排除那些精確到小數(shù)點后兩位的自動駕駛的代際數(shù)之外，目前國內(nèi)最能讓我感到“有意思”的自動駕駛技術(shù)，就是昨天第二屆百度Apollo生態(tài)大會上百度Apollo的L4級純視覺感知解決方案——Apollo Lite。

先按下L幾這個對于消費者非常直觀的自動駕駛指標(biāo)不表，整件事中最有意思的部分就是百度解決自動駕駛解決方案的核心方式：純視覺。用百度自己的話來說，就是這套解決方案是通過對10路攝像頭、200幀/秒數(shù)據(jù)量的并行處理，單視覺鏈路最高丟幀率能夠控制在5‰以下，實現(xiàn)全方位360°實時環(huán)境感知，前向障礙物的穩(wěn)定檢測視距達(dá)到240米。

依靠這套感知系統(tǒng)，百度無人車可以在城市道路上實現(xiàn)不依賴高線數(shù)旋轉(zhuǎn)式激光雷達(dá)的端到端閉環(huán)自動駕駛——并且已經(jīng)在北京稻香湖等多地多路段落地測試。

聽上去感覺很美妙對不對？畢竟僅用常識來思考，10個攝像頭的成本再高，也高不過那車頂上旋轉(zhuǎn)式激光雷達(dá)。但問題來了，為什么在主流的自動駕駛技術(shù)企業(yè)中，目前只有特斯拉選擇了純視覺的解決方式？又是什么原因能讓馬斯克曾破口大罵：“用激光雷達(dá)做自動駕駛的都是傻X”，得罪了幾乎全部的同行？

偉大航路的殊途

卻未必能實現(xiàn)同歸

自打2014年，SAE International（國際汽車工程師協(xié)會）制訂了一套自動駕駛汽車分級標(biāo)準(zhǔn)，其對自動化的描述分為5個等級開始。就如同海賊王羅杰在處刑臺上喊出他的所有財寶都埋藏在偉大航路終點，引發(fā)了“大海賊時代”一樣。眾多志在實現(xiàn)自動駕駛的企業(yè)紛紛挑明旗幟，立志成為最先到達(dá)“ONE PIECE”的人。

結(jié)果呢，2018年的時候，長時間內(nèi)都是自動駕駛領(lǐng)頭羊的企業(yè)Waymo CEO John Krafcik在一次技術(shù)大會上親口承認(rèn)，L5級別的自動駕駛真的很難，人類距離在任何天氣任何情況下的自動駕駛可能還需要幾十年。又讓所有對于自動駕駛抱有期許的人陷入了萬古如長夜的灰暗。

而其中牽絆住人類腳步的很重要的原因，就是算法。

無數(shù)在圖像算法上傾盡畢生所學(xué)的專家們悲哀地發(fā)現(xiàn)，當(dāng)我們將圖像的幾個像素改變時，算法輸出的結(jié)果就大不同。并且，網(wǎng)絡(luò)越深，我們就越能看到這些失敗的泛化。

2016年，特斯拉一輛Model S車追尾白色拖車，導(dǎo)致駕駛員喪生。當(dāng)時特斯拉官方稱，拖車側(cè)面是白色的，在太陽強光的照射下導(dǎo)致駕駛者和自動駕駛系統(tǒng)都沒有注意到這輛拖車。

兩年之后，Uber的自動駕駛車撞上了一名過馬路的女子，后期的調(diào)查報告顯示，自動駕駛軟件先是錯誤地將該女性識別為一個未知物體，然后是一輛車，最后是一輛自行車，最終女子被撞身亡。

自動駕駛不能普及的另一個原因被蘋果聯(lián)合創(chuàng)始人Steve Wozniak指了出來：“道路是由人類建造的，人類是不完美的，而且汽車目前無法解釋這一因素。”

原因聽起來很可笑對吧？但事實卻很可能正是如此。百年來我們所建立的現(xiàn)代道路規(guī)劃以及基礎(chǔ)設(shè)施，完全都是因為我們?nèi)祟惖氖褂昧?xí)慣所設(shè)。

而機器所需要的是更加純粹、更加準(zhǔn)確、更加符合機器使用習(xí)慣的環(huán)境。這就像是為什么羅永浩那基于劃時代的語音輸入系統(tǒng)打造出來的TNT，理應(yīng)讓我們輸入方式更加輕松，但我依然在用鼠標(biāo)鍵盤來寫這篇文章，而羅老師在上演真還傳。（真的是在哪都能拉羅老師出來敲打一番）

那既然我們沒法改變道路現(xiàn)狀的事實成立，有沒有另一條路通向自動駕駛的“ONE PIECE”呢。激光雷達(dá)便是這樣一個選擇。

在這我就簡而言之概括一下激光雷達(dá)的優(yōu)點：激光雷達(dá)的探測距離和準(zhǔn)確性都大大高于攝像頭，去年，通用汽車旗下自動駕駛技術(shù)公司 Cruise Automation的 CTO Kyle Vogt 曾表達(dá)過，激光雷達(dá)傳感器可帶來冗余和重疊的功能，讓車輛即便面對最具挑戰(zhàn)性的環(huán)境，也能夠應(yīng)對。

