• 首页 > 产经频道 > 业界新闻

    自动驾驶激光雷达厂商Velodyne筹备上市

    2019年06月24日 10:09:19   来源:腾讯科技

      据国外媒体周六援引知情人士的话报道,自动驾驶汽车激光雷达制造商“Velodyne激光雷达公司” 已聘请投资银行准备进行首次公开发行。KPU中文科技资讯

      据国外媒体报道,这家总部位于美国加州圣何塞的公司正与美国银行美林、花旗集团、加拿大皇家银行以及威廉布莱尔公司(William Blair)公司合作,寻求进行IPO。KPU中文科技资讯

      据一家科技媒体援引消息人士的话说,Velodyne希望在2019年底前完成上市,该公司希望上市时的资本市值能够融资时18亿美元的估值。KPU中文科技资讯

      2018年12月,日本数码相机制造商尼康公司曾向这家自动驾驶汽车技术公司投资2500万美元。KPU中文科技资讯

      激光雷达是一种自动驾驶汽车上常用的设备,外观酷似一个圆柱形警灯。这种设备能够通过激光扫描技术,侦测自动驾驶汽车周边的环境,相当于车辆的“耳目”。不过和自动驾驶汽车的其他部件相比,激光雷达长期以来的制造成本过高,甚至被认为是自动驾驶汽车迟迟不能大规模生产制造的主要障碍之一。KPU中文科技资讯

      今年初,Velodyne公司宣布,将和上述投资股东尼康公司合作,共同生产成本更低的激光雷达。这一合作准备将尼康占据优势的光学和精密仪器技术和对方的激光雷达研发实力相结合,成本更低的激光雷达有望在今年上半年投入生产。KPU中文科技资讯

      值得一提的是,激光雷达并非是所有的自动驾驶汽车都需要的零部件,全球自动驾驶技术领域的领先厂商特斯拉公司并未在汽车顶部安装一个激光雷达,而是采用了传统雷达和大量的摄像头、视觉识别技术来探测道路环境。KPU中文科技资讯

      今年四月份,特斯拉公司掌门人马斯克曾经炮轰激光雷达技术,认为这是一个非常“愚蠢”的零部件,拉高了自动驾驶汽车的成本,他甚至表示:“任何依赖激光雷达的人都是注定要死的。”KPU中文科技资讯

      马斯克表示,只要自动驾驶汽车通过其他技术能够感知路况,激光雷达也就变得一文不值。KPU中文科技资讯

      不过,马斯克言论曝光之后也在行业内引发了一些争议。当然,也有其他汽车制造商支持马斯克的主张。比如日本日产公司就宣布,不会在自动驾驶汽车上使用激光雷达,将通过传统雷达和摄像头实现同样的目标。KPU中文科技资讯

      另据悉,在2016年,美国福特汽车公司和中国百度公司曾经向Velodyne公司分别投资7500万美元。该公司的负责人当时也表示,希望通过更多的融资能够进一步降低激光雷达的生产成本,推动普及。KPU中文科技资讯

      据报道,随着自动驾驶技术成为时下“当红炸子鸡”,已经有越来越多的公司进入了激光雷达领域,这些公司一方面继续降低产品成本,另外一方面也在缩小激光雷达的体积,避免影响自动驾驶汽车外观设计。(腾讯科技审校/承曦)KPU中文科技资讯

      来源:XXX(非中文科技资讯)的作品均转载自其它媒体,转载请尊重版权保留出处,一切法律责任自负。

      文章内容仅供阅读,不构成投资建议,请谨慎对待。投资者据此操作,风险自担。

      如发现本站文章存在问题,提供版权疑问、身份证明、版权证明、联系方式等发邮件至news@citnews.com.cn。

    [上传用户: ]
    分享到微信

    推荐

    工信部:携号转网管理规定12月1日起施行

    11月11日讯,工信部印发《携号转网服务管理规定》,规定自2019年12月1日起施行。规定要求电信业务经营者在提供携号转网服务过程中,不得为携号转网用户设置专项资费方案和营销方案,不得采取拦截、限制等技术手段影响携号转网用户的通信服务质量等。

    新闻

    《2019年全球电子商务数据报告》重磅发布

    11月5日,第二届中国国际进口博览会在上海开幕。对许多外国企业来说,参加进博会意味着走上进入中国市场的“绿色通道”,而各大跨境电商平台在去年祭出采购大单之后,早已筹谋今年的“买买买”计划,继续担当进博会重要的采购力量,丰富消费者的购物车。

    互联网+

    拯救脱发、治愈癌症...医疗互联网越慢越好?

    事实上,这大概是中国互联网创业的本质:技术领域的一个概念、一段视频、一份PPT,都会让资本市场异常兴奋,大家都喜欢先奔跑起来,再寻找方向,如团购、外卖、共享单车、特供智能机,莫不如此,医疗互联网身处其中,自然也免不了沾染癫狂习气,只是医疗行业的特殊性不言而喻,或许,越慢越好!

    融合

    高尚大的人工智能背后:真的只是单调、枯燥和密集劳

    总得来说,人工智能有两个重要的支柱,一个是海量的数据、大大的数据;另一个则是高精度算法,显然,算法需要一小撮的天才来编辑和优化,而海量的大数据,除了机器本身的收集能力之外,还需要大量的人工操作,给相关的数据贴上固定的标签。