有關(guān)蘋果汽車推出無人汽車的傳聞一直不斷，但是今年蘋果汽車專利的曝光似乎證實(shí)了傳聞的真實(shí)性。之后，華為也官宣了華為無人駕駛操作系統(tǒng)內(nèi)核(含虛擬化機(jī)制)獲得Safety領(lǐng)域最高等級(jí)功能安全認(rèn)證(ISO 26262 ASIL D)的消息。這些似乎并不能否認(rèn)無人駕駛顯示出的明顯降溫。與此同時(shí)，曾經(jīng)喊出豪言壯語的各大廠商，都在模糊無人駕駛汽車的上市時(shí)間，或者在已經(jīng)確定的車型宣傳上，備注“特定的、受限的適用范圍”。
不難承認(rèn)，2016年無人駕駛的橫空出世確實(shí)給我們帶來了驚喜。Waymo、Uber的無人駕駛路測(cè)曾讓業(yè)內(nèi)為之一振，也讓許多汽車企業(yè)倍感壓力。之后我們見證了Waymo和Uber向汽車企業(yè)采購幾千幾萬臺(tái)汽車用于無人駕駛車輛研發(fā)、改制和生產(chǎn)，也見證了通用汽車和福特汽車對(duì)無人駕駛的巨額投入。但隨著時(shí)間的流逝，無人駕駛車輛造成的車禍、對(duì)于安全員的討論、企業(yè)之間對(duì)于“出走者”的訴訟等，漸漸讓嘆息多于驚喜。
無人駕駛汽車又一次無可奈何遵循了技術(shù)成熟度曲線。時(shí)至今日，我們不得不承認(rèn)，無人駕駛的發(fā)展比大家預(yù)想的要更難、更慢。在無人駕駛?cè)嫔逃弥埃覀冞€要跨越哪些障礙?
無人駕駛技術(shù)系統(tǒng)可靠性尚不符合商業(yè)要求
無人駕駛的興起與“人工智能”的蓬勃發(fā)展密不可分。在1956年的達(dá)特茅斯會(huì)議中，幾位年輕學(xué)者就“如何用機(jī)器模仿人類在各個(gè)方面的智能”的問題進(jìn)行了討論，這次討論催生了“人工智能”這一全新的概念，也開啟了風(fēng)云激蕩的新時(shí)代。無人駕駛的研究架構(gòu)中，自然也追隨著理論框架，把人類駕駛汽車的行為進(jìn)行拆解，并且試圖利用算法和機(jī)器智能提升整個(gè)行為的安全和效率。
人類駕駛汽車的過程粗略拆分，可以分為幾個(gè)步驟:首先觀察周圍車輛情況、交通指示燈。然后依據(jù)自己的目的地方向，通過油門、剎車和方向盤，進(jìn)行加速/減速、轉(zhuǎn)彎/變道以及剎車的操作。這個(gè)過程在無人駕駛的研究中被細(xì)分為感知層、決策層和控制層。推演，傳感器、機(jī)器以及人工智能算法的結(jié)合，將完全超越人類駕駛的過程。
這個(gè)看似完美無瑕的推演卻不得不面臨技術(shù)的困境。有組合式的傳感器可以以汽車為中心進(jìn)行360°全覆蓋掃描，以AlphaGo為代表的機(jī)制智能已經(jīng)證明了在速度、精確度等方面機(jī)器可以遠(yuǎn)超過人類。當(dāng)機(jī)器做出決策后，通過線控系統(tǒng)將信號(hào)傳遞到汽車的轉(zhuǎn)向系統(tǒng)、制動(dòng)系統(tǒng)和傳動(dòng)系統(tǒng)，可以確保信號(hào)的快速性以及準(zhǔn)確性。人工智能下的感知、決策和控制似乎分別達(dá)到了朝越人類的水平。但正如前人工智能頂尖學(xué)者，斯坦福大學(xué)的李飛飛教授在與歷史學(xué)者，《人類簡史》、《未來簡史》作者，尤瓦爾•赫拉利( Yuval Noah Harari)對(duì)談中強(qiáng)調(diào)的，世界的存在不是兩個(gè)群體，真是的社會(huì)遠(yuǎn)比這個(gè)復(fù)雜。除了算法之外，還有很多玩家和規(guī)則。在無人駕駛研究進(jìn)入深水區(qū)的時(shí)候，傳感器、芯片以及數(shù)據(jù)的問題也在逐漸暴露。
