無人駕駛凜冬將至？

越來越多的自動駕駛公司正在無人車的商業化進程中「主動倒退一步」。

撰文 | 宇多田

「Waymo 都沒有做成功的事情，憑什麽其他公司就能做成而且做好？」

這是富比士雜誌最近針對無人駕駛行業現狀得出的一個結論——

即便做了 9 年，即便實地測試裡程數已經鋼彈 1600 萬公里，Waymo 也無法掩蓋其在自動駕駛服務的商業化進程上正在倒退一步：

安全駕駛員們從後座重新返回到駕駛座上，與此同時，用於監測疲勞駕駛的駕駛員監測系統也已經安裝完備。

這是 Waymo 技術團隊從最新一起「摩托車與無人車相撞事件」中得到的教訓。

很顯然，自動駕駛還不夠好，遠遠不夠。

而 Waymo 作為這個領域的領軍者，足以說明其他地區的情況可能更令人不寒而栗。

通用汽車最近也不太平。

除了最近宣布裁員並停止在北美生產雪佛蘭科魯茲、Volt 以及 IMPALA 汽車外，在上周五這家老牌車廠又公布了其自動駕駛公司 Cruise 易帥的消息，其背後意義不言而喻：

用一位資深銀行家來替換原本的技術型長官者，Cruise 對商業化的訴求看起來異常迫切。

但從路測實際情況來看，根據技術評論網站 Tech.co 最近對加州機動車部門各家路測數據的梳理，作為在加州發生撞車事故最多的一家無人車公司，Cruise 商業化的何去何從至今仍然是一個謎。

除了外媒們對無人駕駛的報導開始轉向保守，另一個國內的有趣現象大概只有業內人士才能感受得到：

兩年前自動駕駛話題剛剛引爆時，國內各家在自動駕駛論壇上講的東西，與兩年後的今天竟然沒有太大的變化。

大家依然會吹噓自己的技術與團隊履歷，並夾帶著那股要掀起交通革命的使命感。

然而，實質性的商業化進展其實並非如大家想象地那麽樂觀（我們曾在今年年初整理過很多公司立下的各種「2018 年目標」但卻未達成的 flag：為 2018 量產計劃畫過大餅的無人駕駛公司，你們兌現承諾的日子到了）。

不過，一些微妙的細節轉變卻在告訴我們，包括傳統車企、技術公司、零組件供應商以及運營商在內的所有行業人士都已經意識到，無人車面臨的商業化困境才剛剛開始：

一方面，大家紛紛開始「喊難」，樂於展示當下的各種實操難題成為了一股「新潮流」；

而另一方面，「車路協同」被越來越多地提及，逐漸取代了曾最能展現廠商技術實力的「單車智能」。

值得注意的是，由於前者這個古老的概念在中國重新煥發了第二春，因此，在「路線智能」與「車聯網」中被認為將扮演重要角色的 5G，讓通訊運營商們成為了無人駕駛產業鏈上的新成員。

不過，「車路協同」重新熱起來，除了阿里百度等公司的帶動作用，也許單車智能化的舉步維艱才是最關鍵的一個原因。

目前，雖然各方對困難的態度與口徑變得出奇一致，但每家踩到的坑與難解的題卻各有各的不同。這也讓部分公司在一場自動駕駛論壇上得出了令人印象深刻的相同結論：

無人駕駛的下一場寒冬，也許在所難免。

自動駕駛讓車企在憂慮什麽？

作為一群將「把車賣出去」為目標的公司，整車廠無疑是自動駕駛產業鏈上最冷靜和慎重的行業代表。

日本主攻機械行業的調查證券分析師泉田良輔就曾發現，越是接觸汽車行業久的人，越不相信自動駕駛汽車能上路，

「因為他們越是了解如今的技術與工程難題，就越對自動駕駛技術實現的困難有切身體會。

反而是對汽車行業不精通的人，會對自動駕駛汽車未來抱有單純的期望。」

如果說技術公司們要思考的是怎麽把一輛普通汽車改造成一輛 N 級自動駕駛汽車，那麽車廠們，特別是那群以無人駕駛為重要賣點的新興汽車品牌，要考慮的還有一連串「前提」：

