滴滴“翻車”，自動駕駛沒有捷徑可言_風聞
银杏科技-银杏科技官方账号-带你走在科技商业的最前沿。2020-07-01 20:50
編輯 \ 楊一枝
來源 \ 銀杏財經（ID：xinyingcj）
技術革命週期理論告訴我們，一次科技革命的週期大約是五十年。
自福特全球第一條流水生產線問世，整整過去了一百年時間，可這個被稱作“工業之王”的產業，卻沒能出現一個可以真正稱之為創新的變革，它已經飢渴了太久。
左轉、掉頭、蒙上眼，滴滴Robotaxi（自動駕駛出租車）在雨中完成首秀。
這是滴滴在上海開啓的Robotaxi試運行業務，用户可以在滴滴APP線上報名，審核通過後，在網約車平台上進行約車，免費體驗特定區域內的自動駕駛服務。
自動駕駛這個帶有“黑科技”屬性的技術一下子變得大眾化起來，彷彿一個全民Robotaxi的時代正在到來。
焦慮與野心
這不是滴滴第一次試圖拓展自己的邊界。
外賣、跑腿、貨運、社區團購，滴滴也想講一個生活服務閉環的新故事。跑馬圈地的背後，是滴滴作為出行巨頭的野心所向，同時不可避免地將公司內部不斷蔓延的焦慮情緒現於人前。
“滴滴即將IPO”的消息，一傳就是兩年。作為曾經TMD中估值最高的老大，已經縮水超過40億美元，形成鮮明對比的是美團一路高歌猛進，市值超過他們估值的兩倍。
新冠“黑天鵝”催化了這種焦慮。於是我們看到，柳青在接受採訪時説核心網約車業務已經實現盈利，卻在成都上線了與自己主營業務風馬牛不相及的“橙心優選”，又在上海搞了一場自動駕駛直播。
動作頻頻。
一個基本的行業共識是，網約車市場正在經歷一個高速增長後的平穩期。
這與滴滴在三月發佈的全員信相悖：3年內實現全球每天服務1億單，國內全出行滲透率8%，全球服務用户MAU超8億；但現狀是滴滴目前的日均訂單量不足5000萬單、國內滲透率為3%、MAU3.4億。
國內，滴滴之外還存在首汽約車和神州專車這樣以傳統租賃公司為依託的平台，以及曹操出行與高德打車這類有靠山的“網約車新勢力”；海外，Uber早已吹響狙擊滴滴的戰爭號角。
腹背受敵。
滴滴的選擇是像特斯拉一樣：為實現全自動駕駛而奮鬥。
一個小的知識點是，無人車需要大量數據去喂，AI系統才會越來越智能。滴滴在直播中提到了一項關鍵信息：他們是世界上唯一擁有千億公里數據的自動駕駛公司，由公司自主研發的車載設備桔視覆蓋了平台上50%以上的訂單，經過處理後，上面的行駛數據就可以用於哺育自動駕駛系統。
在我們的固有認知裏，自動駕駛是一個燒錢的遊戲，同樣做Robotaxi的Waymo，每年燒錢的速度是十億美金起步。僅激光雷達一項，一輛車的安裝費用就在7.5萬美元左右，滴滴也不例外，他們Robotaxi的車輛價格保持在100萬以上。
一般來説，汽車作為大眾消費品，用户是不願意掏這麼多錢的，做Robotaxi恰好可以有效分攤這種成本。此外，更高的使用頻次會帶來更多可供機器學習的有效數據，從而推動算法的進一步迭代。
所以説Robotaxi是可能成為自動駕駛領域最先落地的商業化場景的，而這也是行業風向標Waymo正在做的事，只不過他們在加州。
正因如此，在滴滴看來，Robotaxi和他們的平台調性是高度契合的。
滴滴駛入“無人區”
據説，滴滴此次在上海投入的是L4級別的智能駕駛無人車。
當主持人告知車上的安全引導員可以出發時，工作人員的回答是“稍等一下”，在等待的過程中，主持人開始講解那塊與自動駕駛相關信息的觸摸屏和當天的天氣狀況，可還是沒能忍住問出那句“可以出發了嗎”的疑問，在近五分鐘的處理之後，車輛終於啓動了。
直播當天的上海細雨綿綿，這會影響到自動駕駛系統的感知功能。理論上來説，雨量較大的時候，雨點、地面上的積水以及濺起來的水花都可能引發激光雷達的噪點，這時就需要依靠算法去除這些影響。
車輛經過一個積水路段時，主持人提問車輛在什麼情況下需要被接管，恰在此時車輛發生偏移，安全員緊急接管了方向盤，而此時前方和側方並未出現其他車輛或是緊急突發狀況。
在國內，左拐和直行車輛通常會同時放行，滴滴Robotaxi成功識別了紅綠燈，卻沒能發現對向來車試圖搶在自己之前左拐，造成的後果是顯示屏幕中兩車幾乎重疊，HMI發出“極度危險”的預警字樣，安全員再次接管了車輛。
這可能是因為，滴滴Robotaxi的平均時速保持在30km/h，而道路限速遠不止於此。
在第二次測試中，車前突然出現了一輛靜止的三輪車，直到遠程協助中心給出協助指令後，滴滴Robotaxi才變道繞開了前方的障礙物。
