自动驾驶，近几年汽车领域最火热的风口之一。麦肯锡最新研究报告显示，至2030年，中国自动驾驶相关的新车销售及出行服务创收将超过5000亿美元。
传统主机厂、互联网巨头、出行公司纷纷拥抱市场、卡位圈地。大量创业者也带着华丽丽的PPT一股脑儿地涌入自动驾驶行业，各自都在说着自己的精彩故事。在他们身后，资本的力量不断加码。根据中国电动汽车百人会的统计，2015年到2017年11月，自动驾驶汽车相关领域的投融资事件共193起，金额达1438亿美元。
编辑切换为居中添加图片注释，不超过 140 字（可选）
“在碰撞无可避免的情况下，无人车会撞向一个人的一侧还是撞向一群人的一侧？”“往前行驶会撞到人，往旁边让会撞到栏杆而导致车内乘客受伤，无人车会怎么选择？”
目前，业内多数专家认为，我们当前的自动驾驶技术基本介于L2级和L3级之间，从整体的研究发展来讲，L2、L3级的研发主要集中在企业，L4、L5级集中在科研机构，其中需要突破的瓶颈还很多。
未来无人车会普及，而“有人车”会慢慢失去路权，只会在一些赛车场见到，整个城市的生态会慢慢改变，无人车本身就会成为一个生活场景。
在自动驾驶技术全面升级之前，很长一段时间，无人车只能在特定场景下使用，在业内人士看来，这是一片蓝海，也是无人车最快能商用的地方，价值巨大。“找特定场景扎扎实实做下去”也是王飞跃对自动驾驶创业企业的建议。他认为，矿山、物流、市政、码头四个场景是最适合无人车落地的，也是急需无人化的。
编辑切换为居中添加图片注释，不超过 140 字（可选）
在自动驾驶技术全面升级之前，很长一段时间，无人车只能在特定场景下使用，在业内人士看来，这是一片蓝海，也是无人车最快能商用的地方，价值巨大。“找特定场景扎扎实实做下去”也是王飞跃对自动驾驶创业企业的建议。他认为，矿山、物流、市政、码头四个场景是最适合无人车落地的，也是急需无人化的。
数据堂自有数据集的“智能驾驶数据解决方案”中掌握着驾乘人群的行为数据，不仅包含驾驶员行为标注数据50种动态手势识别数据，103282张驾驶员行为标注数据等，还包1300万组人机对话交互文本数据，245小时车载环境普通话手机采集语音数据。不管是街景场景数据，驾驶员行为数据，还是车载语音数据，数据堂基于Human-in-the-loop智能辅助标注技术”和丰富的AI数据项目实施经验及完善的项目管理流程，支持智能驾驶场景下驾驶舱内、舱外的图像、语音数据采集任务，辅助智能驾驶技术在复杂多样的环境下更好的感知实际道路、车辆位置和障碍物信息等，实时感知驾驶风险，实现智能行车、自动泊车等预定目标。对于智能驾驶而言将是其他企业难以企及的优势。
“如果要创业我们就做单点化，比如信号系统、巡航辅助、光学设备、控制器……这样就避免了跟行业巨头发生直接的竞争。”主机厂关注整体的投入产出比的问题，一个配件想做好至少需要研发两三年时间，耗费的人力物力都很大，这时他们就会选择“拿来主义”，“这是创业非常好的点。”
除此之外，场景数据是自动驾驶企业制胜的根本，决策算法是企业的核心竞争力，这两个方向都是深海，至于会不会成为其中的巨鲸，就要看谁更愿意沉下心来做了。“讲故事没有关系，很正常，也是促进整个行业和产业成熟的方法，但是别讲故事讲得自己真信了，这就麻烦了。”
传统主机厂、互联网巨头、出行公司纷纷拥抱市场、卡位圈地。大量创业者也带着华丽丽的PPT一股脑儿地涌入自动驾驶行业，各自都在说着自己的精彩故事。在他们身后，资本的力量不断加码。根据中国电动汽车百人会的统计，2015年到2017年11月，自动驾驶汽车相关领域的投融资事件共193起，金额达1438亿美元。
编辑切换为居中添加图片注释，不超过 140 字（可选）“在碰撞无可避免的情况下，无人车会撞向一个人的一侧还是撞向一群人的一侧？”“往前行驶会撞到人，往旁边让会撞到栏杆而导致车内乘客受伤，无人车会怎么选择？”
目前，业内多数专家认为，我们当前的自动驾驶技术基本介于L2级和L3级之间，从整体的研究发展来讲，L2、L3级的研发主要集中在企业，L4、L5级集中在科研机构，其中需要突破的瓶颈还很多。
未来无人车会普及，而“有人车”会慢慢失去路权，只会在一些赛车场见到，整个城市的生态会慢慢改变，无人车本身就会成为一个生活场景。
在自动驾驶技术全面升级之前，很长一段时间，无人车只能在特定场景下使用，在业内人士看来，这是一片蓝海，也是无人车最快能商用的地方，价值巨大。“找特定场景扎扎实实做下去”也是王飞跃对自动驾驶创业企业的建议。他认为，矿山、物流、市政、码头四个场景是最适合无人车落地的，也是急需无人化的。
编辑切换为居中添加图片注释，不超过 140 字（可选）在自动驾驶技术全面升级之前，很长一段时间，无人车只能在特定场景下使用，在业内人士看来，这是一片蓝海，也是无人车最快能商用的地方，价值巨大。“找特定场景扎扎实实做下去”也是王飞跃对自动驾驶创业企业的建议。他认为，矿山、物流、市政、码头四个场景是最适合无人车落地的，也是急需无人化的。
数据堂自有数据集的“智能驾驶数据解决方案”中掌握着驾乘人群的行为数据，不仅包含驾驶员行为标注数据50种动态手势识别数据，103282张驾驶员行为标注数据等，还包1300万组人机对话交互文本数据，245小时车载环境普通话手机采集语音数据。不管是街景场景数据，驾驶员行为数据，还是车载语音数据，数据堂基于Human-in-the-loop智能辅助标注技术”和丰富的AI数据项目实施经验及完善的项目管理流程，支持智能驾驶场景下驾驶舱内、舱外的图像、语音数据采集任务，辅助智能驾驶技术在复杂多样的环境下更好的感知实际道路、车辆位置和障碍物信息等，实时感知驾驶风险，实现智能行车、自动泊车等预定目标。对于智能驾驶而言将是其他企业难以企及的优势。
“如果要创业我们就做单点化，比如信号系统、巡航辅助、光学设备、控制器……这样就避免了跟行业巨头发生直接的竞争。”主机厂关注整体的投入产出比的问题，一个配件想做好至少需要研发两三年时间，耗费的人力物力都很大，这时他们就会选择“拿来主义”，“这是创业非常好的点。”
除此之外，场景数据是自动驾驶企业制胜的根本，决策算法是企业的核心竞争力，这两个方向都是深海，至于会不会成为其中的巨鲸，就要看谁更愿意沉下心来做了。“讲故事没有关系，很正常，也是促进整个行业和产业成熟的方法，但是别讲故事讲得自己真信了，这就麻烦了。”
