流浪地球2：无人驾驶技术给图恒宇带来的不是灾难，而是无限趋近完美的探索

来到golang学习网的大家，相信都是编程学习爱好者，希望在这里学习科技周边相关编程知识。下面本篇文章就来带大家聊聊《流浪地球2：无人驾驶技术给图恒宇带来的不是灾难，而是无限趋近完美的探索》，介绍一下，希望对大家的知识积累有所帮助，助力实战开发！

一场《流浪地球2》引发了人们对生命、对科技的大讨论和深度思考。汽车自动驾驶技术同样也要接受灵魂的拷问。

即便电影设定的时间已经到了2030年，图恒宇驾驶的高度自动驾驶（L4）等级的汽车也不幸发生了车祸，造成了妻子、女儿的死亡。这使人们对汽车自动驾驶能否发展到完全自动驾驶（L5）等级以及能否真正经受起现实的考验产生了种种顾虑与猜疑。

（图片来源：《流浪地球2》剧照）

自动驾驶考满分就能确保万无一失么？

人们期待着有一天能够实现无人驾驶，但人们对无人驾驶的忧虑与恐惧从未消除过。从英特尔中国研究院院长身份改做自动驾驶已有6年之久的驭势科技创始人吴甘沙把现在的自动驾驶技术和自动驾驶成熟度分别做了一个比喻：“如果说自动驾驶是场考试的话，现在的技术能考到98分或99分。这是第一个比喻。第二个比喻是，如果把自动驾驶技术成熟度和商业化看做是场马拉松的话，现在大概跑了三分之一。”

吴甘沙解释道：“我们可以把自动驾驶技术理解为是一个在无限题库里的考试。然而在无限题库里，你能考到99分，并不代表你离100分很近，在这个行业里我们有个90/10原理。就是貌似已经走完了90%的道路，但剩下10%的路仍需90%的时间和努力。也就是说从99分提升到100分是十分艰难的。”

“这是个定性的分析，如果从定量的角度去衡量，就拿业界领先的自动驾驶技术公司Waymo的数据来看，有一个重要指标叫接管里程MPI（miles per intervention，自动驾驶平均每次被人类接管的行驶里程间隔。注意，如果人不接管就会出现事故。）2018 年的数据应是每 1. 1 万英里有一次接管， 2019 年提升到了1. 3万英里， 2020年特别好，达到了2. 9万英里，这可能是疫情的原因路上的车比较少造成的，然而到了2021年成绩下降了，只有0. 8 万英里就有一次接管。”

而人类驾驶的情况呢？“美国司机的数据显示，每25万英里保险公司会出一次险。50万英里会出一次警。150万英里才有一次致伤的事故。9400万英里会出现一次致命的事故。“

“因此，如果要让自动驾驶比人类的表现提升20%，也就是1.1亿英里才出一次致命事故。要得到这样的统计学意义的显著性特征需要积累110亿英里的行驶数据。需要自动驾驶技术的汽车累计行驶110亿英里，如果撞死了不超过100人，才能表明达到了1.1亿英里才出一次致命事故的水平。”

但要拿到这样的证明，累计110亿英里对任何一家自动驾驶技术的公司都是难以实现的。因为如果这家公司有500辆车同时路测，也要开100年才能积累到自动驾驶行驶100亿英里的数据。即便MPI达标了，要证明你的技术比开车安全还是一个很难的事情。因此我的第二个比喻，是我们达到了99分的成绩，但如果是个马拉松我们也才走了三分之一的路程。

“悲观的人总是正确，乐观的人总能成功。”

无限题库的无人驾驶即便能考99分却永远无法考到100分，无人驾驶就永远无法商用了么？吴甘沙并不这么认为。他指出：”自动驾驶技术商用有三条路可以走。第一条无限题库，虽然无论怎样也考不了100分，但他旁边可以放个老师，随时纠错，这就是我们说得L2辅助驾驶。因为责任在司机，自动驾驶一出错老师就进行纠错。 “

“第二条路是固定题库。就是在园区内做的自动驾驶。这样可以进行充分的测试，确保每一次无人驾驶都能考100分，这也是《流浪地球2》中看到的无人驾驶的卡车运输弹药、帮助建造基地的情景。”

（图片来源：《流浪地球2》剧照）

“第三条路线是在开放空间里，还是无限题库，但他的运行速度比较低，车辆尺寸也比较小，允许他不考100分的巡逻、配送场景也可能实现商用。”

因此，从实用及商用情况看，第一种无限题库的商用，要达到L4等级或以上要等到十年、二十年才可能算能进入成熟阶段。如果是第二、第三种情况，在港口、码头这种场景下的工程机械现在已进入了商用化的程度。

