'無人駕駛的近與遠'

狂人馬斯克在年初放出豪言壯語，大概兩年後，特斯拉將生產一輛沒有方向盤或踏板的汽車，2020 年特斯拉將推出 100 萬輛無人駕駛出租車，為了加快進度，馬斯克不僅自研自動駕駛芯片，同時對激光雷達價格奇高嚴重阻礙無人駕駛落地忍不住吐槽，並誓言“任何依賴激光雷達的人都是註定要死，一旦解決了視覺識別激光雷達就變得一文不值”。

無人駕駛時代的到來，一方面取決於技術的成熟，另一方面還需要 AI 能夠達到取代甚至超越人類智慧的能力。

無人車不是新鮮事物

人類學會開車並不是一件輕鬆的事情，拿到駕照僅僅意味著在瞭解了基本的駕駛技能，以及交通規則，但從一名“新手”到熟練的“老司機”，熟練的應對各種路況、天氣環境、突發狀況，需要不斷的學習，積累經驗，縱使如此，也極少有人能車生無患。

為此,早在很多年前,就有人開始琢磨是否能夠讓機器代替人類駕駛。如果看過今年大火的 HBO 播放的《切爾諾貝利》電視迷你劇集，應該會對前蘇聯處理核洩漏事故中，對用遙控無人車清理核反應堆屋頂的橋段記憶頗深。彼時，無人車的思路來源於人類的太空計劃，美國、蘇聯等國家都曾研究過，但這些絕密的技術並不輕易示人。

美國國防高級研究計劃署（ DARPA ）與陸軍合作，在 1984 年發起自主地面車輛（ ALV ）計劃，並在千禧年之後隨著 DARPA 無人駕駛挑戰賽的舉辦，讓無人駕駛從“軍方計劃”第一次走向普羅大眾視野。

不只是美國，傳統汽車強勢方歐洲、日韓也有過“無人駕駛”的早期探索。德國在上世紀末就開始研究軍用的排爆、偵查、安全巡檢的無人車，日本的筑波工程研究實驗室也在 80 年代開發出了第一個基於攝像頭來檢測前方標記或者導航信息的自動駕駛汽車，而放棄了之前一直使用的脈衝信號控制方式。

中國在無人車領域，也早有研究。國內目前許多初創的無人駕駛公司，核心創始人員大都來自國防科大、北理工、清華大學等院校，國內的無人車也繼承了從軍方需求、院校開發、無人車比賽的路徑，真正走進大眾視野，也才是近幾年的事。

國內無人車領域泰斗李德毅院士，旗下門生眾多，對於無人車的發展自然頗有心得。李院士面對國內外對於無人駕駛的爭相追捧，曾表示從 1984 年～2018 年，無人駕駛汽車已經走過了 0～1 的階段，即科研探索期，直到 2025 年之前，都將處於產品孵化期，完成從 1～10 的過程，要達到完全的成熟，這個過程將會走的非常漫長。

制約無人駕駛技術進一步成熟，有產品的可靠性不強和成本的居高不下。

基礎能力匱乏

無人駕駛需要感知系統和控制、決策、執行系統的充當左膀右臂，早期這些技術用於軍方以及航天的研究需求，未公之於眾，也未被商業公司所關注。核心原因就在於這些技術不夠成熟，商業化成本太過高昂。

豐田公司的日本普銳斯混合動力車從 2003 年開始提供自動停車輔助服務，而雷克薩斯很快就為其雷克薩斯 LS 轎車添加了類似的系統。這類系統是一個無人駕駛系統的簡化兒童版，但從這些汽車巨頭的動作可以看出，無人駕駛技術的實現還未到火候。

在感知層面，傳統的傳感器有攝像頭、毫米波雷達、超聲波雷達等，除卻各自在環境適應上的天然不足，在探測距離上，超聲波雷達常見的在 4-8 米左右，24Ghz 毫米波雷達早期在幾十米左右，而攝像頭的發展，也僅在近幾年隨著智能手機的發展才有了高質量成像的進步。這些傳感器在靈敏度、精度上同人類駕駛員有著巨大的差距，因此一直沒有讓業界看到無人駕駛落地的可能。

直到 2004 年車載激光雷達鼻祖 Velodyne 的創始人 David Hall 參加了 DARPA 無人車挑戰賽，其全景攝像頭方案被證明失敗，於是 David Hall 便發明了讓 Velodyne 聲名大噪的 360° 旋轉式激光雷達，讓人們看到了無人車技術上實現的可能。

激光雷達的出現，能夠較大程度上彌補之前傳感器在精度、靈敏度上的缺陷，但其造價高昂，畢竟是一個新鮮事物。這個問題直到 14 年後，依然沒有解決，也因此有了馬斯克的抱怨。

