无人驾驶凛冬将至？

「Waymo 都没有做成功的事情，凭什么其他公司就能做成而且做好？」

这是福布斯杂志最近针对无人驾驶行业现状得出的一个结论——

即便做了 9 年，即便实地测试里程数已经高达 1600 万公里，Waymo 也无法掩盖其在自动驾驶服务的商业化进程上正在倒退一步：

安全驾驶员们从后座重新返回到驾驶座上，与此同时，用于监测疲劳驾驶的驾驶员监测系统也已经安装完备。

这是 Waymo 技术团队从最新一起「摩托车与无人车相撞事件」中得到的教训。

很显然，自动驾驶还不够好，远远不够。

而 Waymo 作为这个领域的领军者，足以说明其他地区的情况可能更令人不寒而栗。

通用汽车最近也不太平。

除了最近宣布裁员并停止在北美生产雪佛兰科鲁兹、Volt 以及 IMPALA 汽车外，在上周五这家老牌车厂又公布了其自动驾驶公司 Cruise 易帅的消息，其背后意义不言而喻：

用一位资深银行家来替换原本的技术型领导者，Cruise 对商业化的诉求看起来异常迫切。

但从路测实际情况来看，根据技术评论网站 Tech.co 最近对加州机动车部门各家路测数据的梳理，作为在加州发生撞车事故最多的一家无人车公司，Cruise 商业化的何去何从至今仍然是一个谜。

除了外媒们对无人驾驶的报道开始转向保守，另一个国内的有趣现象大概只有业内人士才能感受得到：

两年前自动驾驶话题刚刚引爆时，国内各家在自动驾驶论坛上讲的东西，与两年后的今天竟然没有太大的变化。

大家依然会吹嘘自己的技术与团队履历，并夹带着那股要掀起交通革命的使命感。

然而，实质性的商业化进展其实并非如大家想象地那么乐观（我们曾在今年年初整理过很多公司立下的各种「2018 年目标」但却未达成的 flag：为 2018 量产计划画过大饼的无人驾驶公司，你们兑现承诺的日子到了）。

不过，一些微妙的细节转变却在告诉我们，包括传统车企、技术公司、零部件供应商以及运营商在内的所有行业人士都已经意识到，无人车面临的商业化困境才刚刚开始：

一方面，大家纷纷开始「喊难」，乐于展示当下的各种实操难题成为了一股「新潮流」；

而另一方面，「车路协同」被越来越多地提及，逐渐取代了曾最能展现厂商技术实力的「单车智能」。

值得注意的是，由于前者这个古老的概念在中国重新焕发了第二春，因此，在「道路智能」与「车联网」中被认为将扮演重要角色的 5G，让通讯运营商们成为了无人驾驶产业链上的新成员。

不过，「车路协同」重新热起来，除了阿里百度等公司的带动作用，也许单车智能化的举步维艰才是最关键的一个原因。

目前，虽然各方对困难的态度与口径变得出奇一致，但每家踩到的坑与难解的题却各有各的不同。这也让部分公司在一场自动驾驶论坛上得出了令人印象深刻的相同结论：

无人驾驶的下一场寒冬，也许在所难免。

自动驾驶让车企在忧虑什么？

作为一群将「把车卖出去」为目标的公司，整车厂无疑是自动驾驶产业链上最冷静和慎重的行业代表。

日本主攻机械行业的调查证券分析师泉田良辅就曾发现，越是接触汽车行业久的人，越不相信自动驾驶汽车能上路，

「因为他们越是了解如今的技术与工程难题，就越对自动驾驶技术实现的困难有切身体会。

反而是对汽车行业不精通的人，会对自动驾驶汽车未来抱有单纯的期望。」

如果说技术公司们要思考的是怎么把一辆普通汽车改造成一辆 N 级自动驾驶汽车，那么车厂们，特别是那群以无人驾驶为重要卖点的新兴汽车品牌，要考虑的还有一连串「前提」：

