自動駕駛,一場關於信任的戰爭

語言: CN / TW / HK

圖片來源@視覺中國

文 | 談擎說AI,作者 | 鄭開車

想要實現自動駕駛真正普及,除了技術、法規等等硬性門檻之外,今天擺在我們面前的最大問題之一,就是要如何把體驗變成剛需。

而剛需的基礎,第一步是信任。

今天雖然說輔助駕駛日漸升溫,但真正能夠讓大眾撒手把生命交給冰冷的系統,這仍是一條漫長的信任構建之路。

這份反差,有點像談戀愛和結婚,前者重在體驗,後者則需要用信任奠基。

從自動駕駛行業興起至今,已經有太多各方人士從技術、行業等角度來分析其落地可能性,但今天我們不妨換一個視角,從技術與人的關係來看自動駕駛落地這一戰,究竟還要打上多久。

01 無形的大山

劃時代技術與人的關係,大抵都是走著從信任到依賴這樣一條路徑,這樣的路徑遊走,也通常是一劑有望加速技術、法規等等硬性條件快速落地的催化劑。

我們不妨類比網約車行業的發展早期,在當時,其同樣是一塊脫離官方法規約束的灰色地帶,經歷過網約車大戰的朋友們,大抵都看到過早期網約車司機和有關部門在高鐵站、機場等場所的“鬥智鬥勇”。

不過網約車行業與自動駕駛之間一個很大的區別就是: 雖然網約車當年也是新鮮事物,但很快大量消費者就對其產生了信任和依賴。

消費者對網約車勢不可擋的依賴,其實也是很大程度上在當年倒逼相關法規要快速落地,以幫助新技術普及的一股核心驅動力。

不可否認,網約車和自動駕駛相比,技術要求完全不在同一個維度,低門檻的技術同樣是網約車能夠快速落地的重要因素。

不過關於自動駕駛,今天真正值得我們關注的問題在於,即便是最接近未來終極願景的Robotaxi,在全球範圍內已經經歷了幾年的小規模試運營之後,今天真正能夠對其產生信任的消費者有多少?更不用提依賴。

今天其實很多自動駕駛場景專案,本質上都是一門由B端因成本問題而試圖變革驅動的生意,對於C端消費者而言,我的Taxi到底是不是Robo的?給超市送貨的大卡車有沒有司機?這對於最終體驗而言,幾乎是沒有什麼直接改善的。

即使是Robotaxi,最起碼在車內佈局幾乎沒有變化的今天,對打車出行的體驗改善,也並不是很大。

談擎說AI認為,如果技術無法在早期就直接給C端市場帶來體驗升級,那麼法規等硬性條件很大程度上給到技術的權利釋放,其實都會是比較有限的。

除開信任,在技術與人和諧相處的前提裡,自動駕駛還有一個非常難忽視的敏感點,那就是倫理問題。

不可否認,自動駕駛對我們的生活存在巨大價值,如果說今天大眾對自動駕駛的普遍認知可以達到:自動駕駛會出事故,但如果人人都用自動駕駛,我們整體的事故率還是會低下來。

那麼很顯然,自動駕駛普及的難度便會大大降低。

不過想要讓這種觀念深入人心,似乎不太可能。

畢竟若真如此,說得好聽些,每個機動車交通參與者便都成為了給自動駕駛做貢獻的一份子,但說得難聽點,大家也都成為了小白鼠,生命由自己把握和給機器把握,是有本質區別的。

更直觀地來講,對於駕車小白來說,相對安全的自動駕駛普及,會是一個福音,但對於幾十年不出事故的老司機來說,這顯然不是一層體驗優化,對於千千萬萬的貨車司機、快遞小哥們而言,亦是如此。

那麼在廣大老司機以及職業司機身後,其實就是導致自動駕駛難推進的一系列倫理問題,這裡主要有兩點,一是機器取代人力的就業問題。

這一點無需過多贅述,巨集觀上其實是好的,從社會面來看,職業司機職位消失,背後運維排程等技術崗位卻被創造了出來,不過短期看,推進起來總會有大大小小的阻力。

更重要的一點是, 今天人們對自動駕駛相關事故,輿論的關注度非常高,但包容度卻很低。

基於這一點,有兩個直觀例子,一個是賓士全球首發的L3級自動駕駛,要知道在L3限定條件下,如果出了事故責任就將會是系統的。

單從此訊息來看,這其實是整個自動駕駛發展歷程中一個質的突破,不過骨感的是現實,畢竟賓士L3在一系列限定條件下出了事故才會“背鍋”,比如光線條件好,時速要在60km以下,只有12800公里的限制使用區域等等,可謂把體驗拿捏得死死的。