怎麽在保證控制成本的基礎上，在保證能夠量產的基礎上，在保證能夠達到車規級的基礎上，在保證安全系數的基礎上，生產出一輛自動駕駛汽車。

因此，特斯拉自動駕駛系統直到現在依然沒有什麽實質進展，就足以說明問題。

而小鵬汽車 CEO 何小鵬，在一場廣州自動駕駛論壇上的通篇演講，更是隻說明了一件事兒——

量產一輛功能穩定的自動駕駛汽車，真的太難。特別是 L4 級消費級產品，落地起碼要至少花費 10 年。

何小鵬稱自己還在做互聯網的時候，曾跟歐洲一家公司展開競爭，對方提出的一個「可靠性的標準」是「5 個 9」（在系統的高可靠性裡有個衡量可靠性的標準——X 個 9，5 個 9 表示該系統在連續運行 1 年時間裡最多可能的業務中斷時間是 5.26 分鐘，達到高可用性級別）。

直到現在，即使對 BAT 來說，要想把一個服務做到「5 個 9」的可靠性也還是非常非常困難。

而對應到汽車行業，他認為無人駕駛車有一個很大的挑戰，就是在於誰能夠把它先做到 n 個 9。

「今天我覺得無人駕駛車不管是開一個小時還是多個小時，不管是跑多少公里，最重要的是你能不能讓它足夠的安全。

如果我是兩個 9，也就是 99% 的可靠性（在汽車裡面叫魯棒性，魯棒性比可靠性更複雜），出現 1% 的事故都沒有人接受。」

因此，如果平衡用戶體驗、行車安全以及成本，做出真正的整車+自動駕駛，跟「原來互聯網公司把功能做到 70%，只有一個 9 沒做到就可以上路」，是兩種截然不同的思路。

「拿現在很多車上都有的『自動泊車』功能來看，用戶真的使用嗎？

我們在 1000 多個場景中測試過特斯拉的自動泊車，成功率只有 13%。所以說，即便很多車上有這種功能，基本上體驗不好你肯定不會再用第二次。」

而從成本角度來看，生產 100 台車與生產 1 萬台車之間要建立的基礎與思考的問題是千差萬別的。

譬如，Waymo 一台測試車的市值大概為 15 萬美金，而作為車廠，小鵬要想的是能否將價格壓到一台 5 萬美金。

「我從 1 台做到 100 台車沒問題，但是我做 1 萬台車，要節省成本，考慮的是能否下線自動標定，自動測試，而且量產規模擴大，你還要考慮用戶怎麽給車維修和做保養更加方便，我們怎麽通過遠程發現自動駕駛問題等等。

此外，由於路況以及場景非常複雜，目前我們針對各種功能做的大量規模測試費用非常高，而這些功能你最後還必須保證它們能被高頻使用，如果用戶棄之不用，那麽成本壓力會更大。」

