國外的科技媒體都被Waymo推出的自動駕駛打車服務WaymoOne刷屏了，在潛心研發(fā)近十年后，Waymo終于把自動駕駛汽車商業(yè)化運營推到了臺前。

汽車制造商呢？針對蘋果和谷歌這類門外漢對汽車這個萬億市場的覬覦，豐田執(zhí)行副總裁DidierLeroy說過：你覺得我們會打開門說「請進」？不，我們不會讓他們進來的。

那么，豐田的自動駕駛打車服務在哪兒呢？不，不要誤會，我不是針對豐田，我是說在座所有走「最精密的傳感器布局＋運營自有車隊收集數據」發(fā)展自動駕駛技術的大型車企，沒有一家能追上Waymo的技術水平。

就沒有一家車企出來為行業(yè)挽尊嗎？也有，特斯拉標配Autopilot硬件的車隊規(guī)模已經突破了50萬輛，Autopilot啟用狀態(tài)下里程剛剛突破了10億英里。但Autopilot目前的表現，和自動駕駛還搭不上邊，姑且算作有潛力的一大變量吧。

Waymo的難題

TheVerge發(fā)了一篇長文專門講述WaymoOne的試乘體驗，非常詳細。簡單總結下就是一句話：從App交付、服務區(qū)域、行車體驗、人車交互甚至到定價，Waymo把方方面面的用戶體驗考慮得非常周全。

一個小細節(jié)是，去年年底，Waymo去掉了坐在駕駛位上應對突發(fā)狀況的安全員，但在今天的正式商業(yè)化運營中，這些安全員又坐回了駕駛位，原因是「乘客覺得方向盤后沒有人還是會緊張」。

WaymoOne是實實在在的全行業(yè)第一個實現正式商業(yè)化的自動駕駛打車服務。這是不是意味著，過去三年自動駕駛賽道的競爭結束了？Waymo自動駕駛汽車會像Google搜索一樣快速席卷全世界嗎？

要讓自動駕駛汽車走向全世界，Waymo還有幾座大山要翻。

Waymo目前的自動駕駛汽車，還做不到真正的自動駕駛。

在去年加州車輛管理局（DMV）公布的年度報告中，Waymo自動駕駛汽車每行駛5596英里（9006公里）需要人為接管一次。所謂人為接管，就是遇到了極度復雜或不可控的路況，自動駕駛系統無法處理，需要安全員接管處理。

每行駛不到1萬公里接管一次，這個技術水平能去掉安全員上路嗎？當然不行。

對比Waymo過去三年提交給加州DMV的年度報告可以發(fā)現，雖然Waymo的車隊規(guī)模越來越大，路測里程積累速度越來越快，但技術改進的效率在不斷降低。2015年，Waymo每行駛1300英里就要接管一次；2016年做到每行駛5128英里接管一次，大幅改進394％；2017年變成了5596英里／次，改進幅度還不到10％。

從這個改進效率來看，Waymo距離真正能夠覆蓋所有場景的自動駕駛汽車還有很長的一段路要走。

第二個問題，是以Waymo為首的整個技術陣營的問題，那就是Waymo自動駕駛車隊的可擴展性很差。

Waymo自動駕駛汽車走的是激光雷達、毫米波雷達、攝像頭和超聲波探頭多傳感器融合感知的技術路線，將上述傳感器收集的環(huán)境信息進行融合，結合高精地圖做規(guī)劃與決策。實際上，你可以把高精地圖理解為自動駕駛技術感知環(huán)節(jié)的一層冗余。

這就帶來一個問題，Waymo每進入一個城市，需要先把所在城市道路的高精地圖繪制出來，然后自動駕駛車隊進入，經過測試之后才能跑起來。

撇開高精地圖繪制成本高昂不談，前期繁瑣的測試造成了自動駕駛車隊的可擴展性變得很差。在北京測試兩年、對任何場景都輕車熟路的自動駕駛車隊，一進上海就會蒙圈。

為什么會這樣呢，我們一直在講，城市公開道路是最復雜的場景，自動駕駛汽車應該率先在廠區(qū)、公園這種半開放式簡單場景下實現商業(yè)化。但如果一個車隊就在一座城市扎根跑兩年，而不是全省甚至全國跑，它跑的場景其實是另一種意義上的限定區(qū)域，是一個升級版的、難度增大的廠區(qū)或公園。

以Waymo這次商業(yè)化為例，WaymoOne自動駕駛車隊只能在亞利桑那鳳凰城郊區(qū)的Tempe、Mesa、Gilbert和Chandler四個限定區(qū)域內跑。這意味著Waymo的技術能力雖然排在第一位，但談到商業(yè)化的時候和國內自動駕駛企業(yè)在廠區(qū)、公園內的商業(yè)化探索沒有本質上的區(qū)別。

這樣的技術路線意味著即使開始在鳳凰城嘗試商業(yè)化，但極差的可擴展性決定了Waymo沒有任何可能在一夜之間把自動駕駛車隊在全美鋪開。Waymo及Waymo技術陣營的車企的自動駕駛車隊商業(yè)化探索，注定是一個漫長的漸進式發(fā)展的過程。

