全球自动驾驶实力排名公布：谷歌第一，百度第七，苹果Uber垫底

👆关注WE Career 获第一手北美职场资讯

本文经AI新媒体量子位（公众号ID：QbitAI）授权转载，转载请留言出处

无人车技术哪家强？

不秀Demo，不看视频，也不拿无人区域固定路线试乘论高下。

光比技术，没谁比这批《2018年自动驾驶接管报告》的结果更具参考性。

在加州机车辆管理局（DMV）刚刚披露的这些年度报告中，达到披露标准的48家自动驾驶路测单位，技术实力一一曝光。

谷歌系Waymo仍然排名第一且遥遥领先，通用旗下Cruise紧随其后，美国无人车明星创业公司Zoox排名第三。

华人/中国无人车玩家Nuro、Pony.ai和百度，拿下了第四、第五和第七交椅。

意料之外的是垫底的公司——Uber倒数第一，苹果倒数第二。

但无论如何，这都是自动驾驶技术实力的最真实反映。

技术实力排名

先看结果。

持有加州路测许可证的公司一共有62家，但其中部分公司2018年没有进行路测，比如博世；还有一部分公司因为取得时间较晚，DMV没有要求他们提交2018年的报告，比如图森；另外的一些公司没有接管的数据。

接管次数，即自动驾驶系统出现了技术问题或安全问题，需要人类驾驶员接管汽车的情况。

技术越好，脱离接触频率越低，接管干预次数越少。

技术越差，脱离接触频率越高，接管干预次数越多。

所以，可以看到28家提交了2018年接管数据的公司。

Google兄弟公司Waymo毫无疑问排名第一，简直是别人家的孩子，平均每跑17846.8公里才需要人工接管一次，差不多是从首尔到开普敦直线距离的两倍，几乎是第二名——被通用收购的Cruise的2倍了。

紧随其后第三名是Zoox。

中国公司排名最前的是Pony.ai（小马智行），排名第5；紧接着百度排名第7。

而Uber和苹果分别是倒数第一和倒数第二。

不得不说，这两家科技公司备受期待，但没想到技术实力如此令人捉急。

苹果无人车每次人工接管后平均只能撑1.8公里，相当于北京故宫正门到神武门之间的距离，库克家的自动驾驶只能从皇帝家正门跑到后门，也就个扫地车水平。

而Uber的0.6公里更是让人笑掉大牙，只相当于学校操场的一圈半，看来去Uber当个安全员都要一直手忙脚乱，得加工资呀。

如此惨淡的技术成绩，也并非完全意料之外。

就在上个月，苹果的自动驾驶项目泰坦（Project Titan）200多名员工被遣散，同时最近的财报也十分糟糕，iPhone的营收史上首次下跌，负责销售的SVP安吉拉·阿伦茨（Angela Ahrendts）即将离职。

乔布斯的棺材板都要压不住了，哪还有闲心认真搞自动驾驶。

Uber更惨，2018年3月在亚利桑那路测时闹出了人命，在亚利桑那的路测资格被吊销。在别家纷纷推出自动驾驶打车、园区公交、货运业务的时候，Uber的自动驾驶几乎停滞了一年。

