今天小編分享的互聯網經驗：自動駕駛，又到黎明前？，歡迎閱讀。
圖片來源 @視覺中國
文｜自象限，作者｜羅輯
提起自動駕駛，大家總難免懷抱一種悲觀情緒。
支撐這種情緒的東西有很多，比如 2023 年上半年，自動駕駛僅完成 69 起融資，大額融資明顯減少，經營困難的公司開始增多，長尾問題得不到解決，商業化落地不及預期等等。
困擾自動駕駛的問題是具體的，比如長尾問題的解決、法律法規和商業化落地。
但如果現在有人用上帝視角重新審視整個自動駕駛行業，或許會發現，原來一直籠罩在自動駕駛頭頂的這 " 三朵烏雲 " 正在緩慢消散。
首先是長尾問題的解決。
馬斯克 8 月 25 日在 X 平台（原 Twitter）上直播了特斯拉還未發布的 FSD V12 版本測試，展示了特斯拉最新的 " 端到端 " 車輛控制技術。這段時長 45 分鍾的直播，吸引了超 1100 萬人觀看，馬斯克僅在經過紅綠燈時主動幹預了一次。
" 端到端 " 技術的應用，或有助于讓自動駕駛擺脫長尾問題的困擾，這讓高級輔助駕駛、甚至完全自動駕駛的實現看到了曙光。
其次是法律認可。
8 月 11 日，美國加州通過新的政策，允許 Waymo 和 Cruise 的 Robotaxi 在舊金山不受限制地載客。這意味着，自動駕駛首次在法律意義上獲得了和普通車輛同樣的路權，邁出了從試運營到商業化的關鍵性一步。
也正是因為這件事，關于自動駕駛的讨論又逐漸回到主流的語境中。
最後是商業化落地。
今年華為、理想、小鵬等企業都宣布了城市 NOA 的開城目标，其中華為是 45 座、小鵬是 50 座、理想是一百座，一個比一個激進。與此同時，從 6 月份的黑芝麻智能，到 8 月份的如祺出行，再到剛剛通過境外上市備案的文遠知行，自動駕駛還在開啟一輪新的上市潮。
但這一切其實都發生得十分突然，畢竟自動駕駛行業去年底還因為 Argo AI 和 lbeo 等企業的關停而顯出一幅愁雲慘淡的末日景象。
當時，行業普遍認為 L4 級别的自動駕駛（乘用車）已經走入困境，即也标志着在漸進式和跨越式的路線之争中，漸進式取得了階段性勝利。
而如今，自動駕駛行業有公司上市、有政策落地，有技術突破 ... 漸進式與跨越式兩條路線齊頭并進，自動駕駛似乎重新走到了 " 關鍵時刻 "。
但從 2013 年百度布局自動駕駛開始，國内自動駕駛發展已有十年，過程中經歷過許多高光和谷底。
所以這一次，自動駕駛會迎來真的黎明前嗎？
自動駕駛，完成硬體準備
我常用 YouTube 的例子來判斷一個行業是否走到了爆發的前夜。
2005 年初陳士駿等人在聖布魯諾創辦了一家視頻網站，差不多一年半之後，這家網站被 Google 以 16.5 億美元的高價收購。
西海岸的風很快吹回國内，資本湧入，催生出優酷、土豆、搜狐視頻、六間房等視頻網站，熱烈程度毫不亞于後來的 " 百團大戰 "。但這股風并沒有吹多久，中長視頻真正有所作為要等到 6 年之後。
同一時間，在美國成立的商業模式在中國并不成立，這種 gap 關鍵在于基礎設施。
2005 年，美國家庭網絡的普及率已經達到 53% [ 1 ] ，而中國僅有 7.9%。當時 YouTube 鼓勵用戶自己拍攝内容并上傳，國内視頻網站采用同樣的模式，但 2005 年美國超過 20% 的家庭擁有數碼攝影機 [ 2 ] ，而中國的普及率僅有 0.12% [ 3 ] 。
中國互聯網普及率 圖源 cnnic
