自動駕駛潮涌，人類何時交出方向盤？

凌川兒

“2020年會有100萬輛無人駕駛出租車上路?！?019年4月，一向“大嘴巴”的特斯拉CEO伊隆·馬斯克，在推特上這樣宣稱。

有趣的是，李開復在這條推特底下評論道，如果屆時路上真的有100萬輛特斯拉的無人駕駛汽車，“我就把它們?nèi)粤恕薄?/p>

如今回過頭來看，圍繞自動駕駛的各種美麗幻想和狂熱樂觀正在逐步消退。大家都知道，在汽車工業(yè)漸進式的發(fā)展進程中，自動駕駛汽車在或遠或近的未來終將到來，但在目前，這輛無人駕駛車輛的四個輪子何時真正大規(guī)模落地，尚沒有明晰的時間表。

狂熱“前夜”

在不斷嘗試突破肉體極限的后人類時代，新興科技在重新“書寫”人類本身的同時，也給日常的交通出行場景帶來前所未有的變革。

過去這一個多世紀，汽車工業(yè)的產(chǎn)品，都圍繞著以發(fā)動機為驅(qū)動、以化石燃料為能源的技術(shù)核心展開設計?！叭ν馊恕敝悄茈妱榆嚨膹妱萸腥耄谡?、零部件和儲能系統(tǒng)等產(chǎn)業(yè)鏈環(huán)節(jié)上快速布局，成為近年帶動全球汽車業(yè)巨變的弄潮兒。

科技的進步，不斷對汽車進行越來越全面的武裝。有數(shù)據(jù)表明，世界經(jīng)濟增長總值里差不多10%和出行、運輸相關(guān)。2017年，英特爾發(fā)布報告稱，到2050年，預計全球自動駕駛汽車市場的規(guī)模將達到7萬億美元。

承載著“技術(shù)創(chuàng)造美好生活”的暢想，眼前是如此豐厚的商業(yè)潛力，行業(yè)內(nèi)外充滿信心。2016年底，蘋果和谷歌兩大科技巨頭相繼放棄了籌備已久的造車計劃，轉(zhuǎn)而大力投入自動駕駛和智能互聯(lián)軟件業(yè)務的研發(fā)。

彼時的全球汽車市場，看上去像極了自動駕駛汽車量產(chǎn)時代來臨的前夜：以特斯拉為代表的新能源車企，在整合自動駕駛技術(shù)軟硬件上最為積極;傳統(tǒng)車企如寶馬、大眾，利用自身在制造端的深厚優(yōu)勢，聯(lián)合科技公司加速智能車的研發(fā)和技術(shù)儲備;而英偉達、地平線等人工智能的核心玩家—芯片商們，也在自動駕駛AI芯片的“軍備競賽”中展開激烈角逐。

一旦自動駕駛車輛被證實可行，大批無人駕駛出租車上路成為現(xiàn)實，將對生產(chǎn)、銷售汽車的固有商業(yè)模式造成顛覆性沖擊。畢竟在有技術(shù)保證的前提下，絕大部分用戶都不會選擇被安全帶系住枯坐在方向盤后。

2 0 2 0年1月2 1日，美國舊金山，C r u i s e推出了一款名為Or i g in的無人駕駛汽車

更何況，相比會疲倦、有情緒波動甚至“路怒癥”的人類駕駛員，人們更愿意相信，人工智能永遠保持穩(wěn)定，沒有“酒駕”的可能性，絕對不會犯下人類重復犯過的錯誤。

20 18年3月19日，調(diào)查人員在檢查發(fā)生事故的Uber自動駕駛測試車輛

熱潮迅速鋪開，汽車業(yè)巨頭們陷入了集體焦慮。在從單純的汽車制造商向移動出行服務商轉(zhuǎn)型的路上，傳統(tǒng)車企并沒有比“造車新勢力”慢多少。2016年3月，通用汽車就以10億美元的高價，收購了一家從事自動駕駛技術(shù)開發(fā)的初創(chuàng)公司Cruise。

無數(shù)家“Cruise”在一夜之間冒了出來，“廣撒幣”成了常態(tài)。傳統(tǒng)車企們捏著錢到處找人投資。甚至有消息傳出，有自動駕駛相關(guān)的初創(chuàng)公司，僅憑其創(chuàng)始人的簡歷就能拿到一筆可觀的融資。

