无人驾驶技术：无限趋近完美的探索｜科幻与现实的距离⑦

《流浪地球2》的热映点燃了大众的科幻热情，影片中的硬核黑科技令人印象深刻，诸如量子计算机、液冷服务器、3D打印、数字生命体等一系列前沿技术开始出圈，那这些充满未来感的技术和现实又有多少距离呢？澎湃号·湃客科技栏目联合至顶头条推出《科幻与现实的距离》专题，聊聊《流浪地球2》中出现的这些黑科技在当下的成熟度、行业应用情况和发展现状等。

本文为 澎湃号·湃客 × 至顶头条 联合出品

作者 | 赵晓勤

编辑 | 王恒婷

《流浪地球2》引发了人们对生命、对科技的大讨论和深度思考，汽车自动驾驶技术同样要接受现实的拷问。

即便电影设定的时间已经到了2030年，图恒宇驾驶的高度自动驾驶（L4）等级的汽车还是不幸发生了车祸，造成妻女死亡。这使人们对汽车自动驾驶能否发展到完全自动驾驶（L5）等级，以及能否真正经受住现实考验，产生了种种顾虑与猜疑。

自动驾驶考满分就能确保万无一失么？ 

人们期待着有一天能够实现无人驾驶，但人们对无人驾驶的忧虑与恐惧从未消除过。吴甘沙，前英特尔中国研究院院长，6年前进入自动驾驶领域成为驭势科技创始人。他把现在的自动驾驶技术和自动驾驶成熟度分别做了一个比喻：“如果说自动驾驶是场考试的话，现在的技术能考到98分或99分，这是第一个比喻。第二个比喻，如果把自动驾驶技术成熟度和商业化看做是场马拉松的话，现在大概跑了三分之一。” 

吴甘沙解释道：“我们可以把自动驾驶技术理解为是一场在无限题库里的考试，你能考到99分，并不代表你离100分很近。在这个行业里我们有个90/10原理，就是你貌似已经走完了90%的道路，但剩下10%的路仍需90%的时间和努力。也就是说从99分到100分是十分艰难的。” 

“这是个定性的分析，如果从定量的角度去衡量，就拿业界领先的自动驾驶技术公司Waymo的数据来看，有一个重要指标叫接管里程MPI（miles per intervention，自动驾驶平均每次被人类接管的行驶里程间隔，如果不接管就会出现事故）。2018年的数据应是每1.1万英里有一次接管， 2019年提升到了1.3万英里， 2020年特别好，达到了2.9万英里，这可能是疫情原因路上的车比较少吧，然而到了2021年成绩下降了，只有0.8万英里就有一次接管。这就是自动驾驶的数据。” 

《流浪地球2》中，图恒宇一家发生车祸。

而人类驾驶的情况呢？“美国司机的数据显示，每25万英里保险公司会出一次险，50万英里会出一次警，150万英里才有一次致伤的事故，9400万英里会出现一次致命的事故。“ 

“因此，如果要让自动驾驶比人类表现提升20%，也就是1.1亿英里才出一次致命的事故，得到这样的统计学意义的显著性特征需要积累110亿英里的行驶数据。需要自动驾驶技术的汽车累计行驶110亿英里，如果撞死了不超过100人，就能表明达到了1.1亿英里才出一次致命事故的水平。” 

但要拿到这样的证明，累计110亿英里，对任何一家自动驾驶技术的公司来说都是难以实现的。因为即便这家公司有500辆车同时实测，也要开100年才能积累到自动驾驶行驶100亿英里的数据。我的第二个比喻，是我们达到了99分的成绩，但如果是个马拉松我们也才走了三分之一的路程。 

“悲观的人总是正确，乐观的人总能成功。” 

无限题库的无人驾驶即便能考99分，却永远无法考到100分，无人驾驶就永远无法商用了么？吴甘沙并不这么认为。他指出：“自动驾驶技术有三条路可以走。第一条无限题库，虽然无论怎样也考不了100分，但他旁边可以放个老师，随时纠错，这就是我们说的L2辅助驾驶。因为责任在司机，自动驾驶一出错老师就进行纠错。第二条路是固定题库。就是在园区内做的自动驾驶。因为可以进行充分测试，确保每一次都能考100分，这也是《流浪地球2》中看到的无人驾驶卡车运输弹药、帮助建造基地的情景。第三条路是在开放空间里，还是无限题库，但他的运行速度比较低，车辆尺寸也比较小，允许他不考100分的巡逻、配送场景也可以实现商用。” 

因此，从实用及商用情况看，第一种无限题库的商用，要达到L4等级或以上要等到十年、二十年才可能进入成熟阶段，如果是第二、第三种，在港口、码头这种场景下的工程机械现在已经进入了商用化的程度。 