怎么在保证控制成本的基础上，在保证能够量产的基础上，在保证能够达到车规级的基础上，在保证安全系数的基础上，生产出一辆自动驾驶汽车。

因此，特斯拉自动驾驶系统直到现在依然没有什么实质进展，就足以说明问题。

而小鹏汽车 CEO 何小鹏，在一场广州自动驾驶论坛上的通篇演讲，更是只说明了一件事儿——

量产一辆功能稳定的自动驾驶汽车，真的太难。特别是 L4 级消费级产品，落地起码要至少花费 10 年。

何小鹏称自己还在做互联网的时候，曾跟欧洲一家公司展开竞争，对方提出的一个「可靠性的标准」是「5 个 9」（在系统的高可靠性里有个衡量可靠性的标准——X 个 9，5 个 9 表示该系统在连续运行 1 年时间里最多可能的业务中断时间是 5.26 分钟，达到高可用性级别）。

直到现在，即使对 BAT 来说，要想把一个服务做到「5 个 9」的可靠性也还是非常非常困难。

而对应到汽车行业，他认为无人驾驶车有一个很大的挑战，就是在于谁能够把它先做到 n 个 9。

「今天我觉得无人驾驶车不管是开一个小时还是多个小时，不管是跑多少公里，最重要的是你能不能让它足够的安全。

如果我是两个 9，也就是 99% 的可靠性（在汽车里面叫鲁棒性，鲁棒性比可靠性更复杂），出现 1% 的事故都没有人接受。」

因此，如果平衡用户体验、行车安全以及成本，做出真正的整车 + 自动驾驶，跟「原来互联网公司把功能做到 70%，只有一个 9 没做到就可以上路」，是两种截然不同的思路。

「拿现在很多车上都有的『自动泊车』功能来看，用户真的使用吗？

我们在 1000 多个场景中测试过特斯拉的自动泊车，成功率只有 13%。所以说，即便很多车上有这种功能，基本上体验不好你肯定不会再用第二次。」

而从成本角度来看，生产 100 台车与生产 1 万台车之间要建立的基础与思考的问题是千差万别的。

譬如，Waymo 一台测试车的市值大概为 15 万美金，而作为车厂，小鹏要想的是能否将价格压到一台 5 万美金。

「我从 1 台做到 100 台车没问题，但是我做 1 万台车，要节省成本，考虑的是能否下线自动标定，自动测试，而且量产规模扩大，你还要考虑用户怎么给车维修和做保养更加方便，我们怎么通过远程发现自动驾驶问题等等。

此外，由于路况以及场景非常复杂，目前我们针对各种功能做的大量规模测试费用非常高，而这些功能你最后还必须保证它们能被高频使用，如果用户弃之不用，那么成本压力会更大。」

