阿里无人驾驶之路的机与危
大事件 2018/10/10

够枯燥,也够现实。

坐在云栖大会车路协同分论坛的场子里,看着代表政府、技术公司、学术研究以及车厂和零部件供应商的四界专家轮番上场「畅想智能出行美好未来」,偶尔给自己的产品做一下广告,顺便再蹦出一些晦涩难懂的英文缩略语…

这时我们愈发认同哥伦比亚大学人工智能实验室主任利普森教授在参加完一场 V2X(解释这个词的意思)研讨会后总结出的参会「技巧」——「当觉得研究会议无聊时,应该迅速抽身止损,坐车回家。」

事实上,这场会并不是无意义的,因为关于「车路协同」的话题讨论从来都没有让人「兴高采烈」过。

车路协同,在解决方案上被称为 V2X(Vehicle to X),包括车对车(V2V),车对路/基础设施(V2I),车对云(V2N),以及车对人(V2P)

某种程度上,由于各方参与者身份的多样性及工程的复杂性远远超过想象,车路协同的实现难度甚至比造一辆 L4 级无人车的难度还要大,至少比造一辆特斯拉难多了。

换句话说,当商业产品与交通基础设施发生了业务碰撞,就变得异常严肃和不那么性感了。

譬如,在我们向一些无人驾驶公司与车联网软件公司提及「车路协同」这个概念时,他们的第一反应往往是「这应该是政府牵头主导的事情」,或是「网络运营商是不是应该承担更多责任」。

甚至是——「为什么这个好几年的老掉牙的话题,又一次被重拾起来了?」

而重拾这个话题的,是阿里,一家互联网兼技术公司。

阿里的醉翁之意 

达摩院是阿里的「技术颜面」,发布的「产品」也多少带点技术范式的味道,「车路协同」便是其一。

实际上,这个概念一点也不新,因为你能在过去 80 年中从美国、欧洲及日本交通公路史上找到各种关于 V2X 与自动高速公路系统建设的「文明遗迹」;

而国内从 2005~2006 年开始就有类似概念陆续被提出(譬如「车路一体化」),并在 2011 以后成为学界的研究热点之一。

因此,善于「取巧」的阿里,主要是借助了这个概念做了三件事情:

无疑,王刚所带领的无人驾驶团队,主要集中于软件研发工作;而一直强调以开发消费级硬件产品为己任的人工智能实验室,也应该能认识到这大型硬件的量产难度与市场规模的局限性。

为何要这样做,也许我们能从阿里巴巴人工智能实验室负责人浅雪的一句话里找到重点:

「无人车 80 年过去都没大规模商业化,我们想了很长时间,觉得需要做一些新的尝试和改进。」

但新的尝试,并不是她后来所说的以及大多数创业公司都正在强调的「寻找落地场景」,而是基于结果导向性从后往前推导出商业方案:

1、既然 L5 级别的无人车水平死活也达不到,那让 L3 级别的车在路上达到 99% 的安全系数能不能实现?以及如何实现?

2、既然目标是商业化,是盈利,除了卖车和搞运营,还可以怎么赚钱,赚谁的钱,或者说谁的钱更好赚?

换句话说,成立实验室,只是告诉大众,实现车路协同,特别是涉及到基础设施的改造,仍然必须是一场由政府主导的交通大变革;

而智能感知基站与物流货车,则是向政府与产业客户兜售「肯德基套餐」的附属品。

小到以「车」为核心的无人驾驶软件系统、AliOS(汽车操作系统)、高德地图、云计算服务相结合的基础套餐;大到以「城市」为核心的「城市大脑」牌交通解决方案升级套餐(当然,现在两块业务是没有连通的),都为阿里大大提升了「无人驾驶」这块拼图从战略意义上升到商业价值的可能性。

而终极目的,直指数据。

所谓「单车视角」不如「车+感知基站的上帝全知视角」更快更全面地感知到路面异常情况,其实也可以这么理解:

单车采集到的数据量、数据类别以及数据质量,要远远逊色于车与路况信息打通后的数据。而反过来看,多样化数据对于单车自动驾驶软件与高精地图质量的进一步优化,也有重要的推动作用。

就像闵万里博士在讲述城市大脑平台落地到杭州交通系统的案例中,并没有着重强调数据的规模,而是集中在「数据打通的效果」上——

「数据没有全量,大家不要想着把所有的数据全部拿到,永远不会有这么一天。我们始终是在一个不完美的条件下进行局部的调整和妥协。

所以要怎样?把异构数据进行汇集、贯穿、打通并进行实时融合释放出来,能够解别人解不了的问题,始终秉持知行合一的理念。」

而王刚在接受采访时也曾透露,融合了十几种传感器的感知基站,除了摄像头,不排除可以纳入通信联网设备,与网络运营商进行深度合作;当然,也不排除把无人车上的部分传感器都融合到基站里。

这又是扮演了一个集成商与数据融合平台的角色?

