作者｜聶一堯

出品｜汽車大觀

一場席卷全球自動駕駛的寒潮，正在隨著難以商業(yè)落地的現(xiàn)實和投資者冷卻的信心，洶涌而來。

(資料圖)

德國財經(jīng)媒體《經(jīng)理人雜志》11月17日稱，大眾新任CEO奧博穆對公司的自動駕駛汽車計劃進行了審查。他將推遲公司L4級自動駕駛Trinity項目的時間，并考慮放棄位于狼堡的建廠計劃。

知情人士透露，奧博穆之所以會這樣做，原因是看不到L4級自動駕駛商業(yè)落地的可能。

20多天前，福特與大眾相繼撤出L4級自動駕駛獨角獸Argo AI，隨后Argo AI宣布倒閉，正式吹響了自動駕駛寒冬來襲的口哨。

事實上，自動駕駛的寒潮早有征兆。人事劇變、市值暴跌、裁員、降薪等不利情況，今年都不同程度地發(fā)生在背靠谷歌的L4級自動駕駛巨頭Waymo、背靠通用的Cruise，以及Aurora、Nuro、圖森未來和Embark Technology等自動駕駛公司。

大洋彼岸的中國市場，知名L4級自動駕駛公司Momenta、小馬智行，先后傳出大量裁員消息。裁員、降薪、估值下跌、融資困難，同樣發(fā)生在每一個自動駕駛公司身上。

不過短短幾年，紅極一時的自動駕駛風口，隨著時間墮入凜冽的漩渦，原因其實很簡單：L4級自動駕駛的商業(yè)化落地太過艱難，投資者已經(jīng)失去信心。

Cruise首席執(zhí)行官Kyle Vogt就坦言，自動駕駛行業(yè)已經(jīng)從極端樂觀轉向極度悲觀。

是的，人們曾經(jīng)對自動駕駛極端樂觀，對完全的自動駕駛即無人駕駛充滿想象。

激情的自動駕駛夢

如果不把駕駛輔助ADAS領域老大Mobileye算在內(nèi)，那么美國人是最先對自動駕駛開啟想象的。這個人就是谷歌創(chuàng)始人拉里·佩奇。

佩奇在1995年列出的一張研究清單，透露了他想要做的兩件事：如何利用超鏈接改變互聯(lián)網(wǎng)搜索，以及自動駕駛汽車。

十幾年后，神秘的 GoogleX 實驗室成立，首個誕生于這個實驗室的谷歌自動駕駛項目Project Chauffeur，也于2009年1月啟動。

2010年10月，谷歌的自動駕駛項目因《紐約時報》的公開報道而廣為人知。此時，谷歌第一代由豐田普銳斯改造而來的7輛測試車，已經(jīng)跑了14萬英里。

谷歌隨后于2012年獲得了內(nèi)華達州頒發(fā)的第一張自動駕駛汽車測試牌照，并在同年推出第二代由雷克薩斯RX(參數(shù)|詢價)450h改造的測試車。這一年，第二代自動駕駛測試車隊在高速公路上，累計完成了超過30萬英里（約48萬公里）的測試里程。

可以說，谷歌一手勾畫了自動駕駛的雛形，并且為后來者鋪就了一條充滿想象的賽道，你很難說后來百度、特斯拉及其他參與者的加入不是受到了谷歌的啟發(fā)。

谷歌也是自動駕駛的西點軍校，Argo、Aurora、Nuro的創(chuàng)始人，均來自谷歌自動駕駛項目團隊，人才的流動催生了自動駕駛行業(yè)的蓬勃發(fā)展。

但真正把自動駕駛炒熱炒火的，是特斯拉。

谷歌在2013年推出L2級的半自動駕駛系統(tǒng)AutoPilot后，發(fā)現(xiàn)了嚴重的安全問題：一款輔助駕駛系統(tǒng)，表現(xiàn)越優(yōu)秀，人們就越容易盲目信任它，即便告知風險，駕駛員也容易忽視危險的存在。

谷歌因此摒棄了研發(fā)輔助駕駛的漸進式路線，開始全力以赴研發(fā)特定場景的L4自動駕駛，不久后率先在鳳凰城上線了Robotaxi服務。

而與谷歌技術團隊有過短暫合作的馬斯克，卻看到了AutoPilot之于特斯拉的重要性，無論是L2級駕駛輔助系統(tǒng)還是漸進式路線，對于急需在市場以智能駕駛作為亮點獲取關注站穩(wěn)腳跟的特斯拉來說，都尤為重要。

特斯拉很快牽手Mobileye，并將其智能駕駛進行包裝。盡管特斯拉的AutoPilot只能實現(xiàn)L2級駕駛輔助功能，但馬斯克擅長讓用戶開啟對其全自動駕駛的想象。

馬斯克在2014年接受記者采訪時就表示，特斯拉可能在明年實現(xiàn)90%的自動駕駛。從2015年到2022年，馬斯克每年都大膽預測自動駕駛很快將獲批開放，自動駕駛汽車將可以在任何道路上隨意行駛。

馬斯克對自動駕駛高調(diào)激進的宣傳，推動了自動駕駛賽道的火熱。尤其是2016、2017兩年，資本對自動駕駛表現(xiàn)出了最熱烈的興趣和信心。大批資金涌入自動駕駛賽道，無論是直接面向特定場景的L4級自動駕駛如Robotaxi、Robobus、Robotruck，還是在漸進式路線上面向L2+、L3的自動駕駛公司，都不同程度地獲得了資本的青睞。據(jù)麥肯錫2021年統(tǒng)計，從2010年起，自動駕駛領域僅技術研發(fā)投入就已超過1000億美元。特斯拉推出的區(qū)別于AutoPilot的全自主駕駛FSD（Full Self-Driving）功能，也成功讓全球約35.92萬特斯拉車主進行了購買。