基礎設施是行業發展最底層的支撐，這一點在自動駕駛行業同樣适用。
一輛車，是否擁有足夠的算力，配備了合适的激光雷達、攝像頭、毫米波雷達等傳感器，是自動駕駛能否正常工作的基礎。但在一兩年前，這些硬體高昂的成本使普及并不現實。
2020 年，Google Waymo 自動駕駛配備的 Velodyne 64 線激光雷達價格高達 7.5 萬美元；作為自動駕駛的大腦，當時被普遍采用的英偉達自動駕駛芯片 Drive PX2 售價在 1.5 萬美元左右。
2022 年開始，自動駕駛硬體開始廣泛普及，這一年被行業稱為激光雷達上車元年，原因之一是這兩年國產硬體的突破。
2022 年國產激光雷達速騰聚創、禾賽科技開始量產出貨，并推動激光雷達從機械式向混合固态和固态激光雷達過渡。再加上國内如地平線、黑芝麻智能等一批專注于自動駕駛的芯片企業崛起，都推動了自動駕駛硬體的普及。
比如，作為全球第一大激光雷達供應商，今年禾賽科技的二季報顯示，2023 年上半年 ADAS 激光雷達出貨量為 73889 台。且激光雷達的價格還在下降，其毛利率從去年二季度的 46.8% 下降到今年二季度的 29.8%。
而在芯片方面，今年 4 月份地平線在上海車展期間提到，其征程系列芯片出貨量已超過 300 萬片。黑芝麻智能在其剛提交的招股書中提到，其 2022 年開始量產的 A1000 系列 SoC 到 2022 年底出貨量已超過 2.5 萬片。整個 2022 年，中國自動駕駛大算力 SoC 出貨量達到 35 萬片。
數字代表着越來越多新車具有滿足自動駕駛的能力。
總的來說，随着自動駕駛硬體、解決方案的國產化和降價、在硬體上能夠滿足自動駕駛搭載條件的車輛開始增多。
地平線 CEO 餘凱說，目前 30 萬以上的中國汽車品牌，80% 以上都裝備了 L2+ 高級輔助駕駛。一個更宏觀的數據是弗若斯特沙利文的報告，具體測算到 2023 年中國自動駕駛汽車銷量約 17.9 萬輛，滲透率 75.4%；預計到 2028 年，中國銷量将達到 25.3 萬輛，滲透率 97.2%。
全球及中國自動駕駛乘用車銷量 圖源黑芝麻智能招股書
而除了單個的智能駕駛硬體普及之外，整體的自動駕駛解決方案成本也在下降。這一點主要體現在 L2+ 為主的輔助駕駛上。
目前，大疆推出的低成本自動駕駛解決方案最低價格已經降到 5000 元左右，曠世科技基于德州儀器 TDA4VM 芯片（8 Tops 算力）開發的行泊一體解決方案可以在 10 萬元左右的車型上應用。
小鵬汽車 CEO 何小鵬在今年一季度财報電話會上也提到，小鵬汽車從今年到明年将實現自動駕駛超 50% 的成本下降，整車硬體（含動力系統）約 25% 的成本下降。
總之，自動駕駛硬體和解決方案成本的降低，為自動駕駛硬體的普及創造了條件，而駕駛硬體的普及，又為自動駕駛的落地打下了基礎。
但從自動駕駛的落地上看，僅有硬體顯然遠遠不夠。
Robotaxi，尋求軟體突圍
事實上，美國在舊金山對 Robotaxi 進行開放運營的嘗試并不算成功。
8 月 17 日，也就是加州政府解除對 Waymo 和 Cruise 的 Robotaxi 在舊金山的運營限制一周之後，舊金山的一名檢察官就向加州公共事業委員會提交了一項動議，要求停止 Waymo 和 Cruise 服務的擴張。
原因很簡單，Waymo 和 Cruise 的 Robotaxi 讓舊金山的街道變得更加混亂。
