機(jī)器智能的寒武紀(jì)即將大爆發(fā)

□文/吳甘沙

機(jī)器智能的寒武紀(jì)即將大爆發(fā)

□文/吳甘沙

自動(dòng)駕駛產(chǎn)業(yè)涉及三個(gè)“萬億美元級(jí)”市場。人工智能目前炙手可熱，創(chuàng)業(yè)公司不斷涌現(xiàn)，而自動(dòng)駕駛有望成為人工智能帶來的最大增值產(chǎn)業(yè)，沒有之一。

信息技術(shù)發(fā)展呈現(xiàn)出20年的周期律，上世紀(jì)70年代到90年代是PC發(fā)軔的數(shù)字化，上世紀(jì)90年代至新世紀(jì)的第一個(gè)十年是互聯(lián)網(wǎng)推動(dòng)的網(wǎng)絡(luò)化，而從2010年開始的20年，我們將面臨機(jī)器智能的寒武紀(jì)大爆發(fā)。

生命的寒武紀(jì)大爆發(fā)有多種有趣的解釋。第一，生物進(jìn)化出能感知世界的視覺，導(dǎo)致物種的千變?nèi)f化；第二，前寒武紀(jì)末期的一些動(dòng)物生長出具有神經(jīng)元和突觸的彌散神經(jīng)網(wǎng)絡(luò)，智能初現(xiàn)；第三，那時(shí)高水平的地殼運(yùn)動(dòng)使大量鈣元素噴入海水，早期生命演化出殼體和骨骼。

如果物聯(lián)網(wǎng)是機(jī)器的“視覺”，計(jì)算能力飆升、新型計(jì)算架構(gòu)出現(xiàn)是“神經(jīng)網(wǎng)絡(luò)”，互聯(lián)網(wǎng)帶來了“地殼運(yùn)動(dòng)”，而大數(shù)據(jù)是“鈣元素”，所有這些印證了機(jī)器智能的爆發(fā)恰逢其時(shí)。

人工智能目前炙手可熱，創(chuàng)業(yè)公司如雨后春筍般涌現(xiàn)，最近幾年的發(fā)展讓從業(yè)者思考，如何讓技術(shù)形成漣漪效應(yīng)，形成產(chǎn)業(yè)的非線性、躍遷式增長。有人把人工智能及其產(chǎn)業(yè)比喻成葡萄干和面包的關(guān)系，在一起創(chuàng)造出高價(jià)值的新品類，但葡萄干離開面包只是葡萄干而已。近年來，通過探索人工智能的產(chǎn)業(yè)機(jī)會(huì)，我們得出結(jié)論：最近5-10年，自動(dòng)駕駛將成為人工智能所帶來的增值最大的產(chǎn)業(yè)，沒有之一。

自動(dòng)駕駛產(chǎn)業(yè)和社會(huì)變革

自動(dòng)駕駛產(chǎn)業(yè)涉及三個(gè)“萬億美元級(jí)”市場：全球汽車市場以萬億美元計(jì)算，出行同樣是萬億美元級(jí)市場，而在實(shí)際產(chǎn)業(yè)之外，自動(dòng)駕駛為社會(huì)經(jīng)濟(jì)帶來的額外收益又將是萬億美元級(jí)。

自動(dòng)駕駛“起風(fēng)”自汽車產(chǎn)業(yè)。過去100年，這個(gè)被稱為“工業(yè)之王”的產(chǎn)業(yè)在競爭格局上并沒有產(chǎn)生大的變化，一輛車3萬多零件，價(jià)值鏈和資金周轉(zhuǎn)周期長，巨頭林立，后來者只能知難而退。

然而，過去5年發(fā)生的四個(gè)趨勢(shì)完全顛覆了這一格局。首先是新能源化，特斯拉這樣的電動(dòng)車將零件數(shù)降到1萬個(gè)，進(jìn)入者門檻極大降低；其次出行多樣化，尤其是共享出行改變了汽車的消費(fèi)模式；而智能化和網(wǎng)聯(lián)化改變了汽車的定義，電子和軟件壓倒傳統(tǒng)機(jī)械和電氣，汽車成為移動(dòng)的智能化空間，人與信息和服務(wù)產(chǎn)生無數(shù)的觸點(diǎn)。

競爭格局的改變并不只有利于后來者，傳統(tǒng)的汽車產(chǎn)業(yè)巨頭比以往任何時(shí)間都更勇于擁抱新趨勢(shì)。通用汽車投資出行服務(wù)提供商Lyft，又一擲10多億美元買下創(chuàng)業(yè)公司Cruise Automation；國內(nèi)來講，長安汽車的具有輔助駕駛功能的汽車運(yùn)行2000公里進(jìn)京，并與谷歌等國外巨頭積極接觸……可以看到他們直面挑戰(zhàn)的決心。