從無人駕駛的傳感器角度來看，作為外部路況探測(cè)的傳感器，其收集的信息將作為駕駛決策的輸入，這是駕駛決策的重要保障。可以說，沒有完整的信息，就不可能支持決策系統(tǒng)做出正確、安全的駕駛決定。雖然眾多的傳感器在單一指標(biāo)上可以超越人眼，但是融合的難題以及隨之而來的成本困境，成為無人駕駛演進(jìn)過程中面臨的第一個(gè)嚴(yán)峻考驗(yàn)。
多傳感器的問題同時(shí)也埋下了下一個(gè)問題的隱患，那就是芯片的性能。如果需要更全面的了解外部路況信息，就需要部署更多的傳感器。更多的傳感器就對(duì)融合提出了更高的要求，而且在高速度的情況下，由于路況信息的變化，所帶來的數(shù)據(jù)信息也更為海量。
根據(jù)英特爾的測(cè)算，一臺(tái)無人駕駛的汽車，配置了GPS、攝像頭、雷達(dá)和激光雷達(dá)等傳感器。這些設(shè)備每天將產(chǎn)生約4TB待處理的傳感器數(shù)據(jù)，如此巨大的數(shù)據(jù)量必須有強(qiáng)大的計(jì)算設(shè)備來支撐。而即使是英偉達(dá)這樣的頂級(jí)GPU企業(yè)，也在算力和功耗的平衡上幾乎達(dá)到了天花板。所以近年來，專用計(jì)算平臺(tái)更多的走進(jìn)人們的視野，包括谷歌投入應(yīng)用的AI專用芯片TPU、國內(nèi)頂尖創(chuàng)業(yè)公司地平線推出的BPU，特斯拉也在投入巨資進(jìn)行無人駕駛芯片的研究。在短時(shí)間內(nèi)，這都將是無人駕駛要跨越的巨大技術(shù)障礙。
來自道路的無人駕駛阻礙
無人駕駛除了現(xiàn)階段面臨的技術(shù)瓶頸，在后續(xù)的商業(yè)化開發(fā)上，將持續(xù)面臨商業(yè)和技術(shù)上的矛盾。從商業(yè)的邏輯上來說，無人駕駛在一二線城市，甚至是城市的中心區(qū)域，可以產(chǎn)生最大的商業(yè)價(jià)值。但是從目前的技術(shù)條件來說，無人駕駛無法一步到位進(jìn)入一二線城市，還需要更多的測(cè)試進(jìn)行驗(yàn)證，以保證安全性和可靠性。簡言之，當(dāng)前的道路測(cè)試還不能推動(dòng)大規(guī)模無人駕駛汽車的普及。
因此，無人駕駛在城市的郊區(qū)(或者新區(qū))進(jìn)行封閉場(chǎng)地測(cè)試以及公開道路測(cè)試，便成為了過渡方案。目前，為了保證車輛上路的安全性，無人駕駛車輛必須要進(jìn)行仿真測(cè)試和封閉場(chǎng)地測(cè)試，并且在此基礎(chǔ)上逐漸在開放道路進(jìn)行測(cè)試。
封閉場(chǎng)地方面，位于北京通州、西安經(jīng)濟(jì)技術(shù)開發(fā)區(qū)和重慶高新區(qū)的三家無人駕駛封閉測(cè)試場(chǎng)已經(jīng)得到交通運(yùn)輸部的認(rèn)定。同時(shí)，全國還有多個(gè)城市已經(jīng)建成或正在建設(shè)無人駕駛的封閉測(cè)試場(chǎng)地。
在開放道路測(cè)試方面，2018年4月，工業(yè)和信息化部、公安部、交通運(yùn)輸部就已經(jīng)聯(lián)合發(fā)布了《智能網(wǎng)聯(lián)汽車道路測(cè)試管理規(guī)范(試行)》，對(duì)于測(cè)試主體、測(cè)試駕駛?cè)思皽y(cè)試車輛、測(cè)試管理、事故處理等方面進(jìn)行了規(guī)定。此后，北京、上海、重慶、長沙等多座城市也出臺(tái)了各地的道路測(cè)試管理規(guī)定，其中多座城市已經(jīng)發(fā)放了無人駕駛路測(cè)牌照。在獲得某地?zé)o人駕駛路測(cè)牌照的基礎(chǔ)上，無人駕駛測(cè)試車輛可以在該地區(qū)劃定的開放道路測(cè)試區(qū)域(道路)內(nèi)，進(jìn)行測(cè)試。
