實測北京無人駕駛網約車：離AI取代老司機還有多遠？_風聞

自動駕駛離自己的春天越來越近。

2017年的百度AI開發者大會上，百度直播自動駕駛車輛上五環路的內容，一度引發巨大爭議。彼時自動駕駛企業的測試方式還是以封閉測試為主，缺少一塊市區內的自主訓練場。

如今，全國各大城市正在拉開一場無人駕駛搶跑戰，大批無人駕駛試點區的開放，讓企業可以一展手腳。

7月7日，北京市高級別自動駕駛示範區工作辦公室宣佈，正式在亦莊等地區開放智能網聯乘用車“車內無人”商業化試點，企業可以在獲批後提供常態化付費無人駕駛出行服務。

與過去的測試相比，此次北京新試點的關鍵詞有這幾個——車內無人，意味着車內沒有安全員，乘客將體驗一段“一個人的行程”；商業化，意味着企業可以對出行服務長期收費，把新服務做成一項穩定的業務。

但與此同時，大多用户對無人駕駛出租車的瞭解不多。這些試點區往往處在偏遠的城市郊區，而且範圍狹小，這裏的出行需求不多。

為了瞭解這次全新試點的推進成果。「科技新知」來到北京亦莊，親自體驗了無人駕駛的出行服務。

無人出租，離老司機還有多遠？

（蘿蔔快跑出租車的車內場景）

想在北京坐上一輛智能駕駛出租車，你首先要選擇一家運營平台，並下載他們的APP。「科技新知」下載了兩個在北京提供無人駕駛出行服務的平台APP，分別是百度旗下的蘿蔔快跑，和小馬智行旗下的Pony Flutter。

（小馬智行、蘿蔔快跑的APP首頁界面）

打開APP，你會看到無人駕駛平台的乘車須知。與常規的網約車相比，無人駕駛沒有什麼特殊之處，只有一點例外——一輛車最多乘坐3人，乘客只允許坐在後排。

（蘿蔔快跑乘車須知）

用户完成註冊後，就可以選擇出發點和目的地。在出發前，「科技新知」在亦莊隨意選取了兩個地點，兩個平台立即給出了接單車輛位置，車輛信息顯示，接單車輛趕到目標地點在3分鐘左右。

但在實際趕赴亦莊上車點後，系統顯示，前方排隊乘客還有11位。實際上，「科技新知」從抵達上車點到坐上無人車，花去了近20分鐘時間，這可能與上車的點位、時段有關。

在確定路程時，你需要在運營區域內茫茫多的上車點和下車點中進行選擇。

你可以把它理解為公交車的站點模式——無人駕駛平台在測試區內規範好密密麻麻的上車點和下車點，乘客只能在在有限的地點裏選擇一個上車，並打車到指定下車點。很多時候，上車點與下車點甚至是不重合的，你可以在一條街找到多個上車點和下車點，至於額外多出的路程，則要靠自己的雙腳來走。

（小馬智行用車界面，青色為上車點，黃色為下車點）

這樣的站點式規劃，目的是避免複雜情況的出現。你可以把無人駕駛理解成一位新手司機，它能對路況、交通燈信息做出判斷，能處理基本的轉彎、加減速、讓行等操作，但處理不好一些複雜操作。

比如像老司機一樣，到狹窄複雜的小區門口接乘客，再停到一個路況複雜的園區裏供乘客下車。

“現在改進了不少，站點已經很密了。”車上的安全員對「科技新知」表示，早期的無人駕駛測試環境裏，站點非常稀疏，到現在，無人車的上下車點基本覆蓋了亦莊的主要街道，大大方便了乘客體驗。

與網約車相比，無人車的上車流程是開車門上車——坐在後排並繫好安全帶——在座位屏幕上輸入手機號後四位——點擊“開始行程”。在行程中，座位屏幕會實時顯示自動駕駛系統對當前路況的檢測結果。

（小馬智行車內屏幕）

價格方面，「科技新知」選擇在兩家平台各打車一次，其中小馬智行打車2.4公里，費用30.5元優惠抵扣後實付0元；蘿蔔快跑打車3.5公里，費用31.95元，活動抵扣後實付5.75元。