但到底無人車需不需要激光雷達，谷歌比特斯拉更有發言權。從商業角度來看，谷歌是發力無人駕駛最有代表的一家公司。

向 Waymo 看齊

早在 2009 谷歌開始祕密開發無人駕駛汽車項目，該項目現在被稱為 Waymo。該項目最初由 Sebastian Thrun 領導，他曾是斯坦福人工智能實驗室的主任，也是谷歌街景服務的共同發明人。

谷歌通過一輛改裝的豐田普銳斯在太平洋沿岸行駛了 1.4 萬英里，歷時一年多。許多在 2005 至 2007 年期間工作研究的 DARPA 工程師都加入到了谷歌的團隊，並且使用了視頻系統、雷達和激光自動導航技術。

2010 年 7 輛車組成的 Google 無人駕駛汽車車隊開始在加州道路上試行。從早期的無人車上研發開始，谷歌就在車頂配置了旋轉式的激光雷達。這也是為什麼當今看到的無人車創業公司們，都會效仿谷歌做法在無人車頂上配置激光雷達的原因。2017 年初，Waymo 首次開始製造自己的激光雷達傳感器，以大幅降低其無人駕駛汽車業務的成本。

今年三月份，Waymo 正式開賣激光雷達，承諾向不會與其出租車業務進行競爭的客戶銷售為無人駕駛汽車開發的激光雷達傳感器。但 LiDAR 團隊負責人西蒙·韋爾蓋塞（ Simon Verghese ）在接受採訪時稱：隨著擴大車隊規模，需要確保傳感器套件的成本也隨之降低。2018 年 Waymo 宣佈計劃採購最多 62000 輛克萊斯勒 Pacifica 混動麵包車，車輛將被用於擴大 Waymo 在全美公共無人駕駛車隊陣容。

在此之前，特斯拉還在解決 Autopilot 因過度宣傳“全自動駕駛”遭遇的內外紛爭。

無人車還缺個駕駛腦

激光雷達目前在感知技術上能夠部分彌補傳統傳感器的一些劣勢，儘管價格昂貴、產業鏈未成熟、難符合車規級認證，但仍然無法 cover 全部環境。正如早在 2017 年奧迪就發佈了搭載 Level 3 級別自動駕駛技術的新款 A8，信誓旦旦的表示在當年會成為全球首個把 L3 自動駕駛量產車送上公共道路的汽車廠商。過去的兩年，國內外仍難覓 L3 級 A8 的蹤影。

對於自動駕駛系統而言，想要成熟的商業化落地，目前需要克服的遠不止技術層面的短板，還有 AI 智慧上的類人化。

馬斯克旗下的腦機接口初創公司 Neuralink，希望在 2020 年年底之前開始對人類患者進行試驗，想要將人腦連接到計算機上。馬斯克表示，人類面臨被人工智能 (AI )超越的風險，但如果人腦能通過與電腦連接，將讓人類實現“某種與人工智能的共生”。

在智慧上，人工智能與人類有著非常大的距離，這並不是阿爾法狗贏下人類圍棋比賽就可以類比的，在 AI 未達到連續學習，舉一反三、歸納總結等處理解決突發情況的能力前，無人駕駛的大腦還無法勝任駕考的公開道路測試。

大腦的核心在於超強算力的處理器+處理邏輯，前者是 AI 芯片的戰場，後者則是各種深度學習神經網絡的努力所在。二者目前雖有了長足的進步，但離智慧還相差甚遠。在此之前，自動駕駛系統依然需要同新手成年人一樣在固定場地學車，與成年人相比，自動駕駛系統在學習能力上還有較大的短板。

如果不容易理解，可以聽聽李德毅教授的解答：無人駕駛的核心是駕駛腦，重點在於提升交互智能, 記憶智能，而非傳統的計算智能。駕駛活動更多的是技巧，記憶和經驗，而不是知識、推理和計算。駕駛腦的差異，反映的是個人的智力和運動協調能力的差異，世界上沒有兩個完全相同的駕駛腦。

現在談公開道路無人駕駛技術的商業化為時尚早，誠如特斯拉在年初宣佈 Model 3 已經可以實現完全的自動駕駛，不需要車主對方向盤進行干預。但在官方宣傳頁中，仍然是~目前可用的功能需要駕駛員主動進行監控，車輛尚未實現完全自動駕駛。上述功能的激活與使用將需要數十億英里的行駛里程的論證，以達到遠超人類駕駛員的可靠性；同時還有賴於行政審批（某些司法管轄區可能會需要更長的時間）。隨著上述自動駕駛功能的進化與完善，您的車輛將通過 OTA 空中軟件更新而持續升級。

這些聲明，是不是似曾相識？