5G時代的到來和商用的加速把無人駕駛再一次推向風(fēng)口。事實上，2020年曾是許多汽車企業(yè)和科技巨頭計劃推出量產(chǎn)無人駕駛汽車的關(guān)鍵時間節(jié)點。而當(dāng)我們真正勝身處2020年時，除了波云詭譎的疫情和暗流涌動的國際局勢，似乎很少有人主動提及無人駕駛行業(yè)當(dāng)年的慷慨和激蕩，其未來的發(fā)展也越發(fā)模糊。

有關(guān)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。之后，華為也官宣了華為無人駕駛操作系統(tǒng)內(nèi)核(含虛擬化機制)獲得Safety領(lǐng)域最高等級功能安全認(rèn)證(ISO 26262 ASIL D)的消息。這些似乎并不能否認(rèn)無人駕駛顯示出的明顯降溫。與此同時，曾經(jīng)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(jīng)確定的車型宣傳上，備注“特定的、受限的適用范圍”。

不難承認(rèn)，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(yè)內(nèi)為之一振，也讓許多汽車企業(yè)倍感壓力。之后我們見證了Waymo和Uber向汽車企業(yè)采購幾千幾萬臺汽車用于無人駕駛車輛研發(fā)、改制和生產(chǎn)，也見證了通用汽車和福特汽車對無人駕駛的巨額投入。但隨著時間的流逝，無人駕駛車輛造成的車禍、對于安全員的討論、企業(yè)之間對于“出走者”的訴訟等，漸漸讓嘆息多于驚喜。

無人駕駛汽車又一次無可奈何遵循了技術(shù)成熟度曲線。時至今日，我們不得不承認(rèn)，無人駕駛的發(fā)展比大家預(yù)想的要更難、更慢。在無人駕駛?cè)嫔逃弥埃覀冞€要跨越哪些障礙?

無人駕駛技術(shù)系統(tǒng)可靠性尚不符合商業(yè)要求

無人駕駛的興起與“人工智能”的蓬勃發(fā)展密不可分。在1956年的達特茅斯會議中，幾位年輕學(xué)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，也開啟了風(fēng)云激蕩的新時代。無人駕駛的研究架構(gòu)中，自然也追隨著理論框架，把人類駕駛汽車的行為進行拆解，并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。然后依據(jù)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(zhuǎn)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(jié)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(shù)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(jīng)證明了在速度、精確度等方面機器可以遠超過人類。當(dāng)機器做出決策后，通過線控系統(tǒng)將信號傳遞到汽車的轉(zhuǎn)向系統(tǒng)、制動系統(tǒng)和傳動系統(tǒng)，可以確保信號的快速性以及準(zhǔn)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(xué)者，斯坦福大學(xué)的李飛飛教授在與歷史學(xué)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(diào)的，世界的存在不是兩個群體，真是的社會遠比這個復(fù)雜。除了算法之外，還有很多玩家和規(guī)則。在無人駕駛研究進入深水區(qū)的時候，傳感器、芯片以及數(shù)據(jù)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?？梢哉f，沒有完整的信息，就不可能支持決策系統(tǒng)做出正確、安全的駕駛決定。雖然眾多的傳感器在單一指標(biāo)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(yán)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。如果需要更全面的了解外部路況信息，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，由于路況信息的變化，所帶來的數(shù)據(jù)信息也更為海量。

根據(jù)英特爾的測算，一臺無人駕駛的汽車，配置了GPS、攝像頭、雷達和激光雷達等傳感器。這些設(shè)備每天將產(chǎn)生約4TB待處理的傳感器數(shù)據(jù)，如此巨大的數(shù)據(jù)量必須有強大的計算設(shè)備來支撐。而即使是英偉達這樣的頂級GPU企業(yè)，也在算力和功耗的平衡上幾乎達到了天花板。所以近年來，專用計算平臺更多的走進人們的視野，包括谷歌投入應(yīng)用的AI專用芯片TPU、國內(nèi)頂尖創(chuàng)業(yè)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(nèi)，這都將是無人駕駛要跨越的巨大技術(shù)障礙。

來自道路的無人駕駛阻礙

無人駕駛除了現(xiàn)階段面臨的技術(shù)瓶頸，在后續(xù)的商業(yè)化開發(fā)上，將持續(xù)面臨商業(yè)和技術(shù)上的矛盾。從商業(yè)的邏輯上來說，無人駕駛在一二線城市，甚至是城市的中心區(qū)域，可以產(chǎn)生最大的商業(yè)價值。但是從目前的技術(shù)條件來說，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(dāng)前的道路測試還不能推動大規(guī)模無人駕駛汽車的普及。

因此，無人駕駛在城市的郊區(qū)(或者新區(qū))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，并且在此基礎(chǔ)上逐漸在開放道路進行測試。

封閉場地方面，位于北京通州、西安經(jīng)濟技術(shù)開發(fā)區(qū)和重慶高新區(qū)的三家無人駕駛封閉測試場已經(jīng)得到交通運輸部的認(rèn)定。同時，全國還有多個城市已經(jīng)建成或正在建設(shè)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(yè)和信息化部、公安部、交通運輸部就已經(jīng)聯(lián)合發(fā)布了《智能網(wǎng)聯(lián)汽車道路測試管理規(guī)范(試行)》，對于測試主體、測試駕駛?cè)思皽y試車輛、測試管理、事故處理等方面進行了規(guī)定。此后，北京、上海、重慶、長沙等多座城市也出臺了各地的道路測試管理規(guī)定，其中多座城市已經(jīng)發(fā)放了無人駕駛路測牌照。在獲得某地?zé)o人駕駛路測牌照的基礎(chǔ)上，無人駕駛測試車輛可以在該地區(qū)劃定的開放道路測試區(qū)域(道路)內(nèi)，進行測試。

