谷歌、蘋果、Uber等科技巨頭們，為何紛紛暫緩研發自動駕駛

　　2018-01-19 15:08谷歌/蘋果/Uber

　　

　　大數據文摘作品

　　編譯：元元、Saint、亭八

　　想要實現「不再有人因為操作失誤而引發車禍」這樣的烏托邦，遠比想象中的要難。不可否認，我們離自動駕駛還有很長的一段路要走。

　　2015年，谷歌的自動駕駛汽車一共發生了十一起車禍，雖然總體數量並不算多，谷歌也聲稱：自動駕駛汽車的感測器和演算法如果從統計學角度來講會比人更加細心。另外則是谷歌會不斷完善自身演算法，從而能夠從容應對周遭人類司機做的蠢事。總之，事故並不是由於汽車本身的原因造成的。

　　人類司機(紫色模型)猛得向右轉彎

　　

　　2016年12月12日，谷歌發推文稱暫緩自動駕駛的研究。次年3月26日，Uber自動駕駛測試項目也暫時中止。究其原因，巨頭們暫緩研發自動駕駛的腳步，自動駕駛的測試過程中發生過多次事故佔了很大一部分的因素。

　　另外，在美國亞利桑那州Tempe，Uber的自動駕駛汽車發生了撞車事故。在行駛過程中，另一輛汽車沒有為Uber的無人駕駛汽車讓路，導致其撞向了該車的一側。隨後，Uber中止了亞利桑那以及匹茲堡的無人駕駛測試。

　　

　　Uber自動駕駛汽車發生撞車事故

　　Elon Musk曾經稱：全世界的監管機構都會要求推出自動駕駛汽車前總訓練行駛至少60億英里（100億公里）。現如今無人駕駛汽車的進展是每天300多萬英里（500萬公里）。

　　我們很多人都在盼望著未來有那麼一天，不會再有人為操作失誤而引發慘烈的車禍。當大科技公司或者汽車公司為這個烏托邦式的願望投入了巨大的金錢和腦力之後，他們發現：這個烏托邦要比想象中更加難以實現。

　　對於自動駕駛，我們要知道一件事情：巨頭們越過一些技術直接開始研發汽車這個事情並不是科學的。因為研發自動駕駛的硬體和汽車本身並不是唯一重要的事情，想要達到自駕的目標，還有很多很多技術的問題需要解決，有了軟體之後轉身就能造汽車的說法無異於痴人說夢。

　　現有的技術值得驕傲

　　但不可否認的是，我們在自動駕駛組件方面確實有了很大的技術進步。比如：

　　大規模實時建模：Waymo公司出了一款類似於魔獸世界的軟體——Carcraft,其功能是可以在任何部署了Waymo/Google自動駕駛汽車的城市進行25000 種自駕模擬。這種級別的測試在之前從來沒有出現過，大量的模擬會讓我們在模擬器中達到第4級的水平(完全自駕)，離商用自動駕駛汽車的路上更進了一步。

　　廉價的LiDar組件：在大多數的自動駕駛汽車上面，會經常看到一個造型滑稽名叫LiDar的組件，它的全稱是光檢測和測距(LiDar, Light Detection and Ranging)，其作用和名字一樣，是自動駕駛汽車搜集數據的主要組件。一般一個商用的LiDar系統售價為1000至70000美元，這個成本相對於任何汽車生產商來說都是非常昂貴的。緊接著，麻省理工學院的光子微系統研究組發出聲明：他們研製出來了縮小版的LiDar，其體積比硬幣還要小，造價僅為10美元。同時，Velodyne公司稱他們可以將子系統的成本減少至50美元！唔……摩爾定律在這個事情上面充分發揮了作用。

　　數據搜集和機器學習規模的數據分析：想要實現自動駕駛並不是讓汽車遵從人設計的規則，而是用訓練數據構建機器學習模型，讓系統根據路況自己作出駕駛決定。現如今每一輛在路上飛馳的Tesla汽車都在學習如何自主導航穿過人群擁擠的道路，而每一輛車多開一英里就會多獲得一些綜合信息，信息會直接傳送到中央資料庫，以便於機器學習方法可以獲得實時更新，從而提高自動駕駛技術，接觸到更多的真實駕駛模擬。

　　仍有眾多問題需要思考

　　看似遙遠實際很多的案例：在美國訓練一輛自動駕駛汽車會很快就能完成，因為道路上有清晰的強制性規則和條例。雖然偶有破壞規則造成交通事故的事情發生，但大多數人們都還是遵守交通規則的。

