文｜極智GeeTech
不管你是擁抱還是抗拒，自動駕駛時代終究還是來了。
武漢無人駕駛網(wǎng)約車蘿卜快跑訂單量暴增；南京開啟郵政EMS首批量產(chǎn)自動駕駛重卡運營專線；青島開放121條智能網(wǎng)聯(lián)汽車測試道路；深圳將開通首條自動駕駛公交線；上海發(fā)放首批無駕駛?cè)酥悄芫W(wǎng)聯(lián)汽車示范應(yīng)用許可；北京發(fā)布《北京市自動駕駛汽車條例（征求意見稿）》為L3及以上自動駕駛汽車上路提供立法保障……
從牌照發(fā)放到準入上路，再到擬立法保障，在中央和地方政策的大力推動下，自動駕駛落地速度超乎想象。在這條通往“詩和遠方”的道路上，越來越多的障礙正在被清除，自動駕駛出租車、自動駕駛巴士將成為未來生活的常態(tài)。
但當自動駕駛逐步走出示范區(qū)，邁上開放道路，隨之而來的各類技術(shù)挑戰(zhàn)、法規(guī)重塑以及社會問題，成為決定這項技術(shù)能否真正普及應(yīng)用的關(guān)鍵因素。
同時，車路云一體化作為與自動駕駛并行的另一條技術(shù)路線受到市場廣泛關(guān)注。有人不禁疑問，既然自動駕駛已經(jīng)很智能了，車路云一體化還有必要嗎？車路云一體化究竟是市場的真實需求還是一個幻象？
自動駕駛的破繭時刻
隨著開放區(qū)域的逐漸擴容，一些圍繞自動駕駛出租車的不同聲音也浮現(xiàn)出來。在武漢城市留言板上，不少市民吐槽蘿卜快跑“行駛速度慢甚至龜速”“一個蘿卜堵在路上，幾百人走不了”“綠燈停著不走，紅燈沖到路中間”……
雖然人們對當前已在城市部分區(qū)域開展的自動駕駛試點運營的效果充滿不信任，甚至對其給交通造成的負擔有些不滿，但自動駕駛的普及應(yīng)用有助于消除或減少人為因素對交通安全的影響，降低交通事故的發(fā)生率。
在《自然》最新發(fā)表的論文中，美國第二大公立大學中佛羅里達大學（UCF）針對自動駕駛安全性進行了一項研究。研究人員通過比較2016年至2022年間2100輛自動駕駛車輛和35133輛人類駕駛車輛的事故數(shù)據(jù)發(fā)現(xiàn)，自動駕駛車輛在執(zhí)行常規(guī)駕駛?cè)蝿?wù)（如保持車道位置和根據(jù)車流調(diào)整位置）時一般更安全、更不容易發(fā)生事故。此外，自動駕駛車輛在發(fā)生追尾和側(cè)擦事故時也更安全，事故發(fā)生率相比人類駕駛分別降低了0.5和0.2倍。
不過，研究同時表明，自動駕駛車輛在特定情境下似乎更易發(fā)生事故，比如晨昏弱光環(huán)境下和轉(zhuǎn)彎時（事故率分別是人類駕駛的5.25倍和1.98倍）。
雖然這項研究表明自動駕駛車輛有可能改善道路安全，但同時也強調(diào)了只有解決技術(shù)局限，才能確保自動駕駛車輛能在各種情況下安全運作。
當自動駕駛進入商業(yè)化運營階段，人們將安全風險的考量放到了首位，而不同的技術(shù)路線在駕乘體驗、算法規(guī)則、行駛效率等方面的側(cè)重點也是不同的。
當前，自動駕駛有兩條技術(shù)路線：“強感知+弱智能”與“弱感知+強智能”。
“強感知+弱智能”路線的代表是谷歌Waymo和百度Apollo。在感知上使用“雷達+攝像頭+高精地圖”的方式，智能上使用行駛規(guī)則輸入的方式，多采用AI小模型。在中美兩國，這套解決方案都是自動駕駛出租車的主流方案，優(yōu)點是保證安全。因為感知能力強，信息獲取充分，這套方案對路況信息完全掌握，而在信息充分前提下，只要設(shè)置好行駛規(guī)則，那么車輛會完全按照交規(guī)行駛，比真人更守規(guī)矩，甚至于任何交通事故的責任都只會是對方。
