365
楊凈 賈浩楠 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI
蘇州街頭，來來往往的自動駕駛汽車已是常態(tài)，但今日車流之中，有一輛車不同尋常。
它的傳感器，包括激光雷達(dá)在內(nèi)，全部被遮掉，卻依然能在公共道路上暢然無阻。
即便遇到一些復(fù)雜的交通場景，比如紅綠燈路口、無保護(hù)右轉(zhuǎn)，還是像一些偶發(fā)狀況，加塞車輛避讓、人車混雜的路口，都能從容應(yīng)對。
更特殊的是，以如此特殊方式秀出技術(shù)和方案實力的，還是一位中國自動駕駛領(lǐng)域的元老面孔：王勁。
在四年低調(diào)修行之后，王勁帶著他的中智行、匯同天翼交通，重新站到臺前。
并正式發(fā)布了輕車·熟路系統(tǒng)，一種車路協(xié)同新范式。
輕車熟路系統(tǒng)發(fā)布
輕車熟路，就是這條新路線的展現(xiàn)形式。核心兩方面組成：輕車、熟路。
這里就不得不簡單提一下背后的提出者——中智行與天翼交通之間的關(guān)系。
如果說，中智行側(cè)重于車端，探索車如何利用強(qiáng)化了的路端能力形成L4自動駕駛。
中智行參與推動了天翼交通的成立，而天翼交通更偏向于路端的技術(shù)研發(fā)以及相關(guān)的建設(shè)，更重要的是，對整個路端資產(chǎn)等平臺系統(tǒng)的運(yùn)營。
換言之，一個側(cè)重于車端，一個側(cè)重于路端，兩者合力完成這套車路協(xié)同方案。
輕車，輕量化自動駕駛車。無需激光雷達(dá)，只需L2+級別的傳感器，比如攝像頭、毫米波雷達(dá)等。
從傳感器到算力，都按照L2或者L2+的水平來配置。極端情況下，如用3D打印的罩子和膠布，遮掉車端所有感知設(shè)備，純靠路端感知也能實現(xiàn)L4自動駕駛能力。
△遮住傳感器的自動駕駛
在此之前，車路協(xié)同的路端通常是個交通感知系統(tǒng)，其置信度、穩(wěn)定性和智能化程度都難以達(dá)到支持自動駕駛的要求。
“熟路”系統(tǒng)，基于全息感知數(shù)據(jù)、實時計算，然后將結(jié)果反饋給車輛，協(xié)助其全知全能。這里的全息，既有空間上的連續(xù)性，還有時間上的連續(xù)性。
（天翼交通數(shù)字孿生平臺通過數(shù)字化改造實現(xiàn)的“全息智能道路”，可將現(xiàn)實世界和數(shù)字世界實時孿生映射）
換言之，就是相當(dāng)于從過去的3D感知升維到了現(xiàn)在的4D感知。
高空路端部署可以實現(xiàn)上帝視角（物理BEV），感知到路上的所有參與者，包括行人、汽車、電動車的運(yùn)動，對視線盲區(qū)、超視距等范圍也能感知，以實現(xiàn)空間的連續(xù)性。
而正因為路端的持續(xù)運(yùn)轉(zhuǎn)，對交通狀況，每個參與者的觀察也是連續(xù)的——哪些是故障車被迫?？浚男┯质钦谛旭偠寄鼙桓兄?。
比如就像遇到故障車占用右轉(zhuǎn)車道這種情形。
（P.S. 車內(nèi)系統(tǒng)，利用路端時空連續(xù)和背景固定的特性，灰色模塊即為暫時停留的車輛，黑色模塊為停留了很久的車輛，藍(lán)色即為正在行駛的車輛；故障車則會出現(xiàn)紅框。）
更為關(guān)鍵的是，這種時間維度信息的收集，不僅有助于對目標(biāo)意圖理解和軌跡預(yù)測，還能讓人工智能擁有“認(rèn)知”能力。
