为了生计，自动驾驶公司交出主动权？( 三 ) 在资金和时间有限的情况下

文章图片
陈禹行认为：“从技术上来讲， NOA不同于传统的ADAS 。对于自动驾驶来讲，或者对于人工智能来讲，数据是未来决胜的关键。因为NOA有了人机共驾的能力，所以它也要有数据收集的能力，它可以实现真正意义上的自动驾驶，所以它可以积累高价值的数据，这个也是NOA和ADAS一个质的飞跃。所以我们说这个是进入了一个自动驾驶的新阶段。 ”
在此之前，业界比较关心渐进式的路线是否能够走通？其中，数据共享便是其中的关键。对此，文远知行创始人兼CEO韩旭认为，算力提升和传感器类型逐渐一致，两个基础条件的改变减少了L2/L3与L4之间技术共通的障碍，使L4级技术赋能增L2/L3成为可能。
但是，障碍并没有完全解除。韩旭表示，面对巨大的数据量，量产车型实现数据回传会产生较大的成本。他举例：“如果我们说卖给用户的量产L2、L3车，虽然用户不一定在使用你的自动驾驶系统，但是他一旦使用，你就要回传，假设你想形成规模效应，你的车卖的是几万级别的话，数据的连通，回传数据的数字就是个天文数字。我们看到一些智能车公司做的事情也非常小心，使用的是影子模式，而且回到本地以后大部分还是通过局域网回传的。而中国是很少有车是有回到家庭局域网，因为我们大部分的中国家庭没有车库，通过5G回传，数据流量的花费是个天文数字，所以从技术方面的话数据回传是一个巨大的问题。 ”
受制于数据回传成本因素的影响，韩旭认为L4级高阶自动驾驶技术的研发不得不继续沿用自有或合作车辆的测试方式。 “行业依然没有特别好的办法去解决回传问题,其实从缩小带宽的角度上来说，比如说一些厂商做的影子模式，他的车本身有一套自动算法当开车和人的行为所不同的时候才回传，其实这个本身也是有一些问题的。所以我觉得还是需要一个非常强的L4自动驾驶技术公司做支撑。 ”
这样的话，自动驾驶技术的发展又重新回到了数据量不足的起点，直接影响到技术的成熟和发展速度。
历史上，人工智能的发展曾受不同因素的影响而被迫停滞。 1973年，第一次人工智能浪潮因算力不足宣告结束，政府停止资助研究项目。一份被称之为“光明山文件”的权威报告断言：“它不可能创造出可以学习人类智慧的机器。 ”1987年，第二次人工智能浪潮再次遇到发展障碍。首先，算力不足的问题尚未充分解决；其次，数据不足成为新的问题；第三，适逢个人计算机崛起，以LISP语言作为机器指令的计算机被逐渐淘汰。多种因素叠加在一起，最终美国国防部明确反对继续资助人工智能研究。两个标志性事件奠定了第三次人工智能浪潮兴起的基础：第一件， 1997年“深蓝”击败国际象棋大师卡斯帕罗夫；第二件， 2016年“阿尔法狗”击败围棋世界冠军李世石。 “深蓝”代表上一代人工智能，按照输入的规则进行运算和推演；阿尔法狗代表新一代人工智能，神经网络和机器学习。
目前，作为人工智能的子领域，自动驾驶的算法基础便是神经网络和机器学习，但依然受困于数据不足，无法将cornercase的安全风险降低到人类能接受的水平。这也是自动驾驶的特殊之处，不仅是技术问题，还是商业和社会问题。

文章图片
以NOA为例，陈禹行认为：“虽然NOA很复杂，但如果你希望更多的终端用户能使用这个功能，就得把成本控制好，必须得能覆盖更多价位、更广泛的车型，这样才能实现大规模的量产。否则的话，如果只在高端车上，只是选配或者高配，永远用NOA的人是小部分的人，小部分的人就说明你的技术迭代会很慢，你的数据回传、数据积累会很慢，这都不利于自动驾驶整个行业的发展。 ”