深度｜萬字長文回顧智能駕駛進化史

卡爾 · 本茨發明汽車，人類進入汽車時代時，科學技術就對人類的 “ 出行 ” 進行了新的定義，而隨著技術的不斷髮展與進步， 人類對於智能駕駛這一夢想有了新的期待與希冀。那麼，智能駕駛是如何起源、孕育、發展、爆發的呢？從中我們能夠獲得什麼樣的啟發？本文將回顧這一歷史，並探討新興戰略技術和產業的發展途徑。

信息技術發展具有 20 年的週期律： 1970 年至 1990 年是發軔於 PC 的數字化，1990 年至 2010 年是互聯網推動的網絡化，而從 2010 年開始的這 20 年，我們面臨的將是人工智能的寒武紀大爆發。

目前，人工智能炙手可熱，創業公司如雨後春筍般湧現。從業者開始思考，如何讓技術形成漣漪效應，促使產業非線性、躍遷式增長。

有人把人工智能和產業的關係比喻成 “ 葡萄乾和麵包 ” ，雖然葡萄乾離開面包仍是葡萄乾，但兩者結合在一起就能創造出高價值的新品類。

筆者近年來一直在探索人工智能的產業機會，並得出結論：未來 15 年，智能駕駛將是人工智能所帶來的增值最大的產業，沒有之一。

首先，激活、重塑和創造多個 萬億級 市場。

• 激活汽車市場，智能、安全和人機共駕的新體驗將重新激起人們換車的需求；
• 
  
• 重塑出行市場，無人駕駛 + 共享汽車將解決如今困擾消費者和出行服務商的最大問題——司機成本和 “ 壞人 ” 風險。如果說當前的網約車只解決了 2 % 的出行，那麼未來無人駕駛出租車可以將這個比例提升數十倍；
• 
  
• 創造了新的消費經濟和生產力市場——乘客經濟。乘客在路上或消費，或工作，或娛樂，每一輛車都可以變成移動的商業地產。

2004 年以前：自動駕駛的前世

1921 年 8 月，第一輛無人駕駛（實為遙控）汽車在美國誕生，美國陸軍的一位電子工程師坐在後面的一輛車上，用無線電操控前面那輛無人車的方向盤、離合器和制動器。

1939 年的紐約世界博覽會，通用汽車在 “ 未來世界 ” 展覽上，預言 1960 年高速公路將具有電子軌道，與汽車的自動駕駛系統相配合，實現無人駕駛，直到駛出高速公路才切換回司機駕駛。

此後，通用汽車並沒有把這個預言當做兒戲，而是在 1956 年展出了 Firebird II，這輛看似 “火箭” 的概念車有史以來第一次具備了自動導航系統。兩年以後，Firebird III 問世時，BBC 現場直播了基於車路協同的無人駕駛，高速公路上預埋的線纜與車端的接收器通過電子脈衝信號進行通訊，展示了未來高速公路的無人駕駛形態。

實際上，真正具備獨立自動駕駛能力的原型——Shakey，出現在 20 世紀 60 年代，誕生於斯坦福研究院（Stanford Research Institute），這個研究院後來改名為斯坦福國際研究院（SRI International），以發明了電腦鼠標和語音助手 Siri 聞名，它的另一重要貢獻是機器人。

Shakey 是第一個具有完整感知、規劃和控制能力（這也是後來機器人和無人車的通用框架）的機器人。Shakey 之父是科學怪才查爾斯·羅森（Charles Rosen），也是斯坦福國際研究院的創始人。

如果說 Shakey 只是個在室內移動的機器人，那麼 “斯坦福車（Stanford Cart）” 則是第一輛接近於無人駕駛汽車的機器人。漢斯·莫拉維克（Hans Moravec）被譽為“人工智能最堅定的支持者”，在他的領導下，“斯坦福車”取得了巨大進展。莫拉維克的團隊研發了很多新技術，例如，用單一攝像頭計算場景的深度，後來 Mobileye 採用了類似技術。多數情況下，“斯坦福車” 需要通過遠程圖像來操控，有一次它逃脫了控制，直接駛入了繁忙的道路，當莫拉維克從監視器中看到一輛真實的車輛從 “斯坦福車” 邊上呼嘯而過，大吃一驚，於是追捕“叛逃機器人”成為無人車歷史上詼諧的一筆。

莫拉維克在機器視覺的探索中後來提出了著名的莫拉維克論（Moravec’s Paradox）——人類的高階智能，比如推理、規劃和下棋，計算機都能夠輕易實現。而只有幾個月大的嬰兒就能駕輕就熟的低階智能，如感知和運動配合，計算機都遙不可及。在深度學習尚在襁褓之中的時代，科學家們還找不到頭緒。

上世紀 80 年代，電視劇《霹靂遊俠》（Knight Rider）中的 KITT 自動駕駛汽車風靡一時。幾乎同時，汽車製造強國日本、德國和美國真正開始自動駕駛汽車的研發。日本的筑波工程研究實驗室、德國的慕尼黑國防軍大學與梅賽德斯聯合團隊、美國的國防高級研究計劃局（DARPA）和卡內基梅隆大學，分別以 “ 攝像頭為主、其他傳感器為輔 ” 開發出不同的自動駕駛汽車的原型，並且在真實路況中展現出了令人信服的能力。

尤其是卡內基梅隆大學的 NavLab ，在 1995 年完成了從匹茲堡到聖地亞哥的 “ No Hands ” 跨越美國之旅，其中 98.2 % 的里程由無人駕駛完成，雖然車輛速度不快，但即使放到今天來說，這樣的成果仍然非常了不起。這輛後來進入 “ 機器人名人堂 ” 的無人車是基於 Pontiac Trans Sport Minivan（小型多用途車）改造的，主要原因是相比轎車，Minivan 能塞進去更多的設備。後來 Waymo 也是採用了菲亞特克萊斯勒的 Minivan “ 大捷龍（Pacifica）” 作為無人車的改裝基礎。