自動(dòng)駕駛帶來的變化遠(yuǎn)遠(yuǎn)不止是汽車產(chǎn)業(yè)，它的高級(jí)形態(tài)——無人駕駛——將徹底改變出行。我們心中有一個(gè)夢(mèng)想：讓首都擺脫“首堵”，讓行者出行無憂，這也許只需要10年。今天的北京有近600萬輛車，多數(shù)是私家車，“場外”仍有百萬人排號(hào)買車，為每年的6萬個(gè)車牌號(hào)惆悵。車越來越多，停車越來越難，而限行卻讓更多人買車，路上越來越堵，廢氣排放導(dǎo)致霧霾，交通事故高居不下……

吳甘沙 馭勢(shì)科技聯(lián)合創(chuàng)始人、CEO，前英特爾中國研究院院長

我們不禁思考：為什么都要買私家車？眾所周知，北京有近兩千萬人口，卻只有七萬輛出租車，即使加上滴滴和優(yōu)步的“游擊隊(duì)”，仍然無法為多數(shù)人提供即時(shí)、按需的出行服務(wù)。那么，想象一下這個(gè)場景：10年后，北京只有100萬輛私家車，但同時(shí)有200萬輛出租車，基于大數(shù)據(jù)的調(diào)度算法，可以使其為千萬人提供按需的出行——當(dāng)您踏出家門，車已經(jīng)等在外面。

有人說，到處打車，打不起。其實(shí)，那時(shí)打車花費(fèi)只需要今天的五分之一。為什么？我們可以算一筆賬：以目前一輛出租車為5年生命周期的產(chǎn)值來看，10% 用于車錢和維修費(fèi)，30% 是司機(jī)收入，30% 是份子錢、稅和保險(xiǎn)，30% 是油錢。10 年后人工成本和份子錢消失，調(diào)度算法消滅“空駛”、新能源每公里的能源成本低于常規(guī)燃料，打車成本自然就降低了。所以，您今天需要花 50 元，10 年后可能只需要不到 10元。路上長流不息的多數(shù)是無人駕駛的出租車，車減少了一半，但車的利用率極大提升，堵車成為過去時(shí)，天空更藍(lán)，停車位被改成公園、活動(dòng)空間和住所，車禍幾近于零，這就是我們夢(mèng)想的北京。

交通流、信息流、能源流的三流合一將形成巨大的海嘯，所有與人或物相關(guān)的交通將被重新定義，而服務(wù)業(yè)將找到新的爆發(fā)點(diǎn)——無人駕駛出租車將成為除了家和辦公室的第三空間，是移動(dòng)的商業(yè)地產(chǎn)，移動(dòng)的影院、移動(dòng)的辦公空間、移動(dòng)的星巴克。

什么是自動(dòng)駕駛？

自動(dòng)駕駛是個(gè)籠統(tǒng)的概念，往往各種混雜說法見諸報(bào)端。在網(wǎng)絡(luò)上一搜，你會(huì)看到諸如“長安汽車完成長距離無人駕駛首試”、“特斯拉無人駕駛出事！還敢放心交給它嗎？”、“樂視無人駕駛超級(jí)汽車亮相”這樣的報(bào)道，顯然混淆了概念。

我們?cè)谶@里正本清源。首先，我們要強(qiáng)調(diào)一個(gè)大概念是智能駕駛，在駕駛的智能方面分為駕駛輔助（driving assistance）和自動(dòng)駕駛。駕駛輔助還是人開，其智能體現(xiàn)在對(duì)環(huán)境的感知、并適時(shí)預(yù)警（比如車道線偏離和前車碰撞預(yù)警）。

從駕駛輔助到自動(dòng)駕駛又是很大的飛躍。自動(dòng)駕駛在感知之外，加上了規(guī)劃/決策和控制。駕駛輔助的感知強(qiáng)調(diào)低誤報(bào)（誤報(bào)一多駕駛就不用了）、低頻觸發(fā)，人是最終的決策者，所以駕駛輔助出錯(cuò)無傷大雅。自動(dòng)駕駛的感知有極高的要求，因?yàn)榘岩欢螘r(shí)間的控制權(quán)完全交與了機(jī)器，不僅要求低誤報(bào)（不然莫名其妙的剎車不但煩人，在高速上也很危險(xiǎn)），而且要求零漏報(bào)，漏一次就是交通事故。

