2005年10月8日,美国加利福尼亚州,莫哈韦沙漠。
伴随着一辆蓝色的大众途锐R5缓缓开过终点线,现场的掌声、尖叫声、喝彩声,此起彼伏。主持人也在激动地说,这是第一辆完成DARPA(美国国防部高级研究计划局)无人驾驶 [1] 挑战赛的汽车,它是“斯坦利”,来自斯坦福大学。
斯坦利团队的领袖塞巴斯蒂安·特伦挥舞双拳,然后和团队成员麦克·蒙特梅洛、亨德里克·达尔坎普、大卫·斯塔文斯等紧紧拥抱。而在离他不远的地方,来自卡内基梅隆大学的克里斯·厄姆森还在不断地摇头,对于这场失败他难以接受。他已经打出了最好的牌,派出了H1ghlander和“沙暴”双保险,并且H1ghlander在前半程一直保持领先优势,在后半程也长时间和斯坦利形成胶着的状态,但是在最后的1/3赛段被斯坦利超过,之后再也没有实现超越。
在厄姆森身后的,是他的导师威廉·惠特克,他走上前去拍了拍他的肩膀,拉着他一起朝特伦走去。特伦转身看到厄姆森和惠特克,也朝他们快步走来,拉着厄姆森的手和他紧紧拥抱。
三年之后的2008年10月,这两位老对手一起坐在特伦在加利福尼亚州太浩湖的度假屋里。在座的还有达尔坎普、厄姆森参加DARPA无人驾驶挑战赛时的左膀右臂布莱恩·萨尔斯基,以及曾经参加DARPA无人驾驶挑战赛的、来自加州大学伯克利分校的安东尼·莱万多夫斯基。
寒暄后不久,特伦问厄姆森,是否可以加入这个新的团队。厄姆森沉思了很久,然后点点头。
时间又过去了7年,2015年10月20日,在美国得克萨斯州的奥斯汀,一辆形似豆荚的汽车缓缓开上了街头。在城市中心穿过之后,汽车在公园旁的路边停了下来,车上的一位老人走下汽车,对着等候多时的谷歌无人驾驶团队的工作人员说,我是盲人,现在,不是我在驾驶车辆,而是车辆在自动行驶!
这一刻,距离时任DARPA主任的托尼·特瑟提出举办无人驾驶挑战赛的构想,已经过去了12年。2003年,美国国防部对于美国国防承包商开发自动驾驶技术,以减少美军在阿富汗和伊拉克的伤亡的研究进展非常不满,希望特瑟提出新方案。
特瑟觉得高校和研究机构应该有富有创意的年轻人,可以加快自动驾驶技术的研究进程。而且他想起在斯坦福大学曾经看到的“斯坦福推车”(Stanford Cart),从詹姆斯·亚当斯、汉斯·莫拉维克,到塞巴斯蒂安·特伦,斯坦福大学对于移动机器人的研究已经在理论研究和实践中取得了成果,而且斯坦福大学的研究者已经做出了可以自动行走的机器人Shakey,并总结归纳出了后来很长时间自动驾驶关键技术的运行逻辑:“环境感知”—“规划决策”—“执行控制”。
让我们回到2005年在莫哈韦沙漠的现场。在特伦和厄姆森紧紧拥抱的时候,边上庆祝的人群中,有一个人在思索,似乎想做出什么决定。几个月之前,他敲响了特伦的办公室的门,自我介绍说,他叫拉里·佩奇,谷歌的联合创始人。在那个夏日的斯坦福校园,佩奇对特伦说,他想知道无人驾驶的技术是否能应用,多久可以应用。
2007年,佩奇邀请特伦加入谷歌,不久之后,谷歌正式推出街景项目。两年之后的2009年1月17日,经过特伦在太浩湖的邀请,谷歌群英汇聚,“车伕”(Chauffeur)项目正式启动。佩奇和谷歌的另一位联合创始人谢尔盖·布林,为车伕团队设计了10条总里程约1000英里(相当于1609公里)的颇具挑战性线路,并且希望团队在两年之内可以完成。
