《無人驅(qū)》：我們?yōu)楹我l(fā)展自動駕駛技術(shù)？
筆者7年前第一次體驗無人駕駛汽車的時候，并不了解SAE自動駕駛分級是什么（SAE J3016首版發(fā)布自2014年），只是對現(xiàn)場工程師的那句提醒印象深刻：“不好意思，我們提醒大家請不要碰車內(nèi)任何東西，這臺工程樣車要數(shù)千萬。”
這輛雪佛蘭EN-V 2.0給我很大的驚喜與驚訝，驚喜的是我們未來可能再也不需要把時間都浪費在通勤上了，驚訝的是美國已經(jīng)研發(fā)出不需要方向盤就能開的車，是否意味著中國這個剛能造點正經(jīng)車的乘用車產(chǎn)業(yè)，要被降維打擊一夜回到解放前？
感謝這幾年來中國GDP的穩(wěn)健增速，我才有底氣寫后文提到的蕩氣回腸的內(nèi)容。
在智能化大勢之下，我們的自主品牌汽車產(chǎn)業(yè)沒死，正在奮力抗爭，且勢頭并不差。
因為重工業(yè)是國際話語權(quán)。
很抱歉一開頭就說這么沉重嚴肅的話題，但必須如此才能讓文章思路更加清晰。
中國是汽車工業(yè)的后來居上者，不過只是產(chǎn)銷量連續(xù)11年稱霸世界第一席位，技術(shù)與質(zhì)量可還沒能力封狼居胥。簡單來說，中國是“汽車大國”而非“汽車強國”。
筆者在國際貨幣基金組織官網(wǎng)找了一組新的2020年名義GDP數(shù)據(jù)，大家了解一下全球Top 10經(jīng)濟體當前的情況：
| 2020/2019名義GDP排行（結(jié)算貨幣：美元） | |||||||
| 2020名次 | 國家/地區(qū) | 2020年名義GDP | 占全球比例 | 2019名次 | 國家/地區(qū) | 2019名義GDP | 占全球比例 |
| 全球 | 83.84萬億 | 全球 | 87.75萬億 | ||||
| 1 | 美國 | 20.80萬億 | 24.80% | 1 | 美國 | 21.42萬億 | 24.41% |
| 2 | 中國 | 15.22萬億 | 17.77% | 2 | 中國 | 14.34萬億 | 16.34% |
| 3 | 日本 | 4.91萬億 | 5.85% | 3 | 日本 | 5.08萬億 | 5.79% |
| 4 | 德國 | 3.78萬億 | 4.51% | 4 | 德國 | 3.84萬億 | 4.38% |
| 5 | 英國 | 2.63萬億 | 3.14% | 5 | 印度 | 2.87萬億 | 3.27% |
| 6 | 印度 | 2.59萬億 | 3.09% | 6 | 英國 | 2.82萬億 | 3.21% |
| 7 | 法國 | 2.55萬億 | 3.04% | 7 | 法國 | 2.71萬億 | 3.09% |
| 8 | 意大利 | 1.84萬億 | 2.19% | 8 | 意大利 | 2.00萬億 | 2.28% |
| 9 | 加拿大 | 1.60萬億 | 1.90% | 9 | 巴西 | 1.83萬億 | 2.09% |
| 10 | 南韓 | 1.58萬億 | 1.88% | 10 | 加拿大 | 1.73萬億 | 1.97% |
此前IMF預(yù)測中國在2020年的全球經(jīng)濟占比是17.77%，實際上中國一擼袖子加把勁干出了18.15%。
我們再掃一遍上面列表中的10個國家，沒有任何一個是能脫離汽車工業(yè)而繁榮的。
我們不要小看印度，它可是全球第五大工業(yè)國，同時也是全球第五大汽車工業(yè)國；也不要覺得加拿大汽車工業(yè)沒地位，那可是全球前十的汽車工業(yè)大國。
再看下表的人均GDP，數(shù)據(jù)依然來自IMF?？梢钥吹竭@四等發(fā)達國家里面，實際上有話語權(quán)的國家都是有強大汽車工業(yè)基礎(chǔ)的，瑞典應(yīng)該是唯一的例外。