90 年代末的另一個創舉來自意大利帕爾馬大學視覺實驗室 VisLab ，他們利用雙目攝像頭組成的立體視覺系統，在高速公路上實現了 2000 公里的長距離試驗，無人駕駛佔比 94 % ，而車速則達到了 112 公里/小時。

幾乎與此同時，中國學術和產業界也開始了智能駕駛的探索。在清華大學，1978 年齊國光教授課題組開始研究自動駕駛，1986 年何克忠教授的 HTMR 課題組接力，到 HTMR-III，才真正有了接近自動駕駛汽車的原型車。

中國第一輛自動駕駛汽車是 90 年代初的 ATB-1（Autonomous Test Bed-1），由北京理工大學、南京理工大學、國防科技大學、清華大學和浙江大學五家單位聯合研究，而後的 ATB-2 速度較之第一代提升了 3 - 4 倍，這些院校多數成為了後來中國無人駕駛人才的搖籃。

同樣是 90 年代，中科院自動化研究所的王飛躍教授在美國也開始了無人車的研究。

與美國類似，中國在遙控駕駛方面的探索也較早，1980 年國家立項“遙控駕駛的防核化偵察車”項目，哈爾濱工業大學、瀋陽自動化研究所和國防科技大學參與了該項目的研究。在第二個階段來臨的前一年（ 2003 年），國防科技大學與一汽合作的紅旗 CA7460 實現了高速公路的自動駕駛演示，峰值速度達到 170 公里/小時，並且實現了自動超車。

2004 年的大事件是美國國防高級研究計劃局（DARPA）的無人車挑戰賽 “ Grand Challenge ” 。時值 “ 第二次海灣戰爭 ” 剛剛開始，國防部注意到沙漠行動中的士兵傷亡，希望用無人駕駛來解決這一問題。

挑戰賽要求無人車成功穿過240公里的沙漠道路，不出意料，2004 年所有車隊在沙漠中折戟。這讓隨後 2005 年的挑戰賽成就了一段光輝歲月。

卡內基梅隆大學的 Red 車隊是奪冠熱門，其負責人、機器人專家雷德·惠塔克（Red Whittaker）志在必得。他認為無人駕駛不是僅僅靠努力工作就能實現的，“ If you haven't done everything, you haven't done a thing. ”意思是你什麼都得會，才能夠取得成功，只懂某些方面等於零。這也間接道出了無人駕駛的高門檻。

在參賽隊伍中，斯坦福大學的 “ 斯坦利（Stanley）” 無人車並不起眼，可是領隊塞巴斯蒂安·特龍（Sebastian Thrun）矢志奪魁，他是機器人 SLAM（同步定位與地圖創建）技術的先驅者，先前從卡內基梅隆大學失意出走，試圖在這場比賽中奪回尊嚴。無人駕駛車的傳統三強是卡內基梅隆大學、斯坦福大學和麻省理工學院，但在挑戰者當中還有一個來自加州大學伯克利分校的年輕人，安東尼·萊萬多斯基（Anthony Levandowski），這個身高 2L米、特立獨行的年輕人以一輛名為 “惡靈騎士” 的摩托車參賽，吸足了眼球。

卡內基梅隆大學的兩輛車一路領先，可下半程莫名的故障導致兩輛車大幅減速，只獲得第二名和第三名。“ 斯坦利 ” 雖然在比賽中出了幾次事故，但沒有大礙，在刪除了一些無關緊要的代碼後竟然越跑越快，最終斬獲 200 萬美元的冠軍獎金。一直到 12 年以後，卡內基梅隆失利的原因才浮出水面，原來是引擎控制模塊和噴嘴之間的一個過濾器壞了，使引擎失去了動力。“ 千里之堤，潰於蟻穴 ”，對待無人駕駛要有十二分的敬畏之心。特龍後來感嘆，斯坦福能贏，純粹是隨機性發生作用。

在這次比賽中，很多車輛都使用了激光雷達、高精度的地理信息系統和慣性導航系統，直到今天這些仍然是很多無人車的標準配置。當然，那個時候的激光雷達可以說是千奇百怪，其中霍爾（Hall）兄弟做的激光雷達大如臉盆，這兩兄弟是音響店的老闆，又是 “ 格鬥機器人 ” 的愛好者，從鑽研機器人到研究激光雷達，成就了後來激光雷達領域的先鋒 —— Velodyne。

筆者第一次接觸無人車就是在 2005 年，當時英特爾研究院的 Gary Bradski（OpenCV 之父）幫助特龍的團隊提升視覺能力，他力勸英特爾的市場部門贊助斯坦福車隊，彼時英特爾已經花了 10 萬美元贊助卡內基梅隆大學，於是特龍給了個友情價—— 2 萬美元，英特爾幸運地贏得了這個最終冠軍的賭注。有趣的是，由於“斯坦利”全身已經貼滿各種贊助商的商標，英特爾的標誌只能貼在前車窗上，這是個很醒目的位置，而且昭示這是輛無人車（因為沒有司機透過前車窗看後視鏡）。

轉眼到了 2007 年，DARPA 已經不滿足於荒野的無人駕駛，開始 “ 城市挑戰賽 （Urban Challenge）”。卡內基梅隆大學捲土重來，這次他們準備充分，組建了一支 40 人的隊伍，其中包括大將克里斯·烏爾姆森（Chris Urmson）。除了兩輛參賽的車輛，還有一輛補給車提供充足的零件替換。卡內基梅隆大學的惠塔克終於摘得桂冠。據說，這次卡內基梅隆大學投入巨大，以至於拿到 200 萬美元大獎後依然沒有填補虧空。在他們的裝備庫裡，第一次出現了一種新型的 64 線激光雷達，為了讓這件裝備投入使用，卡內基梅隆大學的工程師編寫了大量的驅動程序。霍爾兄弟的 Velodyne 提供了這一超級武器，從臉盆大小到花盆大小，凝聚了他們的很多心血。在其後的近 10 年間，64 線激光雷達成為全世界絕大多數無人車必須配置的組件。

