無人駕駛：一騎絕塵谷歌笑，特斯拉帶芯揚鞭來_風聞

原創：譚婧

2019年，想體驗無人車嗎？

我給你的答案是，別想了。且看某公司自動駕駛的試乘預約已經排到了2293年2月。一位來自大連交通大學的研究生同學想預約無人車的體驗，結果，他被排隊時間驚呆了，200年後。那麼，下一個問題是，如果試乘預約的人手牽手，不知道能否到月球。

自2015年起，每年春天美國加州汽車管理部門官網的訪問量會迎來一波峯值。原因是該機構會發布一張有份量的成績單——《自動駕駛汽車公司接管報告》。記錄在之前12個月中的接管數據。2018年的數據是，48家公司報告，開了200萬英里，地點是在加州公路或者高速公路上，在無人駕駛的模式下。

美國加州的年度報告在自動駕駛世界中受到密切關注，可以稱為自動駕駛年度大考成績單，主要是測試的公司數量眾多，以及要求披露里程驅動，接管和事故的規則較為詳細。

2019年，北京的春風躲躲藏藏，一座崛起中的中國的科技創新之城也交出了無人駕駛成績單。

為了讓自動駕駛測試車輛跑起來，北京有關部門神兵神將把法律法規、管理流程等路測規則紛紛落地實施，包括出爐《北京市自動駕駛車輛道路測試2018年度工作報告》。8家企業的56輛自動駕駛車輛在北京獲牌。2018年無人車們一起在北京跑了15.36萬公里。

兩份重量級的成績單出爐。

什麼是自動駕駛接管數據？

自動駕駛的接管是一個專業詞彙，美國加州汽車管理部門將“接管”定義為“當檢測到自主技術失效時或者當車輛的安全操作要求自主車輛測試駕駛員離開自主模式，並立即手動控制車輛時停用的自主模式”。 

簡單粗暴的解釋就是有沒有人管，有沒有人接管。在一定行駛距離中，車輛測試駕駛員管了自動駕駛車輛多少次，成為一個具有參考意義的數據，一個衡量實際運行性能的重要指標。當然是越長距離管得越少越好，如果一直沒有人管，那真是無人駕駛的完美狀態了。

當車輛的自動控制系統遇到故障或極端狀況無法自主處理駕駛任務時，自動控制功能將會發生“接管”（Disengagement），並將車輛控制權交還給人類駕駛員。因此，自動駕駛功能的接管機制以及人工接管控制品質，對保證車輛安全性至關重要。

MPD作為自動駕駛技術成熟度的評價指標，定義如下：MPD = S / n，也就是英里/ 每次接管（miles per disengagement, MPD）。其中，S表示自動駕駛測試里程，n表示測試期間發生的自動駕駛接管次數。例如，製造商A的MPD值穩定保持在3000左右，表示自動駕駛車輛行駛3000英里（約4800公里）接管1次。

類似的，還有一個指標是每1000英里干預的次數， 2015年，工程師每1000英里干預0.8次。2016年，這一數字降至0.2次。2018年，這一數字降到了0.09次。谷歌的進步有目共睹。

自動駕駛這樣一個複雜的技術，如何評價性能是一個眾説紛紜的事情，有意見認為，應根據駕駛環境的難度對數據進行加權。還有觀點乾脆直接質疑接管數據對技術實力的解讀還太模糊。也有榜上的落後公司的高管出來表態，説對成績單不服，這也很正常，成績差的難免愛抱怨不公平。

一騎絕塵谷歌笑

連續兩年的大考谷歌家的無人駕駛都是狀元。通用GM Cruise排在第二。剩下的玩家的數據和頭兩位差距挺大，更準確的説，榜眼和狀元的差距也挺大。似乎可以用“一騎絕塵谷歌笑”來形容其遙遙領先的實力。

