為什麼有些汽車大廠要重新考慮他們的自動駕駛投資?
直到幾個月前,自動駕駛還是最熱門的投資主題之一。然而,最近包括福特在內的許多汽車大廠都在重新考慮對自動駕駛業務的投資,Alphabet等其他公司則面臨削減自動駕駛業務開支的財務壓力。
優步最早剝離自動駕駛業務
Uber(Uber)是最早放棄自動駕駛業務的公司之一,並於2020年將該業務賣給了自動駕駛新創公司Aurora Innovation公司。作為回報,優步公司獲得了該公司的大部分股份。
Aurora Innovation透過SPAC反向合併上市,目前每股股價低於2美元。據報道,優步對Aurora、Grab和Zomato等公司的投資都出現了巨額虧損。
Aurora Innovation是一家純粹的自動駕駛業務開發商,其股價暴跌讓人聯想到投資者對該行業的悲觀情緒。不止於此,還有一些公司也在重新考慮他們在自動駕駛領域的投資。
福特退出自動駕駛業務
上個月,福特和福斯合資成立自動駕駛新創公司Argo AI公司倒閉,福特註銷了對該公司的投資,標誌著汽車大廠也對自動駕駛打起了「退堂鼓」。
福特表示,Argo AI公司並沒有吸引到新的投資者。福特也宣布,將不會專注於開發L4自動駕駛系統。該公司執行長表示,儘管一些投資者已經在L4自動駕駛技術上累計投入了1,000億美元,但還沒有一家公司能夠確定出一個獲利的商業模式。
在該公司的一次財報電話會議上,福特高級產品開發和技術總監DougField表示:“L4自動駕駛業務的大規模商業化所需時間將遠遠超過我們此前的預期。L2 和L3駕駛輔助技術擁有規模更大的可定位客戶群,這將使其能夠更快地擴大規模,並實現盈利。」
而福特首席財務長John Lawler表示,該公司認為沒有必要自己開發自動駕駛技術。
Alphabet自動駕駛面臨虧損壓力
#Alphabet擁有自動駕駛業務子公司Waymo,該公司因虧損不斷攀升而面臨股東質疑的壓力。持有價值約60億美元Alphabet股票的TCI基金管理公司致函Alphabet管理層,呼籲減少Waymo的虧損。
TCI在信中表示,「不幸的是,人們對自動駕駛已經失去了熱情,競爭對手也紛紛退出市場。」TCI在信中也提到大眾和福特已經退出這項業務的事實。
無獨有偶,最近由Alphabet、Tiger Global和SoftBank支持的自動駕駛新創廠商Nuro公司宣布裁員五分之一,以在長期投資的情況下致力節省資金。
通用表示汽車不會退出自動駕駛市場
業界人士也指出,自動駕駛市場狀況並非一片黯淡,一些企業仍在持續投資自動駕駛。例如通用汽車表示不會退出對該業務的投資。該公司旗下有一家開發自動駕駛業務的Cruise公司,去年也獲得了微軟的投資。
通用汽車執行長Mary Barra表示:「我們是唯一一家準備在三個市場推出並帶來收入的自動駕駛汽車公司。」
Barra對通用汽車的自動駕駛業務發展表示樂觀。她說:「當我們考慮到業務的實力和已經建立的業務時,我們覺得可以對自動駕駛汽車業務進行再投資,因為我們看到了巨大的機會。」
通用汽車也上調了2022年的現金流指導,並預計其電動車業務將在2025年實現盈利。
特斯拉將軟體視為其業務的主要驅動力
特斯拉則將自動駕駛視為其業務成長的關鍵驅動因素。該公司今年兩度調整其全自動駕駛系統(FSD)的價格,目前已提高到1.5萬美元。
業界人士表示,鑑於不斷惡化的宏觀經濟環境,許多自動駕駛公司都面臨著無法籌集資金的壓力。由於這項業務仍處於起步階段,許多企業在未來幾年可能會持續出現虧損。現在隨著聯準會大舉升息,很少有投資人希望為自動駕駛等虧損企業提供資金。
一邊是自動駕駛的「遙遙無期」和龐大投資,一邊是不景氣的經濟大環境,你覺得自動駕駛的未來走向會怎麼樣?
以上是為什麼有些汽車大廠要重新考慮他們的自動駕駛投資?的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

寫在前面&筆者的個人理解三維Gaussiansplatting(3DGS)是近年來在顯式輻射場和電腦圖形學領域出現的一種變革性技術。這種創新方法的特點是使用了數百萬個3D高斯,這與神經輻射場(NeRF)方法有很大的不同,後者主要使用隱式的基於座標的模型將空間座標映射到像素值。 3DGS憑藉其明確的場景表示和可微分的渲染演算法,不僅保證了即時渲染能力,而且引入了前所未有的控制和場景編輯水平。這將3DGS定位為下一代3D重建和表示的潛在遊戲規則改變者。為此我們首次系統性地概述了3DGS領域的最新發展與關