兩次挑戰賽極大地振奮了科研屆的信心，也培養了大量人才。據說谷歌的創始人拉里·佩奇（Larry Page）是個極客，他與特龍因為對機器人感興趣而成為密友，對於無人駕駛，佩奇有了新的想法。他把特龍招來谷歌，先是在谷歌街景上小試牛刀，到 2009 年的時候，秘密成立了無人車項目 “司機（Chauffeur）”，並且聚集了一批在挑戰賽中聲名鵲起的名將，包括前面提到的烏爾姆森和萊萬多斯基。

阿姆儂·沙書亞（Amnon Shashua）是一位視覺專家，屬於麻省理工派，在斯坦福學術休假時是特龍的室友。作為希伯來大學教授，他創建了 Mobileye，是第一個試圖產品化 ADAS（先進駕駛輔助系統）技術的先驅者。Mobileye 創建於 1999 年，到 2009 年時，走過了 “ 從 0 到 1 ”的苦旅，已經有多款車型安裝了它的產品。創立之初，沒有人想到它一直到 2014 年才敲鐘上市，更讓人沒有想到的是，2017 年它被英特爾收購，而這 18 年，它走出了一條少有人走的道路。

DARPA 的無人車挑戰賽激勵了中國的同行。2009 年，在國家自然科學基金委員會 “ 視聽覺信息的認知計算 ” 重大研究計劃的支持下，首屆中國 “ 智能車未來挑戰 ” 大賽在西安舉行，從此拉開了中國系列挑戰賽的序幕。

2010 年，特龍以創始人身份成立 Google X，在這裡，無數 “ 登（Moonshot）” 項目爭先恐後地展開。

項目必須符合 3 個條件

1.惠及億萬用戶

2.看上去有點科幻

3.用今天的技術幾年內可以實現

毫無疑問，無人駕駛符合這些條件。

谷歌的第一款無人車是基於混電車 Prius 改裝的，頂上裝著 64 線激光雷達，以此建立高分辨率的三維環境模型或高精度地圖。這些測試車被偽裝成街景的數據採集車，常常夜間出沒，以躲避公眾的視線，也可以在沒人沒車的道路上採集高精地圖。即使他們非常低調，但也難免被交警抓到，詹姆斯·庫夫納（James Kuffner）是最早一批從卡內基梅隆車隊被挖到谷歌的工程師之一，如今已經是豐田無人車領袖的他，還能回想起當初被交警攔下的一幕。“ 紙包不住火 ”，最終著名記者約翰·馬爾科夫從某個測試司機的高中同學那裡挖掘到驚天信息，並且在《紐約時報》將其揭露出來，這讓 “車城” 底特律陷入深深的震驚之中。旋即內華達成為了美國第一個允許無人車上路的州。

谷歌無人車的核心骨幹中，有當初 “ 惡靈騎士 ” 的主人萊萬多斯基。這位深受佩奇賞識的年輕人，卻是個藐視規則，甚至對安全不以為然的麻煩製造者。他主導谷歌向 510 SYSTEMS 等幾家公司採購技術和部件，後來大家才知道這些公司是萊萬多斯基自己私自經營的。佩奇對其展現出極大的容忍，不僅許以重金，甚至把 510 SYSTEMS 買了下來。

谷歌的第二代無人車是更為強大的 Lexus ，同樣是混合動力。前面提到，無人車的基礎車型，第一個要求是要大，裝得下各種設備，第二個要求就是電控，因為發動機的底層控制算法比電機要困難很多，多數團隊更願意把時間放在高層的算法上。

但真正讓世人側目的是 2014 年穀歌第三代無人車 “螢火蟲（Firefly）”的誕生，這款長得像考拉的小車是針對無人駕駛完全進行重新設計的，比如移除了雨刷，因為並不需要有駕駛員在雨中看清路況。按照設計，這種車是沒有方向盤的，但由於加州法律的限制，車裡還是安裝了一個遊戲操縱桿作為方向盤。這輛車後來獲得了紅點設計大獎。

與此同時，Mobileye 贏得了車廠的信任，以視覺為主的 ADAS 低價方案進入主流市場，到 2015 年時，裝機量已經近千萬臺。Mobileye 也偷偷開始了自動駕駛的研發。相比谷歌的方案，Mobileye 基於視覺的方案有獨到之處。比如它採用視覺地圖，從視覺中提取的地圖特別小（每公里只需10 kb 級別的數據，相比之下谷歌是 GB 級別的），適合實時上傳、通過眾包的方式更新。事實上，基於視覺的定位更接近於人類的駕駛方式。我們根據道路上的標誌來評估大致的位置，並且根據路面線條的變化做出實時的決策（選哪一條車道，是否上匝道等）。那麼，只需從視覺中提取出那些標誌和線條，眾包上傳到地圖，行駛時便可以通過視覺匹配來獲得定位。

實際上，2015 年還發生了幾件大事。

2010 年 — 2015 年的這個階段，中國略顯沉寂。

而在 2015 年的下半年，有三個值得回憶的事件。

1. 8 月份，宇通和李德毅院士團隊合作的大巴完成了鄭開高速的 33 公里無人駕駛，在世界範圍內開創了無人駕駛大巴的先河。
2. 
   
3. 11 月第 7 屆 “ 智能車未來挑戰 ” 大賽在常熟成功舉辦，挑戰賽得到了中央電視臺新聞聯播的報道，無人駕駛成為了普通大眾飯後茶餘的談資。
4. 
   