距离两年期限还有三个月的时候,车伕团队完成了挑战。特伦在他位于旧金山湾区洛斯阿尔托斯山的家中,和团队一起举行了派对。“速度快得令人难以置信”,特伦刚刚说完,就被一旁的厄姆森和莱万多夫斯基,还有萨尔斯基扔进了游泳池。
多年之后,不知道厄姆森和莱万多夫斯基是否还会想起当年的这一幕。在特伦淡出车伕项目之后,两人明争暗斗,使得车伕团队陷入了权力斗争的危机之中。2015年9月,谷歌宣布,聘请约翰·克拉富西克担任谷歌无人驾驶团队的负责人。在和底特律的汽车行业巨头们交手几次之后,佩奇选择了兼有汽车行业和科技行业管理经验的克拉富西克来掌舵,推进无人驾驶技术的商业化。
就在60多年前的1957年9月,罗伯特·诺依斯、戈登·摩尔等8人向1956年诺贝尔物理学奖获得者、晶体管的发明人——威廉·肖克利递交了辞职信,至此开始了“八叛逆”与仙童半导体的传奇,并至此奠定了之后硅谷的模式。但是这一幕似乎如同诅咒,这一次降临到了谷歌的无人驾驶团队身上。
克拉富西克到任后,厄姆森和莱万多夫斯基双双离开,之后戴夫·弗格森和朱佳俊离开并创办了Nuro,布莱恩·萨尔斯基出走并创办了Argo AI……莱万多夫斯基之后加入优步成为其无人驾驶团队的负责人,至此拉开了谷歌和优步长达三年时间的诉讼,最终双方达成和解,莱万多夫斯基因为盗窃商业机密,锒铛入狱。
就在群雄在硅谷乱战的时候,在2011年萌芽于硅谷的百度美国研究院,年轻的华人精英们也开始了对自动驾驶的探索。彭军成为百度美国研究院的第一位员工;余凯协助李彦宏在北京设立了深度学习实验室,推动自动驾驶在百度的发展;之后韩旭放弃美国密苏里大学的教职,加盟百度美国研究院;在2014年,吴恩达加盟百度;再后来,2017年,陆奇加盟百度……一时间风起云涌,华人的科技精英集结。
但是如同发生在硅谷谷歌无人驾驶团队的故事一样,伴随陆奇的加盟及其之后一系列大刀阔斧的改革,王劲、吴恩达、韩旭等百度无人驾驶早期团队的核心力量纷纷离开。在此之前,余凯、彭军、楼天城等,已经离开百度选择创业。在大刀阔斧改革了1年4个月之后,陆奇也离开了百度。风雨飘摇之中,百度的“老人”李震宇选择坚守至今。
而离开的曾经的百度精英们,也将自动驾驶的种子在中国播下,使之萌芽。地平线、文远知行、小马智行,包括从出行领域进入自动驾驶领域的滴滴,共同组成了后来在全球自动驾驶领域内受人尊敬的中国力量。从硅谷的萌芽起步,10年的时间,中国的自动驾驶军团成建制地出现,和硅谷的领先科技公司一起,竞合于山巅。
现代技术史学家托马斯·休斯在他1983年出版的名著《电力网络:1880—1930年西方社会的电气化》中提出了“反向凸角”的概念,意指在技术系统发展的过程中,关键构件发展的滞后将对整体发展形成阻碍。后来的研究者继续发展其学说,认为这个阻碍会引起参与者们的关注,从而导致所有的努力都会往那里集中。
从“斯坦福推车”到DARPA无人驾驶挑战赛,再到硅谷对于自动驾驶的研究,在自动驾驶的早期发展过程中,“反向凸角”就是算法。随着人工智能以及深度学习的逐步完善,算法的突破成为自动驾驶技术的起飞点。就如查尔斯·汉迪在2016年出版的《第二曲线:跨越“S型曲线”的二次增长》中提到的,技术演化通常要经历四个阶段(技术出现、快速增长、缓慢增长、技术极限,呈现出S形的曲线),自动驾驶的探索者们不断致力于算法的演化和精进,算法展现出日新月异的澎湃之态。也是在此期间,像极了19世纪40年代中期英国对于铁路的狂热,投资疯狂涌入自动驾驶领域,在塑造新的投资范式和商业模式的同时,也在考验着人性,从而在硅谷以及后来在全球自动驾驶领域上演了太多充满江湖恩怨情仇的故事。
