183
这个时代，以一种非常诡异的方式开启了 2020。新冠疫情席卷而来，武汉封城、国门关闭。看看这张世界地图上每个角落的人们的生活都被疫情深刻的改变了。借用著名作家的一句话，时代的一粒沙，落在每个人肩上就是一座山。对于汽车行业，疫情也许依旧是一座山。本文主要写自动驾驶，那我们就来看看疫情时代的自动驾驶。
新冠席卷全球
1. 分化 - 疫情推动汽车产业的升级
疫情改变了每个人的生活方式，也改变了人们对于汽车的需求。疫情最严重时期，出于疫情防控需要，电影院、商场和旅游景点闭门谢客，公司鼓励员工居家办公，人们的出行需求下降；生意难做，大量商店关门，不少公司倒闭，“打工人”们收入锐减甚至是失业，只得捂紧钱袋子，搁置或延后原有的购车换车计划；随着 90、95 后逐渐成为购车主力，他们的消费偏好与 80 后 70 后有着巨大差异，潮流、个性、自我是他们的最爱。加上天量的汽车保有数字，整个传统汽车行业前景依然不容乐观，汽车销量已经连跌三年。
中国乘用车年销量
传统汽车行业的颓势从股价中可以窥见一斑，疫情期间丰田从最高的 145 跌到了最低的 108，跌掉了 25%。最近的新高只是大盘的水涨船高而已。大众、通用、福特那就更惨了。
丰田股价，托美联储的福稳住了
除了股价，笔者的切身体验也印证了这一点。前两天想把某美系旧车置换，原价 10 万、4 年、6 万公里，一到 4S 店去问，二手车回收报价 3 万 5。笔者觉得不可思议，收车人不屑一顾的说新车现在都只要 7 万，你这车 3 万 5 不错了，你觉的价格低了不重要，我要我觉得。。。二手车回收商已经硬气到这个地步了。
但是我们对比一下造车新势力，发现他们真是如日中天：
从 Tesla 的股价就可以看出产业的转向
市值对比
Tesla 今年预计销量 50 万量, 可以说突飞猛进，单单中国市场就是近 15 万辆。30 万一辆的车，也意味着大于 1500 亿 RMB 的销售额，大约和 2019 年的长安以及华晨宝马差不多。Tesla 车主对价格不敏感，他们要的是时尚，功能，省心。从 Tesla、小鹏、蔚来的热销看出，消费者购买汽车，正从看重交通属性向在意娱乐属性、注重智能化转变。无论是中国 2 亿多台小汽车的保有量，还是服装、家电、手机产业的发展都可以证明这一点，面向普通大众的、功能简单的交通工具的需求量会继续下降，而具备娱乐性、智能性、个性化的新玩具会成为新的利润增长点。笔者去看 Tesla、蔚来、小鹏、理想的展车，销售人员热情的给我介绍各项娱乐和自动驾驶功能，感觉他们人人都是自动驾驶专家。小姑娘试驾来了个 6s 急加速，吓的我心脏砰砰直跳。他们和自己的产品一样，全身上下充满了朝气和活力。
Tesla 四季度 销量对比
Tesla 按区域销量
对于新势力来说，可能今年的增长只是一个开始。尽管有人可能不愿意接受这个事实，但是资本用钞票表达了自己的观点。上面市值暴涨的几家，我就没看见谁不宣称自己的车带自动驾驶功能的，大多都是 L2.5，也有激进如 tesla，直接就是 full self driving。
笔者这个年纪，也不由得要从传统转向新势力了
2. 聚焦 - 自动驾驶在多条赛道齐头并进
然而，对于自动驾驶而言，2020 也是艰难的一年。疫情之初，自动驾驶行业就出现了裁员潮。卡车自动驾驶公司 Starsky Robotics，3 月份直接宣布公司停止运作。今年 5 月，累计融资超过 70 亿元自动驾驶公司 Zoox 裁员并卖身亚马逊。11 月，吉利汽车 CTO 冯擎峰已经从吉利的技术和营销体系调离，负责吉利汽车安全技术与智能驾驶的资深总工程师刘卫国以及另外两位资深员工也分别从吉利智能驾驶部门离职。12 月 7 日，美国共享出行老大 Uber 把旗下的自动驾驶部门 Uber ATG 出售给初创企业 Aurora。
再见 Uber