綜合來看，各地區(qū)在開放道路的劃定方面，大多以城市郊區(qū)作為起始點(diǎn)，并(計(jì)劃)逐步向城市中心區(qū)、核心區(qū)擴(kuò)展。目前開放的測(cè)試道路大多位于城市郊區(qū)，人口居住密度低、交通流量小、道路較為通暢、地形較為簡單。例如，北京44條開放測(cè)試道路(總長度約123公里)位于經(jīng)濟(jì)技術(shù)開發(fā)區(qū)、順義區(qū)和海淀區(qū);上海5.6公里開放測(cè)試道路位于嘉定區(qū);福州6公里開放測(cè)試道路位于平潭島麒麟大道;重慶12.5公里開放測(cè)試道路位于禮嘉環(huán)線;廣州33條道路45.6公里路段位于黃埔區(qū)、白云區(qū)、花都區(qū)和南沙區(qū);長沙7.8公里開放測(cè)試道路位于湘江新區(qū);杭州5條開放測(cè)試道路位于未來科技城。
但是，目前的過渡方案依然存在著以下三個(gè)問題，依然制約著無人駕駛的進(jìn)一步發(fā)展。
首先，由于場(chǎng)景過于單一，無法反映真實(shí)的城市出行場(chǎng)景。目前選擇的開放道路測(cè)試區(qū)域大多位于城市的郊區(qū)，交通流量小、道路較為通暢。但是大多數(shù)一二線城市的普遍出行場(chǎng)景恰恰與之相反，大部分情況下是繁忙的、擁堵的，甚至?xí)霈F(xiàn)很多人車混雜的情況。即使在簡單場(chǎng)景下驗(yàn)證成功的技術(shù)方案，在進(jìn)入城市核心區(qū)之后，依然需要技術(shù)團(tuán)隊(duì)再次攻克難關(guān)以及進(jìn)一步升級(jí)方案。同時(shí)，由于道路數(shù)據(jù)的屬地性，技術(shù)方案的驗(yàn)證成功只能僅僅證明在此道路上的成功，拓展性有限，在進(jìn)入其他道路后依然需要再次進(jìn)行驗(yàn)證。
其次，由于缺乏測(cè)試場(chǎng)景數(shù)據(jù)，多家公司在相同的場(chǎng)景下做重復(fù)驗(yàn)證，浪費(fèi)技術(shù)資源。目前正在進(jìn)行的封閉道路測(cè)試以及開放道路測(cè)試，對(duì)于數(shù)據(jù)的歸屬性缺乏統(tǒng)一的標(biāo)準(zhǔn)。并且，大多缺乏通用數(shù)據(jù)的共享以及交易機(jī)制，所以大部分道路測(cè)試的數(shù)據(jù)都僅僅歸屬于測(cè)試主體。
最后，由于場(chǎng)景遠(yuǎn)離出行業(yè)務(wù)的主要需求區(qū)域，這使得測(cè)試僅限于技術(shù)驗(yàn)證，無法進(jìn)行商業(yè)模式的探索。因?yàn)檫x擇的開放道路大多位于城市的郊區(qū)，并非出行業(yè)務(wù)的主要需求區(qū)域。所以許多諸如無人駕駛出租車、無人駕駛小巴等業(yè)務(wù)探索缺乏實(shí)際有效的需求，只能以技術(shù)驗(yàn)證為主，輔助以部分對(duì)外公開展示，無法收集實(shí)際的、反映真實(shí)需求的數(shù)據(jù)，更無法在此基礎(chǔ)上進(jìn)行產(chǎn)品和服務(wù)的升級(jí)、商業(yè)模式的探索。在此背景下，許多商業(yè)化的運(yùn)營設(shè)想只能從理論到理論，從設(shè)想到設(shè)想，從方案到方案，無法真實(shí)落地來探索模式的可行性。
