【導(dǎo)讀】先是萬億，后是1.2萬億，特斯拉市值不斷創(chuàng)下新高。放眼望去，整個車企都在積極擁抱無人駕駛。但是目前的技術(shù)面臨著的諸多瓶頸，卻不得不讓人們重新思考無人駕駛的中國道路在哪里？
先是萬億，后是1.2萬億，特斯拉市值不斷創(chuàng)下新高。
放眼望去，整個車企行業(yè)都在積極擁抱無人駕駛。
可以說，特斯拉萬億市值摧毀了傳統(tǒng)車企對舊時代的一絲留念。
然而，現(xiàn)實(shí)是包括特斯拉，Waymo在內(nèi)的無人駕駛企業(yè)在安全性和高級別無人駕駛技術(shù)的推進(jìn)上屢屢受挫。
先不說多次致命的特斯拉撞車案， Waymo自動駕駛汽車還有著「不撞南墻不回頭」的執(zhí)著 。
就比如最近在洛杉磯市的一條死胡同，這條路每天最多要「接待」50輛Waymo自動駕駛汽車，而且已經(jīng)持續(xù)了8個星期。
于是，一條獨(dú)特的風(fēng)景線就這樣誕生了： 「每5分鐘」就能看到一輛Waymo在掉頭 。
不論是特斯拉，還是Waymo，它們都是單車智能的典型代表——通過提升車子自身的智能化水平實(shí)現(xiàn)自動駕駛，看似智能其實(shí)不一定。
無法識別「白色卡車」、十年僅累積3000多萬公里路測數(shù)據(jù)等等，這是單車智能目前無法解決的瓶頸。
如果現(xiàn)在能夠把車和路結(jié)合，以車端的智能+路端的智能互相結(jié)合，是不是會成為高級別自動駕駛的另一種出路？
還是用Waymo紛紛駛?cè)胨篮@件事舉例吧。
如果像我們小時做題那樣，單純地在地圖上連線的話，這路，確實(shí)可以走。
當(dāng)然，前提是這個路的盡頭沒有下面這個牌子。
為什么這條路明明是「死路」，無人駕駛車還要往里使勁開呢？
其實(shí)很簡單，因?yàn)閃aymo的車載地圖并不知道……
結(jié)果就導(dǎo)致，所謂的自動駕駛車輛直到走到跟前才發(fā)現(xiàn)：「哦，此路不通」，于是只能掉頭往回走。
這就是單車智能難以逃避的一個局限性： 只能以車為中心對周邊區(qū)域進(jìn)行局部感知，只有車輛能識別到才能進(jìn)行相應(yīng)的調(diào)整和動作 。
那么，如果是用「車路協(xié)同」來實(shí)現(xiàn)，又會是如何呢？
（來源：德勤分析）
車路協(xié)同，顧名思義是由「車端」和「路端」兩大關(guān)鍵部分組成，其實(shí)除了這兩個看得見的部分外，還有看不見的“云端”來為車和路的協(xié)同配合來提供后臺支持：
車端：可以聯(lián)網(wǎng)且具有一定自動駕駛能力的車輛；
路端：包含智能感知設(shè)施（攝像頭、毫米波雷達(dá)、激光雷達(dá)等）、路側(cè)通信設(shè)施、計算控制設(shè)施（邊緣計算節(jié)點(diǎn)等）等配套設(shè)備。
云端：包括計算平臺和云控平臺等后端平臺，可以將車和路的信息進(jìn)行實(shí)時收集、計算和處理，將車和路的協(xié)同能力調(diào)配到最優(yōu)狀態(tài)。
和單車智能僅靠車端來感知外界不同，「聰明的車」+「智慧的路」+「強(qiáng)大的云」，三者的協(xié)同結(jié)合將使得車路協(xié)同具備站得高、坐的穩(wěn)、數(shù)據(jù)好、算得快的這幾個技術(shù)優(yōu)點(diǎn)。
蒙上「眼睛」的車
先說站的高。
