對話小馬智行:量產、商業化、路線之爭,聊聊自動駕駛的現在和未來

語言: CN / TW / HK

人工智慧正在加速變革,激動人心的技術突破不斷湧現,並正在改變甚至顛覆各行各業。我們應該如何看待人工智慧的現狀和未來?自動駕駛是當下最炙手可熱的 AI 技術之一,也是業界和大眾期待最高的 AI 落地場景之一。過去一年來,自動駕駛有哪些重要的進展,2022 年又有哪些發展趨勢?

12 月 29 日,小馬智行北京研發中心副總經理、硬體研發負責人李林濤做客 InfoQ 影片號,對 AI&自動駕駛的發展趨勢做了最新的解讀,探討人工智慧和自動駕駛領域面臨的挑戰、取得的成果和未來展望。

以下根據直播內容整理,並作了不改變原意的刪減,完整內容可點選檢視 直播回放 影片。

2021,自動駕駛這一年

InfoQ:首先請您做一下自我介紹,您在小馬智行主要負責哪些工作?

李林濤:我是小馬智行北京研發中心副總經理,主要負責硬體研發相關工作,包括自研硬體模組研發、無人車的改裝,以及小規模量產的探索工作。

InfoQ:對於 2021 年整個自動駕駛行業,請您從技術創新和應用的角度評判行業過去這一年的發展。

李林濤:行業前幾年更多在做功能性的開發,比方說實現更好的無保護左轉,或者在一些複雜的人車混流的狀態下做到非常舒適的體驗。 這方面近年來也確實取得了非常大的進展,可以感受到自動駕駛相關的技術都有很大的提升。可以把這些理解為自動駕駛上半場的狀態。

InfoQ:現階段自動駕駛有哪些研發上的難點?

李林濤:隨著技術逐步進步,越來越多的場景可以很好地處理,但剩下的通常都是一些“硬骨頭”。處理這些問題的時候,要考慮路測成本和實際的演算法提升收益要怎麼計算,或者怎麼能夠更快的對這些關鍵的問題點進行大幅度的效能提升、功能提升。以前可能車在路上開了十公里就會碰到各種各樣的問題,因為我們的技術還不成熟,就只能一點一點地處理問題。

但現在隨著技術的發展,我們很有可能在路測中遇到的問題很少,要處理的更多是複雜的長尾場景。雖然計算晶片、感測器有一些成本下降,但這部分距離大規模商用還是存在一定距離的,需要整個行業一起推動和發展。

除此以外,軟體的複雜度伴隨著這幾年的技術進步,也在時時在提升。但是複雜性的提升會帶來可靠性的挑戰,當包含的邏輯越來越多, 我們怎麼樣證明演算法的可靠性、系統的可靠性,這也是非常大的挑戰。

InfoQ:這幾年業界有這樣一種說法,自動駕駛進入了下半場,您怎麼看?

李林濤:我們並不知道自動駕駛行業什麼時候是終局。

我理解的下半場是相對於技術的積累來講的,因為目前整個行業更多的把注意力集中在我們如何能夠把自動駕駛技術很好地落地,讓它更快造福於人類,帶來實際的便利。

目前的技術到完全的無人化還是存在一定距離的,但是有距離不代表目前無法實現商業化的落地,更關鍵的點是,大家如何去選取一些更合適的場景,找到一些足夠簡單,而且具備相應商業價值的切入點,這可能是大家通常所理解的下半場。

InfoQ:業界普遍覺得自動駕駛商業化落地挺難,到底是哪些因素制約了它的落地速度?

李林濤:最典型的,繞不開的是硬體的成本、證明高複雜度的軟體系統的可靠性和安全性,以及複雜的場景如何選擇和落地。

法律法規和社會方面,還存在自動駕駛相關的責任認定問題。從以前通過人類司機來保證整車的安全,過渡到以自動駕駛的技術提供商、服務商作為主要責任方進行背書,一方面要看技術提供方是否能夠接受,另一方面看社會公眾是否認同以及法律法規的完善推動。這些都需要隨著行業的發展,需要持續探索。

反過來也能看到很多正面的例子,特別難能可貴的是,國內政府在自動駕駛技術的推動上,是非常積極和支援的態度。我們也先後拿到了北京、廣州等城市的多張自動駕駛測試牌照。能看到政府也在不斷為推動行業的政策而努力。

當然要實現自動駕駛的規模化和商業化,無論是在乘用車領域還是在商用車領域,都需要技術的提供方、車輛平臺公司,以及適合我們的場景方通力合作,才能更快實現落地。

InfoQ:自動駕駛行業一直有漸進式和跨越式兩種路線的爭論,您是怎麼看待的?未來市場會是百花齊放,還是三足鼎立呢?

