「镁客·请讲」酷哇机器人刘力源:主打低速自动驾驶场景,AI环卫需求正在急速增长

简介: 作为创业公司,得首先保证自己活下去,也就是找到一个中间的商业化落地场景。

作为创业公司,得首先保证自己活下去,也就是找到一个中间的商业化落地场景。

说到自动驾驶,很多人的第一反应都是摇头,因为不安全。

不论是Uber自动驾驶汽车去年撞死行人,还是Waymo在年底突然大呼“做自动驾驶好难”,都无不印证着自动驾驶“难做”。

“作为创业公司,我们和大公司不一样,得首先保证自己活下去。那么,就必须找到一个中间的商业化落地场景。”酷哇机器人联合创始人&COO刘力源说。

TB1mi4yCPTpK1RjSZKPXXa3UpXa.jpg

图 | 酷哇机器人联合创始人&COO刘力源

低速场景下的自动驾驶

酷哇成立于2015年,谈及为什么要入局自动驾驶行业,刘力源笑着说,“选择自动驾驶,是因为在大众日常生活中,‘衣食住行’中,自动驾驶会改变其中的“住和行“,这个市场足够大,这件事情值得让我们去做。

然而,即便是现在,自动驾驶在很多方面都还只是“纸上谈兵”,真正大规模落地应用的时间点,即便是如谷歌这样的大公司都无法确定。更何况是在2015年。

“2015年的时候,国内有关自动驾驶的声音非常少。技术、产业、概念普及教育都不成熟。当时我们能做的,就是把底层技术做好,做深。”

在刘力源看来,真正的自动驾驶离我们至少还有5-10年时间。与主流观点相吻合,自动驾驶市场的爆发点,要到2025-2030年才会出现。

但技术最终是要实际应用的,尤其对于创业公司来说,没有多少公司能在没有商业化的情况下挺过这么长时间,而且容易在过度研发中迷失产品化的方向。

当前,有关自动驾驶汽车底盘、传感器硬件、计算芯片等产业的发展都还不够成熟,尤其在驾驶这样一个高速、复杂度极高的场景中,即使依赖人类驾驶员每年的事故率也是所有交通工具里面最高的。

简单来说,当前自动驾驶高速场景下大规模商业应用还存在很多问题。那么,从高速走向低速,是否“有路可行”?

“从本质上来说,自动驾驶是为了解决交通安全、拥堵等问题,而不应该在技术不成熟时给交通造成困扰,这一定程度上违背了我们的初衷,也会让更多人否定这个产业。而低速、商业作业的场景或许能解决这些困扰。”

行李箱机器人是酷哇走向商业化的第一步。

基于视觉识别、跟踪定位、激光测距、避障导航等技术的综合应用,酷哇推出了一款机器人行李箱,可在没有任何人为力量驱使的情况下,自动跟随用户运动路线进行实时跟随。速度不快,且场景简单。

TB1.9xyCFzqK1RjSZSgXXcpAVXa.png

“其实这款产品是我们一次有关技术降级的尝试,也就是将自动驾驶技术应用到常用消费品上,一方面检测我们的技术,一方面在公司创立前期给与资金保障。”

据刘力源透露,仅2018年,行李箱机器人便出货达1万台,已成为酷哇营收的重要组成部分。而这款产品的成功商业应用,也在一定程度上证明了:再高不可攀的技术,短时间内如果无法成熟应用的话,结合成熟产品做技术降级不失为一好的解决办法。

从To C到To B,环卫机器人需求正在急速增长

如果说,做行李箱机器人是酷哇在创业初期的一次将技术商业化尝试的话,那么技术降级的最终目的,终究还是要回归到技术原本价值上的。

很显然,相较于2015年年中自动驾驶行业的“默默无闻”,现在,它已经成为了人工智能行业当之无愧的“热搜王”。

2015年年底,百度宣布成立自动驾驶事业部;2016年,谷歌Waymo独立,Uber启动自动驾驶汽车测试;2017年,英特尔斥资153亿美元收购Mobileye;通用要在今年实现自动驾驶汽车商业化......

相关数据统计显示,到2020年,全球自动驾驶产业市场规模将达3000亿元。而中国,将成为全球最大的自动驾驶市场。

大公司在行动,创业公司也到了厚积薄发的时候了。

2018年4月,在经过3年的技术沉淀后,酷哇凭借自研垂直场景下的特征驱动、定位建图、轨迹规划等技术,携手中联环境(中国最大的环卫机械企业,占高端环卫市场70%市场份额)推出无人驾驶扫地车,智慧环卫机器人。

TB1jd0xCNTpK1RjSZFKXXa2wXXa.jpg

可以看到,在众多需要“车”运作的场景中,环卫的路线相对较为固定,尤其在景区、园区内,目前已经拓展到城区环境里。且因作业需求,速度也会比较慢。更重要的是,环卫早已是一个成熟的产业,自动驾驶技术与之结合,其实是一个赋能传统产业的过程。

但在人工智能等相关技术的发展的过程中,总会有“取代人类,增加失业率”的质疑出现。

“很多人说,我们做自动驾驶环卫车会让环卫工人失业,但现实情况却是现在没有人愿意去做环卫工作。当前的大多数环卫工年龄较大,而年轻人大多抗拒这个工作。一旦现有环卫工到了不再适合工作的年龄,就会出现严重的员工断层现象,环卫产业目前的劳动密集型特性的压力也会迅速增加。”