講不下去的自動駕駛故事

谷歌自動駕駛項目推進的過程中，有一個問題始終困擾佩奇：自動駕駛技術的商業(yè)化應用。自動駕駛是一個燒錢的項目，盡管谷歌不缺錢，但持續(xù)的投入也讓佩奇期望盡早看到自動駕駛商業(yè)變現(xiàn)的一天。

2016年底，谷歌自動駕駛項目更名為“Waymo”，作為獨立實體存在。Waymo代表的意思是：A new way forward in mobility（未來新的移動方式）。

隨后的2年，Waymo逐漸確立了其自動駕駛商業(yè)應用的領域：叫車服務、無人駕駛卡車物流、將無人駕駛技術授權給汽車廠商開發(fā)私家車、最后一公里服務，即運送乘客去公共交通站。

宏大的市場化策略，令Waymo 估值在一年時間，從2017年的700億美元飆升至2018年的1750億美元。然而僅在3年后，Waymo估值已跌到300億美元。摩根士丹利對此表示，估值下降是因為行業(yè)發(fā)展比預期要慢。但明眼人都知道，Waymo至今都無法保證無人駕駛能夠不發(fā)生因為系統(tǒng)判斷錯誤導致的安全事故。

這也是擺在當前任何一家L4級自動駕駛公司面前無法跨越的天塹。2021年，Waymo自動駕駛車輛在加州發(fā)生了高達43次交通事故，雖然Waymo沒有公開其中有多少次是由全無人駕駛車輛引起，但基于安全考慮，人們也無法完全信任自動駕駛。

同樣的問題發(fā)生在特斯拉身上，特斯拉發(fā)生過多起自動駕駛相關安全事故。有網(wǎng)站Tesladeaths專門統(tǒng)計過特斯拉汽車致死事故，自2013年以來，特斯拉汽車已經(jīng)在全球發(fā)生了249起致死事故，死亡人數(shù)達到295人。

外界紛紛指責由于特斯拉對于Autopilot、FSD功能過于夸大其能力的宣傳，誤導了用戶以為特斯拉已經(jīng)實現(xiàn)了真正自動駕駛。

事實上，目前的自動駕駛技術無法做到100%感知和決策準確，Waymo的無人出租車去年還發(fā)生了在路上遇到幾個交通錐，就停了下來拒絕行駛的狀況。通用汽車Cruise的無人出租車還因為沒看懂路況而被撞。自動駕駛離真正實現(xiàn)讓人放心的安全行駛的那一天，還有很遠很遠的路程。

對自動駕駛從來都最激進的馬斯克去年開始承認，只有人工智能技術得到突破，才能真正實現(xiàn)真正的無監(jiān)督、通用的全自動駕駛。

福特技術負責人菲爾德則說，無人車是“我們這個時代最困難的技術問題，比把人送上月球更難”。

難以實現(xiàn)的L4級自動駕駛

為什么10年耗盡1000億美金的自動駕駛，時至今日走到了難以跨越的安全天塹前？

中國科學院院士、清華大學人工智能研究院院長張鈸的話，或許能揭示問題的核心。他說，人工智能現(xiàn)有的方法只能處理結構化環(huán)境下的問題，非結構化環(huán)境下的問題，人工智能還有待提高。

如果以現(xiàn)實和將來作為分界，目前人類使用的人工智能算法嚴格意義上來說都屬于“弱人工智能”。弱人工智能對于某一特定問題的解決能力可以做到很強，甚至超越人類，但機器的這一能力很難拓展到解決別的問題上。

而人類現(xiàn)在還沒有實現(xiàn)，但期望將來實現(xiàn)的人工智能，被稱之為“通用人工智能”。通用人工智能指的是指計算機能理解和習得人一樣甚至更強的思考能力和智慧，直白點說，就是至少能打敗人類的學習理解和思考能力，也被稱為類人類智能，是人工智能領域的長久話題。

自動駕駛的底層基礎就是人工智能。所以目前，不論是以Waymo、百度Apollo、小馬智行等為代表的，針對Robotaxi、Robobus、Robotruck等特定環(huán)境的L4級自動駕駛，還是以Mobileye為代表的駕駛輔助，都是在弱人工智能前提下進行的研究。

這就造成了目前的自動駕駛，只能實現(xiàn)有限規(guī)則+有限可判定結果。但真正無人接管的自動駕駛，需要符合有限規(guī)則+無限可判定結果。不死人看起來是一個有限可判定,但它實際上是說在任何意外情況下,一個有經(jīng)驗的司機可以逃過危機避免不好的結果。

比如當一輛白色的貨車出現(xiàn)，真正的自動駕駛應該要正確感知其是一輛貨車，而不是把它看成是天空的顏色從而撞上去。比如當季節(jié)、街道發(fā)生變化，真正的自動駕駛應該要感知哪怕如光線、角度的微小不同，而做出正確反應，而不是看到雪糕筒后，能認出它卻停下來不走了。

圖靈獎得主、計算機科學家楊立昆曾在接受采訪時，犀利地指出基于弱人工智能的自動駕駛的脆弱之處。他說，無人車公司一直過于樂觀，覺得將數(shù)據(jù)扔進大型神經(jīng)網(wǎng)絡就能讓它學到一切。事實上，我們可能只是擁有一個沒有常識、十分脆弱的系統(tǒng)。

而通用人工智能作為人類還在探索的方向，目前也無任何人能給出實現(xiàn)期限。如此看來，基于單車智能要實現(xiàn)真正的自動駕駛，也許真的將成為一個夢了。

如果說還有其他解決辦法，也許最好的辦法就是求助于車路協(xié)同了。