百度的大动作：除了无人驾驶，他们也要做自动驾驶了
今天，百度世界大会在北京举行。我们发现，在自动驾驶/无人驾驶领域，百度变了：如果说他们之前做的算是「 无人驾驶」，那么现在，他们也想开始做「 自动驾驶」 了。 仍然在继续的「 无人驾驶」 不过，我们先来聊百度的「 本行」：无人驾驶。 前几天，网上流传出了一段视频，说是百度无人车在进行「 路考」。有意思的是，视频里用到的无人车并不是之前的宝马 3 系 GT，而是一辆奇瑞 eQ。 今天在活动现场，我见到了这辆改装过的奇瑞 eQ。也就是说，之前百度只和宝马一家合作，现在却有了新的主机厂合作方。 事实上，百度的自动驾驶策略，绝不仅仅是奇瑞一家主机厂以及简单一句「3 年量产，5 年商用」 就能说明白的。 除了奇瑞 eQ 之外，我还在现场见到了北汽 EU260 的自动驾驶车版本。从车顶的自动驾驶模块来看，这两辆车搭载的是同一套方案。车顶分别有一个 64 线激光雷达、3 个 16 线激光雷达，至于供应商，不用想也知道，一定是被百度投资的 Velodyne。另外，前部两个摄像头用于识别交通灯，车身自带的超声波雷达也融合进了整套系统。 百度的工程师告诉我，改造这辆奇瑞 eQ 大概花了几个月的时间。在未来量产商用的时候，会把车顶传感器和车身进行融合。百度不久前和福特投资 Velodyne，就是出于降低激光雷达成本的目的。 至于从宝马 3 系变成奇瑞 eQ，则是为了实现百度「3 年商用、5 年量产」 目标。之前和宝马的合作，无论是出于成本还是商用的投入产出比等因素考虑，都不是适合短期落地的方案。对于百度来说，在自己不造车的前提下，只能找主机厂合作。因此，类似奇瑞 eQ、北汽新能源 EU260 这类更接地气的车型，才是商用的主要力量。 另外，百度也明白，3 年内实现无人驾驶商用目标，一定是在路况变量小的区域内才能实现。因此，百度选择和芜湖、乌镇、亦庄这类区域的合作，也符合未来初步应用的场景。 奇瑞汽车常务执行副总经理陈安宁在现场表达了自己的态度：他们对于完全的无人驾驶是比较积极的，因此才会和百度合作。而对于相对初级的 ADAS、自动驾驶等技术，他们自己也在进行研发。他还透露了一个细节，观致也在研发自动驾驶技术。 在现场，我见到了包括主机厂（比亚迪、北汽新能源、奇瑞等）、新造车团队（李斌李想这对好基友~）、供应商（博世、大陆等）、政府等几乎所有参与者的身影。只有把这群人都整合到一起，才能真正完全打通无人车从研发到商用的全套流程。 还有一个值得关注的信息：在今天，百度的无人驾驶团队获得了加州政府颁发的自动驾驶测试牌照（加州发放的第 15 张牌照）。在这之前，谷歌、奥迪、奔驰等企业都已经获得了这块牌照。百度也在加州建立了超过 100 名工程师的研发团队。 首次曝光的「L3 事业部」 不过在我看来，这次大会上首次出现的一个事业部，或许更能表明百度今后在自动驾驶领域的策略。这个名为 L3 事业部的部门，由顾维灏担任总经理，他同时还是百度地图事业部的副总经理、车联网事业部总经理以及智慧汽车总经理。 名字的由来也有意思，L3 的意思就是第三级别（Level 3）的自动驾驶，这也是这个部门的目标。L3 事业部的工作内容，就是为了实现 L3 级别自动驾驶技术的商用。 这和刚才说的完全无人驾驶显然不是一个概念，而是一个更循序渐进、更容易落地的事情。 因此，百度拉来了一个重磅合作伙伴：英伟达。他们要做的其实和之前宝马、英特尔以及 Mobileye 之间的结盟类似。英伟达可以提供芯片、自动驾驶平台以及深度学习等能力，再加上百度自己的软件算法、深度学习优势，这两家结盟，还挺让人期待。 别忘了百度还有高精度地图的优势，这恰恰是英伟达不具备的能力，而且，想在中国发展自动驾驶，这是必要的一环。双方合作，不论是把产品打包之后卖给主机厂，或者是把主机厂拉进来结盟，都有不小的想象空间。 所以，L3 事业部的出现，标志着百度从今以后不单单要做完全的无人驾驶，也会参与到现在的 ADAS、以及半自动驾驶等竞争领域。 背后的逻辑 当一家原本说要做完全无人驾驶的公司，突然又开始做阶段性自动驾驶，这样的逻辑必然会让人觉得有些混乱。在接下来的一段时间内，关于百度自动驾驶事业部和 L3 事业部之间的关系，也会是外界关注的重点。 其实，百度这么做的原因不难分析。在完全的无人驾驶实现之前，一定会经过长时间的「 真空期」。也就是说，在这个阶段内，自动驾驶主流路线一定是主机厂逐步发展的路线。如果把这里面的商业价值完全放弃，显然不是很合理的商业选择。对于百度来说，KPI、各种成本方面的压力也可想而知。 换个角度看，以百度目前对无人驾驶、人工智能投入的精力和技术储备来看，他们也有能力搞定 L3 级别的自动驾驶技术。特别是和英伟达合作之后推出平台性质的解决方案，这对一些研发能力不强的车企、或者是新兴造车团队来说，都有很大的价值。 如果从更「 阴暗」 的一面看，我们把视线放到顾维灏 title 中的另外几个事业部：无论是地图、车联网以及智慧汽车，其实都跟自动驾驶有很强的联系。但是，无人驾驶事业部的出现，一下子把最终的成果给承包了。 作为大集团下的事业部，内部的竞争不可避免，大家也都心知肚明。所以， L3 事业部把无人驾驶事业部没做的事儿给包圆了，也显得合情合理。当然，如果你还硬要分析出包括 PR、市场、股价方面的种种因素，反正我就说到这，剩下的大家可以自由发挥想象空间。 不论百度的无人驾驶策略给你的感觉是更混乱，亦或是更系统，至少从今天起，他们有了更具体、明确的发展路线。 当然，无论是完全的无人驾驶，或者是 L3 级别的自动驾驶，作为一家技术公司，百度一定会面对技术到产品落地的过程。在这个过程中，百度很可能会遇到包括行业参与者、消费者等等各种外界因素的质疑。毕竟 3 年 5 年很快就会过去，等着看百度笑话的人肯定也不是少数。我也很期待，百度能按时把自己说过的话都实现。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）& 极市 （微信号：geeket）。