換句話來說，現(xiàn)在大多自動駕駛企業(yè)選擇激光雷達(dá)和計算機視覺結(jié)合的方案，為的就是留出安全冗余。

不激進(jìn)就不是特斯拉，在馬斯克看來，讓自動駕駛汽車頂著尺寸又大，同時造價需要數(shù)萬美元的激光雷達(dá)就是塑造一種虛假繁榮。不丟掉激光雷達(dá)這根拐杖，自動駕駛汽車就無法實現(xiàn)真正意義上的自動駕駛。

所以，現(xiàn)在以特斯拉為首，百度跟上步伐的純視覺派和其他大多數(shù)自動駕駛廠家選擇的激光雷達(dá)派，針對最先抵達(dá)自動駕駛的終極目標(biāo)而陷入了不同的困境。純視覺派更像是等待“不成熟的技術(shù)變成熟”，激光雷達(dá)派則在等“好技術(shù)變得更便宜”。幾乎可以篤定地認(rèn)為，誰最先走通自己的道路，到達(dá)自動駕駛這條偉大航路的終點，就在這場零和博弈中將對方徹底擠下船。

那么特斯拉和百度

究竟是怎么想的？

先說答案，特斯拉和百度考慮問題的終極目的，就是自動駕駛的商業(yè)化。

早在2016年，特斯拉在更新 Autopilot 2.0 硬件時，就使用了8 顆攝像頭，包括前置三目攝像頭（分別是長距窄視角、中距中視角和短距魚眼）、車輛的左右兩側(cè)各有 2 顆面向側(cè)前和側(cè)后的攝像頭，再加上 1 顆后置攝像頭，8 顆攝像頭完成了 360° 純視覺感知的無死角覆蓋。

但在其中非常有意思的是，匹配這套系統(tǒng)的核心芯片被改成了可插拔式設(shè)計，便于后期高性能芯片迭代之后的裝車。特斯拉的這個伏筆直到去年四月特斯拉FSD高算力芯片的量產(chǎn)，我們才有機會看到不久之前北美FSD自動駕駛Beta版的推送。

由此可見，特斯拉和百度所等待的，是算力和算法的提升。百度 Apollo 技術(shù)委員會主席王亮也曾表態(tài)過：攝像頭的圖像信息密度大、蘊含的環(huán)境信息最為豐富。但對人才、算法、數(shù)據(jù)、規(guī)?；瘷C器學(xué)習(xí)的能力提出了很高的要求，需要強大的算法、大量數(shù)據(jù)的積累和長期的研發(fā)投入。

在這里需要插播一條來自新華社的報道：僅北京一座城市就有 100 多家專門從事數(shù)據(jù)標(biāo)注的公司，全國有超過 1000 萬人在從事數(shù)據(jù)標(biāo)注工作——自動駕駛行業(yè)“數(shù)字富士康”實錘了。

訓(xùn)練算法時的人工標(biāo)注

而且更有意思的是，百度Apollo在此之前并非是純視覺路線的忠實擁躉。恰恰相反，百度一直堅持以激光雷達(dá)為主的多傳感器融合路線，但是為什么會切換軌道，和特斯拉成為了戰(zhàn)友？

用王亮自己的話來解釋，就是在激光雷達(dá)為主，視覺為輔的傳統(tǒng)策略中，視覺感知自身的問題和缺陷在雷達(dá)感知的掩蓋下暴露不夠充分。因此，視覺感知問題需要獨立出來才能更好的解決。

也許正是因為百度曾經(jīng)深入了解過激光雷達(dá)的優(yōu)點和短板之后，做出了選擇不同技術(shù)路線的決斷。而且算力的迭代也讓百度和特斯拉一樣，摸到了解決問題的鑰匙。在昨天的發(fā)布會上，在算力層面，百度宣稱 Apollo Lite 所需算力不到 30 TOPs，一個單卡 GPU 即可驅(qū)動。

鄧小平曾經(jīng)說過，中國式的現(xiàn)代化必須從中國的特點出發(fā)。這句話套用在百度身上同樣適用，畢竟作為自動駕駛的技術(shù)提供者，最終實現(xiàn)技術(shù)落地的并非百度自己，而是百度所服務(wù)的各家車企。以現(xiàn)在國內(nèi)對于自動駕駛技術(shù)嗷嗷待哺的新能源企業(yè)，一個最通用、成本相對最合理的解決方案，必然是最符合國情的。而從最終裝車的成本和實現(xiàn)規(guī)范化的技術(shù)難度來說，純視覺路線似乎是最合適不過的。

這就非常有意思了。雖然在實現(xiàn)自動駕駛的路徑上，百度已經(jīng)成為了特斯拉為數(shù)不多的隊友，但是到頭來在中國市場，特斯拉的這位“隊友”是要幫助特斯拉在中國市場上的各位對手來阻擊自己的。畢竟，特斯拉的技術(shù)只能為自己所用，而百度Apollo的方向則是“開源”，為加入自己技術(shù)體系的所有企業(yè)做技術(shù)后盾。

但是在如今激光雷達(dá)技術(shù)的成本愈發(fā)低廉的時代，純視覺路線是不是人類最終實現(xiàn)自動駕駛的唯一選擇，依然是個問號。到底誰才是過渡技術(shù)，誰又能在零和博弈中將其他對手全部掃下馬，現(xiàn)在依然是個未知數(shù)。