滴滴也是如此？
撰文 | 宇多田
20 世紀 50 年代中期，美國電力照明與動力公司某個月在《星期六晚報》上刊登的一版廣告，可以把我們拉回無人駕駛概念被人們接受並受到狂熱追捧的最早期階段：
你的汽車行駛在電子化公路上，剎車、加速以及轉向都將由埋在道路中的電子設備自動控制！
我們的公路將會變得安全可靠，這都要歸功於電子化。沒有擁堵，沒有事故，沒有疲勞駕駛！
如果現在來看這則廣告，當然很怪——
那時恰逢二戰後美國汽車產業剛進入黃金時代，但行業與大眾對無人駕駛的認知，卻是「讓公路來引導汽車駕駛」，而非從汽車本身角度考慮變革。
難道改造一輛車的難度竟然比改造全國幾百萬公里的道路要高？但是 60 年前的技術環境，決定了這看似烏托邦式的暢想並非沒有道理：
30 噸重的電腦根本沒法塞進車裡，模擬製式的攝像頭比行李箱還大，雷達與激光雷達還只能在戰機上看到，更別說連影兒都沒有的計算機視覺應用軟件…
這就是典型的「達芬奇難題」（指有的發明理論上可行，但是必備技術還沒出現）。
所以那個時候，包括車企在內的眾多相關行業巨頭，都在積極通過另外一些角度尋求突破。
譬如，合作研發所謂的「智能高速公路」。
誰都想不到，作為最古老的汽車廠商之一，通用曾是這個項目的激進推動者。
20世紀50年代末，美國無線電公司找上了通用，兩家巨頭集結了一大批自動化與電磁學專家，在「設計自動化高速公路」這件事上耗費了超過 3 年時間。
其實單純從測試結果來看，改造是成功的。
不難想象，裝有兩個傳感線圈與測量裝置的汽車行駛沿著測試道路規規矩矩地向前緩慢行駛，即便在轉彎處有點跑偏，地下專用線纜產生的磁場也會自然而然將其拉扯回正軌。
而與此同時，傳感器之間的信息交互，可以讓車輛之間明確對方的定位，以方便「保持距離」。
其實這裡面的原理其實很簡單——
如果汽車跑出了預設軌道，本來兩個電流持平衡狀態的線圈就會發生電流偏差，而產生強電流的一邊（就是跑歪的一邊）會把「意外情況」告知汽車傳感器，接收到指示的方向盤操控系統，就會命令汽車調轉方向。
換句話說，這是一套將電纜、傳感器以及磁場感應器進行了巧妙工程性融合的反饋控制系統。
因此，在受到內布拉斯加州政府的大力褒獎後，他們又一鼓作氣在新澤西州等地成功完成測試。
然後，就沒有然後了。
即便接下來各類相關實驗陸續取得成功，但對自動化公路，或者說是「無人駕駛」的推廣與應用，並沒有發揮任何實質作用。
甚至於 60 年來，無人駕駛汽車的發展一直都呈現出「舉步維艱」的狀態。
而後來很多汽車評論家與機器人專家總結起美夢最終化為泡影的原因，都會歸結為：
「解決不了『雞生蛋』，那肯定也同樣解決不了『蛋生雞』。」
也就是說，既然技術條件與道路設施達不到自動駕駛汽車的上路標準，那即便從道路入手，也無能為力。
因為實現智能化公路的必備條件之一，便是「汽車配置需要全自動化及聯網化」。
因此，美國政府在上世紀七八十年代興師動眾推廣 V2X 技術（汽車與外界進行信息交互）與智能化高速公路項目卻最終慘遭失敗，讓絕大多數公司意識到，無論如何還是應該先從汽車本身下手來解決問題。
而如今我們看到的無人駕駛行業狀態，是「達芬奇難題」在一定程度上得到解決的表現。
至少連普通人都能知曉，計算機價格下降、數碼相機微型化、互聯網數據爆炸……究竟給高效算法的誕生埋藏了多少伏筆。
