无人车:人类最伟大的 AI 尝试

阅读数:4735 2019 年 5 月 25 日 14:00

无人车:人类最伟大的AI尝试

本文为 Robin.ly 授权转载,文章版权归原作者所有,转载请联系原作者。

作者按:
我一直认为,无人车是人类第三波 AI 的最伟大、最大胆的尝试!
在软件和互联网之后,从来没有一个单个的细分市场受到如此大的关注、得到如此多的资本支持、并且有如此多的人才涌入。
无人车:人类最伟大的AI尝试
20 世纪 50 年代出版的《星期六晚报》,美国电力公司的广告中勾勒出无人车的畅想图 照片来源:The Everett Collection

作为硅谷专注 AI、尤其是无人车领域猎头服务公司 TalentSeer、以及专注 AI、领导力、创业精神科技媒体 Robin.ly 的创始人,在过去 3 年,我和超过 300 位无人车技术专家一对一交流,同时和诸多无人车企业进行招聘合作,先后帮助这些企业招聘超过 200 名技术人才,深刻了解到这个市场的变革和趋势。有感于诸多工程师对于市场的不了解而造成职业选择、创业选择上的困惑,因此,作此文以激发大家的讨论。

在我看来,无人车是整个汽车软件化、互联网化、智能化中的一个重要环节,它代表着人类迈向自动化社会的关键技术。但是,由于第三波 AI 的主要贡献 — 监督学习的特点,无人车发展需要大量数据的积累。因此,真正的第四级乃至第五级无人车技术商业化还有待时日。而擅长产品化的公司、有技术突破能力的公司将突颖而出。
 
同时,作为一名具有超过 15 年经验的商业人士,我习惯性地以商业的角度、投资的角度(曾投资无人送货公司 Zippy 并将其出售给 Cruise Automation) 来审视这个领域。我认为,目前的无人车公司仍处于技术突破阶段,但是一旦能够实现无人车的部分商业化,则为 AI 在其他更大的领域,如机器人领域的商业化打下技术、经验和人才的基础。

本文将讨论以下话题:

1. 无人车技术诞生的背景:汽车市场的历史沿革和现状—从制造到软件
2. 无人车公司的三种模式:AI 驱动、造车驱动及服务运营驱动
3. 团队组建:文化的冲突
4. 未来的挑战和趋势

无人车技术诞生的背景

汽车市场的历史沿革和现状—从制造到软件

无人车:人类最伟大的AI尝试
福特“T”型车生产线

自 1908 年亨利·福特的福特公司推出”T 型车”并把它量产之后,汽车工业在之后的近 50 年并没有太大的革命性变革,以内燃机驱动并大规模的量产是工业革命之后的显著特点。

无人车:人类最伟大的AI尝试
丰田生产体系流程图(来源: Toyota Europe )

直到日本丰田在二十世纪 50 年代发明了“丰田生产体系” 即 “TPS(Toyota Production System)”,后来麻省理工学院称之为“精益生产 ( Lean Production )”。精益生产是一种以最大限度地减少企业生产所占用的资源和降低企业管理运营成本为主要目标的生产方式。这一生产方式迎合了后来兴起的小批量定制的消费需求,使得日本汽车在国际市场大行其道。

同样在制造业具备强大优势的是欧洲国家,尤其是德国,其追求质量和完美设计的精神使得德国汽车一直是中高端汽车的首选之一,在二战之后至今的超过半个世纪的时间内一直占据市场领导地位。

长久以来,汽车用户已经习惯了将汽车作为一个普通的交通工具,我们所期望的功能无非是方向控制、动力控制、以及简单的娱乐信息系统如电台、CD 播放机。一直以来的设计理念是,开车是需要专心和安全地进行,而其他的功能并不重要。

无人车:人类最伟大的AI尝试
2013 年 Tesla Model S 上首次加载 17 英寸的 Pad 显示器( Consumerreports.org )

