本来,对自动驾驶的讨论正日趋热烈。国内自动驾驶的商业化落地,在紧锣密鼓地进行;上海和北京相继发放路测临牌;几乎所有涉足自动驾驶领域的公司都不约而同地提出,2020 年将是真正的节点,自动驾驶汽车将实现量产。

 

但是坏消息随之而来。3 月 18 日,全球首例自动驾驶汽车在公共道路上撞击行人并致死事件发生。当日晚 10 点,一辆 Uber 无人驾驶车在美国亚利桑那州坦佩市与一名正过马路的行人相撞,后者不治身亡。受此影响,Uber 已全面叫停美国各个州的路测。

 

几天后,在美国加州,一辆特斯拉 Model X 在自动驾驶状态下高速撞上路边护栏。事故涉及三辆汽车,特斯拉车体发生爆炸,车主死亡。

 

影响在继续扩大。丰田暂停在美自动驾驶测试。英伟达在 GTC2018 上发布了全球最大的 GPU 后,也中止公共道路测试——其股价应声大跌。

 

在大众心目中,“无人驾驶汽车”由那个可以带你飞的老司机,转身就变成了马路杀手。

 

这一连串事故,是否会导致一个行业“变凉”?要“凉”的,会是 Uber 和特斯拉,还是整个自动驾驶的商业化进程?

 

官方公布的视频显示,Uber 车祸发生前,受害者已经推着自行车缓慢横穿了三条车道,并非传说中的“鬼探头”,Uber 的自动驾驶汽车没有第一时间检测出行人。

 

故障原因仍然在调查中——车辆能发现行人并且及时采取措施避免事故,是自动驾驶技术的核心。

 

事发时,该车时速达到了 40 英里 / 小时,而那条街道限速 35 英里 / 小时。尽管当时是夜间、光线不好,但这不应当成为它没有采取任何措施的理由——这辆测试车上安装了 7 个摄像头和 1 个高线束激光雷达,谷歌无人车团队顾问 Brad Templeton 认为,对于激光雷达和视觉系统而言,当时情况并不是非常复杂,正常的话,车辆应该在 50 米处(2.7 秒内)检测到受害者,并且立即强制刹车。最近的情况,车会在距离人 2-3 米的地方停下。

 

当前自动驾驶的主流技术方案,往往是激光雷达、毫米波雷达和摄像头等的融合。车顶的激光雷达和前置雷达识别汽车周围环境,光学摄像头通过计算机视觉算法识别图像、了解汽车行驶场景。传感器收集到的外部数据传送给中央计算单元——它是自动驾驶汽车的“大脑”,创建完整的环境图像,统率整个汽车的避让流程。避让方案的设置,需要大量的 AI 算法做支撑,保障运算的精度和速度。

 

安全行驶的背后,是芯片、传感器、AI 算法、处理系统、高精地图乃至车辆自身的系统,任何一点上的能力缺失,都可能酿成一桩令人心惊的事故。

 

自动驾驶技术自身就形成了长长的产业链条,不同类型的创业公司星罗棋布在这条长长的赛道上不同的领域内。近两年自动驾驶领域持续发生一桩桩天价融资、人才大战,包括自动驾驶专用芯片的提上日程,背后是对研发的重金投入、对技术专利的重视争夺。

 

互联网时代的“以资本换时间”,在这样一个产业里,是不存在的。

 

Uber 的事故里,究竟是 Uber 的雷达故障,还是算法没有到位,现在还不清楚。但是有一点是被很多人认可的,那就是 Uber 走得太“急”了。

 

对于 Uber 的事故,我们大概可以说上一句:“怎么又是你”。大约一年前,还是 Uber 的自动驾驶汽车,还是在亚利桑那州坦佩,与一辆人类驾驶汽车相撞并侧翻。幸好没有人伤亡。当时警方认为,Uber 的测试车处于正常行驶状态,另一辆车没有及时减速,是罪魁祸首。