5. 12 月份百度推出無人車年度大片，百度與寶馬合作的無人車在 G7 “ 高速-五環-奧林匹克森林公園 ” 的路線中進行了往返行駛，吸引了無數眼球。對於這個項目中的一些人來說，這次演示是一個結束，隨後他們離開百度開始新的征程。而對百度來說，這是一個開始，自動駕駛部門正式成立，王勁掛帥，號稱 “ 三年商用，五年量產 ”、“ 如果汽車行業不革自己的命，就會被別人革了命 ”。

2015 年，已是前夜。

2016 年 ~ 2021 年——第三個 6 年：開花

吳曉波在《激盪三十年》中寫道：

用這段話描述 2016 年的開局，再恰當不過。2016 年是無人駕駛的 “ 春分 ” 時節。

筆者於 2016 年 2 月辭職創業，很多人，包括風險投資（VC），對商業模式滿腹狐疑。孰料 3 月份連爆幾件大事，AlphaGo 五番棋大勝李世石點燃了民眾對人工智能的熱情，而通用汽車以 10 億美元收購彼時只有幾臺樣車、40 多個人的 Cruise Automation，讓 VC 也意識到，無人駕駛時代即將來臨。在中國，北京的春季車展，長安與博世和清華合作的幾輛無人車 “ 2000 公里進京 ” ，無人駕駛也真正進入大眾視野。

4 月份峰迴路轉，英特爾高調宣稱押注智能駕駛領域，筆者作為英特爾老員工、又在做無人駕駛創業，對此也非常關注。5 月份英特爾聘請的諮詢公司找到筆者，期望為英特爾的策略建言獻策，我的建議很簡單，收購Mobileye。1 年以後，英特爾宣佈以 153 億美元收購 Mobileye（與本人的建議未必有因果關係），代表了這個 PC 時代的巨頭正式大舉進入這一領域。

春寒料峭，幾起事故讓人陡生疑慮。

• 2 月份谷歌的無人車撞上了巴士，這是其第一起主動承認有責任的事故，但那起輕微碰撞並未引起太多指責，後面總結出來的教訓之一是巴士司機惹不起。
• 
  
• 5 月份，特斯拉的第一起致命車禍佔據了頭條。死者是一位司機，特斯拉的熱衷者。當時車輛運行在高速 Autopilot 模式中，司機卻在觀看視頻，完全忽略了緊盯路況的責任。Autopilot 系統沒有檢測到一輛大卡車正橫穿馬路，車輛以極高的速度從卡車肚子下鑽了過去，司機當場身亡。

事故中縱然有 Mobileye 視覺未能識別出白色拖車橫側面的緣故，但前視雷達也由於安裝位置較低錯過了目標。公眾開始質疑：這類 beta 版的軟硬件是否允許上路？軟件升級了是否要重新車檢？另一方面，Autopilot 被錯誤宣傳成了自動駕駛，而實質上仍然是輔助駕駛。

1 個月後，特斯拉發了一篇博客給自己辯解，事故前的 7 個月中 Autopilot 完成了 1.3 億英里的自動駕駛里程，而美國人類駕駛員平均每 9400 萬英里發生一次致命車禍，Autopilot 豈不是已經足夠安全？然而，特斯拉沒有把中國此前的一次類似車禍算上，因為那樣的話，Autopilot 的數據降成了每 6500 萬英里發生一次致命車禍。此後關於多少無事故里程才算安全，也成為擺在行業面前的無解之問。

這起事故也導致了特斯拉與 Mobileye 的 “ 分手 ” ，除了事故表面的責任，還有一個重要的原因，特斯拉想要自主研發計算機視覺的雄心觸碰了 Mobileye 的核心利益。在幾個回合的相互指責後，特斯拉先是宣佈把博世的毫米波雷達作為主傳感器，到 10 月份，它正式宣佈 Autopilot 硬件版本 2.0（HW2）採用自己的視覺系統。也許是馬斯克的 “ 第一性原理 ” （人靠視覺能夠駕駛，無人駕駛也一樣），也許是特斯拉的促銷手段，他們宣稱，HW2 具備了全自動駕駛的能力，購買 HW2 的新車，只需花 3000 美元，未來便能夠通過軟件升級實現無人駕駛。略顯諷刺的是，恰恰 2 年之後，2018 年 10 月，特斯拉從宣傳冊裡刪掉了這個選項。這兩年中，特斯拉經歷了大量人才的流失，多個測評顯示，HW2.x 在推出 1 年以後才基本達到 1.0 的水準。但是對 2.x 軟硬件的完全控制還是讓特斯拉掌握了大量的數據。

2016 年 8 月的一件大事是Uber耗資 6.8 億美元收購卡車自動駕駛公司 Otto。當初卡蘭尼克在匹茲堡成立研發中心時，對於無人駕駛進入商業化有著極高的期待，然而 1 年多的進展並不令其滿意，收購 Otto 是再次加碼，可是他沒有想到，這日後成為壓倒他的最後一根稻草。Otto 的創始人正是當初那位任職於谷歌、桀驁不馴的萊萬多斯基。佩奇的包容沒有讓他收心，谷歌鉅額獎金帶來的滿足感也漸漸消退，大公司的繁文縟節和小心翼翼讓他深感 “ 龍困淺灘 ”，於是在 2016 年年初，他拉了一幫人出來另立門戶。硅谷對 “背叛” 相當寬容，但鑑於無人駕駛這種技術的稀缺性，谷歌有可能與出走者簽署某種非正式的競業條款，出走者在創立新公司時多數刻意避開了直接競爭。比如朱家俊和 Dave Ferguson 的Nuro 做物流配送，而 Otto 則定位做無人駕駛的卡車。當然，任何條款都有限期，收購發生的 8 月，恰好是萊萬多斯基拿到谷歌最後一筆補償金之後。

谷歌已經意識到無人駕駛人才的流失，改變組織和激勵機制迫在眉睫。

2016 年 12 月，Waymo 作為一家獨立的公司從 Alphabet 母體中拆分，一夜之間這個全新的名字成為無人駕駛領域舉世矚目的第一高手。在此之前 3 個月，約翰·克拉夫西克（John Krafcik）成為這支團隊的新首領，這位既做過汽車公司老總（前現代汽車北美 CEO），又領導過互聯網公司（類似二手車交易網站）的老兵，給 Waymo 帶來了不同的風格和戰略的同時，也必然帶來了衝突。在克拉夫西克入職前1月，特龍之後的第二代領袖烏爾姆森也離職創業，Waymo 真正進入了新的時代。

如果 2016 年是 “ 春分 ”，2017 年則是 “ 雨水 ” 。

雨水充沛，萬物復甦，很多公司大踏步而來。大公司，無論是科技巨頭還是主機廠，開始真正投入資源。同時，2017 年是創業公司紛紛入局的一年。另一個重要的跡象是，無人駕駛百花齊放，不僅僅是乘用車，還出現了各種商用車、專用車，除了載人之外，物流變成一個更大的市場。