看到0.6公里这个成绩，现在你知道为什么出事的偏偏是Uber了吧。

另外，量子位也对非车企和车企进行了一下分别排名。

技术公司：

因为少了通用家的Cruise，Nuro得以进入前三，这家公司也刚刚获得了来自软银愿景基金的9.4亿美元融资，估值已经达到了27亿美元。

硬件车厂：

这里也包含了同样生产硬件的供应商们，对比下来，除了通用Cruise、日产之外，车厂的技术实力实在拼不过前面那张表里的科技公司。

可以看出，在硬件车厂中，通用收购的Cruise一骑绝尘，甩开了第二名日产将近25倍，后面的宝马、丰田、本田、奔驰、上汽都是毛毛雨了。

总共28家公司中，排名最后的10家每次人工接管后平均跑不到10公里的公司，车厂占了6家，量子位真的想劝他们，还是认真搞硬件吧，软件比不过Waymo的。

另外，整张表单里中国/华人创办公司的表现还都不错：

从图和表上可以明显看出，各家公司的技术水平排名上，中国公司虽然没进前三，不过整体表现还都不错。

朱佳俊参与创办的Nuro和楼教主的Pony.ai分列第4、5名，平均跑超过1600公里需要一次人工接管，是此次技术排行榜上最靠前的中国/华人自动驾驶公司了；

百度整体排到了第7。

肖健雄创办的AutoX排名第9；

前不久刚闹了内讧，开除了联合创始人的Roadstar.ai排名第10；

吴恩达“旗下”的Drive.ai第12；

WeRide.ai（景驰）第13；

车厂上汽就比较捉急了，要不是有苹果和Uber垫底，上汽就倒数第一了。

榜单详解

这份报告，统计的时间周期是2017年12月1日到2018年11月30日。

主要维度有三个：车辆数、里程数、人工接管次数。

人工接管次数，顾名思义，指报告期间自动驾驶汽车出现脱离，涉及人工接管的次数。

车辆数是报告期间在加州公开道路上进行测试的自动驾驶汽车的数量。

里程数，是指报告期间自动驾驶汽车路测的里程。

2018年，提交报告的48家公司一共部署了496辆自动驾驶测试汽车，行驶路程3,258,074公里，相当于围绕着赤道跑了81圈还多。

不过，这些公司中，一共有37家报告了测试车辆，具体情况如下：

测试车辆最多的，是通用的Cruise，有162辆，Waymo有111辆，苹果有62辆，3家车辆总数为335，占整体的67.5%。

此外，10辆及以下的有30家公司，其中有9家只有一辆。

车辆多并不代表路程里程就长，这些公司中，里程最长的是Waymo，2,034,539公里，占整体里程的62.45%。

平均下来，每辆测试车要跑18,329公里，相当于来回北京-广州8趟，还能顺便从北京去趟郑州。

其次是通用的Cruise，716,194公里，然后是苹果127,592公里。3家里程总数为2,878,325公里，占整体的88.35%。

历年情况对比

DMV最早公布自动驾驶汽车接管报告是在2016年，报告的是2015年的情况。

至今一共有了4份年度报告，从这些年度报告中，也能窥见自动驾驶行业的发展历程。

2015年，只有7家公司交了报告，71辆车；2016年，11家公司，103辆车；2017年，19家公司，235辆车。到了2018年，公司数量48，有496辆车。

具体变化如下图所示：

从上图可以看出，2018年是大爆发的一年。与2017年相比，无论是报告的公司数量还是车辆，都呈现出了爆炸式的增长。

测试里程方面也是如此，2017年只有815,963公里，2018年有3,258,074公里，增长近300%。

但随着测试公司增多，人工接管次数也变多了，2017年，平均人工接管一次能跑354公里，2018年只能跑22.7公里，最拖后腿的就是Uber，人工接管一次才跑了0.6公里。

这些年来，虽然公司数量、测试车辆等各项指标都在发生变化，但有一样东西没有变：Waymo的领头羊地位。

2015年，Waymo测试的总里程为682,895公里，人工接管次数次数仅为341次，平均人工每接管一次，就能跑2003公里。这个水平，放到2018年，仅次于通用Cruise和Zoox。

