漂泊地球2 无人驾驶技术给图恒宇带来的不是劫难 而是有限趋近完美的探求

一场《漂泊地球2》引发了人们对生命、对科技的大探讨和深度思索。汽车智能驾驶技术雷同也要接受灵魂的拷问。

即使电影设定的期间曾经到了2030年，图恒宇驾驶的高度智能驾驶（L4）等级的汽车也可怜出现了车祸，形成了妻子、女儿的死亡。这使人们对汽车智能驾驶是否开展到齐全智能驾驶（L5）等级以及是否真正派受起事实的考验发生了种种顾忌与猜疑。

智能驾驶考满分就能确保十拿九稳么？

人们等候着有一天能够成功无人驾驶，但人们对无人驾驶的忧愁与恐怖从未消弭过。从英特尔中国钻研院院长身份改做智能驾驶已有6年之久的驭势科技开创人吴甘沙把如今的智能驾驶技术和智能驾驶成熟度区分做了一个比喻：“假设说智能驾驶是场考试的话，如今的技术能考到98分或99分。这是第一个比喻。第二个比喻是，假设把智能驾驶技术成熟度和商业化看做是场马拉松的话，如今大略跑了三分之一。”

吴甘沙解释道：“咱们可以把智能驾驶技术了解为是一个在有限题库里的考试。但是在有限题库里，你能考到99分，并不代表你离100分很近，在这个行业里咱们有个90/10原理。就是貌似曾经走完了90%的路途，但剩下10%的路仍需90%的期间和致力。也就是说从99分优化到100分是十分困难的。”

“这是个定性的剖析，假设从定量的角度去权衡，就拿业界上游的智能驾驶技术公司Waymo的数据来看，有一个关键目的叫接收里程MPI（miles per intervention，智能驾驶平均每次被人类接收的行驶里程距离。留意，假设人不接收就会出现意外。）2018 年的数据应是每 1. 1 万英里有一次性接收， 2019 年优化到了1. 3万英里， 2020年特意好，到达了2.9万英里，这或许是疫情的要素路上的车比拟少形成的，但是到了2021年效果降低了，只要0. 8 万英里就有一次性接收。”

而人类驾驶的状况呢？“美国司机的数据显示，每25万英里保险公司会出一次性险。50万英里会出一次性警。150万英里才有一次性致伤的意外。9万英里会出现一次性致命的意外。“

“因此，假设要让智能驾驶比人类的体现优化20%，也就是1.1亿英里才出一次性致命意外。要获取这样的统计学意义的清楚性特色须要积攒110亿英里的行驶数据。须要智能驾驶技术的汽车累计行驶110亿英里，假设撞死了不超越100人，才干标明到达了1.1亿英里才出一次性致命意外的水平。”

但要拿到这样的证实，累计110亿英里对任何一家智能驾驶技术的公司都是难以成功的。由于假设这家公司有500辆车同时路测，也要开100年才干积攒到智能驾驶行驶100亿英里的数据。即使MPI达标了，要证实你的技术比开车安保还是一个很难的事件。因此我的第二个比喻，是咱们到达了99分的效果，但假设是个马拉松咱们也才走了三分之一的途程。

“失望的人总是正确，失望的人总能成功。”

有限题库的无人驾驶即使能考99分却永远无法考到100分，无人驾驶就永远无法商用了么？吴甘沙并不这么以为。他指出：”智能驾驶技术商用有三条路可以走。第一条有限题库，只管无论怎么也考不了100分，但他旁边可以放个教员，随时纠错，这就是咱们说得L2辅佐驾驶。由于责任在司机，智能驾驶一出错教员就启动纠错。 “

“第二条路是固定题库。就是在园区内做的智能驾驶。这样可以启动充沛的测试，确保每一次性无人驾驶都能考100分，这也是《漂泊地球2》中看到的无人驾驶的卡车运输弹药、协助建造基地的情形。”

“第三条路途是在放开空间里，还是有限题库，但他的运转速度比拟低，车辆尺寸也比拟小，准许他不考100分的巡查、配送场景也或许成功商用。”

因此，从适用及商用状况看，第一种有限题库的商用，要到达L4等级或以上要等到十年、二十年才或许算能进入成熟阶段。假设是第二、第三种状况，在港口、码头这种场景下的工程机械如今已进入了商用化的水平。