MMC 2016 | 未来的汽车人机交互会是什么样子？
很难否认这么一个事实：关于车内的交互体验，无论你听到过多少「 声泪俱下」 的声讨，这依然不是现阶段消费者买车、驾驶时首要考虑的因素。 在考虑整车成本分配时，车厂往往会把成本向动力总成、内饰、车身工艺等更容易直接感知的部分倾斜。至于车机好不好用、人机交互合不合理这类问题，反正很多人在买车前试驾的那么一小会儿也说不出什么。 等你高高兴兴把车开回家，一段时间之后才发现车机屏幕真难触控、UI 好丑、地图导航不能更新数据等等各种问题… 简直是 W*****B。最后，你会明白一个真理：还是手机最好用。于是，大家在买车的时候依然不会把车内交互作为影响购买的主要因素，毕竟有手机就够了嘛~ 如果任由事态这么发展下去，上面的情况显然会变成一个恶性循环。用户甚至可能永远不会知道，真正好用、合理的车内人机交互应该是什么样子。 所以，GeekCar 在 MMC 2016 上海国际车联网和智慧交通展览会上，请来了一帮专业大牛，聊了聊车内交互的事。 不过，我不想单纯以活动总结的视角来写这篇文章，反而更想结合着整个展会见闻，谈谈我感受到的交互发展趋势。当然，能力一般水平有限，欢迎大家拍砖讨论。想要回顾交互论坛中每位嘉宾演讲的小伙伴也不必着急，GeekCar 会在接下来的一段时间内陆续把相关视频发布给大家。 整车厂之外的一些参与者 回到主题。首先我们得知道，一套完整的前装交互系统，除了整车厂之外，还需要 Tier 1、Tier 2 供应商的配合。所以，这其中会有非常多的参与者。 在会场中，我们也见到了主机厂的供应商。比如友衷科技的产品是液晶仪表盘。全液晶仪表可能不是很多人认为的承担最多交互任务的那块屏，但最近一段时间内，液晶仪表已经有了逐渐普及的趋势。奥迪 TT 的全液晶仪表，就给人很多视觉、功能上扩展的想象空间。 事实上，作为很多车上唯一用来显示车辆状态的屏幕，虽然仪表盘不适合进行输入性质的操作（由于本身需要实时显示车况、中间隔着方向盘等因素）。但是在显示信息层面，仪表盘的反馈更符合驾驶习惯。考虑到仪表盘依然是目前用户在车内看的最多的一块区域（不管是液晶仪表还是机械仪表），因此更有必要考虑如何通过仪表盘把信息更好的呈现给用户。举个例子，现在很多的多屏互动已经能把车机导航映射到仪表盘。 让适当的信息以适当的形式，出现在适当的位置，是所有车内屏幕的最高追求。 换个角度看，主机厂在设计车内交互的时候，还会寻求设计师的帮助。虽然设计师们可能对行业的了解程度不如一些深度参与者，但他们更懂用户的交互习惯和当前的设计趋势。只有双方配合，才能设计出符合用户、车厂需求的产品。 Foks 创始人张卷益就在活动现场吐槽了不少车内交互的现存问题。比如特斯拉的大屏虽然在视觉、操作上比很多产品都要优秀，但并非没有问题。例如分屏功能虽然满足了用户多线程操作的需求，但设计逻辑允许上下屏幕调换，会带来潜在的危险：当导航页面在屏幕下半部分的时候，查看地图就需要用户把眼球先平移之后再下移，而很多人都知道，任何增加视线偏离时间的动作，危险性都相对更大。 因此，如何把人机工程学结合驾驶时的手眼搭配等日常操作动作，和按钮排布、UI 设计等交互因素有机结合，是必须要着重考虑的设计点。在设计车内交互的时候，首先就得考虑人手最自然的覆盖区域，搭配最高频、刚需的操作（比如很多操作屏幕的旋钮就在右手自然垂下的位置）。之后再按照由强到弱、由多到少的原则逐渐发散。 另外，按钮、触摸、语音、手势等不同的操作方式，其实在学习成本、扩展性、反馈、精准度、复杂度等几个维度上，都有区别。因此，当设计车内人机交互的时候，也需要把操作和功能进行有机结合，最后得到易用好用的产品。 在活动上进行分享的另一个设计师是 facecar 车联网体验创新平台发起人朱家明，他们已经和车厂有了很多合作案例。他更多是从用户感知的层面来考虑车内交互的设计。 用户在驾驶时，和车内交互是融合在一起的。这里面不但包括听觉、触觉、视觉这样的理性感知，也有着内心感受这样的感性认知。因此，在设计车内交互的时候，不但需要搞定理性的操作层面，也要注意感性的使用体验。车内的某些功能可以更自然的出现，而不需要用户主动操作。例如，低油量时自动提示附近加油站；设计一些能够体现用户专属性的 icon 等，这些都能提升用户的感性体验。 后装也不能忽视 考虑到巨大的存量车市场，后装也是不可忽视的市场。我在展馆中见到了包括智能后视镜、车机、HUD、ADAS 等不同形态、功能的后装产品。 虽然这些后装硬件很少能和汽车本身、原有交互设计完美兼容，但从出发点看，他们也是想要通过一个或几个产品的配合，尽可能满足用户驾驶需求，提升驾驶体验。 后装硬件的优势很多时候体现在能够通过联网方式，提供更符合用户「 手机思维」 的服务。只不过，很多产品在功能选择、实际效果上都有或多或少的问题。举个最简单的例子，在展馆里，某个 HUD 产品的负责人告诉我，他们其实不想在产品中加入类似电台、音乐这样的娱乐功能，更想把功能偏向驾驶安全。但友商都在这么做的时候，出于市场考虑，自己的产品也只能被推着走。 事实上，参加讨论的嘉宾中也有后装硬件从业者。极豆 CEO 汪奕菲从车机角度，分享了后装硬件的思路。当然，他们的思路还是要和车辆深度结合，只有获取了尽可能多的车辆数据，才能更好的去向用户提供对应服务。这背后会产生大量数据，对于处理开发能力有很高要求。在我们使用车机的时候，操作界面的优化只是最表层的工作，内部数据的开发利用才是能让后装车机更好用的基础。 这个论点其实也在出门问问的身上得到了印证。他们的产品总监林宜立的演讲主题就是「 AI 语音技术和车载交互」。