　　不過，在很多地方情況又會變得不一樣。比如在奈及利亞，要麼是沒有規則，要麼是破壞之後並沒有後果。也有一些更加複雜的情況，比如缺乏結構化的道路以及資料庫更新的時候道路情況發生了變化等等，這需要大量的模擬訓練從而可以考慮到所有的可能性。

　　技術挑戰：沒有規則的世界需要複雜性的技術來支撐。我們需要在車內建立多餘的機械系統，以確保汽車在發生突發情況是能夠及時響應。但這個事情並不僅僅與汽車有關，還關係到人本身。因為人類是難以預測的，現如今的技術手段還沒有先進到可以捕捉另一輛汽車駕駛員的身體狀況。未來，在所有汽車實現自動駕駛的過程中，將會因此出現很多奇葩的事情。

　　硬體依然十分困難：特斯拉汽車的生產以及許多配套軟體的硬體公司的倒閉，是人們忘記了發布硬體的難度，我們認為「將先進的軟體結合到材料正快速變化的硬碟中就可以獲得成功」的想法是那麼的幼稚，硬體這個難題依然困擾著我們。

　　非傳統製造汽車軟體公司的最佳策略

　　如同微軟的智能助手軟體Cortana應用於尼桑和寶馬汽車上、谷歌母公司Alphabet旗下的自駕軟體公司Waymo助力本田汽車一樣，軟體公司的最佳策略是為自駕汽車開發操作系統（CarOS)。

　　以蘋果公司為例，蘋果擁有iPhone手機以及AppleWatch手錶等原始的攜帶型遠程信息處理設備，如果蘋果開發自動駕駛汽車操作系統，這些設備會為其提供巨大的幫助。無論汽車在哪裡、狀態如何，這些信息都會通過設備記錄下來，以便於做出更加適合的決定。

　　而今，iPhone手機已經成為了個人的遠程信息處理設備。地圖和健康軟體記錄著我們遊覽了世界各地，而地圖和行駛歷史數據則是自動駕駛軟體中的兩個要素。對於蘋果公司而言，開發自動駕駛汽車操作系統可以視為地圖和健康軟體的自然延伸。

　　

　　星巴克的地址以及今天還需要完成的步數

　　據統計，蘋果公司已經賣出了10億部Iphone手機。而最大的自動駕駛汽車公司生產的汽車還沒有超過25萬輛，訂購特斯拉模型3的電動汽車訂單雖然已經打破了記錄，但最困難的部分還在於其真正交付這些訂單。蘋果完全沒有必要忽視它最熱銷的產品，去關注另一個資本密集型且不是其核心競爭力的產品。

　　未來擁有汽車的人或許會變少，但人們還會繼續購買iPhone手機，開發自動駕駛汽車操作系統才是蘋果公司能夠做出的最具戰略性的相關舉措。一個操作系統可以連接任何品牌的自動駕駛汽車以及駕駛員iPhone上的遠程信息系統，那真的是實現了無縫對接。

　　正如iTunes影響了音樂行業一樣，蘋果公司也在向自動駕駛汽車行業最優秀的工程師學習，在未來，其自動駕駛汽車操作系統也將會為自動駕駛行業帶來一些影響：

　　點菜模式。當需要汽車的時候，可以用iPhone手機預約任何租車提供商的汽車。

　　平衡行業競爭，加速共享模式。任何擁有自動駕駛汽車的人不需要中間商就可以出租自己的車，並通過Apple Pay獲得報酬。

　　另外，自動駕駛汽車操作系統還可以和蘋果智能家居平台Homekit相結合，為蘋果客戶提供家庭和車輛無縫連接的便利體驗。

　　所以，蘋果這麼精明的公司是不會選擇「自主開發一整輛自動駕駛汽車並承擔相應的商業風險」這個錯誤決策的，其想要在未來和Amazon(Alexa)、Alphabet、Facebook等科技公司爭奪戰場上的領先地位，開發自動駕駛汽車的操作系統和相連的家居系統才是巨頭們更合理的策略。而且，這也是巨頭們投資少但又能發揮公司本身優勢最好的策略，這個策略唯一的問題也就是誰能捷足先登，開發出足夠強大且讓汽車生產廠商倚重的操作系統了。

　　未來，預計會出現3-4家平台的操作系統可供廠商們選擇，而蘋果併購特斯拉的事情也很有可能出現。至於最近在2018CES年展上面出盡風頭的中國軍團，只能說：路漫漫其修遠兮，道阻且長。