愈發(fā)盲目的樂觀情緒蔓延開來，直到全球第一例自動駕駛致死事故的發(fā)生，從業(yè)者們才清醒過來。

/ 自動駕駛系統(tǒng)在剎停頓挫、提前預判障礙物等操作細節(jié)上的表現(xiàn)實屬糟糕。 /

2018年3月19日，網(wǎng)約車公司Uber的自動駕駛測試車輛在美國亞利桑那州發(fā)生車禍，撞死了一名正扶著自行車過馬路的女性。事發(fā)時，肇事的測試車輛處于自動駕駛狀態(tài)，車內(nèi)還配有安全駕駛員。

在外界焦急等待兩個月后，美國國家運輸安全委員會公布了事故調(diào)查結(jié)果。據(jù)其透露，在碰撞發(fā)生的前6秒，Uber的這輛處于自動行駛過程中的測試車輛已經(jīng)監(jiān)測到了受害者，卻先后將其識別為不明物體、汽車和自行車。

其后有報道揭露，事發(fā)時，Uber主動關(guān)閉了測試車輛上的緊急剎車功能，以降低系統(tǒng)操控駕駛行為的突兀性。Uber的管理者辯稱，此舉也是安全措施的體現(xiàn)：如果無人駕駛的汽車在錯誤的時間急剎車或急轉(zhuǎn)彎，會嚴重影響到同路段行駛的其他車輛。

但這依然暴露出自動駕駛技術(shù)亟須優(yōu)化的一面。發(fā)展至近年，自動駕駛技術(shù)遠無法做到零失誤率識別路上的障礙物體，遑論完美模擬人類平順的駕駛行為。

嘗試商用的無人駕駛出租車，在車內(nèi)依然需要配備安全員，這必然不是人們想象當中招之即來、車況井然有序的高科技場景。在把油門和剎車交給人工智能來處理之后，研發(fā)者發(fā)現(xiàn)，相比這么多年來已經(jīng)熟悉到幾乎忽略其存在的人類司機，自動駕駛系統(tǒng)在剎停頓挫、提前預判障礙物等操作細節(jié)上的表現(xiàn)實屬糟糕，導致乘客的乘坐體驗難言舒適。無法營造高級的現(xiàn)代化出行環(huán)境，這也與發(fā)明自動駕駛的初衷背道而馳。

倘若實際的技術(shù)難題沒有得到解決，即使試乘體驗良好，帶給外界的也只有更多的質(zhì)疑和不信任。

昔日的明星初創(chuàng)出行企業(yè)Roadstar，曾在2018年完成A輪1.28億美元的融資，創(chuàng)下中國自動駕駛公司單筆融資記錄。據(jù)報道，一位參與A輪融資的資本機構(gòu)負責人，在硅谷僅試乘體驗40分鐘后便決定投資。

但Roadstar的自動駕駛汽車試乘體驗優(yōu)秀，反而說明了其用以路測的自動駕駛系統(tǒng)，設置的駕駛策略相較日常行駛中的判定更為激進—上述全球首例自動駕駛致死事故，部分原因就是Uber公司為了避免行駛過程中過多不必要的剎車，而將車輛緊急剎車系統(tǒng)關(guān)閉。

人們逐漸意識到，自動駕駛技術(shù)在短期內(nèi)，還無法實現(xiàn)商業(yè)化。資本市場趨冷，大部分瞄準無人駕駛出租車方向的初創(chuàng)公司融資困難，不少已經(jīng)選擇退場。

經(jīng)典誤判：是車還是云

自動駕駛汽車落地受阻，大規(guī)模問世的時間要繼續(xù)延后，原因就在于其技術(shù)難度超出過往預期。要知道，一套可靠的自動駕駛系統(tǒng)，必須有智能芯片、算法以及低延時的通信作為技術(shù)支撐，簡單來說，就是要做到“智能”和“網(wǎng)聯(lián)”。

要想讓自主控制的汽車像科幻電影里一般，安全高速地馳騁在湍急的車流中，從目前的技術(shù)出發(fā)，需要通過在車體安裝雷達、攝像頭等智能硬件，來對路況、障礙物和位置等信息進行感知，再通過核心算法進行圖像識別與分析，選擇執(zhí)行方案，最后才進行減速、剎車或轉(zhuǎn)向等車輛控制與操作動作。

