找回密碼
 註冊
查看: 10867|回覆: 30

10兆美元商機的無人車革命 [轉載]

    [複製鏈接]
簽到
2902
發表於 2017-10-3 23:35:17 | 顯示全部樓層 |閱讀模式

登入後,內容更豐富

您需要 登錄 才可以下載或查看,沒有賬號?註冊

×
本帖最後由 jgyjgw 於 2017-10-4 00:11 編輯

10兆美元商機的無人車革命   [轉載]
by 詹子嫻 2017.01.26     https://www.bnext.com.tw/article ... -driving-revolution

無人車產業正迎來一場熱情澎湃的盛宴!《數位時代》盤點投入自動駕駛的公司,至少就有九大領域、超過60家的業者分頭搶進,連剛落幕的CES彷彿也成了賣車展示中心,所有人談的脫不離自動駕駛及人工智慧。

無人車在產業界甚至是民眾心中,從未像現今一樣熱情澎湃,就連義大利帕爾馬大學研發的無人車VisLab,在2010年完成歐亞長征測試,從義大利開進上海世博會,也不像現在這般受到關注。現在,汽車產業甚至是科技產業最大、最有看頭的革命號角已經正式響起。

為什麼說這是最有看頭的盛宴?《數位時代》盤點投入自動駕駛的公司,至少就有九大領域、超過60家的業者分頭搶進(詳見p.50),包括網路公司Google旗下的Waymo、百度、車廠如Tesla、Toyota、IT公司蘋果、晶片巨頭NVIDIA,以及各種新創公司如Uber、Lyft、Zoox等全都就位,連剛落幕的美國消費性電子展(CES)彷彿也成了賣車展示中心,所有人談的脫不離自動駕駛及人工智慧。

車輛銷售成長有限,無人車前景看漲

而勇夫齊聚相中的就是重金,「過去很難用電腦協助汽車產業提升價值,但現在汽車也要有感知、推理能力,這是一個產值高達10兆美元的產業,遠比電腦產業大太多。」 NVIDIA創辦人黃仁勳一語道破。全球車輛產業一年大約銷售8,800多萬輛,每年增長率只有2到3%,加上共享經濟當道,千禧年世代對購車的興趣明顯下滑,讓產業維持溫和成長。不過,這個狀況正在改變,知名顧問公司麥肯錫指出,儘管全球汽車產業的銷售量沒有太大的成長,但分享式移動(shared mobility)、數據的連結、服務以及功能升級,將帶動汽車產業在2030年的市場規模提升30%,構成整體高達15兆美元的龐大商機。

商機從此而來,因為無人車是一個涉及眾多領域、技術複雜的體現。「要長眼睛,有腦袋,還要手腳靈活、會溝通。」車輛研究測試中心研究發展處協理陳良忠比喻,要做到無人車,就必須做到這四件事。首先,利用各種的感測技術、影像鏡頭,進行感測融合(Sensor Fushion),讓車子達到具有眼睛的功能。關於這個部分,產業已發展一段時間,像是利用超音波或毫米波雷達來倒車,但這對無人車還不足夠,因此Google的無人車利用了雷射雷達(LiDar),Mobileye也是以影像辨識技術領先而聞名。

有大腦,指的就是人工智慧。實際的道路上是由諸多複雜的情境構成,辨識物體後要能知道這是行人、哪種車、道路標示、號誌,電腦進而做出對應的安全駕駛決策,這全都得仰賴人工智慧,所以必須透過龐大的數據資料訓練機器,建立起模型。

對於人工智慧的期待還不止如此,Toyota資深副總裁卡特(Bob Carter)認為:我們知道人工智慧很重要,但人類優先更重要,因此我們會將重點放在駕駛與車的「關係」上,因此Toyota在CES上展示的概念車Concept愛i內建了一個取名為「Yui」的人工智慧,它會學習駕駛的生活風格、了解駕駛的情緒,「成為車主的夥伴(team mate)」。

正因人工智慧扮演著大腦的重要角色,才吸引眾多業者投入研究,不過儘管AlphaGo打敗了人類棋王,「但機器還是不會思考的,那只是算出機率。」研究自動駕駛技術的交大電子工程系教授郭峻因直言。因此要讓車子本身能像人類一樣應付馬路上各種突如其來的狀況,還有很大的研發空間,聽了知名車廠Renault-Nissan舉的例子就能了解,Renault-Nissan的自動駕駛技術是與NASA合作,在路上測試自駕車時,意外地遇到了施工,前方的施工人員指示駕駛可以穿越紅燈直行,但是自駕車卻不動了,因為系統的演算法設定是不准闖紅燈,這個對人類來說看似簡單的狀況,車子卻無法轉換思考。所以Renault-Nissan表示,光靠人工智慧還不夠,還要有專人協助,當有自駕車不能決定的狀況,可以發送訊號給後端雲端中心,專人將依照現況給車子最新的路線。

