互聯(lián)網(wǎng)人喜歡說(shuō)風(fēng)口,更喜歡把風(fēng)口放到一起,好像這樣能造成1加1大于2的效果。

    而且有些被寄予厚望的技術(shù)可能確實(shí)有內(nèi)在聯(lián)系,于是就更可能被看做有相互刺激的合力產(chǎn)業(yè)來(lái)對(duì)待,期待協(xié)同爆發(fā)能產(chǎn)生天翻地覆的效果。

    比如人工智能和無(wú)人駕駛。

    確實(shí),人類利用人工智能技術(shù)來(lái)處理比如機(jī)械操作、駕駛、勘測(cè)等工作是毫無(wú)疑問(wèn)的必然。

    但是必然不等于馬上實(shí)現(xiàn),我們現(xiàn)在所處的只是眾多技術(shù)在研發(fā)和商業(yè)化的開端而已。從0進(jìn)化到10,1和9都是不能邁過(guò)的。目前的人工智能和無(wú)人駕駛,可能就處在這樣一個(gè)關(guān)系里。

    【無(wú)人駕駛的第一級(jí)形態(tài),必然是低速和固定場(chǎng)景應(yīng)用】

    首先要知道,到底什么是無(wú)人駕駛。

    無(wú)人駕駛的核心判斷點(diǎn),在于從自動(dòng)駕駛的人力合力和傳統(tǒng)汽車操作方式中解脫出來(lái),變成車輛根據(jù)設(shè)置目標(biāo)主動(dòng)完成駕駛的全過(guò)程。

    而從技術(shù)成熟和應(yīng)用可能性的過(guò)程上來(lái)說(shuō),無(wú)人駕駛絕不可能是一蹴而就,直接在城市交通的復(fù)雜路況上行駛的。

    由于對(duì)安全的擔(dān)憂和對(duì)數(shù)據(jù)積累的需要,初期無(wú)人駕駛,必然有兩點(diǎn)制約：

    首先是速度。無(wú)人駕駛開始投放應(yīng)用時(shí),必然無(wú)法很快就像跟正常機(jī)動(dòng)車一樣的高速行駛。而是要從時(shí)速五十公里以下的低速車開始應(yīng)用,逐步檢測(cè)和完善無(wú)人駕駛系統(tǒng)的可靠程度。

    其次是應(yīng)用場(chǎng)景。初始階段的無(wú)人駕駛,基本不可能馬上在復(fù)雜路況中投放使用。我們更可能看到的可能是校園、景區(qū)、企業(yè)園區(qū)、機(jī)場(chǎng),這樣的場(chǎng)景中使用無(wú)人駕駛車輛。一方面是這些場(chǎng)景中路況簡(jiǎn)單,無(wú)人駕駛要處理的問(wèn)題很少,而且可以整體更換無(wú)人駕駛車輛,保證車輛間交互的可行性。另一方面這些場(chǎng)景對(duì)運(yùn)力的要求低,使用時(shí)間少,從而滿足初級(jí)階段無(wú)人駕駛低速度、強(qiáng)監(jiān)控的特點(diǎn)。

    所以說(shuō),無(wú)人駕駛初期要淘汰的一定是低速電動(dòng)擺渡車,而這一階段,人工智能的的參與感并沒(méi)有那么強(qiáng)烈。

    【相比深度學(xué)習(xí),更重要的是避險(xiǎn)保障、精準(zhǔn)行駛和人機(jī)交互】

    人工智能管理無(wú)人駕駛車輛,邏輯是通過(guò)深度學(xué)習(xí)和應(yīng)對(duì)機(jī)制分析體系,來(lái)解決車輛行駛中的各種問(wèn)題,保障行駛安全。

    但是車輛在真實(shí)交通場(chǎng)景中遇到的問(wèn)題是千變?nèi)f化的,每一個(gè)問(wèn)題都可能是新問(wèn)題,很多甚至執(zhí)法者難以分析責(zé)權(quán),更別提基于對(duì)以往案例學(xué)習(xí)的人工智能體系了。尤其是在交通方案選擇上,在復(fù)雜路況和擁堵路況上,目前的人工智能算法很難完全代替經(jīng)驗(yàn)和人工的判斷能力。

    而低速的無(wú)人駕駛,人工智能的應(yīng)用點(diǎn)也不夠多。這種場(chǎng)景中,主要確保行駛安全和運(yùn)營(yíng)流暢的技術(shù)是三種：避險(xiǎn)保障技術(shù),精準(zhǔn)行駛技術(shù)和新型的人機(jī)交互。

    避險(xiǎn)保障是保證無(wú)人駕駛車輛安全的先覺(jué)因素,目前看來(lái)最佳的解決方案是通過(guò)硬件判斷車輛與他物的距離和可能碰撞速度,從而指揮駕駛體系完成躲避。因此感知硬件類是核心。

