结论
以下四个方向存在机会，供各位创业者参考：
1、低成本激光雷达；
通过技术创新能够生产出可量产的、低成本的、满足车规级标准的激光雷达，是非常有价值的产品。核心要考察的问题是：是否有满足车规级标准的可用产品。
2、细分领域的完整解决方案；
·对标OTTO，能够真正完成某个场景下自动驾驶从头到尾的工作。细分场景的发展路径是：
·半封闭低速（景区园区通勤、粮食运输、港口码头）
·高速公路（高速货运、客运）
·半封闭营运（限定区域乘用车）城市道路商用。
当然我们还要考察两个问题：1、细分场景的市场空间是否足够大 2、从该场景往更通用的场景发展，技术上是否有延续性。
3、融合做的更好的感知系统；
在激光雷达成本难以快速下降的时间里，通过融合更好的发挥不同传感器的能力，真正解决感知、决策、定位的问题，从而为快速积累数据提供可能。
4、更加复杂的路径规划；
今天所有的Google、Uber、百度等自动驾驶公司的决策规模部分大都是应用rule base的方法来做的（将具体的交通规则写在程序里），而也有少量的公司（momenta等）会尝试使用深度学习的方式去做决策，学习司机驾驶行为。
坦白讲，跟这么多公司和专家聊下来，我也不知道哪个靠谱。但很明显，交通永远是一个系统性问题，人们在尊重既定的交通规则的情况下，不同国家不同文化不同路况不同时段的行车策略都在发生各种难以琢磨的变化。
如果我们把交通的安全性和效率当作最终目标，单纯基于rule base的planning有可能在早期阶段格格不入，尤其当大部分车辆是人开，少部分车辆是机器开的话，这种所谓的“弱势群体”就会招到在策略层面的挑战。
一个不切实际的想法，如果车辆在理解基础交规的基础上（rule base）,并拥有一个丰富经验的驾驶直觉（deep learning base），能够感知周围车辆的行为和动机（V2X base）,那他才是一个不折不扣的老司机。
仅仅做视觉、毫米波感知的公司天花板比较明显：
今天市场上最多的创业公司就是视觉感知类的ADAS公司，今天深度学习的出现提升了图像识别的能力，市场上出现大量视觉人才，可预见视觉感知技术会越来越成熟，竞争也越来越激烈。
由于进入前装市场周期漫长，且视觉数据最后归属车厂而非创业公司，也很难想象视觉ADAS公司如何构建壁垒。另外只做单纯的视觉感知，天花板是Tier1，今天大的tier1都在补这门课，所以今天的中国几乎不存在Mobileye当年的机会。
汽车行业的发展，零部件厂商不断整合，ADAS公司未来被大的Tier1收购是可见出路。当然ADAS公司还有另一条出路，就是通过安全辅助模式真正降低交通事故率，与保险公司合作创造价值。
<上一页 3 4