車路協(xié)同在面對陌生障礙物時系統(tǒng)能跟著人類學(xué)習(xí)如何應(yīng)對，某種程度上還解決自動駕駛的長尾問題。
除了最為顯性的效果——感知能力增強(qiáng)以外，在通訊低延時、系統(tǒng)穩(wěn)定性等問題上也有所突破。
首先是通訊方面，作為車路協(xié)同另一大核心問題。如果車與路之間沒有強(qiáng)大的通訊能力，就算路端感知到突發(fā)情況，沒有及時將數(shù)據(jù)傳輸到車端，那同樣無濟(jì)于事。
一般來說，為了保證其可靠性，路端時延需與車端平齊，得嚴(yán)格控制在一個低水平且穩(wěn)定的范圍。
在感知的召回率達(dá)到99.99%的置信度水平的基礎(chǔ)上，天翼交通在引入通訊切片技術(shù)，部署微基站、設(shè)計全新通訊協(xié)議架構(gòu)等工作下實現(xiàn)低時延高可靠通訊能力：
通訊空口時延平均在20毫秒，P99（在99%的情況下）延遲<30毫秒
端到端（即從感知、計算、到預(yù)測和規(guī)控的環(huán)節(jié)）的P99延遲<240毫秒。
而且因為道路上的基礎(chǔ)設(shè)施，可以在硬件設(shè)備、軟件系統(tǒng)上實現(xiàn)7*24小時長時間穩(wěn)定運(yùn)轉(zhuǎn)。
這期間還能不間斷地積累數(shù)據(jù)、迭代算法能力。
當(dāng)然，還有一個更實際的好處，那就是算力成本的問題。利用路端的邊緣計算和云計算平臺，可依據(jù)實際需求充分調(diào)用海量的算力。
發(fā)布會現(xiàn)場舉了這樣一個例子：
每輛車只需50TOPS算力，路端可以保留500TOPS加上云計算，只需毫秒級就從中央數(shù)據(jù)中心得到幾乎無限的算力來支持。
尤其是在面對復(fù)雜路況時，車端算力往往會成倍的增長，但有了路端邊緣和云計算，負(fù)擔(dān)也就沒有那么重。
與之相關(guān)的賬也很容易算：
蘇州全市道路（包括4個代管市）共有城市10,200公里道路。在量產(chǎn)情況下，路端的建設(shè)成本在35萬/公里左右，總計成本就在35億左右。
也就是說，35億的投入，就能讓蘇州真正成為自動駕駛城市——全境公共道路智能升級。
可見，這套輕車熟路系統(tǒng)實現(xiàn)了三大核心技術(shù)的突破：高置信度的感知能力，低延時高可靠的通訊能力，以及系統(tǒng)穩(wěn)定性。以此帶來了自動駕駛在安全、效率、經(jīng)濟(jì)方向上的全面升維。
怎么樣，是不是與之前公開談?wù)摰淖詣玉{駛路線和思考不太一樣？
玩家來自中智行和天翼交通
不是一個常規(guī)的自動駕駛公司，不走常見的單車智能技術(shù)路線，更不是行業(yè)主流的L4商業(yè)模式。
以往任何自動駕駛公司，無論是像百度、Waymo這樣的科技巨頭，還是創(chuàng)業(yè)公司，重點(diǎn)幾乎都在車端：
如何實現(xiàn)系統(tǒng)的冗余、如何覆蓋corner case，怎么平衡性能和成本、怎么滿足飛速增長的算力需求……
就像是在一個二維世界從A點(diǎn)到B點(diǎn)，只有在紙面上老老實實走完曲線這一條路。
而中智行和天翼交通，希望從更高的“維度”解決這個問題：
車路協(xié)同系統(tǒng)如果夠完善，那么就能統(tǒng)一指揮調(diào)度所有車輛，由單車智能的L4自動駕駛的單車博弈升級為全局規(guī)劃。
