滴滴開放自動駕駛，真正意圖是什麼？

【編者按】自動駕駛是一個任重而道遠的過程，需要投入大筆資金，也需要長期的數據積累、算法優化。

在自動駕駛的角鬥場中，有一個核心資源是數據。理論上，滴滴近水樓台，每天有千萬輛級的運營車輛在路上行駛，可以蒐集海量的實際路況數據。有米之炊，方可在感知、決策、算法等領域搭起上層建築。

本文轉自“童濟仁汽車評論”，作者李夢晨，原標題《滴滴開放自動駕駛，真正意圖是什麼？》經億歐編輯，僅供業內人士參考。

滴滴很久沒有新聞了。

之前，網約車安全事件的影響，仍會時不時撓動公眾的神經。App優化更新之後，再回歸，滴滴仍然低調了很多。

不過，6月末，滴滴在上海嘉定舉行了一場網約車自動駕駛的央視直播，算是這一段時間以來最大的新聞之一了。

關於這場直播的解讀，業界一般認為，這是滴滴“秀肌肉”的做法，為了之後IPO上市做準備。同時，這也是一場面向公眾的自動駕駛科普活動。

但圍繞着滴滴自動駕駛，其實還有很多細節值得關注，對於自動駕駛行業現狀，以及滴滴的出行佈局，或許可以有更多的認知。

如果一定要説這是一場Show，但其實也沒問題。

6月27日，滴滴在上海嘉定上線了自動駕駛網約車服務。在指定的區域內，消費者可以預約滴滴的自動駕駛汽車，免費按需乘坐。

需要注意的是，滴滴自動駕駛服務並不在上海全境，僅在嘉定的指定區域內，所體驗的路線也是固定的。

使用的車輛是沃爾沃XC60，但車上並非“無人”，主駕有一個司機，副駕有一個安全員，消費者需要坐在後排，司機將在必要時候對車輛進行接管。

我們再提幾個看到的“真相”。

1、自動駕駛出租車，即Robotaxi技術，是剛剛火起來嗎？

在海外，2018年12月，谷歌旗下的Waymo自動駕駛公司推出了自動駕駛服務Waymo One；在國內，2019年9月，百度Apollo在長沙開啓Robotaxi自動駕駛試運營服務。

進入2020年，前有AutoX宣佈與高德合作，在上海提供自動駕駛網約車的體驗服務；後有文遠知行在廣州開放Robotaxi對外運營，合作方仍然是高德地圖。

目前，“雷聲”最大的，可能就是滴滴在央視直播的自動駕駛體驗活動。

在這個過程中，除了各家“後浪”跑馬圈地以外，幾個頗有遠見的城市也先後湧現出來。

比如，長沙已打造成為全國首個“自動駕駛之城”的金名片，廣州正在考慮取消安全員，推動自動駕駛汽車進入遠程測試階段。其他開放自動駕駛道路測試的還有上海、武漢、滄州、北京。

2、滴滴是在兑現去年WAIC大會上的承諾嗎？

這次，滴滴提供自動駕駛體驗服務並非突然發力，或者空穴來風。

在2019年WAIC世界人工智能大會現場，滴滴已經展出了自動駕駛的測試車，並提供封閉場地試乘體驗，並承諾在2020年，將率先在上海嘉定向公眾開放自動駕駛體驗服務。

這一承諾，對應的也就是滴滴的這次大秀。

3、嘉定區自動駕駛區域，哪些玩家已入局？

為什麼是上海嘉定呢？因為這裏劃定了一塊區域，叫做“國家智能網聯汽車（上海）試點示範區”，於2016年掛牌落地，屬於開放路段，滿足一定的測試條件。

目前，在這裏參與測試的玩家眾多，包括滴滴出行、AutoX、蔚來汽車以及上汽榮威等。

4、滴滴選擇了哪家品牌的測試車型？

其實就看滴滴與哪家主機廠進行合作。去年在WAIC大會上的測試車是林肯MKZ，今年直播測試用的是沃爾沃XC60。有趣的是，這兩個車都是燃油車，並非電動車。

當然，滴滴與比亞迪也有合作，聯合測試車型是比亞迪秦。

5、滴滴測試車使用的激光雷達比較落後？

據報道，滴滴測試車頭頂的是一枚Velodyne 64線激光雷達，兩側各有一枚Velodyne 16線激光雷達，再有7顆攝像頭組成視覺感知系統。

這套激光雷達系統，確實屬於上一代的產品，滴滴還處於追趕階段。但是造價仍然不低，以“一線抵一萬”粗略估計，單車成本妥妥超過100萬。

6、從現場情況看，滴滴自動駕駛技術表現如何？

直播當天，上海下着毛毛細雨，這對自動駕駛感知系統提出了很大的挑戰。

比如，濺起的水花在激光雷達看來，可能就是需要算法消除的噪點；攝像頭被水霧遮擋，也會影響圖像識別能力。

事實上，現場出現了多次緊急剎車、猛打方向盤的情況，駕駛員也不得不多次接管方向盤；在測試中，遇到了前方停有三輪車的情況，測試車在遠程協助中心發出指令後，才變道離開。