「与百度相比,阿里做车路协同的出发点仍然是打造 5G 时代(高速移动通信网络)的物联网入口。」机器之心产业分析师认为,阿里做无人驾驶的商业目标与布局一直都很明确。

因此,车路协同的思路,更像是阿里把自己的云服务成功品牌案例进行了又一次「产业向移植」。

强大的产品联动性

没有任何证据显示,阿里无人驾驶团队的技术能力比许多专攻型创业公司要强;但是其各个产品线的联动与资源整合能力,却让很多公司羡慕不已。

深瞐科技的 CTO 王建辉就称赞「城市大脑」是一件了不起的事情——

「蛮厉害的,这需要有大量资源才能做这么大的事。阿里有高德的导航数据,支付宝淘宝千寻获取的定位数据,这些都是资源。很多时候并不是只有技术牛,就真的能做成。」

而在「车路协同」这件事上,阿里的资源优势再次发挥了作用。

除了达摩院 AI 芯片团队负责人骄旸曾明确表示正在与无人驾驶视觉算法团队进行密切合作外,有工程师也在云栖大会人工智能实验室的展位上向我们透露,无人驾驶团队正在使用的高精地图资源正是由高德提供。

当然,除了资源联动性,安防技术公司猎熊座 CEO 周伟认为,政府客户的鼎力支持是打通数据的另一项关键。

「他们的『城市大脑』得到了杭州市各级政府力挺,单一个县的采购就超过了 1 个亿。」

而据阿里官方资料显示,阿里云 ET 城市大脑在杭州、衢州、乌镇、苏州、重庆、澳门、吉隆坡等全球 11 个城市先后落地。而在最近,阿里云又拿下了海南海口市的城市大脑 2018 年示范项目,进账 4 个多亿。

此外,基于阿里云,阿里车路协同在推广「云控」(也就是车与云,V2N)服务层面的优势也显而易见。

「车云主要走运营商的移动通信,所以通信距离是没有限制的,」无人驾驶卡车公司图森科技的智能网联研发总经理李文锐博士认为,要做多大的云,主要看云平台的能力。

但是,做云端调度,还是要看具体需求和平台功能的复杂度:

「譬如图森的车队在港口需要接受港口云平台的调度,在城市需要城市云平台的调度,但这两个平台的具体功能不一样,不能单单只凭借覆盖规模大小来评判。」

而另一家无人驾驶创业技术公司 Cowa 在测试无人洒扫车队的过程中,就明显感受到单车运营与车队运营之间,数据传输的并发量有着明显差距:

「我们会通过云端派发任务,进行远程监测,收集位置、路线信息和一些清扫数据。但是为了确保多辆车的调度效率与实时接管,就会涉及到并发量的问题,那么就必须要把整个系统峰值设计地比较高。当然,也需要更快的通信网络。」

因此,如果以城市为基础来布局实现车路协同所需的存储、计算与分析服务,那么将需要一个非常庞大的系统,以及稳定且高效的云端架构运算能力和处理能力。

当然,这肯定需要接入你的我的和他的数据。

「阿里的策略和优势是对解决方案,或者说是『套餐』,通过大量数据的整合进行快速落地,继而进行模块化复制,再加上云服务的各项能力,对接下来各种性质方案的输出有着很好的示范作用。」一位做车联网的不具名人士表示。

「但是,这不意味着他们能在涉及到汽车产业的 V2X 领域里做到掌握主动权,因为包括政府、车企在内的不可控因素太多,甚至于跟阿里持同样想法的平行公司也有很多。而商业公司的数据其实是很难拿到的。」

车路协同的脆弱性

在云栖大会车路协同这场论坛上,车企代表、技术公司、学术圈人士看似立场一致,但实际上是「貌合神离」。

因为更多时候,他们喜欢将话题集中在「实现车路协同带来的种种好处」上,而不是聚焦在「如何去实现车路协同」。

譬如,我们都知道如果实现车路协同,将比把所有市面上的车都换掉要节省一大笔钱,出行将更有效率,交通将不再拥堵,每年可以挽救成千上万条生命……

但是,每家公司,特别是阿里应该扮演的角色应该是什么?除了通讯标准,车企以及各种零部件产品需要为车路协同做出怎样的改变?

