写点什么

“死在黎明前”的无人驾驶公司:我等不到技术突破了

  • 2020 年 3 月 24 日
  • 本文字数:4329 字

    阅读完需:约 14 分钟

“死在黎明前”的无人驾驶公司:我等不到技术突破了

“没人能真正在乎安全,他们更在乎功能。”——Stefan Seltz-Axmacher,Starsky Robotics 公司 CEO 兼联合创始人。


一家有收益的无人驾驶公司决定停业

2015 年,Stefan 创立了 Starsky Robotics,这是一家专注无人卡车研究及服务的公司;到 2016 年,这家公司已经成为第一家合法且 开始有收益进账 的无人货运企业,不需要人类驾驶员 即可维持车辆运行;到 2018 年,虽然仅限于内部封闭道路,但这家公司仍然保持着市场领先优势;2019 年,Starsky Robotics 的卡车成为跑在美国高速公路上的第一辆无人驾驶汽车。


然后在 2020 年,Starsky Robotics 宣布即将停业。


“如果要把原因归结为一点,时机可能是最大的问题。”Stefan Seltz-Axmacher 在博客中颇为无奈地说。


时至今日,他仍然坚信找到了正确的方法,但是 AI 技术未能兑现承诺、无法带来切实可行的解决方案,最终导致无人驾驶卡车成为泡影。也正因为 AI 突破未能到来,投资者们的资助热情也开始大幅下降


过去一年中,科技领域的首轮公开募股活动严重消耗了整个行业的精力,因此即使面对拥有 18 个月衰退期的货运行业及其对应的可观市场,他们也实在懒得为 Starsky Robotics 折腾了。


对于不熟悉风险融资行业的朋友来说,Starsky Robotics 是个不错的投资项目。毕竟这家公司很可能不需要“真正的 AI”就能开发出一套出色的解决方案,而且每辆卡车每年只需要 600 美元就能实现无人驾驶。而且即使还有十年,能够打造出成熟无人驾驶方案的厂商都将拥有巨大的先发优势,所以砸点资金进来也合乎逻辑。


然而遗憾的是,当投资机构看衰某个领域时,会整体下调对这个方向的投入力度。另外,投资者们并不喜欢那种成熟的运营商模式,而且 Starsky Robotics 在安全方面的巨额投资并不能给他们带来直观可见的收益。


“没有几家初创企业能够在拿不出实际产品的情况下继续生存十年。”


无人货运的悲歌:资本的贪婪永无止境

“如果说远程操作能够解决半数无人驾驶挑战,那么另外一半就得由运营商负责解决。”


作为货运企业,必须精心选择运营地点,确保自己的方案能够在这里稳定运行,但是货运公司并不具备雄厚的技术积累(毕竟在传统上,货运就是纯粹的交通服务业),而且没人知道该如何购买真正安全可靠的无人驾驶产品。即使 Starsky 打造出完善的无人驾驶技术以及安全保障,也还需要几年时间才能完成系统部署与正常盈利。


换言之,现有系统只能在特定的行驶路线与行驶条件之下带来理想的安全表现



一位供应商曾告诉 Stefan,“从一家公司对待远程操作的态度,你就能体会他们对无人驾驶的热情。”但实际经历证明,投资机构乃至货运行业对这种远程操作方式表达出令人难以理解的抵制情绪。


货运公司虽然不清楚如何购买安全的无人驾驶产品,但却非常熟悉如何采购货运资源。每一家大型货运公司其实都属于经纪公司,他们会从规模较小的车队处购买运力,并通过这种方式将安全责任分摊给各个合作方。


Starsky 调查后发现,有超过 25 家经纪机构及卡车运输公司都更倾向于选择无人驾驶卡车。因此,市场空间是客观存在的,只是更偏向传统货运运营模式的 50% 利润率,而非纯软件服务那种高达 90% 的夸张利润率。