直到 2004 年 Elon Musk 入主当时的汽车初创公司 Tesla, 并将诸多革命性的理念带入到汽车领域如重视软件、互联网等设计理念。2013 年,Tesla 在其 Model S 型车上加载尺寸达到 17 英寸的 Pad 显示屏,使得汽车能够提供如 iPhone 般的体验,这是汽车业迈向软件化和智能化的里程碑。

在智能手机之后,人们突然发现,一个我们天天都在使用的平台,而且是刚性需求的平台 - 汽车,仍然停留在 20 年前的状态,因此,在汽车上打造一个软件和互联网的生态,成为过去 5-10 年投资界的热点。

无人车:人类最伟大的AI尝试
汽车软件市场规模的历史和预测(2016-2025)(Source: MarketsandMarkets.com )

由于行车电脑的发展,安全和功能安全以及不断变化的车辆架构带来了巨大的计算平台需求,从而促进了汽车软件市场的增长。据 MarketsandMarkets 的统计,2018 年全球汽车软件市场已经达到 187 亿美元的规模,据估计,自 2019 年到 2025 年,汽车软件市场年增长率将保持达 18.12%,预计到 2025 年达到 600 亿美元的规模,这个增长率是非常令人震惊的,汽车业在催生新的软件巨头。

汽车软件的革新点主要有以下几点:

  • Advanced Driver Assistance Systems (ADAS),即高级驾驶辅助系统

  • Autonomous drive:无人驾驶技术

  • Vehicle electrification:汽车电气化

  • Digital cockpit technologies:数字座舱技术

  • Vehicle to Vehicle technologies: 车联网以及车上互联网技术

汽车创新中心:从德国、日本到美国、中国

无人车:人类最伟大的AI尝试
2017 年汽车技术相关公司硅谷分布图 (Source: CBRE)

上图是 2017 年硅谷商业地产公司 CBRE 做的北加州汽车技术相关公司的分布图,我们很吃惊的发现,硅谷的汽车公司竟然如雨后春笋般冒了出来,达到 400 多家。

为什么这些新兴公司没有出现在底特律、日本、或者德国?

答案如上面描述,汽车在向软件化、智能化和互联网化发展,拥有这些基因的人才不在日本、德国和底特律,而是在硅谷,在中国!

或者日本和德国已经意识到这一点,在过去的几年内,他们通过投资,大量入股美国新兴汽车技术公司,如无人车技术 Cruise 得到软银和丰田超过 20 亿美元的投资,而大众也蠢蠢欲动,一度欲以 10 亿美元收购前 Waymo 无人车负责人 Chris Urmson 创立的 Aurora, 但遭到拒绝,后又传言欲投资福特所收购的 Argo AI。

不仅是人才方面的限制,同样在人力资源法律制度方面,德国和日本的软件创新受到极大的桎梏。德国的离职交接通常要几个月甚至半年,而且两国企业普遍难以裁员,这造成企业很难根据瞬息万变的市场来调整其人力部署,长此以往,则造成迭代缓慢,延误市场时机。

无人车:人类最伟大的AI尝试
2019 年 4 月 19 日,Uber ATG 宣布来自丰田旗下公司 Denso 667M333M,总计 $1B 的投资 (Source: Uber)

在我看来,孙正义的软银看到了日本企业面临的危机,因此大量投资中美新兴出行公司如 Uber, 滴滴,以及无人车技术公司 Cruise、Uber ATG, 其出售的下家已经备好,那就是丰田、本田、尼桑、马自达等等亟待变革的日本企业。

无人车:人类最伟大的AI尝试
1975 年 -2017 年全美交通事故死亡统计(总计死亡人数,以及每 10 万人死亡人数)Source: https://www.iihs.org/iihs/topics/t/general-statistics/fatalityfacts/overview-of-fatality-facts

在汽车软件化的趋势下,仍然有非常高的汽车事故率以及事故死亡率。据统计,仅仅在 2017 年,全美的机动车事故死亡人数就将近 4 万人,那也就意味着,每天有仅 100 人死于交通事故,相当于每天有一架波音 747 飞机掉下来。这样的数字是非常可怕的。

最根本的原因是,每一辆汽车后面,都有一个拥有“自由意志”的驾驶者,这样的自由意志会因为吸毒、喝酒、疲惫、意识错乱、受干扰等等各种原因造成人身伤亡的事故。于是业界开始考虑,能否通过人工智能技术来训练素质最高的机器驾驶员、而代替容易出错的人类的驾车呢?