单车智能与车路协同谁将胜出？

目前很多自动驾驶的公司采用的路线都是单车智能，而车路协同是另一条快速催熟自动驾驶商业化的路线。车路协同的优势是以“上帝视角”对全局进行把控，协调路上所有车辆，而非在单车视角下考虑与周围车辆“博弈”的问题。车路协同利用路端数据可以大幅简化单车自动驾驶的算法，甚至是减低车端算力要求和设备需求，同时真正实现大面积无人化驾驶以节省经济成本。

然而吴甘沙认为：“未来会以单车智能为主，车路协同为辅的方向发展。”

“因为车路协同中，单车智能代表着能力下限，缺乏单车智能，只靠车路协同是不现实的。车路协同不可能实现完全覆盖中国的每一条道路，车也不会像我们的4G、5G，每个人的手机都能用。其次，要让所有的车能利用车路协同也是非常难的一件事。因此车路协同不可能在全国实现100% 覆盖，预计未来2-3年内也只有 1% 车辆能够用到车路协同。“

“虽然车路协同不能完全覆盖，但在一些特定的区域，比如机场、码头或者特定的高速上还是可以实现。然而一项技术要大规模的应用一定要实现闭环：谁出钱，谁来运营，客户要有感知，客户要愿意买单。如果只是做一些试点，是没有办法大规模推广和应用的。”

“此外，车路协同比单车智能在出现事故时更难以进行责任认定。 如果是单车智能，只要解决车的问题基本也就解决了所有问题。但车路协同中间的环节会大幅增加，出错的原因认定就会变得更加复杂。”

自动驾驶技术真正的战场不在ToC而是ToB

现在很多人把目光都放在了ToC市场，然而自动驾驶的真正价值在ToB市场。吴甘沙表示：“现在大家能感知到的自动驾驶技术是用在乘用车、出租车，无人驾驶公交车，帮助人们从一个点抵达到另一个点。然而大量的自动驾驶技术的用武之地在物流。”

“从一个城市、一家企业来看，最主要的是以运送货物为主。城市中是干线物流支撑城市的运转。在企业里，从原材料和产品都需要物流的支撑，与资金流、信息流同等重要，绝大多数企业最终是要把自己制造/生产的实物产品交付给客户。”

“现在大家说的企业数字化转型，其本质是解决人的不确定性和低效的问题。人的不确定包括劳动力越来越贵、越来越稀缺，愿意做重复性劳动的人越来越少。即便是开车，司机的技术水平也是参差不齐，不同的人学习能力也不同，掌握技能的时间也就有长有短。人的情绪也会受到各种因素的影响。而自动驾驶技术很好地避免人的这些不确定因素。因此数字化后，就能拥有更加全面的智慧、更加高效的规划，确保企业生产的整个流程实现 Just in Time的完美状态。”

ToB自动驾驶应用市场广阔但面临三大困境

自动驾驶在ToB市场拥有广阔的市场前景。根据卡内基梅隆大学报告指出，带有智能驾驶功能的汽车，燃油经济性提升10%，自动化等级越高、节能效率越高。更具性价比：智能驾驶对人力成本较高的场景则意义重大，如卡车长途运输，每年每车可节省人力成本6~15万元。

然而缺乏标准、资金错配、缺少场景化的解决方案是市场面临的三大困境。吴甘沙指出：“首先是缺乏标准。没有统一的标准，好的技术和坏技术一起竞争，一味地以低价竞争，就造成市场上劣币驱逐良币的现象发生。缺乏标准也不利于客户的选型，阻碍了企业采用新技术创新动力。”

“第二，补贴资金的错配。当前地方政府鼓励企业创新，利用财政补贴企业，这是一个很好的政策，然而政府也担心有的自动驾驶企业进行骗补。采取后置型的补贴，将补贴发给采用自动驾驶新技术的用户要比直接把补贴发给自动驾驶技术的提供方要好。这样能鼓励更多的企业去尝试新技术，利用自动驾驶技术推动他们的转型升级，同时这也对新技术的推广起到积极的推动作用。”

最后是缺乏场景化的解决方案。吴甘沙认为：“无人驾驶技术并不是一个产品，而是解决方案的一部分，是数字化物流的一部分。这需要行业协会、头部企业、无人驾驶技术提供方共同努力，提供适合企业真实应用场景的解决方案，为他们的物流问题给出切实有效的落地方案。”

即便图YY只有2分钟的自主意识，图恒宇也会尽一切可能，让女儿在数字世界能够拥有完整的一生。能考到99分的自动驾驶技术即便是一场无尽的马拉松，同样会让无数严谨、坚定的科技、工程人员不断探索、完善，虽不能完美但他们在无限逼近完美。

今天带大家了解了的相关知识，希望对你有所帮助；关于科技周边的技术知识我们会一点点深入介绍，欢迎大家关注golang学习网公众号，一起学习编程~