自動駕駛是一個任重而道遠的過程，需要投入大筆資金，也需要長期的數據積累、算法優化。滴滴初步的計劃是到2023年要投入100萬輛自動駕駛汽車，但很顯然，這將是一筆鉅額的成本支出。

豐滿的理想如果要落地，一方面，期待行業的規模效應和技術迭代，單車成本大幅回落，另一方面，去投資圈子裏找錢吧。

滴滴也在思考，如果只做一個網約車平台，怕是沒有什麼不可撼動的競爭力，它需要尋找新的機會。

人手一部手機，以及移動支付普及的時代，孵化出了不少明星企業。比如，“點外賣”有餓了麼、美團，“叫車”有滴滴、神州，“刷視頻”也有抖音、快手。其中，很多企業是在轟轟烈烈的流量爭奪戰中生存下來的。

只是，轉念一想，他們享受在互聯網流量的紅利之下，本質上並沒有直接創造社會價值，而是提高了社會運轉的效率，由此推動其他人或者其他行業擴大社會價值。

他們的模式是可以復刻的，只是時代再沒有那麼僥倖。

正如滴滴目前的困境，之前發生的網約車安全問題令其焦頭爛額，花了很大代價彌補漏洞。同時，一些崛起的“後浪”開始分食滴滴的市場份額。

這些“後浪”，既有主機廠參與組建的運營車隊，也有一些地方稱霸的區域性網約車公司。這兩股勢力其實都不容易小覷，雖然目前體量不大，但由於有着明顯的差異化優勢，滴滴在對手的優勢領域翻盤並不容易。

況且，滴滴也深受連年虧損之痛，這在IPO上市前夜絕不是一個好消息。

滴滴的業務亟需破圈，格局要大。

當其他主機廠都在聲明，要朝着“移動出行服務公司”轉型的時候。其實，滴滴的腳下正是其他主機廠的目的地。只是，滴滴需要做“未來移動出行服務公司”。

格局之大，要大在盯住未來出行的大蛋糕，因為自動駕駛技術可能顛覆既有格局。滴滴如果不想被掀翻，那就得掌握新的競爭力。看看身處海外的Uber，在自動駕駛上的動作也沒有停止過，雖然所有人都知道，這是一筆燒錢的買賣。

我們再來看看，這些年，為了搶灘自動駕駛，滴滴做了什麼。

從時間軸發生的故事來看，滴滴有人才、有資金，各領域的研發已經啓動，甚至也有測試車落地，那麼，還缺少什麼？或者説，滴滴做自動駕駛只是重複前人的腳印嗎？

滴滴官方提到一點，他們每年可以獲得1000億公里的駕駛場景數據。聽上去很龐大，按照滴滴2019年累計運送乘客超100億人次來看，平均每人次貢獻10公里，倒也合理。

這些數據從什麼途徑進行採集？我們需要提到一個後裝智能設備桔視。

這個桔視，功能介紹也很明確，主要包括內外2個攝像頭。內視攝像頭可以識別車內司機的狀態，比如是否存在疲勞駕駛或者抽煙打電話等行為，當然也可以錄像，提高運營車輛的安全性；外視攝像頭相當於一個“行車記錄儀”，可以採集駕駛場景信息。

滴滴在桔視採集數據的基礎上，利用算法篩選，將實際場景中的車道線、行人、車輛等抽象出來，導入仿真引擎中，進行自動駕駛算法的仿真訓練。

事實上，Mobileye推動算法優化，也是依靠車載後裝設備進行大規模的場景採集工作。特斯拉屬於前裝，但也要藉助車主遇到的種種實際場景助其算法優化。

所以，只要桔視實實在在的具備場景採集能力，而滴滴也能夠有效利用這些數據，那麼，這會成為滴滴的核心優勢，再憑藉龐大的運營規模效應，快速迭代，有機會做到“後來居上”。

自動駕駛並不是一個多麼新穎的概念。

真要追溯的話，在上世紀50年代，業界已經有了類似的暢想，當時是為了降低事故率，提高車輛駕駛的安全性。

只是，如今我們拿出了更接近自動駕駛終極效果的產品，但論成熟度，還需要不斷精進。只是，千萬別忽略了，自動駕駛的初衷沒有變，仍是為了更安全的出行，將人為因素的影響降到最低。

面對新事物，我們總需保持謹慎，免不了會陷入一個“襁褓困境”。

正如在劃定區域內進行自動駕駛的測試，雖然是公共開放道路，但測試車輛頭頂那麼碩大的激光雷達，車身再貼着明確的LOGO，正常路過的社會車輛誰還不遠遠地躲着它走？

所以，測試車輛的場景難度其實是大大降低的。但是，不去經歷複雜的實際場景，這個襁褓中的孩子怎麼可能長大？

話又説回來，當這個孩子的判斷能力還不夠強大時，為了安全，我們又不敢把它放在真正複雜的駕駛場景中去自我學習。所以，這就形成了“襁褓困境”，多數時候在裹足不前。

從目前看，解決的辦法仍然是從實際場景中採集海量的數據，然後放入仿真引擎中，讓機器進行自我學習，也就是“先修煉內功，在書本中閲盡各種複雜場景”，再“分階段畢業”，慢慢開放真實的道路測試。

很顯然，數據會成為自動駕駛的一處金礦。礦越大，挖的價值越大，挖礦技術更強，挖出的金子也會更多。