行业不景气，大河没水小河干，就不能广撒网了什么技术都搞了。大家深刻的感悟到了这一点，所以今年的自动驾驶是花开多朵，各表一枝，多条赛道齐头并进。赛道越来越细，专业性越来越强，针对场景和应用进行深度定制化开发。既然不能搞出一个通用的车型，那就各自找个领域深耕。有些公司专注于卡车自动驾驶，走的是先实现结构化道路的路线，解决干线物流的商用场景；有些则结合线上业务，专攻不载人的配送机器人，解决货仓到家门的配送问题，打通线上线下新零售，注重新技术的落地；还有人依旧在坚持不懈的推动乘用车的技术进步，解决门到门的全场景，引领产业升级。
2.1 高速货车自动驾驶
智能集卡发展迅猛
第一条赛道是自动驾驶货车，这是一个非常有特色的场景。首先，他的道路肯定是结构化的，甚至有专用的自动驾驶车道，而且地方政府对这件事情非常支持。8 月，我国首条支持 5G 自动驾驶测试与应用的湖南省长益高速公路扩容高速全线建成通车。而 2020 年开工的杭绍甬智慧高速公路，设置了自动驾驶专用车道，支持空间分割、时间分割的自动驾驶动态管控。近期支持自动驾驶专用车道货车编队行驶，远期支持全线自动驾驶车辆自由行驶。
长益高速公路扩容高速
杭绍甬智慧高速公路
其次，货车自动驾驶对传感器成本不敏感，但是规划控制其实还是挺难的。货车对于人工成本更加在意，各种豪华的传感器可以多上、快上，基本可以理解为斯坦福 DARPA 挑战赛的加强版。这样的应用场景，技术风险小，落地的可能性最大，市场需求也最大。主要是一个车头拖一个车厢，车厢是活的，不好控制。这就需要花费大量的时间进行测试和微调，动辄半年以上的调试时间居然也成为了行业壁垒。
卡车的传感器配置非常豪华
第三，这条技术路线能够快速获得营收。中国一年就能卖出 100 万辆+的重型货车，一辆货车配 2 个司机，就是 200 万人。而好的驾驶策略可以省出 3000 升油，那就是 21000 元 RMB。而自动驾驶不但可以省油，还能省下一半的司机。一个月 1 万元这是全国 A2 普遍待遇，一年雇司机的人工费就是 12 万。设大货车保有量 500 万辆。这个行业一年就可以省下 7000 亿。货车算五年生命周期，可以帮每位车主省下 70 万元成本。所以看在钱的份上，车主是有动力实现车辆升级的。
2.2 无人配送机器人
第二条赛道就是无人送货。疫情的到来，对于非接触式物流配送产生了海量需求。人员的积聚会导致疫情的快速传播，对于隔离在家的广大群众，如何收快递就成了一个非常现实的问题。有许多企业就专注于解决这类问题，特别像京东、淘宝、美团这类电子商务巨头，本身就有着巨大的物流需求。从阿里巴巴在各大校园的运行情况看，这类场景的技术已经是日趋成熟了。
无人送货物流车
物流配送机器人、仓储机器人以及垃圾清扫车，成本大概在 10-20 万之间。传感器肯定不会用 40\64\96\128 线，一般就是搞几个 16 线。个数也不会太多，一前一后一顶最多三个，一个 RTK 接收机和 IMU 估计不会比 DJI 用的好， UBLOX+SMI 黄金搭档。反而是超声波和视觉会用的比较多，在必要的时候可以要求后台人员远程介入，但是这样的介入已经越来越少。
物流车传感器配置
物流机器人的特点是速度不快，所以对反应灵敏度要求不高。突出优点是实际情况表明很多人愿意付费让机器人把东西送到脚边，大冬天的节约了时间就等于创造了经济效益。节约时间真的是西方经济学的真理，比较优势嘛，5 块钱省下来的时间看剧不香嘛。
巨大的全球快递市场,2016 年 650 亿个包裹
有专家感慨，物流市场真的是非常之大，大到难以想象，所以无人配送车还要细分，比如扫垃圾的、送货到楼下的、能自己上楼的、送药到床边上的、餐馆里面送菜的、工厂和仓库里面进行搬运的、机场搬行李的、仓库到配送中心的。凡是现在需要人送的，将来都可以被机器人替代，搞到最后，估计生鲜也可以自己送了。今年整体市场大概是个几千台的销量，但是疫情已经改变我们很多公共场所提供物流的运营模式。明年的销量可能会有一个飞跃。