虽然表面上看，语音只是我们和车载硬件（其实和车也是）交互的方式之一，但 AI 语音技术的背后，其实还包括了语音识别、分析等技术层面的内容，以及语音背后能够对接的本地服务。 总结 我们首先得明确一个大前提：设计车内交互首要考虑的一定是安全，安全和***安全。只有以这个目标为出发点，才能真正设计出符合用户驾驶体验的产品。 车内交互系统看似只是整车的一小部分，但由于承担了车辆和用户的「 交流」 任务，因此里面涉及到的内容太多太多。车辆背后的数据产生、收集、处理，数据呈现方式，用户输入方式等等，其中每个课题又都涉及了技术、界面设计等更具体的细节内容，因此展开来讲也都是篇幅巨长。但总之，一套完整的车内交互系统，绝对不是任何一个单方能够完成的。我在展会中见到了其中很多不同方面的参与者，也看到了他们的进度和成果。当然，我所见到的也绝对只是其中的一小部分，还有很多参与者都在向同一个目标发力。仅从我在这一小部分中感受到的信息来看，车内交互不好用这件事，正在慢慢变好。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）& 极市 （微信号：geeket）。
「GeekCar Daily」8.25：无人驾驶出租车 nuTonomy 开始运营；蔚来汽车发布电动方程式新赛车
无人驾驶出租车 nuTonomy 开始运营 外媒报道，世界首个无人驾驶出租车项目 nuTonomy 今天在新加坡正式开始营运载客。目前，nuTonomy 共有 6 辆车投入运营，行驶范围限制在 2.5 平方英里的商业住宅区内，载客也需要在特定区域进行。乘客必须通过审核邀请，之后能够使用手机 App 完成预约。 nuTonomy 计划在年底把车辆增加到 12 辆，并在 2018 年组成整只无人驾驶出租车队。另外，为了对抗 Uber，他们也计划在美国匹兹堡开启此项服务。 听不到出租车师傅吹牛逼，应该好不习惯吧～ 蔚来汽车发布电动方程式新赛车 蔚来车队在伦敦发布了 2016/17 赛季 FE（国际汽联电动方程式世界锦标赛）的新赛车。新赛车采用了全新的设计，包括动力系统、能量回收和调校在内的技术都进行了升级。在涂装上，车身会保持蔚来蓝和灰色，反光镜和鲨鱼鳍进气口处采用撞色涂装。新赛季，蔚来汽车车队的车手依然由小皮盖特和奥利弗·特维担当，首站比赛将于 10 月 9 日在中国香港举行。 法拉第未来的「 龙车队」，是不是还在准备新车发布会？ Uber 为司机提供退休规划服务 据外媒报道 ，Uber 日前宣布将和在线资产管理公司 Betterment 合作，为波士顿、芝加哥、新泽西及西雅图的 Uber 司机提供资产管理咨询服务及退休计划协助服务。退休的 Uber 司机可以通过 Uber 应用将退休金免费转入 IRA 或者 Roth IRA（个人退休账户），并且账户第一年完全免费。使用退休账户有助于退休人员更好的管理自己的资产。 很好奇的一点是，开 Uber 到退休的话账户里会有多少钱？ 曼切斯特推出智能公交站亭 最近，曼切斯特在距离火车站附近的皮卡迪里进行智能公交站的测试，乘客们可以享受免费的无线网络和无线充电服务。一旦测试成功，这个项目将扩展到整个大曼切斯特地区。这个智能公交站亭采用的是模块化设计，能够安装在大曼切斯特的其他地区以及需要该服务的地方。大曼切斯特交通（TfGM）委员会主席 Andrew Fender 表示，这个项目的主要是为了改善公共交通网络，鼓励更多人选择可持续、环保的出行方式。 有了免费充电和 Wi-Fi，我反正是迈不开腿了。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）& 极市 （微信号：geeket）。
极豆发布了新款智能后视镜和车机，但背后的重点可能是软件
去年 7 月 1 号，极豆 CEO 汪奕菲在北京发布了 后装智能车机 D1。 8 月份，京东众筹开始，最终完成销售超过 7000 台，金额超过 300 万。之后发生的事对于很多硬件创业团队并不陌生，硬件研发入坑、代工厂不靠谱、发货延迟等等，这些都很「 自然」 的发生在了极豆身上。 一年多之后，汪奕菲又在北京开了发布会。这次，极豆发布了两款全新的产品，分别是车机导航的升级版 D1S 和全新品类的智能后视镜 M1S。 两款新产品 作为一家硬件创业公司，在不到一年的时间内处理完上代产品的「 历史遗留问题」，完成适配、发货、迭代维护等工作，并且发布两款全新产品，这本身不是件很轻松的事。 所以，我们有必要先看看产品。 先说车机，其实 D1S 是在去年 D1 的基础上进行了改进升级。D1S 分为标准版和高配版，处理器方面依然采用了骁龙 625 处理器。标准版配置 2G RAM 和 16G ROM，售价 2499；高配版则为 2G RAM 和 32G ROM，售价 2999。另外，极豆还发布了低配版的 D1A ，售价 1999 元。 另一款全新产品——M1S 智能后视镜，则是极豆的一次新尝试。M1S 屏幕大小为 8.8 寸，分辨率 1920*480，配置 2G RAM 和 16G ROM。 D1S 和 M1S 都支持硬件的扩展。例如，D1S 如果配备专用的摄像头硬件，就能实现 ADAS 的功能；而 M1S 本身自带 ADAS 功能，还能支持多个摄像头，实现前后双录、车内疲劳监控等功能。 补充几句，极豆关于 ADAS 功能的合作方是极目，关于这家公司，GeekCar 之前也有过报道，他们也会出现在这次 MMC2016 的展会上。双方这次的合作，显然能丰富极豆的产品功能，增加卖点。而极豆的 C 端用户也能对极目的 ADAS 算法和数据积累有很大帮助。 事实上，能实现类似的硬件扩展功能，主要是因为这两款产品搭载的都是极豆的 DouUI 3.0 系统。