因此，從 Google 開始，再到車企與 2015 年至今開始賣力在自動駕駛系統及零部件身上尋找商業契機的大批創業公司，都認為從汽車本身入手才是釜底抽薪之舉。
但有趣的是，隨著無人駕駛概念再一次受到大眾追捧，對智能化道路改造的呼聲又徹底響起了。
與 60 年前的美國極為相似的是，這一次國內積極響應的，除了政府，也有商業巨頭的影子。
早在今年 3 月，阿里達摩院旗下的人工智能實驗室就正式宣佈，首席科學家王剛正在帶領團隊研發無人駕駛技術。但是到目前為止，這個團隊公開的消息實為有限。
而昨天阿里巴巴達摩院與交通運輸部公路科學研究院成立的車路協同聯合實驗室，明確釋放出了公司的「兩條腿走路」策略：
研發無人駕駛技術，但也希望能參與改造公路。
而他們拿出的方案，是一款需要安裝在視野空曠處的智能感知基站（安裝位置與目前道路上方抓拍攝像頭較為相似，譬如路燈頂端或廣告牌一側）。
其作用是被官方這樣描述的：「由多種傳感器及高效運算單元組成，可以幫所有車輛進行路線規劃和定位的車外大腦」。
產品概念相對新穎，但實現的效果有點像 V2X，也就是車與外界的交互
但你可以這樣理解——
把幾十年前通用埋在地底下的那套感應裝置濃縮升級為一個個體積更小，成本相對更低的攝像頭傳感組合，並嵌入了圖像識別等能力。
當然，這也有點類似於安防領域內，城市各個角落的攝像頭與派出所後臺大數據分析及識別系統的信息交互，搖身一變成了「智能感知基站與車輛間的交互」。
甚至於再通俗一點就是 ：每隔 200 米，就多了一個「交警」。
此外，由於涉及到一些不可透露的技術機密，王剛只能用口頭陳述來介紹這套產品的感知效果：
在多次開放路段的對比路測實驗中，如果感知基站並未開啟，那麼有障礙物（行人）在距離無人車不到 2 米時衝入車道，車輛完全不能進行緊急避讓；但在開啟基站後，無人車會提前對障礙物進行感知，並 100% 避讓成功。
但這裡面又讓我們產生了多個疑問。
譬如這輛車究竟是級別為多少的無人車？行駛車速為多少？如果路邊行人本無意過馬路，只是突然衝進車道，那麼基站究竟是如何進行精準判斷的？識別過程是在本地進行處理的嗎？
很遺憾，對於技術細節的所有追問，阿里並沒有給出更多的解釋。
只是這次合作的意義，倒是遠遠大於技術與硬件產品本身的意義。
因為它對目前無人駕駛技術發展方向，提出了新的疑問：
在技術環境逐漸成熟與穩定的當下，基礎設施改造是否應該與無人駕駛技術研發同步同速進行？
在由政府推動的基礎設施改造中，技術公司應該扮演什麼樣的角色？
某種意義上，阿里做的事情，與滴滴的一些舉措有些類似。
有意思的是，後者的自動駕駛研發信息也幾乎呈現秘而不宣的狀態，但近一年來卻在積極尋求與政府的技術合作：
在各個城市裝配智能信號燈，建立「潮汐車道」，利用自己本身就積累的大量網約車車輛軌跡數據來優化交通信號，提升行駛效率。
比起公司接連不斷的負面消息，這些行為在很多人眼裡顯得微不足道，而且乍看也與無人駕駛並無太大關聯。但是誰都無法保證，實時的紅綠燈調度規劃經驗不會給未來滴滴的自動駕駛出租車運營水平帶來更多提升。
幾十年前，對於美國政府來說，解決擁堵與安全問題是他們積極推動發展 V2X 技術的主要目的，而對於願意參與項目的諸多公司來說，這何嘗不是讓無人駕駛汽車儘快上路的重要前提條件。
譬如，每個人都清楚，即便是 L5 的無人駕駛汽車也絕對滿足不了 100% 的安全需求。那麼假設安全係數達到 99%，剩下的 1% 能否用基礎設施的升級來實現？
