虎嗅注：欢迎大家光临虎嗅精选前沿科技专栏，这是我们第一篇行业分析性报道。本期呈现的是虎嗅作者李赓对于自动驾驶长期观察下的一些个人看法，对于日常只能接触到单个自动驾驶事件的人来说，这篇是一个不错的快速了解行业的素材。最关键的是，我们希望大家明白——前沿科技，“急”不来。
想第一时间把握前沿科技的动态，快速拥抱这大变革的时代，快来订阅我们的专栏《前沿技术情报所》！
如果你前几年也来了全球科技大展CES，你肯定记得当时自动驾驶刮起的一股“旋风”。尤其是2015年那一届，偌大的拉斯维加斯会展中心（LVCC）北厅，一下子填满了各式各样的车企，和各式各样的自动驾驶概念展示。而在北厅的西边大广场上，你还可以看到英伟达在内的各式各样的自动驾驶车辆实际Demo，一股自动驾驶即将改变一切的气息铺面而来。
一张老图
到了今年的CES 2019，定睛一看，自动驾驶存在感依旧还在，但如果问你有啥进展，你一下子还真说不出来。
例如关键的汽车产业Tier 1厂商、采埃孚（ZF）就在这次CES上表示，到2021年会开始批量生产“L2+（Level 2进阶）”级别的商业化自动驾驶组件。
按照之前美国汽车工程师学会（SAE）给出的自动驾驶技术分级参考，“L2+”实际对应的只是部分自动化。其中驾驶操作由系统完成，周边监控和支援全部由人类驾驶员来完成。这样的能力，距离代表全面自动化的L4、L5（两个等级均突出系统完全接管，且人类不需要插手）实在太远了。
但考虑到采埃孚在当下汽车产业中的重要地位，这套系统基本决定了L2+等级自动驾驶普及开来的实际时间节点——起码要到2023年前后，更不要提更加复杂的L3、L4、L5级自动驾驶了。
当然，很多新闻里面说的“自动驾驶车”其实是低自动驾驶等级的
要知道在前几年，自动驾驶从业者、车企们嘴边挂着的时间节点都是2021、2022年之类的。“跳票”，基本上已经是板上钉钉。
最可惜的是，“不断跳票”还不是短期看衰自动驾驶的全部理由。
高等级自动驾驶迟迟不能商业化
整体进度拖延了那么多，问题是出在技术上面么？答案：是，也不是。
一个能够看出年龄的GIF
从20世纪40年代前后，人类就开始不断遐想自动驾驶，各类科幻小说和电影更是不间断出现。但人类真正开始挑战自动驾驶技术，要从20世纪80年代开始算起，并且在21世纪初初步形成一定积累。
其中一个最重要的里程碑，是美国国防高级研究计划局（DARPA）在2004、2005、2007年举办的三次无人车挑战赛 “ Grand Challenge ”。在那三次比赛中，许多大学和企业拼尽全力，希望通过应用各式新技术，让车辆在沙漠和城市（最后一次挑战赛在城市环境中举行）实现自动驾驶。
尤其是在2007年的那次挑战赛中，比赛环境被设定在了一个模拟的城市环境，除了按照交通标志行驶之外，当时的参赛选手也被要求像人类一样“和其他车辆一同行驶”。最终有4所大学和2家公司都完成了这一挑战。
“武装”到牙齿
当然，以当时的技术，完成挑战的效果并不能说是完美，以速度为例，完成挑战的参赛者们平均速度基本只有20公里出头左右。而且参赛之前往往还要对车辆进行专门的调试。最后还有造价上的问题，以2007年大赛第一名卡内基梅隆大学的Tartan Racing车队为例，他们的2007款雪佛兰塔霍车头挂满了各式各样的传感器。单就是那堆传感器，就已经数倍于车辆本身的价值了。而且，他们一口气还搞了两台。
但不管如何，几次 “ Grand Challenge ”下来明确了一件事情——以人类现有的科学技术，是有希望实现高等级自动驾驶的，只是现在（当时）的代价还是太大了。
顺其自然的，自动驾驶技术之后的发展目标被分割成了3个：提升技术水平、降低自动驾驶成本、想办法实现商业化。这也是一众自动驾驶业者从2007年来，主要努力的方向，成果也比较显著。
首先是技术水平，行业内公认自动驾驶领头羊地位的Waymo，2018年7月就已经实现了公路测试800万英里（约合1287万公里，大约等于绕赤道300多圈）的里程碑。而根据美国公路管理局（DMV）2018年初的自动驾驶测试报告，Waymo已经做到了大约行驶每8000公里，才人工干预自动驾驶一次的水平。
