如何正确认识Argo计划

正确答案：D 解析：D以往的监测手段难以实现对全球海洋的实时观测。题为细节理解题。根据原文“首次实现了真正意义上的对全球海洋上层温度、盐度和海流的实时观测。”可知D正确。根据“各国海洋和气象科学研究者利用大数据技术处理海量数据，研究海洋气候对极端天气和全球气候的影响，收获了新的成果”可知，A选项中“必备技术”没有提到，是无中生有。根据“首次实现了真正意义上的对全球海洋上层温度、盐度和海流的实时观测。”可知B中“1年前无系统观测项目”是无中生有的，所以也不对。根据最后一句话可知是全球收益，因此C不正确。

6月2日，自动驾驶初创公司Argo AI宣布，大众对其投资26亿美元的交易已经完成。关于此次交易，其实早在去年7月大众和福特就已经对外宣布了，现在算是承诺正式落地。根据双方达成的协议，大众 汽车 将向Argo AI注资26亿美元，其中包括10亿美元的投资，以及估值为16亿美元的自动驾驶公司子公司（Autonomous Intelligent Driving，AID）。

作为交易的一部分，大众 汽车 集团将在三年内向福特购买价值5亿美元的Argo AI股份，而福特也将继续履行此前对Argo AI承诺的10亿美元现金投资。此后，双方所持Argo AI公司的股比相同，分别拥有公司不到40%的股份，其管理团队拥有超过20%的股份，作为Argo AI员工的激励股份池。Argo AI的估值总额也由之前的40亿美元上升至70亿美元以上。

显然，随着大众的注资，Argo AI将由大众和福特共同控制了。这也就不得不让人好奇，究竟Argo AI有何魔力可以吸引到两家实力如此雄厚的传统车企？

Argo AI是谁？

Argo AI是一家成立于2016年11月的自动驾驶技术公司，总部位于美国宾夕法尼亚州的匹兹堡。由机器人专家Bryan Salesky（布莱恩·萨尔斯基，）和Peter Rander（皮特·莱恩德）博士共同创立，主要是为自动驾驶 汽车 提供软件、硬件、地图和云支持基础设施。虽然Argo AI成立的时间很短，但两位创始人却早已是自动驾驶领域的资深人士。

2004年到2011年间，Bryan Salesky在卡耐基梅隆大学机器人研究所的国家机器人工程中心（NREC）工作，Peter Rander是那里的主要负责人。期间，也就是2007年，Salesky和Chris Urmson（克里斯·厄姆森，无人驾驶公司 Aurora Innovation的联合创始人兼CEO）带领卡耐基梅隆大学的软件开发团队参加了DARPA的第三届无人驾驶 汽车 城市挑战赛。在2013年至2016年，Salesky担任谷歌自动驾驶 汽车 项目（即现在的Waymo）的硬件开发总监。Rander博士在2015年至2016年间，则担任Uber先进技术集团（ATG）的工程负责人。

我们知道，创始人背景强大是很多初创公司的共同特点。但Argo AI真正厉害之处就在于公司刚成立3个月，甚至只有12名员工时，福特 汽车 便宣布将在未来5年向Argo AI投资10亿美元，为2021年即将问世的自动驾驶 汽车 开发虚拟驾驶系统。毫无疑问，福特数十亿美元的「赌注」，让Argo AI获得了足够的资源，让其有资格与Waymo、Uber、Cruise等公司展开竞争。

如今，随着AID公司200多名员工的加入，Argo AI在全球的员工人数将增至1000人左右。（2020年 3 月The Information的一份报告显示，Waymo 的员工数量已经增加到了 1500人；Uber 和 Cruise 自动驾驶团队的员工也均超过 1000 人。）位于德国慕尼黑的AID办事处将成为Argo AI的欧洲总部，同时也是Argo AI在全球的第五个工程中心。另外四个工程中心分别设在匹兹堡（总部），底特律、帕洛阿尔托和新泽西州的克兰伯里。除此之外，Argo AI 还在迈阿密、华盛顿特区，以及奥斯汀都设有运营车队。

特殊的商业模式

在很多方面，Argo AI和自动驾驶巨头Waymo、Cruise等公司一样，都是在技术和规模上处于领先地位，并早早地找好了传统车企作为靠山，但在商业模式上，Argo AI却有所不同。和多数企业一样，Waymo和Cruise切入自动驾驶市场的第一步也是打车服务，但在Argo看来这并不是盈利的最好方法，毕竟乘客不可能24小时都打车。

此外，Salesky也表达了其对Robotaxi这个词的厌恶。「就自动驾驶而言，这里有很多应用领域和业务模块有待开发，我们要做的是了解哪些模块相比其他模块更有利可图。」所以Argo AI的做法是不再建立自动驾驶出租车队（机器人出租车），而将自动驾驶技术应用于货物运输或大型客运，按照里程收费。