李林濤:漸進式是指,輔助駕駛逐步向上累加功能,讓車輛它自然而然逐步過渡到全自動駕駛的狀態,這裡邊的典型代表就是特斯拉。特斯拉目前大概能做到 L2 級別,他們也希望通過不斷收集資料,迭代提升,最終實現全無人駕駛。

另外一條路線是,先去儘可能實現無人駕駛的功能,暫時不考慮成本,不考慮商業化問題,這樣等到我們的技術證明可行,安全性得到了保證,獲得大家認可以後,再去考慮商業化落地相關的問題。典型的代表是之前的谷歌,也就是現在的 Waymo。

這兩條路線的爭議一直存在。

小馬智行的願景也是希望推動自動化長遠發展,讓這方面的技術逐步造福大眾。 自動駕駛技術一定是百花齊放的狀態 ,無論是哪種路線相爭,我們都希望能夠一起去推動技術的實現和落地的。

InfoQ :各家在落地的模式以及商業模式有什麼不同?

李林濤:具體到商業化的模式上來講,特斯拉銷售車輛需要考慮單車成本,需要客戶或者雙端使用者去承擔這部分成本,所以不能夠使用特別先進的感測器或者是非常高效能的算力平臺來實現這方面的功能,因此帶來的自動駕駛能力是受限的。

常見的狀態是,輔助駕駛功能會應用於停車場或者是高速公路等等相對結構化的道路、場景。這種情況下它就不會考慮一些極端的場景。但是對於一些極端場景,人類司機是否有能力去實現安全的接管,這一點始終是存在疑點的。這也是長期以來小馬智行不願意去通過這種漸進式的方式來做自動駕駛。

另外一條路線是無人駕駛的計程車 Robotaxi,也是小馬智行主要研發的方向。這方面我們會使用一些更強的硬體配置,一些更復雜的演算法,使自動駕駛技術應用於更多的場景,不僅僅侷限於停車場或高速公路,也會包括各種各樣的複雜城區道路。

但它的問題也是顯而易見的。我們如果使用更強的演算法和硬體,就會具備更高的成本,落地就會存在一定困難。一些複雜的功能和軟體也會存在認證問題,我們需要更合理的手段、更合適的方式去證明我們的這套系統是絕對安全和可靠的,這樣才能夠獲得公眾的認可,更快推向市場。

從這幾年小馬智行的技術發展來看, “多少公里去做一次人為監管“這個指標已經非常高了(人為接管次數之間的公里數越高,指技術穩定性越高),現在應該超過了大部分人類司機的駕駛能力。

當然在商業化方面,小馬智行目前也有非常多的進展。2021 年 11 月份我們拿到了北京市自動駕駛服務的商業化試點許可,現在我們在北京亦莊開發區約 60 平方公里的路段中可以開展商業化的試點服務。現在使用者可以用手機 APP Pony Pilot+可以像滴滴打車一樣打到我們的無人駕駛出租車 Robotaxi,使用人機互動系統去付費和獲得相應的出行服務。

InfoQ:您覺得未來幾年,自動駕駛市場的競爭會是特別激烈的狀態嗎?

李林濤:這幾年整個自動駕駛行業確實出現了非常多的參與者。更多還是看大家如何在行業裡面共同做出貢獻,共同實現技術, 但至於誰更優、誰更劣,還是有待長期觀察,目前階段可能很難得出結論。

InfoQ:資料對於發展自動駕駛是非常重要的,但是現在 RoboTaxi 落地規模還比較小,大多數的自動駕駛公司還是在小範圍測試階段。在這種情況下,怎麼能夠收集到足夠多的資料,或者說能夠比友商收集到更多資料?

李林濤:首先自動駕駛還處在小範圍測試的階段”不是特別準確的說法。以小馬智行為例,目前我們是在北上廣深以及美國都有自動駕駛車輛的佈局,這方面有非常大範圍的測試。

就資料來講,資料的關鍵更多在於資訊量,而不是在於資料的多少。資料是否足夠豐富,能夠覆蓋更多的場景,能夠更好反哺技術的進步,可能是更關鍵的點。舉個例子,為什麼小馬智行會在多地區進行自動駕駛車隊的佈局?比方說我們會發現北京的路非常寬,能夠在北京的道路上看到很多特別大的十字路口,有眾多的車輛。這種場景在北京是比較常見的。

但是與此不同,我們在廣州測試的時候,會發現廣州有大量的摩托車存在,人車混流的情況非常多。我們的車需要處理的不光是車輛,還要在一些狹窄的道路里,跟摩托車、腳踏車、行人進行互動。