另外,會溝通這部分又包括兩個層面,一是與駕駛的溝通,另外則是車子與其他事物的溝通。在與駕駛的溝通方面,語音助理成了主要的一環,因此亞馬遜的Alexa、Google Assistant、微軟的Cortana成為大熱門,一線車廠紛紛將此技術導入車內。

微軟大中華區企業服務部首席技術長殷皓就表示,現在「辦公」的元素很少能放到車子裡,但未來人不做駕駛了,情況就會改變。這代表的是自動駕駛汽車將與生產力、工作相關的應用結合,微軟的Cortana語音助理就是一例,能跟行事曆整合,提醒你任何大小事。另外,當進入到完全自動駕駛的階段,方向盤可以收合起來,以桌子取代之,回覆Email、打開電腦做簡報都是被允許的,對一般員工來說或許不是件樂事,但恐怕也只能接受。

在與其他事物溝通方面,則要仰賴車聯網(IoV)技術,包括車對車(V2V)、車對號誌等基礎建設(V2I),車對雲端中心等,因此車輛必須擁有4G/5G以及通訊能力專屬短距通訊(DSRC)。有了眼睛、腦袋、會溝通,最後還要手腳靈活,指的就是高性能的運算能力。隨著半導體的製程演進,晶片縮小但運算能力持續增加,讓系統處理大量的影像、圖資資料、人工智慧運作得以效率提升。

要進入無人車時代除了得有相關技術配合,部分國家基於提升安全的原則,也制定相關法規,讓車輛循序地往智慧化駛去,例如美國運輸部(DOT)在去年底擬定草案,五年後所有新車都將強制配備防止撞車的V2V裝置。另外,日本國土交通省在去年通過新的汽車安全規定,放寬四輪以上汽車的電子後視鏡的安裝規定,而電子後視鏡則是利用攝影鏡頭與顯示系統來取代傳統的後視鏡,有助於減少死角。

更早一點,歐盟新車安全評鑑協會(Euro NCAP)也將自動緊急煞車(AEB)系統列為車款安全評比的測試項目,車廠為了提升消費者對品牌的信任度,無不跟進搭載AEB,而台灣也預計在2019年執行大車的AEB法規。

上述的V2V、AEB等功能都是無人車必備的功能,「商機大到事情做不完,每個人都有事做」工研院IEK智慧車輛與系統研究部研究經理石育賢生動地說,因此車輛產業正迎來生機蓬勃的氣氛。

走進無人車時代,可望為台灣點一盞燈?

正當所有產業巨擘、甚至是各國政府積極開放路測,準備擁抱這場無人車革命時,台灣的角色又是什麼?過去在傳統汽車供應鏈多以提供零組件,如車燈、輪胎相關、觸控面板,也有不少業者在多年前就布局資訊娛樂(Infotainment)車機,像是怡利、車王電、光寶科、華碩旗下的宇碩等,不過,相較於鄰近的國家如日本、南韓、中國,台灣缺乏自主車廠,練兵及銷售機會受限,無人車是否有機會成為台灣的下一盞明燈?

知名檢測認證機構德凱(DEKRA)東亞區總裁曾牧說:「很有機會,台灣汽車製造市場很小,但在IT世界很有力量,當業者轉向車聯網,台灣可以滿足需求。」因此德凱繼在林口成立物聯網實驗室後,又在去年底於新竹設立了車聯網實驗室。

提出類似看法的還有工研院IEK電子與系統研究組研究經理彭茂榮,他認為無人車一定是走電動化、聯網化,汽車電子的比例會持續增加。在2010年汽車電子在一台新車的成本約占35%,預估到了2030年將上看50%。同樣的,隨著汽車越來越智慧化,平均每台汽車的「半導體」含量金額也逐步增加,預估到了2018年會達到610美元。包括先進駕駛輔助(ADAS)系統、資通訊娛樂(Infotainment)系統與後裝(after market)產品等,台灣很有機會。