但过了许久,创始人 Stefan 才意识到资本的贪婪永无止境,风投们宁愿选择一家利润率为 90%、但总价值为 10 亿美元的企业,也不愿选择利润率为 50%、总价值达到 50 亿美元的企业——尽管二者带来的收益完全相同。


业务增长方面也是一样:无人驾驶卡车面对的最大限制因素不是销售,而是安全。


没人真正在乎安全,他们更在乎功能

怎样才能让安全性成为真正具有吸引力的竞争优势?这个问题对于很多自动驾驶公司来说都很重要。


一个月前,Starsky 公司公开发布了 VSSA——这是一种技术性很强的文档,详尽介绍了他们采用的安全保障方法,而媒体却把报道重点放在了远程操作身上。最后,一切草草收场,因为他们实在想不出安全工程怎样才能转化为一种“性感”元素(就像数据科学那样)。


可悲的是,这个问题现在永远不会有答案了。



颇为讽刺的是,Starsky 原本计划在 2020 年 1 月推出由 10 辆 v2 卡车组成的车队。系统具有充分的设计一致性,能够帮助他们证明整体车队的安全性;到 2020 年 6 月,Starsky 有望推出无人值守型日常服务。


问题在于,人们只对那些前所未有的新鲜事物感兴趣,例如 Starsky 的无人公共道路测试。即使是在负面消息层面,与每天因汽车事故造成的上百例死亡相比,空难的报道热度也要高得多。但大部分自动驾驶公司的目标与大众关注恰恰相反,他们希望打造的是一套毫无例外、始终稳定运行的系统。


安全工程是指对产品运作进行详尽记录的过程,用以帮助研发人员准确了解产品可能在哪些情况下发生故障、故障的具体严重程度、故障诱发因素的发生频率、产品造成危害的可能性以及实际造成危害时应该将其控制在怎样的范围之内。


从 2017 年 9 月到 2019 年 6 月,Starsky 的无人驾驶研发过程一直在围绕安全工程展开。一次又一次地进行系统记录、建立起安全备份、反复测试系统中是否存在故障、修复故障、然后再次从头开始。


问题在于,这些工作都是看不见的。投资者们希望甚至引导企业创始人对他们撒谎,而且最好是超刺激的谎言。所以,正如创始人 Stefan 所说:


“我们没办法让他们相信 Starsky 的无人驾驶方案只有百万分之一的致命事故发生率,他们对这个也压根不感兴趣。另外,他们不知道无人值守的实现有多困难,所以他们会担心再过几个礼拜,其他公司就会拿出类似的技术成果。”


另一方面,不少行业的竞争对手则把工程精力投入到其他 AI 功能的构建身上,比如让无人车有时主动变换车道,或者驶入小街小巷(假设拥有充分的地图数据)。这些虽然跟安全无关,但却看似前沿、更抓眼球。


投资者们对此印象深刻。虽然这种“有时起效”的功能距离统计学意义上的安全可靠还有成百上千倍的差距,但没关系,他们愿意砸钱。


无人驾驶行业该走向何方?

无人驾驶行业里存在着太多值得一说的问题:大多数团队的工作内容专业度过高、缺少能够切实部署的里程碑、也拿不出像无人驾驶出租车这类可行的商业模式等等。然而,最大的问题在于有监督机器学习没办法像炒作中那样迸发出前所未有的能量。相较于科幻电影里那种真实智能,现有的机器学习只能算是一种复杂的模式匹配工具


2015 年,很多人都坚信自己的下一代已经不需要学习开车了。那时候有监督机器学习(也就是 AI 技术的主要实现手段)发展极快,短短几年时间就完成了从只能认出猫到或多或少能够驾车上路的巨大飞跃。从这个角度看,AI 技术的进步似乎遵循着摩尔定律:



按这个势头来看,全人类在不久的未来必然会在经济层面失去竞争力。到那个时候,摆在人类面前的道路只有两条:要么单纯由机器进行生产劳动,人类坐享其成;要么将机器植入人体,走向“机械飞升”式的自我进化。