单车智能与车路协同谁将胜出？

目前很多智能驾驶的公司驳回的路途都是单车智能，而车路协同是另一条极速催熟智能驾驶商业化的路途。车路协同的长处是以“上帝视角”对全局启动把控，协调路上一切车辆，而非在单车视角下思索与周围车辆“博弈”的疑问。车路协同应用路端数据可以大幅简化单车智能驾驶的算法，甚至是减低车端算力要求和设施需求，同时真正成功大面积无人化驾驶以节俭经济老本。

但是吴甘沙以为：“未来会以单车智能为主，车路协同为辅的方向开展。”

“由于车路协同中，单车智能代表着才干下限，不足单车智能，只靠车路协同是不事实的。车路协同无法能成功齐全笼罩中国的每一条路途，车也不会像咱们的4G、5G，每团体的手机都能用。其次，要让一切的车能应用车路协同也是十分难的一件事。因此车路协同无法能在全国成功100% 笼罩，估量未来2-3年内也只要 1% 车辆能够用到车路协同。“

“只管车路协同不能齐全笼罩，但在一些特定的区域，比如机场、码头或许特定的高速上还是可以成功。但是一项技术要大规模的运行必定要成功闭环：谁出钱，谁来运营，客户要有感知，客户要情愿买单。假设只是做一些试点，是没有方法大规模推行和运行的。”

“此外，车路协同比单车智能在出现意外时更难以启动责任认定。 假设是单车智能，只需处置车的疑问基本也就处置了一切疑问。但车路协同两边的过程会大幅参与，出错的要素认定就会变得愈加复杂。”

智能驾驶技术真正的战场不在ToC而是ToB

如今很多人把眼光都放在了ToC市场，但是智能驾驶的真正价值在ToB市场。吴甘沙示意：“如今大家能感知到的智能驾驶技术是用在乘用车、出租车，无人驾驶公交车，协助人们从一个点到到达另一个点。但是少量的智能驾驶技术的用武之地在物流。”

“从一个市区、一家企业来看，最关键的是以运送货物为主。市区中是支线物流撑持市区的运转。在企业里，从原资料和产品都须要物流的撑持，与资金流、信息流等同关键，绝大少数企业最终是要把自己制作/消费的实物产品交付给客户。”

“如今大家说的企业数字化转型，其实质是处置人的不确定性和低效的疑问。人的不确定包含休息力越来越贵、越来越稀缺，情愿做重复性休息的人越来越少。即使是开车，司机的技术水平也是错落不齐，不同的人学习才干也不同，把握技艺的期间也就有长有短。人的心情也会遭到各种要素的影响。而智能驾驶技术很好地防止人的这些不确定要素。因此数字化后，就能领有愈加片面的智慧、愈加高效的布局，确保企业消费的整个流程成功 Just in Time的完美形态。”

ToB智能驾驶运行市场宽广但面临三大困境

智能驾驶在ToB市场领有宽广的市场前景。依据卡内基梅隆大学报告指出，带有智能驾驶配置的汽车，燃油经济性优化10%，智能化等级越高、节能效率越高。更具性价比：智能驾驶对人力老本较高的场景则意义严重，如卡车短途运输，每年每车可节俭人力老本6~15万元。

但是不足规范、资金错配、缺少场景化的处置打算是市局面临的三大困境。吴甘沙指出：“首先是 不足规范 。没有一致的规范，好的技术和坏技术一同竞争，一味地以高价竞争，就形成市场上劣币驱逐良币的现象出现。不足规范也不利于客户的选型，阻碍了企业驳回新技术翻新动力。”

“第二， 补贴资金的错配 。中央政府激励企业翻新，应用财政补贴企业，这是一个很好的政策，但是政府也担忧有的智能驾驶企业启动骗补。采取后置型的补贴，将补贴发给驳回智能驾驶新技术的用户要比间接把补贴发给智能驾驶技术的提供方要好。这样能激励更多的企业去尝试新技术，应用智能驾驶技术推进他们的转型更新，同时这也对新技术的推行起到踊跃的推进作用。”

最后是 不足场景化的处置打算 。吴甘沙以为：“无人驾驶技术并不是一个产品，而是处置打算的一局部，是数字化物流的一局部。这须要行业协会、头部企业、无人驾驶技术提供方独特致力，提供适宜企业实在运行场景的处置打算，为他们的物流疑问给出实际有效的落中央案。”

即使图YY只要2分钟的自主看法，图恒宇也会尽一切或许，让女儿在数字环球能够领有完整的永世。能考到99分的智能驾驶技术即使是一场无尽的马拉松，雷同会让有数谨严、坚决的科技、工程人员不时探求、完善，虽不能完美但他们在有限迫近完美。