以上问题均未提及。因为车路协同重在「协同」,车无疑是市场的掌控权更大,但「路」却几乎取决于政府的行为。

「如果政府在『路先行』的基础上做了,那车肯定是会积极配合去做的。」国家 863 计划主题项目「智能车路协同关键技术研究」的首席专家姚丹亚教授认为,如果鸡和蛋的诞生一定要有个先后次序,那么「路」一定要先有。

然而,要在中国实现「车路」的统一,长跑的「第一圈」难度甚至比美国要大。

在美国,无人驾驶汽车的命运掌控在美国交通运输部(DOT)手里,其有两个关键的分支机构——美国高速公路安全协会与联邦公路管理局。根据美国于 50 年前就出台的相关交通法规,DOT 及其分支有权强制所有州政府与汽车公司遵守其发布的联邦法令。

「但是在国内,路归交通部管,中国的车归工信部管,下面两个分支一个叫装备司,管汽车,一个叫电子司,管通讯;我们的交通秩序归公安部管。」姚丹亚解释了在中国搞「协同」的管理架构难度,因为这直接影响到车路协同(V2X)技术标准的确立。

「做到『协同』,你首先就要在统一的技术标准下做,没有统一的标准是做不成的。但这需要由政府来加快推进。」

通讯标准尚未统一,这是在推广 V2X 实施过程中争议最大,也是最「致命」的困境之一。

更通俗点说,要想让车与车,车与路之间达到不障碍交流,至少「连接术语」和「脑回路」应该是统一的,否则频段不一致,数据传输标准不一致,一个国家内的车路数据共享出现地域或品牌限制,那么所做的一切也就毫无意义。

如果你在网上搜索 V2X 的标准问题,几乎半数文章都在讲述「DSRC 与 LTE-V 之争」(这里就不做多赘述了)。积极推动这两大技术路线的是来自车企与网络运营商巨头的多个利益阵营。

然而,即便美国政府花费 20 年时间积极推广 V2X 系统,建设专用基础设施,甚至不惜想通过立法强制所有新车安装 V2X,迄今为止,这项项目也没有搞起来。

「这不是一个简单的标准,而是一个非常复杂且庞大的标准体系,」一位来自斑马智行的业内人士表示,即便底层统一了标准,应用层也可以「各自为政」。

「除了物理层,数据链路层、网络层、传输与安全层,应用层以及系统应用等等都需要标准,两种技术路线在很多层的标准其实都是有交叉的,此外很多标准也尚待确立和完善。」

2017 年 9 月,中国智能网联汽车产业创新联盟曾牵头与通用、长安等车企共同制定了一份号称是国内首份的 V2X 应用层团体标准,虽然被工信部重大专项课题采纳,但其研究和探索意义要远大于实际商用意义,也不具备法律效益,在真正推广和落地层面难度仍然很大。

因此,相对应的,阿里与交通部公路科学研究院共同成立车路协同联合实验室,可能起到的更多是「面向政府和业界的呼吁作用」,虽不可否认从科研角度有重要价值,但其真正在「路」这个维度能做出的东西,委实有限。

 

「抱团」还是「旁观」?

当然,除了「标准」这个需要政府强势介入的问题,联盟作用与整个产业链上下游企业的态度也非常关键。

由于 V2X 这个话题的焦点一直集中于「通讯标准的确立」,电力公司、网络运营商与车企在其间一直扮演着重要角色,甚至在主导着车路协同技术的发展。

与此同时,在大多人的印象中,「似乎只有 5G 时代来了,那么才能实现车与路,车与车的真正交互」。

而这些话语权颇重的电信与制造业大佬们,往往采取建立联盟的形式来达到某一目的。

譬如,囊括了奥迪、宝马、戴姆勒、高通、中国联通、中国移动等相关产业巨头的 5GAA 联盟,就是一个跨通信和汽车产业合作的全球性产业联盟组织,而目的只有一个——推广 Cellular-V2X 解决方案。

