圖片來源@視覺中國
文丨陳根
5G時代的到來和商用的加速把無人駕駛再一次推向風口。事實上，2020年曾是許多汽車企業和科技巨頭計劃推出量產無人駕駛汽車的關鍵時間節點。而當我們真正勝身處2020年時，除了波雲詭譎的疫情和暗流湧動的國際局勢，似乎很少有人主動提及無人駕駛行業當年的慷慨和激盪，其未來的發展也越發模糊。
有關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了傳聞的真實性。之後，華為也官宣了華為無人駕駛操作系統內核（含虛擬化機制）獲得Safety領域最高等級功能安全認證（ISO 26262 ASIL D）的消息。這些似乎並不能否認無人駕駛顯示出的明顯降温。與此同時，曾經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間，或者在已經確定的車型宣傳上，備註“特定的、受限的適用範圍”。
不難承認，2016年無人駕駛的橫空出世確實給我們帶來了驚喜。Waymo、Uber的無人駕駛路測曾讓業內為之一振，也讓許多汽車企業倍感壓力。之後我們見證了Waymo和Uber向汽車企業採購幾千幾萬台汽車用於無人駕駛車輛研發、改制和生產，也見證了通用汽車和福特汽車對無人駕駛的鉅額投入。但隨着時間的流逝，無人駕駛車輛造成的車禍、對於安全員的討論、企業之間對於“出走者”的訴訟等，漸漸讓嘆息多於驚喜。
無人駕駛汽車又一次無可奈何遵循了技術成熟度曲線。時至今日，我們不得不承認，無人駕駛的發展比大家預想的要更難、更慢。在無人駕駛全面商用之前，我們還要跨越哪些障礙？
無人駕駛的興起與“人工智能”的蓬勃發展密不可分。在1956年的達特茅斯會議中，幾位年輕學者就“如何用機器模仿人類在各個方面的智能”的問題進行了討論，這次討論催生了“人工智能”這一全新的概念，也開啓了風雲激盪的新時代。無人駕駛的研究架構中，自然也追隨着理論框架，把人類駕駛汽車的行為進行拆解，並且試圖利用算法和機器智能提升整個行為的安全和效率。
人類駕駛汽車的過程粗略拆分，可以分為幾個步驟：首先觀察周圍車輛情況、交通指示燈。然後依據自己的目的地方向，通過油門、剎車和方向盤，進行加速/減速、轉彎/變道以及剎車的操作。這個過程在無人駕駛的研究中被細分為感知層、決策層和控制層。推演，傳感器、機器以及人工智能算法的結合，將完全超越人類駕駛的過程。
這個看似完美無瑕的推演卻不得不面臨技術的困境。有組合式的傳感器可以以汽車為中心進行360°全覆蓋掃描，以AlphaGo為代表的機制智能已經證明了在速度、精確度等方面機器可以遠超過人類。當機器做出決策後，通過線控系統將信號傳遞到汽車的轉向系統、制動系統和傳動系統，可以確保信號的快速性以及準確性。人工智能下的感知、決策和控制似乎分別達到了朝越人類的水平。但正如前人工智能頂尖學者，斯坦福大學的李飛飛教授在與歷史學者，《人類簡史》、《未來簡史》作者，尤瓦爾•赫拉利( Yuval Noah Harari)對談中強調的，世界的存在不是兩個羣體，真是的社會遠比這個複雜。除了算法之外，還有很多玩家和規則。在無人駕駛研究進入深水區的時候，傳感器、芯片以及數據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。可以説，沒有完整的信息，就不可能支持決策系統做出正確、安全的駕駛決定。雖然眾多的傳感器在單一指標上可以超越人眼，但是融合的難題以及隨之而來的成本困境，成為無人駕駛演進過程中面臨的第一個嚴峻考驗。
多傳感器的問題同時也埋下了下一個問題的隱患，那就是芯片的性能。如果需要更全面的瞭解外部路況信息，就需要部署更多的傳感器。更多的傳感器就對融合提出了更高的要求，而且在高速度的情況下，由於路況信息的變化，所帶來的數據信息也更為海量。
根據英特爾的測算，一台無人駕駛的汽車，配置了GPS、攝像頭、雷達和激光雷達等傳感器。這些設備每天將產生約4TB待處理的傳感器數據，如此巨大的數據量必須有強大的計算設備來支撐。而即使是英偉達這樣的頂級GPU企業，也在算力和功耗的平衡上幾乎達到了天花板。所以近年來，專用計算平台更多的走進人們的視野，包括谷歌投入應用的AI專用芯片TPU、國內頂尖創業公司地平線推出的BPU，特斯拉也在投入巨資進行無人駕駛芯片的研究。在短時間內，這都將是無人駕駛要跨越的巨大技術障礙。
無人駕駛除了現階段面臨的技術瓶頸，在後續的商業化開發上，將持續面臨商業和技術上的矛盾。從商業的邏輯上來説，無人駕駛在一二線城市，甚至是城市的中心區域，可以產生最大的商業價值。但是從目前的技術條件來説，無人駕駛無法一步到位進入一二線城市，還需要更多的測試進行驗證，以保證安全性和可靠性。簡言之，當前的道路測試還不能推動大規模無人駕駛汽車的普及。
因此，無人駕駛在城市的郊區（或者新區）進行封閉場地測試以及公開道路測試，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行仿真測試和封閉場地測試，並且在此基礎上逐漸在開放道路進行測試。
封閉場地方面，位於北京通州、西安經濟技術開發區和重慶高新區的三家無人駕駛封閉測試場已經得到交通運輸部的認定。同時，全國還有多個城市已經建成或正在建設無人駕駛的封閉測試場地。