對狀元谷歌，國內自動駕駛企業也在做深入的調研，馭勢科技聯合創始人兼CEO吳甘沙指出，將谷歌Waymo的數據按月度進行數據分析。有的月份特別好，比如2015年底的時候已經能夠實現接近2萬英里1次干預，但馬上又掉下來了，2017年最多能夠實現3.5萬英里1次干預，但好成績並沒有保持，整個2018年的成績也一直在起伏，並沒有形成一種明確的一直向上，越來越好的趨勢。

2018年下半年，谷歌Waymo每個月最多達到20多萬英里的里程，這個數據非常了不起。美國加州的數據顯示，除了谷歌Waymo和通用GM Cruise之外，所有其他的玩家每個月行駛里程平均為943英里，就是其他的玩家的測試強度遠遠落後於Waymo。説一句不客氣的話，很多廠商都還是一個陪跑的姿勢。

看完了成績，再看一下原因。

谷歌Waymo到底因為什麼原因出現接管？根據公開披露數據分析，決策問題有46%，預測錯誤大概佔到4%，行人一些不理性的行為佔到19%，加起來差不多是70%，這些大致都可以歸為決策的問題，而感知出現漏判只有25%。

自動駕駛的問題可以歸為複雜環境當中的決策問題。谷歌Waymo作為一個行業當中的領導者，已經真正進入了深水區，現在很多公司還在談感知，而谷歌因感知出現漏判只有25%。

谷歌專有傳感器，挖通自動駕駛護城河

普通街道一切祥和寧靜，迎面開來的汽車，前方15米處的行人，躲草叢中玩藏貓貓的小孩，兩個工人搬運着一大塊玻璃過馬路。谷歌專有傳感器穿過路口，迅速捕捉到街道景觀中的物體，它發出的每個光脈衝接觸到不同距離處的多個物體。這樣的場景對谷歌專有傳感器來説毫不費力。

谷歌專有傳感器已經笑傲羣雄，讓谷歌成為第一家賣自研激光傳感器的車廠，挖通自動駕駛護城河。通常需要三個常規激光雷達傳感器彼此配合完成的工作，谷歌家單槍匹馬就可以完成，這樣的好處是可以減少部件數量並降低複雜性。谷歌Waymo的傳感器是王者中的王者，第一款產品被稱為激光熊蜂窩（Laser Bear Honeycomb），具有95度垂直視野和360度水平視野，這塊開放的激光傳感器並不是專有傳感器裏的高配，但是賣錢，足夠了。

勤奮的百度，在美國亞利桑州挑戰谷歌

百度是最早在加州申請無人駕駛汽車測試許可證的公司之一，並於2016年9月獲批開始進行路面測試。次年，百度自動駕駛事業部推出了阿波羅開放平台，吸引了沃爾沃和寶馬等加入，一同開發核心技術。在自動駕駛這條賽道上，百度是一個勤奮的參與者，在2018年跑出超長距離。自動駕駛車輛道路測試北京方面的成績單顯示，北京2018總測試里程15萬，百度獨佔13萬。

另外，值得注意的是，2019年1月，百度將提供自動駕駛物流解決方案助力沃爾瑪送貨服務，與谷歌無人駕駛技術正面競爭。戰果是，美國初創公司Udelv將在美國亞利桑那州部署採用百度無人駕駛技術的汽車，推進沃爾瑪鮮貨運送試點項目。Udelv公司已在百度開源自動駕駛平台阿波羅上開發了一系列無人送貨車。

Udelv公司將自動駕駛汽車引入生鮮送貨，新聞稿中的定義是，Udelv公司的自動駕駛送貨車“牛頓”又成為“阿波羅加速自動駕駛行業創新和實用的一個典範”。雙方樂得合作，彼此成就。雖然谷歌是“別人家的孩子”，但也不意味着，就不能挑戰。

特斯拉：不懼成績單為“零”，推出自己專用“芯”

這次，特斯拉的粉絲們會先苦後甜，因為2017年的Navigant Research排行榜調查評估20家公司開發自動駕駛系統的策略和執行情況，特斯拉獲得了排名倒數第一的最差成績。