当然,还有以「在欧洲地区部署自动驾驶」为使命的欧洲汽车电信联盟 EATA,也代表着 6 家协会与 38 家相关巨头企业的利益。

然而,与这群人形成鲜明对比的,是过去十几年来自无人驾驶技术界的「嘲讽」。

在美国,人工智能及机器人的学术界与产业界在这个话题上竟少见地站到了同一阵营——除了不满与抵触情绪,这个话题似乎也有损他们的「技术颜面」。

譬如无人驾驶技术领域毋庸置疑的领袖级公司——Waymo(谷歌无人车项目)的现任 CEO John Krafcik 就曾在 2016 年一次汽车论坛上「直率而又不失礼貌」地表达了对 V2X 的拒绝态度:

「虽然我们挺喜欢 V2X 或 V2V 的这些想法,这对我们很有帮助。但是如果你依赖 V2X,你就不可能拥有一辆真正的自动驾驶汽车。」

「要等待的时间太长了,我们真的不依赖外部基础设施来让车完成『周游世界』的使命。」

困难的一方面也许是漫长的基础设施部署周期,但另一方面,则是有多少车能够或者愿意参与到这场庞大的基础设施改造中?这直接关系着车路协同的最终真实效果。

「毕竟大多在路上行驶的车各种各样,部署难度极大。

即便有 20% 的车安装了相关软件,那么也只有这些车能够相互交互。实际上,V2X 需要依赖大多数车才能起作用。」

普林斯顿大学机器人研究教授 Alain Kornhauser 是 V2X 安装反对者中的代表人物:

「至少要超过一半,我们才能真正受益于这项技术。而美国政府让所有新车安装 V2X,简直是杯水车薪。」

举个例子,2018 年上半年我国的汽车保有量为 2.29 亿辆,新注册登记汽车达 1381 万辆。很显然,即便前提是新登记车辆都是新车且安装了合适的软件,对于仅 V2V(车与车)这一方面想实现的效果,在几年甚至十几年内都不可能实现。

这里,其实又涉及到了那个著名的「鸡生蛋还是蛋生鸡」的问题,而来自自动驾驶技术界的一个重要观点是——只有当道路上行驶的每一辆车自动化后,车联网才有意义。

因此,国内外很多相关的技术创业公司都将力气集中于某一垂直场景或局限地域内。对于在这样的限定条件下,认为不一定非要让路变得足够智能。

「美国对于 V2X 如此鲜明的对立态度,可能还在于研发经费的竞争。毕竟国家在一个方向上投入过多,关于车的升级就会被冷落。而一些车企显然希望能够通过道路的优化,来抵消产品技术层面的缺陷。」一位不愿具名的无人驾驶创业人士提出了自己的观点,

「车路协同是有意义的,但是所有公司都应该各司其职吧。做无人车技术的公司,在恶劣的环境下提升技术与车的可靠性反而是件好事。」

那边是「路」的阵营,这边是「车」的阵营,而阿里所担当的角色,则让我们困惑不已。

一方面,阿里在研发自己的自动驾驶软件和物流车,另一方面,这家公司又在「路」上有自己的商业野心。譬如其发布的据称融合多种传感器的道路感知基站,也许会在未来嵌入高速通信芯片。

而作为一家技术参与者,他在车路协同上的话语权令人存疑——电信运营商与汽车巨头的地位不可撼动。对于车路协同来说,要形成商业产业链条,各个集团的联动性反而比技术更加重要。

而很多案例告诉我们,车路协同技术的一些实地测试和运营规划,几乎都是政府、通讯设备制造商以及车企联动示范的,很少看到互联网公司和技术公司的身影。

而另一方面,阿里也与大量同类技术公司存在竞争关系。

拿百度来说,在阿里发布车路协同新闻的第二天,百度也顺势宣布开源自己车路协同技术。但实际从商业层面来看,两家都是想面向政府和产业提供基于云的存储及数据分析服务。

这一块业务在很大程度上是重合的。

而阿里也比较聪明,从来没提过建立所谓的联盟(实际上车路协同技术圈内没有什么表态),除了呼吁,这家公司妥妥地在借「车路协同」概念来巧妙实现自己的技术研发与商业目标。