1 月份的國際消費類電子產品展覽會（CES）是個風向標。這一年的最熱話題是自動駕駛，LVCC 北館幾乎每家公司都展出了自動駕駛概念，北廣場則是自動駕駛的實車體驗。筆者所在的馭勢科技也向世界推出了概念車 “ 城市移動空間 ”，其具有 360 度無死角傳感器覆蓋和沒有方向盤油門剎車的 L4 級自動駕駛設計，特別是獨特的內部環形沙發佈局彰顯了“在路上的 VIP 休息室”概念。很多老牌車廠高管、工程師和設計師在車前駐足，其中一位慨嘆，在主機廠早就想這麼做，可惜沒有自由發揮的空間。

《時代週刊》（Time）的汽車門戶特邀主編 Alex Roy 在播客上說：“當我看著這輛車時，我認為這是 Faraday 本應該去造的車。” 該車在2017年獲得了紅點設計大獎，在紅點的歷史上，還有三輛無人車獲獎，前面提到的谷歌 “ 螢火蟲 ” 、奔馳 F015 和同年的寶馬 i-inside。

4 月份，英特爾以 153 億美元收購 Mobileye ，這個動作姍姍來遲，在過去的1年中英特爾全力奔跑，但CEO 柯再奇（Brian Krzanich）已沒有耐心從頭追趕，收購Mobileye是獲得前排車票的最佳選擇。153 億美元，按照傳統的財務指標來說這個價格是高的，按照 ADAS 公司的估值來說也一定是高的，但如果以自動駕駛龍頭的想象空間來看，似乎也不高。僅僅 2 個月後，摩根斯坦利的分析師給了 Waymo 一個 700 億美元的估值。

英特爾與 Mobileye 的整合花了近一年的時間，涉及美國與以色列、新舊勢力的平衡，但 “ 不經歷風雨，怎麼見彩虹 ” ，18 年後重裝再發時，英特爾已經成為這個競技場最重要的玩家。

不同文化的整合需要領導的魄力和妥協，需要信任和授權。在過去的 1 年裡, 通用汽車也是潛流暗湧， Cruise 的 L4 級無人駕駛新生力量與 SuperCruise 的 2 級自動駕駛產品團隊該如何相處？瑪麗·巴拉（Mary Barra）領導的管理層運用了最高的政治智慧，底特律的歸底特律，舊金山的歸舊金山，Cruise 團隊獲得了極高的自主權，在人員快速發展的同時，力圖保留硅谷的創業文化；另一方面，通用汽車又提供了硅谷所不具備的汽車工程能力，兩者取長補短，使 Cruise 很快在舊金山繁忙的街頭展示了高超的水平，成為 Waymo 之後進步最快的追趕者。對於 Cruise 來說，舊金山是顯示實力的最佳主場，它聲稱，比起 Waymo 和 Uber 在亞利桑那的那幾個城市（當然 Waymo 並不只是在亞利桑那），舊金山複雜度提升了數十倍。

美國汽車市場的 “ 二當家 ” 福特也不甘落後。福特從來沒有忘記昔日榮耀（家族人員依然身居高位），它也是最早開始與谷歌接觸的汽車公司，然而互聯網公司的傲慢使談判不歡而散。2016 年，福特推出 2021 自動駕駛宣言 —— 在 2021 年實現無人駕駛的商業化運營。2017 年年初，又有以 10 億美元投資Argo AI 這樣的大手筆。Argo AI，這家剛剛成立數月的創業公司擁有谷歌、Uber 和早年參與挑戰賽的一些高手。

然而，對於老牌巨頭們來說，新舊動能的轉換是掙扎的，新業務需要長期和巨量的投入，而舊業務一旦陷入成長困境，領袖將承擔來自兩個方面的壓力。福特老 CEO 馬克·菲爾茲（Mark Fields）黯然退位，但還是把權杖交給了負責自動駕駛和出行部門的負責人——吉姆·哈克特（Jim Hackett）。哈克特上任後給 “ 2021 ” 降了點溫，但這可以被理解為 “ 管理利益相關者的期望值 ”，對於團隊來說，“ 2021 ” 仍然是值得努力的目標，福特和 Argo AI 的目標先鎖定在邁阿密。與通用選擇的舊金山相比，邁阿密交通狀況更為複雜，需要應付很多遊客，雨水更多，甚至經常 “ 水漫金山 ”。

還有很多老牌巨頭也在應對新舊動能轉化的陣痛。零部件供應商採埃孚 ZF 在一系列投資和收購之後（對激光雷達供應商 Ibeo 的成功收購形成了對競爭對手Valeo的狙擊），也經歷了領導層的鉅變。在汽車圈裡，“ 分 ” 與 “ 合 ” 蔚然成風。“ 分 ” 可以輕裝上陣迎接新四化（新能源化、共享化、智能化、網聯化），能夠更快決策，更容易融資。

典型的案例就是德爾福拆分出安波福，全力聚焦智能網聯汽車（幾乎與此同時，又以 4.5 億美元併購了初創公司NuTonomy）。福特也拆出Ford Autonomous Vehicles LLC。另一方面，通過 “ 合 ” 化敵為友，抱團取暖，分擔研發成本，也不失為上策。

於是，在這個競技場裡，大家各自站隊，迅速形成不同的聯盟。比如，

• 英特爾 / Mobileye、安波福、寶馬一個圈子，後來又加入了大陸、菲亞特克萊斯勒等。
• 
  
• 英偉達、博世、ZF、大眾/奧迪、沃爾沃等又是一個圈子。
• 
  
• 出行服務商Uber有戴姆勒、沃爾沃、豐田的朋友圈，
• 
  
• 而 “ 老二 ” Lyft 也有通用汽車、安波福、捷豹路虎等夥伴。

單以聯盟成員的規模來說，百度阿波羅生態可以說是最大的朋友圈：2017 年 3 月，陸奇入主智能駕駛事業部，引起了另一撥核心人才的出走。據說，此時百度美國研究院一位工程師建言開源，百度領導層迅速展現了巨大的魄力，在 4 月份的上海車展上，陸奇宣佈 “ 阿波羅 ” 計劃，做汽車界的安卓。