這就好比把二維平面翻折，在三維空間直接連通了AB兩點(diǎn)。
事實上，這套系統(tǒng)和路線背后的核心思考，源自于王勁提出的數(shù)字化運(yùn)營的理念：
通過感知設(shè)備收集高質(zhì)量數(shù)據(jù)，以數(shù)據(jù)來驅(qū)動三個目標(biāo)：
技術(shù)突破
規(guī)?；涞?/p>
商業(yè)模式的實現(xiàn)。
并表示這將是未來中智行與天翼交通的核心競爭力。
這也與車路協(xié)同的最大優(yōu)勢——數(shù)據(jù)升維有關(guān)。
通過在路端7*24小時無間斷運(yùn)轉(zhuǎn)，可積累大規(guī)模高質(zhì)量數(shù)據(jù)。
以蘇州為例，僅機(jī)動車每天行駛里程合計就超過1.2億公里。如果這套系統(tǒng)全面覆蓋蘇州城市道路，僅一日就可以積累1.2億公里的行駛數(shù)據(jù)，其中還包括各種突發(fā)情況、交通事故。
以此為基礎(chǔ)構(gòu)建的場景庫與數(shù)字孿生平臺，就能復(fù)現(xiàn)整個城市交通全貌，更有助于高質(zhì)量的機(jī)器人學(xué)習(xí)，幫助人工智能升維以及意圖理解能力的構(gòu)建。
放在以往，靠單車智能的里程數(shù)是在短時間內(nèi)遠(yuǎn)遠(yuǎn)所不能達(dá)到的。
有了數(shù)據(jù)，技術(shù)上有了突破——輕車熟路系統(tǒng)，很快就迎來規(guī)?；涞?，目前中智行與天翼交通就正在推進(jìn)蘇州300公里智慧道路的搭建。
這種模式，其實正是整個自動駕駛行業(yè)商業(yè)化一直以來探索的一種加速之道。
為什么選擇這樣車路協(xié)同路線？中智行與天翼交通給出了這樣的解釋：核心還是單車智能與車路協(xié)同之間的區(qū)別。單車智能起步快，但發(fā)展慢，有技術(shù)瓶頸。而車路協(xié)同起步慢，不光將可預(yù)見的挑戰(zhàn)“前置”了，還把單車智能所遇到的技術(shù)天花板給降低了。
車路協(xié)同，往往伴隨基礎(chǔ)設(shè)施建設(shè)相關(guān)的工作，而這樣的特性，給人的映象往往是投入高、周期長，難度大。
但天翼交通之不同，是從實際落地的角度，連接上了車路協(xié)同的商業(yè)閉環(huán)。
成本方面，以往單車智能路線堆積的傳感器、算力平臺，本身就是不小的支出。
但實際使用中，這些算力和傳感器在99%的時候?qū)嶋H上都不需要。這也造成當(dāng)前L4自動駕駛車輛成本仍然居高不下。
車路協(xié)同系統(tǒng)，既有云端算力的靈活調(diào)配，又能7*24小時不間斷收集數(shù)據(jù)?；ǔ杀驹陂L期來看很容易攤平。
而且最重要的，一個城市或地區(qū)的車路協(xié)同研發(fā)、建設(shè)投入，是一個有上限、可以估算的項目，而單車智能則是誰也說不準(zhǔn)的研發(fā)周期和資金需求。
前面提過的蘇州每公里35萬元、全境35億左右的I4全息道路升級成本，就是這樣推算出來的，考慮到單車硬件的減配和成本下降，全蘇州完全L4升級成本將在250億左右（含車+路全面升級）——在此之前，究竟要多少投入才能實現(xiàn)城市級自動駕駛？求解者多，給出確數(shù)的幾乎沒有。
而35億元，對于自動駕駛行業(yè)來說，不是大錢。自動駕駛公司，用掉35億卻仍然沒能將L4落地的，其實才是常態(tài)。