比如，有 Cruise 的 Robotaxi 闖進建築工地，然後陷在未幹的水泥地裡，比如 Robotaxi 有在十字路口撞上消防車。最嚴重的事故，是十多輛 Robotaxi 音樂節場地附近熄火從而造成交通堵塞。
因為狀況百出，Cruise 被要求削減一半的 Robotaxi，白天不得超過 50 輛，夜間不能超過 150 輛。
Cruise 在舊金山遇到的問題，其實都在赤裸裸地提醒，目前的 L4 級别的自動駕駛還無法應對城市道路真實且復雜的環境。
而需要注意的是，無論 Waymo 還是 Cruise，他們的自動駕駛在硬體配置上都幾乎已經達到頂級。比如 Cruise 采用的是多種傳感器冗餘的技術方案，其自動駕駛車輛配備了 5 個激光雷達、14 個攝像頭、3 個廣角雷達、8 個長距雷達，10 個超聲波雷達，并且還配備了高精地圖。
這個配置無論是在國内還是國外，都已經高于絕大部分自動駕駛公司。而這恰恰也說明，目前阻礙自動駕駛落地的關鍵不在硬體，而在軟體算法。
具體來講，自動駕駛算法主要由感知、預測、規劃控制三大部分組成。目前市場上統一這三大部分的算法大都又基于特斯拉在 2021 年推出的 "BEV+transformer" 架構。
對比傳統方式，"BEV+transformer" 算法架構大幅提升了感知精度和決策規劃能力。因為它可以将感知模塊的多個 2D 影像和傳感器信息整合為三維的向量數據，然後通過加入時序信息，更方便規劃控制算法實現對障礙物的追蹤。
但即便如此，"BEV+transformer" 架構中的規劃控制仍然采用基于規則為主的方式。即針對某個具體場景，編寫一段具體的代碼。這導致現在自動駕駛算法普遍因為泛化能力不足而存在許多長尾問題（corner case），也成為阻礙自動駕駛發展的關鍵障礙。
自動駕駛要突破，就需要持續解決 corner case，但這個過程越往後成本越高，難度越大，且 corner case 永遠無法全部解決。
新的變量來源于大模型。自去年底 ChatGPT 發布以來，大模型受到行業的普遍關注，也有越來越多的企業将其與自動駕駛相結合。
目前大模型已經被用在自動駕駛的許多方面，比如感知融合、數據标注、仿真測試等等。但其中最關鍵的還是車輛控制，也就是最近馬斯克在直播中展示的 " 端到端 " 車輛控制技術。
所謂 " 端到端 "，簡單來講就是輸入信息，然後輸出結果。這不是一個新的概念，英偉達在 2016 年就曾提到，但卻是最近才開始落地的一項技術。
在過往的車輛控制中，車輛通過感知硬體獲得信息之後，還要經過預測、規劃、控制等多個模塊，然後才在提前寫好的代碼指導下做出決策。這就像按照說明書開車，超出說明書的範疇就會失效。
但作為真人，我們的駕駛過程其實并不如此刻板。以路口轉彎為例，我們并不會要求車速、轉彎的具體位置、方向盤的角度都達到某個數值之後才轉彎，而是決定要轉彎，然後在一個 " 适當 " 的時候自然而然地轉過去。
" 适當 " 在這個過程中成為一個非常模糊，但卻重要的量詞，它有規則，卻又沒有要求。
" 端到端 " 就是這樣一個技術，從技術上講，它将過去自動駕駛決策的中間過程融合成一個整體，能夠去掉傳統模塊化算法帶來的編碼冗餘、計算冗餘和信息冗餘，将原本依靠規則驅動的自動駕駛徹底轉變為依靠數據驅動。
從結果上講，它讓自動駕駛的決策更趨向于人，能夠應對更多復雜情況。目前，" 端到端 " 車輛控制技術已經成為自動駕駛行業的一種共識。
