无人驾驶上路

　　新旧玩家混战无人驾驶市场。

　　2017年12月12日，在上海嘉定F1国际赛车场附近发生的一起事故引起网络热议：一辆白色比亚迪躲过“行人”后偏离主路，在冲过绿化带和非机动车道后，一头撞上了人行道上的树木。

　　这不是一起普通的司机酒驾，也无人受伤，而是2017 CIVC中国智能汽车大赛上，来自长安大学车队的无人驾驶比赛结果，也是公开可循的“我国无人驾驶汽车首撞”。

　　世界上第一起无人驾驶死亡事故来自特斯拉。2016年5月7日，车主Joshua Brown在使用特斯拉ModelS电动汽车自动驾驶系统的行驶途中，在美国佛罗里达州威利斯顿高速公路上与一辆突然左转的卡车相撞后死亡。彼时，全球对无人驾驶的质疑声一度达到了顶峰。

　　与此同时，大公司们仍有条不紊地推进无人驾驶的研发工作。

　　在2017年11月的2017百度世界大会上，百度与金龙客车宣布将行业量产时间提前两年，即2018年7月小批量产及试运营无人驾驶微循环巴士“阿波龙”。

　　奔驰则早在2013年9月就首次公开测试了自家的全自动无人驾驶技术：Mercedes S-Class汽车完成了从德国曼海姆到普福尔茨海姆的100公里道路行驶，这也是第一位人类女司机、奔驰创始人卡尔·本茨的太太于1888年首次驾车走过的路线。

　　“几乎一夜之间，我周围的所有朋友都在做无人驾驶。”国内机器视觉独角兽公司之一的依图科技联合创始人、CEO朱珑向《21CBR》记者表示。

　　根据多方玩家的时间表，2018年全球第一辆具备无人驾驶能力的汽车将有望真正上路。无人车真的安全吗？对于广大司机、乘客和工业界，智能驾驶的到来意味着什么？

　　竞相路测

　　2017年12月2日，阿尔法巴智能驾驶公交车试运行的消息引爆网络，“面向公众开放、全面代替司机”的假消息不胫而走。项目发起方——深圳巴士集团紧急辟谣：线路尚处于“数据采集试运行阶段”。

　　不过，好奇的公众仍自发前往测试点附近围观。阿尔法巴也为各地竞相开展的无人车路测掀开了神秘一角。

　　2015年8月，宇通自动驾驶客车在无人工干预的情况下，完成从郑州市郑开大道到开封市开远门站的32.6公里开放路测；2017年7月，中车电动在湖南株洲的开放道路上以最高40公里的时速行驶了近3公里。

　　被称为“汽车小镇”的封闭式测试园区也在全国多地“开花”。比如，位于上海国际汽车城的2平方公里测试场地内设置了隧道、加油站、圆形环岛等50种模拟交通场景；2016年11月开放的重庆示范区则主打兼具城市和农村、山城和雾都环境下的复杂交通场景。

　　更多的无人车团队选择漂洋过海，前往美国加州注册分公司，申请当地的路测牌照。美国是完成自动驾驶顶层设计的首个国家，加州交通管理局(DMV)于2015年制定了针对自动驾驶公开道路测试的相关草案，加州也因此成为百度、长安、蔚来汽车等企业看中的全球无人车路测“大本营”。

　　此前，由于我国2011年修订的《道路交通安全法》未将无人驾驶的问题纳入考虑，加州牌照、封闭式园区和无法案保障的“黑跑”，构成了中国无人车公司的三种测试路径。直到2017年12月18日，北京市交通委发布关于自动驾驶车辆道路测试的指导文件，国内正式允许无人车上路测试。

　　阿尔法巴项目实施方、海梁科技总裁助理穆毅告诉《21CBR》记者，阿尔法巴的路测选址位于深圳福田保税区西南角的海边，沿途驶过金葵路、香樟道、红花路等单、双车道，测试路段平日里行人较少，但仍有货柜车和外卖电瓶车等不时经过。在首发当日时长1分40秒的路测中，巴士与6辆小汽车、2辆大巴客车会车，被1辆小汽车超车。穆毅认为，自动驾驶测试只有行驶在开放道路上，才能模拟公交运营的实际工况，完成无人驾驶技术提升所需的“有效里程”积累。

　　2017年7月，图森未来的L4级别无人车完成从加州圣地亚哥到亚利桑那州尤马的170英里跨州长距离路测；几乎同一时期，图森基于陕汽X6000研发的自动驾驶卡车也在唐山市曹妃甸区内试跑。

　　这家200人规模的无人车公司的核心团队，包括来自美国加州理工、卡耐基梅隆等名校的科学家和丰田、通用自动驾驶组的研发人员。团队此前最知名的战绩，是在世界最大的自动驾驶视觉算法评测数据集KITTI中拿下了九个单项第一。