這也是中智行創(chuàng)立之初，就堅持走車路協(xié)同路線的核心原因。
車路協(xié)同的“蘇州模式”下：中智行提供成熟的自動駕駛技術(shù)積累，以及通過對行業(yè)的理解，實現(xiàn)了車配置的輕量化，讓智能車不再是一個復(fù)雜且昂貴的行為。
會上還透露了個目標(biāo)：量產(chǎn)時將五萬以上的單車智能設(shè)備降一個數(shù)量級，即5000元以下。
這樣一來，讓主機(jī)廠能迅速地將其投放到市場進(jìn)行前裝量產(chǎn)。
而天翼交通為這種全新的L4商業(yè)模式，提供基建、5G通信基礎(chǔ)支持，把路給做“熟”。
在與車建立起通訊系統(tǒng)的同時，還將各種感知和計算設(shè)備從車上拿到，實現(xiàn)配置輕量化和成本大幅降低。
這樣將雙方優(yōu)勢最大程度發(fā)揮、快速量產(chǎn)落地的“蘇州模式”，在他們看來是一種“戰(zhàn)略級的行業(yè)部署”：（a+b）^2=“路對車強(qiáng)賦能”無人駕駛。
a^2代表的是聰明的車；b^2代表的是智慧的路，2ab則是其中最重要的部分，即車和路結(jié)合的部分。
據(jù)介紹，他們正要解決的就是聰明車和智慧路真正結(jié)合的問題——車怎么充分利用路端的能力、路如何真正賦能車。
中智行率先憑借著四年技術(shù)積累，搭建了車路協(xié)同技術(shù)基礎(chǔ)，現(xiàn)如今兩者一起朝著不同的側(cè)重點(diǎn)，共同迭代升級這一系統(tǒng)。
車路協(xié)同的路線具體怎么走，自動駕駛公司+智能交通運(yùn)營商聯(lián)合的方法，很有可能是所有后來者都無法繞開的路徑參考。
自動駕駛的三種路線
自動駕駛無論過去還是現(xiàn)在，更多的融資、更多的討論聚焦，都流向以傳感器、算法為主的單車智能路線。
評判自動駕駛模式、能力的好壞，標(biāo)準(zhǔn)通常有3個：
安全性。
效率。
經(jīng)濟(jì)性。
這三項標(biāo)準(zhǔn)，直接關(guān)系自動駕駛落地的規(guī)模、速度。
從這樣的標(biāo)準(zhǔn)出發(fā)，可以分別對目前自動駕駛落地的3種主要模式做一個判斷。
首先是為人熟知的特斯拉模式。這是一條完全依靠單車智能的路線。馬斯克的基本邏輯是AI司機(jī)應(yīng)該達(dá)到的目標(biāo)是和人類司機(jī)一樣，僅憑自身能力應(yīng)付一切駕駛?cè)蝿?wù)。
而他的方法，則是讓全球數(shù)百萬用戶義務(wù)當(dāng)測試員，通過返回的海量數(shù)據(jù)迭代系統(tǒng)。
效率和經(jīng)濟(jì)性，可以通過用戶數(shù)量和規(guī)模買單。但單車智能長久以來的長尾問題很難解決：哪怕1%的場景車端看不到、看不懂以及看不準(zhǔn)，就會造成事故。
第二種，則是谷歌Waymo代表的路線，即以Robotaxi為主，希望在通過仿真或路測把AI司機(jī)磨煉到“萬無一失”，然后逐漸推廣商業(yè)化。
但AI在認(rèn)知能力、泛化能力等等方面的突破短期難以取得，而谷歌本身的堅持，也使得它長期在封閉固定中測試，數(shù)據(jù)收集、算法迭代效率有限。
推進(jìn)10年燒了上百億美元，也仍然難以在路況復(fù)雜城市落地RoboTaxi。
與前兩種路線相比，車路協(xié)同的比較優(yōu)勢體現(xiàn)在解決效率和落地經(jīng)濟(jì)性的同時，也兼顧安全性。
