自動駕駛做了已經(jīng)很多年，最近幾年又有大量的資金和團隊投入這個領(lǐng)域，但大家發(fā)現(xiàn)很多自動駕駛技術(shù)在演示時效果很好，卻很難做到大規(guī)模量產(chǎn)。
那么制約量產(chǎn)的核心問題在什么地方?如何解決?
在剛剛舉辦的2019世界智能網(wǎng)聯(lián)汽車大會上，有不少企業(yè)提出了自己的解決方案，下面我們看看國內(nèi)影響力比較大的兩家企業(yè)——百度和阿里巴巴是怎么做的。
百度的量產(chǎn)探索：
高精地圖和自主泊車
百度自動駕駛首席架構(gòu)師郭陽在演講中談到，百度認為自動駕駛量產(chǎn)應(yīng)該從比較合適的場景做起，而不是上來就做功能全面的汽車。
做出來的自動駕駛產(chǎn)品功能要符合汽車業(yè)界的規(guī)范和規(guī)律，量產(chǎn)最大的兩個障礙，一個是安全，一個是車規(guī)。
百度在量產(chǎn)方面的探索，主要集中在高精地圖和自主泊車Valet Parking上。
百度認為高精地圖作為自動駕駛中的嚴重依賴項，對于自動駕駛的安全非常重要。
而高精地圖只把數(shù)據(jù)采集出來是遠遠不夠的，而是要做到實時更新。百度把更新的重任放在了眾包上，利用行車記錄儀采集的視頻數(shù)據(jù)和采集好的高精地圖進行匹配、還原建模，把數(shù)據(jù)以厘米級的精度更新在高精地圖上。
這個更新過程是實時的，只要第一輛車(只要有前攝像頭即可)看到路況的變化，把數(shù)據(jù)回傳，后面的自動駕駛車輛馬上可以獲得信息。
另外，現(xiàn)在的高精地圖很難說經(jīng)過了什么安全測試，安全達到什么水平，所以今年百度和汽車行業(yè)嵌入式和互聯(lián)軟件產(chǎn)品全球供應(yīng)商Elektrobit(EB)一起，做了高精地圖安全白皮書——《安全可靠的自動駕駛地圖》，集成了ISO 26262、SOTIF 、Safety in use等安全分析方法以及地圖質(zhì)量相關(guān)標準。
百度的高精地圖遵循這些標準進行生產(chǎn)，以保證自動駕駛車輛使用高精地圖時的安全。
高精地圖的研發(fā)在中國還要符合國情，得到政策的支持，百度獲得了第一個高精地圖審圖號，百度的高精地圖從政策上、法規(guī)上，在敏感信息方面也是安全的。
郭陽表示，百度已經(jīng)在國內(nèi)OEM廠商中拿到了最大的訂單量，希望能把高精地圖盡快應(yīng)用到更多場景中去，能為使用自動駕駛的公司提供最好的高精地圖解決方案。
在自主泊車Valet Parking方面，百度認為完全無人的自主泊車是自動駕駛在乘用車領(lǐng)域落地最快的場景，因為環(huán)境穩(wěn)定，速度較低，所以對算力的需求、對傳感器的需求及對境總結(jié)的需求會得到縮減，可以把真正無人駕駛功能用在產(chǎn)品的設(shè)計上。
而自主泊車實際上有很大的用戶需求，比如在北上廣深這些大城市中，車位非常緊張，但在一些區(qū)域車位并沒有得到充分利用，比如機場的停車樓有的區(qū)域擁擠，有的區(qū)域空閑，自主泊車就可以讓這些社會資源得到有效利用。
自動駕駛的Demo往往是在算力十分充沛、沒有功耗限制的環(huán)境下完成的，到了車上，算力就要受到限制，即使目前最好的特斯拉FSD3.0芯片，算力只有70TOPS左右，和計算機完全沒法比，同時算力的提高也會帶來功耗的提高，風冷甚至水冷都不能解決散熱問題。
百度花了兩年時間，按照業(yè)界規(guī)范設(shè)計出了一個真正可以上車，解決實際運算需求的硬件，符合車規(guī)級要求，里面有等級非常高的安全芯片，可以真正布署到汽車上，滿足普通消費者自主泊車需求。
同時，百度還對算法進行了深度優(yōu)化，可以真正在車上跑起來，在并行計算、神經(jīng)網(wǎng)絡(luò)上進行了探索，把百度自己的開源神經(jīng)網(wǎng)絡(luò)移植到硬件上，實現(xiàn)了很好的配合，讓算力超越了原有的硬件限制。
阿里巴巴專注物流車的無人化