但是,随着时间的推移,早期的狂热复归于平静,之前充满热情和期待的投资者开始逐渐变得焦躁不安,他们都提出了相同的问题——自动驾驶汽车何时可以大规模驶上路面,并且产生商业价值?即使对于技术发展充满热情的佩奇,也在谷歌财务官露丝·波拉特的劝说下,开始考虑谷歌内部研究的商业化。最后,他望着特伦、厄姆森和莱万多夫斯基,依然把电话打给了克拉富西克。
早在2010年10月,当马尔科夫在《纽约时报》第一次报道谷歌“车伕”项目的无人驾驶测试时,通用、宝马和丰田等12家汽车制造商组成的美国汽车制造商联盟就发表声明,反对谷歌用非预期的方式对汽车进行改装。之后厄姆森和莱万多夫斯基多次前往底特律,接触各大汽车制造商、配套零部件的一级供应商,但总是感觉和底特律的汽车人谈不到一起。曾经担任通用汽车副总裁,后来在谷歌担任顾问的劳伦斯·伯恩斯在《自动时代:无人驾驶重塑世界》这本书中也提到说,他认为自动驾驶技术在安全性、效率、汽车对环境的影响方面非常具有变革性,底特律正确的做法是尽快接纳,但是底特律唯一做的事情却是批评这项努力。
但是,拥有百年历史的汽车行业在碳达峰、碳中和以及数字化转型的巨大洪流下,的确在面临着对于汽车——这项工业革命最伟大作品——基石假设的颠覆与重构。以特斯拉以及作为中国造车新势力的理想、蔚来、小鹏等为代表的电动汽车生产商,以富有科技感的体验以及新的营销打法,切入壁垒森严的汽车行业;优步和滴滴在全球的狂飙突进刷新了人们对于汽车使用的传统思维,一度震撼了汽车终端的销售形态;而自动驾驶成为汽车行业被动或主动寻求改变的最后一把令人痛苦的推动力。
2016年和2017年,在全球竞争中显出明显疲态甚至在捍卫美国本土市场时都遭到狙击的、底特律汽车产业曾经的荣耀——通用汽车和福特汽车,以两个10亿美元的收购,吹响了反击的号角。之后大众、宝马、奔驰、沃尔沃、丰田等众多传统的汽车企业纷纷走上前台,或强强联手,或千金求马,试图攻克自动驾驶堡垒,加快汽车行业的转型。
复杂性科学的奠基人、圣塔菲研究所外聘教授布莱恩·阿瑟在2009年出版的巨著《技术的本质:技术是什么,它是如何净化的》中提到:“即将到来的新技术不是仅仅打破静态,比如说发现比我们现在用的产品或方法更好的新的组合,它需要一系列安置新技术的条件,并解决由此产生的另外一些新问题。”
当科技公司的年轻极客们原本以为,通过算法的优化就可以在短时间内彻底颠覆拥有百年历史的汽车行业,但是现实却给了他们重重一击。在Waymo位于底特律霍尔布鲁克的全球第一个完全为L4级以上级别自动驾驶汽车的改造工厂落成后,工程师们抱怨说,一条电线的错放,就可以让工程师们白忙活几天,依靠现在的工艺,自助驾驶汽车还无法进行批量化的改装并保证一致性和可靠性。
在汽车的零部件领域,现有的摄像头、毫米波雷达和超声波雷达,都有着各自的优劣势,但是都无法达到自动驾驶对于感知的要求。由此,激光雷达伴随着自动驾驶而快速发展。但由于其一般需要搭配其他传感器,由此产生了多传感器融合的问题。
伴随传感器数量的成倍提升,自动驾驶汽车相比较于传统的汽车,其产生的数据量呈现出几何级别的增长,传统的电子控制单元