綜合來看，各地區(qū)在開放道路的劃定方面，大多以城市郊區(qū)作為起始點，并(計劃)逐步向城市中心區(qū)、核心區(qū)擴展。目前開放的測試道路大多位于城市郊區(qū)，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)位于經(jīng)濟技術(shù)開發(fā)區(qū)、順義區(qū)和海淀區(qū);上海5.6公里開放測試道路位于嘉定區(qū);福州6公里開放測試道路位于平潭島麒麟大道;重慶12.5公里開放測試道路位于禮嘉環(huán)線;廣州33條道路45.6公里路段位于黃埔區(qū)、白云區(qū)、花都區(qū)和南沙區(qū);長沙7.8公里開放測試道路位于湘江新區(qū);杭州5條開放測試道路位于未來科技城。

但是，目前的過渡方案依然存在著以下三個問題，依然制約著無人駕駛的進一步發(fā)展。

首先，由于場景過于單一，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(qū)域大多位于城市的郊區(qū)，交通流量小、道路較為通暢。但是大多數(shù)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?xí)霈F(xiàn)很多人車混雜的情況。即使在簡單場景下驗證成功的技術(shù)方案，在進入城市核心區(qū)之后，依然需要技術(shù)團隊再次攻克難關(guān)以及進一步升級方案。同時，由于道路數(shù)據(jù)的屬地性，技術(shù)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，在進入其他道路后依然需要再次進行驗證。

其次，由于缺乏測試場景數(shù)據(jù)，多家公司在相同的場景下做重復(fù)驗證，浪費技術(shù)資源。目前正在進行的封閉道路測試以及開放道路測試，對于數(shù)據(jù)的歸屬性缺乏統(tǒng)一的標(biāo)準(zhǔn)。并且，大多缺乏通用數(shù)據(jù)的共享以及交易機制，所以大部分道路測試的數(shù)據(jù)都僅僅歸屬于測試主體。

最后，由于場景遠離出行業(yè)務(wù)的主要需求區(qū)域，這使得測試僅限于技術(shù)驗證，無法進行商業(yè)模式的探索。因為選擇的開放道路大多位于城市的郊區(qū)，并非出行業(yè)務(wù)的主要需求區(qū)域。所以許多諸如無人駕駛出租車、無人駕駛小巴等業(yè)務(wù)探索缺乏實際有效的需求，只能以技術(shù)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(shù)據(jù)，更無法在此基礎(chǔ)上進行產(chǎn)品和服務(wù)的升級、商業(yè)模式的探索。在此背景下，許多商業(yè)化的運營設(shè)想只能從理論到理論，從設(shè)想到設(shè)想，從方案到方案，無法真實落地來探索模式的可行性。

背離大眾的無人駕駛

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(yè)，都把無人駕駛當(dāng)作面向終端者的產(chǎn)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(jù)公開數(shù)據(jù)，無人駕駛汽車之外的傳感器和運算設(shè)備等，總價格幾乎相當(dāng)于一臺奔馳E級汽車。這也意味著在現(xiàn)有技術(shù)條件下，可以實現(xiàn)L4級無人駕駛功能的汽車，價格將接近百萬元。

當(dāng)然根據(jù)摩爾定律，技術(shù)投入和規(guī)模效應(yīng)會極大提升產(chǎn)品的性能，并且極大降低成本。業(yè)內(nèi)許多同行常常舉例說，2005年1萬美金的毫米波雷達，經(jīng)過10多年已經(jīng)降到了100美金。但是問題的關(guān)鍵是，就算價格降低到1/100，普通消費者是否愿意接受呢?

根據(jù)德勤的《全無人駕駛的未來—先進汽車技術(shù)消費者需求調(diào)查》顯示，中國、印度和韓國的消費者對于無人駕駛技術(shù)的偏好度位居世界前列，對于先進技術(shù)消費者愿意支付一點額外費用。以中國消費者為例，2014年，消費者愿意額外付費1440美元。而到了2016年，已經(jīng)大幅降低到700美元。這樣的情況并非只出現(xiàn)在中國，美國消費者在2014年愿意支付的費用為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(jīng)大幅降低到415美元。這也意味著，目前消費者愿意接受的額外付費和現(xiàn)有的價格，相差了近100倍。

于是，無人駕駛的使用方從終端消費者切換到出行公司，這背后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范運營的成果顯示，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占一半。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(tài)進行干預(yù)。

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(nèi)一線城市的出租車約為3元/公里，網(wǎng)約車約為5元/公里?？梢酝茖?dǎo)得出，如果運營方不進行大規(guī)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(chǎn)物。

或許，跨時代技術(shù)的發(fā)展真的需要時間的積淀。人工智能的概念起始于1956年的達特茅斯會議，歷經(jīng)兩次高潮和低谷，由于大數(shù)據(jù)和出現(xiàn)和深度學(xué)習(xí)的崛起，人工智能才能在六十多年后實現(xiàn)從概念到落地的過程。

無人駕駛也可能如此，這個時代依舊等著我們?nèi)フ鞣ヌ魬?zhàn)，我們翻過了更多的觀念和技術(shù)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并存。再往后，隨著蒸汽機的出現(xiàn)，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。

關(guān)鍵詞： 5G時代