| 2020人均GDP排行（結(jié)算貨幣：美元） | |||||||
| 2020名次 | 國家/地區(qū) | 2020年 人均GDP | 經(jīng)濟狀態(tài) | 2020名次 | 國家/地區(qū) | 2020年 人均GDP | 經(jīng)濟狀態(tài) |
| 1 | 盧森堡 | 109602 | 極度 發(fā)達 國家 | 13 | 奧地利 | 48634 | 高度 發(fā)達 國家 |
| 2 | 瑞士 | 81867 | 14 | 芬蘭 | 48461 | ||
| 3 | 愛爾蘭 | 79669 | 15 | 德國 | 45466 | ||
| 4 | 挪威 | 67989 | 16 | 比利時 | 43814 | ||
| 5 | 美國 | 63051 | 17 | 加拿大 | 42080 | ||
| 6 | 新加坡 | 58484 | 深度 發(fā)達 國家 | 18 | 圣馬力諾 | 41683 | |
| 7 | 丹麥 | 58439 | 19 | 以色列 | 41560 | ||
| 8 | 冰島 | 57189 | 20 | 法國 | 39257 | 穩(wěn)健 發(fā)達 國家 | |
| 9 | 卡塔爾 | 52751 | 21 | 英國 | 39229 | ||
| 10 | 澳大利亞 | 51885 | 22 | 日本 | 39048 | ||
| 11 | 荷蘭 | 51290 | 23 | 新西蘭 | 38675 | ||
| 12 | 瑞典 | 50339 | 24 | 阿聯(lián)酋 | 31948 | ||
想要說話擲地有聲，你手頭得有汽車工業(yè)。
因此，發(fā)展自動駕駛也是大國博弈的需要。
我們把時間線放長一點看，第一次和第二次工業(yè)革命重新劃定了這個世界由誰剝削誰，結(jié)果分贓不均就打了兩次世界大戰(zhàn)（實際上是同一場），接下來是第三次工業(yè)革命，世界格局從熱戰(zhàn)變冷戰(zhàn)，幾十年后冷戰(zhàn)落幕，現(xiàn)在大國之間只打經(jīng)濟戰(zhàn)。
美國、中國、歐盟，三者已成經(jīng)濟三極。中國GDP已經(jīng)有美國72.8%了，并約等于沒了大英之后的歐盟總體GDP。每一極都在汽車領(lǐng)域爭奪話語權(quán)，美國有太空霸權(quán)、衛(wèi)星定位、高精地圖、自動駕駛、芯片技術(shù)等硬核優(yōu)勢，后起的中國有完整的制造業(yè)鏈路和崛起中的智能汽車產(chǎn)業(yè)氛圍，歐盟哪哪都不弱就虧在不是統(tǒng)一政權(quán)。
汽車工業(yè)是最考驗綜合國力的產(chǎn)業(yè)，上下游數(shù)百個門類、數(shù)千家企業(yè)參與，才能造出一臺車。大眾集團2020年營收2714億美元，德國全境GDP總量3.78萬億美元，大眾集團占德國經(jīng)濟比重高達7.18%，“富可敵國”就是說的這種情況。
所以，國與國之間的爭斗，必然要涉及汽車領(lǐng)域。要打擊他國汽車，欲加之罪何患無辭，豐田剎車門、現(xiàn)代油耗門、大眾排放門，這些在美國市場發(fā)生的事件，就是外企不肯屈服于美國政府，直接被強權(quán)打壓了。
除了是大國博弈的棋子，自動駕駛技術(shù)的研發(fā)還能減輕駕駛負擔（提升產(chǎn)品競爭力）、提升行車安全、通行效率、為社會創(chuàng)造高薪就業(yè)崗位，但這些都不是重點，國家之間的利益制衡才是。
汽車工業(yè)之爭的下一階段就是電動化與智能化，而智能化的關(guān)鍵在自動駕駛，我們今天要聊的話題。
