圖片來源@視覺中國
文｜HiEV，作者 | Marshall，編輯 | 張祥威
一項新技術，狂熱的技術開發(fā)者往往會高估其發(fā)展速度，認為當下偶爾發(fā)生的安全問題，會隨著數(shù)據(jù)積累和功能迭代被逐漸解決。
他們往往會說，“這個問題沒有包含在我們的場景庫中，但現(xiàn)在我們知道了”。
這種思維是非常可怕的。
如果有人說，隨著不斷積累數(shù)據(jù)和功能迭代，就能夠達到絕對的安全，他們多半是在祈禱壞事不會發(fā)生，但事實是，壞事只是還沒發(fā)生而已。
做個Demo抄一抄開源代碼很容易，但是做到80%需要花一些精力進行優(yōu)化，剩下的20%需要巨大的投入。剩下的20%中，最后的2%非常難，需要重大的技術突破。最后的2%中，最后0.2%幾乎不可能解決。
城市NOA的開發(fā)，便是正處于向最后的20%沖刺階段，而且由于地圖的限制舉步艱難，需要另覓出路。
得益于計算機視覺、機器學習、深度神經(jīng)網(wǎng)絡以及大算力芯片、激光雷達、毫米波雷達等領域的技術發(fā)展，自動駕駛行業(yè)在過去五到十年迎來爆發(fā)式的增長。
2018年，行業(yè)對L3及以上的自動駕駛實現(xiàn)時間的預測，普遍認為“三年之內(nèi)”就能搞定。
三年過后，如今自動駕駛行業(yè)顯然已經(jīng)進入瓶頸期。
承諾的L3、L4要么跳票，要么下放成為L2。
即使是L2，不同產(chǎn)品的安全性和體驗的差距也是巨大的。在42號車庫的智能化排行中，基礎輔助駕駛能力排名第一的特斯拉得到了83.69分，而榜單最后一名的比亞迪漢，只有12.46分。
走在最前面的特斯拉，正站在城市NOA這個關口。
2021年，特斯拉在北美的FSD Beta車隊規(guī)模達到數(shù)千輛。
同年4月的上海車展，推送高速NGP功能不久的小鵬，發(fā)布了配備激光雷達的新車P5，這款車將搭載城市NGP功能。
何小鵬，這個被馬斯克稱為抄襲者的人，決定在智駕領域干一下特斯拉，宣布城市NGP將在2022年一季度通過OTA方式進行推送。
那屆上海車展剛過去三個月，小鵬便通過收購智途科技拿下甲級測繪資質(zhì)，為城市場景高精地圖的制作掃清政策上的障礙。
又過了兩個月，小鵬在一段城市NGP的工程demo視頻中，展示了自動選擇車道、判斷紅綠燈狀態(tài)并根據(jù)導航指引掉頭等功能。
這讓自動駕駛行業(yè)為之振奮，仿佛彎道超車的美好前景就在眼前了。
不幸的是，事情后來并沒有按照預設的劇本進行。
黑天鵝出現(xiàn)了。
滴滴出行曝出的網(wǎng)絡安全審查事件，引發(fā)了行業(yè)的蝴蝶效應。監(jiān)管機構(gòu)對于數(shù)據(jù)安全的重視程度驟然提升，針對智能網(wǎng)聯(lián)汽車還出臺了《汽車數(shù)據(jù)安全管理若干規(guī)定》進行管理。
盡管小鵬提前布局，取得了寶貴的甲級測繪資質(zhì)，但突然收緊的政策，仍然給城市NGP的落地帶來不小的挑戰(zhàn)。
下面這張表，列舉了不同時間和場合下，小鵬官方對該功能發(fā)布時間的表態(tài)：
可以看出，城市NGP的發(fā)布計劃，一定程度上受到了監(jiān)管收緊的影響。