不過這種方案在應(yīng)對復雜路況比如紅綠燈路口的無保護左轉(zhuǎn)、無紅綠燈斑馬線行人橫穿等情況，都還是用規(guī)則控制來兜底安全，結(jié)果就是車輛在遇到Corner Case（極端情況）的表現(xiàn)并不穩(wěn)定，可能出現(xiàn)急剎、長時間停車的情況，影響同一道路的其他車輛。但基于規(guī)則的好處也非常明顯，就是違反交通規(guī)則的概率非常低。
“弱感知+強智能”路線的代表是特斯拉FSD，感知上主要靠攝像頭，智能上采用端到端大模型。這條路線事實上就是完全模仿人類駕駛。正因為是模仿，所以既能模仿人類遵守交通規(guī)則的一面，同時也會模仿人類違反交通規(guī)則的不良行為，主打一個“人怎么開，自動駕駛也怎么開”。
但這類自動駕駛技術(shù)的不足之處在于，現(xiàn)實路況很復雜，攝像頭的感知范圍十分有限，僅限于車周圍100米至200米的范圍，同時受自然環(huán)境影響較大，攝像頭在雨雪霧天的檢測精度會大打折扣。很多情況下，出了事故很可能是自動駕駛車輛的責任。所以，現(xiàn)階段FSD依然是一種輔助駕駛技術(shù)，需要駕駛員在駕駛室里面隨時準備接管車輛控制權(quán)。
而端到端大模型是基于一個概率模型訓練，由于神經(jīng)網(wǎng)絡(luò)輸出的結(jié)果具有一定的概率性，所以并不能保證輸出的結(jié)果絕對安全。同時，端到端大模型的決策過程具有“黑箱”特性，內(nèi)部邏輯不公開，決策中所出現(xiàn)的問題難以被定位，導致為后續(xù)模型的優(yōu)化造成阻礙。目前，國內(nèi)不少車企宣布端到端大模型上車，實際上未完全放棄傳統(tǒng)的“規(guī)則控制”，仍會通過一些規(guī)則方法對神經(jīng)網(wǎng)絡(luò)的輸出做二次校驗。
此外，數(shù)據(jù)量、算力以及對大模型的精簡優(yōu)化都是推進大模型能否成功上車的重要因素。首先，自動駕駛需要大量的高質(zhì)量訓練數(shù)據(jù)，這些數(shù)據(jù)包括各種駕駛場景、天氣條件和交通情況的圖像、視頻和傳感器數(shù)據(jù)。特別是遇到交通極端情況的數(shù)據(jù)更加重要，比如真正發(fā)生碰撞或在突發(fā)狀況前后車輛如何進行決策判斷的數(shù)據(jù)，或者在無信號燈路口以及在雨雪霧霾天氣中車輛如何通行的數(shù)據(jù)。收集、標注和維護這些數(shù)據(jù)的質(zhì)量和多樣性是一項挑戰(zhàn)。
其次，將海量數(shù)據(jù)喂給端到端大模型時，算力是不可或缺的資源。車端的計算資源通常有限，部署端到端模型需要高性能的硬件支持，這會受到整車成本和布置空間的限制，而數(shù)據(jù)中心需要進行不斷擴建，才能滿足日益增長的算力需求。
當云端的大模型訓練完成后，需要對其進行精簡和優(yōu)化。比如模型剪枝、量化等技術(shù)，以減少模型大小和提高運行效率。云端服務(wù)器擁有大量高性能硬件資源，支持大規(guī)模并行處理數(shù)據(jù)并進行數(shù)據(jù)存儲。但車載計算資源有限，為了與之適配，需要對模型進行優(yōu)化，并降低能耗。
從上述兩條技術(shù)路線看，當前的自動駕駛盡管已經(jīng)突破了實際應(yīng)用的最低門檻，但算力、算法在迭代，數(shù)據(jù)還在積累中，決定性的技術(shù)主導設(shè)計還沒有得到確認，換句話說，技術(shù)尚未定型，而技術(shù)定型是工業(yè)品大規(guī)模復制的前提。
7月15日，特斯拉CEO埃隆·馬斯克對Robotaxi發(fā)布延期的問題作出了回應(yīng)。馬斯克表示，他對Robotaxi的前部設(shè)計提出了變更要求，這一設(shè)計優(yōu)化導致原定的發(fā)布計劃推遲。不過，馬斯克沒有給出具體的發(fā)布時間。