筆者還記得2017年奧迪發(fā)布D5世代A8時的盛況，第一款量產(chǎn)SAE L3級自動駕駛系統(tǒng)基于第四代奧迪A8（D5）誕生了。雖然當初我已經(jīng)預(yù)判過這套系統(tǒng)入華之后并不能使用，但并未預(yù)料到它在西方國家也沒能自由跑起來。
后來，江湖傳言說是“花10億歐元解決了L3”的奧迪自動駕駛項目組，被整合至統(tǒng)一的大眾集團Car.Software車載軟件開發(fā)部門，一個開啟自動駕駛新時代的功勛項目組就這樣消失在汽車歷史中。別急，其實對于奧迪而言是明降暗升啊，因為Car.Software的總部因此從狼堡遷至英戈爾施塔特，奧迪成為了集團的智能化大腦中樞。
回到主題。以美國為首的自動駕駛行業(yè)當初定義自動駕駛等級的時候，并未發(fā)覺L3居然是一個非常尷尬的分級（下圖是筆者畫的，供形象理解），它的尷尬之處在于任由人類駕駛員“撒手不管”，但又要求人類駕駛員“必要時必須立刻回來接管”，無法形成邏輯閉環(huán)，有巨大的安全風險。
因此，目前有不少部分達到L3功能但只能按照L2來使用的車型，比如四代奧迪A8、特斯拉FSD Bate版、蔚來ET7、智己L7、小鵬P5、極狐阿爾法S HI版等等。
現(xiàn)在業(yè)界有可能直接跳過權(quán)責模糊不清的L3，直接把L4投放到市場上。目前已有車企決定這樣子做了。像谷歌這種解決方案供應(yīng)商則不同，他們不需要把研發(fā)成果綁定在現(xiàn)售車型上循序漸進迭代更新，沒有包袱的他們選擇了直奔L4。
整車L4水平，需要在全場景下實現(xiàn)包括自主代客泊車AVP、交通擁堵引導(dǎo)TJP、高速公路引導(dǎo)HWP在內(nèi)的所有功能，也就是車子自己能走能停完全不需要人類交涉。當然，L4是可以保留車輛操縱單元的，在特殊情況下可交給人類操縱，比如地震海嘯造成車輛通訊的情況。
先說AVP。之前我們聊過小鵬的自動泊車，而小鵬一直都是以此為豪的企業(yè)，泊車成功率不低。小鵬此前的方案是利用汽車傳感器進行室內(nèi)地圖建模，這種在非市政道路收集地圖數(shù)據(jù)的方式也避開了法律屏障，雖然看起來精度并不高，但也算是一個不錯的開始。
今年6月4日，小鵬P7通過OTA更新的VPA停車場記憶泊車（Valet Parking Assist）。
這里我們就要科普一個概念：AVP分為兩個分支，一支叫H-AVP（云端自我學習泊車），經(jīng)過SLAM系統(tǒng)訓練之后完成地圖建模了就能持續(xù)使用，也就是來一次以后就隨時來，小鵬、奔馳、威馬在整；而更高階的P-AVP（云端高精地圖泊車）只需駕駛員開到停車場門外就可以離開駕駛席，車子自己會按照高精地圖的指引找車位泊入，暫時還沒車企能量產(chǎn)。
小鵬這次的更新是VPA停車場記憶泊車，功能實現(xiàn)上與W223世代奔馳S級和威馬W6還是有所不同的。
小鵬的VPA是自研完成的停車場記憶泊車功能，它的記憶線路可以達到1km，一臺車可以學習100個停車場的泊位，不過單個停車場只記憶1個泊位，還不如少點車場但每個多點泊位比較實在，而且小鵬的VPA只支持泊車入庫，不支持出庫。還有一點筆者有點理解不了的是，小鵬VPA不支持跨層泊車、沿線出庫、全程APP車外操作也就算了，為何僅支持地庫泊位，在地面泊位用不了，W223和W6倒是沒有這個限制。
從使用場景來看，威馬目前開放的H-AVP能夠在地面/地下停車場內(nèi)任何地方都可以進行學習，不限起點位置，不限車場數(shù)量，單個車場可設(shè)定5條不同的入庫/出庫路線，可以跨層，駕駛者不用在車上，只需要通過手機一頓操作能完成車輛的泊入和泊出，對于那些過窄的、停好之后無法開門出來的停車場景來說很實用。除了目前已經(jīng)開放的H-AVP，威馬官方還透露將會在年內(nèi)通過OTA將P-AVP推送給用戶。