8 月 25 日，馬斯克在展示特斯拉 FSD V12 版本的直播中也提到，端到端技術使 FSD V12 版本減少了數十萬行代碼，并且在沒有數據連接的情況下仍能在不熟悉的地形上工作。
總的來說，大模型的引入，讓原本困擾自動駕駛的 corner case 找到了一個解決路徑，它也将推動原本陷入瓶頸的自動駕駛向 L3、甚至更高級别的自動駕駛推進。
輔助駕駛，落地為先
從軟體算法的角度來看，高級别自動駕駛的困局顯然還需要一些時間才能夠突破。而在這之前，輔助駕駛的落地卻已經有些迫不及待了。
推動這一切的自然是乘用車，随着新能源汽車市場競争的日益激烈，大部分車企都想要通過智能化來獲得更多競争優勢。所以今年以來，各大車企都在積極推進城市 NOA 的落地。
6 月份，小鵬汽車城市 NGP 率先在北京落地，但其适用範圍卻并不是全部城區，而主要是北京各環線及主要快速路。這似乎也在說明，目前的輔助駕駛技術要應對城市内部真正復雜的路況還存在一些困難。
所以車企也在選擇性地 " 繞行 "，比如更早之前小鵬曾提出 " 通勤模式 " 的概念，即車主駕駛車輛在固定的通勤路線上往返數次，當車輛采集相關數據之後，就能夠完成既定路線的高級輔助駕駛。
這個功能的本質是通過限定區網域來為高級輔助駕駛降低復雜路況帶來的難度。但因為它能夠加快城市 NOA 的落地，所以也被更多車企跟進。比如 6 月份，大疆和理想就分别發布了 " 記憶行車模式 " 和 " 通勤 NOA 模式 "，并将在下半年上線。
這也說明，現在所有自動駕駛企業（廣義上）都已經明白，自動駕駛是一場持久戰，目前技術還無法讓所有汽車在一夜之間完成智能化轉型，所以大家都開始變得更加務實。
讓消費者先用起來，成為目前城市輔助駕駛的一個核心邏輯。車企又回到漸進式自動駕駛的理念上來，想要通過積涓成流，壘石成山的方式，逐步推動自動駕駛的實現。
當然，產業心态的轉變是一方面，更重要的是社會心态的轉變。
比如，加州允許 Robotaxi 在舊金山全面開放運營，是社會接納自動駕駛的一次重要突破，這樣的事情在國内，以及世界其他地方也在同樣發生。
比如 2022 年 8 月，深圳開始實施《深圳經濟特區智能網聯汽車管理條例》，明确規定了人工智能駕駛車輛應該滿足的條件，駕駛員在自動駕駛工作時應當盡到的責任，以及在自動駕駛車輛違反相關法律之後的責任認定。
今年 2 月 1 日，上海也頒布了《上海市浦東新區促進無駕駛人智能網聯汽車創新應用規定》，明确了管理自動駕駛應當依據的法律條例，以及在發生事故之後，保險、車輛所有人或管理人、自動駕駛開發者之間的責任認定。
國外同樣也在積極推進自動駕駛相關法案的落地，日本在今年 4 月允許 L4 級自動駕駛車輛在日本公路上行駛，但關于 L4 與 L5 的具體責任劃分還在研究。英國在 2022 年 7 月規定，有效自動駕駛期間，車輛發生事故駕駛人不用承擔法律責任等等 [ 4 ] 。
整體上，關于自動駕駛的讨論正在從一個單純的技術、產品問題深入到社會的各個方面，變成一個法律問題、保險問題、經濟問題和人文問題，而這對于自動駕駛的發展顯然是一件好事。
畢竟自動駕駛從來不只是一個技術問題，而是一個社會問題，它需要全社會共同讨論，而今天整個社會有了更多迎接自動駕駛到來的準備。
可以說，今天比歷史上任何時候都更接近自動駕駛，且今天的自動駕駛已經擠幹了泡沫。