同時，加州年度大考成績單讓人驚奇的是，特斯拉根本沒有做路測，錄入的數據是零。但是，特斯拉同時又説有幾十萬輛車在路上不停地跑，就是在影子模式（shadow-mode）下面進行路測。什麼叫做影子模式？就是駕駛員在開車，但是算法在後面的影子裏面跑，然後把算法的結果和人的結果進行比較看一看好不好，不好的話就重新訓練。

Model X汽車將以”陰影模式“運行自動駕駛儀，並收集人與計算機相關的駕駛數據。在陰影模式下運行的自動駕駛汽車不會採取任何駕駛輔助或自動駕駛行動，換句話説，車還是被人控制。特斯拉著名的Autopilot這時候有一個行動記錄功能，並將這些結果與人類駕駛員採取的實際行動進行比較，Autopilot是名副其實的駕駛輔助系統。被外媒留意到的細節包括，2019年3月，特斯拉官網Autopilot該頁面的標題從以前的“在所有車輛上實現完全自動駕駛”變成了“未來駕駛”。

毫無疑問，馬斯克依然想要對這個系統進行不斷的升級和改動。

特斯拉這樣的公司，如果一段時間沒有關鍵性進展推出，質疑聲馬上就會燥起來。但是，馬斯克不會讓“萬惡的媒體”如意。2019年4月，還是在春天裏。馬斯克終於亮出了自家的自動駕駛“核武器”——特斯拉“全自動駕駛計算機”（full self-driving computer，又稱 FSD 計算機），即之前所説的 Autopilot 硬件 3.0。自此，全世界唯二的自動駕駛相關專用芯片問世，另一個是英偉達的Drive PX Pegasus自動駕駛計算平台。自主芯片，也就是説，未來特斯拉的新車都將用上自家芯片，在踢開了 Mobileye 後，馬斯克又一腳踢開了英偉達。如果專用芯片成功，特斯拉自動駕駛的垂直一體化大步向前，性能極大提升，跨過芯片的“馬裏亞納海溝”，特斯拉有望成為汽車領域的蘋果。

那影子模式效果如何？

特斯拉人工智能高級主管Andrej Karpathy介紹説，現在特斯拉預測變道的能力越來越強，已經記錄了900萬次成功換道，就是影子測試不斷訓練神經網絡後的效果。

差生集中營，蘋果和優步

最糟糕的自動駕駛汽車表現屬於蘋果和優步，它們分別在1.1英里和0.4英里的地方就被人工接管了。這也許可以解釋為什麼蘋果公司從其自動駕駛汽車項目中解僱了200多名員工。外媒評價：在自動駕駛的賽道上，蘋果公司不僅遲到了，它的表現也是業餘的，並表明它尚未準備好成為這個領域的重要角色。

結語

自動駕駛成為汽車行業一個前所未有的轉折點，世界上沒有完美的考試，由於報告沒有強行要求測試地點、天候，以及道路狀況等條件進行的自行測試資料，所以公司都是放飛自我式自行選擇。道路千萬條，條條都不同，雨雪霧晴天，路路都不同。

雖然都在自動駕駛的賽道上同台競爭，但是全球各個國家路況的“複雜”程度不同，細分市場的場景要求也不同，不同自動駕駛公司的商業模式也不一樣，自動駕駛的技術方案每一家都不一樣，現在還沒有一個絕對的，主流駕駛方向出現。

本文作者，攝於百度無人車前。

無論是激光傳感器方案，還是視覺傳感器方案、無論是通用自動駕駛相關芯片，還是專用自動駕駛相關芯片，這些關鍵技術環節的競爭也無法一一對照。但是，毫無爭議之處是，自動駕駛，這是一個只能用超級計算機級系統解決的挑戰。如果有人説自動駕駛的賽道還很寬敞，我不認同，寬不是關鍵，難才是，每家自動駕駛公司還是得用自己腳，丈量自己的路。（完）

親愛的數據

出品：譚婧

美編：陳泓宇