那物流机器人的主要问题是什么：
首先在于细分领域太多，各种配送，数不胜数。因此，针对不同场景我们要进行不同的优化。基于成本还有使用环境的限制，我们压根没办法做出一个适配所有场景的配送机器人（除了波士顿动力机器狗）。不可能让白犀牛在饭店里面穿梭送菜把。能贴磁条解决的，为何还要上 Lidar？技术方案如何设计，保证研发成本最小化，市场最大化？
这位就闯祸搞了个大新闻
再次就场景复杂，所以要不停的在一个封闭园区跑把场景建模出来，由于人车混流，要应对各种有意无意的意外场景。人家看你好玩，在你前面一站甚至坐上去，你说咋整。
第三，就是对业务模式的挑战，产品的平台化和场景的差异化难以调和，导致了很多公司必须要针对不同场景进行产品设计和运营，否则还不如用几千块钱一个月的人工。要是专门针对一个市场开发产品，首先要掂量一下自己的市场能力。就像再好的餐馆，也要说清楚自己是哪个菜系，有什么招牌菜。运营也是个大问题，总是要操心如何取得业主同意，费用如何。这些机器人现在在哪里，有没有闯祸，电池还剩多少电，啥时候回的来等等问题。几千台机器人在外面这么跑着，提心吊胆。
所以，物流机器人最大的问题是场景太杂，优点是市场很大，技术难度小。这就像一个镜子的两面，估计在这个领域可以催生出无数的优秀的公司。用一个朋友的话说，每个公司都能在这个市场上找到自己的位置。机进人退、智能物流引领物联时代。
2.3 RoboTaxi
园区、高速自动驾驶正在朝着产业化的方向高歌猛进。估计 2021 年，我们会看到越来越多的落地。这些其实都算商用级的市场。商用市场意味着利润率还可以，但是总体销量不大。消费级的市场才是资本们的最爱，所谓 10 万亿级的市场嘛。如果要实现消费升级, 首先需要的是功能升级。满足了消费者更多的功能需求，才能让消费者多花钱买单。2019 年，一龙 . 马给整个行业立了个 FLAG。10 月 8 日,Waymo 就宣布拿掉了安全员，提供完全无人的驾驶服务，该服务率先在美国凤凰城推出。12 月，Tesla 更是放出了 FSD BETA 的路测视频。眼看着 RoboTaxi 就这么实现了。
FSD BETA
国内企业自然也是卯足劲向前冲，有公司把车子开进了城中村，有公司直接拿个猫放在车里运来运去。
比较有特点的城区自动驾驶场景
Robotaxi 四小龙
文远、小马、AutoX 和百度，是 RoboTaxi 的四小龙，2019 年 12 月小马智行发布自动驾驶车队，2020 年实现了常态化的运营。2019 年 11 月文远知行 发布自动驾驶路测视频，2020 年 9 月，直接把车开进了城中村。今年 4 月，百度宣布在长沙运营自动驾驶出租车。7 月，发布量产规定区域自动驾驶的 apollo 5.0。9 月，百度联手央视新闻全程直播“万物智能——百度世界 2020”大会。而在 10 月份，Autox 也发布了他们的 RoboTaxi。
阿波罗路线图
城区自动驾驶是整个自动驾驶领域最艰难的存在。难在复杂的交通环境：魔性的压实线换道、随意窜出的行人、不时发生的 CUT-IN，意外情况层出不穷。为了应付这么复杂的路况，我们
· 需要配备 360 度多维感知（3D+深度+速度+颜色+识别），可以算做 7D 感知；
· 需要对交通参与者运动意图的精准预测；
· 需要实现风骚走位的路径规划；
· 需要预先扫描的高精度地图和高频率的众包更新；
· 需要 5G 来实现后台实时接管。
这是一个人类社会有史以来最复杂的终极消费品，一车在手，别无所求。没有城区驾驶，我们这个世界永远也不算步入了自动驾驶时代。四小龙都是以海归背景的技术人员为核心，他们是中国自动驾驶产业的海归派。如果说，2016-2019 年，中国的高校院所（NUDT、BIT）实现了自动驾驶从 0 到 1 的跨越。那么 2020，我们的海归派们，实现了从 1 到 100 的演进。