在成本方面，自动驾驶行业则找上了芯片。一众自动驾驶创业公司开始从传感器和处理系统两个方向提升性能和降低成本。与2007年时相比，自动驾驶系统的整体成本已经有所下降，基本能做到低于车辆售价，但同时性能已经较10年前大幅上涨。
按道理来说，只要解决了前两点，第三点就应该迎刃而解。但事实是，尽管Waymo已经计划打造6万台无人车、通用Cruise也已经融资数十亿美元准备批量推出自动驾驶车，无人车的商业化前景依旧不明。
而在整个汽车业中，真正在逐步实现商业化的自动驾驶技术，依旧是处于L1、L2级别的ADAS（高级驾驶辅助系统），各类车道保持、前车跟随、盲区监测已经越来越多地出现在市售车辆当中，在关键时刻甚至可以直接主动干预驾驶。
即便是技术最先进，最先开始商业化尝试的Waymo，目前在行驶过程中依旧选择配备人类安全员（依旧需要给人开工资）。而且虽然自动驾驶的各类传感器、处理器造价已经大幅下降，但这笔开支依旧相当可观（外界普遍估计造价在5000-15000美元，车辆官网售价在27000美元左右）。
只看硬件或许很划算，但潜在的“额外支出项”不可忽视。包括所需要配备的人类安全员、远程监控的系统费用、甚至还有维护自动驾驶部件所增加的各类软硬件维护费用。
当然，成本不是全部，实际表现也相当关键。2018年10月，CNBC曾专门采访了Waymo目前上路测试最频繁的地区——亚利桑那州钱德勒市的居民。当地居民的反应“出奇的一致”：他们不喜欢Waymo自动驾驶车的“驾驶”方式。具体一点的话，就是“无比”的谨慎。
有外媒曾记录了Waymo在美国高速上的一段表现：Waymo刚从入口进入高速，按道理它应该向左并道继续前行，但因为车道上的车流量太多，Waymo在人类司机看起来能变道的情况下仍继续前行。直接打着左转灯开进了紧邻的右转出口。要是真人，估计早被副驾驶席上的妹子骂笨蛋了。
Waymo如此谨慎，自然也有他们的原因——2018年3月Uber的自动驾驶测试车才撞死了一个违规过马路的行人。那件事情一出，Uber的自动驾驶路测就马上被叫停。重大事故对自动驾驶技术在普通人心中形象的影响也同样重要，假如当时撞死人的不是Uber，而是Waymo，那样对自动驾驶行业的影响将是全球性的。
但不管如何，谨慎也是高效的反义词，Waymo单车的运行效率注定是无法超越人类司机（美国遍地老司机）。同时，因为Waymo的车数量和服务量太少，规模效应也无法补足与人类的差距（其实Uber、滴滴的软件系统同样十分高效）。
只要还是现有的交通系统，高等级自动驾驶就基本没有希望能够超越人类的驾驶效率。
成本下降空间越来越小、自动驾驶系统整体效率难以超越人类、还有一定程度的事故风险，这笔账怎么算怎么亏。即便是Google领先了那么多，至今也没能对外展现出明显可期待的商业化价值。自动驾驶想就此普及，自然是难上加难。
核心：通往自动驾驶时代的路径问题
从种种迹象来看，自动驾驶的“停滞不前”，它更像是一个路径问题——单凭人工智能、计算力、传感器合作的模式，仍不足以直接“走通”自动驾驶。
大家为什么选择这条路径上“苦苦挣扎”，为什么不寻找其他路径？捷径是否存在？
以目前自动驾驶业者最期待的新技术趋势5G来说，更高规格的移动通信网络有希望成为整个自动驾驶系统的信息中枢，不仅能够将车辆更好地连接到大互联网，同时也有希望承担车辆于车辆、车辆与环境之间的信息交流。一言以蔽之，它要解决的实际就是信息获取问题。
但从更深层次来说，5G的加入也正在“撬松”自动驾驶迄今为止的一个关键要求：自动驾驶车辆必须兼容现有交通系统，和人类一同驾驶。
要知道，现在世界上所采用的公路交通规则，完全可以追溯到19甚至18世纪的马车时代。虽然在汽车出现之后的百余年间已经发生了许多变化，但整个交通系统的核心依旧是人。间接导致整个交通系统充满了视觉信号：各式各样的交通标线、信号灯、标志牌、再到车上的各种镜子等等。
这与人类在进化过程中，逐渐形成的极强视觉捕捉和分析能力直接相关。但对于计算机来说，图像却是一个很“麻烦”的东西，因为在电子的世界，基础实际上是由0和1组成。
为了在现有的交通系统基础上实现自动驾驶，我们花了大量的时间、精力、资源将他们进行转换（将现实图像转化为数字数据），最后在AI浪潮的帮助下才得以实现。假如未来还需要在自动驾驶车辆上应用更多新科技，这些代价还将变得更大。