对此，大众商用车和自动驾驶 汽车 项目负责人Thomas Sedran表示，除了在大众专属车队中配备拥有Argo技术的车辆外，其他共享出租车公司和运输公司也对配备Argo系统的 汽车 充满兴趣。或许这确实会成为Argo与其合作伙伴实现盈利的一种方式，因为这项技术如果被更多的车辆采用，行驶里程会成倍增加，盈利会非常可观。

值得一提的是，Argo的收入分成协议也很有代表性，根据协议，搭载Argo自动驾驶技术的大众 汽车 或福特 汽车 将根据行驶里程向Argo支付费用，不过协议的具体细节尚未公开。

福特则针对这一现状打造了一个高利用率的车辆部署平台，该平台被命名为云端交通出行（Transportation Mobility Cloud，TMC）。这套顶级平台是数据分享与协作的集大成者，它能帮助乘客在自动驾驶 汽车 、公共交通和共享单车/滑板车之间进行无缝切换。福特还将其打造成了开放云平台，任何人都能接入使用。

除此之外，福特还准备了交通即服务（TaaS）系统，这套物流系统能让福特的业务伙伴接入自动驾驶车队并使用车辆完成取货和送货。福特管理车队时也会用到这一平台，实时了解车辆状态并获知其服务情况。其中福特与本土企业多米诺（Domino）、Postmates 和沃尔玛的合作试点项目，便是通过 TaaS 系统来测试其自动驾驶 汽车 商业化策略。

从目前来看，Argo技术的潜在商业应用包括：长途卡车运输、电子商务配送、城市固定线路上的人员运输，以及诸如采矿等非公路应用。不过对于Argo的商业模式，竞争对手安波福就不太认同，其首席技术官GlenDeVos声称Argo不具备其他竞争对手所拥有的组件设计能力。

优势互补、互利共赢

不管怎样，对于企业而言，将技术落地并实现盈利才是生存之本。Argo、福特、大众的三方合作是一个双赢的局面，车企的注资可以为烧钱的自动驾驶初创公司解燃眉之急，也满足了传统车企对自动驾驶技术和电气化的强烈需求，毕竟竞争对手都这么做了，你不做就会被淘汰。

对于Argo而言，福特与大众的加入为Argo AI带来了前所未有的资源保障和市场应用空间。对于福特和大众两家公司来说，共同进行自动驾驶及电动车的研发可以减少投资并降低风险，在现今也是比较明智的选择。不过，这次交易的达成并不意味着双方将展开全面合作。福特自动驾驶 汽车 部门首席执行官 John Lawler 强调：「合作之后，福特将保持独立，并且不会与大众分享任何计划。另外，与大众一起分担开发成本并不意味着福特会减少在自动驾驶领域的总体支出，相反，我们会将更多的资源部署到其他关键的技术。」

根据此前福特的承诺，到 2023 年它将投入 40 亿美元用于开发自动驾驶技术，其中很大一部分将用于自动驾驶系统的开发。Argo AI目前正在开发适用于福特2021 年投产的自动驾驶 汽车 的自动驾驶系统和高精地图。

受到疫情的影响，福特在今年 Q1 财报的电话会议上透露，将重新考虑市场战略，将其自动驾驶 汽车 的发布推迟到 2022 年。虽然大众并没有给出推出自动驾驶 汽车 的明确时间，不过，根据其此前的说法，计划将会晚于福特，大约会在 2022 年或者 2023 年。除了共同注资 Argo AI 外，福特和大众还在其他方面进行了合作。2022 年之前，福特将与大众联手打造出一款全新的皮卡车，大众也会向福特提供其 MEB 电动 汽车 平台的相关技术。

显然在目前这种国际局势以及车市持续低迷的 历史 节点，传统车企、初创公司共同抱团、合作是最为谨慎的做法，也是众多车企的首要选择。

2019年计算机视觉和模式识别大会（CVPR）已经落幕。毫无意外，自动驾驶依旧是此届 CVPR 会议议题及参展亮相的焦点。

除拥有主场之利的自动驾驶企业，例如Waymo、福特 Argo AI、Velodyne外，国内自动驾驶玩家纷纷携最新技术走向国际视野：百度、滴滴等老面孔悉数亮相；小马智行、文远知行、纽劢 科技 、图森未来、地平线也参展CVPR 2019。

一个很明显的趋势是，“开放”成为 CVPR 2019 自动驾驶的关键词。本届 CVPR 大会上，Waymo 和 ArgoAI 都站上了开放数据集的潮头。这是继百度、安波福（Aptiv）之后，又两个走向开放的自动驾驶资深玩家。