背離大眾的無人駕駛
無人駕駛在剛出世的時(shí)候被賦予了無限的期盼，無論是科技公司還是汽車行業(yè)，都把無人駕駛當(dāng)作面向終端者的產(chǎn)品和解決方案。
而事實(shí)永遠(yuǎn)比想象要來的骨感。在無人駕駛安全性和可靠性不斷提升的同時(shí)，成本也一起雙飛。根據(jù)公開數(shù)據(jù)，無人駕駛汽車之外的傳感器和運(yùn)算設(shè)備等，總價(jià)格幾乎相當(dāng)于一臺(tái)奔馳E級(jí)汽車。這也意味著在現(xiàn)有技術(shù)條件下，可以實(shí)現(xiàn)L4級(jí)無人駕駛功能的汽車，價(jià)格將接近百萬元。
當(dāng)然根據(jù)摩爾定律，技術(shù)投入和規(guī)模效應(yīng)會(huì)極大提升產(chǎn)品的性能，并且極大降低成本。業(yè)內(nèi)許多同行常常舉例說，2005年1萬美金的毫米波雷達(dá)，經(jīng)過10多年已經(jīng)降到了100美金。但是問題的關(guān)鍵是，就算價(jià)格降低到1/100，普通消費(fèi)者是否愿意接受呢?
根據(jù)德勤的《全無人駕駛的未來-先進(jìn)汽車技術(shù)消費(fèi)者需求調(diào)查》顯示，中國、印度和韓國的消費(fèi)者對(duì)于無人駕駛技術(shù)的偏好度位居世界前列，對(duì)于先進(jìn)技術(shù)消費(fèi)者愿意支付一點(diǎn)額外費(fèi)用。以中國消費(fèi)者為例，2014年，消費(fèi)者愿意額外付費(fèi)1440美元。而到了2016年，已經(jīng)大幅降低到700美元。這樣的情況并非只出現(xiàn)在中國，美國消費(fèi)者在2014年愿意支付的費(fèi)用為1370美元，2016年降低到925美元。同期的韓國，2014年還在1780美元的高位，到2016年已經(jīng)大幅降低到415美元。這也意味著，目前消費(fèi)者愿意接受的額外付費(fèi)和現(xiàn)有的價(jià)格，相差了近100倍。
于是，無人駕駛的使用方從終端消費(fèi)者切換到出行公司，這背后也有諸多的無可奈何。百度在湖南長沙率先開展的無人駕駛出租車示范運(yùn)營的成果顯示，無人駕駛出租車的每公里成本在20元左右，其中車輛成本和運(yùn)營成本各占一半。因?yàn)榘俣饶壳伴_展的試點(diǎn)運(yùn)營，還需要安全員在座，從而對(duì)緊急狀態(tài)進(jìn)行干預(yù)。
即使去除人工成本，每公里成本依然高達(dá)15元左右。與此形成比較的是，國內(nèi)一線城市的出租車約為3元/公里，網(wǎng)約車約為5元/公里。可以推導(dǎo)得出，如果運(yùn)營方不進(jìn)行大規(guī)模燒錢補(bǔ)貼的話，目前階段的無人駕駛出租車，依然不是面向大眾市場(chǎng)的產(chǎn)物。
或許，跨時(shí)代技術(shù)的發(fā)展真的需要時(shí)間的積淀。人工智能的概念起始于1956年的達(dá)特茅斯會(huì)議，歷經(jīng)兩次高潮和低谷，由于大數(shù)據(jù)和出現(xiàn)和深度學(xué)習(xí)的崛起，人工智能才能在六十多年后實(shí)現(xiàn)從概念到落地的過程。
無人駕駛也可能如此，這個(gè)時(shí)代依舊等著我們?nèi)フ鞣ヌ魬?zhàn)，我們翻過了更多的觀念和技術(shù)的大山才走到了今天。