无人车公司的三种模式

今日的无人车就像马拉车一样,AI 的智力最多能够达到马的智力。
——Jesse Levinson, 无人车独角兽 Zoox 联合创始人,CTO

16 年前的 2002 年,当我在中国科学院上海的一个研究所参与开发今天无人车里面的一个重要技术 ——毫米波雷达技术,并把雷达装在上汽的车上在路上测试的时候,我们并没有想到日后视觉技术、深度学习会如此颠覆汽车,也无法想象无人车变得如此炙手可热。

归根结底,人类是用视觉来驾驶汽车的!而视觉也能探测到最丰富的环境信息。自 2012 年深度学习得到广泛关注以来,计算机视觉因此获得长足发展。感知作为计算机视觉的典型应用,在过去几年内获得了巨大的进步。

无人车的问题从根本上是一个系统工程问题,需要解决核心的 AI 技术问题、感知问题以及无人车技术的可靠性、稳定性问题。在面临这样的挑战的时候,团队的基因就决定了这个公司的长板和短板。从这意义上讲,无人车市场的这些公司可以大致分为三种驱动模式:AI 驱动、造车驱动以及出行运营服务驱动模式。

AI 驱动

最早进行无人车技术研究的商业公司是 Google, 后成立专门的子公司 Waymo。2009 年,原斯坦福大学人工智能实验室主任Sebastian Thrun领导 Google X lab 开始无人驾驶方面的研究,他在之前分别领导了两支无人车研究团队,获得了 DARPA challenge 2005 年的冠军(斯坦福团队)和 2007 年的亚军(卡内基梅隆团队)。

无人车:人类最伟大的AI尝试
Waymo 无人驾驶车(图片来源:Wikipedia)

2012 年之后深度学习的异军突起极大地提速了无人车感知技术和地图技术的发展。因此,具备计算机视觉技术及深度学习的 AI 团队随之纷纷出来创业,而无人车领域也是他们选择最多的领域。如此的团队包括斯坦福出来 Zoox, Drive.ai , 卡内基梅隆大学的 Bryan Salesky 和 Peter Rander 创立的 Argo AI, 中国百度出来的彭军及楼天成创立的 Pony AI 等等 AI 研究者创立的无人车公司。

这些 AI 研究者创业的公司有很强的研究和技术基因,但是面临汽车这个需要大量行业知识和经验的领域,他们需要吸引更多优秀的非 AI 人才,如车辆集成、控制等等人才。同时,如何将这些技术产品化,并获得该领域的大规模商用,同样是巨大的挑战。

因此,初期这些公司大都选择 L4 这样较能发挥 AI 技术能力的场景,比如说 Robo-Taxi, 后来其中一些公司由于产品落地和商业化的压力,开始进行一些限制场景技术的开发,如无人卡车,物流等等。

对于 Robo-Taxi 这样的应用,我认为有如下几个挑战:

  1. 技术的挑战:L4 这样的场景要求每百万英里的事故率低到个位数,对于今天的感知和规划来讲,仍然是很大的挑战,况且,就如 Waymo 的感知部总监 Sacha Arnoud 所言,做到 90% 相对容易,剩下的 10% 则需要长达 90% 的时间来完成,其中的很多情况是 corner case, 也就是说不是常见的情况,需要几乎穷举。

  2. 成本的挑战:就如 Waymo 的解决方案,需要激光雷达等昂贵的传感器,使得加装的传感器和计算单元等部件的成本甚至是汽车本身的 3-4 倍以上,再加上 Waymo 的解决方案高度依赖高清地图,而构建和测绘高清地图需要大量的人力物力。如果 Robo-Taxi 需要颠覆目前的服务提供车,如 Uber, Lyft 或者滴滴,他们的成本在每英里 2 美元左右,那 Robo-Taxi 每英里的成本应该在一美元以下,今天的技术不仅不能够和 Uber 等公司竞争,甚至远高于每英里两美元的成本。

