滴滴“翻车”，自动驾驶没有捷径可言

滴滴“翻车”，自动驾驶没有捷径可言

• 来源:网络
• 更新日期:2020-07-02

摘要：左转、掉头、蒙上眼，滴滴Robotaxi（自动驾驶出租车）在雨中完成首秀。 本文来自合作媒体：银杏财经，作者：

左转、掉头、蒙上眼，滴滴Robotaxi（自动驾驶出租车）在雨中完成首秀。

本文来自合作媒体：银杏财经，作者：蓝山，编辑：杨一枝。猎云网经授权发布。

技术革命周期理论告诉我们，一次科技革命的周期大约是五十年。

自福特全球第一条流水生产线问世，整整过去了一百年时间，可这个被称作“工业之王”的产业，却没能出现一个可以真正称之为创新的变革，它已经饥渴了太久。

左转、掉头、蒙上眼，滴滴Robotaxi（自动驾驶出租车）在雨中完成首秀。

这是滴滴在上海开启的Robotaxi试运行业务，用户可以在滴滴APP线上报名，审核通过后，在网约车平台上进行约车，免费体验特定区域内的自动驾驶服务。

自动驾驶这个带有“黑科技”属性的技术一下子变得大众化起来，仿佛一个全民Robotaxi的时代正在到来。

这不是滴滴第一次试图拓展自己的边界。

外卖、跑腿、货运、社区团购，滴滴也想讲一个生活服务闭环的新故事。跑马圈地的背后，是滴滴作为出行巨头的野心所向，同时不可避免地将公司内部不断蔓延的焦虑情绪现于人前。

“滴滴即将IPO”的消息，一传就是两年。作为曾经TMD中估值最高的老大，已经缩水超过40亿美元，形成鲜明对比的是美团一路高歌猛进，市值超过他们估值的两倍。

新冠“黑天鹅”催化了这种焦虑。于是我们看到，柳青在接受采访时说核心网约车业务已经实现盈利，却在成都上线了与自己主营业务风马牛不相及的“橙心优选”，又在上海搞了一场自动驾驶直播。

动作频频。

一个基本的行业共识是，网约车市场正在经历一个高速增长后的平稳期。

这与滴滴在三月发布的全员信相悖：3年内实现全球每天服务1亿单，国内全出行渗透率8%，全球服务用户MAU超8亿；但现状是滴滴目前的日均订单量不足5000万单、国内渗透率为3%、MAU3.4亿。

国内，滴滴之外还存在首汽约车和神州专车这样以传统租赁公司为依托的平台，以及曹操出行与高德打车这类有靠山的“网约车新势力”；海外，Uber早已吹响狙击滴滴的战争号角。

腹背受敌。

滴滴的选择是像特斯拉一样：为实现全自动驾驶而奋斗。

一个小的知识点是，无人车需要大量数据去喂，AI系统才会越来越智能。滴滴在直播中提到了一项关键信息：他们是世界上唯一拥有千亿公里数据的自动驾驶公司，由公司自主研发的车载设备桔视覆盖了平台上50%以上的订单，经过处理后，上面的行驶数据就可以用于哺育自动驾驶系统。

滴滴作为国民级应用自带流量，当他们说要面向公众开放自动驾驶服务时，完全起到了教育用户和市场的目的。

在我们的固有认知里，自动驾驶是一个烧钱的游戏，同样做Robotaxi的Waymo，每年烧钱的速度是十亿美金起步。仅激光雷达一项，一辆车的安装费用就在7.5万美元左右，滴滴也不例外，他们Robotaxi的车辆价格保持在100万以上。

一般来说，汽车作为大众消费品，用户是不愿意掏这么多钱的，做Robotaxi恰好可以有效分摊这种成本。此外，更高的使用频次会带来更多可供机器学习的有效数据，从而推动算法的进一步迭代。

所以说Robotaxi是可能成为自动驾驶领域最先落地的商业化场景的，而这也是行业风向标Waymo正在做的事，只不过他们在加州。

正因如此，在滴滴看来，Robotaxi和他们的平台调性是高度契合的。

据说，滴滴此次在上海投入的是L4级别的智能驾驶无人车。

当主持人告知车上的安全引导员可以出发时，工作人员的回答是“稍等一下”，在等待的过程中，主持人开始讲解那块与自动驾驶相关信息的触摸屏和当天的天气状况，可还是没能忍住问出那句“可以出发了吗”的疑问，在近五分钟的处理之后，车辆终于启动了。

直播当天的上海细雨绵绵，这会影响到自动驾驶系统的感知功能。理论上来说，雨量较大的时候，雨点、地面上的积水以及溅起来的水花都可能引发激光雷达的噪点，这时就需要依靠算法去除这些影响。

车辆经过一个积水路段时，主持人提问车辆在什么情况下需要被接管，恰在此时车辆发生偏移，安全员紧急接管了方向盘，而此时前方和侧方并未出现其他车辆或是紧急突发状况。

在国内，左拐和直行车辆通常会同时放行，滴滴Robotaxi成功识别了红绿灯，却没能发现对向来车试图抢在自己之前左拐，造成的后果是显示屏幕中两车几乎重叠，HMI发出“极度危险”的预警字样，安全员再次接管了车辆。