車路協(xié)同的上帝視角，可以快速收集、挑選出復(fù)雜極端的交通場景，并快速形成可供系統(tǒng)學(xué)習(xí)的數(shù)據(jù)集。
這與單車智能自動駕駛系統(tǒng)需要在上百萬公里的里程中靠概率去“碰到”長尾場景，效率高得多。
路端全局調(diào)控，也能最大程度避免因為車端能力不足造成的事故。
而且，車路協(xié)同模式下還有更為關(guān)鍵的“不可復(fù)制”性。
車路協(xié)同，核心基礎(chǔ)是V2X技術(shù)，所以要推行，至少滿足3個需求：完善的5G網(wǎng)絡(luò)、基建能力、地方的配合意愿。
集這三點(diǎn)于一身的，恐怕只有中國。
中國的5G網(wǎng)絡(luò)和基建能力不用任何多余的證明，這也是中智行+天翼交通模式能走通的前提。
而要特別強(qiáng)調(diào)的，是國內(nèi)地方對于車路協(xié)同路線的高接受度。
對于地方來說，落地車路協(xié)同，不僅僅是一張高科技城市名片，還能帶動本地的基建、汽車、自動駕駛等等相關(guān)產(chǎn)業(yè)鏈的發(fā)展。而自動駕駛帶來的經(jīng)濟(jì)運(yùn)行效率提升，潛力則難以估量。
所以中智行和天翼交通在蘇州高鐵新城打造樣板間只是第一步。
這也意味著，規(guī)?；瘡?fù)制的實踐開始了，可以用時間和效果檢驗，也可以開始迎接外界的評價。
此次中智行與天翼交通提出的輕車熟路系統(tǒng)，對于自動駕駛行業(yè)來說，究竟意味著什么？
一方面，技術(shù)模式上。以往在車路協(xié)同這條路線上，是重車熟路，對車的要求依然很高。而現(xiàn)在開出了新的模式：輕車熟路。
另一方面，商業(yè)本質(zhì)上。“輕車”價值，不光在單車的傳感器、算力等等成本節(jié)約上。更為深刻的意義，在于首次為高階自動駕駛落地算了一筆清楚明白的賬。
傳統(tǒng)的單車智能，投入的資金、時間人力和項目期限，現(xiàn)在沒有一家公司有準(zhǔn)確估計。
核心矛盾，是目前沒有一家企業(yè)，能為自己研發(fā)的自動駕駛系統(tǒng)給出一個明確定量的可靠性指標(biāo)，這樣一來，自然也就不可能在法規(guī)準(zhǔn)入、責(zé)任劃分上有明確定性的結(jié)論。
所以只能是“走一步看一步”，沒有誰能以終為始，倒推著前進(jìn)。
但從車路協(xié)同的基建的角度入手，技術(shù)指標(biāo)已然明確，所依賴的基礎(chǔ)能力，也不再是AI系統(tǒng)生效的概率，而是準(zhǔn)確清晰的執(zhí)行策略?；诖?，也就能算出一個L4落地基本確定的成本，真正讓自動駕駛落地回歸到了商業(yè)本質(zhì)，擁有更加具體清晰的時間表。
往前推7年，王勁曾斷言“軟件定義汽車”，先引發(fā)傳統(tǒng)汽車領(lǐng)域嘩然，后來逐步被接受，如今則成了幾乎所有玩家的共識。
再往前推10年，他是中國第一個自動駕駛事業(yè)部的總經(jīng)理，是最早帶隊探索自動駕駛從技術(shù)創(chuàng)新到商業(yè)化的人。
而現(xiàn)在，他說在自己投身自動駕駛第十年之際，是時候再次公開自己最新的自動駕駛商業(yè)化實踐和思考。
以及更快、更大規(guī)模、更低成本地普及自動駕駛的新路線。
這個維度下，中智行+天翼交通所帶來的影響，或許也才剛剛開始。