在CVPR 2019上，Waymo和Argo AI两家公司都走上了“数据开放”的大道。

此次Waymo公布的数据集包含了3000段平均时长为20秒的驾驶记录，整个数据集包含六十万帧数据，约2500万3D边界框、2200万2D边界框，以及多样化的自动驾驶场景。数据公开之后，Waymo自动驾驶车辆的传感器特点也将一览无余。

Waymo公开自动驾驶数据集

Waymo称其数据集包含了3000个场景，是安波福（Aptiv）开放的数据集 NuScenes 的3倍，摄像头和激光雷达之间的信息同步也更好。Waymo还提供了5个激光雷达传感器的数据，而NuScenes数据集中只有1个。

福特自动驾驶开发合作伙伴Argo AI的Argoverse数据集与Waymo略有不同。虽然它也包含激光雷达和摄像头数据，但它只覆盖了在迈阿密和匹兹堡记录的113个场景，包括Argo AI使用的所有9个摄像头以及2个激光雷达传感器的图像，其中标注的目标超过10000个。

Argo 的数据集注重传感器与地图数据的结合

Argo AI的Argoverse数据集的特别之处在于，它是第一个包含高清地图数据的数据集。Argo AI目前在其运营区域打造了自己的高清地图。这些数据包含匹兹堡和迈阿密290公里的车道地图，如位置、连接、交通信号、海拔等信息。Argo AI在其地图解决方案中大力宣传的一个功能即其优化处理的能力：能够精确地知道在哪里寻找交通标志和信号，不必扫描整个场景来寻找。

封闭还是开放，这是一个始终萦绕在自动驾驶行业里的问题。继今年 3 月份，安波福（Aptiv）先行一步公开传感器数据集后，Waymo和Argo AI的动作都预示着“开放”成为自动驾驶未来发展趋势。

CVPR中国团

百度在此次CVPR 上备受瞩目，因其公开了L4级自动驾驶纯视觉城市道路闭环解决方案--百度Apollo Lite。

Apollo技术委员会主席王亮针对L4级全自动驾驶（Fully Autonomous Driving）环境感知技术方案进行了讲解，并公开了环视视觉解决方案百度Apollo Lite技术细节。雷锋网新智驾了解到，Apollo Lite能够支持对10路摄像头、200帧/秒数据量的并行处理，单视觉链路最高丢帧率能够控制在5‰以下，可以实现全方位360°实时环境感知，前向障碍物的稳定检测视距达到240米。

王亮表示，在传统激光雷达为主、视觉为辅的传统融合策略中，视觉感知自身的问题和缺陷在雷达感知的掩盖下暴露不够充分。通过Apollo Lite打磨迭代的纯视觉技术正在持续反哺百度坚持的多传感器融合解决方案，提升自动驾驶系统的鲁棒性和安全性。

今年 CVPR 2019 上，滴滴也联合加州大学伯克利分校DeepDrive深度学习自动驾驶产业联盟（BDD）举办CVPR 2019自动驾驶研讨会，详细介绍了滴滴在自动驾驶领域的 探索 和实践。

研讨会现场，滴滴自动驾驶首席工程师贾兆寅还详细介绍了滴滴近期的自动驾驶测试情况，目前滴滴已拥有超过100人的自动驾驶团队，在中国、美国多地开展测试。在积极开展路测的同时，技术团队也在逐步尝试运用丰富而多样的网约车车载数据训练算法模型。

而谈到自动驾驶的落地，贾兆寅认为滴滴短期比较理的想商业化形式可能是“混合派单”，例如在相对简单的路线派出无人车，在复杂路段派单给司机接驾。混合派单模式即可以推动自动驾驶技术更快成熟落地，也可以保证用户日常的出行体验。

今年上半年，滴滴还相继牵手BDD、图灵奖得主Yoshua Bengio领衔的蒙特利尔学习算法研究所（Mila）等顶级研究机构不断 探索 自动驾驶技术边界。

这一次 CVPR，国内自动驾驶初创团队纽劢 科技 、文远知行、小马智行、图森未来、地平线等来自国内明星自动驾驶公司都有自己的展台。

小马智行联合创始人兼CEO彭军亲临展位现场，携同感知团队在CVPR上展示小马智行自动驾驶技术的最新进展和落地成果。一辆搭载小马智行第三代自动驾驶软硬件解决方案PonyAlpha的车辆也亮相CVPR现场。

全栈式自动驾驶方案供应商文远知行、纽劢 科技 、专注于自动驾驶物流场景的图森未来、专注于边缘AI芯片及解决方案的人工智能企业地平线携自动驾驶产品参展，并将商业化、量产作为2019年的关键词。