百度车路协同平台可以提供的 PAAS 层服务

此外,从内部来看,虽然阿里各个业务线的联动性很强,但也并非没有内部竞争关系的存在。

譬如,阿里达摩院人工智能实验室发布的无人驾驶物流车项目,就与菜鸟ET物流实验室的物流车产品在业务发展方向上定位重叠。

因为浅雪曾在论坛上表示,阿里正在构建全国最大的智能物流骨干网络,为智慧物流车快速提供应用场景。

虽然当被我们问及是否与菜鸟的产品形成竞争关系时,浅雪否认了这一说法。但一位菜鸟的不具名工程师却默认了这一说法。

「我们对场景更了解,存在的意义不同吧。」

显然,从技术研发(达摩院)到落地场景(各个业务线)之间的横沟,对于资源丰富的阿里来说,也是个亟待填补的问题。

虽然单车智能圈与车路协同圈一直都有分歧,甚至很多接受我们采访的无人驾驶技术创业公司表示「这与他们并没有很大的关系」,但无疑阿里等互联网巨头的陆续参与,应该给所有无人驾驶圈的公司们一些启发。

「如果能够实现车跟路之间的交互,肯定是一个更好的选择。这就等于我们能提前知道前方是红灯还是绿灯,就能更好地控制刹车,节油节电,提升运行效率。」Cowa 的 COO 刘力源表示,如果实现了车路之间的联动,那么「动能回收」都能做得到。

而作为实现单车智能的零部件供应商,激光雷达公司速腾则指出,车路协同与自动驾驶的激光雷达环境感知系统,对于无人车来说不是替代的关系,而是融合互补的关系,因为这些都是给自动驾驶设置的「安全冗余」。

但另一家激光雷达供应商——佳光科技提出了一个非常有意思的问题。

「既然有了智能的路,你们曾提出过无人车的等级会有变化,也许不用那么智能了。但对于我们生产无人车零部件的来说,譬如激光雷达,是不是 16 线或 32 线就足以胜任,甚至很多相关零部件会面临淘汰?」

虽然这个问题考虑地过于长远,但对于大多数技术公司们来说,他们更希望能够从车路协同中看到潜在的商业价值,或者说对推动现有业务有利的方面。

譬如有车队运营需求的 Cowa,就透露正在沟通加入国内的某个 5G 联盟,为未来做好准备,解决数据传输的延时性问题;而在做 L4 级泊车系统的禾多科技,表示在高速场景中其实系统很受延时的困扰,所以基本不会走云端控制:

「我们进行过大量测试,非常在意『延时性』这个问题,而这个究竟要靠 5G 来解决,还是靠云来解决,其实我们也不太清楚。」

实现车路协同的难度太大,大到连一个模糊的时间点都给不到。

曾在 2016 年有电信大佬言之凿凿的「两年就可以实现『车路协同』产业化」的预言,也从今年被意料之中地推迟到了 2020 年以后。

而因阿里强大的流量而再次被聚焦的「车路协同」,不可能因为几家互联网巨头的参与而取得突破性进展;

但是,即便实现不了「车路协同」,也应该完成对「产业协同」的尝试。用姚丹亚教授的一句话总结便是——后装带动前装,示范带动规模,路侧带动车载。

「为何一说到车路协同,就一定是通讯行业的事情呢?技术公司在哪里?主机厂以及技术提供商作为 V2X 行业的先行者,要做的不是去等政策等立法,而是要勇于承担,积极地做更深入的尝试,为标准、政策和法规的制定出谋划策。」

美国 20 多年的失败,遭到无人驾驶界大规模反对的情况,是由于那时的单车技术完全处于落后阶段。而当下无人驾驶汽车商业化进入瓶颈期,两手推进,似乎是一个不错的主意。

「在中国做这件事有中国的特色,各级执行力都特别强,在路上会下更多功夫。」

可能缺的,只是知识科普者与推手。

封面
活在底端
中国AI产业链中艰难生存的“人工”团队!
安静的先驱
他是微软联合创始人,他以安静和持久的方式创造了神奇的产品、经验和制度,并改变了世界!
蜜月过后
仅仅三个月后,恒大和FF的关系不仅光速恶化,而且还闹上了仲裁庭。
免责声明:本文采集自互联网,若有版权问题请联系我们进行处理
联系方式:system@shangyexinzhi.com
2000+知识点 7000+案例
商业新知助力数字化转型
下载