 

再追溯到 2016 年,Uber 在旧金山部署了一个自动驾驶汽车车队,但没有获得监管者的批准。在与当地车管局争论的过程中,上路第一天,Uber 的车就闯了红灯。事后 Uber 辩称是驾驶员操作失误,但《纽约时报》却指原因是 Uber 的系统无法有效识别红绿灯。

 

总的来看,无论是总里程还是测试中的人工干预次数,Uber 与竞争对手之间,都存在较大差距。美国媒体 ReCode 在去年 3 月披露的 Uber 无人车部门内部文件显示,2016 年 12 月,Uber 自动驾驶车辆行驶里程数为 20000 英里 / 周,平均每 0.8 英里(1287 米)就会出现问题,每 196 英里出现一次可能造成伤害的事故,均需要驾驶员干预,平均每 1.9 英里一次“糟糕的体验”。

 

以时速 60 英里计算,这意味着 Uber 无人车中的人类司机,不到一分钟就需要控制一下车辆。而截止到 2016 年 11 月,谷歌无人驾驶汽车行驶里程超过 300 万公里,能够查询到的数据显示发生了 25 次事故,基本都是人为原因撞上谷歌试验车导致,无重大人员伤亡。其中只有 2016 年 2 月发生的一起车祸,谷歌承认由自己的无人驾驶车辆负责。

 

特斯拉也一样。2016 年 5 月,一辆特斯拉 Model S 型轿车在自动驾驶状态下撞上一辆拖挂车,驾车人死亡。

 

2018 年 3 月 30 日,特斯拉宣布,因为转向系统零配件缺陷召回 12.3 万辆特斯拉 Model S,占特斯拉目前全部产量 28 万台的不到一半,大约是过去两年多的产量。在最近的事故发生后,这次召回的负面影响显然也更为扩大。

 

一次次不幸的事件,给我们的最大启示是,这个领域,具备了技术积累、工程能力等“硬实力”,并且对生命敬畏的玩家,才有资格进入。

 

Uber 内部卡耐基梅隆大学的技术派与 Otto 系的争论,Uber 和 Waymo 旷日持久的官司,都显示出,在自动驾驶上,它操之过急。

 

近两年,国内的自动驾驶,也已经走上了“快车道”。这里有传统汽车厂商和各种解决方案提供商的联手,有互联网巨头的加入,有创新创业公司们在整车解决方案、传感设备、高精地图等方面的试水。

 

无人驾驶带来的想象空间,巨大。

 

汽车产业正面临新的挑战。新能源汽车在动摇内燃机汽车的地位,Uber 和滴滴的打车模式在改变大众的出行方式,移动和车联网逐渐成为下一个汽车时代的主题。以此为基础,自动驾驶蕴含着改变未来商业模式、就业、城市基础设施等的能量。

 

2016 年,前英特尔中国研究院院长吴甘沙宣布,离开工作了 16 年的英特尔,成为驭势科技的联合创始人、CEO。去年,发布了针对城市空间的无人驾驶电动车后,他曾对黑智表示,自动驾驶的背后,是多个至少万亿规模的市场的叠加。

 

滴滴、共享单车、阿里和美团点评已经彻底改变了出行市场格局,不过,即使是它们,也遇到了“人贵”、“人缺”的瓶颈。共享经济能在一定程度上解决这个问题,但又要面对资源使用率和管理成本。而自动驾驶,在提升社会效率、降低人力成本上,前景广阔。

 

伴随着无人驾驶技术的发展,城市空间的变革也可以期待——停车空间节省、加油站空间压缩,每一辆车,则可以开拓成更新的商业空间。由汽车主机市场和出行拓展开来,零售物流、商业地产、能源市场以及衍生的其他市场,都将因此而改变。

 

“智能驾驶是链接产业最多的赋能技术。”吴甘沙说。

 