在自動駕駛領(lǐng)域，阿里巴巴的做法和跟百度不太一樣，阿里巴巴達摩院自動駕駛實驗室負責人王剛在演講中介紹，從一開始阿里巴巴關(guān)注的就是物流行業(yè)的自動駕駛。
阿里巴巴為什么要選擇這個方向?一方面，阿里巴巴以天貓、淘寶為代表的電商平臺，包括餓了么、盒馬代表的本地生活平臺，將會產(chǎn)生越來越多的包裹。另一方面，社會的老齡化越來越嚴重，在可以預(yù)見的未來，社會將會缺乏足夠的勞動力去運輸這些包裹。
因此，阿里相信物流車的無人化是整個物流產(chǎn)業(yè)發(fā)展的必然選擇，也是社會發(fā)展的必然選擇。
阿里巴巴目前專注于兩個物流場景：第一是末端物流場景，最后1~3公里的問題。這應(yīng)該是未來幾年內(nèi)最容易實現(xiàn)落地的場景，其在安全、法律上的挑戰(zhàn)都相對少一些。第二是公開道路的技術(shù)研發(fā)，阿里巴巴已經(jīng)開始在杭州鬧市街頭進行常態(tài)化路測以及相應(yīng)的研發(fā)工作。
目前，阿里的無人車不僅可以應(yīng)對各種復(fù)雜的開放道路路況，包括轉(zhuǎn)彎、與非機動車輛以及行人的交互，還能在復(fù)雜的城市道路實現(xiàn)上千公里的自動駕駛，而不需要人工的接管。
王剛認為自動駕駛不僅能夠創(chuàng)造社會價值，同時也是一個巨大的機遇，但自動駕駛是一個投入非常大、周期非常長的產(chǎn)業(yè)，純粹的技術(shù)驅(qū)動或投資驅(qū)動，存在很大的風險，必須在早期就與商業(yè)和業(yè)務(wù)進行結(jié)合，產(chǎn)生商業(yè)的結(jié)果，從而驅(qū)動它的良性發(fā)展。
自動駕駛目前還面臨著全方位的挑戰(zhàn)，包括算法、計算硬件、傳感器和基礎(chǔ)設(shè)施等。多數(shù)情況下，自動駕駛無法量產(chǎn)落地的主要原因是自動駕駛的算法還不能夠處理道路上的復(fù)雜交通狀況。
怎么處理這樣多樣化的場景?王剛認為，可以應(yīng)用人工智能里的經(jīng)典理論——No Free Lunch理論。
這個理論是指，假如用一種通用算法來解決所有問題，可能付出沒有回報，不可能獲得很好的結(jié)果。相反，如果針對每一個問題進行針對性的開發(fā)和優(yōu)化，可能會取得更好的結(jié)果。
因此，阿里巴巴希望能夠把自動駕駛的多場景問題進行分解、細化，有針對性的解決。不過，將交通場景進行分類看似簡單，實際上非常復(fù)雜。王剛認為，一個好的分類方法，一是必須非常精細化，二是必須為算法服務(wù)。
基于此，阿里巴巴建立了自己的自動駕駛場景庫，針對各種場景，聯(lián)合感知和決策，有針對性地對場景類別進行開發(fā)。
不過，假如有1000個場景分類，就需要開發(fā)1000個不同的算法來解決問題。如果針對每個場景分類做相應(yīng)的算法開發(fā)，這對每個自動駕駛團隊來講，都是一個非常巨大的災(zāi)難。
因此，阿里巴巴采用了計算換智能的開發(fā)模式，提出了AutoDrive平臺，更多地采取數(shù)據(jù)驅(qū)動、計算驅(qū)動的方式，讓計算機更聰明地找到適合每個場景的算法、參數(shù)、結(jié)構(gòu)等，從而提高系統(tǒng)的智能程度。
為了讓AutoDrive平臺更好地運行，阿里將所有路測數(shù)據(jù)全部都放在了云上，因為只有云才有足夠大的存儲能力和和計算能力;阿里還建立了數(shù)據(jù)上傳、標注、模型訓(xùn)練、仿真、評價的閉環(huán)，從信號輸入到結(jié)構(gòu)輸出，都能在計算環(huán)境中實現(xiàn)。
阿里還做了自動駕駛數(shù)據(jù)中臺。數(shù)據(jù)中臺可以實現(xiàn)場景庫的共享、所有數(shù)據(jù)的共享、系統(tǒng)工具的共享及技術(shù)的共享，讓工程師能高效地開發(fā)他們的算法。
最后，王剛總結(jié)基于“No Free Lunch”理論的自動駕駛的研發(fā)需要依賴三個要素：場景精細化、算法針對性和云平臺高效化，這三個要素進行協(xié)同，才能產(chǎn)生更好的化學反應(yīng)。