自動(dòng)駕駛常常有三種不同的形態(tài)：

首先輔助駕駛或半自動(dòng)駕駛，特斯拉的Autopilot即是此類。在某些場景下汽車可以進(jìn)入自動(dòng)駕駛，比如自動(dòng)的緊急剎車，在封閉、結(jié)構(gòu)化道路上的自適應(yīng)巡航和車道保持，還有自動(dòng)泊車。必須注意的是，這類技術(shù)有較大的局限性，特斯拉近日的多起事故都是出現(xiàn)在十字路口、入口/出口和雙向路，這超出了Autopilot的處理能力。

下一步是高度自動(dòng)駕駛，在大街小巷多數(shù)場景下可以自動(dòng)駕駛，還能支持多輛車的編隊(duì)行駛。這類技術(shù)的環(huán)境感知和駕駛認(rèn)知能力得到了極大提升，不僅僅能處理上述輔助駕駛不會(huì)的路況，甚至能在完全沒有車道線的非結(jié)構(gòu)化道路暢行。自動(dòng)駕駛車還能在復(fù)雜路況下與其他智能車輛或人駕駛的車輛共享或競爭路權(quán)。

第三類是全自主駕駛或無人駕駛，完全由人工智能來駕駛，可以把方向盤、油門和剎車拿掉。

未來 5 年，傳統(tǒng)車廠和零部件供應(yīng)商未來5年的主要努力方向是第一、第二類自動(dòng)駕駛，這并不是以拿掉駕駛員為目的的，而是讓駕駛員更加安全和舒適，顯然這是更穩(wěn)妥和漸進(jìn)的發(fā)展路線。

而一些研究人員則直接選擇了無人駕駛作為切入點(diǎn)，同樣劍指2020年。他們認(rèn)為前兩種自動(dòng)駕駛是有問題的，因?yàn)闄C(jī)器失效時(shí)駕駛員不一定能在短時(shí)間內(nèi)回到?jīng)Q策環(huán)中。而終極的辦法是“消滅”駕駛員。這樣的車是真正為出行者設(shè)計(jì)的，小孩、老人、寵物、殘疾人都能夠開車，出行的權(quán)利極大釋放。傳統(tǒng)車主要賣給消費(fèi)者，而這類車則是面向運(yùn)營的。其好處是，運(yùn)營者可以限制它的運(yùn)行區(qū)域和應(yīng)用場景，在區(qū)域內(nèi)配備高精度地圖，可以布置增強(qiáng)的環(huán)境支持（比如GPS地基增強(qiáng)），并且限制速度。在無人駕駛上谷歌是個(gè)中翹楚，技術(shù)遙遙領(lǐng)先。即使這樣，谷歌還是把這類車的速度限制在25英里/小時(shí)。在城區(qū)場景下，這個(gè)速度不是大問題，很多大城市的平均通行速度只有20-30公里/小時(shí)。

自動(dòng)駕駛的前世：科研開道

自動(dòng)駕駛真正獲得進(jìn)展是從無人駕駛開始的。這也多虧了美國國防部先進(jìn)研究項(xiàng)目局（DAR PA），它可以說是孕育無數(shù)顛覆性技術(shù)的“黑科技神盾局”，大眾熟知的互聯(lián)網(wǎng)（阿帕網(wǎng)）、鼠標(biāo)、觸屏、Siri，乃至無人機(jī)和無人駕駛汽車，皆由此來。

自動(dòng)駕駛的今生：企業(yè)精耕

谷歌的第一輛無人駕駛車是基于混電車普銳斯改的，頂上裝著64線激光雷達(dá)，他們以此來建立高分辨率的三維環(huán)境模型，或高精度地圖。為了建圖，車往往到晚上開出來掃街，因?yàn)檫@時(shí)候路上比較清靜不易被發(fā)現(xiàn)（有人發(fā)現(xiàn)了也誤以為是街景車），而路面上臨時(shí)的物體（地圖噪聲）也比較少。

谷歌的第二代無人駕駛車來自一個(gè)創(chuàng)業(yè)公司——510 SYSTEMS，其核心成員Anthony Levandowski就讀于加州大學(xué)伯克利分校。雖然他并非屬于無人駕駛車“三強(qiáng)”（卡內(nèi)基梅隆、斯坦福和麻省理工），但他的產(chǎn)品非常強(qiáng)大。于是谷歌悄悄把這家公司買下來，并且在其基礎(chǔ)上發(fā)展出了基于雷克薩斯的平臺(tái)，一直到現(xiàn)在雷克薩斯仍然是谷歌車隊(duì)的主流車型，已具備20多輛。

谷歌無人車

谷歌的第三代無人駕駛車可視作真正的躍遷，這款車完全從頭設(shè)計(jì)的，長得“萌怪”，有點(diǎn)像樹袋熊。谷歌在設(shè)計(jì)上做了很多思考（比如移除了雨刷，因?yàn)轳{駛員不需要在雨中看清路況）。按照設(shè)計(jì)，這種車是沒有方向盤的，但由于加州法律的限制，車?yán)镞€是有個(gè)游戲操縱桿作為方向盤。目前已有30多輛第三代無人駕駛車在路上跑，且還在大量制造。

