無(wú)論資本此前多么狂熱，遲遲無(wú)法工程化，也足以讓他們冷靜下來(lái)。

文/《汽車人》黃耀鵬

對(duì)于自動(dòng)駕駛（AP）初創(chuàng)技術(shù)而言，2020年是一個(gè)慘淡的、難以兌現(xiàn)承諾的年度。盡管越來(lái)越多量產(chǎn)車搭載高級(jí)駕駛輔助系統(tǒng)（ADAS），但最大膽的主機(jī)商，也只敢承諾到L2.5級(jí)的水平。

至于L3、L4等級(jí)的自動(dòng)駕駛，雖然也有若干家公司聲稱進(jìn)行了大量的路試和模擬訓(xùn)練，但并未縮短量產(chǎn)落地的預(yù)期時(shí)間。就連公認(rèn)處于自動(dòng)駕駛技術(shù)前沿的Waymo，其技術(shù)落地也未有任何明確時(shí)間表。

資本對(duì)自動(dòng)駕駛的熱情，早已在兩年前就已跌落。如今還在進(jìn)行中的項(xiàng)目，基本都是存量了。被主機(jī)廠收購(gòu)的初創(chuàng)公司（譬如Cruise），難免再次慶幸當(dāng)初的選擇。

技術(shù)瓶頸：雖咫尺而千里

自從優(yōu)步自動(dòng)駕駛的路試發(fā)生致命事故后，該項(xiàng)目實(shí)際上已經(jīng)擱淺，并非由于事故本身，而是這條技術(shù)路線（深度學(xué)習(xí)），看上去正在走進(jìn)死胡同。

學(xué)術(shù)界越來(lái)越認(rèn)同，當(dāng)前自動(dòng)駕駛的難點(diǎn)在于感知和決策規(guī)劃。純視覺(jué)方案雖然還在量產(chǎn)車上應(yīng)用，但是正在被前沿拋棄。

而決策依賴算力。算力越來(lái)越便宜，可以在車機(jī)上運(yùn)行更復(fù)雜的神經(jīng)網(wǎng)絡(luò)。但是，后者不僅訓(xùn)練成本高，研究人員還絕望地發(fā)現(xiàn)，當(dāng)前系統(tǒng)無(wú)法適應(yīng)現(xiàn)實(shí)道路的復(fù)雜。真實(shí)世界的復(fù)雜變化，很難用數(shù)學(xué)模型擬合出來(lái)。

而且，AI在模擬人類決策方面，也做得一塌糊涂。如果風(fēng)卷起一堆枯葉在空中飄落，人類會(huì)照常行駛，而雷達(dá)和攝像頭都認(rèn)為是障礙物，需要停車或者避讓。

訓(xùn)練系統(tǒng)認(rèn)識(shí)落葉的形態(tài)，顯然是愚蠢的。就算是一片水洼、路邊的松鼠，都會(huì)給機(jī)器決策帶來(lái)無(wú)窮無(wú)盡的麻煩，人類幾乎不會(huì)受到影響。

現(xiàn)在處于試驗(yàn)階段的L3、L4級(jí)自動(dòng)駕駛，無(wú)一例外都裝有多個(gè)激光雷達(dá)、毫米波雷達(dá)，很難在試驗(yàn)道路上遇到撞車這種事，但經(jīng)常對(duì)簡(jiǎn)單路況（在人類看來(lái)）表現(xiàn)得傻里傻氣，不是過(guò)于謹(jǐn)慎，就是一驚一乍。人們不認(rèn)為，現(xiàn)階段的AI擁有真正意義上的思考和判斷能力。

技術(shù)團(tuán)隊(duì)越來(lái)越深刻地認(rèn)識(shí)到，不存在工程手段，能給所有范式提供徹底解決方案。

顯然，風(fēng)投資本對(duì)此已經(jīng)喪失了耐心。

商業(yè)化：水中望月

不需要深厚的知識(shí)儲(chǔ)備，只要稍微涉及一點(diǎn)自動(dòng)駕駛的技術(shù)就能明白，現(xiàn)階段讓人放開(kāi)手腳的自動(dòng)駕駛（L4、L5）的大規(guī)模應(yīng)用，是不可能的。無(wú)論自動(dòng)駕駛在測(cè)試道路上表現(xiàn)得多么完美和順滑，至少3-5年內(nèi)不會(huì)有人嘗試將其商業(yè)化。