汪奕菲也向 GeekCar 透露，他们目前的核心是整套软件系统，因此适配不同车载硬件的难度并没有想象的那么大。选择增加智能后视镜，也是因为用户端有很大需求，毕竟后视镜的适配门槛几乎可以忽略不计，而车机则复杂很多。 关于产品的详细信息，大家可以直接访问极豆官网，GeekCar 会在后续进行相关产品的实际体验，到时候也会对功能、交互等细节进行详细测评。 重点是软件的数据收集能力 简单说完产品，我更想谈谈参加极豆两次发布会之后的感受。 对我来说，极豆给我最直观的变化就是硬件团队变强了，这一点体现在产品的研发进度，工艺进步等等各方面。当然，经历了那么多坑，硬件团队的进步其实是自然而然的。背后做了多少工作，可能只有他们自己知道。 不过极豆更深层次的变化，还是对于产品系统性的整理。 首先，增加新品类最明显的效果就是用户数量扩大。有了更多用户，极豆就有筹码去和相关服务商、合作伙伴进行谈判。功能的增加、完善，又反向推动产品对用户的吸引力。 目前，极豆已经有了大约 5000 个线下门店，支持 300 个城市上门安装，并且开始推行「 梦想合伙人计划」，这的确打下了很好的线下渠道基础。当然，这么大体量的覆盖，本身对公司也是不小的负担。 其次，汪奕菲透露要把系统作为核心，在本质上保证了系统软件的可扩展性。只要把软件体验做好、并且统一起来，那么更多硬件品类的适配，相对简单很多。 并且，这套系统支持各种外接配件的扩展，那么对于系统的兼容性也是很大的保障。汪奕菲在现场也举了方向盘控制、胎压监测器、摄像头、远程控制模块、自组网设备这些例子来说明极豆系统的模块化设计。事实上，即便不考虑更深层次的战略目的，光是卖卖扩展配件也有不小的发挥空间。 总之，当一套应用于驾驶场景的软件系统能够支持多种车载硬件形态，并且兼容各种外接设备的时候，那么这个系统能够收集的汽车本身、用户数据和习惯会非常巨大并且多样。利用这些数据，即使是做最简单的开发，也能很好的提升用户体验。至于怎么深度开发，可能就是后话了。总之，能把数据收集起来，本身就是很大的优势。 在现场，汪奕菲只是举了例如二手车、UBI 车险、后市场等几个简单的数据开发利用的例子。但事实上，有了用户驾驶习惯、数据之后，极豆显然不会把视线仅仅放在后装和后市场这么简单。汪奕菲也透露，发布会现场也来了不少正在考虑合作的主机厂。虽然目前主要精力还是放在后装，但一定会考虑前装。 不过，以极豆目前的体量、资本、研发等能力，贸然进前装也不会是一个很好的选择。毕竟，他们还要面对传统主机厂、新造车团队的冲击。当这类厂商直接用大资本推动自有产品，那么极豆的发展空间必然会受到很大影响。其次，小团队的不断迭代、研发能力也会受到巨大挑战。另外，在发布会现场，汪奕菲一下子说出了很多种扩展的方向及可能性，这样有可能会使产品发力不集中，造成反面效果。 回到今天的产品，极豆在经过一年的「 进坑出坑」 经验积累之后，发布了感觉还不错的产品。至于吐槽，等我体验之后再说吧。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）& 极市 （微信号：geeket）。
人人车搞起了新车电商，这背后是什么逻辑？
昨天，人人车举办了战略发布会，宣布和团车网合作开展新车销售业务。 对于一家二手车商来说，做新车销售这件事看起来有些「 不合理」。为此，人人车 CEO 李健也向 GeekCar 介绍了整件事的背景和逻辑。 在李健看来，人人车已经成为汽车全链条服务的入口，在贷款、保险、售后等领域都有很大的想象空间。 今年 3 月，人人车发布了开放生态战略，面向全行业寻求合作。4 月的北京车展上，人人车表示要搭建一个二手车综合服务平台，通过联合上下游产业链的服务商、合作商，搭建二手车服务的开放生态体系，提升用户服务体验。 这些迹象都表明，人人车想要把自己的用户流量，通过更多的合作方加入，来进行最大化的开发利用。因此，人人车这次宣布与团车网结成战略合作，对接二手车与新车交易，在用户和服务等层面全面合作。在合作中，人人车不会收取团车网任何费用，只是要求双方的互相导流之后满足用户的需求。李健还透露双方的合作期限是 5 年，因此在这段时间内不会亲自去做新车电商，也没有盈利要求。事实上，双方的合作其实在这次发布会之前就开始了，内容也涉及车主服务、车源线索等层面。这次合作，是在原有基础上，把双方的资源和数据进行了更深度的匹配，才能进行更大程度的开发。 能够支撑人人车这么做的信心来源，其实是不断增加的成交量以及背后产生的用户需求。李健透露，人人车 7 月份月度成交突破了 18000 辆，全国 95 座城市都开通了服务。这些用户中，除了卖车、买车以外，还会产生贷款、保险、整备、保养、维修、置换等需求，例如购车用户中超过 60%有贷款需求，几乎 100%都有售后服务需求。 另外，人人车在其他领域也都有了一些布局和进展。例如和浦发银行合作，推出了二手车交易资金监管平台，改善二手车交易贷款的体验。李健透露，明年车贷放款规模将达到 100 亿元。售后服务方面，人人车宣布年内将投资 2 亿元人民币，在全国范围内合作 1000 家线下服务店，为用户提供质保和售后服务。 这么做的目的，其实都是为了能够把二手车延伸出来的业务场景进行更好的覆盖。从这个角度看，人人车选择和新车电商合作，也就很合理了。 只不过，新车电商和二手车电商之间的转化率、用户留存率到底有多高，可能就真的得看看实际疗效了。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）& 极市 （微信号：geeket）。
在 CCF-GAIR 大会上，这些自动驾驶专家都说了什么？