在物联网时代,车辆不再仅仅是代步工具,能够被赋予更大的含义,将和电脑、手机一样,成为新的终端。智行者科技创始人张德兆对黑智说,在未来,智能车辆将靠“服务”来获得收益。迅雷创始人、松禾远望资本创始合伙人程浩也曾告诉黑智,这也是滴滴和百度“终有一战”的原因。

 

于是就能理解,为何不同领域的巨头们也争相切入这个市场。除了 BAT 和大型车企,滴滴日前也公布了在自动驾驶领域的进程;王兴最近也表示,美团会逐步开展自动驾驶的研发;华为代号“RoadReader”的自动驾驶项目刚刚曝光,用 Mate10 Pro 手机即可操控一辆保时捷。

 

但 Uber 的事故,让走在快车道上的自动驾驶公司们,开始 “降速”。事故发生后,丰田、英伟达、nuTonomy 等公司已表示将暂停车辆路测。景驰科技 CEO 韩旭在朋友圈发言称:“我们做自动驾驶一定要有敬畏之心。我一直反对大干快上。这也是为什么我在各种场合跟各种咖位的专家吵了无数架:一定要坚持有冗余的多传感器融合方案。以目前的计算机视觉技术,任何狂吹自己深度学习多么牛,只用摄像头就可以低成本做自动驾驶的都是耍流氓。”

 

“整个业界需要从事故中分析原因,使得系统安全性进一步提升。”地平线创始人余凯也表示。 “同时新技术企业一定要对生命安全有敬畏之心,避免过分乐观,踏踏实实投入技术研发,特别是安全性的测试验证。”

 

这是事故带给大众的恐慌,也是在自动驾驶上砸进了近百亿美元的车企们的担忧。

 

事实上,人类的“马路杀手”也层出不穷,为什么无人驾驶出现事故,会让我们如此担心?

 

斯坦福大学汽车研究中心执行主任 Stephen Zoepf 曾分析说,在对待无人驾驶时,人们的心态,和看待人类司机完全不同。简单来说,就是我们无法对机器产生“共情”心理。人类司机发生事故时,我们或许会想“如果是我可能也无法避免”,但对于机器,大多数人只会希望它是完美的、应该比人类做得更好。

 

只有人类才会“疏忽”,一台机器出现错误,在大众眼中,那是故障。

 

当然,还有一层更深的恐惧,来自于人们对汽车避让规则的“道德感”的不信任。

 

我们不理解机器,机器也不会对人类产生同情心理。当我们把一切交给机器决策时,在它眼里,每一个生命,都只是一个冷冰冰的与“生存几率”相关的数字。Uber 的车祸令我们担忧,机器会不会毫不犹豫地做出这类足以令人类良心备受谴责的选择:在确保车主或者汽车更安全的理由下,牺牲行人的生命。假如你是自动驾驶汽车里的乘客,或者行人,你希望机器按照什么法则来决定“牺牲”的先后顺序?

 

然而,恐惧归恐惧,我们还是不得不面对这样一个事实:交通部长赵小兰几乎在每次关于无人驾驶的公开演讲中都要提到,美国每年持续增长的交通事故量,以及 94%的事故是由于驾驶员的失误。

 

技术达到何等水平,无人驾驶汽车才足够安全、可以上路?也许,它并不需要完美得无可挑剔。哥伦比亚大学人工智能实验室主任胡迪·利普森(Hod Lipson)在其 2017 年出版的《无人驾驶》一书中提出,只要无人驾驶汽车的安全记录能够超过人类驾驶员的平均水平,那它就是足以“造福人类”的。平均来看,每 20 万英里,人类驾驶员就会出现一次非致命性碰撞,那么只要无人驾驶技术在安全性上优于人类驾驶员两倍,就可以了。

 

Uber 致死事故后,美国加州仍然通过了允许完全无人驾驶汽车测试的规定。技术代替人力的大趋势,不会因为事故停下脚步。

 