在車路協(xié)同的方案里，“高高在上”的路端設(shè)備能夠以「上 帝視角」實(shí)時獲取路況信息：激光雷達(dá)負(fù)責(zé)物體三維坐標(biāo)的探測，配合上毫米波雷達(dá)、攝像頭和5G傳輸設(shè)備，從而能夠?qū)崿F(xiàn)局部高精度地圖的實(shí)時繪制和路況的實(shí)時動態(tài)跟蹤。
當(dāng)這種以「上 帝視角」采集到的信息與車端進(jìn)行交流后，「車端」除了一如既往地通過多種傳感器來進(jìn)行環(huán)境的感知和數(shù)據(jù)的融合外，還能無延遲地實(shí)時接受路端提供的信息。
隨著「路端」將交通參與者的位置、速度、軌跡等信息不停地發(fā)送給「車端」，也就相當(dāng)于讓車本身擁有了一個無死角、無限遠(yuǎn)的全域感知，從而能夠提前了解到路上的實(shí)際情況并進(jìn)行及時的響應(yīng)。
因此，在車輛的行駛中，不管是預(yù)測準(zhǔn)確率，還是復(fù)雜場景的通行效率都可以得到提升?？梢哉f，車路協(xié)同的本質(zhì)是讓車「站」的更高、「看」得更遠(yuǎn)了
「站得高」的路端感應(yīng)設(shè)備
那么，回到最開始的那個問題，如果有了車路協(xié)同，Waymo還會不會開進(jìn)死胡同里？ 現(xiàn)在，就非常好回答了。
在車路協(xié)同的加持下，車不僅能「知道」前面的路到底能不能走，甚至能提前知道前言道路上行人和車輛的實(shí)時情況，自然也就不會再去「不撞南墻不回頭」了。
當(dāng)然，這種站得高并非只是物理位置的“高”，還是統(tǒng)籌全局的“高”：當(dāng)系統(tǒng)發(fā)現(xiàn)前方道路在施工或發(fā)生變化時，就可以及時指揮車輛進(jìn)行調(diào)整路線，實(shí)現(xiàn)交通優(yōu)化。
據(jù)有關(guān)數(shù)據(jù)計算顯示，基于車路協(xié)調(diào)，道路的擁堵情況在道路上無人駕駛車輛和有人駕駛車輛同時存在的情況下就能降低30%~40%，如果全是無人駕駛甚至可以基本解決道路擁堵問題。
在無人駕駛中，系統(tǒng)對數(shù)據(jù)的收集效率和收集質(zhì)量是解決應(yīng)用落地最為重要的因素：只有收集到龐大和高質(zhì)量數(shù)據(jù)來進(jìn)行分析和學(xué)習(xí)，才更使系統(tǒng)更精準(zhǔn)地進(jìn)行優(yōu)化。
這也是蘭德公司早在2016年就提出，「L4級無人駕駛車輛的量產(chǎn)需要測試177億公里（110億英里）以上才能實(shí)現(xiàn)」的原因——畢竟駕駛行為是涉及到“人命關(guān)天”的大事，哪怕在駕駛行為的處理中有0.1%的概率出現(xiàn)問題，都有可能會造成車毀人亡的大事故。
（來源：Rand）
然而，在單車智能方案中，以Waymo為例，雖然背靠著谷歌這個大靠山，在投入了巨額的資金，十年的時間里才積累了3500萬公里的真實(shí)路測數(shù)據(jù)，遲遲不能實(shí)現(xiàn)應(yīng)用和落地。
這實(shí)際上是單車智能方案的共性問題：緩慢的數(shù)據(jù)收集能力使得學(xué)習(xí)能力變得緩慢；學(xué)習(xí)能力的緩慢也使得系統(tǒng)的優(yōu)化提升變得緩慢；系統(tǒng)優(yōu)化的緩慢導(dǎo)致了方案落地的緩慢。
比如，在2021年5月，面對著一個人類駕駛員很容易處理的情況，Waymo自動駕駛汽車卻陷入了「三角錐難題」，以一己之力，連續(xù)數(shù)次堵住道路。出現(xiàn)這種情況的根本問題就是它從來沒有遇到過這種情況，也從來沒有解決這種情況的方案。
?
?