很多人把 2016 年称作人工智能元年。虽然这个称谓没有得到任何官方认证，但从今年各种科技论坛、展会的刷脸频率来看，人工智能在一定程度上确实迎来了爆发。 对于汽车来说，无人驾驶一定是未来最关键的功能。基于无人驾驶延伸出来的应用场景，也给交通出行、用户带来了更多可能性。要实现无人驾驶，人工智能必须要达到一定的程度，能够控制车辆在任何情况下做出最适当的动作。 上周末，在深圳举行的 CCF-GAIR 人工智能峰会上，我见到了很多自动驾驶、人工智能方面的专家、从业者。听听他们是怎么说，又是怎么做的。 卡内基梅隆大学国家工程研究中心（NREC）研究主任 Alonzo Kelly 教授： 目前 NREC 主要是进行移动机器人的研究，无人驾驶汽车是其中的一部分。 在他看来，大学实际上并不直接进行这类技术的生产，而是帮助企业进行商业化。 这需要考虑两个方面的因素。第一个是项目可行性，第二是是持续性。 大公司在技术上有很大局限性，NREC 会帮助他们建一个完全的自动化系统，这其中包含模拟、控制、规划、巡航和其他部分。建一个自动化的系统需要很高的成本，所以他们会跟几个公司同时合作。另外，公司也愿意跟大学合作，因为这样就可以降低成本，减少政府资金的浪费。 NREC 30% 以上的项目都是由政府扶持的，因此他们也会帮企业去申请政府的资助。一般情况下在美国，大学直接进行研发，企业跟大学合作必须得到授权。对他们来讲，这样可以不需要直接去购买专利，成本更低，利润更高。而大学的获利来源，主要是授权费和版权费。 总之，大学和企业合作的成本确实更低，而企业也解决了一部分技术问题，这是一个双赢的过程。 神州租车首席信息官刘亚霄： 自动驾驶最终会实现商业化、平台化和联盟化，神州希望打造整体的出行平台。 但是，现在的自动驾驶还遇到了以下问题：无线网络和车载设备的计算力是否足够强大？驾驶领域真的有这么多数据？车联网目前实现了什么？汽车业的标准和道路交通标准是否和自动驾驶实现了完整的生态链？ 这需要以下三个条件成熟： 1. 处理能力极大的加强，云计算使得我们有足够的空间存储数据； 2. 物联网和互联网的普及使得数据极大的丰富，在这么大的数据下就有很好的手段来丰富你的训练级，举个例子，Deep Mind 也是在互联网上自己和自己下的无数盘棋，自己可以找到棋谱了； 3. 科研平台的普及，Deep Leaning 是所有人的贡献。 从目前的角度上来说，尽管深度学习在 IT 界取得了很大的成功，但是自动驾驶能够取得成功，中间有一个很巨大的鸿沟需要跨越。比如自动驾驶的平台是一辆车，需要维护、采购、运营、修理和管理它，自动驾驶体系和现有车辆体系似乎区别并不大。 清华大学教授孙富春： 主要介绍了国家自然科学基金委员会重大研究计划视听觉信息委员会的八年计划。 这个项目经过 8 年的论证到 2008 年才在国家自然基金委成立，是视听觉认知计算的重大立项。从 2008 年到 2017 年总共也是 8 年，目的是研究人类视听觉的认知机理，发展新的高效计算模型，提高计算机对与人视听觉感知相关的图象、语音和文本信息的理解能力和处理效率，是围绕认知过程的表达与计算的基本科学问题。 主要工作是研究人对视听觉的感知，这些信息在脑区是怎么编码的？脑区是怎么合作的进行信息的融合？他们想要把这些变成可计算的模型，这样就可以把听觉信息和视觉信息进行编码，通过可计算的模型进行处理来对环境进行感知和理解，并且把这种理解和人的理解进行比较，最终把这种技术用在无人驾驶方面。 从 2009 年开始，他们总共举办了 7 次无人车的挑战赛。目前来看，把自然语言理解和脑机接口集成到车的平台上，许多成果现在还停留在实验室。希望通过无人车平台取得的重大进展，进一步促进创新，引领无人车产业发展。 未来，他们希望实现以下目标：1、认知机理研究成果，如何形成可计算的模型，这个我们探索了很多的方法，还需要进一步地完善。2、在环境感知的拓扑结构信息如何在认知过程中表达与理解。3、探索新兴的多模态传感器，如把声音视频信息集成在一起。4、研究人机智能混合问题，这个也是刚刚国家提到的人工智能 2.0 版本，要研究人机混合的智能系统。 希望能通过无人车挑战赛个平台发表更多的关于认知科学方面的成果。 百度高级副总裁、自动驾驶事业部总经理王劲： 首先介绍了汽车领域发展三个趋势：『 1. 汽车新能源化，制造门槛降低； 2. 汽车共享化，高效淘汰低效； 3. 汽车智能化，自动驾驶大势所趋。 车企一般从低级的辅助驾驶开始，希望通过不断提升辅助驾驶的能力来达到未来完全的无人驾驶。他们的思路是注重成本，逐步提升安全。百度、谷歌的路径是买最昂贵的传感器。希望用最好的计算能力、传感器来保障无人驾驶的安全性。在未来的几年里，通过产业化的努力把传感器的价格降到大众可以接受的程度。 汽车智能是「云+端」的技术，当智能汽车跟交通进行实时交互，车和车之间进行实时交互之后，交通效率能大幅度提升。无人驾驶要产业化，成本会大大低于出租车的成本。无人驾驶要做得好，就会大幅度提升交通安全、交通效率和它的经济效益，让人们的出行成本更低。 百度的人工智能主要靠三个核心：算法，海量数据，优秀计算能力。百度去年 12 月推出的是第一个版本的无人驾驶汽车，如今已经提升到了 3.0 版本。 Velodyne COO Michael Jellen： 以前的传感器容易受强光刺激下或者恶劣天气的影响。在复杂的交叉路况上，传感器需要预测所有机动性质的物体运行。但是如果有激光雷达的话，就能很快发现这些状况。和超声波雷达和相机比，激光雷达最大的优势就是能随时传回高清的 3 维图片。不仅在光照条件好的环境下表现的好，在一些极端天气的情况下也有非常好的表现。随着产量的完全铺开，成本还能进一步下降。 我们用激光雷达来拍摄高清的 3D 照片，然后把这些照片合成 3D 高清图象，完全感知到路障、路况和建筑，而且和导航系统配合。全自动无人驾驶，首先会有一个高清度的地图，精准度应该是在毫米级。然后会有 3D 的架构，通过人来观察或者理解当地的路况，知道前方的交通状况来做出二次决定。