“就像人类推进航空事业也曾付出代价一样,自动驾驶技术的研发进程不会一帆风顺,但人类推进自动驾驶让交通出行更安全更便捷的时代趋势不会改变。自动驾驶既不会像很多人想象的那样像场狂欢,技术成熟一蹴而就,也不会因为出现几次事故就停止前进的步伐。”余凯说。

 

特斯拉和谷歌为自动驾驶的商业化做出了不懈的努力。

 

资深撰稿人蒂莫西·李(Timothy B. Lee)曾在国外媒体 Vox 撰文称,自动驾驶包含了一个重大的隐患:我们会太容易变得依赖新的技术,从而不再留心路况。特斯拉当前对于无人驾驶的处理方式是,让带有半自动化驾驶功能的汽车提醒驾驶者注意路况。2016 年的那起撞击事故后,特斯拉更进一步规定,如果司机连续三次忽视警告,在剩余的行程中他就不再能够使用 Autopilot 功能。

 

对此,谷歌的结论是:辅助驾驶是个解不开的局。它的解决方案是直奔全自动驾驶——不需要人类司机的干预。Waymo 正着手尝试,在没有人类驾驶员看护的情况下,让乘客试乘无人驾驶出租车,先期将于 2018 年下半年在亚利桑那州 Phonix 上线。 2017 年 4 月,Waymo 推出“早期乘客计划”,让 Phonix 的真人用户使用应用来打车,当然,为了以防万一,出行过程中还是有真人在操控。同年 11 月,Waymo 的项目升级:无人驾驶的小型空货车被送上了 Phonix 的街道。

 

但是,自动驾驶距离乘用车的大规模商用,仍然很远。

 

在自动驾驶背后的万亿市场商机中,和乘用车并列的商用车,由于环境复杂度相对较低、技术难度较小,成为自动驾驶落地初露曙光的领域。

 

吴甘沙曾经提出:“两到三年内落地的可能性,只有两个:一个是高速公路的 L2、L3 级的自动驾驶,还有一个就是限定场景的、低速的无人驾驶。”2017 年,驭势科技的无人驾驶电动车在广州白云机场、杭州来福士购物中心等地开始了持续的技术验证和试运营服务。

 

在环卫清洁领域,autowise.ai(仙途智能)推出了无人驾驶清洁车,包括 6 米长的中型车以及 3 米长的小型车。2017 年 9 月,智行者科技联合百度 Apollo 平台推出的无人驾驶扫路机蜗小白,在北京园区落地运营。这款扫路机采用了 Apollo 平台的高精地图及定位技术,海德专用汽车提供的扫路机主体,以及智行者无人驾驶整体解决方案,可以在公园内进行常态化作业,实现自动避障、定点起停、自主扫地等功能。

 

在此之前,智行者还曾发布蜗必达 - 无人配送物流车,进入物流的“最后一公里”领域。

 

另外一个重要的切入点是货运。高速公路上的卡车货运,对于人类而言险象环生,但对于自动驾驶系统,“公路驾驶远比城市环境要容易得多。”图森未来创始人陈默曾对黑智表示。高速上路况更为简单,车速稳定,自动驾驶能让长途驾驶的货运司机得到充足的休息,降低事故概率。截至目前,图森未来的 L4 级无人卡车,已经在河北曹妃甸完成了 2 万公里的真实环境路测,时速可以达到 90 公里。

 

4 月 3 日,图森未来对外公布了一段无人集卡车队在港口内作业的测试视频:在港口码头上,一组由陕汽 X6000 组成的图森未来无人驾驶集卡,能够在码头吊臂下精准停放,进行装货、卸货,并可以自动避障和变换车道。图森未来向黑智透露,目前已有 5 辆无人集卡在进行测试,今年年底将达到 25 辆左右。

 

不久前,前滴滴研究院院长何晓飞离职,创办了自动驾驶货车公司逐影科技。

 

自动驾驶在飞速发展,但愿它不再带来“杀人”的消息。