Robotaxi項目的延期，無疑揭示了特斯拉在推進自動駕駛技術(shù)商業(yè)化過程中所面臨的挑戰(zhàn)與復雜性，同時也表達出特斯拉在Robotaxi方面的審慎。畢竟，Cruise因交通事故被美國加州政府吊銷無人駕駛業(yè)務(wù)運營許可證的前車之鑒就在眼前。
與海外近乎一家獨大的特斯拉相比，國內(nèi)智能駕駛系統(tǒng)正處于百花齊放的階段，不同車型、不同技術(shù)方案之間數(shù)據(jù)壁壘難以打通，而不同品牌的車輛所獲取的數(shù)據(jù)無論在豐富度還是規(guī)模方面都十分有限，這也就進一步限制了以數(shù)據(jù)為驅(qū)動的大模型的能力，從而影響了自動駕駛技術(shù)的進化升級。
痛點有“新解”
近日，上海市迎來自動駕駛測試車的重要時刻，預(yù)計最快在未來一周內(nèi)，面向普通市民啟動自動駕駛智能網(wǎng)聯(lián)汽車的實地測試，測試期間可以免費乘坐。
不僅在上海，全國多地也出臺新政鼓勵自動駕駛發(fā)展。北京市經(jīng)濟和信息化局對外征求意見，擬支持自動駕駛汽車用于城市公共電汽車客運、網(wǎng)約車、汽車租賃等城市出行服務(wù)；武漢相關(guān)部門提供的數(shù)據(jù)顯示，目前武漢市“上路”的無人車數(shù)量共有600輛，開通載人收費業(yè)務(wù)的約占七成；深圳巴士集團表示，該集團計劃年內(nèi)在前海推出20輛自動駕駛公交車。
此前，多部門聯(lián)合公布自動駕駛試點城市名單，共覆蓋20個城市，不僅涵蓋了北京、上海、廣州、深圳等一線城市，成都、重慶、南京、武漢、合肥等新一線城市，沈陽、長春、福州、濟南等省會城市，還有十堰、鄂爾多斯等地級市，以及?？?三亞-瓊海聯(lián)合體、杭州-桐鄉(xiāng)-德清聯(lián)合體等城市群。試點范圍的廣泛性和多樣性為未來智能網(wǎng)聯(lián)汽車的全面推廣奠定了堅實基礎(chǔ)。
從實際國情來看，中國大力發(fā)展自動駕駛的前提必然要采取安全系數(shù)最高的解決方案進行兜底。而車路云一體化利用中國龐大的網(wǎng)絡(luò)和交通基礎(chǔ)設(shè)施，融入路側(cè)感知，通過融合車、路、云三端數(shù)據(jù)，形成規(guī)模更大、視角更豐富的交通數(shù)據(jù)集，以此為基礎(chǔ)提供一個更全面、準確的交通環(huán)境感知圖像，進一步提升自動駕駛的視距能力，增強單車的感知能力，從而超越了單車智能本身的局限，為實現(xiàn)更安全的自動駕駛打下基礎(chǔ)。
相比單車智能，車路云一體化的實時路況信息具有重大意義，包括但不僅限于疏堵增效、節(jié)能減碳、降低交通事故率。
疏堵是很容易理解的，當路側(cè)設(shè)施可以實時獲取每條道路上的車流量信息時，云平臺就可以按照車流量對紅綠燈的時間進行智能調(diào)整，同時還可以通過系統(tǒng)向智能網(wǎng)聯(lián)汽車傳輸行程規(guī)劃建議，比如提醒司機前方道路擁堵，切換到某一條道路行駛可以節(jié)約多少時間并節(jié)約多少油耗或電耗。
屆時只要智能網(wǎng)聯(lián)汽車大部分按照建議路徑規(guī)劃行程，道路擁堵也自然能得到有效緩解，道路通行效率乃至于運輸效率都可以得到大幅提升，并且過程中必然能起到有效節(jié)能減碳的作用，車流量的平均也可以降低交通事故率。
另外，從基礎(chǔ)設(shè)施稟賦來看，中國也更適合走車路云一體化路線。
網(wǎng)絡(luò)基建方面，截至2024年5月，我國5G基站總數(shù)達383.7萬個，占全球5G基站總數(shù)的60%，且我國大力推進5G、物聯(lián)網(wǎng)、衛(wèi)星互聯(lián)網(wǎng)等技術(shù)的衍生應(yīng)用，能夠滿足車路云一體化對于通信網(wǎng)的基本要求。