通过这样的双重保险我们能够挽救更多生命，减少车祸。 宝马中国自动驾驶高级经理 Maximlian Doemling： 宝马研究无人驾驶是为了：提高驾驶的安全性；提供驾驶的舒适型和享受性；提高整个驾驶的效率。 Maximlian Doemling 对宝马自动驾驶之路做了一个简单的梳理： 第一阶段：2006 年开始做了一些关于赛道的训练的自动驾驶，主要是在高速公路上开车或者是停车等等这些比较基本的技能；第二阶段：2009 年训练自动驾驶进行紧急停车的辅助性的驾驶功能；第三阶段：2011 年第一次在德国的高速公路上去进行自动驾驶的公路的测试，比如让自动驾驶汽车去躲避障碍；2014 年设置了特别的赛道，在这个赛道上不管车如何开都能够测到极限情况下自动驾驶的情况；2015 年开启的全自动的远程停车系统，开发了一个技术让车进行 360 度的检测，能够防撞。 为此，宝马在道路模型的生成和算法上进行了深入研究。在掌握所有的数据之前，根据不同信息进行整合，把所有的信息进行分组，消除可能是位置的误差信息等等。 下一步会进行模型建立，形成道路形状。这中间包括道路上的阻碍，还有车辆，全部会输入到统计模型当中，生成实时的统计数据模型。不需要地图也可以呈现真实的路况。 另一个事情是搭建更加安全的系统。除了驾驶员的行为之外，还有是相关物的安全度。比如说我们有一个很好的安全系统，确保刹车、引擎、发动机等都是在良好的保养的环境和条件下，整合在一起协同工作。一旦有哪个功能变化或者是预警，整个的系统就会发生紧急操控键的激活，驾驶者会马上预警到这样的情况。 乐视超级汽车的智能驾驶副总裁倪凯： 倪凯认为，目前的人工智能并没有强大到可以在获取和人同等信息的情况下做到足够好的自动驾驶体验。解决这件事是提高自动驾驶的实用水平的一个关键。 针对这个问题，倪凯提出的解决方案分为软硬件两个方面： 硬件方面，一是把更多传感器的数据结合起来作为判断的依据。这样即使在其中的几个传感器失效的情况下，其他的传感器仍然能输出正确的数据。LiDAR 是一个很有潜力的解决方案。 二是更多的利用地图信息。地图可以视作附加的传感器，最好是使用一些高精度的地图信息，高精度不仅指准确度更高，还意味着其中有对驾驶有用的附加信息。 三是建立更高效的计算平台。实现更优良的自动驾驶性能需要更好的计算平台。 软件方面也有三大挑战。一是计算框架，由于自动驾驶的软件非常复杂，需要良好的计算框架。相对于传统的技术框架，现在有一种新型的框架：把输入的传感器的数据，通过深度学习的网络能够直接得出最后的控制量，跳过中间阶段的感知、规划。 这样种方法非常简洁的，但暂时还不能取代第一代网络。因为推出时间比较短，而且这种网络本身对于非常少量发生的场景的可能性变小，所以要求训练的数据量非常大，会有指数级的增长。现在的训练数据并没有达到非常满意，训练数据变得更加遥不可及，所以短期来看这种训练数据并不会成为主流，但长远来说会是非常有希望的软件架构。 二是由于汽车行业本身的要求，需要非常多的测试和验证。自动驾驶由于其技术特殊性，对于测试场景的多样性要求更高。这个要求要满足，很大的可能是未来利用模拟器，通过采集的数据在这个模拟器进行更多的验证。这可能是未来的一个挑战。 三是安全方面的挑战，包括稳定性、系统安全性等安全方面的考虑。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）& 极市 （微信号：geeket）。
记一次汽车白帽黑客的「线下面基」
对于很多人来说，「 白帽子」 黑客们往往只是存在于网络中的「 谜一样的人」。我们大多只能从曝光的各种安全新闻中了解到他们的光辉事迹。 因此，很多安全性质的会议就成了他们不多的露面机会。在刚刚结束的 Hackpwn 安全极客狂欢节上，我就见到了不少汽车安全领域的大神。比如浙江大学的徐文渊和 360 汽车信息安全实验室负责人刘健皓，他们不久前在美国 Defcon 黑客大会上演示了 针对特斯拉自动驾驶功能的破解 。 有哪些「 黑客」 技术？ 「 黑客们」 的线下面基，技术交流肯定是不变的主旋律。在现场，徐文渊和刘健皓再次向我们展示了对特斯拉自动驾驶系统的破解。这种通过「 欺骗」 传感器实现的破解，在现场所有展示中显得有些「 高大上」，毕竟不是谁都有一辆能够半自动驾驶的特斯拉。 不过，现场的另一些破解手段离我们日常生活更近一些。 比如，现场的汽车破解比赛，就邀请了四组团队同时通过 CAN 总线、OBD 接口，读取车辆的动作数据（例如开关车门、亮灯等等），之后反向模拟出同样的信号，控制对应功能。这个比赛考验的其实是团队能否尽可能快且多的完成对车辆各种功能的反向控制。 当然，这种破解方式在实际生活中的可操作性不高。毕竟首先这需要和汽车总线有物理接触、并且车辆本身的网关也会有一定的防护能力。主办方也表示，这次比赛的更大意义在于游戏性质，想让更多人参与进来。 不过现场展示的另一种车辆漏洞，危害性可能更大一些。由于我不是专业技术出身，所以不能详细说明其中的技术细节。简单说，这利用了遥控钥匙本身传输信号时的漏洞，破解滚动码之后进行复制。对于很多车辆来说，这类漏洞都是存在的，甚至在某宝上也有不少类似的破解工具。 有意思的是，在 Hackpwn 现场展示的几种破解方式，分别代表了不同的技术路线。 这三种方式的突破点，分别是传感器、钥匙、汽车总线。显然，无论是从实施难度、危害范围、影响力等方面考虑，这三种方式的危害程度都不在同一水平线上。当然，我们也不用过分担心，毕竟这些技术只是掌握在少数人手中，展示出来只是为了技术交流。从车厂的角度看，他们也在不断增强对汽车安全的防护。 更「 温和」 的气氛 还记得去年，GeekCar 也参加了 Hackpwn 的活动。在那次活动上，360 的技术团队「明目张胆」的挑战了一把某车厂的云服务漏洞。