另一個例子就是這兩天被爆料的, 特斯拉Autopilot在事故前一秒終止了對車輛的控制。

初得這一訊息,不禁讓人有些許不寒而慄的絕望感,但無論是賓士的L3“體驗卡”還是特斯拉深陷輿論的Autopilot退出事件,其實都不難理解:

巨大的倫理敏感性,導致輿論對技術失誤的低包容度,進一步使得法規保守,行業無法更明朗地對技術擔保,最終迴歸到了消費者對技術心裡沒底,使得技術一直僵在了小打小鬧的輔助駕駛和閉塞的路測惡性迴圈裡。

說白了,自動駕駛走到今天,既無法讓人基於百分百的安全對其產生信任,又無法讓人對技術產生依賴,繼而再有看起來無止境的倫理問題,這就導致其很難走出路測,這一落地議題上最煎熬的過渡區。

02 自動駕駛,如何贏得信任?

如何突破路測的瓶頸?從人的角度來看,自動駕駛首先要做的就是贏得消費者信任。

談擎說AI認為,基於對信任的破局,大致有三條比較明朗的路徑:

第一個,最穩妥,餅也是最大的,即用技術攀峰從而真實現百分百安全。

聽起來蕩氣迴腸又決絕,不過技術攀峰有多難?今天越來越多L4企業扎堆湧入輔助駕駛賽道,已經可以讓我們窺見一斑。

從技術層面來看,想要真正實現百分百安全的無人駕駛,車路協同大概率是繞不開的,悲觀地看,何時能夠實現,今天確實是難以預測的。

第二個,委曲求全,把一步到位的願景退而求其次。

既然自動駕駛在安全、信任及倫理等等問題上,今天仍得不到很好地處理,那L2這樣的“體驗卡”,自然就是一個很好地商業化方式。

就像是結婚,既然兩個人互不信任,索性還是先處著。

如果說十年前一步到位和委曲求全哪個才是正解,行業其實很難有一個精準的判斷,但今天我們已經可以確認,特斯拉在一定程度上已經戰勝了Waymo。

乘用車ADAS之於自動駕駛,本質上的差異在於,ADAS不是要去解決問題,而是最大化地避免問題,通過從剛需到體驗的降維,從而在安全、信任及倫理等問題面前繞道走。

不可否認,在ADAS市場上,“自動駕駛”還僅僅是一個可以錦上添花式的存在,其與自動駕駛的終極願景還有很大落差的。

不過瘦死的駱駝比馬大,就算是在乘用車場景裡做“技術降維”,這也已經是今天看來,賽道內最澎湃的一股力量了。

第三個,把安全議題分為量和程度兩個思考維度

信任問題的源頭歸根結底還是安全,但安全並不是自動駕駛路上一頭籠統的攔路虎。

談擎說AI認為, 自動駕駛關於安全還是可以有兩個劃分,一個是量,一個是程度。

舉個簡單的例子,鮮有人會因事故風險而不坐私家車,但不少人會因為擔心飛機不安全而堅決不坐飛機。

這其實就是量和程度的區別,乘用車的事故率比飛機高很多,但對人的傷害程度卻比飛機事故低得多。

人之常情告訴我們,大眾對前者往往包容度會更高,但對後者的包容度則很低,這樣的敏感點放到新技術上,同樣會更進一步放大。

到了這裡,我們進一步看一個例子,那就是關於自動駕駛落地問題很多人都在推崇的Robotruck。

對幹線物流場景的青睞者們認為,幹線物流路線相對封閉固定,基於今天的自動駕駛技術,Robotruck發生事故的概率“量”,會較不確定性更多的城市場景低很多。

但談擎說AI認為,把安全的“量”這一衡量標準優化,對於自動駕駛大規模普及而言,今天能夠起到的作用其實是極其有限的。

原因在於,儘管相對封閉,但幹線物流本質上還是要在非封閉的高速場景下參與交通,雖說可以把事故從量的層面壓低概率,但如果真的發生事故,基於卡車高速、大載重等特點,造成的後果從程度上來講,很可能是相當慘重的。