與此相對的則是車路協(xié)同方案在數(shù)據(jù)收集能力上的顛覆性的突破：除了收集「車」上的數(shù)據(jù)以外，還會以「路」為單位進(jìn)行收集；除了收集無人車輛的行駛數(shù)據(jù)，還收集人類駕駛員的數(shù)據(jù)。
僅以蘇州為例，在完成路端的改造后，在數(shù)據(jù)「量」上，全市公路里程1.2萬公里，按450萬輛汽車的真實(shí)行駛里程計算，每天可收集1.2億公里的真實(shí)車輛行駛數(shù)據(jù)；在數(shù)據(jù)「質(zhì)」上，「路端」的收集的數(shù)據(jù)不但全視角、可連續(xù)，而且還能夠記錄真實(shí)CornerCase發(fā)生的前因后。
大數(shù)據(jù)處理
當(dāng)然了，如此巨大的數(shù)據(jù)量也不是個善茬，帶來的是對整個系統(tǒng)「算力」的極高要求。 然而，單車智能搭載的芯片由于空間和功耗的限制， 目前的算力最高只能達(dá)到1000+TOPS 。
這是個什么概念？
（來源：未來汽車日報）
從L3有條件的自動駕駛開始，車輛除了需要控制自身的轉(zhuǎn)向和加速減速以外，還需要在行駛過程中對環(huán)境進(jìn)行監(jiān)測。
此時，車載芯片的算力起點(diǎn)就已經(jīng)從L2的2Tops提升到了L3的24Tops。
進(jìn)入到L4和L5階段之后，還需要加入緊急事件觸發(fā)接管機(jī)制，此時對算力的要求幾乎是呈現(xiàn)「指數(shù)」級的上升，達(dá)到320TOPS和4000TOPS。
至少目前來看，單車智能在面對如此海量的數(shù)據(jù)時，只能選擇「躺平」。
（來源：東興證券研究所）
而相比來說，車路協(xié)同中的計算可以運(yùn)用邊緣計算和云計算技術(shù)，調(diào)用海量的算力來完成這些復(fù)雜運(yùn)算，而不會受制于單車的算力。
不僅如此，車路協(xié)同算力設(shè)備部署更為穩(wěn)定，不受行車規(guī)則的限制，光纖通信可實(shí)時調(diào)用海量算力把車端路端算法互相反饋測試來驗(yàn)證結(jié)果。這些也都是單車智能在算力上所不具備的優(yōu)勢。
就像剛才提到的那樣，車路協(xié)同除了能能讓車「認(rèn)路」以外，最厲害的一點(diǎn)就是有能力解決 自動駕駛面臨的最大挑戰(zhàn)：安全問題 。
尤其是自動駕駛的概念越來越普及的現(xiàn)在，由輔助駕駛引起的事故也越來越多。
2020年6月一輛特斯拉Model 3在高速上徑直撞向一輛翻倒的卡車。
即便當(dāng)時視野開闊且光線良好，然而AutoPilot依然沒有成功識別出來前方靜止的障礙物。
這實(shí)際就是單車智能在安全問題上遇到的瓶頸。
比如說被遮擋住的「STOP」指示牌，對于人類駕駛員來說，基本上可以輕松識別并很快作出行動反應(yīng)。
但對單車智能來說，在有足夠的數(shù)據(jù)和信息、并且系統(tǒng)足夠優(yōu)化之前，這些符號是難以識別的，畢竟它看到的不是具體的「STOP」，而是一堆無意義的數(shù)字代碼。
車路協(xié)同所具備的信息收集和分析優(yōu)勢使得車路協(xié)同在安全性的保證上可以引入「多余度」的概念。
多余度一詞源自飛機(jī)的設(shè)計之中，該技術(shù)通過使用多個相同的功能單元和模塊來接受相同的信息。當(dāng)主單元故障時，便會切換至備份單元工作，保障飛機(jī)的安全運(yùn)行。
對于車路協(xié)同來說， 多余度就是利用道路交通各參與方來進(jìn)行多維度的感知、跟蹤、預(yù)測和學(xué)習(xí) 。
通過路端的感知，以及車、路之間的信息共享，不僅可以補(bǔ)足車端感知視距有限、感知存在盲區(qū)等問題，特別能夠?qū)崿F(xiàn)對于其他交通參與者行為的預(yù)測和判斷。