滴滴的解釋是，“這種場景屬於複雜場景”。
在由0和1組成的電子世界，圖像是很麻煩的東西，要想識別各式各樣的交通標線、標誌牌、信號燈，需要付出很大的代價。舉一個簡單的例子，一旦將圖像中的某幾個像素做出改變，算法輸出的結果就會大不相同，甚至可能出現將北極熊標記成狒狒、貓鼬或黃鼠狼的極端情況。
嚴格意義上來説，自動駕駛的投入產出比在短時間內其實是微乎其微的。目前行業頭部玩家Waymo於2009年組建自動駕駛部門，七年後才有第一輛車上路，百度也是在2013年就選擇進入自動駕駛戰場。
厚積才能薄發。
根據加州車輛管理局公佈的路測數據分析圖，Waymo是頭部選手中當之無愧的贏家，但國內部分玩家有幾組數據已經超過了Waymo的水平。
在技術方面，國內也有不少有實力的玩家，他們是自動駕駛領域的“技術流”。
説回滴滴，他們裝在Robotaxi上的Velodyne，笨重且造價高昂，是“技術流”玩家上一代測試時用的激光雷達。
幾乎所有自動駕駛公司都會面臨一個悖論，自動駕駛測試要更安全，就需要更多數據，可數據產生的前提卻是讓測試車跑到路上去，矛盾的地方在於，只有保證這輛車足夠安全，才會被允許上路測試。
於是催生出一批自動駕駛領域的“場景流”玩家，他們大多在2016年前後入局，正在進行開放測試，或是説自動駕駛示範應用牌照的爭奪。
好看，但不實用。所以滴滴在出行領域的老對手高德同為“場景流”出身選擇與走技術路線的AutoX合作，試圖形成“場景+技術”的互補。
“場景流”快速切入後，還是要避免不了“技術流”燒錢的老路子，這是自動駕駛領域玩家們逃離不開的宿命。與其説滴滴是在作秀，不如説它搞了一場以搶佔國內自動駕駛第二梯隊“頭牌”為目的的沒有硝煙的戰爭。
運營不錯，想法也很好，只不過途中翻了車而已。
霽月難逢，彩雲易散
滴滴Robotaxi宣傳的一大賣點是海量路測數據，這些所謂的“千億公里數據”到底是什麼？
如果翻越天眼查關於桔視記錄儀產品的介紹，可以看到很多有趣的信息。
而行車記錄儀上的攝像頭根本不可能記錄下和車輛駕駛行為（速度、加速度、位置、橫擺角加速度等）相關的數據，也就是説，這些代表了滴滴車輛行駛了千億公里的原始數據，對於改進機器算法的助益幾近於無。
自動駕駛遠不是把傳感器和攝像頭捆綁在一輛汽車上那麼簡單，遑論滴滴目前的自動駕駛技術還停留在激光雷達的階段，視覺感知技術積累得非常少。
現行交通規則可以上溯至18世紀的馬車時代，整個系統都是以人為核心。我們應該瞭解到，滴滴Robotaxi特定的行駛區域都進行過路測基礎設施的改造，包括動態交通標示牌、車輛行駛線以及各類智能感知系統。
在滴滴Robotaxi的直播首秀中，已經通過V2X成功識別了紅綠燈，儘管還是在識別三輪車和周圍車輛上出現了不少BUG。
千里之堤，以螻蟻之穴潰，一如Uber自動駕駛汽車撞上路人的官方解釋是，自動駕駛系統錯誤地將該女性識別為一個未知物體，然後是一輛車，最後是一輛自行車……
程維曾説過，自動駕駛道阻且長，內部需要至少做十年的持續投入。
可外界鋪天蓋地的報道全都是“滴滴開放自動駕駛服務”以及“面向大眾的科普直播”，事實上，滴滴的L4雖然叫做自動駕駛事業部，但ODD（設計適用範圍）到底有多大不得而知，只有一點毋庸置疑，它絕不是普通人認知範圍裏的那種“無人車”。
這裏簡單解釋一下關於V2X（車聯網）與自動駕駛之間的關係。一般而言，單車智能技術依賴於車載雷達和傳感器，它最大的問題就在於很難實現遠距離的安全感知和信息交互，如果可以實現多車信息的彙總，決策的可靠性就會提高三個以上的數量級。
車路協同等於“拉長”了單車傳感器和攝像頭的作用範圍。
長沙是國內投入運營的智能網聯汽車測試場中測試場景類型最多、測試道路總里程最長、研發辦公配套最齊全的封閉式智能網聯測試區，完成了100公里智慧高速和100公里城市開放道路的改造工作。
巨大的經濟代價換來長沙“國內首個自動駕駛之城”的城市名片。
君子恥其言而過其行，自動駕駛賽道上的玩家們大多喜歡反其道而行之。
星河滾燙，皓月清明。即使技術仍處在萌芽階段，需要很多方面協同進展才有可能規模實現也不足為奇，因為過去每一次工業革命都是一系列的技術突破而非一時的靈光乍現。
我們無法確定未來將如何展開，但就像福特汽車CEO馬克·菲爾茲所説的那樣，自動駕駛將定義下一個十年，並給社會帶來巨大的影響。