自動駕駛如何引發人才大戰

2015 年 1 月，世界上一些最優秀的車輛自主研究人員開始從卡內基梅隆大學的國家機器人工程中心 (NREC) 消失。 到月底，已有 50 名 NREC 工作人員從研究所叛逃——佔 NREC 總人數的三分之一——其中包括許多高級員工和中心主任。

昔日的工作人員再次出現在幾個街區外的一家前巧克力工廠內，現在由 Uber Technologies 所有，該工廠購買並翻新了該空間，以容納其先進技術集團的旗艦辦公室。 優步以天價的薪酬方案和承諾通過幫助汽車在現實世界中自動駕駛而產生切實影響的承諾將研究人員從 NREC 引誘，而不僅僅是在實驗室中。

那年晚些時候，卡內基梅隆大學和 Uber 簽署了一項“戰略合作夥伴關係”，以重新調整他們的關係，並為 CMU 研究人員與 Uber 合作創造更正式的途徑，但汽車領域的其他參與者已經註意到了這一點。 儘管它很大膽，但 Uber 的大膽舉措只是為了尋找和招募世界上最有價值的人才——自動駕駛專家——而採取任何必要的手段。

近年來，人才大戰愈演愈烈。 今天，谷歌的 Waymo 部門捲入了對 Uber 的訴訟，指控前僱員和自動駕駛專家 Anthony Levandowski 在 Uber 支付近 7 億美元收購他的初創公司 Otto 後竊取商業機密。 傳統汽車製造商已加入競爭，通用汽車斥資 5.8 億美元收購 Cruise Automation，豐田斥資 10 億美元建立 200 人的自動駕駛汽車研究團隊。 面對價值 420 億美元的市場，自動駕駛專家正受到與搖滾明星和頂級運動員一樣的熱情和報酬。

人才如何推動車輛自動化創新

正如我們在關於軟件對汽車行業日益重要的文章中所討論的那樣，自動駕駛汽車將從根本上改變汽車價值鏈。 直到最近，汽車製造商一直是硬件巨頭，在製造和物流方面具有核心競爭力。 但複雜的軟件對未來的汽車同樣重要——對於自動駕駛汽車來說，就像發動機和變速箱一樣重要。

從人才的角度來看，移動領域的參與者——優步和 Lyft 等交通網絡，特斯拉和通用汽車等汽車製造商，以及 Waymo 和蘋果等新進入者——最明顯的需求是尋找機器學習、計算機視覺和人工智能方面的專家設計自動駕駛汽車“引導智能”的專業知識。 這些系統將傳感器輸入和地圖數據轉化為自動駕駛能力，在各種條件下表現出巨大的可靠性。

但對人才的需求並不止於此。 自動駕駛汽車是四種相互關聯的技術趨勢的紐帶，每一種技術趨勢都代表了一個必須將其推向極限的視野，以創造卓越的移動體驗，從而在未來十年贏得消費者的青睞。 在本文的其餘部分，我們將回顧這些技術——連接性、自主性、共享移動性和電氣化——以幫助汽車利益相關者優先考慮尋找人才。

1. 連接性

與機器學習技術的所有應用一樣，自動駕駛能力是其數據的產物。 借助更高質量的數據，自動駕駛汽車可以就駕駛地點和方式做出更好、更可靠的決策。

汽車自動駕駛所需的大部分關鍵任務數據將來自強大的車載傳感器補充——例如，全自動特斯拉有八個攝像頭、十二個超聲波傳感器和前向雷達。 但為了最大限度地提高性能和安全性，自動駕駛汽車需要連接到額外的數據源。

在基礎層面，這涉及連接到 GPS 導航系統和 Waze 等基於雲的交通應用程序，以幫助車輛生成最佳路線。 汽車製造商已經趕上了這一趨勢，Gartner 估計到 2020 年將有近 2.5 億輛汽車連接到互聯網。但減少延遲並達到最高的安全和舒適標準意味著自動駕駛汽車也將共享數據和通信與其他車輛，以及周圍的基礎設施和道路。 例如，智能交通信號可以直接與車輛交互——亞特蘭大市甚至計劃為自動駕駛汽車建造單獨的道路，並配備傳感器嵌入式道路標誌和停車計時器。