因此，何小鵬得出了一個並非悲觀但十分謹慎的結論——L4 級無人駕駛消費級產品的落地起碼要 10 年以後。

「實際上今天大部分整車廠都在做 L2 級自動駕駛，嚴格意義上叫自動輔助駕駛。而 L3 級自動駕駛的大規模落地，至少要在 2021 年以後。」

技術不足，「範圍」來補

上個月 Waymo 負責人 John Krafcik 發表的無人駕駛局限論讓媒體界炸了鍋：

「在未來的幾十年內，自動駕駛汽車做不到無處不在，它會一直存在限制。在很長一段時間內，自動駕駛汽車都會需要司機的協助。」

其實，在兩年前谷歌無人駕駛事業部剛剛被分出來並被命名為 Waymo 時，John Krafcik 就說過幾乎意思完全一樣的話。

但當時的無人駕駛圈還沒像現在這樣熱鬧，也沒這麽多被投資方寄予希望的技術創業公司，更沒有料到無人車在普通城市路線上的安全運行要比想象中難太多。

根據加州機動車部門的記錄，Waymo 無人車引發的相撞事故已達 36 次，似乎無法應對山景市蜿蜒的六車道（國王高速公路）。

而如今，在此情此景下，這番話似乎也給諸多公司留了「為商業落地限定一個範圍」的余地。

作為專攻 L4 及以上級別無人駕駛技術的公司之一，經歷了人事架構調整後的文遠知行（前景馳科技）在上個月剛拿到由雷諾日產三菱聯盟領投的 A 輪融資。

但這家曾明確要做「乘用車完全自動駕駛解決方案」與「基於普通城市路線計程車運營」的技術公司，也逐漸開始將宣傳重點放在了「實現特定場景下的 L4 級自動駕駛」上面。

針對 Krafcik 相對消極的講話，文遠知行現任 CEO 韓旭是這樣理解的——

「看他前面的那個修飾語 ubiquitious，是指無處不在的自動駕駛。

而我們做的是 L4 級別的自動駕駛，是在限定區域可以開，這個差別就非常大了，L5 級別的自動駕駛還處於科幻狀態，但是 L4 自動駕駛真的很快就到來。」

這裡指的「很快到來」，可以對應目前文遠知行在廣州生物島上的無人車項目運營。

然而，這個島從某種意義來說是一個類似於景點的封閉區域，其路線狀況的複雜度與普通城區路線不可相提並論。

從目前來看，一些曾專攻高級別無人駕駛技術的公司開始熱衷於強調「限定區域」多過「技術能夠勝任複雜路線場景」，這種轉變可以被視為一個「為更快商業化而微調方向」的信號。

實際上，廣汽研究院智能駕駛技術部負責人郭繼舜就認為，從技術生態角度來說，無論是 L3 或者是 L4 汽車的量產，都面臨 N 多個難題：

1、目前無人車的感知層做的不夠準。

特斯拉當年車禍導致的首起命案就是由於視覺傳感器與毫米波雷達同時失效引發的悲劇。而直到現在，處理好傳感器成本與高效感知能力之間的平衡，仍然是所有技術公司面臨的難題之一。

2、決策能力受限。

提升決策能力在於建立完善高效的人工智能模型與拿到大量有效的路測數據，因此，必須要涵蓋足夠多且複雜甚至罕見的場景。

然而，當下貌似還沒有比谷歌累計路測公里數更多的公司（當然，仿真測試也是一種路徑）。

3、對執行控制層的把握不足。

執行控制層才是自動駕駛真正落地的基礎，畢竟所有的指令都需要最後落實到執行控制層。

譬如速度控制系統，就是無人車的最基本控制系統之一，是實現無人駕駛智能車穩定、安全行駛最重要的部分。

然而，目前技術公司對執行控制一直談的比較少，是因為這方面絕大部分技術掌握在主機廠與 Tier1 廠商手中。因此，一定需要車廠與技術公司的合力才能解決這個層面上出現的諸多問題。

4、缺乏合格的人工智能芯片。

郭繼舜特別提到了「缺乏芯片是他們當下面臨的一個很大的問題」。因為他表示廣汽預計會在 2020 年第一季度量產第一輛 L3 級智能駕駛汽車，但到目前為止，由一家國外供應商提供的主芯片都有延期的風險。