最终，这家车厂选择直接关闭云服务，「化解」了这次攻击。虽然单个品牌的反应不能代表所有车厂，但也说明车厂对安全问题还是相对谨慎的。 虽然从出发点看，这些安全团队「 破解」 汽车是为了增强车厂的安全意识，顺便赚取一些咨询和顾问费用，但是从车厂一直以来略显保守的处事方式看，显然不能一时半会儿就轻易接受外人建议并且改进。 不过一年之后，这种情况出现了明显的变化。和去年相比，今年 Hackpwn 的最大变化体现在一个细节——现场展示的被破解车型，都被遮挡了所有的品牌露出和车标。一直以来弥漫在攻防双方之间的「 火药味」，也随着这样的行为显得不明显了。 虽然这么做对于品牌遮挡没有实际作用，但背后的意义绝对巨大。这表明，攻防双方的关系进入了一个相对缓和的阶段。安全团队不再激进打脸车厂，反而主动示好。事实上，这是因为他们意识到，汽车安全这件事，背后的主要推动者还是车厂和供应商。因此，把关系搞得太僵显然对双方都没好处。 双方的合作比去年也有了明显的进展。不久前，360 汽车信息安全实验室就和某个品牌达成了关于汽车安全方面的合作。随着汽车联网、智能化、自动化程度的加深，这类合作也会越来越多，越来越深入。并且，车厂在未来很有可能会建设自己的安全团队。从这个角度看，Hackpwn 上的汽车破解比赛，也能让很多技术团队、个人有更多机会把自己的技术展示出来，增加双方合作的可能。 总之，在汽车安全这件事上，安全团队和车厂正在逐渐靠拢，这对双方以及消费者来说，其实是个三赢的局面。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）& 极市 （微信号：geeket）。
车载系统为什么不好用？听听车联网专家是怎么说的
对于车载交互系统的吐槽，已经衍生出了无数的分析、讨论。为了解决这个问题，也出现了包括后装智能硬件、手机 App 在内的各种产品。不过，从目前的情况来看，至少在前装领域，「不好用」的现状依然没有太大改观，依然有很多问题需要解决。 不过，在吐槽和「更好的解决方案」之外，我们其实也应该了解，车载系统到底为什么不好用。毕竟知其然，才能知其所以然。 最近正好有一个机会，GeekCar 见到了前不久加入车联网公司飞驰镁物任产品策略副总裁的法国人 Nicolas Persignat，于是和他聊了聊这个问题。作为一个分别在国外车企、国内车联网企业都负责过车联网业务的专家，他从主机厂、供应商的角度解释了其中的原因。 智能手机普及带来的心理落差 如果从消费者的角度来看这个问题，其实最大的原因在于，用户期望值越来越高，于是落差越来越大。大概在 10 年前，智能手机还没普及，用户的交互习惯还是传统的物理按钮等形式。但是之后智能手机迎来爆发，大家开始大量的接触到触摸屏幕的操作逻辑。在手机端，这种操作体验的提升巨大并且不可逆。因此，当他们使用其他一些产品的时候，期望值已经被潜移默化的提升了。并且，这种改变很多时候是用户不自知的。总之，用户是被智能手机的操作习惯惯坏了。也就是说，或许车载交互、车载系统其实原本没那么不堪，但是人们难免去拿智能手机作为参照进行对比，所以才会得出负面的评价。 因为有手机这个参照物，随之带来的还有迭代速度方面的落差。 首先，车联网产品的体验，或者说软硬件提升速度，其实受限于汽车的基础研发流程。一般汽车的研发，都要经过大约 3 年。换句话说，汽车上的任何功能都是起码 3 年前的规划产物。显然，这样的时间差最终会体现在产品的用户体验上。再看看现在手机的迭代速度，体验的差距也就成了必然。 其次，智能手机具备 OTA（Over The Air）功能，可以及时更新系统及体验。 而如今车仅有几家车载系统具备这样的能力。特拉斯则是在汽车行业中拥有此能力的代表之一。他们利用空中激活的方式（OTA）解决了车载信息娱乐系统存在的多个问题包括迭代速度，并且对其内容进行了丰富，甚至还上线了自动驾驶功能。而其他的车企也在转型的途中。目前，基本所有的车企都已具备了车载终端，而车载信息娱乐系统也在迅猛发展，不久的将来，所有的车型将实现全面的车载功能。此趋势是必然的，未来 5 年之内将成为行业内的主流。 软件、服务需要得到更多重视 为了解决这种割裂感或者心理落差，其实最优的办法肯定是从前装入手。毕竟我们都知道，只有前装产品才能更好地和车辆完美配合。因此，这件事最终还是要落到主机厂或者供应商头上。 互联网公司也在尝试与车企合作的创新模式。例如苹果公司与 CarPlay，谷歌与 Android Auto，以及百度与 Carlife。这些尝试主要以镜像技术为主。目前从用户的角度来说，有两个问题：第一，是功能的局限性。第二，是用户界面的使用断裂。例如：如果需要收音机的换台功能，用户必须预先安装一个图像或声音用户界面；如果要听线上音乐，用户则首选需要调试手机到镜像模式，同时需要安装另一个图形或声音的用户界面。用户必须转换多个系统到同一屏幕上。 从这个角度看，优化车机软硬件系统肯定是唯一的方式。但是又回到刚才的问题，车厂规划产品必须要考虑研发流程，软硬件稳定性等问题，因此总是不能够及时把体验更新到最优。毕竟，作为最终的整合方，车厂需要把软硬件供应商、功能服务商等各方角色集中起来，并且平衡各方权益。 当然，这其实又涉及到另一个问题：整车厂在研发思路上的转变。Nicolas 说，大多数整车厂做车机/车载系统，其实沿用的还是「车载设备」的思路。 但是车载设备，其产品生命周期的管理是不同的。一般来讲，一个车载设备的软件和硬件是由同一供应商供应，因此，当供应商发生更换的时候，之前的产品必须被更换，很难被再次使用。 然而，软件平台的使用能够使车企更好的适应消费市场。车企通过软件平台可以在不更换产品的基础上，对其进行丰富和迭代，用户体验也会随之积累并提升。 