而美國就更不一樣,美國是地廣人稀的狀態,但車速非常高,這就對於我們整體的感知距離提出了更多的要求。這裡能看出資料更多在於資訊量是不是足夠大,足夠豐富,而不是說誰有更多的資料,就積累更多。

小馬智行成立到現在已經五年, 目前積累的自動駕駛里程已超過九百萬公里 ,相當於往返地球和月球十次,測試和運營相關的積累非常豐富。我們有一整套比較完整的資料收集、清洗、篩選、去舊的系統,可以保證在道路測試的過程中選取到最關鍵的點,最關鍵的資料,不至於讓一些無用的資料進入資料中心裡。

舉個典型的例子,以路測車輛為例,如果在十字路口出現了一次非常危險的接管行為,接管狀態就會直接被車上的系統捕捉到,它會對當前出問題的狀態前後(例如 30 秒)的時間進行資料的擷取,對這套資料做全量儲存。等到這些資料回到了資料中心,工程師會對這些有用的資料進行詳細的分析,去想辦法解決問題。這一段關鍵的資料會進入到內部場景庫裡,未來我們所有的軟體迭代都會對這塊進行模擬測試,保證不會在這塊出現問題。除此以外,對於一些沒有特色的場景,我們通常不會再做儲存或者處理,這樣也是比較經濟的選擇。

2022,自動駕駛技術和應用趨勢展望

InfoQ:自動駕駛確實很有發展前景,但是智慧道路的建設和普及還存在許多問題,結合目前火熱的邊緣計算和邊緣智慧的發展,您對未來自動駕駛在全國性的應用有何看法?

李林濤:車路協同、邊緣計算等等新的領域,這幾年有非常多的探索,是個很熱門的研究方向。我們能看到非常多的企業和機構在這方面做了一些佈局和相應的研究。

邊緣智慧結合 5G 的技術,它的一些好處也是顯而易見的,就是能夠降低單車端的壓力,這樣單車上面的硬體成本,或者是計算能力需求會降低。

同時邊緣感知的模組會有更好的感知能力,因為它能夠看到更遠的地方,獲取到更多的道路元素資料。它會有全域性的視角,包括當前狀態所有車輛所處的位置、紅綠燈的狀態等等一系列資料,所以它更容易實現全域性的優化,這些好處是比較容易理解的。

我們現在在車端所做的這些智慧化的探索和工作是必不可少的,單車智慧可以理解為整車最後的一道防線。如果邊緣計算、網路通訊在某路段或者街區的系統出現問題該怎麼辦?在這種情況下,我們至少得保證車能夠安全停下來,需要有獨立的一部分能夠去應對系統的失效或者網路安全的問題。

另外邊緣計算在基礎設施建設方面的成本也非常高昂。同樣的街區、路段,在高峰時段能夠看到的車輛和交通流,和它在低谷時段能夠看到的車輛和交通流差距非常大。但作為基礎設施,或者是在路段長期存在的邊緣計算模組,必須得考慮到,能夠在任何場景下都能應對足夠的交通或者計算需求,保證整體的智慧計算是實時的。可能所有的邊緣計算模組都要保持很高的併發處理能力,這方面就會給整個系統建設多出來額外的成本。這也是基礎設施建設需要考慮的問題。

邊緣智慧目前還處於探索階段,現在我們不太可能看到它在全國範圍內有大規模的部署,更多是區域性的試點,解決一些關鍵場景下的使用需求。 當然自動駕駛也是類似的狀態。從技術落地、商業化變現的角度來講,我們還是更希望能夠從點到面逐步推動技術的進步和實施,一點一點讓它的技術落地,給大家帶來收益,再去逐步鋪開。等到各方面的行業發展處於比較理想的狀態之後,再讓它大規模商業化應用。

InfoQ:小馬智行現在有在嘗試減少安全員參與駕駛過程嗎,什麼時候裁去掉安全員?從技術上看,距離實現無安全員、無遠端遙控的完全無人駕駛,還需要攻克哪些難點,大概還需要多長時間?