不過,彭茂榮也坦言,台灣科技零組件廠跟一線車廠的距離其實還滿遙遠,因為過去身處不同產業,加上像是晶片等零組件對車廠來說是相當上游,台灣業者應先爭取與車電系統大廠(Tier 1)合作,如BOSCH、DENSO。

另一個方向則是切不同的應用領域,剛接獲Google無人車無風扇電腦訂單的工業電腦商凌華,其亞太業務區總經理曾仁德就坦言:「在一般民用車,真的比較看不到機會。」不過,車輛市場不是只有一種車,以LiDar而大紅的Velodyne亞洲區總監翁煒表示,「無人車分兩種,高速跟慢速,慢速的像是滿足最後一哩,做小區或園區的無人巴士、接駁車,就很適合台灣發展。這市場比passenger car(民用車)還大。」

除了大型企業外,目前全球也有許多新創公司投入這個市場,一部分是從發展關鍵零組件下手,例如LiDar技術,Quanergy就是一個估值近16億美元的獨角獸,專攻研發固態LiDar,美國的Blackmore也獲得了350萬美元的投資,以色列新創公司Oryx Vision則是開發奈米天線感測技術。另一部分就是投入商用服務的無人車,像是小巴、計程車、甚至是卡車,都有不錯的表現,目前台灣投入無人車產業的新創數目不多,不過不少大學實驗室都在研發相關技術,有機會在日後發展成新創團隊。

台灣還缺什麼?

無人車是一場必須投資龐大資源的新世界,是一個得依賴跨界合作卻又相互競爭的戰場,對IT業者或汽車業者都不容易,Google雖將無人車研究切割為獨立公司Waymo,不過對於要生產出一輛「實體車」來說,Waymo卻有投資縮手的現象,轉為傾向以平台的方式與車廠合作,類似的還有蘋果,Titan計畫的原負責人扎德斯基(Steve Zadesky)離職後,就屢傳裁員、計畫喊卡等消息,同樣是從打造汽車變成為自駕車提供軟體技術支援。有鑒於資金需求和後勤汽車製造的複雜性,這些在人事跟資源上的縮編並非完全出人意料。

就連Google、蘋果等巨擘發展遇到了困難,台灣想要在這個領域爭取立足,就得必須審視不足之處,加以補強。分析機構IDC江芳韻直言:「人工智慧是台灣很大的弱點,無人車最關鍵的技術及核心是深度學習,進而發展成人工智慧,但要發展深度學習需要大量資料分析,所以大企業如Google、百度能做得很好,台灣有一些學術上的技術能量,但沒有資料可以分析。」

目前台灣另一個很大的問題,是諸多產業人士都點名的「缺乏測試場域」。郭峻因表示,ETC就是一個很好的例子,儘管ETC在初期引起諸多詬病,上路後取得回饋不斷改進,讓系統及服務模式變得更好,現在ETC已經是一個可以輸出海外的好案例。沒有測試場域,不僅台灣想做無人車生意的業者沒有機會練兵以優化產品,也很難吸引外國車廠進台合作。反觀外國,美國加州密西根大學為無人車打造了一個占地32畝的模擬城市Mcity,就是由Toyota、Honda與GM等多家汽車廠商聯合投資1千萬美元而生,讓業者可以在都市街道、交叉路口、隧道、交流道等模擬情境下,進行功能測試,類似策略的還有新加坡。

但是,目前台灣公部門對於無人車的反應顯得緩慢,就有業者私下透露,「原本政府有意列入5+2創新項目,可惜並未實現。」除了政府有意規劃以中興新村作為車聯網測試環境之外,無人車的場域或道路測試至今一直安靜無聲,因此現階段除了工研院、車輛研究測試中心等財團法人因自有園區,可以在區域內測試,其他人則無機會,這勢必也影響了生態圈的發展腳步。

無人車前景一片看好,不過,因涉及的技術複雜、配套的法律增修及都市規畫方案,要普及於市場需逐步演進,特別是無人車要如何給人安全及信賴感?涉及道德議題時該如何抉擇?這都是影響產業發展速度的因素,例如當意外發生,車輛必須選擇撞山/落海,或是撞上一位孩童,電腦系統該怎麼選?Toyota旗下的智慧研究機構(TRI)執行長普瑞特(Gill A. Pratt)就提出一個很好的問題:「怎樣的安全是足夠的安全?至今,沒有人有答案。」