一石激起千層浪，整個行業為之震動。在 7 月份的 AI 開發者大會上，李彥宏乘坐一輛與博世合作的蘇州牌照汽車，在五環展示了一番自動駕駛技術，接到交警罰單，但這不能掩蓋 Apollo 1.0 的宣佈所引起的轟動，大家開始意識到，百度是認真的。

阿波羅的開放，值得全行業豎大拇指，在活躍生態、數據共享、培養人才等方面居功至偉。但也引發了很多問題：

• 安卓的成功是在一個成功的 iOS 之後，目前尚無成功的無人駕駛 iOS，做安卓是否過早？
• 
  
• 安卓是谷歌聲東擊西的秒策，因為安卓是移動端提升其核心搜索和廣告業務的載體，而阿波羅自身的商業模式還沒有浮現，與今天百度的核心業務也尚未有機結合，作為一個 “ 燒錢 ” 的業務是否能夠得到股東的支持、長期走下去？
• 
  
• 阿波羅生態的繁榮，不在於百度的慷慨，而在於生態成員是否也能全情投入，尤其是那些汽車產業的 “ 老炮 ” ，是否認同 “ 以數據換代碼 ” 的這條路徑？
• 
  
• 阿波羅的開源，對初創公司是禍是福？尤其是那些百度系的初創公司？

毫無疑問，對於初創公司來說，阿波羅降低了做演示的門檻，但同時也提升了做大做強的門檻，必須做到比阿波羅的技術有差異化提升才能生存下來。在整個下半年，百度系創業公司三傑景馳、小馬和 Roadstar.ai 都在做技術的差異化。很多創業公司的差異化是垂直化、場景化和加快商業化落地，從卡車物流到末端配送，從載人、載物到載功能（比如環衛清潔），從礦山到港口，從園區到機場和最後 1 公里。

在 2017 年，值得一提的商業化落地事件有三個。

• 第一，4 月份馭勢科技與白雲機場在航站樓與停車場之間的擺渡，是國內第一起公開的無人駕駛運營，雖然僅僅一週，但與演示有本質的區別，如果說演示是規定時間、規定路線，運營則是面向終端用戶和開放環境、全時態工作。
• 
  
• 第二，6 月份馭勢科技與凱德集團在杭州來福士地下停車場的擺渡服務，是國內第一起長達數月的多輛無人車常態化運營，開放的人車環境、狹窄的車道、沒有 GPS 的定位，都是技術亮點。
• 
  
• 第三個事件是年底深圳的阿爾法巴，4輛經過改造的大巴在設計好的公交路線上展示了不錯的能力，這是創業公司和高校合作的結果。讓人始料不及的是大量 “ 震驚體 ” 文章的刷屏，這與幾十年前羅森在Shakey 上碰到的問題如出一轍，在技術還在演進的過程中，管理媒體和大眾的預期至關重要。

當然，2017 年最有意義的事件。

對於一家非常重視安全的大公司來說，這需要巨大的勇氣，以及對技術絕對的信心。當然，為確保安全，Waymo 仍有安全員在後座以備不測。2018 年年初，加州的車輛管理局進一步宣佈 “ 允許車內不坐安全員、只需遠程安全員 ” 這個巨大的跨越，相信與 Waymo 所帶來的信心有關。

安東尼·福克斯（Anthony Foxx）和趙小蘭連續推動《自動駕駛汽車聯邦政策》、《自動駕駛系統 2.0：安全願景》和《準備迎接未來交通：自動駕駛汽車3.0》，在法律空間裡增加豁免，為行業鬆綁。

幾乎同時，德國也推出了首部與自動駕駛汽車相關的法律——《道路交通法第八修正案》，允許自動駕駛系統在特定條件下代替人類駕駛，同時全球第一部自動駕駛道德準則也應運而生。這些立法活動為世界第一款 L3 級自動駕駛產品——奧迪 2018 年款A8 的擁堵巡航（Traffic Jam Pilot）掃清了障礙。

2017 年的一頭一尾，有兩場官司引起很大的關注。年頭是 Waymo 告 Uber/Otto，年尾是百度告景馳。兩場官司，都以被告公司的創始人被迫出走為結局，但實際的影響更為深遠。

Uber 進入了後卡蘭尼克時代，新 CEO 對自動駕駛舉棋不定，而景馳在與百度和解後出現了分裂。

2017 年的 “ 雨水 ” 過後，2018 年或許是 “ 驚蟄 ” ，既有商業化的隆隆春雷，也可能有倒春寒。

2018 年的開始讓一些人快樂，一些人難過。Velodyne 降價了，而且降了一半。2017 年對很多無人駕駛公司來說，很痛苦的一件事情是買不到激光雷達，要等好幾個月，當年底終於買到了，並囤了一部分貨時，結果市場上的激光雷達已經降價了。

這個時候，激光雷達的賽場已經不是 Velodyne 一枝獨秀了，Valeo 的 Scala 在奧迪 A8 上實現了第一個量產項目，傳統主機廠和供應商巨頭紛紛投資併購，僅德爾福（安波福）就押寶 3 家。幾乎所有公司都押注固態或半固態激光雷達，除了前兩年已經很火的 Quanergy 和 Innoviz，一些新創公司（如Luminar、速騰聚創和 Innovusion）也展現了性能更佳的產品原型。兩年前風光無兩的 Quanergy 在量產上碰到了一些麻煩，雖然它在光學相控陣技術這條路線上仍然領先，但基於 MEMS 微振鏡、光學二維振鏡和 Flash 技術的固態激光雷達在產業化上顯示了更快的進展，Innoviz 得到了寶馬的訂單，Velodyne 的新品 velarray 也似乎後發先至。