能夠商業(yè)化的技術(shù)，必然能利用現(xiàn)有技術(shù)和工業(yè)基礎(chǔ)，工程化樣品沒(méi)有明顯瑕疵，再通過(guò)大規(guī)模工業(yè)生產(chǎn)壓低成本，廣泛應(yīng)用，創(chuàng)造利潤(rùn)。

而這么做的前提是，技術(shù)已經(jīng)走完了所有的研發(fā)階段。

首先就是理論突破?？茖W(xué)家在很久之前就在理論上預(yù)見(jiàn)，并證明了可行性?，F(xiàn)在芯片技術(shù)的理論基礎(chǔ)是量子力學(xué)，后者在100年前就已被發(fā)現(xiàn)，并形成完整理論體系。

然后是技術(shù)突破。技術(shù)團(tuán)隊(duì)突破了技術(shù)實(shí)現(xiàn)的壁壘，做出了接近理論預(yù)期的樣品。很明顯，高等級(jí)自動(dòng)駕駛正處于Demo階段，問(wèn)題在于，與預(yù)期相差太遠(yuǎn)。我們因此懷疑，從一開(kāi)始是否就走錯(cuò)了路。

最后則為工程化階段。逐一解決產(chǎn)品設(shè)計(jì)、方案優(yōu)化、性能穩(wěn)定、良品率的問(wèn)題。

2019年諾貝爾化學(xué)獎(jiǎng)授予發(fā)明鋰離子電池的三位科學(xué)家。盡管伏打電池已經(jīng)誕生超過(guò)200年，但是直到1979年，科學(xué)家才在實(shí)驗(yàn)室中實(shí)現(xiàn)鋰離子電池的實(shí)用化方案。而我們?nèi)缃袷褂玫腅V，則來(lái)源于1979年實(shí)用方案的工程化落地。

歷史不會(huì)簡(jiǎn)單重復(fù)，但可以昭示一點(diǎn)讓人冷靜的規(guī)律。工程化的科技產(chǎn)品，從試驗(yàn)室走向工廠，大概要經(jīng)歷20年或者更久。位于第二階段早期的自動(dòng)駕駛技術(shù)，無(wú)論資本此前多么狂熱，遲遲無(wú)法工程化，也足以讓他們冷靜下來(lái)。

現(xiàn)階段，無(wú)人駕駛工程師們都緊盯著知名期刊上發(fā)表的所謂最新進(jìn)展，希望獲得工程化的靈感，反而說(shuō)明了這一行業(yè)還遠(yuǎn)未到成熟的階段。

資本的不理智之處在于，在第二階段還未走完的情況下，強(qiáng)推進(jìn)入第三階段。打臉是一定的，投入越多，打得越狠。

但是，在特定場(chǎng)景下，譬如礦山、港口、倉(cāng)庫(kù)、工業(yè)園區(qū)等，以低速實(shí)現(xiàn)L4、L5級(jí)自動(dòng)駕駛，現(xiàn)在已經(jīng)沒(méi)有障礙。這和泛化的L4技術(shù)完全是兩回事。

現(xiàn)在這一趨勢(shì)已經(jīng)很明顯了，新投資很少進(jìn)來(lái)。有些初創(chuàng)公司在發(fā)布會(huì)上發(fā)布的自動(dòng)駕駛視頻，是以電影手法，一段一段剪輯出來(lái)的，甚至在現(xiàn)場(chǎng)偷著用筆記本電腦遙控車輛，希望忽悠投資人，讓后者相信技術(shù)前景是光明的。投資人如今還被騙的概率，已經(jīng)相當(dāng)?shù)土恕Ｈ缃袢暨€這么做，等同于宣布自我了斷。

未來(lái)出路：灰燼中的火星

既然追求中短期回報(bào)的資本不再進(jìn)來(lái)，長(zhǎng)期資本還在繼續(xù)熬。譬如谷歌分拆的Waymo和通用的Cruise。不過(guò)，至少?gòu)墓_(kāi)資料上看，他們依然處于瓶頸期，尚無(wú)突破跡象。