3. 突破 - 城区门到门的纯视觉实现
对于一个地球人,就算是用了激光雷达，能够实现城区自动驾驶也是值得自豪一辈子的事情了，毕竟现在大家都认为 RoboTaxi 在技术实现和法律风险上都有一定的难度，尤其难以确保 100%的不出事故。可惜一龙 . 马真的不是地球人，他是真的敢玩，更酷、更炫、更便宜就是他的追求，他还要带你回他火星老家，这恰好迎合了 90 后、00 后的胃口。
2020 年，自动驾驶最大的突破是什么，我想应该是 ME 的全视觉城区自动驾驶解决方案和 TESLA 的 FSD BETA, 技术难点在于纯视觉的环境感知和行为预测。
Model 3 Beta FSD - 夜间
Mobileye 自动驾驶汽车上路 40 分钟无剪辑视频 _ 腾讯视频 (qq.com)
Cruise 对于交通参与者的行为进行预测
ME 的纯视觉路测视频
从视频可以看出，ME 确实解决了白天天气晴好的情况下、复杂路况的自动驾驶问题。笔者就列出 Mobileye 这次实现的功能：
· 红绿灯识别
· 行人识别
· 路面性质改变识别
· 识别目标意图（长时间停车还是等红绿灯，行人要不要过马路）
· 前车开门识别
· 行人手势识别
· 自动换道
· 自动超车
· 加塞
· 20cm 通过性
· 拥挤路口协商通行
对于视觉自动驾驶来说，这是一个巨大的突破。本来 ME 已经给了全世界一个最大的彩蛋，可惜啊，既生瑜何生亮。这 10 年注定是一龙 . 马的 10 年。TESLA 的研发能力+产品力甩出了大家一个世纪。昨天和朋友聊天，我说 Tesla 卖的不是车，卖的是四个轮子的消费电子产品；传统车企走的太慢了，基本没戏，压缩压缩产能，满足一下老百姓的存量需求。估计主机厂也看到了这一点，东风、长城、上汽纷纷推出了自己的新势力品牌。
回到 Tesla，现在不断的有人上传 FSD BETA 的路测视频，每一个发布者都说了一个字“赞”。有白天的、晚上的、雨天的、雪天。有高速的、城区的、山路的、发卡弯的，这可是实打实的拿出来 show。对于同行们可以说是造成了全方位的碾压。靠现有的摄像头，tesla 卖出去的每辆车都可以实现自动驾驶
这哥们在测试 FSD 左转的时候，真的是爱了。竞技车手的水平！
车评人不是都喜欢做麋鹿测试吗？他们直接拿了一头鹿要做测试，真鹿 SHOW。
分析下来， ME 和 FSD BETA 的技术成功识别和决策规划同时演进的结果。关于识别，我们先来看看实际效果：
FSD 的环境感知
上面两张图是 Tesla 的一张视觉感知图，感知的元素包括车道线、路边的车辆、STOP 标致，还有一大堆看不清的东西。可见，Tesla 对环境的感知是非常丰富的。左边中间还有是否遮挡、是否下雨、是否是胎迹、是否是潮湿路面。
FSD BETA 把更多的元素展现了出来
之所以能够做到这点，一龙 . 马给出的解释是 4-D 的 Training，FSD beta 与之前版本的区别在于：在不安装激光雷达的前提下，具备 4D 环境感知能力。他们对于目标识别的训练已经不是使用单张标注图片的训练，而是将 8 个摄像头一段时间的视频一起放在服务器里面训练。以前的深度学习输出的是离散的点，用其他硬件（廉价 IMU）将这些点连接成一副场景，现在的深度学习直接就是无监督的场景训练。通过视频，Tesla 一共会训练 48 种不同的神经网络，用于不同的任务，如识别距离的（depth network）、识别 freespace 的（layout network）等等。
Video Training 同时使用 8 个摄像头的视频
Video Training 一次会使用 4096 张