威馬的AVP是與國內(nèi)自動駕駛實力擔當?shù)陌俣華pollo平臺聯(lián)手深度研發(fā)的，有百度“王牌”做背書，以后的P-AVP還有百度高精地圖加持。小鵬是沒有參與進來的，威馬則有百度高精度地圖加持，所以實現(xiàn)P-AVP更容易一些。包括奔馳在內(nèi)的海外品牌想進入中國做自動駕駛，以后應(yīng)該得用中國高精地圖才行，現(xiàn)在連特斯拉都被要求把服務(wù)器建在大陸境內(nèi)了，可見高精度地圖在自動駕駛中也扮演著十分重要的角色。
此外，要玩P-AVP，還要等室內(nèi)基站通信硬件整起來才行，這需要更多的基建設(shè)施配合。
接下來聊交通擁堵引導(dǎo)TJP和高速公路引導(dǎo)HWP。TJP和HWP的速域不同，再加上自動車道變換（ALC，Automotive Lane Change），就是全速域的“有限自動駕駛功能”。
TJP的決策和執(zhí)行是一大難題，標定不好的TJP策略就會出現(xiàn)起步與制動的動作太過生硬，快了體感難受，慢了被旁邊車子加塞，一來一去就暈車了……
HWP+ALC就是現(xiàn)在很多新勢力在談的“高速領(lǐng)航功能”，蔚來叫NOP，小鵬叫NGP、特斯拉叫NOA、日產(chǎn)叫ProPilot、通用叫SuperCruise，反正都是一個意思。目前這項技術(shù)進展很快，實際使用起來比較便捷，人類駕駛員介入的頻率并不高，小鵬官方給出的NOP介入頻率是0.66次/100km，實測接近1次/100km，也即是平均開100km才需要接管。
不過，以上TJP和HWP暫時均不能達到L4級別，只能在特定條件下（合適的路況/天氣）進行約等于L3級別的自動駕駛。
如今奧迪A8、蔚來ES6、特斯拉Model 3、小鵬P7、廣汽埃安LX、長安UNI-T、日產(chǎn)天籟等等車型都可以執(zhí)行TJP、HWP、ALC，但因為傳感器配置并不甚完備、高精度地圖與定位技術(shù)還沒到位等原因，除了A8之外的車型都要求駕駛員隨時隨地立即接管車輛（L2-L3之間）；A8則在限定條件下（特定的道路等級、光照、車流速度等）可由L3系統(tǒng)完全控制車輛，駕駛員同樣需要隨時接管；進化成L4之后，系統(tǒng)隨意開，除非有極少的特殊情況才需要駕駛員介入，比如奔馳W223和威馬W6的無人泊車。
比如，下面的gif圖展示的是L4自動/無人駕駛技術(shù)，是廣州企業(yè)文遠知行在這次廣州疫情防控中，使用無人駕駛車送飯到疫情隔離區(qū)。（現(xiàn)場實拍gif獲授權(quán)自汽車之家）
L5是沒有ODD（Operational Design Domain，設(shè)計方案運作域）的，意思是無論任何的道路狀況（車道線、道路附著系數(shù)、圍欄等）、環(huán)境（能見度、天氣等）、前方可行駛區(qū)域（收費站、施工等）等等，L5都是可以免除人類駕駛者介入的。
因為自動駕駛的研發(fā)初衷就是更加安全和便捷，L1和L2級自動駕駛輔助系統(tǒng)已經(jīng)幫我們降低了一部分事故概率，L3目前是禍是福還不知道，因為無法形成嚴謹?shù)倪壿嬮]環(huán)（人究竟還要不要全神貫注呢？），L4還沒有整車完成L4自動/無人駕駛研發(fā)的量產(chǎn)案例，無所不能的L5還有很遠才來。
我們現(xiàn)在可以知道的是，L4的實現(xiàn)成本會非常高；我們暫時不能知道的是，整車實現(xiàn)L4的量產(chǎn)產(chǎn)品何時才能來臨，這需要L4系統(tǒng)在泊車/行駛、城市/市郊、低速/高速、國內(nèi)/國外、晴空萬里/惡劣天氣等等所有情況下都管用。