需要说明的是，虽然加州仍是自动驾驶圣地，这份年度接管接管报告也仍是重要参考，但不能作为全部参考。

因为随着无人车发展驶入快车道，自动驾驶也在变成地区与地区、国家和国家的竞技，逃离加州的新现象正在源源不断上演。

比如在美国，毗邻加州的亚利桑那州就提供了更开放的政策和环境，Waymo和图森等都将AZ当做了更主要的研发测试基地，而这不会体现在加州报告中。

另外还有跨洋办公的中国玩家们，百度、Pony.ai（小马智行）、WeRide（文远知行）都在中国有规模更大的车队，加州不再是重心所在。

所以加州报告，可以当做技术实力的重要维度，但不能是全部。

最新排位

另一可参考的重要维度是资本认可。

里外尽调后真金白银加持的VC投资，也能侧面反映自动驾驶公司的发展水平。

所以我们也根据公开资料，整理了一份加州路测的“创业型”无人车玩家的估值融资进展，也大体是全球无人车发展的最新排位。

现在，无人车竞速又来到了一个新的分水岭：

Waymo

估值：1750亿美元（大摩评估）

进展：路测里程达1000万英里；无人出租服务Waymo One已在亚利桑那州开启商业化运营——还非无限制乘客状态，也仍有安全员在驾驶位。

GM Cruise

估值：115亿美元

进展：2018年6月1日，软银愿景基金注资22.5亿美元，占股19.6%。通用汽车宣布将在2019年实现自动驾驶规模化商用。

Zoox

估值：32亿美元

进展：2018年7月获5亿美元B轮融资，由办公协作公司Atlassian的联合创始人Michael Cannon-Brookes以及春华资本领投，老股东有IDG和腾讯。

Zoox已累计融资8亿美元。

B轮融资后，Zoox还更换了创始CEO，并聘请职业经理人——前英特尔执行董事、首席战略官Aicha Evans（艾莎·埃文斯）出任CEO，她也是硅谷最有权势的黑人女性高管之一。

此外，Zoox还拿下了加州第一张无人车载客许可证。

Nuro

估值：27亿美元

进展：2019年2月宣布完成软银愿景基金投资的9.4亿美元新融资。加上之前高榕资本、Greylock Partners、网易创始人丁磊在内的投资，历史融资额已超过10亿美元。

商业化方面，2018年12月18日开始，Nuro与全美最大的生鲜连锁超市Kroger合作，率先在亚利桑那州上路配送。

Aurora

估值：25亿美元

进展：前Google无人车负责人Chris Urmson创办。2019年2月完成5.3亿美元新融资，亚马逊、红杉资本等入股。Aurora还与传统车企大众、现代以及中国的拜腾等车厂达成合作。

Pony.ai（小马智行）

估值：10亿美元

进展：2018年7月宣布完成了 1.02 亿美元A1轮融资，估值超过10亿美元，累计融资额达2.3亿美元。

运营方面，Pony.ai目前已在广州南沙部署规模化车队，并推出了打车程序提供试乘。

图森未来

估值：10亿美元

进展：2019年2月宣布完成9500万美元新融资，新晋独角兽，是首家迈步独角兽的中国自动驾驶货运公司。

图森累计融资额已达到1亿7800万美元。

在美国，图森未来无人驾驶卡车日均完成3-5次货物运输，服务十三位终端货主客户。将在今年六月将其无人驾驶卡车车队规模扩充到50台。

WeRide（文远知行）

估值：6亿美元

进展：最近一轮融资由雷诺日产三菱联盟Alliance RNM的战略领投，汉富资本、安托资本、德昌电机、何小鹏、翼迪投资 Idinvest Partners、洋智资本 OceanIQ Capital跟投，其后新增商汤科技和农银国际，规模上亿美元。