这可能是因为，滴滴Robotaxi的平均时速保持在30km/h，而道路限速远不止于此。

在第二次测试中，车前突然出现了一辆静止的三轮车，直到远程协助中心给出协助指令后，滴滴Robotaxi才变道绕开了前方的障碍物。

滴滴的解释是，“这种场景属于复杂场景”。

在由0和1组成的电子世界，图像是很麻烦的东西，要想识别各式各样的交通标线、标志牌、信号灯，需要付出很大的代价。举一个简单的例子，一旦将图像中的某几个像素做出改变，算法输出的结果就会大不相同，甚至可能出现将北极熊标记成狒狒、猫鼬或黄鼠狼的极端情况。

严格意义上来说，自动驾驶的投入产出比在短时间内其实是微乎其微的。目前行业头部玩家Waymo于2009年组建自动驾驶部门，七年后才有第一辆车上路，百度也是在2013年就选择进入自动驾驶战场。

厚积才能薄发。

当滴滴组建自己的自动驾驶研发团队时，Waymo已经上路了，然后滴滴又归于沉寂，两年后才拿到了第一张路测牌照；当Waymo自动驾驶路测里程超过2000万公里时，网络上依旧找不到任何关于滴滴自动驾驶路测里程的报道。

根据加州车辆管理局公布的路测数据分析图，Waymo是头部选手中当之无愧的赢家，但国内部分玩家有几组数据已经超过了Waymo的水平。

在技术方面，国内也有不少有实力的玩家，他们是自动驾驶领域的“技术流”。

说回滴滴，他们装在Robotaxi上的Velodyne，笨重且造价高昂，是“技术流”玩家上一代测试时用的激光雷达。

几乎所有自动驾驶公司都会面临一个悖论，自动驾驶测试要更安全，就需要更多数据，可数据产生的前提却是让测试车跑到路上去，矛盾的地方在于，只有保证这辆车足够安全，才会被允许上路测试。

于是催生出一批自动驾驶领域的“场景流”玩家，他们大多在2016年前后入局，正在进行开放测试，或是说自动驾驶示范应用牌照的争夺。

好看，但不实用。所以滴滴在出行领域的老对手高德同为“场景流”出身选择与走技术路线的AutoX合作，试图形成“场景+技术”的互补。

“场景流”快速切入后，还是要避免不了“技术流”烧钱的老路子，这是自动驾驶领域玩家们逃离不开的宿命。与其说滴滴是在作秀，不如说它搞了一场以抢占国内自动驾驶第二梯队“头牌”为目的的没有硝烟的战争。

运营不错，想法也很好，只不过途中翻了车而已。

滴滴Robotaxi宣传的一大卖点是海量路测数据，这些所谓的“千亿公里数据”到底是什么？

如果翻越天眼查关于桔视记录仪产品的介绍，可以看到很多有趣的信息。

简而言之就是，桔视作为车载设备相当于一个行车记录仪或车内监控。

而行车记录仪上的摄像头根本不可能记录下和车辆驾驶行为（速度、加速度、位置、横摆角加速度等）相关的数据，也就是说，这些代表了滴滴车辆行驶了千亿公里的原始数据，对于改进机器算法的助益几近于无。

自动驾驶远不是把传感器和摄像头捆绑在一辆汽车上那么简单，遑论滴滴目前的自动驾驶技术还停留在激光雷达的阶段，视觉感知技术积累得非常少。

现行交通规则可以上溯至18世纪的马车时代，整个系统都是以人为核心。我们应该了解到，滴滴Robotaxi特定的行驶区域都进行过路测基础设施的改造，包括动态交通标示牌、车辆行驶线以及各类智能感知系统。

在滴滴Robotaxi的直播首秀中，已经通过V2X成功识别了红绿灯，尽管还是在识别三轮车和周围车辆上出现了不少BUG。

千里之堤，以蝼蚁之穴溃，一如Uber自动驾驶汽车撞上路人的官方解释是，自动驾驶系统错误地将该女性识别为一个未知物体，然后是一辆车，最后是一辆自行车……

程维曾说过，自动驾驶道阻且长，内部需要至少做十年的持续投入。

可外界铺天盖地的报道全都是“滴滴开放自动驾驶服务”以及“面向大众的科普直播”，事实上，滴滴的L4虽然叫做自动驾驶事业部，但ODD（设计适用范围）到底有多大不得而知，只有一点毋庸置疑，它绝不是普通人认知范围里的那种“无人车”。

这里简单解释一下关于V2X（车联网）与自动驾驶之间的关系。一般而言，单车智能技术依赖于车载雷达和传感器，它最大的问题就在于很难实现远距离的安全感知和信息交互，如果可以实现多车信息的汇总，决策的可靠性就会提高三个以上的数量级。

车路协同等于“拉长”了单车传感器和摄像头的作用范围。

长沙是国内投入运营的智能网联汽车测试场中测试场景类型最多、测试道路总里程最长、研发办公配套最齐全的封闭式智能网联测试区，完成了100公里智慧高速和100公里城市开放道路的改造工作。

巨大的经济代价换来长沙“国内首个自动驾驶之城”的城市名片。

君子耻其言而过其行，自动驾驶赛道上的玩家们大多喜欢反其道而行之。

星河滚烫，皓月清明。即使技术仍处在萌芽阶段，需要很多方面协同进展才有可能规模实现也不足为奇，因为过去每一次工业革命都是一系列的技术突破而非一时的灵光乍现。

我们无法确定未来将如何展开，但就像福特汽车CEO马克·菲尔兹所说的那样，自动驾驶将定义下一个十年，并给社会带来巨大的影响。