烏伯林根空難（Überlingen Disaster）在十多年前揭示了空中交通管制系統(tǒng)的處置失當將會引發(fā)何種等級的人類災(zāi)難。
空管員Peter Nielsen的指揮不當與光學碰撞預(yù)警系統(tǒng)的檢修固然是兩大緣由，但促使俄羅斯Tu-154客機與德國757貨機碰撞的另一個原因也不能被忽略：如果兩個飛行機組都按照空中防撞系統(tǒng)（TCAS）的提示分別進行拉高與降低，事故將不會發(fā)生；但由于俄羅斯機組“以人類命令為先”的原則，按照Nielsen的錯誤指示而非TCAS的正確指示執(zhí)行，最終釀成了72人死亡的災(zāi)難——最后一位是空管員Peter Nielsen，死于刺殺。
自動駕駛技術(shù)對于人類而言并非新鮮事物，我們已經(jīng)堅信這項技術(shù)長達大半個世紀。若溯源的話，最早能追溯到上世紀10年代在美國誕生的第一臺電動陀螺穩(wěn)定裝置（自動駕駛儀的雛形）。即使60年代的阿波羅飛船已經(jīng)用上了數(shù)字化自動駕駛儀，半個世紀后的俄羅斯人依然堅信人類犯錯的幾率比人工智能要小得多——歷史事實是，單單俄羅斯航空這一家公司，血手之上就有超過8200條人命，遠遠高于第二名法蘭西航空的1783名。
從Autopilot一詞便可知曉，汽車工業(yè)所武裝的“自動駕駛”，技術(shù)淵源依然是航空與航天產(chǎn)業(yè)。我們可以用“陸上交通比空中交通復(fù)雜千萬倍”的理由去埋汰乘用車/商用車自動駕駛技術(shù)的“滯后”，卻一直不肯相信“人工智能”一定比“人類駕駛”更加安全，即使99.9%以上的失事航班俄羅斯籍飛行員并未抱著伏特加瓶子睡著在崗位上。
2005年，Google X實驗室就已開啟了谷歌無人汽車計劃（Google Driverless Car Project），2009年開始上路測試，約有23輛車分9種模型在測試。測試項目分為自動駕駛和人為干預(yù)的手動駕駛，行駛里程超過320萬公里，至2017年只造成18次事故，其中絕大多數(shù)都是被追尾（測試車極速才40km/h），無重大人員傷亡，這是第一次AI判斷出錯——320萬公里1次車體剮蹭輕傷，不知哪位人類駕駛員敢上前邁一步接受AI的挑戰(zhàn)？
只是，即使自動駕駛技術(shù)已經(jīng)如此先進，我們還是無法把命交給AI。將AI變成Siri可以，變成小孩子的聊天機器人可以，變成咖啡廳上點心的服務(wù)員可以，但要讓我們把交通工具的控制權(quán)完全交出給AI，連方向盤、油門、制動都摘掉，恐怕多數(shù)駕駛者暫時還不能被接受。
目前，汽車工業(yè)大國們對AI造成交通事故的法律定義都是模糊的，這是一個誰都可以碰、誰都不敢碰的灰色地帶。你可以研發(fā)自動駕駛汽車，甚至美國/德國某些州的政府還讓你“合法”上路，但這并不代表合法解決事故糾紛。傳統(tǒng)的汽車廠商都是很保守的，一個自動駕駛項目動輒數(shù)十億美元的成本，很有可能就會被一兩個死亡時間毀掉，而自動駕駛是不可能讓死傷幾率等于0%的——雖然自動駕駛已經(jīng)被認定為“比人類駕駛安全非常多”。
因為當事故主體是“人”的時候，我們可以通過制約人的社會契約來解決糾紛，法律、法規(guī)、習俗、慣例甚至情面；但當事故主體是一臺會思考的“汽車”時，適用于人類的社會契約就失效了，我們可以用金錢懲罰來制裁電子程序和自動駕駛汽車的制造商，但無法用牢獄去懲罰一套電子程序。
帶著未解的疑問，我們結(jié)束今天的議題。
（圖/文/攝：太平洋汽車網(wǎng)黃恒樂）
>>點擊查看今日優(yōu)惠<<
粵公網(wǎng)安備 44010602000157號