在描繪未來智能生活的小說或電影里,自動駕駛汽車是未來世界的“標配”。而現在,隨著人工智能技術的不斷發展,這一未來場景正在逐漸走進現實。

今年6月,中國首例自動駕駛汽車在廣州完成暴雨穿越隧道測試,而此前首輛無人駕駛出租車也已在廣州上路。7月,百度公司董事長兼CEO李彥宏宣布其L4級無人車“阿波龍”正式量產……無人貨運卡車、無人駕駛擺渡車等越來越多的成功試驗似乎傳遞著這樣的信號:自動駕駛將近。

自動駕駛是近幾年汽車領域最火熱的風口之一。麥肯錫最新研究報告顯示,至2030年,中國自動駕駛相關的新車銷售及出行服務創收將超過5000億美元。傳統主機廠、互聯網巨頭、出行公司紛紛擁抱市場、卡位圈地。各類場景測試接續落地,大家都在探索如何實現自動駕駛技術的規模化商業應用,如何讓人得以真正從方向盤上“解綁”。

自動駕駛究竟距離規模化應用還有多遠?哪些“路障”仍橫亙在前?近日,在2018自動駕駛全球高峰論壇上,數家自動駕駛企業及產業鏈上下游企業齊聚廣州,共同探討自動駕駛的“上路”之道。

自動駕駛還處于“BP機階段”

“如果以從‘大哥大’到智能手機的發展過程來類比,現在自動駕駛基本上還處于BP機的階段。”飛步科技創始人兼CEO何曉飛表示,“無人駕駛最核心的技術在于‘無人’,這對自動駕駛系統對速度和響應時間的控制能力提出了很高的要求,我們目前的水平還不夠高。”

這一判斷與自動駕駛公司AutoX創始人兼CEO肖健雄的看法相同,他認為,自動駕駛現在還處于非常早期的階段,很多配套的產業鏈條尚不成熟,很多部件還不能依靠分工合作來完成,L4級及以上水平的自動駕駛大規模應用還需要不短的時間。

按照美國汽車工程師協會根據系統對于車輛操控任務的把控程度所做的分類,汽車自動駕駛系統分為L0～L5共6個級別。在這樣的等級劃分中,L4級指高度自動駕駛,即在大多數場景下自動駕駛能夠實現。而現有的市場上的量產載人車型基本應用的是高級駕駛輔助系統(ADAS),還遠未到無人的水平。

據了解,目前自動駕駛領域的企業多在載貨以及封閉場景的載人方面探索,比較成熟的場景基本局限于企業園區、礦場、小區等。而相較于無人載貨,載人的發展則更為緩慢。

今年11月,文遠知行與廣州公交集團白云公司在廣州大學城試運行自動駕駛出租車,不久即被交通主管部門叫停。“自動駕駛的運營場景需要非常細致的考慮,比如怎么去接客人、車門怎么打開、安全如何保障等問題”,文遠知行聯合創始人兼CE0韓旭指出,自動駕駛要考慮的問題非常多,想實實在在改變人們的生活,還需要一段時間。

余下10%的技術需要90%的努力

在對于自動駕駛的憧憬中,安全可靠是最基本的底線,這直接考驗技術的成熟程度。

L4級自動駕駛系統實現規模化“上路”,需要同時滿足安全可控和技術可達兩個目標,構建感知層、決策層和執行層技術架構,包括智能芯片、操作系統、應用軟件、場景定義等流程,以及配套基礎設施均相對成熟的產業生態支持。

廣汽研究院智駕技術部部長郭繼舜認為,從技術層面來講,目前量產還面臨著三個主要難題。第一,感知不夠準。在保證成本可控的前提下,現有的傳感器可準確識別較大物體,但對于惡劣天氣或復雜路況的感知判別能力尚無法支撐實際使用。第二,決策能力不足,自動駕駛需要在場景測試中學習盡可能多的場景處理方式,包括各種復雜路況,以決定車輛的行駛狀態和路線。第三,車輛的可操控性還需提升。在脫離人類控制時,當操作系統下達指令之后,車輛在多長時間內能夠完成指令,“也就是說能不能保證數以萬計的車的執行能力,這還是一個問題”。

其中,是否擁有足夠的場景積累被視為自動駕駛“上路”的關鍵之一。Monenta(中國的一家自動駕駛公司)合伙人孫環表示,目前,人類司機平均行駛1億公里大約會發生13起致命交通事故,而對于自動駕駛的期待是致命事故率降低一個量級,要達到足夠的置信度需要多達百次的重復實驗,這意味著以一套比人更加安全的無人駕駛系統行駛需要測試的總里程數要達到千億公里,這對于現有的任何一家自動駕駛企業來說,都是個艱巨的挑戰。

千億里程的場景積累被廣州公交集團羊城通有限公司董事長、總經理謝振東認為是自動駕駛從“聰明的車”到實現“車的智能”的重要界限。在他看來,現在的自動駕駛技術發展已經很快了,基本已經完成了90%的技術積累,“但是未來的路還有很長,因為剩下的10%的工作需要我們拿90%的努力來實現,那就是把人、車、路和環境在實際中結合起來。”

人才是最重要的缺口

在自動駕駛領域中,AI技術的發展至關重要,而想在技術上尋求突破,人才就成了關鍵。高盛2017年11月發布的《全球人工智能產業分布》報告顯示,2017年全球新興人工智能項目中,中國占51%,數量上已經超越美國。但全球人工智能人才儲備,中國卻只占5%左右。

“一才難求”的情況成為人工智能發展的最大短板。據創新奇智聯合創始人兼CEO徐輝介紹,在其公司的近期招聘中,為找到一位合適的人工智能算法工程師,足足面試了185位候選人,仍沒有找到稱心如意的。“從更長遠的意義上來看,人才可能是比技術、芯片都要更加稀缺和寶貴的資產。”他說。

高校被視作AI人才的“搖籃”,但香港科技大學電子及計算機工程系教授馮雁表示,AI人才的缺乏,并不是開設一兩門課就能夠解決的。她解釋道,因為單純的理論學習并不能賦予學生解決實際應用問題的能力,“目前的可行辦法是在AI公司進行在職培訓,這就要求公司本身具有一定的人才儲備。”

此外,她指出,就香港科技大學而言,一部分專業教師選擇投身行業,學校本身也非常缺乏教授AI專業的優秀師資。澳門大學副校長倪明選表示,他們也面臨著同樣的難題,“好的AI老師都被挖走了,我們找老師也非常痛苦。”

另外,中山大學數據科學與計算機學院無人系統研究所所長黃凱認為,人工智能在落地時必須不同行業進行交叉的特征,要求人才培養需要跨學科進行,而目前交叉學科的人才培養框架尚不成熟,加上高校教學設計周期較長,教學大綱一般四、五年調整一次,與現實需求難免形成一定落差。