比如，行人的「鬼探頭」、路口有車輛突然竄出、同一條道路其他車輛的不規(guī)范行駛，甚至在無紅綠燈路口交警現(xiàn)場指控交通時的命令等都可以由「路端」感知后提前預(yù)測判斷，然后再把信號無延遲地傳送給車輛端。
這就像是給單點(diǎn)智能的車加裝上全天候、全場景、360度的「千里眼」和統(tǒng)籌全局的「智慧腦」， 實(shí)現(xiàn)車、路、人、基礎(chǔ)設(shè)施的萬物互聯(lián)和萬物互控。
未來，每輛車都將成為信息的接收者、中轉(zhuǎn)者、處理者和發(fā)出者，全局調(diào)配將在一張城市智慧網(wǎng)上運(yùn)行，實(shí)現(xiàn)對信息的多重采集和判斷，從而實(shí)現(xiàn)無人駕駛安全性上指數(shù)級的提升。
盲區(qū)預(yù)警
2019年可以說是個分水嶺 ，中美兩國在智能駕駛的發(fā)展上選擇了不同的方向。
美國一如既往走在「單車智能」的道路上。而在中國， 車路協(xié)同越來越成為無人駕駛一個更為可靠的實(shí)現(xiàn)路徑 。
首先，從地理環(huán)境來看，美國地廣人稀，交通環(huán)境相對單一，即便是不太精確的單車智能就有可能實(shí)現(xiàn)輔助駕駛的目的。
反觀國內(nèi)，人口密度大且集中，交通環(huán)境復(fù)雜，對自動駕駛的要求相對更高，依靠單車智能很難實(shí)現(xiàn)高級別的自動駕駛，而車路協(xié)同則提供了一個好的解決方案。
其次，基礎(chǔ)設(shè)施投入建設(shè)也很重要。高寬帶、低時延、廣連接等特性的5G才足以支撐車路協(xié)同的發(fā)展。
最新數(shù)據(jù)顯示， 中國目前已累計建成5G基站超91.6萬個 ，在全球占比約為70%。
中美車路協(xié)同基礎(chǔ)設(shè)施對比（來源：德勤分析）
最后，中國實(shí)現(xiàn)車協(xié)同具備巨大的規(guī)模優(yōu)勢。相比于單車智能方案中每一輛車都必須配備復(fù)雜且昂貴的傳感器和計算單元設(shè)備的巨大投入，車路協(xié)同只需要I4級別的道路和L2級別的車輛即可實(shí)現(xiàn)高級別的無人駕駛。
從中國的汽車保有量和龐大的路網(wǎng)布局來看，規(guī)?；陌l(fā)展將使改造成本不斷降低。在中國以車路協(xié)同技術(shù)來實(shí)現(xiàn)L4級別的無人駕駛方案，從總投入來看，成本甚至不到單車智能的一半。
（來源：德勤分析）
正是這種優(yōu)勢使得「車路協(xié)同決定中國無人駕駛的成敗」的觀念基本上已經(jīng)成了包括產(chǎn)業(yè)政策制定者在內(nèi)的行業(yè)參與者的共識，一些先行者已經(jīng)在車路協(xié)同無人駕駛的道路上實(shí)現(xiàn)了突破。
參考資料：
https://pdf.dfcfw.com/pdf/H3_AP202108131509805924_1.pdf?1628869939000.pdf
https://www.bilibili.com/read/cv8821840
https://www2.deloitte.com/content/dam/Deloitte/cn/Documents/consumer-business/deloitte-cn-cb-autonomous-driving-under-new-infrastructure-zh-210126.pdf
https://www.leiphone.com/category/transportation/cozGOy3epRSg7QK0.html
https://www.rand.org/content/dam/rand/pubs/research_reports/RR1400/RR1478/RAND_RR1478.pdf
https://www.vzkoo.com/read/11c32912f0dfacc9cc4058679905d772.html
本文來自微信公眾號 “新智元”（ID：AI_era），編輯：好困 桃子，36氪經(jīng)授權(quán)發(fā)布。
