蘑菇车联虽身为创业公司，但其组建的技术团队不逊大厂，且潜心搭建了一支业内能力最全面的自动驾驶全栈技术和运营服务队伍。目前该公司能够提供一套包括底层系统架构、算法、应用软件、AI 云平台的自动驾驶全栈技术，并自研除激光雷达外的全部自动驾驶核心硬件产品。
从该公司已落地的项目实际看，其能够为城市参与者提供多维度的服务，包括面向政府的道路智能化改造、自动驾驶车队运营服务、以及智慧交管服务；面向企业的自动驾驶车辆终端产品技术服务；面向用户的自动驾驶软硬件升级服务。这是一种全新的自动驾驶落地方式。
相比之下，其他单车智能玩家的研发更多还是放在车辆感知数据的融合处理层面，不断迭代系统、尽可能地去穷尽各种长尾场景。对于路端以及云端的部署反而不是其他玩家的重心，他们也很难积累到这些领域的技术知识。
另一方面，在单车智能的场景下，车辆需要在高速行驶时对所有涌入的路况信息进行收集、分析，但由于传感器探测距离有限，要在极短的时间内快速识别信息并准确给出决策，对车载计算平台是一个巨大的挑战，更何况目前已有的车载芯片算力也还有很大的进步空间。
反观，车路协同更像是团队作战，数据处理也会更加轻松。例如，蘑菇车联的“车路云一体化”系统就采用了分布式计算架构，不仅在车端和云端部署计算单元，在城市路口也就近部署了大量边缘计算单元。由于边缘计算单元离数据源更近，能够大幅缩短系统处理数据的时间，而且云端还能自动扩容，不用担心数据吞吐量超负荷的情况。
车路云一体化的利好不仅是针对海量数据的处理，还需要考虑时延问题。这也是衡量车路协同环境下自动驾驶工程化落地能力的重要指标。
据了解，在蘑菇车联自动驾驶系统中，数据从路侧感知、云端上传到下发的传输全链路延迟已经被压缩到 100 毫秒内。
这是什么概念？
在奥运会短跑项目中，运动员在 100 毫秒内起跑将被判定为抢跑并被取消参赛资格，这个时间属于人类反应时间的极限。而正常成年人对一件事的反应时间约 500 毫秒，大众消费电子设备一般可以做到 300 毫秒。
蘑菇车联的例子也能够侧面印证，路侧+云端全局路况感知能力全面下放到车端，能够使得单车也拥有大范围预警、预测和中远距离行车策略规划能力。
此外，车路协同是典型的 toG 项目，想要实现真正落地还需要打通各方资源，进行多部门合作。目前，百度和蘑菇车联已经通过样板案例积累了真实的运营能力，并且基于先发优势形成了口碑效应：
百度 Apollo 已经成功中标沧州、合肥、重庆、广州、成都等多地的自动驾驶车路协同示范项目；
蘑菇车联则在北京、江苏、衡阳、鹤壁等城市落地，在上海、四川、湖北、河北、海南等多个省市推进项目；
在两个领跑者手握先发优势，并开始规模复制之下，自动驾驶赛道很容易出现强者恒强的格局，新玩家想要获取政府侧和商用大客户的信任并不容易，挤进市场将难上加难。
总结
自动驾驶行业已经开启了商业化落地的新阶段，单车智能的发展似乎确实遇到了一些挫折。
更重要的是，玩家们基本上都还在依靠外部输血过活，除非能够证明企业自身技术领先于行业竞争对手、且有可落地的商业模式，否则企业将很难持续获得资本的青睐，融资难度也可能不断增大。
【 车路协同|头部玩家布局，自动驾驶驶向“车路云一体”的未来？】但从百度毅然决然扎进“车路云一体化”领域的动作，以及蘑菇车联已取得的相关成绩来看，这种全新的方式极有可能推动更安全、更接地气的自动驾驶大规模落地加速到来。

稿源：(i黑马)

【傻大方】网址：http://www.shadafang.com/c/11059451152021.html

标题：车路协同|头部玩家布局，自动驾驶驶向“车路云一体”的未来？( 三 )