這也是為什么，11月14日彭博社發(fā)了一篇題為《WaymoCEOSaysSelf－DrivingCarsWon＇tBeUbiquitiousforDecades（WaymoCEO說自動駕駛汽車在未來幾十年內不會普及）》的文章。

WaymoCEOJohnKrafcik在文中表示，自動駕駛技術真的很難。他認為自動駕駛汽車在未來許多年里都需要駕駛員協助，不認為這項技術有朝一日能在不與駕駛員交互的前提下全天候運行。

總結一下，世界上技術最領先的自動駕駛公司Waymo開始商業(yè)化了，但距離你躺在車里去上班，還要很久很久。

特斯拉的困境

正如文章開頭提到的，特斯拉Autopilot正在變得越來越不容忽視。50萬輛規(guī)模的特斯拉車隊正在全球各地收集著真實公開道路場景下的路測數據，而Autopilot啟用狀態(tài)下路測里程已經突破了10億英里，如果你對這個數字沒什么概念的話，Waymo最近路測里程剛剛突破了1000萬英里，可以做個參照。

更重要的是，10億英里在整個特斯拉車隊累計行駛里程中占比只有10％，特斯拉車隊累計行駛里程剛剛突破了100億英里。根據ElonMusk的說法，在Autopilot關閉的那90億英里行程中，Autopilot會以影子模式的形式繼續(xù)運行，在收集路測數據的同時學習人類的駕駛行為模型。

但Autopilot存在一個致命問題：過度依賴攝像頭感知。

很多自動駕駛公司的高管對特斯拉Autopilot都是不屑一顧的，他們認為特斯拉孤注一擲做以攝像頭為中心感知的自動駕駛是投機的，特斯拉遲早會轉向激光雷達陣營。

ElonMusk沒有給特斯拉汽車配備激光雷達、厘米級高精地圖的原因在于，Autopilot定義的自動駕駛傳感器是要裝在成千上萬輛車上賣給全球各地的特斯拉車主的，這意味著所有成本高昂的元器件和技術和Autopilot注定無緣。

而特斯拉很可能在等待一個契機，在激光雷達和高精地圖成本變得可接受的時候，特斯拉會第一時間跟進，實現商業(yè)化。

但聽過ElonMusk對激光雷達的評價后就會知道，除非Autopilot以攝像頭為中心的感知路線走進了死胡同，否則哪怕激光雷達降到白菜價，Autopilot都不會采用的。

顯而易見，道路系統是面向被動光學的。為了在任何給定／變化的環(huán)境中（實現車輛自動）駕駛，我們必須把被動光學圖像識別問題解決得非常好。如果你解決了這個問題，主動光學器件（激光雷達）存在的意義是什么？它不能讀取路標，在我看來，它就像是拐杖，會讓那些公司陷入非常難以擺脫的境地。

如果你堅持極為復雜的神經網絡技術路線，做到了非常先進的圖像識別技術，那么我認為你最大化的解決了問題。然后你需要把它和日趨復雜的雷達信息融合，如果你選擇了波長在400納米－700納米的范圍內的主動質子發(fā)生器，其實是很愚蠢的，因為你被動的做到了這一點。

你最終會嘗試在大約4毫米的雷達頻率上主動發(fā)出質子，因為（該頻率）可以穿透障礙物，你可以透過雪、雨、灰塵、霧……其他任何東西“看”清前方路況。令人費解的是，一些公司會用錯誤的波長來做主動質子發(fā)生系統。它們給汽車武裝了一大堆昂貴設備，讓汽車變得昂貴、丑陋也不必要。我覺得它們最終會發(fā)現自己在競爭中陷入劣勢。

在ElonMusk看來，這是傳感器感知信息底層的分歧，融合激光雷達與攝像頭、毫米波雷達的感知信息會把問題變得復雜化。所以，堅持以攝像頭為中心的感知路線是唯一正確又低成本的解決方案。

所以最終的結果是，1個前置毫米波雷達、8顆攝像頭、12個超聲波傳感器，這就是最新的特斯拉Autopilot2．5的全部傳感器。

現在看來，Autopilot在做的事情基本遵循著上面Elon提到的技術路線，在接受Recode采訪時Elon表示，目前最大的技術挑戰(zhàn)在于對深度神經網絡的改進，8顆攝像頭最終都得具備識別所有道路交通物體的能力。

在8顆攝像頭全部啟用后，Autopilot運行著8個不同復雜程度的神經網絡，然后將8個神經網絡的感知信息融合，再做路徑規(guī)劃。

所謂「堅持極為復雜的神經網絡技術路線，做到非常先進的圖像識別技術」，以「最大化的解決問題」。

但核心問題在于，目前的計算機視覺＋人工智能技術＋AI芯片要做到人眼＋大腦對環(huán)境路況的理解能力幾乎不可能。

Waymo會憑借自動駕駛技術顛覆汽車產業(yè)嗎？目前看這一天還很遙遠。特斯拉會代表汽車行業(yè)逆襲成功嗎？看起來潛力無限但又有巨大Bug。自動駕駛賽道的勝負，至少要5年之后才能知分曉。