相比常規的網約車如滴滴快車，兩家無人駕駛平台的費用整體要更高。在離開新客補貼後，無人駕駛平台可能很難保證價格對乘客有吸引力。

例如，滴滴快車在北京的起步價為13到14元，蘿蔔快跑為18至19元，小馬智行為18元；里程費方面，滴滴快車為1.4元至2.25元每公里，蘿蔔快跑為2.7元至3元每公里，小馬智行為2.6元至3元每公里；時長費方面，滴滴快車為0.5元至0.8元每分鐘，蘿蔔快跑為0.5元至0.7元每分鐘，小馬智行為0.7元至0.9元每分鐘；遠途費方面，滴滴快車為0.5至1.4元每公里，蘿蔔快跑為0.9元每公里，小馬智行為1.7元至2.4元每公里。

在亦莊，兩家平台運營的主要是下圖所示的，有安全員的智能駕駛車型。小馬智行乘客必須完成首單訂單後，才能預約全車無人出租車；蘿蔔快跑僅在北京西郊的首鋼園園區開放全車無人出租車，且體驗階段價格為30元一口價，不容講價。

（停在路邊的自動駕駛測試車）

而當前亦莊無人駕駛的主力車輛，都離不開安全員的把控。

在10分鐘的車程裏，「科技新知」注意到，安全員基本不負責十字路口、直行路況的操控，只有幾類場景會觸發安全員的下場，它們分別是鳴笛、變道和向旁車喊話。

在直線車道一輛違停車的身後，無人駕駛車用一種略顯呆傻的方式停在了原地，安全員不得不上手為車輛變道。

這或許表現出無人駕駛車輛的算法還有精進空間——前方所停車輛是故障停車還是等待行人/交通燈？我應該變道超車還是等待前車發動？

對於乘客個性化的訴求，無人車也很難做到周全。

當「科技新知」對安全員提出，能否勻速起步，平緩轉彎和剎車速度時，安全員只能報以苦笑：

“它的速度是固定的，沒辦法像人一樣，照顧你會不會暈車。”

當然，自動駕駛出租車的整體體驗比較人性化。在「科技新知」體驗的車程中，車輛直線速度保持在70千米每小時，加速和減速基本穩定。

相比出租車的“老司機”，自動駕駛不會做出突然加速的搶燈行為。如同一個謹慎的新人，它只會按部就班地勻速行駛，這對暈車人士十分友好，但「科技新知」在體驗中，車輛作出了幾次自主變道且速度較快，此時暈車感還會不可避免地出現。

誰在領跑無人駕駛競爭？

百度創始人李彥宏曾在《智能交通》中寫道，百度採取了漸進式的無人駕駛發展路線，在人車混行更少、大家遵守交規、紅綠燈設置合理的地方先跑起來，先從5萬公里、10萬公里跑起，最終向L5級別的任意場景全無人駕駛邁進。

這也是國內自動駕駛企業的通行做法。從L1到L5的路徑不能一蹴而就，但在全國範圍內的自動駕駛試點區，各路玩家已經搶破了頭。在北京，這些玩家是百度和小馬智行，在上海、廣州、深圳等多個城市，T3出行、滴滴、文遠知行等玩家還在虎視眈眈。

不同玩家的自動駕駛技術殊途同歸，都是通過架設感知、預測、規劃、控制模塊，讓車輛儘可能向人類的思維模式靠攏——我處在什麼樣的環境中？附近路況如何？我要如何規劃路線？如何實施具體操作？

其中，最關鍵的部分是感知。

自動駕駛的感知模塊，需要解決看到物體，分析物體是什麼，跟蹤物體並進行語義分割，分清在車輛面前的是另一輛車，還是行人或障礙物。

2021年3月12日，一輛特斯拉Model Y在美國底特律追尾一輛白色半掛卡車，造成嚴重損毀。事故原因是，自動駕駛的感知系統認不出卡車的白色車廂，就只能從過往的“記憶”裏進行匹配，結果是，自動駕駛系統把卡車認成了白雲，一頭紮了上去。

在國內，以此次「科技新知」體驗的百度蘿蔔出行和小馬智行為例，雙方都在啃多傳感器融合技術。也就是給車身安裝更多的雷達和攝像頭，如果一雙眼睛看不清楚，那就用幾十雙眼睛來感知路況。

例如，百度阿波羅感知算法就包括預處理、後處理等模塊，先用雷達、攝像頭捕捉圖像，稍作調整後就對圖像中的交通燈、車輛等信息進行檢測處理，最終讓AI系統理解當前路況的障礙物信息。