這些超越技術層次的難題,將是所有人必須面對的。這一場革命已經鳴槍,向前奔跑已無法回頭,但是,無人車的下一階段是什麼?會如何演變?或許在你我等著準備享受它帶來的新體驗前,值得放慢腳步來思考。

OK. 香港仔班友去左邊?  科大班友去左炒樓? 其實軟件就系主要的真工夫.
電動硬件才是其次. 當然電池亦非常緊要喲重點, 所以我地睇好 Solid State Battery.
發表於 2017-10-3 23:46:56 | 顯示全部樓層
幫我預訂兩架, 唔該, 一架銀灰色, 一架白色。
回覆 讚好 不讚 使用道具

舉報

發表於 2017-10-3 23:50:20 | 顯示全部樓層
科技進步, 夢想可成真
回覆 讚好 不讚 使用道具

舉報

發表於 2017-10-4 00:00:32 | 顯示全部樓層
無人車真係一個商機
回覆 讚好 不讚 使用道具

舉報

發表於 2017-10-4 00:04:21 | 顯示全部樓層
未做車, 先要開發一套守則流程, PROCEDURE AND PROTOCOL,
二者建基在一套新的數學理論。
就如四十年前數碼音響,也需要FOURIER TRANSFORM出爐才可以發展。
回覆 讚好 不讚 使用道具

舉報

 樓主| 發表於 2017-10-4 00:56:26 | 顯示全部樓層
Top 10 Hot Artificial Intelligence (AI) Technologies
https://www.forbes.com/sites/gil ... ogies/#41963be11928

The market for artificial intelligence (AI) technologies is flourishing. Beyond the hype and the heightened media attention, the numerous startups and the internet giants racing to acquire them, there is a significant increase in investment and adoption by enterprises. A Narrative Science survey found last year that 38% of enterprises are already using AI, growing to 62% by 2018. Forrester Research predicted a greater than 300% increase in investment in artificial intelligence in 2017 compared with 2016. IDC estimated that the AI market will grow from $8 billion in 2016 to more than $47 billion in 2020.

Coined in 1955 to describe a new computer science sub-discipline, “Artificial Intelligence” today includes a variety of technologies and tools, some time-tested, others relatively new. To help make sense of what’s hot and what’s not, Forrester just published a TechRadar report on Artificial Intelligence (for application development professionals), a detailed analysis of 13 technologies enterprises should consider adopting to support human decision-making.

Based on Forrester’s analysis, here’s my list of the 10 hottest AI technologies:

1.Natural Language Generation: Producing text from computer data. Currently used in customer service, report generation, and summarizing business intelligence insights. Sample vendors: Attivio, Automated Insights, Cambridge Semantics, Digital Reasoning, Lucidworks, Narrative Science, SAS, Yseop.

2.Speech Recognition: Transcribe and transform human speech into format useful for computer applications. Currently used in interactive voice response systems and mobile applications. Sample vendors: NICE, Nuance Communications, OpenText, Verint Systems.

3.Virtual Agents: “The current darling of the media,” says Forrester (I believe they refer to my evolving relationships with Alexa), from simple chatbots to advanced systems that can network with humans. Currently used in customer service and support and as a smart home manager. Sample vendors: Amazon, Apple, Artificial Solutions, Assist AI, Creative Virtual, Google, IBM, IPsoft, Microsoft, Satisfi.

4.Machine Learning Platforms: Providing algorithms, APIs, development and training toolkits, data, as well as computing power to design, train, and deploy models into applications, processes, and other machines. Currently used in a wide range of enterprise applications, mostly `involving prediction or classification. Sample vendors: Amazon, Fractal Analytics, Google, H2O.ai, Microsoft, SAS, Skytree.

5.AI-optimized Hardware: Graphics processing units (GPU) and appliances specifically designed and architected to efficiently run AI-oriented computational jobs. Currently primarily making a difference in deep learning applications. Sample vendors: Alluviate, Cray, Google, IBM, Intel, Nvidia.

6.Decision Management: Engines that insert rules and logic into AI systems and used for initial setup/training and ongoing maintenance and tuning. A mature technology, it is used in a wide variety of enterprise applications, assisting in or performing automated decision-making. Sample vendors: Advanced Systems Concepts, Informatica, Maana, Pegasystems, UiPath.

7.Deep Learning Platforms: A special type of machine learning consisting of artificial neural networks with multiple abstraction layers. Currently primarily used in pattern recognition and classification applications supported by very large data sets. Sample vendors: Deep Instinct, Ersatz Labs, Fluid AI, MathWorks, Peltarion, Saffron Technology, Sentient Technologies.