、传感器和通用CPU芯片已经难以适应自动驾驶的计算需求,于是,GPU(Graphics Processing Unit,图形处理器),包括后来的FPGA(现场可编程门阵列)、ASIC(专用集成电路)等异构芯片也随之发展起来。
而这些领域是传统的汽车工业产业链的空白,于是,门外的维京人开始涌入。黄仁勋的英伟达在GPU领域的市场占有率达到了70%;芯片时代的王者英特尔希望通过收购Mobileye重返巅峰;高通也在虎视眈眈,通过自研以及收购维宁尔进入自动驾驶芯片市场;余凯在离开百度之后创立了地平线,通过在中国市场的深耕,正在和国际顶尖玩家展开对决……值得关注的是,以上这些因为自动驾驶而新进入汽车工业链的玩家,无一例外都来自计算机、通信、半导体等行业。他们以降维打击的姿态直面传统的汽车生产商和供应商,在自动驾驶领域开创出了一个全新的赛道。
激光雷达的市场更是充满硝烟,又一位DARPA无人驾驶挑战赛的老兵大卫·霍尔开创性地研发出用于自动驾驶的激光雷达,第三届DARPA无人驾驶挑战赛城市挑战赛中,跑完全程的6支参赛队中,有5支队伍使用了他创立的公司Velodyne的激光雷达,后来其一度垄断了激光雷达的市场。但是伴随禾赛等中国公司的发展和兴起,Velodyne在2020年败走中国市场。他的竞争对手禾赛,是3位在硅谷的中国博士生在2013年创立的公司,其第一款产品是获得美国棱镜奖(Prism Awards)的利用激光检测天然气泄露情况的产品,之后进入激光雷达领域,并很快崛起。
面对来势汹汹的新的竞争对手,传统的汽车行业供应商在某些领域败退于千里之外,但是在有些领域依然坚守住了阵地,而且伺机反击。目前市场上最早也是唯一量产的车规级激光雷达,是来自法国的汽车零部件供应商法雷奥的SCALA激光扫描仪;恩智浦、英飞凌、瑞萨电子等传统MCU玩家也在寻找新的突破点,发布自动驾驶平台,并且寻求兼并收购的可能性,来整合优势。
在实现自动驾驶的最后一公里,线控底盘控制组件的领域还是传统的汽车行业供应商绝对垄断的市场,博世、大陆等依旧保持着王者的姿态。需要我们值得关注的是,最为关键的线控转向和线控制动,目前依然没有一套可以完全适用于L4级及以上级别的稳定的量产产品。
在科技行业和汽车行业不停地碰撞、交流和融合的过程中,自动驾驶已经不只是简单的算法突进,而是成为技术集成的域,呈现出由硬件、系统软件、功能软件和算法三个部分组成的、非常复杂的系统集成特征。
技术扩散是复杂的技术与市场、社会生活等相结合的过程,并且在整个过程中呈现出不断演化的态势。“创新之父”“创新理论鼻祖”约瑟夫·熊彼特在其于1912年发表的《经济发展理论》中提出,技术进步可以被分为发明、创新和技术扩散三个阶段,其中技术扩散指的是技术创新通过市场进行传播的过程。之后经济学家们对于技术扩散理论的研究逐步精进。
在自动驾驶领域,技术扩散不仅仅呈现出技术的复杂性进步和系统性演化,同时不断地向外延伸和拓展。伴随着自动驾驶的发展,原本默默无闻的地图行业开始走向前台,高精度地图正在成为自动驾驶的核心部件,并且在中国市场上形成了科技巨头与传统图商混战的局面,在硝烟之中孕育着新的商业机会。