在開放道路測試方面，2018年4月，工業和信息化部、公安部、交通運輸部就已經聯合發佈了《智能網聯汽車道路測試管理規範（試行）》，對於測試主體、測試駕駛人及測試車輛、測試管理、事故處理等方面進行了規定。此後，北京、上海、重慶、長沙等多座城市也出台了各地的道路測試管理規定，其中多座城市已經發放了無人駕駛路測牌照。在獲得某地無人駕駛路測牌照的基礎上，無人駕駛測試車輛可以在該地區劃定的開放道路測試區域（道路）內，進行測試。
綜合來看，各地區在開放道路的劃定方面，大多以城市郊區作為起始點，並（計劃）逐步向城市中心區、核心區擴展。目前開放的測試道路大多位於城市郊區，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條開放測試道路（總長度約123公里）位於經濟技術開發區、順義區和海淀區；上海5.6公里開放測試道路位於嘉定區；福州6公里開放測試道路位於平潭島麒麟大道；重慶12.5公里開放測試道路位於禮嘉環線；廣州33條道路45.6公里路段位於黃埔區、白雲區、花都區和南沙區；長沙7.8公里開放測試道路位於湘江新區；杭州5條開放測試道路位於未來科技城。
但是，目前的過渡方案依然存在着以下三個問題，依然制約着無人駕駛的進一步發展。
首先，由於場景過於單一，無法反映真實的城市出行場景。目前選擇的開放道路測試區域大多位於城市的郊區，交通流量小、道路較為通暢。但是大多數一二線城市的普遍出行場景恰恰與之相反，大部分情況下是繁忙的、擁堵的，甚至會出現很多人車混雜的情況。即使在簡單場景下驗證成功的技術方案，在進入城市核心區之後，依然需要技術團隊再次攻克難關以及進一步升級方案。同時，由於道路數據的屬地性，技術方案的驗證成功只能僅僅證明在此道路上的成功，拓展性有限，在進入其他道路後依然需要再次進行驗證。
其次，由於缺乏測試場景數據，多家公司在相同的場景下做重複驗證，浪費技術資源。目前正在進行的封閉道路測試以及開放道路測試，對於數據的歸屬性缺乏統一的標準。並且，大多缺乏通用數據的共享以及交易機制，所以大部分道路測試的數據都僅僅歸屬於測試主體。
最後，由於場景遠離出行業務的主要需求區域，這使得測試僅限於技術驗證，無法進行商業模式的探索。因為選擇的開放道路大多位於城市的郊區，並非出行業務的主要需求區域。所以許多諸如無人駕駛出租車、無人駕駛小巴等業務探索缺乏實際有效的需求，只能以技術驗證為主，輔助以部分對外公開展示，無法收集實際的、反映真實需求的數據，更無法在此基礎上進行產品和服務的升級、商業模式的探索。在此背景下，許多商業化的運營設想只能從理論到理論，從設想到設想，從方案到方案，無法真實落地來探索模式的可行性。
無人駕駛在剛出世的時候被賦予了無限的期盼，無論是科技公司還是汽車行業，都把無人駕駛當作面向終端者的產品和解決方案。
而事實永遠比想象要來的骨感。在無人駕駛安全性和可靠性不斷提升的同時，成本也一起雙飛。根據公開數據，無人駕駛汽車之外的傳感器和運算設備等，總價格幾乎相當於一台奔馳E級汽車。這也意味着在現有技術條件下，可以實現L4級無人駕駛功能的汽車，價格將接近百萬元。
當然根據摩爾定律，技術投入和規模效應會極大提升產品的性能，並且極大降低成本。業內許多同行常常舉例説，2005年1萬美金的毫米波雷達，經過10多年已經降到了100美金。但是問題的關鍵是，就算價格降低到1/100，普通消費者是否願意接受呢？
根據德勤的《全無人駕駛的未來—先進汽車技術消費者需求調查》顯示，中國、印度和韓國的消費者對於無人駕駛技術的偏好度位居世界前列，對於先進技術消費者願意支付一點額外費用。以中國消費者為例，2014年，消費者願意額外付費1440美元。而到了2016年，已經大幅降低到700美元。這樣的情況並非只出現在中國，美國消費者在2014年願意支付的費用為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年已經大幅降低到415美元。這也意味着，目前消費者願意接受的額外付費和現有的價格，相差了近100倍。
於是，無人駕駛的使用方從終端消費者切換到出行公司，這背後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範運營的成果顯示，無人駕駛出租車的每公里成本在20元左右，其中車輛成本和運營成本各佔一半。因為百度目前開展的試點運營，還需要安全員在座，從而對緊急狀態進行干預。
即使去除人工成本，每公里成本依然高達15元左右。與此形成比較的是，國內一線城市的出租車約為3元/公里，網約車約為5元/公里。可以推導得出，如果運營方不進行大規模燒錢補貼的話，目前階段的無人駕駛出租車，依然不是面向大眾市場的產物。
或許，跨時代技術的發展真的需要時間的積澱。人工智能的概念起始於1956年的達特茅斯會議，歷經兩次高潮和低谷，由於大數據和出現和深度學習的崛起，人工智能才能在六十多年後實現從概念到落地的過程。
無人駕駛也可能如此，這個時代依舊等着我們去征服，去挑戰，我們翻過了更多的觀念和技術的大山才走到了今天。從最原始的人的雙腳，到被人類馴化的馬、驢以及馬車、牛車等。同時，轎子與畜力工具長期並存。再往後，隨着蒸汽機的出現，汽車、火車代替了原始的交通工具。車轍所及，到處都是自交通工具誕生以來的社會變革。自古如此，及今也是如此。