路側(cè)基建方面，我國公路總里程和高速公路總里程均領(lǐng)先于全球。2023年，全國公路總里程544.1萬公里，其中高速公路18.4萬公里，這意味著我國具有廣闊的路側(cè)單元（RSU）分布范圍。根據(jù)工信部統(tǒng)計，截至2024年5月，我國智能化路側(cè)單元部署超過8700套，可在原有稟賦的基礎(chǔ)上快速改造升級。
另外，中國的新型舉國體制優(yōu)勢將在車路云一體基礎(chǔ)設(shè)施投資建設(shè)的過程中發(fā)揮重要作用。通過自上而下的政策推動和自下而上的實踐創(chuàng)新，將有助于全面推進智能網(wǎng)聯(lián)汽車準入和上路通行試點工作，推動健全完善智能網(wǎng)聯(lián)汽車生產(chǎn)準入和道路交通安全管理體系，以及高質(zhì)量推進車路云一體化應(yīng)用試點工作。
縱觀全球，車路云協(xié)同也正在成為各國推進智能交通體系的重要組成部分。
美國提出了網(wǎng)聯(lián)自動駕駛（CAV）的概念，美國聯(lián)邦公路管理局（FHWA）開發(fā)了CARMA平臺和CARMA云，以支持協(xié)同駕駛自動化（CDA）的研究和開發(fā)。在車輛與智能交通系統(tǒng)深度融合方面，由美國交通運輸部主導的智能交通系統(tǒng)，已將協(xié)作式智能交通參考框架（ARC-IT）演進到9.0版本，其中考慮了車路云協(xié)同自動駕駛。
歐洲在發(fā)展單車智能自動駕駛的同時，高度重視單車智能與車路云協(xié)同自動駕駛協(xié)同發(fā)展。與美國類似，歐洲智能網(wǎng)聯(lián)汽車發(fā)展起源于智能交通系統(tǒng)，并逐步通過車輛的智能化、網(wǎng)聯(lián)化實現(xiàn)車與交通系統(tǒng)的協(xié)同發(fā)展。歐洲智能交通系統(tǒng)開發(fā)與應(yīng)用是與歐盟的交通運輸一體化建設(shè)進程緊密聯(lián)系的，在Horizon2020等計劃的資金支持下，通過智能汽車自動駕駛應(yīng)用和技術(shù)（AdaptIVe）、協(xié)同智慧交通（C-ITS）等項目的實踐，在智能網(wǎng)聯(lián)汽車、智能交通系統(tǒng)、基礎(chǔ)設(shè)施建設(shè)方面積累豐富經(jīng)驗。
2018-2022年，日本相繼發(fā)布了《自動駕駛汽車安全技術(shù)指南》、《道路交通法（修正案）》，持續(xù)更新發(fā)布《官民ITS構(gòu)想路線圖》、《實現(xiàn)自動駕駛行動方針》等政策法規(guī)，探討了L4級自動駕駛的基礎(chǔ)設(shè)施協(xié)同機制與商業(yè)模式等，并計劃于2025年實現(xiàn)高速公路L4級自動駕駛。
德國推動“共同協(xié)作的高度自動化駕駛”（Kohaf或Ko-HAF）研究項目，使車輛通過移動無線電將其環(huán)境信息發(fā)送到安全服務(wù)器，服務(wù)器將信息進行收集壓縮使車輛擁有最新的高精地圖，從而提供更好的信息預(yù)報。
不難看出，隨著單車自動駕駛技術(shù)進步空間趨于飽和、技術(shù)提升的瓶頸以及交通環(huán)境復雜性的增加，未來的自動駕駛將越來越依靠車路云一體化設(shè)施的有效支撐。在此背景下，車路云協(xié)同自動駕駛產(chǎn)業(yè)創(chuàng)新體系一旦形成，其將釋放更大的產(chǎn)業(yè)鏈價值，成為新一輪科技創(chuàng)新和產(chǎn)業(yè)競爭的制高點。