而自动驾驶的到来也在促使人们思考一个问题,当双手离开方向盘之后,现在的座舱结构,还是一个最优选项吗?在汽车从传统交通工具向未来自动驾驶座舱,甚至所谓的第三生活空间的转移过程中,智能座舱由于实现难度相对较小,成果易感知,并且可以成为人机交互(HMI)的空间域,越来越受到业内的关注。
与此同时,由于5G的发展,以及中国通信行业的基础设施的完善,车路协同也成为中国企业探索自动驾驶的新的技术路线和发展思路,并在此基础上促进了传统的ICE(汽车内燃机,此处指代传统汽车行业)与ICT(通信技术行业)的深度结合,车路协同对这两个行业的产业价值链进行了进一步的延伸和拓展。
发展至此,自动驾驶已经不再是单一的技术突进,或是单一的产业革新,不同行业以及其内生的技术不断加入发展的浪潮,在汽车这个载体上不断进行着解构和重组。汽车已经不再是单纯的交通工具,而是开始深度融入城市的演化进程,并作为载体与居民、与社区、与城市,形成不断变化和繁衍的共同体,成为“第三空间”,进而演化为智慧城市的重要节点。
也因为自动驾驶自身的延展性,其发展和其对于经济以及社会生活的影响,早就吸引了决策者的注意。2016年,国务院发布了《“十三五”国家科技创新规划》和《“十三五”国家战略性新兴产业发展规划》,提出“重点发展电动汽车智能化、网联化、轻量化技术及自动驾驶技术”,“加速电动汽车智能化技术应用创新,发展智能自动驾驶汽车”。这是政策第一次直接使用“自动驾驶”这个词,并且将“自动驾驶”作为国家发展战略。自从“自动驾驶”被纳入国家层面的发展战略之后,这个词就开始频繁出现在政策文件中,特别是在2020年的一系列文件中都可以见到“自动驾驶”。
伴随自动驾驶成为国家战略的一部分,自动驾驶在中国获得了更好的成长土壤。这不仅仅体现在中国的自动驾驶玩家在加州机动车辆管理局(DMV)每年发布的“自动驾驶系统脱离报告”上的越来越杰出的成果上,更体现在,在地方政府的支持下、在资本和营商环境的加持下人才、技术、资金的聚集上——筑巢引凤栖,花开蝶已来!
美国《大西洋月刊》的著名记者富兰克林·福尔在2017年出版的《没有思想的世界:科技巨头对独立思考的威胁》一书中提到,工程学以及算法的思维模式,对文字和图像、对艺术的神秘之处、对道德的复杂之处和情感表达,都没有什么耐心。这种思维把人当成数据,当成系统的组成部分,当成抽象的东西。
但是当自动驾驶开始融入整个智慧城市的浪潮之中时,一些更为底层的机制也开始变化。具有一定稳定性和概括性的法律规定也在应对着自动驾驶的发展以及由此产生的新的变化。在中国,在某些法律规定中,我们还看到了具有前瞻性和适当模糊性的表述,以此来向前一步,从法律规定的高度来创造适合自动驾驶发展的底层机制。
智能驾驶:科技创新引发的行业变革
基础科学的发展推动着科技的加速发展,各学科的融合以及不同领域的技术之间的嫁接、组合和融合更是为科技的发展加入跃迁的催化剂。回望自动驾驶的发展,从1960年詹姆斯·亚当斯搭建“斯坦福推车”,到2005年斯坦福大学的斯坦利成为第一辆越过DARPA无人驾驶挑战赛终点线的无人驾驶汽车,中间经历了45年的波折;但是从莫哈韦的硝烟到Waymo在2015年10月驶上奥斯汀的街头,间隔只有10年;到本书形成的2021年,时间仅仅过去了6年,但是自动驾驶的整个生态已经发生了天翻地覆的变化。