　　从美国到中国，从北五环到洋山港，每条路都有自己的工程问题：交通规则、车道线画法甚至隔离墩的形状都不一样。大街小巷的特定问题，加上系统对不同厂商和型号的车辆适配，一系列的排列组合最终形成了堪比天文数字级的独立交通事件。

　　图森未来联合创始人、CEO陈默认为，要将小概率情况都摸清，每百公里路需要100万公里以上的测试，“相当于每一公里路要跑1万次。”

　　迄今为止，全球测试时间最长的自动驾驶汽车来自谷歌。该公司声称，其50多辆自动驾驶汽车的总行驶里程已突破200万英里（约合322万公里），相当于人类300多年的驾驶经验。即便如此，始料未及的新情况仍不断出现，比如，在位于谷歌总部山景城的一次测试中，一个坐着电动轮椅的女人在路上转着圈追赶一只鸭子，自动驾驶系统只能通过不断试探并降速停车来避免事故发生。

　　无人驾驶什么时候才是安全的？

　　“我们认为在99.9999%的道路情况都已知的条件下，剩下的0.0001%通过pull over（降速停车）的方式降维处理，在商业上才是可行的。”陈默向《21CBR》记者表示，团队计划2018年中在中美两地共部署50辆货车批量测试，“把没见过的都看一遍，这就是谷歌长时间路测的意义。”

　　定点定线

　　从试验场走向真实道路的智能驾驶汽车，面对的是千变万化的长尾路况。相比大而复杂的共享租车市场，从A到B的定点定线场景，更有可能最先落地商用，也诞生了这个行业的新玩家——无人驾驶运营商。

　　穆毅向《21CBR》记者表示，与国内大部分自动驾驶项目不同，阿尔法巴由巴士运营方深圳巴士集团主导。相比将所有自动驾驶技术集成在一辆车上，或是在私家车上安装近200万元人民币一套的感知设备，公交系统的专用道和固定线路使得沿途安装传感器、网联设备等基础设施的时间表离公众更近，且成本是“公交公司负担得起的”。

　　图森未来则定位为货物运输场景下、公路港与公路港之间的L4级别无人驾驶行为运营商。图森未来向陕汽、一汽等重卡车厂采购定制化车辆、自主研发软件系统与核心算法，并作为车辆上路运营后的主要责任承担方，车厂仅依照需求和设计方案为车辆加装硬件。

　　在这一模式下，汽车主机厂(OEM)、一级零部件供应商(Tier 1)等汽车制造产业的传统“大咖”将退居二线，既做全栈技术又担责任的运营商成为无人驾驶领域的核心玩家。

　　商务部数据显示，2016年全年社会物流总费用占GDP的14.8%，同比下降1.2%，网上零售额5.2万亿元，增长26.2%。中国电商行业的繁荣带动了物流运输业的高速发展，也加剧了货运司机的短缺，疲劳驾驶、超速驾驶成为卡车司机群体中的普遍现象。陈默算过一笔账，“中国的干线运输卡车司机大约有800万名，行业月收入在1万元上下，算上社保公积金，每人每年成本最少12万元，这起码是一个万亿级别的市场”。

　　不过，无人驾驶汽车若不能完全取代人类，其降本增效的商业模式就无法成立。在美国汽车工程师协会(SAE)制定的共6级自动驾驶级别中，名为“有条件自动化”的L3级别成为了当前矛盾的集中体现。

　　一方面，根据定义，司机可以在特定条件下双手离开方向盘实现自动驾驶。另一方面，多国现行法律仍将这一行为判定为危险驾驶行为。主流玩家也各自站队，奥迪和丰田身处L3级别汽车的量产阵营，沃尔沃和福特则选择直奔无需人类接管的L4（高度自动驾驶）级别。

　　陈默认为，从辅助人类的自动驾驶到代替人类的无人驾驶，二者之间存在着一条泾渭分明的产业边界：一方是以高级驾驶辅助系统(ADAS)为终端主体承载附加功能，由OEM和Tier1主导的自动驾驶产业，汽车仍被作为传统耐用消费品卖给客户。另一方则是能够颠覆整个汽车制造生产和人类出行的无人驾驶产业，一个全新的增量市场。

　　谷歌旗下的无人车公司Waymo早前宣布停止“紧急情况下司机接管车辆”的功能研发，因为Waymo在硅谷开展的一系列路测中发现，当无人车时速平稳达到90公里时，人类司机会打盹、玩手机，精神涣散，面对突如其来的路面危险并不能很好地操控汽车。

　　当被问及科幻感十足的L4/L5级别无人车何时商用，业内都指向了遥远的2025年。在陈默看来，当前商业化的困难不在于安全指数的上限有多高，而在于下限有多低，“几辆车路测没事不难，难在1万辆车铺出去还能不出状况。相比之下，政策不是问题，是各家的技术还达不到。”