自動駕駛汽車將使用來自各種來源的數據，這意味著連接和物聯網方面的專業知識在該領域將是必不可少的。 保留能夠檢測漏洞並限制聯網車輛被黑客攻擊或利用的風險的頂級安全專家也同樣重要。

2. 自治

自動駕駛汽車從內部傳感器和外部來源獲取了大量數據後，必須將其轉化為路線和控制引導。 產生自主性的算法是無人駕駛汽車最基本的組成部分，而自主性是人才爭奪戰的核心能力。

在線教育平台 Udacity 最近推出了由斯坦福大學教授、自動駕駛汽車研究教父之一 Sebastian Thrun 教授的“自動駕駛汽車工程師”納米學位，其課程提供了對許多軟件能力所需的一瞥。產生任何程度的車輛自主性。 基本知識領域包括深度學習、計算機視覺、傳感器處理和融合、定位和控制——每個領域都有深入的子模塊。 綜合起來，這些技能使工程師能夠設計出能夠識別交通信號和標誌、保持車道、適應惡劣天氣、對交通流量做出反應並搶占潛在碰撞的系統。

值得注意的是，優達學城的一些課程模塊是由研究自動駕駛汽車技術的公司贊助的，包括梅賽德斯-奔馳和優步，這意味著主要的出行公司非常渴望鎖定自動駕駛人才，他們願意直接挖走工程師離開學校。

3. 共享出行

Uber 和 Lyft 等交通網絡的發展，以及 Zipcar 和 Car2go 等汽車共享服務的發展，極大地加速了對自動駕駛汽車的研究。 特別是，優步和 Lyft 寄希望於這樣一個事實，即自動駕駛汽車將通過消除司機，大大降低其服務的可變成本，使拼車在成本和便利性方面與擁有汽車相比具有競爭力。

優步和 Lyft 的流行，再加上降低了年輕人擁有汽車的價值的文化因素，已經讓各種移動參與者坐起來並引起注意。 特斯拉是一家汽車製造商，它接受了這樣一種想法，即未來汽車移動性可能涉及的車輛擁有量可能會大大減少，並宣布了自動駕駛特斯拉“特斯拉網絡”的計劃，該網絡可以在其他乘客停機期間接載其他乘客。 通用汽車也採取了激進的做法，收購了拼車初創公司 Sidecar 的資產，並與 Lyft 合作為其擴張提供資金並採取一系列戰略舉措，而福特則宣布打算推出一款用於拼車的全自動汽車。 2021 年。

無論是為拼車網絡提供車輛還是創建自己的網絡，出行參與者都需要投資人才，以了解該領域的挑戰，從拼車時的智能路線到維護和乘客安全。

4. 電氣化

帶有內燃機的自動駕駛汽車將在未來很好地存在，特別是對於長途應用。 但隨著電池技術在續航里程和成本方面的改進，下一代自動駕駛汽車更有可能成為電動汽車。

造成這種情況的原因與促進自動駕駛汽車發展的其他技術趨勢有關。 一方面，電動汽車具有更易於維護的潛力，因為它們僅由三個主要部件組成——電池、逆變器和電動機。 在成熟時，它們還可以通過感應充電等無線技術更容易補充燃料，使其非常適合拼車的密集使用模式。

電動汽車也更容易被計算機控制，並且可以為自動駕駛汽車用來收集數據和控制其運動的傳感器陣列提供可靠的電力。 已經有 58% 的輕型自動駕駛汽車基於電動動力系統製造，另有 21% 使用混合動力系統。 話雖如此，在電池技術使電動汽車能夠與汽油車的續航里程相匹配之前，混合動力發動機將彌補這一差距，提供續航里程和與自動駕駛汽車獨特需求的卓越兼容性。

很難找到優秀的自動駕駛人才

車輛自動化領域的人才大戰才剛剛開始。 隨著整個移動領域的組織越來越相信目前限制自動駕駛汽車被廣泛採用的技術和法律規範的快速發展，上述四個領域對技術和商業人才的需求將會增長。

確保擁有深厚自主專業知識的人才對於生產自動駕駛汽車至關重要，但出行參與者不能止步於此。 人才爭奪戰的獲勝者將需要審視生產安全和高質量自動駕駛體驗所需的全部能力，採用創造性策略來鎖定人才並確保他們在下一個移動時代實現可持續增長。