小馬智行的感知系統同理。官方信息顯示，小馬智行通過相機、雷達等傳感器感知路況信息，並進行目標檢測、多目標追蹤、場景理解等工作。如圖所示，感知系統將車輛標註為綠色，摩托車標註為橙色，行人標註為黃色，環境信息標註為灰色。

而決定自動駕駛精度的，是長尾場景數據與算法。

自動駕駛領域的長尾場景，可以理解為罕見路況，如晚高峯超級忙碌的十字路口，大量行人或非機動車搶行的十字路口，開出狹小路口面對左右橫行寬敞車道的路口，大雨、大雪、大霧天氣下的路面，也包括特斯拉曾“翻車”過的特殊路況——一輛車可以正常行駛在路面上，也有側行、逆行、翻倒、部分車身解體等特殊情況出現。

誰能積累更多的長尾場景數據，誰就能優化算法，提升自動駕駛的精確度。在此方面，百度阿波羅與小馬智行殊途同歸，都是通過無人駕駛測試區的海量實測，儲備L4階段面臨的長尾場景數據。

而在無人駕駛出租車的戰場，百度的優勢更明顯。根據百度2022年年報披露，按已完成的訂單量計算，百度蘿蔔快跑是當前最大的無人車服務提供商，截至2023年1月底，蘿蔔快跑已經累計提供了超過200萬無人駕駛出行訂單。而小馬智行的無人駕駛商業訂單數為近20萬單。

無人駕駛，何日走入尋常百姓家？

在體驗無人駕駛出租車時，「科技新知」曾詢問駕駛位的安全員：“您覺得無人駕駛進入L4或L5階段，離開測試區在全市運行，還需要多久？”

安全員的答案是：“可能還要等很久。”

一方面，在亦莊、首鋼園等北京的無人駕駛測試區，可供乘客選擇的上下車點越來越多，商業化運營也愈發成熟。無論安全員還是乘客，人們都對無人出租的服務不再感到好奇。

另一方面，無人駕駛出租車，還沒有走出“幼兒園”。

亦莊留給行人的印象是一個詞——標準。這裏馬路寬敞，幾乎無人的次要道路都覆蓋着標準、流暢的交通燈。路面車輛並不多，一個60秒的紅燈，只能攔住不超過10輛汽車，不超過2輛電動車。

曾有外賣騎手對「科技新知」抱怨北京主城區糟糕的路況——遍地都是停車位，非機動車道幾乎被停好的汽車塞滿，騎手沒有任何辦法，只能到機動車道去，和汽車搶道。

而在亦莊，你幾乎看不到此類情況出現。

在非早晚高峯期，這裏罕有行人，外賣騎手的電動車也只在少數主幹道路出現，密度遠不及北京的核心市區。至於飆車、搶燈更是罕見。

即便在這樣的路面測試全無人出租商業化運營，也要嚴格限制車輛數量、測試範圍，這足以説明，從企業到監管部門，對此次測試的謹慎態度。

對企業來説，在這樣的“襁褓”中孵化的自動駕駛，還遠遠達不到“能打”的程度。

自動駕駛正在迎來整個行業的繁榮階段。越來越多的車企選擇與自動駕駛企業合作，比亞迪創始人王傳福曾在2022年財報會議上對自動駕駛大潑冷水：“什麼無人駕駛都是扯淡”。但同樣在2022年，比亞迪和英偉達、百度等企業達成自動駕駛合作。

另一邊，自動駕駛關鍵的芯片、雷達等配件能力也在提升。以2020年英偉達發佈的Orin芯片為例，按照小馬智行的説法，這款芯片已經能達到過去L4的算力需求。

但同時，自動駕駛服務平台也必須走出“襁褓”，不僅是為了獲取更多的長尾場景數據，同樣是為了後續研發投入而“輸血”。

做自動駕駛，就是養了一隻“吞金獸”。2021年和2022年，百度的研發費用分別是233.2億元和249.4億元，研發費用率最高接近20%，在國內民營企業中位列第一位。

這也是此次全無人駕駛出租車開放商業化試點的重要意義——想辦法給研發企業輸血，不讓企業受到漫長的研發過程，海量的研發經費的拖累。

在未來，全無人出租車服務需要進入更多地區，特別是需求更大的核心城市的核心市區。只有走出“舒適區”，膽怯、生澀的AI司機才能挖掘更復雜的路況規律，才能讓整個社會看到無人駕駛的巨大潛力。