李林濤:我們質量安全的保障是在一步一步往前走的狀態。

回到三四年前,我們在做道路測試的時候,自動駕駛車輛裡會坐兩個人,一人坐在主駕位作為安全員司機,一人作為副駕位,類似於領航員,觀察道路中的狀態。如果和系統的反應不一致,需要及時反饋給安全員。

除此以外,在自動駕駛車輛的後方還會有保護車輛,因為當時發現大部分問題是與急剎相關的,後端需要做額外的保障。

但是 大概在兩三年之前,我們就已經把後端的安全車去掉了 。我們的技術進步到一定程度以後,急剎的問題已經非常少了,我們也有信心,車輛自己能夠應對這種場景。

大概在兩年前,我們也去掉了副駕位領航員,一方面是系統的穩定性足夠高,我們對感知方面的能力已經非常自信,不再需要副駕位的人關注紅綠燈的識別、道路上車輛的識別是否存在問題。此外,我們在人機互動的方面,特別是安全員和車輛的互動方面,也有一些聲光方面的設計,安全員可以通過一些語音提示,或者是聲光報警知道車輛的狀態。

2021 年 6 月,我們也宣佈完全無人駕駛車輛加入了廣州南沙的 Robotaxi 車隊,公眾是可以在道路上看到全無人狀態的無人車的。緊接著,非常感謝政府方面的政策支援,小馬智行獲頒 “北京市智慧網聯汽車政策先行區” 首批無人化道路測試許可,正式在北京開啟“主駕位無安全員”的自動駕駛無人化測試,成為首個在北京、廣州均獲得自動駕駛無人化測試許可的自動駕駛公司。

我們認為全無人駕駛更多是結果,不是目的。我們的目的是推動自動駕駛技術的發展,在過程中解決各種各樣的問題。當我們整體的系統體驗達到了非常好的狀態以後,它才能夠自然而然的實現無人化的狀態。

InfoQ:小馬智行預計,什麼時候能夠實現 L4 級自動駕駛乘用車和卡車的規模化量產?

李林濤:2021 年 2 月,我們宣佈最新一代的自動駕駛車輛從一套標準化產線正式下線,開啟了全天候自動駕駛的公開道路測試,也加入到了我們分佈在各地的 Robotaxi 車隊中做規模化的運營。

這是我們自動駕駛全裝量產的非常關鍵的一步。

因為這批車輛從設計、開發到產線生產、驗證,都經歷了非常嚴格的標準化流程。整個流程裡面大概涉及 40 多道工序、兩百多項質檢專案,儘可能保證整個系統的一致性。最終的效果,我們在這一代系統裡發現對比上一代在硬體穩定性方面大概有 30 倍到 50 倍提升的效果,非常顯著。

隨著這一套標準化產線的設定和加持,我們整個自動駕駛系統的生產效率和前一年相比大概能夠提升 6 倍,也是非常顯著的成果。這側面也能體現出小馬智行在硬體的自主研發、生產測試、供應鏈管理等等各方面的實力。

我們還是認為自動駕駛技術需要循序漸進的探索過程,無論是剛剛提到的這些硬體資源,產線的搭建,還是這些車輛的批量生產和驗證,都不斷地在做從 0 到 1 的突破,為以後推動整個自動駕駛的全裝量產積累一些寶貴的經驗。

雖然現在看起來距離大規模量產還有差距,但是往回看,它的速度和趨勢是非常喜人的。

大家很多時候會去關注量產或者是規模化指標,但量產和商業化也不完全是等價的,因為熟悉領域的人都知道,自動駕駛技術是希望能夠提升整個道路上的出行效率。如果未來自動駕駛車輛大規模普及,是不需要在路上駕駛這麼多車的。我們的個人車輛長期來說是處於嚴重過剩的狀態,很多都停在停車場裡面,所以我們可能沒法直接用現有的售賣車輛的規模來直接衡量自動駕駛的規模。

除此以外,對一些細分的場景可能我們做一些更小的量也是完全可以接受的,例如像港口、園區、學校裡面,我們用更小的量去做覆蓋也是能夠實現快速落地和商業化的。

InfoQ:根據您的判斷,2022 年,在自動駕駛方面,還有哪些技術點值得關注,會在明年取得較大的突破?

李林濤:首先硬體方面的進步是非常明顯的。現在感測器的技術在持續提升,有越來越多先進的感測器技術會出現。從之前的機械雷達,到半固態、全固態雷達和鐳射雷達都在積極湧現出來。

可以說自動駕駛的上游產業,像感測器產業是處在蓬勃、高速發展的狀態。我們可以期待未來能夠看到更加廉價的、整合度更高,能夠更適配車輛的一系列感測器方案出現。

除此以外,高算力的晶片也在逐步走向大規模商用。車輛平臺方向上,自動駕駛車輛要實現相應的功能,對車輛的底盤有非常多的要求。車輛至少要能夠支援線控技術,能夠通過電腦指令去控制它的執行機構。

目前線控技術在質量和普及率上也在逐步提升。以後純無人駕駛的車輛會去考慮底盤冗餘的設計,讓車輛有雙份的剎車、油門、方向等等設計,從最底層保證車輛在智行方面的安全,掃清自動駕駛技術的最後障礙。