单车智能与车路协同谁将胜出？ 

目前很多自动驾驶的公司采用的路线都是单车智能，而车路协同是另一条快速催熟自动驾驶商业化的路线。车路协同的优势是以“上帝视角”对全局进行把控，协调路上所有车辆，而非在单车视角下考虑与周围车辆“博弈”问题。车路协同利用路端数据可以大幅简化单车自动驾驶的算法，甚至是减低车端算力要求和设备需求，同时真正实现大面积无人化驾驶以节省经济成本。

然而吴甘沙认为：“未来将会向单车智能为主，车路协同为辅的方向发展。” 

“因为车路协同中，单车智能代表着能力下限，缺乏单车智能，只靠车路协同是不现实的。车路协同不可能实现完全覆盖中国的每一条道路，车也不会像我们的4G、5G，每个人的手机都能用。其次，要让所有的车能利用车路协同也是非常难的一件事。因此车路协同不可能在全国实现100%覆盖，预计未来2-3年也只有1%车辆能够用到。“ 

“虽然车路协同不能完全覆盖，但在一些特定的区域，比如机场、码头或者特定的高速上还是可以实现。然而一项技术要大规模应用一定要实现闭环。也就是谁出钱，谁来运营，客户能否有感知，客户是否愿意买单。如果只是做一些试点，是没有办法大规模推广和应用的。”

“此外，车路协同比单车智能在出现事故时更难以实现责任认定。 如果是单车智能，只要解决车的问题基本也就解决所有问题。但车路协同中间环节会大幅增加，出错的原因认定就会变得更加复杂。” 

自动驾驶技术真正的战场不在ToC而是ToB 

当下很多人把目光都放在了ToC市场，然而自动驾驶的真正价值在ToB市场。吴甘沙表示：“现在大家能感知到的自动驾驶技术是在乘用车、出租车，无人驾驶公交车，帮助人们从一个点抵达另一个点。然而大量自动驾驶技术的用武之地在物流。” 

“从一个城市、一家企业来看，以运送货物为主，干线物流支撑城市的运转。在企业里，从原材料到产品都需要物流的支撑，与资金流、信息流同等重要，绝大多数企业最终是要把自己制造、生产的实物产品交付给客户。” 

“现在大家说的企业数字化转型，其本质是解决人的不确定性和低效问题。人的不确定性包括劳动力越来越贵、越来越稀缺，愿意做重复性劳动的人越来越少，即便是开车，司机的技术水平也是参差不齐，不同的人学习能力也不同，掌握技能的时间也就有长有短。人的情绪也会受到各种因素影响。而自动驾驶技术能将人的这些不确定因素都避免。因此数字化后，就能拥有更加全面的智慧，更加高效的规划，确保企业生产的整个流程达到Just in Time的完美状态。” 

ToB自动驾驶应用市场广阔但面临三大困境 

自动驾驶在ToB市场拥有广阔的市场前景。根据卡内基梅隆大学报告指出，带有智能驾驶功能的汽车，燃油经济性提升10%，自动化等级越高、节能效率越高。智能驾驶对人力成本较高的场景则意义更大更具性价比，如卡车长途运输，每年每车可节省人力成本6-15万元。 

然而缺乏标准、资金错配、缺少场景化解决方案是市场面临的三大困境。吴甘沙指出：“首先是缺乏标准。没有统一的标准，好技术和坏技术一起竞争，造成市场上劣币驱逐良币的现象发生。缺乏标准也不利于客户选型，阻碍了企业采用新技术创新的动力。” 

“第二，补贴资金的错配。当前地方政府鼓励企业创新，补贴拥有创新技术的企业，这是一个很好的政策。然而政府也担心有的自动驾驶企业进行骗补，因此采取后置型补贴，将补贴发给采用自动驾驶新技术的用户。如果直接把补贴发给自动驾驶技术的提供方，能鼓励更多企业去尝试新技术，推动他们的转型升级，同时也对新技术的推广起到了推动作用。” 

最后是要有更加场景化的解决方案。“无人驾驶技术并不是一个产品，而是解决方案中的一部分，是数字化物流中的一部分，这需要行业协会、头部企业、无人驾驶技术提供方共同努力，提供适合企业真实场景的解决方案，为他们的物流问题做出切实有效的落地方案。”

即便图YY只有2分钟的自主意识，图恒宇也会尽一切可能，让女儿在数字世界能够拥有完整的一生。能考到99分的自动驾驶技术即便是一场无尽的马拉松，同样会让无数严谨、坚定的科技工作者不断探索、完善，虽不能完美但他们在无限逼近完美。