雷锋网新智驾了解到，今年3月，图森未来对外发布最新的无人驾驶摄像头感知系统。该感知系统利用索尼的 汽车 CMOS图像传感器，能让无人车在夜间和低能见度下行驶，与之前的1000米感知技术结合后，可将无人驾驶卡车使用率提高到80%。该感知系统会在2019年第二季度量产，并于第三季度应用在图森未来的无人驾驶卡车上、提供商业化运输服务。

据雷锋网新智驾了解，配备有索尼最先进的 汽车 CMOS图像传感器，图森未来自主研发的摄像头感知系统充分支持夜间以及低能见度下的无人驾驶行驶，是图森未来进行大规模商业化的关键一步。纽劢 科技 也在本月发布了面向前装L3量产自动驾驶方案“MAX”。

这届 CVPR 上，自动驾驶企业依旧是重头戏。而作为顶级学术会议，CVPR也在源源不断向这些企业输送顶尖人才。不少自动驾驶公司也借此进行招聘。虽然自动驾驶寒冬并为一锤定音，但泡沫破碎之后，自动驾驶仍然会是未来。

2021年8月16日，《自然地球科学》（Nature Geoscience）刊登了一项由蒙特利海湾水族研究所（Monterey Bay Aquarium Research Institute，MBARI）研究人员完成的新研究，揭示了机器人浮标如何变革人们对全球范围内海洋初级生产力的认识。

海洋微生物在海洋乃至地球的 健康 中起着至关重要的作用。微小的浮游植物利用光合作用消耗二氧化碳，并将其转化为有机物和氧气，这种生物转化过程便是海洋初级生产力。通过将二氧化碳转化为有机物，浮游植物不仅为海洋食物网提供支撑，而且是海洋生物碳泵的第一个环节。借助浮标数据，研究人员能够更准确地评估碳如何从大气进入海洋，同时为全球碳循环提供新的线索。

海洋初级生产力随着气候系统的变化而起伏不定。尽管研究人员基于计算机模型已经做出了海洋浮游植物的初级生产力将在海洋变暖的背景下降低的预测，但是缺乏全球范围内的测量工具以验证模型结果。直接测量海洋生产力需要采集和分析样本。受资源和人力限制，在全球范围内开展季节到年度分辨率尺度上的直接观测充满挑战，且成本极高。卫星遥感和计算机生成的环流模型提供了所需的空间和时间分辨率。尽管卫星可用来绘制初级生产力的全球地图，但这是基于模型而不是直接测量数据。该研究则提出了研究海洋生产力的新方法—漂浮在海洋中的自主机器人。借助这些自主机器人，科学家能够认识涵盖面积、深度和时间在内的海洋初级生产力，这将极大地变革研究人员对全球海洋年储碳量的估算能力。

该研究象征着海洋数据采集的一个重要里程碑。生物地球化学浮标（BGC-Argo）能够测量温度、盐度、氧气、pH值、叶绿素和营养物浓度。当科学家首次部署BGC-Argo时，BGC-Argo可下沉至1000米深度，并开始漂浮。接着，BGC-Argo的自动化编程到达水柱的工作剖面。浮标下降至2000米处，随即上升至海洋表面。浮标到达表面后连接卫星，将数据发送给岸上的科学家，这一过程的周期为10天。获得的浮标数据为研究人员提供了氧气随时间变化的散射测量数据。借助氧气的生成模式，研究人员能够计算全球范围内的初级生产力。

通过测量浮游植物随时间释放的氧气量，研究人员可以估算浮游植物产生的碳量和消耗的二氧化碳量。白天受光合作用影响，氧气量会上升；晚上受呼吸作用影响，氧气量则会下降。如果得到了氧气的每日循环情况，那么就能够测量初级生产力。虽然这一模式众所周知，但该研究首次实现了在全球范围内利用仪器对碳循环进行定量测量，而不是通过模型和其他工具进行估算。然而，剖面浮标每10天才采集一次样本，研究人员因此需要在一天内开展多次测量活动才能得到每日循环。由于每个剖面浮标出现在一天当中不同的时间，因此结合通过300个浮标获得的数据和一天中不同时间段的样本，研究人员可以重建氧气量上升和下降的每日循环，接着计算初级生产力。

研究人员发现浮游植物每年产生大约53拍克（petagrams）的碳，这一测量数据接近最新计算机模型估计的每年52拍克的碳。该研究验证了最近的生物地球化学模型的准确性和可靠性。研究人员称，由于时间序列较短，因此现在无法确定海洋初级生产力是否出现变化。但该研究建立了一个基线，可以从中预测未来的变化。

转载本文请注明来源及作者：中国科学院兰州文献情报中心《资源环境动态监测快报》2021年第16期，薛明媚，王金平 编译。

以上就是关于如何正确认识Argo计划全部的内容，包括:如何正确认识Argo计划、Argo AI另辟蹊径，能率先盈利吗、CVPR 2019 总结：自动驾驶玩家集聚，“开放”成为关键词等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！