五年之后,无人驾驶领域的专家们不再大肆宣扬人工智能的无穷潜力。相反,人们达成了普遍共识,认为 距离真正的无人驾驶汽车至少还有十年时间


众所周知,构建 AI 无人驾驶方案的最大挑战,在于处理各类不太常见的情况,也就是所谓极端条件。实际上,模型本身的质量越高,寻找全新极端案例数据集的难度就越大。另外,模型质量越高,改进所需的数据就得越准确。因此,人们意识到 AI 性能质量并不能保持指数级增长(即摩尔定律),反倒是 AI 系统的改进成本在呈指数级增长。从这个角度出发,有监督机器学习似乎必然不可持续(下图中的 S 形曲线)。



正因为这条 S 形曲线的存在,才使得 Comma.ai 这样只拥有 5 到 15 名工程师的团队,能够打造出几乎与特斯拉上百位无人驾驶专家相近的 AI 模型。同样的,Starsky 虽然只拥有 30 名工程师,还是成为全美三家获批在公共道路上进行无人驾驶测试的企业之一。


不过不用沮丧,这类 S 形曲线在技术发展当中已经相当常见(摩尔定律本身实际上就是由多条 S 形曲线构成的,只是因为芯片技术能够不断迭代,因此在宏观上保持了一种整体指数增长的趋势)。问题在于,在考量现有技术时,人们总是会把它跟人类的驾驶表现进行比较。


Stefan 在博客的文章中提出几项基本衡量指标:下图中的 L1 如果为人类水平,则代表自动驾驶技术已经超越人类的整体驾驶水平;若 L2 代表人类水平,则自动驾驶已经与之相当接近;若 L3 为人类水平,则表示自动驾驶距离其还有一段距离。



如果设 L1 为人类的驾驶水平,那么先进的无人驾驶厂商只要能够证明自家方案的安全性,即可完成方案的实际推广。但在 Stefan 接触过的任何从业者里,没人相信目前的无人驾驶能超越人类水平


接下来是 L2,即使是规模更大、实力更强的技术团队,距离彻底解决这个问题也需要 10 亿到 250 亿美元的额外预算投入。也正因为如此,不少关注无人驾驶的大型投资机构一直强调这项技术最终只可能诞生于大型科技公司。


至于 L3,如果人类驾驶能力真的在这个位置,那任何现有技术——无论再怎么改进——都不太可能彻底弥合这段差距。人们在表达距离真正无人驾驶还有十年时,实际表达的应该就是 L3 这部分差距关系。而且从目前来看,没有几家初创企业能够在拿不出实际产品的情况下继续生存十年。所以如果 L3 为真,那么现有技术根本就无法支持实现无人驾驶,Game Over。


结语:黎明到来前夕的牺牲者

文章的最后,Stefan 万分无奈地写道:


“2019 年 11 月 12 日,我们总值 2000 万美元的 B 轮融资宣告失败。同月 15 号,这可能是我一生中最糟糕的一天,我们解散了大部分团队、着手出售公司,并想办法帮助员工们在丢掉工作的这段时间里不致受到太大影响(包括签证状态、新员工失业补助以及孕妇医疗保险等)。


到今年 1 月底,我们终于完成了岗位过渡,并把公司内的各类资产(特别是操作无人驾驶车辆所必需的多项技术专利)变卖出去。这时候,我的心情就像 一位船长眼睁睁看着自己的船只下沉。我把大部分船员送上救生艇,一边思考着下一步该怎么做,一边任由冷冰的海水没过脚踝。”


或许是因为个人的经历,Stefan 对自动驾驶保持着悲观的态度,他说,劳动力老龄化的趋势几乎必然在未来五到十年之内严重限制经济的增长;每年有 4000 人死于卡车引发的交通事故,无人驾驶本来能回避掉这些不必要的牺牲。


但是在他看来,目前人类的驾驶水平应该处于 L3 级别,意味着任何现有 AI 方案都无法接近人类的驾车能力。所以,现有企业只能在未来两年中忍受几乎没有新资金注入的困境,再继续挣扎在至少为期五年的无人驾驶公路测试泥潭当中