因此，何小鹏得出了一个并非悲观但十分谨慎的结论——L4 级无人驾驶消费级产品的落地起码要 10 年以后。

「实际上今天大部分整车厂都在做 L2 级自动驾驶，严格意义上叫自动辅助驾驶。而 L3 级自动驾驶的大规模落地，至少要在 2021 年以后。」

技术不足，「范围」来补

上个月 Waymo 负责人 John Krafcik 发表的无人驾驶局限论让媒体界炸了锅：

「在未来的几十年内，自动驾驶汽车做不到无处不在，它会一直存在限制。在很长一段时间内，自动驾驶汽车都会需要司机的协助。」

其实，在两年前谷歌无人驾驶事业部刚刚被分出来并被命名为 Waymo 时，John Krafcik 就说过几乎意思完全一样的话。

但当时的无人驾驶圈还没像现在这样热闹，也没这么多被投资方寄予希望的技术创业公司，更没有料到无人车在普通城市道路上的安全运行要比想象中难太多。

而如今，在此情此景下，这番话似乎也给诸多公司留了「为商业落地限定一个范围」的余地。

作为专攻 L4 及以上级别无人驾驶技术的公司之一，经历了人事架构调整后的文远知行（前景驰科技）在上个月刚拿到由雷诺日产三菱联盟领投的 A 轮融资。

但这家曾明确要做「乘用车完全自动驾驶解决方案」与「基于普通城市道路出租车运营」的技术公司，也逐渐开始将宣传重点放在了「实现特定场景下的 L4 级自动驾驶」上面。

针对 Krafcik 相对消极的讲话，文远知行现任 CEO 韩旭是这样理解的——

「看他前面的那个修饰语 ubiquitious，是指无处不在的自动驾驶。

而我们做的是 L4 级别的自动驾驶，是在限定区域可以开，这个差别就非常大了，L5 级别的自动驾驶还处于科幻状态，但是 L4 自动驾驶真的很快就到来。」

这里指的「很快到来」，可以对应目前文远知行在广州生物岛上的无人车项目运营。

然而，这个岛从某种意义来说是一个类似于景点的封闭区域，其道路状况的复杂度与普通城区道路不可相提并论。

从目前来看，一些曾专攻高级别无人驾驶技术的公司开始热衷于强调「限定区域」多过「技术能够胜任复杂道路场景」，这种转变可以被视为一个「为更快商业化而微调方向」的信号。

实际上，广汽研究院智能驾驶技术部负责人郭继舜就认为，从技术生态角度来说，无论是 L3 或者是 L4 汽车的量产，都面临 N 多个难题：

1、目前无人车的感知层做的不够准。

特斯拉当年车祸导致的首起命案就是由于视觉传感器与毫米波雷达同时失效引发的悲剧。而直到现在，处理好传感器成本与高效感知能力之间的平衡，仍然是所有技术公司面临的难题之一。

2、决策能力受限。

提升决策能力在于建立完善高效的人工智能模型与拿到大量有效的路测数据，因此，必须要涵盖足够多且复杂甚至罕见的场景。

然而，当下貌似还没有比谷歌累计路测公里数更多的公司（当然，仿真测试也是一种路径）。

3、对执行控制层的把握不足。

执行控制层才是自动驾驶真正落地的基础，毕竟所有的指令都需要最后落实到执行控制层。

譬如速度控制系统，就是无人车的最基本控制系统之一，是实现无人驾驶智能车稳定、安全行驶最重要的部分。

然而，目前技术公司对执行控制一直谈的比较少，是因为这方面绝大部分技术掌握在主机厂与 Tier1 厂商手中。因此，一定需要车厂与技术公司的合力才能解决这个层面上出现的诸多问题。

4、缺乏合格的人工智能芯片。

郭继舜特别提到了「缺乏芯片是他们当下面临的一个很大的问题」。因为他表示广汽预计会在 2020 年第一季度量产第一辆 L3 级智能驾驶汽车，但到目前为止，由一家国外供应商提供的主芯片都有延期的风险。