從公開表態(tài)來看，至少在2022年3月，小鵬就已經(jīng)準備好相關材料等待審批了，但直到半年之后，才得到其總部所在地廣州的一個城市審批通過。
想要再擴張，還要至少再等半年，才能再增加兩個城市。
按照這個進度，小鵬的城市NGP的普及速度將遠遠落后于之前發(fā)布的高速NGP。后者一發(fā)布就幾乎全國可用。而前者，似乎距離大范圍商用還有很長的路。
在此背景下，小鵬開始重新審視目前的技術路線是否合理，是否能夠支持自身的戰(zhàn)略目標。
跟在后面布局智能駕駛的其他玩家，也開始了反思。
在最近剛結(jié)束的“美國春晚”——超級碗上，一則攻擊特斯拉FSD Beta的視頻引發(fā)公眾的討論。
視頻里，先后選取了幾段特斯拉FSD Beta功能下發(fā)生碰撞或緊急接管的場景，借此詢問美國的監(jiān)管機構(gòu)為什么允許這樣的功能上路。
今年2月，美國NHTSA宣布，特斯拉將召回近37萬輛已安裝或待安裝FSD Beta的汽車。原因是FSD Beta可能會允許車輛在十字路口做出不安全的行為，有撞車風險。
目前，特斯拉已經(jīng)暫停為美國和加拿大用戶安裝其FSD Beta軟件，直到可以發(fā)布固件更新以解決安全召回問題。
與特斯拉一樣，剛發(fā)布城市NGP的小鵬也不能感到安心。
一位廣州的P5車主在B站上傳了自己在廣州實測CNGP的一鏡到底視頻。
視頻中，除了有疑似地圖缺失引起的系統(tǒng)降級外，還出現(xiàn)了一些其他問題。主要可以分為三類：
地圖信息過時/錯誤導致的行駛路線錯誤
規(guī)控策略不夠類人，引起交通阻塞
可能導致碰撞的安全風險
這三類問題均涉及到城市NGP功能的核心。
首先，對于地圖錯誤，用戶幾乎無法提前察覺，大多都是等到系統(tǒng)表現(xiàn)異常了才發(fā)現(xiàn)。這類問題其實從高速NGP上車的時候就存在。
對此，各家普遍的處理方式是通過“運營”的手段，在新版本地圖發(fā)布之前臨時做屏蔽。
到了城市場景，高精地圖的制作成本決定了其更新頻率不會那么高，而頻繁而復雜的市政建設也造成了運營成本的提升，總會有用戶第一次遇到錯誤的地圖。
所以問題就變得難以解決了。
其次，規(guī)控策略方面，這涉及到持續(xù)地收集場景數(shù)據(jù)與針對性地優(yōu)化。
一項功能發(fā)布伊始，以遵守交通規(guī)則、避免交通事故為主要原則，這沒問題。這雖然對于其他道路交通參與者的體驗不會那么好，但至少可以保證功能上線，后續(xù)有持續(xù)優(yōu)化的空間。
把數(shù)據(jù)閉環(huán)跑起來，比什么都重要。
這也就導致一些車企的城市NGP功能上線的背后，有時候以影響其他道路交通參與者的體驗為代價的。
最后，安全風險，相信這是各家團隊最不愿意看到的一類問題。
雖然安全風險類的問題在媒體測評中幾乎沒有出現(xiàn)，但在真實用戶的體驗中，這類問題確實偶爾會發(fā)生。
對于安全類的風險，采取機器學習的方式是遠不能讓人放心的，因為開發(fā)者根本不知道算法能處理什么樣的風險。
而基于規(guī)則的場景枚舉，會讓系統(tǒng)在部分場景“看起來很安全”，實際上并不理解安全背后的深層次邏輯。
這會放大風險場景發(fā)生時的負面體驗——復雜的情況能處理，簡單的反而犯糊涂。