「因此，我們非常需要國內能夠研發並生產出一款擁有足夠算力且功能安全的自動駕駛芯片。」

（圖片來自 CSDN）

「不僅僅是上面這些問題，我們在以量產為目的的技術研發過程中，感覺這片領域就像剛剛收割過的蘿卜田，處處都是坑，存在各種各樣的阻礙。

但總的來說，最危險的其實莫過於——有人駕駛與無人駕駛車在路上一起跑。」

因此，為技術的應用「限定一個區域」，也許是工程師們踩過無數坑後得出的最符合常識且最節省成本的方法論。

5G 真的很快能來？

車路協同，需要低延時、高可靠的網絡連接；而網絡建設，則需要運營商。

因此，本來就在力推 5G 聯盟的運營商們，迅速在無人駕駛產業鏈上找到了自己的絕佳位置：

既然車路協同要求的是「車與車、車與人，車與基礎設施的高效互聯，那麽就與 5G 網絡的特點非常契合——

下行 20G/秒，上行 10G/秒，帶寬足夠好；低至幾毫秒的低時延；高可靠度的連接。

因此一年多來，自動駕駛公司與聯通、移動等通訊運營商的各種合作來勢迅猛，譬如文遠知行就與聯通聯合試驗了在 5G 環境下的汽車遠程控制項目。

此外，越來越多的技術創業公司正在加入由運營商們主導的各類 5G 聯盟，後者也積極地在全國鋪設 5G 基地台並獲取試驗牌照。

這股勢頭極易讓人產生錯覺，似乎 5G 一來，就立馬會破解自動駕駛汽車上路，或者說是「車路協同」的最大阻力。

而現實情況是，5G 本身的落地就是個難題，即便實現了，車路協同裡的「路」還完全沒譜。

廣州聯通副總經理廖江沒有回避談論在 5G 建設中的諸多挑戰，實際上，從拿到 5G 牌照到實際應用，中間還隔著山路十八彎：

第一，5G 是比較新的事物，其通信標準是由 3GPP 制定的，但目前標準尚未確定。

雖然現在推出了名為 R15 的技術規範版本，但這一版本主要是解決高清方面的業務問題，真正跟車聯網最為密切相關的標準還沒有最終確定，這就影響了整個產業鏈的發展進度。

第二，目前包括 5G 芯片以及其他終端產品並沒有出現。

譬如大家都知道現在 5G 手機還沒有推出（可能明年會推出），而汽車這類 5G 終端是相對比較大的工業化部件，落地速度會更慢一些，畢竟產業鏈是一個由小到大的健全過程。

第三，雖然自動駕駛界對 5G 寄予厚望，也在進行相關試驗，但 5G 本身的建設是非常有難度的，因為高頻傳輸需要基地台搭建地非常密集。

因此，不管從設備功耗，還是運營商網絡改造來看，要耗費的資源都非常龐大。

「不過我相信，隨著 5G 牌照正式發放後，這些問題也會隨之解決。但仍然需要時間。」

儘管 5G 對於包括自動駕駛、工業以及其他領域的高效數據傳輸都是有必要的，但我們不妨反過來想一下：

實現車路協同所需要的網絡傳輸效果，真的只有 5G 才能做到嗎？

其實清華大學自動化系教授、863 車路協同項目首席科學家姚丹亞曾發表過一個重要觀點——

儘管 5G 可以做到低延時、高可靠、接海量終端節點、大帶寬（恨不得 1 秒 1 個 G 流量），但只有前兩個是自動駕駛汽車所需要的。

「如果要實現這兩點，DSRC（即短距離通信技術，有數十年研發與測試歷史，已經被美國交通部確認為 V2V 標準，並將 5.9GHz 作為其專用通信頻道）其實已經可以完成要求了，並不需要 5G 的普及。」

技術研發瓶頸、工程化與量產能力不足、穩定與安全漏洞以及相關人才的緊缺，都是造成無人駕駛技術公司與車企在商業化落地方面遲遲沒有進展的重要因素，這也無怪乎曾經自信滿滿聊技術與夢想的行業專家們，如今語氣裡也多了一份憂慮，甚至提前給我們打了預防針：

「今年就像自動駕駛冬天來臨前的一年」，

在論壇上被問及「自動駕駛的 2018 年是互聯網發展的哪一年」時，韓旭的回答雖然讓人有些驚訝，但卻在意料之中：

「自動駕駛會有冬天的，但我們確信阿里巴巴、騰訊這樣偉大的公司都是在冬天之後產生的，所以我們期待這個冬天能夠讓我們真正變成一個美好的春天。」

而郭繼舜給出了一個看似形式更加嚴峻的答案：

「我們未來可能會面臨一個冬天，不光是自動駕駛，整個汽車產業都會面臨一個冬天。」

但是，他表示仍然相信谷歌自動駕駛項目前負責人 Sebastian Thrun 說過的那句話——

「自動駕駛是人工智能改變世界的光輝起點」。

凜冬將至。但在建立危機意識的同時，也許應該回歸到做技術的本質。

（我是機器之心的高級編輯傅博，關注無人駕駛與 AI+安防，歡迎行業人士一起交流（微信：fudabo001，請備注部門）。