文 | 泰伯网 沐子

编辑 | 鹿野

“进步飞快”，是清华大学人工智能研究院视觉智能研究中心主任邓志东教授在接受泰伯网专访时提及自动驾驶最深的感受。

自2009年起，在国家级科研项目的资助下，邓志东开始做自动驾驶项目。

改装日产奇骏、别克昂克雷，与长安汽车等主机厂线控车合作，从硬件、算法、软件、系统到研发整个自动驾驶解决方案到实地路测等，邓志东在10余年的时间内，带领团队主持研发了四辆自动驾驶汽车。

踩了不少坑后，邓志东既反思了过去粗放式发展下“产业技术路径不清晰”的困境，也切实展望了未来自动驾驶的商业落地之路。

事实上，以谷歌启动自动驾驶项目为起点，历经十余年孕育，自动驾驶赛道上的多股势力已清晰可见：以蔚小理、大众、通用、特斯拉等为代表的新旧势力主机厂，以国外Waymo、国内百度、华为等为代表的互联网与ICT科技公司，还有以博世、Mobileye为代表的众多Tier-1、Tier-2汽车零部件供应商。

而他也一直坚信，行业对自动驾驶产业落地的路径将愈发清晰，相关实践也在扎实推进中。

人工智能下的汽车进化

“国内于2009年前后开始做自动驾驶科研项目时，几乎和谷歌一同起步。那时候，新一轮的人工智能热潮并没有兴起。”邓志东回忆道。

而起初做科研时，参与团队更多使用传统计算机视觉或者模式识别方法，几乎没敢想自动驾驶会落地的事情，更不用说要考虑整车解决方案的成本、商业模式等。

在邓志东看来，中国自动驾驶在2016年前后发生了一个很大的变化，即从科研项目为主转向以市场为主导、以企业为主体的产业化发展之路。“那时候，很多大厂、初创企业开始拿到大量资金，大规模组团招募相关人才，开始着手自动驾驶的产业落地。”

也正是2013年—2016年期间，新一轮人工智能给计算机视觉技术带来的大幅度的能力提升，让人们开始真正相信，它有可能推动自动驾驶的产业落地。

自此，高校也更多转向研发前瞻性关键核心技术。

“过去汽车行业是传统工业，现在汽车产业是传统工业结合新一代信息产业”的观念转变下，无论是在学术界还是产业界，人工智能在自动驾驶中的核心作用愈发明显。

比如，邓志东表示，“利用多摄像头视觉神经网络这一核心架构，基于自主学习来解决自动驾驶感知、预测与规控挑战，目前特斯拉的FSD Beta 10.10测试版，也是消费者手中用户体验较好的L2自动辅助驾驶产品之一，自2020年10月启动FSD测试版以来，仅部分推送，就已有5万用户在落地使用。”

尽管特斯拉目前并非是L3+的自动驾驶，但解决了0到1的难题后，其相关技术仍在持续迭代发展。

环顾市场，邓志东认为，自动驾驶仍然是当下的投资风口和热点。据不完全统计，纵观国内外市场，2021年自动驾驶相关融资超过数百亿人民币。

特别是由于对交通与出行方式的颠覆性作用，以及对人工智能技术与产业的推动作用，产业链上的各个环节都在追捧这一赛道：互联网、ICT与共享出行巨头、传统车企、造车新势力、汽车零部件供应商（Tier-1、Tier-2)、更多的自动驾驶解决方案初创企业，以及芯片、计算平台、传感器、图商等都卷入进来，产业生态逐步完善。

这也造就了传统车企与互联网巨头之间竞争与合作的“新关系”。

如，阿里巴巴与上汽集团宣布联合制造高端电动车；吉利与百度成立智能电动车合资公司，新车计划在2023年实现量产；华为强力投资自动驾驶解决方案，与北汽、重庆长安和广汽三家车企合作打造3个汽车子品牌；苹果、亚马逊等美国科技巨头的造车项目也在有序地推进中。