  3. 风险转移:L3 的好处是,核心的产品是汽车,而汽车保险业提供了一个可估算的风险转移机制,而对于 L4 这样的应用而言,由于保险业目前还不知道如何评估无人车带来的风险,因此,还不能够给 Robo-Taxi 的运营者提供一个合理的风险转移机制,这对类似应用的商业化是致命的。

当然,并不是这些挑战就会阻止这个市场的发展,人类的进步意义恰恰就是不畏艰险,迎难而上。随着技术的发展和我们具备更多的经验,相信会在商业化上实现革命性的突破。

造车驱动

在大量 AI 初创企业开始涉足汽车领域,并致力于革命性地改变这个行业的时候,传统的和新兴的造车企业均感到巨大的威胁。如果汽车的未来是无人驾驶,造车企业作为原来产品的提供者,一定要迎合新的市场趋势,因此,他们开始物色各类无人车初创公司,或收购,或合作,或投资。先后有通用汽车收购 Cruise Automation, 福特入股 Argo AI, 特斯拉建立自己的无人车团队,丰田及本田投资 Cruise 等等案例。

车,作为一个产品。造车,作为打造这个产品的过程。造车企业自然具备很强的行业知识。但是,当一个熟悉造车的企业需要拥抱熟悉软件、 AI、互联网的团队的时候,自然会引起巨大的文化冲突。因此,可以经常看到,一个造车的企业难以吸引优秀的 AI 和软件团队,而一个以 AI 起家的无人车公司,难以吸引熟悉造车和车辆改造控制的团队。

当造车步向自动化和智能化的时候,车这个产品的内涵也发生了很大的变化,核心的一个变化是迭代周期的变化,过去一辆车可以研发好几年,现在更强调的硬件平台一旦确定,则如何更快速的根据用户反馈来迭代软件版本。无人车也是一样,不断的功能被汽车产商以 OTA(空中下载技术)的方式更新到车平台上。

相对于 L4 的企业而言,大多数的车企选择以 L2, L3 起步,这中间最著名的就是特斯拉,技术路线坚持无 Lidar 的视觉为主路线,用深度学习加上自己研发的神经网络专用集成芯片来实现车载感知计算。因为其搭载这样的传感器配置车被销售到全球各地,而且数量高达几十万辆,因此在数据上也获得了巨大的优势。

另外一种模式是利用被 Intel 收购的 Mobileye 提供的视觉解决方案,据 Mobileye 称,全球搭载其解决方案的车辆达到 1600 多万辆,而且共享的 REM(道路经验管理)系统可以积累大量数据,从而提高其解决方案的精准度。

无人车:人类最伟大的AI尝试
特斯拉无人驾驶示意图(图片来源:Tesla)

对于中国大多数的新兴造车企业而言,他们不仅要解决造车问题,而且要面临全球性的汽车智能化、无人化的挑战。在前几年短暂的热潮之后,新兴造车企业开始面临量产和交付的严苛问题。但是,据统计,中国每年的汽车销量超过 3000 万辆,而大量的中小城市和农村市场的汽车保有量还比较低,相比于美国每年的汽车销量也只有 2000 多万辆,中国显然具有全球最大的汽车潜在消费市场!

出行服务运营驱动

在交通出行行业的历史上,过去十年的发展可谓是波澜壮阔!以 Uber、Lyft、滴滴、ofo、Lime 为代表的软件公司,自己不生产一辆车,但是却为数亿数十亿的人群提供日常的出行服务,这些公司的成功地利用软件和互联网革命性地提高交通出行领域的运营效率,并且使得普通人在有限的资源下,获得了更多的出行便利。
 