　　在成本和安全之间，无人车公司艰难探寻着两者的最佳平衡点。

　　比如，以机器视觉能力为主的解决方案成本更容易被接受，但只要稍有逆光、灰尘等不利因素影响，风中飞舞的塑料袋甚至雨滴都可能被系统误认为是障碍物，团队的算法设计和系统集成的能力受到考验。反过来，如果采用当前精准测距的传感器“顶配”——成本达70多万元的64线激光雷达，无人车又会沦为“富人的玩具”。

　　陈默表示，图森未来正在和申通等货物承运商接洽。不过，目前要谈制定运营细则，还为时过早，眼下急需的是在2018年把第一条实际交通场景内点到点的商业化道路演示搭出来，“比人安全，还比人便宜，客户就会用你的服务”。

　　巨头混战

　　作为无人驾驶汽车的核心“大脑”，芯片市场的战争有三方阵营：谷歌以封闭模式自主研发专为人工智能运算服务的TPU(Tensor Processing Unit)。新老巨头英伟达和英特尔在产业链上下游布局，前者以资源+资金的投资方式在中国首次投资自动驾驶公司图森未来，后者则在买下以色列ADAS厂商Mobileye后，于2017年10月对国内AI芯片公司地平线完成近亿美元的A+轮融资领投。

　　百度研究院前院长林元庆曾经指出，智能汽车在技术层面分为“智能”和“汽车”，要搭建强大的“智能”系统，需要具备三个必要条件：很好的算法、用于训练这些算法的大数据，以及强大的计算能力。自动驾驶过程容不得死机，硬件必须满足高可靠高性能的实时运算。

　　陈默告诉《21CBR》记者，在无人驾驶系统的开发阶段，与英伟达的战略投融资关系，为图森未来与博世等主要一级零部件供应商和传感器厂商展开深度合作提供了帮助。作为当前无人驾驶领域的主流主控芯片，英伟达的GPU芯片与车内的所有传感器、控制单元相连，丰田、奔驰、沃尔沃等厂商纷纷选择与之结盟。

　　在无人驾驶产业内，科技巨头手握智能汽车的中枢大脑与核心技术，车企想要进入，必须开放生态，与前者分食蛋糕。

　　不过，对于英伟达试图在无人驾驶领域复制机器视觉霸主地位，地平线创始人、CEO余凯并不担心：“500W功耗的处理器放在一辆车上，这不是一台running car，而是burning car。”清华大学计算机系教授、中科院院士张钹则表示，“AlphaGo采用的2000千瓦计算机，用比人类高出10万倍的功耗才把李世石打败。人工智能要往前发展，现有的硬件必将成为障碍。”

　　余凯认为，以算法定义芯片的软硬件深度结合将是无人驾驶芯片的发展趋势，“未来凡是不需要传感器协同的部分，包括感知、决策在内的智能汽车计算都将推向终端。要在烈日环境下也能完整精确地检测，就要以非常低的功耗在处理器上运算。”

　　2017年12月，地平线发布国内首款嵌入式人工智能视觉芯片征程(Journey)1.0处理器。地平线方面称，目前基于该芯片的高级驾驶辅助系统(ADAS)对车辆、行人、车道线和交通标志的检测准确率超过99%。

　　在芯片市场之外，长链条的行业特点使得市场越发混乱。曾经掌握着话语权的行业大佬们，现在也火急火燎地加入战局。福特投资布局无人驾驶的几个核心技术，包括激光雷达公司Velodyne、地图公司CivilMaps和机器视觉公司SAIPS；通用与打车应用Lyft打造无人驾驶网络；戴姆勒则与博世组建开发联盟，计划推出庞大的无人驾驶共享汽车系统。

　　未来，如果无人共享租车业务全面开启，新一代无人车出行服务运营商崛起，传统的乘用车企将面临利润空间的急速抽离。美国智囊机构RethinkX创始人TonySeba指出，如果订购无人车服务来满足一个人的所有运输和出行需求，每户美国家庭一年可节省5000美元，“每个人都将成为受益者，不仅仅是特定行业”。

　　竞争之外还有合作。目前唯一能够量产车规级激光雷达的零部件供应商——法雷奥中国区副总裁朱威在谈及无人驾驶产业之复杂时，举过一个例子：法雷奥和奔驰曾经历时3年多，动用了300多名软件人员，花费1亿多欧元，编写了5亿多个源代码，才完成了仅仅是一个自主泊车功能的联合开发。巨大的工作量决定了主机厂、供应商和技术公司等多方合作的未来行业格局。

　　无人驾驶产业还在等待真正的爆发。

　　2017年11月，百度、蔚来资本完成对首汽约车的B+轮7亿元融资，共享租车、无人驾驶和新能源的组合充满未知。百度智能驾驶事业群组总监尚国斌直言，虽然目前滴滴处于垄断位置，但市场并未走到终局，未来移动出行的形态将是智慧出行。

　　时间的车轮滚滚向前，在这场游戏中，被挑战的或将是曾经的颠覆者。

　　本刊记者 沈玉姗