    精準(zhǔn)行駛是保證車輛可以完成交通目的的技術(shù)和硬件體系,主要的是基于地圖和GPS、車輛感知的路線判定。此外智能變速,地形模塊也很重要。

    經(jīng)常被人忽視的,是無(wú)人駕駛模式下的人車交互。自動(dòng)駕駛技術(shù)下,人車交互方式并沒(méi)有多大改變。但無(wú)人駕駛模式下,人的指令方式要從全程操作變?yōu)閼?yīng)急指揮和命令下達(dá),需要全套的操作體系來(lái)適應(yīng)這一需求。

    反觀這些無(wú)人駕駛的需求,會(huì)發(fā)現(xiàn)人工智能目前還很難區(qū)別其中任何一項(xiàng),因此初級(jí)階段的人工智能更可能作為輔助技術(shù)加入無(wú)人駕駛技術(shù)群里,而非真正成為中樞指揮者。

    當(dāng)然未來(lái)人工智能一定會(huì)成為人類完成交通的方式,但那需要人工智能本身的大幅度進(jìn)化以及人工駕駛底層技術(shù)和硬件的完善,距離二者不期而遇,目前來(lái)看還有一些距離。

    【初級(jí)無(wú)人駕駛,這些技術(shù)最重要】

    那么不妨來(lái)看看,初級(jí)無(wú)人駕駛哪些技術(shù)最重要,最有可能改變無(wú)人駕駛進(jìn)入市場(chǎng)的速度。

    一、激光雷達(dá)。雷達(dá)感知在外環(huán)境,好像是目前最成熟的無(wú)人駕駛保障技術(shù)。而且谷歌Waymo等企業(yè)相繼宣布將在激光雷達(dá)硬件上提供新的解決方案,大幅度縮減激光雷達(dá)成本。這個(gè)領(lǐng)域接下來(lái)很可能產(chǎn)生新的大硬件服務(wù)商,并且快速投入自動(dòng)駕駛車輛的配置中,迎接無(wú)人駕駛的到來(lái)。

    二、多元傳感器。傳感和測(cè)繪系統(tǒng)是解決無(wú)人駕駛安全隱患問(wèn)題的核心,尤其是在復(fù)雜環(huán)境中的避險(xiǎn)。無(wú)人駕駛傳感器有多種解決方案,而最可能最后占領(lǐng)市場(chǎng)的是集合聲波、紅外線、熱能的多元傳感器。

    三、視覺(jué)攝像頭。攝像頭是無(wú)人駕駛車輛的眼睛,也是無(wú)人駕駛車輛空間判斷感的依據(jù)。但是鏈接處理器的視覺(jué)處理系統(tǒng)和應(yīng)用硬件一直都沒(méi)有特別成熟的產(chǎn)品。這個(gè)領(lǐng)域有很多新技術(shù),也可以加入人工智能的輔助。應(yīng)該會(huì)是接下來(lái)無(wú)人駕駛的重頭戲。

    四、超精準(zhǔn)地圖體系。與其讓無(wú)人駕駛智能計(jì)算路線,更好的解決辦法當(dāng)然是讓所有車輛根據(jù)地圖自行移動(dòng),從而實(shí)現(xiàn)運(yùn)力和交通安全的最大化,這就需要精度到分米級(jí)別的實(shí)時(shí)地圖。國(guó)內(nèi)外的地圖企業(yè)與無(wú)人駕駛結(jié)合最大的可能點(diǎn)也在這里。

    五、人機(jī)交互系統(tǒng)。前面說(shuō)過(guò),無(wú)人駕駛的人機(jī)交互系統(tǒng)將是全新的。那么具體的應(yīng)用方式和標(biāo)準(zhǔn)化會(huì)成為急需的重點(diǎn)技術(shù)。目前這個(gè)領(lǐng)域新技術(shù)還很少,但準(zhǔn)入門檻并不高,適合創(chuàng)業(yè)者深入。

    六、車輛間交互系統(tǒng)�；�于車聯(lián)網(wǎng)系統(tǒng),讓車輛間相互感知并完成避讓,是無(wú)人駕駛領(lǐng)域物聯(lián)網(wǎng)技術(shù)的直接反應(yīng)。完整的車輛交互應(yīng)該能夠做到車與人,車與車,車與路,車與網(wǎng)的綜合交互,這個(gè)方向是技術(shù)的核心突破。

    通過(guò)這幾個(gè)急需的技術(shù)突破點(diǎn),不難看出無(wú)人駕駛目前對(duì)硬件、軟件、系統(tǒng)的需求都很強(qiáng)烈。這些技術(shù)的接連爆發(fā)和受到資本關(guān)注,是接下來(lái)無(wú)人駕駛市場(chǎng)的常態(tài)。相比較美國(guó)和以色列團(tuán)隊(duì)的熱愛(ài)小技術(shù),小硬件,國(guó)內(nèi)玩家好像過(guò)于執(zhí)迷整車制造和人工智能了。到頭來(lái)很有可能又一次造成核心技術(shù)掌握在別人手里,甚至期待中的大風(fēng)口過(guò)于遙遠(yuǎn)而遲遲不能到來(lái)。

    大未來(lái)源于一步步的小突破。至少目前,還是不要把無(wú)人駕駛和人工智能想的那么親密比較好。