我們還能看到量產車上有更多的落地嘗試。包括造車新勢力在自己的下一代車型上會搭載自動駕駛的功能和配置。他們更多會關注整體的體驗,怎麼樣能夠讓這些硬體方案更好地適配車型,讓它有足夠的美感,讓公眾能夠接受。所有這些都會影響到未來整個社會對於技術的判斷和接受度,這方面的一些探索嘗試對於技術長遠的發展也是至關重要的。

AI 的現在和未來

InfoQ:作為一名 AI 從業者,請您分享一下您對 AI 在過去這一年的發展情況的觀察總結。您覺得,哪些 AI 技術在 2021 年取得了比較大的進展和突破?

李林濤:首先計算晶片的計算能力大幅度提升的趨勢是非常明顯的,呈現出指數級上升的趨勢。有了計算能力的大幅度提升,才讓 AI 技術在各個領域的應用成為可能,讓深度學習應用有相應的算力支撐。

其次,與感知技術相關的感測器發展也非常迅速,包括攝像頭、鐳射雷達等方面。例如鐳射雷達成本和體積迅速下降,效能卻在快速提升。

InfoQ:您怎麼看待 2021 年 AI 技術在應用落地和商業化方面的進展?

李林濤:技術落地的難點包括效能無法滿足應用需求、成本不符合場景要求,以及商業模式走不通等。現在計算能力本身已經不是很大的瓶頸,但功耗和成本也是商業化必須要面對的問題。目前應用非常迅速的領域比較典型的是影片監控,說明在需求確定、成本合理的情況下 AI 可以快速落地。

類似 AI 在汽車場景中,新技術的成本可能就會偏高,所以落地就會有阻力。但行業也在大膽做一些探索,尋求差異化的落地機會。

InfoQ:您覺得 2022 年,在 AI 領域有哪些技術點是值得大家多多關注的?

李林濤: 我的第一反應能想到 5G、雲端方面的應用 。通訊技術是非常重要的基礎設施,5G 到現在也逐步走到了從量變向質變的轉折點。5G 能夠賦能很多雲端應用和技術,在 2B、2C 都有非常大的想象空間。5G 技術的普及會給車路協同帶來很大的幫助,但目前這方面整體還是處在區域性試點的狀態。

另外一個行業熱門是 VR,在商業模式方面非常有前景 ,是值得去關注的。未來,VR 的關注點同樣更多在於如何落地,行業公司如何保持頭部位置、建立合理壁壘。

機器人技術是另一個熱點。它涵蓋了自動駕駛技術,行業和公眾都在期待自動駕駛技術早日實現商業化落地和規模化量產。隨著這幾年特斯拉取得特別大的商業成功,它也給行業起到了非常好的引導使用者、帶動整個行業獲得認可的作用。

隨著公眾對於這塊技術的瞭解,整個汽車行業的評價標準也會有相應的變化。以前我們選車的時候更多關注內外裝飾、操控效能,但將來很多人也會考慮自動駕駛或者是輔助駕駛功能是否讓日常的出行更便捷。在細分場景也會有一些探索,包括相關技術在港口、礦山、園區、快遞的各種各樣的應用。

InfoQ:深度學習和人工智慧的快速發展,在現有深度神經網路需要用更短的時間、更低功耗完成計算,這就給深度學習計算晶片提出了更高的要求,基於國內外現狀,我國目前計算晶片問題應如何解決?

李林濤:半導體行業長期是我們國家被“卡脖子“的領域,之前在這方面的積累跟國外相比還是存在比較大的差距。這兩年需要用到高效能晶片的產業都會非常難受,因為全球供應鏈的原因,缺芯的問題給大家造成很大的困擾。

當然國內很多企業在這方面有很多顯著的成績和佈局,比如華為有一套自研晶片在手機端領域取得了非常大的成功。自動駕駛方面,地平線也生產了自研的晶片,能夠作為一些關鍵的計算核心應用到很多量產車輛中。

回到半導體工業,雖然說我們能夠自己研發出這一類的晶片,但從根本上看,無論是半導體材料還是相應的加工方面,我們是無法脫離國外而獨立存在的,這也是需要去承認的短板,需要包括企業和國家一起去努力推動和改善現狀。未來我們也希望在其他的方面有一些顛覆性的技術去實現彎道超車。

大咖說嘉賓介紹:

李林濤 Linatao Li ,現任小馬智行北京研發中心副總經理,硬體研發負責人。畢業於上海交通大學,目前負責 Pony.ai 硬體整體研發工作,曾負責國內第一輛無人駕駛汽車的硬體研發工作。