作者：王飞
2019年9月，我们报道了无人驾驶汽车项目百度Robotaxi在长沙落地运营的一些情况。就在最近的一周内，Google旗下的Waymo也有曝光出他们即将要“拿掉”在凤凰城运营的Robotaxi上的安全员，成为连安全员都没有的真正的“无人驾驶汽车”。
在过去一到两年的时间里，无人驾驶技术在多个场景里确实有一些落地，比如机场的无人驾驶行李车、高速上的自动驾驶跟车技术、在矿场里的无人车、公园园区的接驳车以及车库里的自动泊车技术等。看起来，无人驾驶技术已经真正落地。
不过，产业里关于无人驾驶的落地还有一些声音：比如有分析认为无人驾驶技术早已经成熟，目前只是缺少批量降低成本的路径，没有场景买单；再比如有些分析还提到无人驾驶应该率先落地在园区或是机场码头，然后再深入公共交通，鉴于一些聚光灯下的事故，主要是出于对安全的考量，他们认为技术仍然不成熟；再比如有些技术分析还提到虽然感觉上无人驾驶技术已经ready，但实际落地时的connercase（小概率事件）还是有很多，存在一些技术短板。
无可否认，无人驾驶是一个极其庞大的系统，系统越大，声音就越多。所有无人驾驶技术其实都向着一个最终的问题前进：怎么才能把一大批无人驾驶汽车开上街道？
安全与小概率事件
2016年，美国一辆高速自动驾驶状态中的特斯拉撞上了路口的货车，导致特斯拉驾驶员直接死亡。这也是人类给无人驾驶技术亮起的第一个红灯。
报告指出，特斯拉所配备的计算机视觉技术未能成功检测到反光的白色货车，成为了第一个connercase，同时毫米波雷达因为技术视角的原因，雷达波束从货车下侧穿过，导致计算机系统未能识别到货车。事故发生后，特斯拉才改进了无人驾驶系统，并修改了官网AutoPilot的定义。
实际上，近些年无人驾驶技术的爆发来自于以深度学习为基础构建的AI无人驾驶系统，比如特斯拉，基于深度学习的算法在计算机视觉方面的应用提供了在车辆行进中的预测控制，从而构成了特斯拉无人驾驶软体系统层面的技术基础。但事实也证明，如今仍然存在人类驾驶和计算机驾驶的理解偏差。人们并未真正信任无人驾驶。
同样的事故还有。2018年3月，一名行人在美国被Uber的自动驾驶汽车撞击身亡。而调查显示，当时说因为受害者从阴暗处突然冲上道路，安全员也没能及时处理。
数据显示，Waymo平均每行驶1.8万公里会出现一次脱离（人工干预），这已经是2018年DMV年度路测数据表中表现最好的公司。但数据归数据，也免不了现实的残酷。
跟无人驾驶相关的三个主要技术是感知、规划和控制，但安全问题主要出在感知和规划上。
DMV的事故报告显示，2016年，Waymo的一次事故是因为在十字路口右转时，无法辨认挡在路上的沙袋，导致被后车追尾。
2017年，通用的无人驾驶汽车Cruise也因看不明白十字路口不断闪烁的黄灯急刹，然后被后车追尾造成车祸。
人们已经在感知上做了一些努力，比如建立大范围的高精地图，给予车辆更安全的感知和预测能力。
什么样的自动驾驶系统能够克服中国这么大的范围覆盖，甚至处理以百万千万来计数的这种各种各样的场景，以及这种connercase，这是最难的。四维图新自动驾驶AI负责人李阳告诉PingWest品玩，“如果你是在一个小的区域测试，比如城市，50辆车在城市里一直测，基本上你要遇到的事情还是可以测到的，但可能还有万分之一测不到。”
四维图新切入无人驾驶领域的切口在于高精地图。现在，四维图新在高速场景已经实现了30万公里百分之百的覆盖，在明年实现城区级覆盖。高精地图将在路口提供更多维度的信息，比如车道线、路牙的位置，路牌的详细信息甚至弯道的曲率以及车道的仰俯角度等等，这将有助于无人驾驶的提前感知和预测。
高精地图相当于给无人驾驶汽车打开了“上帝视角”。而驭势科技CEO吴甘沙认为，无人驾驶汽车的熟练度也不是熟一个区域就可以。“高精地图建起来，某种意义上来说它已经很熟了。但有些东西永远不会熟，比如那种长尾connnercase，因为你永远有没见过的情况。”
成本和谁为他买单
驭势科技成立于2016年2月，致力于用人工智能和大数据重构人和物的交通，为十亿级人群交付安全、舒适、高性价比的全栈智能驾驶技术方案、产品和服务。吴甘沙对PingWest品玩表示，驭势科技要在明年（2020年）实现无人驾驶技术的规模性交付。
吴甘沙把无人驾驶行业的发展比作大航海时代。“大家千州并发，竞争的‘竞’正在发生。我们正在处于这个阶段。”而在“竞”之后是“争”，是抢地盘的阶段，“有人会成为无人驾驶的滴滴，有人成为顺丰，有人在园区里玩，有人在矿区里玩。大家处于这个航道中的不同位置。”
而到达新大陆先要满足几个条件。第一个是规模化，不能只是几十辆车在测，第二是无人化，一定要去掉安全员，第三是常态化，不能是现在的双规状态（规定时间规定范围），最后是运营，而不只是演示，要为客户提供价值。
实际上，过去一段时间无人驾驶领域存在一个观点：就是技术已经ready，但还没有场景为技术和成本买单。拿无人驾驶的Robotaxi举例，一辆L4无人驾驶原型车，英伟达的计算模块可能要2万到5万美金，一个128线激光雷达要6万美金左右，不加一些高精度惯导以及其他辅助摄像头，一辆车的成本已经达到了100万人民币左右。
“短时间内L4就是很难有人给他买单。”李阳说，“你想想，这个方式以国内的客单价，还要限定区域我觉得还挺难的。”
想实现广义上的、大范围的无人驾驶技术，汽车供应链成熟度也是一个问题。软件技术依赖于现有的硬件，无人驾驶也是根据如今现有的燃油车而设计，“天花板会很明显。”
软件推动硬件升级之后会进入新的循环状态，“现在看到的车厂的车辆还没有达到最终的量产状态。只有camera（摄像头）和ridar（毫米波雷达）是接近量产形态，现在其他还不是明确的量产方案。”李阳说。
驭势科技把自己定位成足球比赛中的中场，在技术上提供更广泛的业务覆盖——打造成熟可行的技术中台，开放SDK和解决方案，在合适的时间，合适的地方，把球传给合作伙伴。驭势科技的一个业务场景是机场无人驾驶行李车，无人车拖三节车斗，两车并行，每辆无人车可以省掉3个驾驶员，同时提高了行李到达效率，“真正为客户实现价值。”
吴甘沙认为无人驾驶技术已经成熟，但重点还是要放在落地场景的打磨上，这些都是少人的小场景——“比如机场无人车，我需要时时刻刻监视每一个车斗，确保它是没有被乱动的；我要确保车斗与车斗之间并没有人卡在那里；我要确保在运的过程当中没有行李掉在地上；我还要确保在走的过程当中中间停下来，没有人偷偷进去把行李拿走了。”
