为了尽快把无人车商业化 百度投资了一家硅谷雷

　　百度在无人车技术上采用的实现方式接近于谷歌，而不同于特斯拉。

　　图片来源：视觉中国

　　百度在无人车上再次布局，和福特一起投资硅谷雷达公司Velodyne，共计1.5亿美元。自此，百度无人车的技术路径越发明朗——接近谷歌，而异于特斯拉。

　　据《金融时报》的消息，此次福特向Velodyne LiDAR投资了7500万美元，这意味着百度可能向Velodyne LiDAR投资同样数目的资金。

　　百度此次投资的Velodyne成立于1983年，位于美国加州硅谷，最早以音响业务起家，2005年业务拓展至激光雷达等领域。

　　这家公司真正名声大噪是因为2007年美国DARPA(美国国防部先进研究项目局)无人车挑战赛。当年获得第一名和第二名的高校分别是卡耐基梅隆大学和斯坦福大学，他们当时使用的正是Velodyne激光雷达。

　　在比赛场地之外，他们的64线激光雷达产品也被谷歌无人车采用，使得这家公司的产品进入了商业领域。此后，LiDAR先后被百度、Uber、福特等知名企业应用在各自的无人车上，成为全球范围内最受关注的无人驾驶激光雷达生产商之一。

　　“这笔投资将会让我们更快地推出大规模量产的低成本传感器。”Velodyne总裁Mike Jellen在接受媒体采访时这样说道。此外，Jellen还表示这笔融资将会用于对其他半导体科技公司的投资以及其他的研究项目。

　　自此，百度的无人车技术路径也越发明朗——目前来说，无人驾驶主要有两种路径，一种是靠“触觉”，另一种是依靠“视觉”。

　　“触觉”正是靠雷达。在山景城附近溜达的谷歌无人驾驶车头上顶着一个黑色的雷达，百度的车也是如此，他们依靠车上雷达，通过激光扫描，判断出周围障碍物的远近。

　　“雷达这种方式比较容易得出比如说前面的障碍物有多远这类结果，不需要太大的计算量。”百度硅谷研究院杰出科学家徐伟早前在接受界面新闻采访时指出，这种路径有它固有的弱点。“雷达探测，它只能知道前面有个东西，很难知道比如前面的车道线在什么地方，它也无法识别周围的一些交通标识牌。”

　　包括Tesla在内的一些厂商认为，未来无人驾驶的方向应该是依靠“视觉”，即涉及深度学习算法的图像识别。“这时机器就像人一样，能够识别图象，然后决定该怎么做。很大程度上依赖深度学习，因为现在大量的计算机视觉的算法背后都是深度学习。”徐伟表示。

　　这种路径没有被采用的原因在于目前技术还达不到“无人驾驶”的水准。“它的精度还没有达到自动驾驶的要求，比如说对于判断前方的车体距离的监测还没有雷达做得好，另一方面它的计算量还远远超过雷达那样的系统的计算量。”徐伟在百度硅谷研究院从事的正是计算机视觉方面的研究，应用到无人驾驶车辆上是他们研究的方向之一。

　　埃隆·马斯克(Elon Musk)就是“视觉”路径的坚决支持者，在指责谷歌路径错误的同时，采用了两种路径结合的方式。从特斯拉向外界揭露的无人驾驶汽车来看，其采用高速摄像头让汽车“看得见”，识别车道、交通标识。

　　一个明显的事实是，如果要采用图像识别的路径，在技术研发上还需时日，更别提商业化——而百度在无人车商业化上都给出了明确的时刻表，CEO李彦宏早前在接受《财经》杂志采访时表示是五年，这意味着百度需要采用更加成熟的技术——即雷达。

　　商业化要考虑的一个重要因素是成本，但激光雷达价格非常昂贵，谷歌目前使用的激光传感器单个定制成本在8万美元左右。过高的门槛成为自动驾驶/无人驾驶大规模量产和商业化的拦路虎。要知道，即便是特斯拉采用图像识别路线，也需要给无人车配备12个雷达，而像谷歌和百度这样采用“触觉”路线的，对雷达的需求必然更大。

　　David Hall表示，未来这一局面将得以改善。福特和百度的投资将会加速降低生产成本，实现激光雷达的大规模生产，使其能够广泛应用在全自动驾驶汽车上。

　　Velodyne的目标是希望将激光雷达的价格降到300-500美元之间，以满足大众汽车市场。

　　种种信息都显示出百度无人车商业化在落到实处，Jellen近日赴北京参加一场技术活动，他透露，Velodyne在北京的办事处将会在今年秋季落成，他表示考虑到客户拓展，还将在北京以外的地方开设办事处。一方面为汽车厂商提供技术和服务支持，同时方便与中国工厂进行协商，为批量生产铺路。