當然，目前有用2D或3D的可行駛空間作為路徑規(guī)劃依據(jù)，也有使用“公理”作為對系統(tǒng)的約束，這些嘗試都是為了對安全風險進行管控。
要發(fā)展城市NOA，最初各家在技術路線的選擇上都選擇了這樣一條路徑：
基于高速NOA的技術棧上擴展使用范圍，并針對城市特有場景開發(fā)更多的功能特性，如紅綠燈的識別、路口轉(zhuǎn)彎、更多的目標響應等。
我們來看特斯拉是怎么做的。
特斯拉實現(xiàn)高速NOA中，僅采用了“導航+視覺車道線”識別來進行路線的判斷，并不依靠任何包含道路特征的“地圖”。
這看起來很“第一性原理”，這些信息對于人類駕駛員來說足夠了。
但容易讓人忽略的一點是，人類眼睛的性能和對視覺信息的理解，在目前這個時代，是遠超攝像頭和深度學習模型的。
基于高速NOA研發(fā)經(jīng)驗，特斯拉開始嘗試在城市場景中開發(fā)更多功能，并開發(fā)出了針對Stop標志和紅綠燈的自動停止（在美國）功能。不過，除此之外就幾乎沒有其他突破了。
想象中的路口自動轉(zhuǎn)彎一直都沒有出現(xiàn)。
這也可以理解，畢竟如果不依賴地圖信息的輸入，在沒有導流線的路口，直行都是一件非常有挑戰(zhàn)的工作，更別提轉(zhuǎn)彎了。
在感知系統(tǒng)達到人眼水平之前，想要獲取遠距離的道路結(jié)構(gòu)，最直接的方式就是借助地圖。
特斯拉通過遍布全美數(shù)百萬特斯拉車主們進行眾包采圖。經(jīng)過數(shù)年的數(shù)據(jù)積累，已經(jīng)可以覆蓋北美大部分地區(qū)。
而且，安裝特斯拉FSD Beta的車隊規(guī)模，也從最初的數(shù)百輛發(fā)展到了現(xiàn)在的約40萬（來源：特斯拉2022Q4財報數(shù)據(jù)）。
對于北美地區(qū)配備了HW3.0的特斯拉，車主們可以以15000美元或199美元/月的價格，購買或者訂閱FSD功能包。
考慮到特斯拉在北美的選裝率在14%左右，以2022年特斯拉在美國銷售49.1萬輛為例，僅靠銷售FSD軟件包，每年就能創(chuàng)造超10億美元的收入。
得益于自動化的眾包數(shù)據(jù)建圖與統(tǒng)一，后期的運營成本是相對固定的。
采用眾包地圖路線，并且車輛規(guī)模足夠龐大，這些是特斯拉發(fā)展FSD的核心要素。
視線回到國內(nèi)，仍以小鵬舉例。
通過與圖商合作，小鵬在高速NGP中取得了巨大成功。通過重地圖的方式，實現(xiàn)了遠超特斯拉、蔚來及其他競品的體驗。
嘗到重地圖甜頭后，小鵬在城市NOA開發(fā)過程中一開始繼續(xù)沿用老方法，在城市建立高精地圖，配合城市場景的功能，希望能夠復制高速NGP的成功。
一開始效果還不錯。
2022年10月，小鵬實現(xiàn)國內(nèi)城市NGP的量產(chǎn)首發(fā)。
不過，這一過程中的遇到的困難超出了何小鵬的預期。“城市NGP依賴于具有更高清晰度的地圖，最開始我們認為在今年上半年甚至一季度下旬，小鵬就可以將城市NGP從一個城市推到數(shù)個城市，但困難比想象的要多。”
面對臨時施工、道路拓撲變化、轉(zhuǎn)彎路線和駕駛習慣不一致等問題，高精地圖有些力不從心。這些問題最終破壞了小鵬城市NGP的可用性。
高精地圖的矛盾看上去還沒有更好的解決方法。