在剛剛過去的 2017 年，基於 35 萬英里的測試里程基數，Waymo 實現了每 5596 英里進行一次人工干預，緊隨其後的是 Cruise，每 1254 英里進行一次人工干預。相比 2016 年的每 5000 英里進行一次干預，Waymo 在 2017 年只提升了 10% ，讓人略感失望。細看 Waymo 的數據，積極的因素是，2017 年最後幾個月的每次干預里程數得到了極大的提高，2018 年是否延續這種趨勢，結果即將揭曉。

Waymo 的工程總監在麻省理工學院講座時，說了一句很深刻的話：

對於這一道路的艱鉅性和長期性，Waymo 深有體會。然而，這家公司又很擅長 “訥言敏行”。Waymo的 “ Early Rider 項目” 又向前邁了一大步。進入 2018 年，Waymo 在亞利桑那州的部分車輛中撤掉了安全員，早期乘客開始真正 “獨享” 無人車的空間。

2018 年 3 月，Waymo 與捷豹路虎簽署協議，請後者定製 2 萬臺無人車。Waymo 的高歌猛進，給 Cruise 帶來了巨大的壓力。此時通用汽車做出了一個巨大的決定，將 Cruise 推向資本市場，利用外部資本和資源來加速發展。5 月 31 日，軟銀宣佈將向 Cruise 投資 22.5 億美元。僅僅一天之後，Waymo 就給出了回應——將購買菲亞特克萊斯勒的車輛數目提升到 6.2 萬臺。8 月份，摩根斯坦利將 Waymo 的估值推到 1750 億美元，其中機器人自駕出租車業務估值 800 億美元，自動化物流服務估值高達 900 億美元。10 月 3 日，本田向 Cruise 進一步注資 27.5 億美元，也將 Cruise 的估值推到了 146 億美元。通用汽車以當初 10 億美元收下 Cruise，絕不曾想過兩年半後這一部分的估值已經達到通用汽車總市值的 1/3。聯想到英特爾以 153 億美元購買 Mobileye ，大可不必大驚小怪了。

在這樣的大背景下，雖然 2018 年一整年是資本的寒冬，但仍然不斷傳來無人駕駛公司融資的消息。無論是創業公司，還是風險投資（VC），都分裂成兩個陣營。

• 一個是硅谷範兒的 “火箭派”，其理論依據是既然無人駕駛是登月，那就擼起袖子造火箭。既然未來的大方向是出行，就一步到位做無人駕駛出租車的運營。有人評論這是“沒有 Waymo 的命，卻得了Waymo 的病”。世界上還沒有第二家公司像Waymo那樣土豪、一買就是 8.2 萬輛無人車，卻有兩位數的公司在商業模式上對標 Waymo，沒有 Waymo 的 “富爸爸”，只能長年靠 VC 買單。殊不知，即使是Waymo 的 8.2 萬輛車，獲得數據的能力也是有限的，而且在 20、30 座道路乾乾淨淨的城市行駛，數據也不夠豐富和多樣化。這意味著，Waymo 的 L4 級商業化路徑存在可擴展性的問題。
• 
  
• 另一個陣營是務實的路徑，從垂直細分做起，“農村包圍城市”。用賽車領域的話來說，想要第一個衝過終點線，你必須完成比賽，哪怕是從維修站出發。可是，在“火箭派”眼裡，這是“梯子派”，想登月，先造梯子，務實是務實，但未來的天花板太低。業界有不少 “diss” 這類路線的說法，Waymo 說我要飛、整天學跳怎麼行，有些 “高大上” 的基金認為，現在旱季你為了生存進化成了仙人掌，等雨季來了，你頂多只能是更高、更肥的仙人掌，已經長不成參天大樹了。固然這些說法有點偏頗，但確實有些垂直細分領域的場景，與開放道路 L4 級自動駕駛不搭，而且因為市場規模有限，無法獲得算法昇華所需的大量數據。

看起來這兩條路徑都存在數據可獲得性的問題。那麼到底需要多少數據，或者通過多少里程來證明安全性呢？

就無人駕駛而言，Waymo 積累了最多的里程，2018 年 10 月時積累了 1000 萬英里。就算是加上 L2 級自動駕駛，我們前面說過，特斯拉在 2016 年的自辯，1.3 億英里、2 次人命事故，數據也是不夠的。美國著名的智庫蘭德公司給出了一個數學模型，如果要在統計學意義上證明無人駕駛開得比人好 20%，需要 110 億英里。那就意味著，100 輛車，1 天 24 小時、1 年 365 天不停地跑，要跑 500 年。

特斯拉的一個啟示是：要學會靠用戶的車去獲得數據、驗證算法，如果有 1000 萬輛車，1 輛車只需跑1100 英里，110 億英里就達到了。

因此，一個更合理的路徑是，用火箭的技術造各種飛機，然後用飛機的錢和數據來提升火箭技術。具體而言，是用基於開放道路 L4 級的技術（火箭的技術），降維到具有確定邊界的 L3 級 / L4 級商業化場景（各種飛機），大規模部署這些場景，獲得現金流和大量數據後，進一步突破開放道路 L4 級的侷限。馭勢科技採用了這樣的策略，在高速公路 L3 級、最後 3 公里微循環 L4 級、停車場自主泊車和機場無人物流拖車方面取得了商業化的突破。尤其值得一提的是，馭勢與上汽通用五菱實現了全球首次自主泊車的終端用戶交付，一鍵實現遠距離泊車、一鍵實現召車。類似的技術在與首汽 Gofun 合作的分時租賃中也開始使用，讓用戶實現自動取車和還車，同時運營方又可以通過場站間的無人編隊調度降低運營成本。這些場景的部署帶來了大量交通場景的數據，從而反哺開放道路 L4 級自動駕駛算法的進化。

2018 年的 “灰犀牛” 是事故。當整個行業進入深水區，事故已經成為大概率的風險。Waymo、Uber 和特斯拉都出現了多起事故，且後兩者都出現了致命的事故。

自從 Uber 收購 Otto 後，一些變化在悄然發生。萊萬多斯基對安全的藐視使公司文化發生了變異，在舊金山的 Uber 辦公室裡有一條標語是 “安全第三”。路透社後來指出，Uber 的測試車改成沃爾沃 XC 90後，新的改裝設計擴大了傳感器的盲區，而高聳的 64 線激光雷達改變了車的重心結構，然而 2017 年的一次側翻並沒有引起太多重視。自萊萬多斯基離開 Uber，新 CEO 上任後對自動駕駛的態度開始模糊。