而現有 L4 級汽車在普通公路上的安全係數如果是 80%，那麼在一條進行過升級改造後的公路上行駛，能否超過一輛 L5 汽車的安全標準？
甚至於，在自動駕駛系統與自動化道路的雙重作用力下，有人認為自動駕駛等級也應該被重新定義。
「合力」的效果顯而易見，甚至對於一些自動駕駛技術相對落後的公司來說，這裡面還存在一種「可彎道超車」的有效暗示。
但以上只是最理想化的狀態。
事實上，關於「智慧交通」「智能化道路」等各類項目方案雖然一直襬在政府的案頭，但對於任何一家商業公司來說，短期內這跟自己的利潤訴求沒有任何關係。
更何況「無人駕駛汽車」本身就被視為是一個燒錢的東西，這讓身在其中的人更是無暇顧及那些已經被時間驗證過的「無效努力」。
而回看歷史，讓美國政府以及通用等公司放棄參與自動化交通公路設計與改造的諸多原因中，除了技術環境的限制，成本問題其實更為關鍵。
根據中國交通運輸部的統計，2017 年末全國公路總里程高達 477.35 萬公里。試想一下把每條道路刨開，並在地下埋入傳感器需要多少開銷？可見完成改造的時間與資金成本都是不可估量的。
那麼阿里提供的這類「後裝硬件」，就真的可以讓成本大幅下降嗎？
很可惜，截止目前，阿里也沒有透露關於這款硬件成本及政府採購方面的任何信息。
不過，它顯然是要比挖路埋線，以及讓所有汽車達到 L5 級標準的硬件配置費用要低。
此外，對於歷史上那些才華橫溢的汽車工程師來說，他們之所以放棄對智能化公路的大膽暢想，還因為在以銷售汽車為前提的技術研發過程中，不得不從「理想主義」迴歸「現實主義」——60 年代的汽車本身還存在無數問題。
各種事故及召回事件對應的是如何制定汽車安全標準；各類「排放門」對應的是如何提升燃油效率。
但如今，聚焦於無人駕駛汽車的矛盾點，早已不在車體質量問題上。與此同時，技術公司的角色擔當愈加重要。
因此從國內來看，一方面，中國政府的強勢引導也許更容易讓科技公司參與到這場恰逢其實的道路改造工程中來；
而另一方面，發展無人駕駛技術的訴求也開始讓一些富有遠見的公司看到參與基礎設施改造為自己戰略佈局所帶來的價值。
但是我們認為，以上都不是道路智能化的最大阻礙。
即便所有公路都完成自動化改造，所有在路上疾馳的汽車都連上了網，甚至安裝了自動駕駛系統，如果城市與城市之間的數據傳輸標準的不一致，或者某家車廠或車主拒絕接入，都會讓以上努力成為擺設。
而王剛在接受我們採訪時也承認，「解決這個難點仍然需要各界的持續參與與討論」。
事實上，這種網與網，聯盟與聯盟，生態與生態之間的壁壘，廣泛存在於想利用人工智能進行升級的任何一個行業裡。
以安防行業為例，即便 A 城市的所有攝像頭系統即便都進行了智能化改造，那麼逃犯從這座城市開車進入了使用另一家智能設備供應商的 B 城市地界後，由於兩市存在數據傳輸壁壘，在加大抓捕難度的同時，信息的價值與利用率都會大大降低。
因此，即便阿里聯合交通運輸部建立實驗室的真正目的，是希望推動一個真正有效的數據傳輸標準的建立，亦或是一個聯盟的建立。
但是，各地政府、企業以及學術機構之間錯綜複雜的利益關係與相互制衡，讓「汽車與道路，汽車與汽車之間彼此交互數據，形成中心明確，高效整合體系」的願景更顯長路漫漫。
以上難題無一能輕易完成，而制定合理的技術政策更是眾所周知的艱難。
但是，這項耗資巨大又見效緩慢的工程，卻值得所有相關技術公司的參與。
閱讀更多 機器之能 的文章