8.Biometrics: Enable more natural interactions between humans and machines, including but not limited to image and touch recognition, speech, and body language. Currently used primarily in market research. Sample vendors: 3VR, Affectiva, Agnitio, FaceFirst, Sensory, Synqera, Tahzoo.

9.Robotic Process Automation: Using scripts and other methods to automate human action to support efficient business processes. Currently used where it’s too expensive or inefficient for humans to execute a task or a process. Sample vendors: Advanced Systems Concepts, Automation Anywhere, Blue Prism, UiPath, WorkFusion.

10.Text Analytics and NLP: Natural language processing (NLP) uses and supports text analytics by facilitating the understanding of sentence structure and meaning, sentiment, and intent through statistical and machine learning methods. Currently used in fraud detection and security, a wide range of automated assistants, and applications for mining unstructured data. Sample vendors: Basis Technology, Coveo, Expert System, Indico, Knime, Lexalytics, Linguamatics, Mindbreeze, Sinequa, Stratifyd, Synapsify.

There are certainly many business benefits gained from AI technologies today, but according to a survey Forrester conducted last year, there are also obstacles to AI adoption as expressed by companies with no plans of investing in AI:

There is no defined business case                                                       42%
Not clear what AI can be used for                                                       39%
Don’t have the required skills                                                              33%
Need first to invest in modernizing data mgt platform                            29%
回覆 讚好 不讚 使用道具

舉報

發表於 2017-10-4 01:41:50 | 顯示全部樓層
真正上路,也要考驗民眾對無人車的信任感才是。
回覆 讚好 不讚 使用道具

舉報

發表於 2017-10-4 02:57:18 | 顯示全部樓層
本帖最後由 Baritone 於 2017-10-4 02:57 編輯

無人駕駛其實好危險, 俾黒客入咗取代你的控製,到時候咪幾十部車撞埋一齊?
回覆 讚好 不讚 使用道具

舉報

發表於 2017-10-4 04:09:51 | 顯示全部樓層
可能睇得terminator多 對人工智能抱有危機感
回覆 讚好 不讚 使用道具

舉報

發表於 2017-10-4 05:04:55 | 顯示全部樓層
10兆美元, 香港人汰中 D $$$, 多過未來
回覆 讚好 不讚 使用道具

舉報

發表於 2017-10-4 05:17:43 | 顯示全部樓層
啲技術唔知幾時成熟
回覆 讚好 不讚 使用道具

舉報

發表於 2017-10-4 05:24:10 | 顯示全部樓層
回復 jgyjgw #1 的帖子

如果無人車發展成功,以後自由行不用咁辛苦啦
回覆 讚好 不讚 使用道具

舉報

發表於 2017-10-4 06:51:42 | 顯示全部樓層
創造科技, 一日千里
回覆 讚好 不讚 使用道具

舉報

發表於 2017-10-4 08:16:14 | 顯示全部樓層
軟件先係最重要
回覆 讚好 不讚 使用道具

舉報

發表於 2017-10-4 09:48:12 | 顯示全部樓層
提示: 作者被禁止或刪除 內容自動屏蔽
回覆 讚好 不讚 使用道具

舉報

發表於 2017-10-4 11:24:21 | 顯示全部樓層
將來世界, 無人車,無人飛機.......
回覆 讚好 不讚 使用道具

舉報

發表於 2017-10-4 12:37:58 | 顯示全部樓層
自動無人駕駛, 指日可待 !!
回覆 讚好 不讚 使用道具

舉報

發表於 2017-10-4 14:54:52 | 顯示全部樓層
有前景性是好事
回覆 讚好 不讚 使用道具

舉報

發表於 2017-10-4 15:09:27 | 顯示全部樓層
本帖最後由 沈陽海哥 於 2017-10-4 15:10 編輯

誰知道   將來世界, 無人囡車,  一Book ... 自動上門     好方便
回覆 讚好 不讚 使用道具

舉報

發表於 2017-10-4 20:47:26 | 顯示全部樓層
回復 jgyjgw #1 的帖子

司機呢個職業會被取替
回覆 讚好 不讚 使用道具

舉報

您需要登錄後才可以回帖 登錄 | 註冊

本版積分規則

Archiver|聯絡我們|141華人社區

GMT+8, 2024-3-29 16:56

Powered by Discuz! X3.5

© 2001-2024 Discuz! Team.

快速回覆 返回頂部 返回列表