竞逐L4自动驾驶

或许，科技巨头与传统车企之间，谁更需要谁的问题并不好回答。

可以肯定的是，近5年来，自动驾驶一直可以用兴奋与焦虑来描述行业现状。

邓志东表示，目前L2级的智能辅助驾驶技术已经较大规模应用，市场入局者也都在研发车规量产的L3与L4级的自动驾驶。

事实上，奥迪早在2011年就开始进行L3级别自动驾驶的研究，并于2017年率先在奥迪A8上推出了车规量产的AI Traffic Jam Pilot (TJP) L3级自动驾驶功能。“同样是限定区域（结构化的高速公路）和限定功能（60km/h以下的交通拥堵模式）的L3自动驾驶，仅是增加了一种L3级别的自动驾驶功能。”

但市场的兴奋与“迟迟不能大规模商业化落地”的焦虑同在。就在2020年，奥迪放弃了L3级自动驾驶产品的研发计划。

为什么落不了地？

在邓志东看来，摆在面前的安全问题尚未完全解决。“L3属于人机共驾，不仅有法律法规创制的问题，而且也需要增加车载技术监测手段（如车载黑匣子）。一旦出现安全事故，在技术上厘清法律责任主体还比较困难。”

这也意味着，针对L3单项功能的自动驾驶政策落地也相应变得困难，甚至可能会制约其产业发展空间。

“对包括政策制定者在内的各方来说，仅仅为了上述的局部舒适性L3功能，很难有足够的动力去突破政策监管的安全红线。”

基于此，邓志东直言，相信这两年将会出现各种声称具有L3级别功能的自动驾驶产品，但估计不会获得推广使用。

这一现状下，包括邓志东在内的从业人员更多倾向于认为，L4是目前业内比较理想的产业发展目标。“包括特斯拉、谷歌Waymo、华为、百度、小马智行、蔚来等市场参与方，正在筹划跳过L3级，一步到位直接投入资源研发量产级L4自动驾驶。”

只不过相比特斯拉的纯视觉，从技术能力，特别是AI应用、大数据积累等层面考虑，国内绝大多数自动驾驶传感器解决方案，不得不采用以激光雷达主导的技术方案。

当然，“本质上，无论使用哪种方案，核心的挑战是：能否有效解决制约自动驾驶落地的最大瓶颈，也就是长尾感知问题、边缘事件和由对抗性干扰样本等带来的安全问题。”邓志东称，“而不论哪种方案，最后能解决安全问题的都将距离成功不会太远。”

面临量产和现金流的考验

从商用市场来看，百度的萝卜快跑自动驾驶出行服务已在北京、重庆等城市的限定区域或特定路网条件下，实现了一定规模的商业化收费试运营，开始有了现金流。

“仅2021年第四季度就已完成 21.3 万订单，历史性地获得了自我造血能力”的突破下，邓志东对L4级别自动驾驶的发展仍旧乐观：头部企业在限定区域与限定功能的条件下，有望在3-5年内实现L4车规量产，并实现商业模式迭代。

现实的尴尬在于，企业有能力造出一辆L2智能汽车，却造不出一辆足够便宜的车。换句话说，总的运营成本并没有降低。

这在邓志东看来，也是商用车商业模式无法持续发展的最大困难。“实际上，一个算法工程师做安全驾驶员，比一般的网约车驾驶员更贵。如果目前自动驾驶解决方案的成本比人力高很多，那它就不具有经济可行性。”

虽然智能驾驶需要依靠以人工智能为核心的技术来解决，但人工智能也并非万能的。

诸如，认知水平的知觉理解能力，知识推理能力，常识、经验与技巧的利用能力以及知识学习能力等，短期之内跟人类智能比，还很难突破。

从“不能举一反三，随机应变，熟能生巧”等人类能力上看，邓志东指出，“目前，人工智能还只是一个弱人工智能，有明显短板。”

当前的趋势是，在实现L4的路径上，可以极限使用或者说最大限度地利用目前已有的数据驱动人工智能。

“先把L4自动驾驶做成了，就会获得巨大的产业发展空间。比如我们可以先解决基于高速公路的城际自动驾驶，或者专注于城区自动驾驶的问题，或者仅限于某一个园区、港口、矿山等的L4自动驾驶。在限定区域、限定一些功能下，即便人工智能存在短板，也依然能支撑L4的落地。”

按照邓志东的畅想，“未来，将通过5G-V2X、平行驾驶等支撑的边云安全接管等核心技术的突破，在整个产业生态的合力支撑下，逐步撤销车载安全驾驶员，真正实现L4自动驾驶的大规模产业落地，以及可持续迭代的共享出行自动驾驶商业模式。”