據 Business Insider 報道，團隊擔心項目取消，必須用快速進展取悅領導，又要迎合領導對平順性的要求，因此忽略了很多安全設計。這些因素積累下來，最終導致 3 月 18 日那起世界首例無人駕駛汽車引起的致命車禍事件（特斯拉的那幾次不算無人駕駛）的發生，一輛 Uber 無人車夜間行駛時撞死了一名推著自行車違章橫穿馬路的行人。固然有那位行人自己的責任，還有 Uber 安全駕駛員的重大責任（跟特斯拉的第一起致命事故類似，又是在看視頻），但 Uber 自身的諸多問題無從推脫，比如技術上為了平順性把原車的自動緊急剎車系統禁用，錯失了最後一秒的安全保障，而在管理上從車上 2 個人縮減到 1 個人。事故後 Uber 暫停了所有的測試，重新審視安全設計和管理，一直到年底才重新上路，教訓可謂慘痛。陰雲籠罩下的另一則新聞是 Uber 關閉了自動駕駛卡車部門，這使得當初對 Otto 的收購更加無一是處。

做無人駕駛，不可或缺的是對安全的敬畏之心，以及對行業基本規律的尊重。Waymo 也發生了幾起事故，包括一位安全員睡著導致的車禍。The Information 先後曝光 Cruise 和 Waymo 無人車在真實路況中依然不甚理想，一篇文章也指出 Cruise 達到 L4 級量產依然路途漫漫。。

Waymo 採取了 “進二退一” 的策略。10 月 30 日，加州車管所向 Waymo 頒發了完全無人駕駛測試牌照，即可以合法在加州公開道路上測試沒有安全員的無人車。然而 11 月底，經過深思熟慮，Waymo重新又把安全員放回了駕駛座。同時，Waymo 任命國家運輸安全委員會前主席貝博拉·赫斯曼（Deborah Hersman）為首席安全官。

12 月初，在亞利桑那州鳳凰城郊區，名為 Waymo One 的無人駕駛出租車付費服務正式開始運營。在此之前，克拉夫西克照例大談了一下困難，認為無處不在、無所不能的 L5 級自動駕駛還需要等幾十年，希望媒體和大眾降低對它的期望。

回到這句話 “When you are 90% done, you still have 90% to go（當你認為完成 90% 時，實際只走了 10%）”，如果今天的技術和成本要求無法快速解決最後 10% 的問題，有沒有可能通過人-車-環境的整體思路去解決呢？這就是車路協同的概念。

2018 年，中國正孕育著全新的基礎設施，阿里和百度等都提出 “車路協同” 的概念，基於 LTE-V2X 和 5G 帶來的超視距感知能力和高可靠低延遲鏈路，可以把一部分感知和決策能力放在路端，利用邊緣雲的思路去解決環境和基礎設施的問題。馭勢科技也與三大運營商和四大設備商展開了 “5G+ 自動駕駛” 的合作。

車端計算是價值鏈上另一個重要的元素，尤其是芯片。高級別無人駕駛採用的主芯片要麼來自英偉達，要麼來自英特爾/Mobileye。自從出現中興被封殺事件，美國又祭出商務管制清單，對於中國的業界來說，需要未雨綢繆。華為、寒武紀、地平線等國內芯片商正加速開發適用於無人駕駛的 AI 加速芯片。隨著無人駕駛算法逐漸固定下來，專用的加速芯片將扮演更為重要的角色，特斯拉也採用了這個策略。

價值鏈上還有一個不可忽視的要素是數據，無人車要想變得越來越聰明，需要數據。歐盟在數據立法上一向走在前面，（GDPR）號稱史上最嚴格，讓無數互聯網公司焦頭爛額，數據是資源、也是燙手山芋。對互聯網公司如此，但對車廠卻很寬容。歐盟最近一次關於自動駕駛車輛註冊的投票中，7A 條款確定 “自動駕駛汽車產生的數據是自動生成的，其本質不具有創造性，所以不適用於版權保護或數據庫權利”。這意味著，無需車主同意，車廠就可以收集自動駕駛汽車產生的數據（包括 GPS 軌跡信息在內的遙感信息），並可以將其出售給第三方。這可以說為車廠做了最佳助攻。

2018 年結束，距 2021 年還有 3 年，業界的目標是能夠實現確定區域（比如城市的一個區域）L4 級無人駕駛的規模化應用。從目前看，我們可以保持謹慎的樂觀。

2022 年 ~ 2027 年——第四個 6 年：結果

如果第 3 個 6 年的目標順利實現，第 4 個 6 年將是開放道路 4 級無人駕駛的大興之時。

無人駕駛帶來的變化遠遠不止是汽車產業，它將徹底改變出行和物流，改變這個世界原子的移動。

到第 5 個 6 年（ 2028 年 - 2033 年）時，路上川流不息的車輛大多數將是無人駕駛共享汽車，汽車數量減少一半以上，但汽車的利用率得到極大提升，堵車將成為過去，天空重歸於藍，停車位被改成公園、活動空間和住所，車禍幾近於零。

交通流、信息流、能源流三流合一，所有與人或物相關的交通將被重新定義，保險業需要涅槃重生，而服務業將找到新的爆發點 ——上述的無人駕駛出租車是除了家和辦公室的第三空間，是移動的商業地產、移動的影院、移動的辦公空間、移動的咖啡館。

智能駕駛是人工智能與傳統汽車相結合的創新產物，是汽車行業發展的未來。作為一項變革性的技術，智能駕駛既是技術創新又是社會創新，無論是法律、法規和政策，還是道德倫理爭論，我們都要有勇氣和耐心，呵護和引導其健康發展。

熱切期待道路不堵、天空很藍、自由出行的那一天早日到來。

閱讀更多 智能前沿技術 的文章

關鍵字: 卡爾·本茨 進化史 無人駕駛