技术方面，实现了暴雨路测、无GPS信号下穿越1.5公里隧道等纪录。

Roadstar.ai

估值：4亿美元（新一轮投前估值8亿美元）

进展：累计完成1.1亿美元融资。获得丰田集团总计200万美元的开发项目，会协助丰田集团在东京奥运会部署无人大巴，以及在上海铺设雷克萨斯的无人专车。

AutoX

估值：1亿美元规模融资进行中。

进展：刚落户香港建立研发基地（创始人毕业于港科大），推出任意点对点L4无人驾驶系统xTaxi。

2018年8月，AutoX在美国加州推出无人驾驶生鲜递送服务，合作伙伴近10家。

已完成今日资本、联发科，上汽等加持的A轮融资。

Drive.ai

估值：未披露

进展：2018年5月在得克萨斯州开启无人驾驶出租试运营。最近一轮融资发生在2017年，A轮，规模为5000万美元。

PlusAI

估值：未披露

进展：

2018年11月，完成新一轮红杉中国领投的A+轮融资，具体金额未公布。此前获满帮集团、金沙江创投、光速中国，华创资本等机构投资。

2018年3月，宣布与一汽解放达成战略合作。

AIMotiv

估值：未披露

进展：总部位于匈牙利布达佩斯，主打摄像头方案。2018年1月获获得3800万美元C轮融资，累计融资4750万美元。知名股东有：博世、思科、三星，英伟达。

One more thing

最后，提到自动驾驶，可能也有人关心钢铁侠马斯克治下的特斯拉。

这家自动驾驶“异类”，年度报告依然交白卷，不过依然坚持写一封洋洋洒洒写了一封略显“浮夸”的信件。

特斯拉在信中表示，2018年他们没有自动驾驶路测数据。但是特斯拉已经把电动车卖到了全球各地，通过匿名的方式收集车主数据，这是一种“影子测试”方法。特斯拉的自动驾驶Autopilot行驶里程超过10亿英里（16.1亿公里）。

但比起2017年，特斯拉今年稍微多了一些数据：

In Q3 2018, Tesla vehicles experienced 1 crash for every 1.92 million miles driven. In the same timeframe, Tesla vehicles experienced 1 crash for every 3.34 million miles driven with Autopilot engaged.

第三季度，所有特斯拉每192万英里撞一次，开了Autopilot的则334万英里撞一次。

也不知特斯拉车主们，看到这个表述，是否会有一种小白鼠荣耀感。

感谢你们，不仅加速世界的可持续转变进程，也在帮助特斯拉不断提升“自动驾驶”水平。

但还是要郑重提醒一句：

道路千万条，安全第一条。

行车不规范，亲人两行泪。

— 完 —

不管怎么说

自动驾驶火热依旧

仍然颇受资本市场认可

要不要考虑上车？

👇

自动驾驶职位内推

国内某科技公司无人驾驶团队目前招聘高级工程师/架构师，在硅谷/北京/深圳均有职位开放：

自动驾驶高级算法工程师

（感知方向）

工作地点

北京／硅谷

岗位职责

负责计算机视觉或深度学习算法相关的前沿技术研发工作；
负责图像或三维点云中的目标检测、跟踪,图像理解等相关算法研发工作；
负责 SLAM、VIO 等相关算法的研发工作；
负责 camera、lidar、radar 等多传感器融合算法研发工作。

岗位要求

硕士学历 6 年以上工作经验或博士学历 4 年以上工作经；
熟练掌握 C++、Python 熟悉计算机视觉常见算法,有一年以上实际项目经验；
熟悉 CNN、RNN、boost、SVM 中至少一种算法,有一年以上实际项目经验。

以下几个子方向至少在其中一个有专长:

熟练掌握至少一种 Deep Learning 框架,例如 Caffe、TensorFlow、MXNet等,拥有一年以上实际项目经验,对网络结构设计、训练、大规模数据处理有丰富的实践经验；
熟悉 CUDA/OpenCL 开发,掌握多线程优化方法,熟悉基本的资源调度方法；
熟悉大规模并行计算的基本原理并具有实现并行计算算法的基本能力；
熟悉点云处理算法,熟练使用 PCL 库,有一年以上实际项目经验；
了解 SLAM 相关算法,例如 ORB-SLAM、LSD-SLAM 等,熟悉 PnP 求解,EKF,会使用 g2o 等常见优化库,有一年以上实际项目经验。

加分项：