构成（见下图），并分析指出，鉴于L2自动驾驶对环境感知要求较低，且主机厂有控制成本的压力，“摄像头 + 雷达 + 计算机视觉”，在未来五年仍是主流解决方案。而随着越来越多的公司进入该市场，L3级别的全面商业化，激光雷达技术有望发展成熟，成为必备的硬件，并实现成本降低。
新生态链形成中
未来5-10年，“汽车+科技”的融合将全方位加深，并重新定义和驱动整个汽车工业的发展。随着汽车不断与人工智能、5G通讯技术以及云计算等技术密切结合，自动驾驶的终极目标是无人驾驶，而无人驾驶将颠覆汽车出行格局，并带来产业链上下游的变革。
中国汽车工业协会预测，中国将在2020至2025年间实现低速驾驶和停车场景下的自动驾驶，在2025至2030年间实现更多复杂场景下的自动驾驶。到2040年，道路上行驶的车辆将有四分之三都是智能驾驶的车辆。有预测称，到2035年中国智能汽车产业规模将超过2000亿美元。
当前正处在巨变的起点，围绕着汽车工业的智能化变革，一个新的产业生态链也在加速成型。而科技和互联网公司在自动驾驶领域的深度布局、跨界合作正在给整个汽车工业注入发展活力。
比如，阿里从自动驾驶软硬件出发，打造无人配送车、芯片以及移动操作系统；腾讯积极开展无人驾驶路测，从车联网、高精地图、整车制造、自动驾驶软件多个方面进入无人驾驶领域；百度以系统和平台为落脚点，致力于成为自动驾驶综合解决方案提供商；华为以数云服务、智能互联、车联网为三驾马车开始无人驾驶领域的深度布局。同时，新造车势力注重汽车软件和用户体验，向无人驾驶进发，开发具备自动驾驶前沿技术的车型，加速路测，实现量产。
罗兰贝格预计，2030年自动驾驶车端系统的市场规模将达5000亿元。其中，芯片、传感器和软件算法是主要贡献者，市场规模分别预计可达1480亿元、1308亿元、917亿元。
不过，目前自动驾驶平台市场高度分散，由外国科技公司和硬件厂商主导，科技巨头和硬件制造商（芯片/半导体）目前发展潜力最大。这让以往车企在整个产业生态中的主导地位备受挑战，为了在竞争日趋激烈的市场立足于不败之地，车企通过建立联盟、兼并收购或自主开发，探索不同业务模式以进行自动驾驶相关研发，其中建立联盟备受车企追捧。
2017年起，大众与福特在全球自动驾驶、电动汽车研发领域开展合作，并实现了渠道共享。与此同时，部分大型主机厂会与科技公司联盟，构建完善开发体系。2016年起，宝马和英特尔–Mobileye开始合作开发自动驾驶技术；通用汽车收购了自动驾驶服务提供商Cruise Automation，要求其独立运营以进一步研究自动驾驶技术。也有个别主机厂设立新的业务部门/公司自主开发自动驾驶技术，如TOYOTA之前增设新公司，而非与技术公司合作。
还有很多硬仗
但必须承认的是，目前自动驾驶仍面临技术水平等瓶颈，在相当长一段时间内，主要将以场景化自动驾驶的状态出现。
以“出行即服务（MaaS）”的商业模式为例，尽管这被视作未来五到十年自动驾驶商业落地的主流方向，但多家机构的分析预测指出，2030年之前，完全自动驾驶还无法应用于MaaS。虽然完全自动驾驶已经在一些特定区域展开试运营（比如滴滴出行首选上海的特定自动驾驶测试路段作为自动驾驶出行服务的试点区域）。进一步的技术发展，系统性的法规和消费者教育（消费者信心）依然有待突破。
对此，刘明也指出，制约自动驾驶大规模商业落地的瓶颈，在技术层面，主要是受限于两点：一个是车本身数据的批量标定。传统车对速度的标定，如转角速度的标定，要求不是那么高；但是无人系统，对这一部分数据比较敏感。比如相对传统车，因为有人类驾驶员进行操控，因此容错率较高；但同样的条件，对无人车的控制及批量应用则提出更苛刻的要求。另一方面，无人系统的实时性，受限于传感器的刷新频率和FOV及点密度，尤其是激光传感器相关特性的制约，因而新一代传感器的发展尤为重要。
此外，如何保障自动驾驶技术的安全使用，也是急需解决的重要问题，需要具体考虑在什么样合适的场景，去实现无人驾驶技术的应用；同时，公开路面上数据的进一步采集，以及算法的进一步研究，也有待提升。
而这个过程中，商业模式、技术水平、基础建设以及相应的政策支撑等不同维度仍需要齐头并进。
汽车智能化的终极目标是无人驾驶的大规模商业落地，但这必将是一个渐进式的发展过程，并且单凭某一个领域的某一家或者数家公司都无法真正实现，而是整个产业链上下游，诸多细分领域公司共同推动的结果。正是从芯片、传感器、整车硬件，到算法、集成解决方案，再到出行服务的整个链条，构成了智能驾驶的完整生态，让它得以变成现实，最终走入寻常百姓家。
在一辆无人驾驶汽车的背后，是一系列复杂的合作和集成过程，也势必将引发商业场景和跨行业间的重新融合和变革。（校对/Jimmy）
✋热门推荐