得到巨頭青睞的Cruise曾被業(yè)內(nèi)寄予厚望，也在2019年7月宣布推遲原定于該年度登場的無人駕駛出租車商業(yè)計劃。

2 0 15年5月19日，德國無人駕駛技術(shù)新聞發(fā)布會現(xiàn)場，工作人員演示自動停車輔助應用程序

路測是構(gòu)建無人駕駛深度學習模型的關(guān)鍵。路測里程越長，測試車輛經(jīng)歷的駕駛場景越豐富，也就意味著可供系統(tǒng)學習的駕駛經(jīng)驗數(shù)據(jù)就越多。但Cruise的無人車在2018年進行路測時，無法準確判斷路邊物體狀態(tài)的技術(shù)瓶頸至今難解。

在經(jīng)過路邊停放的一排摩托車或自行車時，Cruise的測試車輛會發(fā)生猶豫，不知道是否該在行進過程中停下;有時其無法識別行人;有時誤認為前方有自行車而采取剎停行為。

Cruise研發(fā)自動駕駛系統(tǒng)時所遇到的技術(shù)瓶頸并非偶然。在當下，阻礙自動駕駛汽車發(fā)展的最大限制仍是感知。

如今車輛通用裝備的感知硬件，包括激光雷達、毫米波雷達和攝像頭。它們極易受到外在環(huán)境如天氣和光線等因素的干擾，遑論自動駕駛系統(tǒng)還需要將不同的傳感器采集到的信息進行綜合判別。

2020年6月1日清晨，在中國臺灣嘉義的高速公路上，一輛貨車發(fā)生了側(cè)翻。就當貨車司機在路邊等待救援時，后向一輛疾馳而來的特斯拉Model 3徑直撞向了貨車箱體，轎車的車頭直至A柱部分幾乎全部沒入貨車車廂內(nèi)。

2 0 2 0 年7月3日，北京中關(guān)村科學城北區(qū)的自動駕駛示范區(qū)

在此之前，開啟了Autopilot駕駛輔助的特斯拉車輛，已發(fā)生過數(shù)起類似的交通事故。這類事故一個非常耐人尋味的共同點在于，被撞的靜止車輛其受損面都是大面積白色的，而底部幾乎都是懸空的。在特斯拉的傳感器眼里，這像極了藍天白云下前方通暢無阻的道路。

面對大面積白色的車身，加上白天的強光反射，攝像頭很難提取到前方障礙物被模糊的有效特征點，在毫米波雷達也無法做到精細化識別的時候，系統(tǒng)就很容易將前方橫踞在馬路中央的白色貨車判別為無障礙。

也正是如此，即使是在天氣條件晴朗、可見度高的背景下，盡管攝像頭能夠正常工作，系統(tǒng)的算力充足，其本身也經(jīng)過了長時間的機器學習，但出現(xiàn)識別故障，依然是無法排除的概率事件。這是所有采用視覺方案為主的自動駕駛系統(tǒng)無法避開的極端情況。盡管其可能性會在系統(tǒng)進行機器學習的過程中不斷甚至無限降低，但只要發(fā)生一次，就很難讓人們完全放心地把自己的身家性命，托付給機器本身。

窮盡極限場景

通俗來說，只要機器以前沒有學習過，就有概率會發(fā)生事故。但在現(xiàn)實中，各種極限場景幾乎無法被窮盡。在行業(yè)內(nèi)，一般認為需要80億英里的駕駛測試，才能保證無人駕駛系統(tǒng)比人更安全。如果以一列100輛的車隊來計算，需要每天24小時運營100年才能達到目標，這是個在近期不可能完成的任務。

/ 只要機器以前沒有學習過，就有概率會發(fā)生事故。 /

但樂觀者認為，未來一定會有某個階段，5G技術(shù)和無人駕駛的車輛交互存在，汽車企業(yè)主導的逐級遞進路線也將成為推動自動駕駛技術(shù)真正落地的主要動力。其邏輯就在于，自動駕駛不能等到一切都準備完美后才投入使用，只有循序漸進才能推動技術(shù)迭代發(fā)展。

但需要攻克的技術(shù)難關(guān)不止一個。自動駕駛系統(tǒng)的感知技術(shù)，除了在辨識率上有著高要求外，還需具備處理多元信息的能力。最起碼，其反應速度不得比人類駕駛員慢。

除此以外，更有是否該犧牲少部分人以拯救更多的人的“電車問題”等倫理情境下的待解難題，等待著汽車業(yè)界和政策制定者來回答。自動駕駛似乎距離現(xiàn)實生活并不遙遠，但在落地前，還有厚厚的一疊考卷等待填空。這也是目前人類駕駛員依然是車輛最穩(wěn)妥的決策者的原因。