上海洋山港AGV码头
相比之下，人类在很多小区域中的、颇见成效的自动驾驶应用其实就采用了完全无人化的方案。例如从20世纪80年代开始的自动化港口AGV。其核心在于将整个港口最繁忙、也是最影响效率的集装箱上船阶段变得更加高效。但在港口AGV中所采用的的自动驾驶技术却是“原始”的，车辆往往只是通过自身对于地图的记忆，以及地面上的磁钉进行导航。基本上不需要更加复杂的视觉、AI帮忙。
现有公路交通本身的弊端突出也是一个重要的原因。根据美国交通部的一组数据：民航飞机目前的死亡率大致是0.003人/亿英里，而汽车是0.61人/亿英里。两者之间的死亡率相差了足足200倍。
可笑的是，就在人类不断不断地创造车祸甚至死亡的同时，却往往对数据层面更安全的自动驾驶表示过分的谨慎甚至抗拒。这其中有“恐怖谷”效应的效用，也有自动驾驶冲击行业，可能为很多人带来不喜欢的变化。
最后是效率，这一点看看全球各大都市的堵车现象就知道了。
人类现有的公路交通本身就够糟糕了，还让自动驾驶去适应、兼容这样的系统，这不是注定不会有好的结果吗？
分析到这里，我们不妨直接提出一个更加大胆的假设：假如我们直接为自动驾驶打造一个全新的交通系统，它应该长什么样子？
2017年，NACTO（美国国家城市交通官方协会）曾专门发布了一份关于未来无人驾驶城市蓝图的报告，对未来自动驾驶状态下的城市进行了大胆的畅想。
路面交通只剩下不同外形的自动驾驶车辆，同时与大容量的轨道交通组合。各类自动驾驶车辆也不存在所有权问题，全部公共化。因为重复利用，车辆数量大幅减少，随之而来的是停车场、车辆维修、能源补给设施的需求减少。最终释放一大堆交通系统所占用的空间。
除了释放空间，交通系统和城市其他空间的交互也将变得不同。例如在出门时输入目的地，自动驾驶车就会出现在门口等你，又或者自动驾驶车辆在运输人员的同时，也帮助进行货物的运输。一系列更加智能、更注重系统效率的交通系统结构都有望得到实现。
看起来最理想、最完美的方案，所对应的自然是不可能。现有的交通系统早已像血管一样深入到人类社会、城市空间当中，想要把这些血管一次性全部改造为适应自动驾驶的存在，必然是天方夜谭。
这也正是大家为啥会在一开始“妥协”，希望通过技术在现有交通系统中实现近似于人类的驾驶能力。
在人们的不懈努力下，技术其实已经在渐渐接近一开始的要求，但有一件事却被大家所忽略——纵观科技发展史，“妥协”向来不是技术的核心主题，唯有“暴力”可以解决问题。
当年在数学计算上“暴力”取代人类的机器，早已成为古董
最好的例子就是计算，在20世纪70年代的航天业中，也标配了不少人类计算员，他们的职责是通过各种辅助计算设备（计算尺等），算出结果。但随着计算机的出现，计算员的价值在短短几年间瞬间下降。这个过程中，完全是计算机强大的计算能力在“暴力”牵引。从另外一个角度来说，这种“暴力”恰恰也是真正的“科技之美”。
但对于自动驾驶来说，一来没有明显的商业潜力，二来也没有明显的暴力型技术，单靠高科技的外表，显然不足以让自动驾驶在短期普及开来。
知道要时间，但要多久真的没谱
自动驾驶的情况并非孤例，在以生产力、效率为导向的现代社会发展主线下，很多事物都已经进入了一个平台期。基础原因是因为相对容易的科技成果已经被人类所摘下，就好像失效的摩尔定律一样，越来越高的新技术获得成本（摩尔第二定律），正在不断减慢技术前进的步伐。
当然，上面这种说的是单项技术，为了在整体技术实力方面继续进展，人们也开始尝试：要么是把多种技术结合起来，起到类似于“乘法”的效果；另外一种就是对整个体系进行思考、重新建设，尽量把技术的影响力发挥出来。
跟绝大多数人想的不一样，自动驾驶所将带来的改变，是重新对人类的城市文明、生活方式进行塑造。在到达最终为人类提供更高效的运输能力和空间流动能力之前，有无数需要不断颠覆、从零打造的“组件”需要完成。
唯一的办法就是等，等待其他新技术的成熟、等待人类对于驾驶的观念进一步转变、甚至是等待新形态城市的出现，等待一个真正适合转向自动驾驶时代的机遇。
只是没人能说得准这个机遇什么时候出现，也没人能说得准最终自动驾驶会长什么样子。能确定的只有一件事：短期内自动驾驶想取得进展，太难了。
评论