软件平台的使用和空中激活技术可以使前装车载信息娱乐系统与智能手机的操作体验媲美，乃至超越。 那么，软件，或者相关的供应商，到底在整个过程中起到了什么作用？我们以 CP/SP 服务商举例（Service Provider 即服务提供商；Content Provider 即内容提供商）。 如果要实现很多基于车辆的服务，比如导航、加油充电信息、本地化生活服务、后市场维修保养、音乐娱乐等等功能，就需要 CP/SP 服务商把这些服务端口向车载系统开放。但是，它们在提供服务时，有时候还会想要更多权益，比如一些车辆端的数据。但是从车厂角度，他们更多需要的是对车辆的绝对控制权。 另外，从公司体量和工作模式上来看，车厂和这些 CP/SP 供应商们也都有很大区别（传统企业和互联网企业）。因此，让他们直接去谈合作，往往在效率和最终结果上都不会太「美好」。 所以，这就需要有人能够在车厂和这些服务商中间进行整合打包。 换句话说，系统平台的整体解决方案，类似于 CP/SP 服务商和主机厂之间的「桥梁」，把双方的诉求进行整合、并且能尽可能避免利益冲突。 但是要完成这件事，对整合者有很高的要求。首先，他们必须要有主机厂思维，了解主机厂的供应链体系。其次，还需要对偏向互联网端的 CP/SP 服务也十分了解，包括产品、运营方式、盈利模式等。也就是说，对于两种完全不同商业运营模式的了解，是完成这类工作的先决条件。 事情还能变好吗？ 这个问题可能是很多用户都想问的：我们吐槽了那么多，整车厂真的会听到这些意见，并且吸取改进吗？就算是听了，为什么还是拿不出好用的产品？ 以我们所了解到的情况，以往的模式是这样的： 比如，某个车厂想就车载系统是否好用这个议题做一次车主调查，调查从开始到完成，中间会经历一段不短的时间，而最终的结果对于车厂有多大指导意义，也是个问题。假如说某个问题被 90%的人吐槽，车厂决定针对这个问题进行改进，当形成这个想法之后，具体实施其实是一个更难的阶段。 这是一个非常复杂、长流程的事情。其中可能涉及到问题分析、供应商沟通、产品改进、改进之后的长期测试，另外，资金、成本也是不得不考虑的问题。 而未来呢？情况应该会好转很多。举个最简单的例子：当车机具备联网功能之后，很多在过去需要长时间、长流程解决的问题，都会变得更容易。 目前，很多车厂开始理解并重视用户对现有车载系统的反馈，并且他们的思路也有了很大的转变，越来越开放，越来越互联网化，转化到实际行动上，车厂也在全力解决车载系统本身的问题，尤其是用户反馈比较集中的问题。所以，我们可以说，随着越来多的车厂、端到端解决方案供应商，以及其他行业中纵向的和横向的的供应商的共同努力，车载信息娱乐系统用户体验的脱胎换骨，尽管仍然需要一些时间，但前景仍然会是光明的。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）& 极市 （微信号：geeket）。
用 VR 技术也能监测驾驶疲劳？
驾驶疲劳大概是每个新老司机都遇到过的事，特别是在长途、堵车这样的驾驶环境中，上下眼皮总会出现强烈的合体需求。 自然而然的，这种情况促使了车内娱乐、社交需求的发展。并且，这些功能在一定程度上缓解了驾驶疲劳现象。不过有经验的人都知道，真要到了特别困的时候，这些措施都很难产生太大的效果。 因此，很多更简单粗暴的驾驶辅助产品出现了。比如腾讯之前发布的神眼，就是一个带有疲劳监测、ADAS 功能的行车记录仪。这类产品实现监测疲劳的原理，很多是通过红外线摄像头对眼球等面部细节进行追踪，分析行为变化进行提示。 不过这个叫做 EYSE 的疲劳监测摄像头，却把 VR 和疲劳监测技术结合起来。它的原理是模仿人眼的成像机制。事实上，左右眼睛看同一个物体时得到的影像是有差别的，两眼分别传回的图像经大脑合成后才有立体感。 3D 电影产生立体感的基本原理也类似：画面显示两幅有差别的影像（拍摄时用两台摄像机同时拍摄，得到两幅同步的不同图像)，之后再用偏振光等原理，将不同的影像分别显示在左右眼中，就有了立体感。可以用一个简单的实验证明这个原理：闭上一只眼，双手各拿一根针后向前伸直手臂。试着将两个针尖对上，你会发现很容易对不准；两只眼睛睁开时却非常简单。 司机只需要把摄像头放在仪表台上，然后把角度调到正对自己面部。之后在手机里安装专用的 App。使用时，App 中会显示驾驶员的实时画面。利用双摄像头拍摄的画面，内置的软件算法能够判断司机面部的动作。当检测到眼睛偏离正前方、或者开始出现眼皮打架的情况时，App 显示的画面会变成警示性的红色，并且发出提示音。 利用 3D 摄像头的原理，EYSE 还能判断和前方物体的距离。例如在骑车的时候，把 EYSE 固定在车头位置，然后在手机 App 中就能标志出前方的物体和自己的距离。在高速骑行时有助于判断车距。当然，这项功能的安全性倒是挺让人不放心的。考虑到汽车车头部分长度不一，所以这项功能不适合在驾驶时使用。 不过，除了监测驾驶疲劳之外， EYSE 还有许多别的应用场景。比如，配合特定的 VR 眼镜，它能够实时进行画面传输，让佩戴着 VR 眼镜的用户能够身临其境的体验各种场景。由于对产品进行了防水、适配各种硬件产品等设计，因此 EYSE 可以去到很多场景，很多比如看地球另一边演唱会、无人机的上帝视角、深海潜水画面等等。 当我们总是把产品局限在后视镜、HUD、车机等形态的时候，国外的创业者能脑洞打开，把 VR 技术和驾驶场景结合起来。虽然产品的可靠性等性能还有待验证，至少产品思路还是挺值得借鉴的。 目前，EYSE 正在国外进行众筹。根据存储空间、防水性能、应用场景等不同，分成 3 个版本。价格分别是 99、199、299 美元。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车（微信号：GeekCar）& 极市（微信号：geeket）。