当然,技术的发展,也不是一帆风顺的,自动驾驶汽车又一次令人无可奈何地遵循着技术成熟度曲线(The Hype Cycle),从2015年到2019年,很快地度过“过高期望的峰值”,近年来正在快速坠入“泡沫化的谷底”。但是,参考人工智能的发展,从1950年艾伦·图灵在《思维》杂志上发表了其著名论文《计算机器与智能》,并提出了如今广为人知的图灵测试,一直到谷歌的AlphaGo在2016年震惊世人,其间人工智能几起几落,最后终于守得云开见月明。我看到一张照片,上面是2006年人工智能的奠基之石——达特茅斯会议的50周年纪念日上,摩尔、麦卡锡、明斯基、赛弗里奇、所罗门诺夫再次聚首,并合影留念。当时,50年前的10位与会者中,已经有5位仙逝,所以在达特茅斯会议50周年纪念日上合影的只有5位。而到了2016年年初,在那张达特茅斯会议50周年纪念日合影中位列C位的马文·明斯基也离开了人世。非常遗憾他们都没有看到人工智能的旋风刮起,令人唏嘘。
我们都怀着忐忑不安、憧憬的心情期盼这自动驾驶落地时机的到来。曾经在2015—2016年,业内把目标设定在2020年,到了临近的2019年,大家又悄悄地把时间调整到了2025年。在2020年的北美国际消费类电子产品展览会(CES)上,许多从业者都在私下场合沟通说,其实他们预计自动驾驶的落地,还需要10年的时间。
而伴随突如其来的新冠肺炎疫情在全球的肆虐,整个世界的经济都进入了新的调整期,汽车行业也因为产业链的重塑,以及无法预知的地缘政治方面的纠葛,开始进入动荡和调整时期。2021年全球汽车市场因为芯片短缺,预计累计减产量将超过1000万辆,其中中国市场就将达到200万辆。汽车产业链的阶段性重塑也影响了汽车价值链,预计诸多汽车生产商和汽车零部件生产商都将面临利润缩水的窘境。在这样的背景下,还有多少资源会被投入自动驾驶的相关研究呢?也许,自动驾驶的真正落地,还需要比我们想象中更长的时间。
亚马孙雨林的一只蝴蝶,扇动几下翅膀,引发了几千公里之外的一场风暴。也许我们已经出发了太久,是时候回到这场精彩旅程的起点。
在2019年11月,我走进了美国加利福尼亚州山景城的计算机历史博物馆,一番搜寻之后,我站在一辆简陋的推车前,看了很久,很久……
[1]
伴随着汽车智能化的发展,新技术的开发和应用日新月异,相关的概念也层出不穷。长期以来,智能驾驶、自动驾驶和无人驾驶常常被混用。我认为,如果仔细推敲,从智能驾驶到自动驾驶,再到无人驾驶,所指范围是依次缩小的,而技术难度则是依次推进的。
智能驾驶,主要是指通过车端、路端以及云端等的传感器和处理器收集和处理信息,并进行直接和间接的车辆控制。智能化、网联化、自动驾驶、车路协同等概念都可以被归入智能驾驶这个比较宽泛的概念中。
国际汽车工程师协会分6个级别描述自动驾驶系统的能力。其中L3级至L5级被视为“自动驾驶系统”。L3级和L4级自动驾驶系统可以在有限的条件下驾驶车辆,除非满足所有条件,否则不会运行自动驾驶系统。L5级自动驾驶系统可以在所有条件下驾驶车辆。
无人驾驶,指的是L4级以及L5级完全可以由机器代替人来进行操作,无须人类干预的情况。无人驾驶是自动驾驶的子集,也可以被认为是自动驾驶的终极目标。
在本书中,我从以上划分角度来描述智能驾驶、自动驾驶和无人驾驶。同时需要说明的是,由于在发展的过程中,许多机构和组织的命名已经成为行业习惯,本书沿用行业习惯来描述这些机构和组织的命名,不再做进一步概念上的区分。