由于目前的測繪法要求，高精地圖的采集制作成本高，更新周期長，如果想要保證可用性，投入的運營成本將是巨大的。
對于圖商來說，城市高精地圖巨大的采集生產(chǎn)成本，如果無法分攤到足夠客戶數(shù)量，那么其商業(yè)模式是不可持續(xù)的。
對于車企和自動駕駛公司來說，針對高速道路的高精地圖成本可以接受，每臺車每年大概一兩百元錢的成本。但是，城市的高精地圖成本特別高，而且由于城市的道路變化更頻繁，還存在鮮度不夠的問題。
在自動駕駛研發(fā)上最舍得投入的小鵬，在看到眼前持續(xù)變化的道路環(huán)境與不夠理想的地圖數(shù)據(jù)質(zhì)量后，也會覺得采買高精地圖這筆錢花的不夠高效。
去年的1024科技日上，小鵬宣布開始研究不依賴高精地圖的XNGP。
踩著小鵬的坑，整個業(yè)界對城市場景的理解一起刷新。
小鵬之外，長城汽車旗下的毫末智行公布了自己的城市NOH細節(jié)，同樣以不依賴高精地圖為主。
今年初，理想更是直接一步到位，宣布不依賴高精地圖的城市NOA年內(nèi)落地。
當然，大家雖然說不依賴高精地圖，但對于城市場景，包含道路拓撲結(jié)構(gòu)的“智能駕駛地圖”仍然是不可或缺的。
筆者認為，基于眾包的輕量化“智能駕駛地圖”，很可能成為未來的主要技術路線。
嚴格來說，L2功能仍有很大的提升空間。
無論是特斯拉FSD Beta，還是小鵬NGP，在現(xiàn)階段都還沒有達到能夠讓人坐在后排當乘客的程度。坐在駕駛位上的用戶，其角色更像是安全員在測試車輛，而非用戶在享受產(chǎn)品。
但是，當我們談論一個系統(tǒng)是否足夠安全的時候，不可避免的要談論“對誰來說足夠安全”，以及“足夠安全做什么”。
絕對的安全，意味著最好干脆就不要出門，只有當我們把對象和范圍進行限定之后，討論才是有意義的。
我的個人觀點是，一個安全且有價值的自動駕駛系統(tǒng)，并不一定要以把人類從駕駛座位上移走為目的。
把機械性的操作自動化，才是自動駕駛最大的價值。
就像飛機上的自動駕駛系統(tǒng)，它可以保持一定的高度速度巡航飛行，或者按照飛行計劃要求進行機動，甚至在某些條件下自動降落，但飛行員仍然是必須的。
任何一個國家的飛行監(jiān)管機構(gòu)，都不允許飛機開啟自動駕駛之后脫離飛行員的監(jiān)管。乘客們也不希望乘坐一架沒有人類駕駛員的飛機。
當然，對于城市NOA這類希望一步到位的點到點自動駕駛功能，最好還是應該選擇循序漸進的實現(xiàn)路線，在某些特定的場景下達到了足夠安全的程度之后，再逐步擴展新的功能邊界，真正做好安全和價值的平衡。
就在這篇文章將要完成時，一則關于智能汽車地圖的消息彈了出來。
自然資源部發(fā)布了《智能汽車基礎地圖標準體系建設指南（2023版）》，提出到2025年，初步構(gòu)建能夠支撐汽車駕駛自動化應用的智能汽車基礎地圖標準體系?！赶刃兄贫庇孟刃械?0項以上智能汽車基礎地圖重點標準，解決智能汽車基礎地圖深度應用的迫切需求。」
顯然，行業(yè)上下都感知到了自動駕駛再向前發(fā)展對地圖的迫切需求。
相信在解決了地圖的問題，并在安全與價值做好平衡之后，樂觀估計五年內(nèi)可以有一個好用的城市NOA落地。屆時自動駕駛將成為日常駕駛的一部分，出行方式會更加靈活。
快報
根據(jù)《網(wǎng)絡安全法》實名制要求，請綁定手機號后發(fā)表評論