昨天面試被問到了是否做過長尾相關的問題,所以就想著簡單總結一下。自動駕駛長尾問題是指自動駕駛汽車中的邊緣情況,即發生機率較低的可能場景。感知的長尾問題是目前限制單車智慧自動駕駛車輛運行設計域的主要原因之一。自動駕駛的底層架構和大部分技術問題已經解決,剩下的5%的長尾問題,逐漸成了限制自動駕駛發展的關鍵。這些問題包括各種零碎的場景、極端的情況和無法預測的人類行為。自動駕駛中的邊緣場景"長尾"是指自動駕駛汽車(AV)中的邊緣情況,邊緣情況是發生機率較低的可能場景。這些罕見的事件

0.寫在前面&&個人理解自動駕駛系統依賴先進的感知、決策和控制技術,透過使用各種感測器(如相機、光達、雷達等)來感知周圍環境,並利用演算法和模型進行即時分析和決策。這使得車輛能夠識別道路標誌、檢測和追蹤其他車輛、預測行人行為等,從而安全地操作和適應複雜的交通環境。這項技術目前引起了廣泛的關注,並認為是未來交通領域的重要發展領域之一。但是,讓自動駕駛變得困難的是弄清楚如何讓汽車了解周圍發生的事情。這需要自動駕駛系統中的三維物體偵測演算法可以準確地感知和描述周圍環境中的物體,包括它們的位置、

一先導與重點文章主要介紹自動駕駛技術中幾種常用的座標系統,以及他們之間如何完成關聯與轉換,最終建構出統一的環境模型。這裡重點理解自車到相機剛體轉換(外參),相機到影像轉換(內參),影像到像素有單位轉換。 3d向2d轉換會有對應的畸變,平移等。重點:自車座標系相機機體座標系需要被重寫的是:平面座標系像素座標系難點:要考慮影像畸變,去畸變和加畸變都是在像平面上去補償二簡介視覺系統一共有四個座標系:像素平面座標系(u,v)、影像座標系(x,y)、相機座標系()與世界座標系()。每種座標系之間均有聯繫,

軌跡預測在自動駕駛中承擔著重要的角色,自動駕駛軌跡預測是指透過分析車輛行駛過程中的各種數據,預測車輛未來的行駛軌跡。作為自動駕駛的核心模組,軌跡預測的品質對於下游的規劃控制至關重要。軌跡預測任務技術堆疊豐富,需熟悉自動駕駛動/靜態感知、高精地圖、車道線、神經網路架構(CNN&GNN&Transformer)技能等,入門難度很高!許多粉絲期望能夠盡快上手軌跡預測,少踩坑,今天就為大家盤點下軌跡預測常見的一些問題和入門學習方法!入門相關知識1.預習的論文有沒有切入順序? A:先看survey,p

原文標題:SIMPL:ASimpleandEfficientMulti-agentMotionPredictionBaselineforAutonomousDriving論文連結:https://arxiv.org/pdf/2402.02519.pdf程式碼連結:https://github.com/HKUST-Aerial-Robotics/SIMPLobotics單位論文想法:本文提出了一種用於自動駕駛車輛的簡單且有效率的運動預測基線(SIMPL)。與傳統的以代理為中心(agent-cent

最近一個月由於眾所周知的一些原因,非常密集地和業界的各種老師同學進行了交流。交流中必不可免的一個話題自然是端到端與火辣的特斯拉FSDV12。想藉此機會,整理當下這個時刻的一些想法和觀點,供大家參考和討論。如何定義端到端的自動駕駛系統,應該期望端到端解決什麼問題?依照最傳統的定義,端到端的系統指的是一套系統,輸入感測器的原始訊息,直接輸出任務關心的變數。例如,在影像辨識中,CNN相對於傳統的特徵提取器+分類器的方法就可以稱之為端到端。在自動駕駛任務中,輸入各種感測器的資料(相機/LiDAR

目標偵測在自動駕駛系統當中是一個比較成熟的問題,其中行人偵測是最早得以部署演算法之一。在多數論文當中已經進行了非常全面的研究。然而,利用魚眼相機進行環視的距離感知相對來說研究較少。由於徑向畸變大,標準的邊界框表示在魚眼相機當中很難實施。為了緩解上述描述,我們探索了擴展邊界框、橢圓、通用多邊形設計為極座標/角度表示,並定義一個實例分割mIOU度量來分析這些表示。所提出的具有多邊形形狀的模型fisheyeDetNet優於其他模型,並同時在用於自動駕駛的Valeo魚眼相機資料集上實現了49.5%的mAP