不过幸运的是,自动驾驶行业自 2020 年初开始,已经有了逐渐回暖的势头,虽然增长仍然缓慢。


自动驾驶从来都不是一家之力就可以实现的,相反,这是一个无比艰辛的过程,像 Starsky 公司这样的先行者倒在了黎明到来的前夕,希望每一个牺牲者都会让行业更加警醒,希望所有的牺牲都不会白费。


参考链接:


https://medium.com/starsky-robotics-blog/the-end-of-starsky-robotics-acb8a6a8a5f5


2020 年 3 月 24 日 09:211679
用户头像
陈思 InfoQ编辑

发布了 576 篇内容, 共 217.0 次阅读, 收获喜欢 1228 次。

关注

评论

发布
暂无评论
发现更多内容

打卡第一次

容光

办公自动化

LeetCode题解:91. 解码方法,动态规划,JavaScript,详细注释

Lee Chen

算法 LeetCode 前端进阶训练营

你最喜欢的奥斯卡电影是哪部?

wbliu85

Oracle中我们什么时候需要用到定时任务?

xiezhr

oracle 定时任务 存储过程

优雅编程 | Javascript闭包的4种高级用法

devpoint

闭包 防抖 节流 闭包要点

【办公自动化】打卡示范

IT蜗壳-Tango

办公自动化 3月日更 IT蜗壳教学

css高度坍塌与清除浮动

依旧廖凯

28天挑战 3月日更

《经济学人》2021年3月13日刊精彩文章导读及资源免费下载

wbliu85

Zookeeper.01 - 简介

insight

zookeeper 3月日更

Elasticsearch Document 写入原理

escray

elastic 28天写作 死磕Elasticsearch 60天通过Elastic认证考试

原来我还有网络天赋

叫练

网络 交换机

虚拟路由器冗余协议 VRRP 详解

数字化“翻译官”

boshi

数字化 七日更

进入大厂的简历应该是什么样子

我是程序员小贱

3月日更

[转]html5设计原理

小江

跳表

一个大红包

3月日更

啥?用了并行流还更慢了

L

Java

什么样的技术能进入一线大厂?这份阿里、百度、腾讯等 20家Java岗招聘要求梳理报告,会给你答案;

Java架构师迁哥

算法攻关 - 重上到下打印二叉树 (O(n))_offer32

小诚信驿站

刘晓成 小诚信驿站 28天写作 算法攻关 从上到下打印二叉树

万事开头难——人为推进效应

Justin

心理学 28天写作 游戏设计

基于SparkMLlib智能课堂教学评价系统的设计与实现(一)

大数据技术指南

大数据 spark 智能时代 28天写作 3月日更

Python 日期格式和时间以及当前时间和时间戳

HoneyMoose

(28DW-S8-Day21) 《流程型组织》学习笔记:「客户第一」还是「老板第一」

mtfelix

28天写作 流程型组织

Wireshark数据包分析学习笔记Day9

穿过生命散发芬芳

Wireshark 数据包分析 3月日更

凡尔赛一波!年后开始备战,面美团、字节、腾讯,最终成功入职字节跳动!

程序员小毕

Java 编程 程序员 架构 面试

Python DataTime 日期处理

HoneyMoose

Elasticsearch 近实时搜索 Near Real-Time Search

escray

elastic 28天写作 死磕Elasticsearch 60天通过Elastic认证考试 3月日更

Lex Fridman: How to learn and master a new skill 简评

teoking

一名MindSpore新手的爬坑记录~~

依旧廖凯

28天挑战 3月日更

「Linux」网络配置大揭秘

我是程序员小贱

3月日更

微服务学习笔记

lenka

3月日更

聊聊IO夯的那些事

聊聊IO夯的那些事

“死在黎明前”的无人驾驶公司:我等不到技术突破了-InfoQ