這似乎也就是為何早在2017年前後,基於業務成本驅動,阿里、京東等電商巨頭都風風火火入局L4幹線物流,被譽為“自動駕駛第一股”的圖森未來,天眼查APP資訊顯示,其中國公司北京圖森未來科技有限公司也早於2016年就已成立,這幾年一路高歌,但到了今天,大家的結果大抵和Robotaxi一樣,絕大多數還是困在路測裡。

不難發現,Robotaxi也好,Robotruck也罷,本質上兩者在做的事情沒有區別,想要實現都還是得去解決問題,而不是避免問題。

這也就意味著,在無法保證道路上沒有人這一要素參與,或者無法保證百分百能避免事故發生之前,Robotruck想讓法律法規真正放權大規模商業化,難度很可能並不會較Robotaxi小太多。

03 從“硬剛”到“避免”:L4寒冬裡的火絨

基於以上分析,談擎說AI認為, 如果有場景可以把跟安全、信任及倫理等等問題正面剛,轉化為巧妙避免這些問題,其將會有望成為助力現階段自動駕駛破局的關鍵場景。

那麼除了乘用車ADAS,行業今天還可能有哪些機遇?

其實不難發現,符合“避免”要素的細分場景並非沒有,雖說前景可能沒有Robotaxi大,但較乘用車ADAS,卻有望讓相對原汁原味的L4或L5上車,以持續供養技術攀峰:

首先是非參與交通的封閉場景,如礦區、港口等等。

封閉場景無需過多贅述,就像是在工廠裡引進自動化器械,只要人的要素能夠完美摘除,剩下的其實就是相對單純的成本博弈。

比如無人礦車,雖說前景沒有乘用車市場大,但今天已有不少玩家在此聚集,沒有了道路法規約束,路測其實一定程度上就是實戰,這對於規模化應用而言,已經算是有了得天獨厚的優勢。

其次,是能把安全在“程度”方面拉低的一些交通參與場景,如無人環衛、無人配送。

其可行性的核心同封閉場景其實是相通的,封閉場景是摘除風險,無人配送等的核心優勢則是可以有效弱化風險。

接下來,我們不妨以前景和難度都更大,爭議也很高的無人配送場景為例,簡單分析一波。

這兩年無人配送熱度不低,外賣、電商等平臺都有很大的鬥志,但不看好無人配送的聲音也非常多。

因為客觀來看,無人配送在“上門”這一問題上今天確實走得不那麼順利,比方說配送車在樓下等候,會很大程度上犧牲消費者今天既有的上門送貨體驗,“航母”式放無人機等天馬行空的方案也多少有些架空現實,因此很多人認為不可行。

不過被很多人一棒子打死的上門問題,也不是沒有解法。

談擎說AI認為,無論是快遞還是外賣,在需要上樓、上門送貨等末端配送場景裡,其實均可參照今天的菜鳥驛站模式,由無人配送車將貨物分發到終端網點,從而用更少且可以攤薄成本的人力資源在終端驛站進行排程,滿足有上門送貨需求的客戶意願。

至於外賣場景,非標準化的取貨挑戰無人車如何攻破?今天仍有待探討。不過我們重點要說的還是上路後的安全,這是一切自動駕駛場景想要落地的前提。

談擎說AI認為, 之所以說無人配送落地有更快的可能性,就是因為其最大的優勢在於運力終端有著低速、體積小這些特點,使得物理撞擊“程度”風險更低,演算法遇到極端情況的概率也會更低。

基於理論上的可行性,我們不妨覆盤一下近期無人配送的相關事故,這一年裡,美團無人車給我們貢獻了兩個較火的案例,一是同私家車相撞,一是同公交車相撞。

從結果來看也是如此,雖然均為直接碰撞,但事故最終結果都相對較輕微,也算是一定程度上印證了其“程度”方面的安全性。

但儘管如此,兩則事故還是把無人配送一時間裡推向了風口浪尖。究其原因,談擎說AI認為,其中很大的一個爭議點在於, 無人配送車給其他參與交通的主流機動車添加了額外風險因素。

儘管無人配送車可以低速,小體積,甚至後續還能在外部給車武裝上氣囊,把直接碰撞的致傷風險最大化降低,但比如因A車輛對無人車進行閃避,撞到了B車輛,安全風險便會再度不可控。

雖然囿於技術,今天任何有一定規模的自動駕駛專案都還無法保證百分百零事故,但最起碼在比如降低事故程度這樣的安全規避的思路上,今天已經有了些許可能性。

這樣的可能性在僵局面前,也許就是冬夜裡的一簇火絨。