Uber、Lyft 这些公司的核心是需求和供给的全局匹配、支付的便利性和面向消费者社群的网络效应。这些是他们的基因。
 
当他们意识到未来有一天无人车可能成为主流后,原有的商业模式,所谓的共享经济模式便不存在共享司机的需求,而拥有无人车的企业就可以提供服务。因此,他们变得很恐慌。
 
于是,我们就看到 Uber 收购 Otto, Lyft、 滴滴也分别建立了自己的无人车团队。但是,当 Uber 遭遇文化挑战以及上市的压力之后,一个更体面的 CEO 变担起了让公司能够顺利上市的责任,而无人车这样需要长远的投资,则不是 Uber 这样不断烧钱、不断亏钱的公司能够独立负担的游戏了,于是有了软银最近对新独立的 Uber 无人车业务的投资。

无人车:人类最伟大的AI尝试
Uber 于 2019 年 5 月 10 日在纽约证交所上市 (图片来源:Uber)
 
熟悉出行运营服务的公司自然最具备商业变现的能力。他们是 L4 方案的最重要客户,问题是,如果 L4 实现了,这些公司还是弄潮手吗?

团队组建:文化的冲突

如同上文中提到的,在无人车领域,有三大明显的文化:AI 文化、互联网文化及造车文化。下面描述一下这三种文化的典型特征:

  1. AI 文化:通常是学术派,在读博读硕阶段进行过专业的 AI 科学研究,是第三波 AI 浪潮的主力军和最大受益者。强调算法研究的重要性,有工程经验者还比较重视工程质量,而纯粹的学术派则经常忽略工程的重要性。

  2. 互联网文化:通常是互联网创业的受益者,强调产品的重要性,强调根据用户体验进行快速迭代的重要性。互联网文化的信奉者通常是实干派,但是由于过于强调实践和不断尝试的重要性,难免没有底蕴和基础来解决类似于无人车这样复杂应用后面的科学问题。

  3. 造车文化:通常是一批尝试接受新鲜事物如车联网、无人车的造车力量。强调制造、质量,强于车辆设计和制造,通常难以接受互联网文化和 AI 文化带来的浮躁感。他们是无人车技术落地必须依靠的力量,他们是车辆安全的代言人,同时,在互联网者和 AI 者看来,他们可能是创新的拦路虎。

这三种文化没有对错之分,只是在这样需要各方力量合作的情况下,需要理解各方的背景和文化渊源,加深彼此的理解,以达到团队共赢,产品落地的结局。

未来的趋势和挑战

在 2016 年之后近三年的疯狂资本追逐下,无人车已经开始尝试落地发芽。而以无人车为代表的第三波 AI 科学研究和创业浪潮,则开始进入改造传统产业的深水区,面临的挑战包括文化冲突的挑战、市场接受度的挑战、用户体验的挑战以及经济产出的挑战。

文化的挑战促成了大量的车企和 AI 企业的合并或者至少是合作,市场接受度的挑战使得无人车技术回归用户价值,找到真正用户的痛点,逐步推出用户可以使用的功能,比如说自动泊车、车道线保持、视觉目标识别、自动跟车等等,也有部分企业选择了物流等领域的落地。

而用户体验的挑战和经济产出的挑战则要更严峻的多。据有报道分析,在美国亚利桑那州试运行的 Waymo 无人驾驶车,遭到了诸多市民的敌意,他们有的故意制造麻烦,有的则确实被这些不成熟的无人车的驾驶习惯而困扰。当无人车这样的新兴事物开始给千人千面的大众提供服务的时候,才是对这些公司最大的挑战。

对于经济产出而言,过去投资无人车的风投已经大量输血到这些公司,未来他们自然期望很高的回报,但是以目前的技术而言,成本的优势还很难显现。

作者无意为无人车这一人类伟大的科学和工程尝试而泼冷水!任何的梦想都需要付出巨大的代价,也只有这样,人类才能够在这些伟大的科学和工程协作的过程中,得到最大的收获。我相信,人类终有有一天会解决这个问题:如何确保驾驶高速行驶的车辆后面,是一个充分健康和理性的大脑!而我也相信,我们每一个人都在为这个梦想而奋斗!

查看原文:
https://mp.weixin.qq.com/s/3bFwyXWnPu62Tia9i1Bj3w

评论

发布