2023年上半年，自動駕駛商業化在政策端與市場端均迎來新的發展階段。
政策方面，4月份北京正式對外發放無人化載人示範應用通知書，並允許robotaxi主駕去掉安全員;
5月份，雲南省工業和資訊化廳發布了《關於「十四五」推進雲南省車路協同自動駕駛試點示範建設的指導意見》，明確到2023年，逐步實現高階別自動駕駛商業應用，l4級別智慧型車輛在特定領域開始試執行，力爭建設成為國家級車路協同自動駕駛產業集聚區。
而在廠商方面，idc最新發布的《中國自動駕駛汽車市場資料追蹤報告》中顯示，2023年一季度，中國自動駕駛汽車市場，l2級自動駕駛乘用車滲透率達23.2%，較2023年一季度的7.5%大幅提公升，自動駕駛商業化應用正迎來新的發展**期。
然而，政策與廠商端的火熱，卻無法在短時間內改變消費端對自動駕駛的認知，公眾對自動駕駛技術的場景適應性仍存疑問。自動駕駛落地場景更多集中於封閉路段，距離真正的開放路段大規模商業化應用仍有一段距離。
那麼自動駕駛，離真正量產到底還缺了點什麼?
長期以來，自動駕駛技術無論是在硬體端，如雷射雷達、多目攝像頭，還是在軟體演算法端，前期的投入與採購成本均十分高昂。
為了追求更高的感知度，提高行車安全性，各大自動駕駛企業在感知系統硬體選擇上均投入了較高的成本。
以特斯拉使用的前置攝像頭為例，3個攝像頭每個畫素約為120萬。即將量產的cybertruck，畫素將提公升至為540萬，成本不菲。而雷射雷達成本則更為高昂，以雷射雷達行業內知名企業velodyne 公司為例，旗下的hdl-64e售價在接近10萬美金左右。
但隨著生產工藝的進步，雷射雷達的成本已顯著下降。華為已將自研的雷射雷達成本控制在200美元之內，並計畫在未來兩年將成本進一步降低至100美元，這為雷射雷達的大規模普及打下了堅實的基礎。
既然硬體端規模化量產不存在問題，那麼問題則大概率出現在軟體演算法端。
目前，自動駕駛核心演算法以深度學習方式為主，是基於已知變數和因變數推導函式關係的演算法模型。
不同於礦山、港口、機場等封閉場景，開放路段場景更為複雜且多變，需要自動駕駛演算法有很深的場景積累度與迭代能力。但演算法的迭代無法獨立完成，需要人工智慧的另外兩駕馬車，即算力與資料的拉動下才能實現。
深度學習技術本質上需要海量的資料進行「投喂」才能推動演算法的迭代與更新。以特斯拉fsd方案為例，這套方案通過視覺感知網路生成三維向量空間，融入成本函式、人工干預資料或其他**模擬資料，獲得最優的規控方案，實現汽車自動駕駛。
這套方案無論在感知層面還是規控層面，核心演算法都是由資料進行驅動，資料的規模與質量直接決定了演算法的最終效能。
正如泰合資本曾指出的一樣，資料已是行業技術的核心競爭點，對技術迭代起到決定性作用，唯有提高資料迭代速度、降低迭代成本，才能持續取得勝利，真實資料規模已然成為智慧型駕駛行業的「命脈」。
自動駕駛演算法離不開海量資料的「投喂」，這事關各大廠商自動駕駛演算法的優化成果以及現實落地效率，因此構建一套高效獲取、標註及**訓練資料的閉環至關重要。
然而，與指數型增長的資料服務需求相比，則是行業長久以來受限的資料生產力，尤其表現在資料產能與資料產出質量兩方面。
產能方面，目前國內資料標註第一梯隊服務商年營業額普遍以千萬級為主，業務規模、執行效率與專案經理能力高度繫結，產能瓶頸問題凸顯，無法有效填補並搶占極速擴張的需求市場。資料標註產業在國內發展多年，卻從未誕生獨角獸企業，供需之間的鴻溝已愈發難以填平。
而在資料產出質量方面，隨著自動駕駛行業邁向商業化運營階段，以點雲資料為代表的資料處理需求佔比逐漸擴大，傳統依靠簡單工具且依賴人力的業務執行方式，也早已無法滿足垂直市場的需求。
自動駕駛實現規模化量產，資料服務領域能否率先實現突破將成為關鍵。
而作為行業領先的資料服務廠商，曼孚科技深知自動駕駛資料服務行業痛點，憑藉從戰略到技術落地的一站式資料解決方案以及plg商業模式(product-led growth，產品驅動增長)，構建起高效的資料閉環，直擊資料產能與資料產出質量兩大核心關鍵。
以曼孚科技seed資料服務平台為例，作為曼孚科技第三代資料智慧型平台產品，seed平台除擁有目前市面上主流第二代平台的「多場景標註能力+有限專案管理能力」以外，還創新性的大量引入生命週期管理、ai增強等模組，形成了覆蓋「資料全生命週期管理能力+**鏈管理+專案協同+ai人機協同+自定義許可權+全場景標註」的多維立體資料處理能力。
在這些功能模組的加持下，平台資料標註效率平均提公升10倍以上;ai輔助篩查下，資料精準度可達99.99%級別，直擊ai企業資料需求痛點，從源頭端解決ai應用場景持續拓展對於高質量多源異構資料的海量需求。
憑藉plg模式帶來的旺盛創新力與產能復刻能力，曼孚科技在實現自動駕駛資料標註量產的同時，也構建起了一套可持續迭代的資料閉環，為自動駕駛行業在資料方面的短板提供了新的卓有成效的解決方案。
曼孚科技期待用高質量資料助推ai應用持續拓展與落地，早日實現自動駕駛規模化商業量產。
自動駕駛離我們還有多遠？
自動駕駛離我們還有多遠？從汽車誕生之初開始，安全 輕鬆的駕駛便成為了人類不斷追求的目標，早在上個世紀20年代，人們便開始有了讓汽車自行駕駛的種種構想和實踐。1925年，世界上第一輛有證可查的無人駕駛汽車linrrican wonder便出現在了美國紐約街頭，這輛車能實現 自行駕駛 是因為後方有一輛跟...
自動駕駛離我們還有多遠？
近年來，隨著雲計算 大資料 人工智慧的發展和應用，自動駕駛快速發展，現在已經進入了區域性試點階段。然而離大規模落地的成熟期 進入到我們的日常生活方式還有一段距離。在未來的自動駕駛汽車中，資料是驅動汽車的燃料。未來的自動駕駛汽車將變成乙個資訊 資料的採集 計算和分析的工具。車輛將收集的資料資訊回傳到雲...
解析 自動駕駛的核心技術是什麼？
第乙個問題是定位，自動駕駛需要的是厘公尺級定位。第二個問題是路徑規劃，自動駕駛的路徑規劃第一層是點到點的非時間相關性拓撲路徑規劃 第二層是實時的毫秒級避障規劃 第三層是將規劃分解為縱向 加速度 和橫向 角速度 規劃。第三個問題是車輛執行機構執行縱向和橫向規劃，也就是線控系統。目前自動駕駛的技術基本上...