而云端解決方案，因?yàn)?G的發(fā)展，正在趕上來(lái)。和單車智慧相比，依賴5G和云端指揮的車路協(xié)同，是一條不錯(cuò)的路。

云端指揮的基礎(chǔ)是大數(shù)據(jù)。先收集駕駛經(jīng)驗(yàn)數(shù)據(jù)，相當(dāng)于擁有優(yōu)秀駕駛經(jīng)驗(yàn)池，而且針對(duì)每一條道路，都有最佳解決方案。

同時(shí)，道路和交通設(shè)施布滿了傳感器，走萬(wàn)物互聯(lián)路線。兩者共同告訴車機(jī)該如何行駛，后者不必理解為什么要這么做，只須根據(jù)場(chǎng)景引用。

而云端不是為了取代車端智能，而是降低后者的算力壓力，簡(jiǎn)化設(shè)計(jì)，更快進(jìn)入工程化。

云端將處于一個(gè)小區(qū)域范圍的車輛組成了臨時(shí)“局域網(wǎng)”。每一輛車都通過(guò)其它車輛獲取觀測(cè)數(shù)據(jù)，感知周圍環(huán)境，以解決盲區(qū)和漏檢。

信息互通的情況下，超車、通過(guò)十字路口都提前給周圍車輛發(fā)送請(qǐng)求，云端通過(guò)統(tǒng)一策略協(xié)調(diào)，其它車輛無(wú)須盲猜對(duì)方意圖，提升效率和安全性。畢竟數(shù)據(jù)鏈傳送，遠(yuǎn)遠(yuǎn)快于車輛機(jī)械運(yùn)動(dòng)和制動(dòng)。云端協(xié)調(diào)方式，比設(shè)計(jì)單車復(fù)雜行為邏輯、訓(xùn)練AI模型要簡(jiǎn)單得多。

但是，這不但需要5G、物聯(lián)網(wǎng)（IoT）的高度發(fā)展，還意味著要翻新整個(gè)城市交通基礎(chǔ)設(shè)施，需要投入天量資金，曠日持久。

如前所述，在AI訓(xùn)練上屢受挫折的技術(shù)團(tuán)隊(duì)，開(kāi)始懷疑整個(gè)理論基礎(chǔ)。AI訓(xùn)練的基礎(chǔ)是人工神經(jīng)網(wǎng)絡(luò)，后者則受到神經(jīng)系統(tǒng)結(jié)構(gòu)的啟發(fā)。但是馮·諾依曼體系（計(jì)算機(jī)基礎(chǔ)架構(gòu)）模擬生物能力，在推理、聯(lián)想和潛意識(shí)判斷等高級(jí)領(lǐng)域，完全無(wú)能為力。這是人類駕駛員的核心能力。

而人類對(duì)自身認(rèn)知的規(guī)律理解層次非常淺，我們搞不懂大腦如何運(yùn)作、記憶如何存儲(chǔ)、信息如何搜索、靈感如何產(chǎn)生，所有神經(jīng)深層次機(jī)制，全都知之甚少。這意味著AI用算法對(duì)人類的模擬，一定是拙劣的、浮于表面的。

自動(dòng)駕駛作為應(yīng)用學(xué)科，不可能跑到生命科學(xué)基礎(chǔ)理論的前面，在后者還停留在小學(xué)水平上的時(shí)候，就取得重大突破，完全是癡人說(shuō)夢(mèng)。

從這一角度，自動(dòng)駕駛已經(jīng)涼了，只是資本意識(shí)到這一點(diǎn)的時(shí)間不長(zhǎng)而已。當(dāng)然，這項(xiàng)技術(shù)仍會(huì)發(fā)展，將在有限場(chǎng)景下獲得有限的高等級(jí)應(yīng)用。大批資本將在2-3年內(nèi)退出，產(chǎn)業(yè)界將會(huì)轉(zhuǎn)而尋求走5G支持下的云端+低算力車機(jī)道路。（文/《汽車人》黃耀鵬，部分圖片來(lái)源網(wǎng)絡(luò)）【版權(quán)聲明】本文系《汽車人》獨(dú)家原創(chuàng)稿件，版權(quán)為《汽車人》所有。