目前,酷哇已经和中联环境一起,成立合资公司,以建设专门的自动驾驶环卫车生产线。而从去年7月开始真正投放到现在,仅5个月时间,酷哇便已经在在长沙橘子洲头投放了十余辆、共5种类型的环卫车,包括小型以及中型的车型,已经形成一个车队,覆盖范围达10平方公里。

TB1xGxvCHPpK1RjSZFFXXa5PpXa.jpg

除此之外,在环卫服务市场所覆盖的片区未来都会是酷哇的市场,目前成都、芜湖、长沙、天津等城市城区,酷哇也已有所部署。

最后

如果说,自动驾驶是一潭水,那么所有的自动驾驶公司便都是这潭水中的一条鱼。

2018年,所有人都在说这是自动驾驶落地的元年,随之而来的,便是资本和媒体吹捧,抛下了大量的“鱼饵”。但实际结果却是,很多鱼没能经住诱惑,最终或被撑死或彻底离开了这片潭水。

相信在2019年,还会有人说“元年”的概念,讲着一些精彩的故事。“但实际上,如果今年还是期待用算法和估值讲故事的话,今年会是比较危险的一年。而商业落地,则需要提前部署好节奏,才能做到步步为营,稳步向上。”

【镁客·请讲】专注于报道科技创新项目;我们敞开心扉面对每一位创业者,力求为您呈现一群鲜活、有性格的品牌和人物;我们倾听创业故事和人生经历、探讨商业模式和行业趋势、对接资本市场和供需双方,以期为产业发展注入新的活力。

欢迎做客【镁客·请讲】,栏目合作请发送邮件至:post@im2maker.com

相关文章
|
人工智能 自然语言处理 安全
AI战略丨新一代 AI 应用: 穿透场景,释放价值
在深入理解技术特性、准确把握应用场景、科学评估实施条件的基础上,企业才能制定出符合自身实际的战略。
|
10月前
|
人工智能 机器人 Serverless
安诺机器人 X 阿里云函数计算 AI 咖啡印花解决方案
当云计算遇见具身智能,AI咖啡开启零售新体验。用户通过手机生成个性化图像,云端AI快速渲染,机器人精准复刻于咖啡奶泡之上,90秒内完成一杯可饮用的艺术品。该方案融合阿里云FunctionAI生图能力与安诺机器人高精度执行系统,实现AIGC创意到实体呈现的闭环,为线下零售提供低成本、高互动、易部署的智能化升级路径,已在商场、机场、展馆等场景落地应用。
安诺机器人 X 阿里云函数计算 AI 咖啡印花解决方案
|
10月前
|
人工智能 Java 机器人
基于Spring AI Alibaba + Spring Boot + Ollama搭建本地AI对话机器人API
Spring AI Alibaba集成Ollama,基于Java构建本地大模型应用,支持流式对话、knife4j接口可视化,实现高隐私、免API密钥的离线AI服务。
7352 2
基于Spring AI Alibaba + Spring Boot + Ollama搭建本地AI对话机器人API
|
10月前
|
机器学习/深度学习 人工智能 机器人
AI Compass前沿速览:Nano Bananary、MCP Registry、通义DeepResearch 、VoxCPM、InternVLA·M1具身机器人
AI Compass前沿速览:Nano Bananary、MCP Registry、通义DeepResearch 、VoxCPM、InternVLA·M1具身机器人
|
10月前
|
传感器 人工智能 监控
建筑施工安全 “智能防线”!AI 施工监测系统,全方位破解多场景隐患难题
AI施工监测系统通过多场景识别、智能联动与数据迭代,实现材料堆放、安全通道、用电、大型设备及人员行为的全场景智能监管。实时预警隐患,自动推送告警,联动现场处置,推动建筑安全从“人工巡查”迈向“主动防控”,全面提升施工安全管理水平。
2074 15
|
9月前
|
传感器 人工智能 机器人
科技云报到:找到真场景,抓住真需求,这样的具身智能才是好AI
科技云报到:找到真场景,抓住真需求,这样的具身智能才是好AI
344 1
|
10月前
|
人工智能
四大公益场景,20万奖金!AI开源公益创新挑战赛邀你一起「小有可为」
四大公益场景,20万奖金!AI开源公益创新挑战赛邀你一起「小有可为」
645 8
|
9月前
|
自然语言处理 数据挖掘 关系型数据库
ADB AI指标分析在广告营销场景的方案及应用
ADB Analytic Agent助力广告营销智能化,融合异动与归因分析,支持自然语言输入、多源数据对接及场景模板化,实现从数据获取到洞察报告的自动化生成,提升分析效率与精度,推动数据驱动决策。
|
人工智能 弹性计算 安全
创新场景丨元空智能:AI 工具创业,如何抓住新时代的出海机遇
大模型创业的本质是兑现新技术价值,而乘云出海,不仅是技术的输出,更是中国创新走向世界的一次实践。
|
10月前
|
人工智能 边缘计算 搜索推荐
AI产品测试学习路径全解析:从业务场景到代码实践
本文深入解析AI测试的核心技能与学习路径,涵盖业务理解、模型指标计算与性能测试三大阶段,助力掌握分类、推荐系统、计算机视觉等多场景测试方法,提升AI产品质量保障能力。