「因此，我们非常需要国内能够研发并生产出一款拥有足够算力且功能安全的自动驾驶芯片。」

「不仅仅是上面这些问题，我们在以量产为目的的技术研发过程中，感觉这片领域就像刚刚收割过的萝卜田，处处都是坑，存在各种各样的阻碍。

但总的来说，最危险的其实莫过于——有人驾驶与无人驾驶车在路上一起跑。」

因此，为技术的应用「限定一个区域」，也许是工程师们踩过无数坑后得出的最符合常识且最节省成本的方法论。

5G 真的很快能来？

车路协同，需要低延时、高可靠的网络连接；而网络建设，则需要运营商。

因此，本来就在力推 5G 联盟的运营商们，迅速在无人驾驶产业链上找到了自己的绝佳位置：

既然车路协同要求的是「车与车、车与人，车与基础设施的高效互联，那么就与 5G 网络的特点非常契合——

• 下行 20G / 秒，上行 10G / 秒，带宽足够好
• 低至几毫秒的低时延
• 高可靠度的连接

因此一年多来，自动驾驶公司与联通、移动等通讯运营商的各种合作来势迅猛，譬如文远知行就与联通联合试验了在 5G 环境下的汽车远程控制项目。

此外，越来越多的技术创业公司正在加入由运营商们主导的各类 5G 联盟，后者也积极地在全国铺设 5G 基站并获取试验牌照。

这股势头极易让人产生错觉，似乎 5G 一来，就立马会破解自动驾驶汽车上路，或者说是「车路协同」的最大阻力。

而现实情况是，5G 本身的落地就是个难题，即便实现了，车路协同里的「路」还完全没谱。

广州联通副总经理廖江没有回避谈论在 5G 建设中的诸多挑战，实际上，从拿到 5G 牌照到实际应用，中间还隔着山路十八弯：

第一，5G 是比较新的事物，其通信标准是由 3GPP 制定的，但目前标准尚未确定。

虽然现在推出了名为 R15 的技术规范版本，但这一版本主要是解决高清方面的业务问题，真正跟车联网最为密切相关的标准还没有最终确定，这就影响了整个产业链的发展进度。

第二，目前包括 5G 芯片以及其他终端产品并没有出现。

譬如大家都知道现在 5G 手机还没有推出（可能明年会推出），而汽车这类 5G 终端是相对比较大的工业化部件，落地速度会更慢一些，毕竟产业链是一个由小到大的健全过程。

第三，虽然自动驾驶界对 5G 寄予厚望，也在进行相关试验，但 5G 本身的建设是非常有难度的，因为高频传输需要基站搭建地非常密集。

因此，不管从设备功耗，还是运营商网络改造来看，要耗费的资源都非常庞大。

「不过我相信，随着 5G 牌照正式发放后，这些问题也会随之解决。但仍然需要时间。」

尽管 5G 对于包括自动驾驶、工业以及其他领域的高效数据传输都是有必要的，但我们不妨反过来想一下：

实现车路协同所需要的网络传输效果，真的只有 5G 才能做到吗？

其实清华大学自动化系教授、863 车路协同项目首席科学家姚丹亚曾发表过一个重要观点——

尽管 5G 可以做到低延时、高可靠、接海量终端节点、大带宽（恨不得 1 秒 1 个 G 流量），但只有前两个是自动驾驶汽车所需要的。

「如果要实现这两点，DSRC（即短距离通信技术，有数十年研发与测试历史，已经被美国交通部确认为 V2V 标准，并将 5.9GHz 作为其专用通信频道）其实已经可以完成要求了，并不需要 5G 的普及。」

技术研发瓶颈、工程化与量产能力不足、稳定与安全漏洞以及相关人才的紧缺，都是造成无人驾驶技术公司与车企在商业化落地方面迟迟没有进展的重要因素，这也无怪乎曾经自信满满聊技术与梦想的行业专家们，如今语气里也多了一份忧虑，甚至提前给我们打了预防针：

「今年就像自动驾驶冬天来临前的一年」，

在论坛上被问及「自动驾驶的 2018 年是互联网发展的哪一年」时，韩旭的回答虽然让人有些惊讶，但却在意料之中：

「自动驾驶会有冬天的，但我们确信阿里巴巴、腾讯这样伟大的公司都是在冬天之后产生的，所以我们期待这个冬天能够让我们真正变成一个美好的春天。」

而郭继舜给出了一个看似形式更加严峻的答案：

「我们未来可能会面临一个冬天，不光是自动驾驶，整个汽车产业都会面临一个冬天。」

但是，他表示仍然相信谷歌自动驾驶项目前负责人 Sebastian Thrun 说过的那句话——

「自动驾驶是人工智能改变世界的光辉起点」。

凛冬将至。但在建立危机意识的同时，也许应该回归到做技术的本质。