Video training 的成果，以 TOPVIEW 实时识别 FreeSpace
现在，tesla 使用上图这样一个 GPU 集群训练，tesla 做一次 ap 的编译需要 1 个小时。
这样海量的训练数据，对于算力提出了很高的要求。为了实现这个功能，TESLA 正在打造一台“Dojo”超级计算机(日语：道场)
这个超级计算机的作用是进行 NN 训练，一龙 . 马说，这个机器可以自动地学习和识别先前未被定义或被标记的信息。与之前 FSD 的区别就是放幻灯片和看视频的区别，更多的在于训练场景关联性和预测能力。有人说，DOJO 造出来之后（2021 年 8 月）应该是排名世界前几位的超级计算机（算力是现在第一名富岳的 2 倍)，大国重器啊。
图片需要标注的元素
同时，DOJO 强大的算力和 Tesla 逆天的算法已经支持了全自动标注。上面这张图的标准，完全可以由 DOJO 自动实现（基于 Shadow mode 与实际驾驶的 Error），免去可耗时的人工标注环节，计算机的学习速度大大加快。 有了 DOJO，tesla 不但可以通过 SHADOW MODE 找出系统的问题，还能过像 alpha zero 一样实现自我迭代。
DOJO\PYTORCH\FSD\SHOW MODE 是如果相互配合来实现整个 AI 流程 .
GOOGLE 阿尔法 0 的自我迭代 .
当然，Tesla 与 ME 相比，技术上的差距应该没有那么大，但是 Tesla 海量的数据决定了他的优势，数据是智能时代的石油嘛。ME 就没办法做到这一点。这个优势还会随着 Model3 的销量不断扩大，其他主机厂应该庆幸他是一个封闭的系统。
关于规划决策部分，自动标注的实现是整个系统实现的关键。一龙 . 马没说什么，但 Cruise 给出了解释。
典型的路口场景，需要预测其他测量的运动 .
Cruise 解释，路径预测也是可以进行学习的。通过学习，他可以知道其他车做某种动作的概率，从而预测其他交通参与者的行为。下面三张图以通过路口为例（Cruise 在最右侧）：
1. 路口两辆车，每辆车有三种可能（直行，左、右，其实还有 U turn， K turn）
2. Cruise 会计算各种动作的概率
3. 当一辆车已经运动，他还可以影其他车辆运动的概率
4. 竖直的车通过路口后，左侧的车运动的概率被重新计算
5. 所有交通参与者运动被预测出来
6. 概率如何计算，其实我觉得深度学习和传统方法都有，但是深度学习确实很有效（学习当前交通参与者的拓扑、对方车辆的姿态与最终结果的关系）。
Cruise 在十字路口对其他车辆进入路口直行或者左右拐的概率进行预测
路口的车走了以后，黄车左拐的概率大大增加
各个车挨个过了路口，这个是 cruise
Cruise 说明，之所以能够预测，原因是他们使用了持续学习机，他可以进行自我标注。计算实际驾驶效果和预期效果的偏差，通过偏差对采集的数据进行定位进而自动标注，再进行训练形成闭环。从下图可以看出，持续学习机的效果非常好。
Cruise 预测到了这个车是要掉头
Cruise 也预测了白车要 cutin
要说 Tesla 万能，我不太同意，比如今年有很多人误踩了油门。只能说技术进步和技术不成熟本来就是相伴相生。一龙 . 马虽然不停跳票，也还是说到做到。
4. 总结
回望 2020，小的自动驾驶公司倒了一大片，连 Uber、吉利这种大公司都撑不住了，但是行业依然还是飞速的前进，只是整个行业呈现出了多元化的格局。汽车行业在分化，传统行业和新势力是冰与火之歌。自动驾驶行业出现了细分，活下来的公司在不同领域深耕，靠着专业化来获得利润。开创时代的 WGIT(Waymo\GM Cruise\Intel ME\Tesla)依然坚持着梦想，不断突破技术的天花板。DARPA 的一个小苗长就这样慢慢长成了一棵大树，感谢这个伟大的时代。