谷歌的60多輛車已經(jīng)行駛了200多萬英里，然而在實(shí)用性上仍面臨一定的問題：一是激光雷達(dá)等傳感器太過昂貴，二來區(qū)區(qū)200多萬英里并不能證明無人駕駛足夠安全或比人更好。根據(jù)統(tǒng)計(jì)，美國人的駕駛事故致死率是每9000萬英里一次。

事實(shí)上，還有一些人試圖在做另一條路線的探索，他們從駕駛輔助和輔助駕駛開始，死磕以視覺為主的低價(jià)方案，試圖實(shí)現(xiàn)快速商業(yè)化。其中翹楚是Mobileye和特斯拉，后者的Autopilot在短短7個(gè)月間積累了1.3億英里的自動(dòng)駕駛里程。

Mobileye剛開始的時(shí)候更多在做一些高深的問題，比如行人和車輛檢測。然而，一位高人的點(diǎn)撥讓Amnon Shashua茅塞頓開——聽從客戶的要求。這時(shí)，通用汽車對(duì)車道線檢測開始投標(biāo)。Shashua的學(xué)生花了幾個(gè)月寫出了車道線檢測，然而這不能保證Mobileye能夠勝出。Shashua玩了極其高明的一招，他在給通用展示車道線檢測的同時(shí)，順便展示了還很不成熟的車輛檢測。這讓通用大喜，取消了投標(biāo)，并且把資金投入這家以色列公司。

隨后的10年，Mobileye從車道線、車輛檢測，到行人檢測，從算法到芯片，從后裝的駕駛輔助產(chǎn)品到幾百款車型的前裝，從駕駛輔助到輔助駕駛，把單目攝像頭加傳統(tǒng)計(jì)算機(jī)視覺的技術(shù)路線發(fā)展到了極致。但這并沒有阻止業(yè)界在更廣領(lǐng)域的探索，基于多目攝像頭的立體視覺，在很多場景下展示出優(yōu)于單目的感知能力。

而在算法上，基于深度學(xué)習(xí)的汽車視覺算法展現(xiàn)了更強(qiáng)的適應(yīng)能力，這在一定程度上削弱了Mobileye的先發(fā)優(yōu)勢(shì)。Mobileye基于10多年的經(jīng)驗(yàn)和1000萬英里的數(shù)據(jù)，精心設(shè)計(jì)了識(shí)別車道線和道路目標(biāo)的識(shí)別特征（比如汽車的特征包括車身下的陰影、對(duì)稱的方形后部、對(duì)稱的車燈等），而深度學(xué)習(xí)強(qiáng)大的自我特征學(xué)習(xí)能力能夠一舉超越多年的積累。Mobileye并沒有故步自封，近年來他們也開始了基于深度學(xué)習(xí)的探索。他們清醒地認(rèn)識(shí)到，靠傳統(tǒng)的計(jì)算機(jī)視覺算法已經(jīng)不能適應(yīng)高度自動(dòng)駕駛的需求，在更復(fù)雜的路況中（比如不同角度的汽車識(shí)別、完全看不見車道線的非結(jié)構(gòu)化道路），深度學(xué)習(xí)是唯一的選擇。

視覺不僅僅是感知的重器，它提供了建立自動(dòng)駕駛地圖的另一種思路。如上文所述，谷歌堅(jiān)持用激光雷達(dá)建立高精度三維地圖，并且通過實(shí)時(shí)的稠密點(diǎn)云匹配來判斷當(dāng)前位置，但它的問題是：數(shù)據(jù)量大，每公里需要幾個(gè)GB的數(shù)據(jù)，且無法實(shí)時(shí)更新；另一方面，每輛自動(dòng)駕駛車都必須配備昂貴的激光雷達(dá)，這推遲了自動(dòng)駕駛的普及。

于是業(yè)界開始探索新的思路。傳統(tǒng)地圖廠商，如HER E、TomTom和四維，尋求在現(xiàn)有地圖上進(jìn)一步提高分辨率，增加更豐富的路面語義信息（地標(biāo)、交通信號(hào)、車道、坡度和曲率），而汽車不需要配備高端的傳感器，這樣的地圖是否適合自動(dòng)駕駛尚待檢驗(yàn)。

Amnon Shashua

Mobileye以及馭勢(shì)科技都不約而同地采用視覺地圖，因?yàn)閿z像頭每輛車都有，從視覺中提取的地圖又特別小，適合實(shí)時(shí)上傳、通過眾包的方式更新。事實(shí)上，基于視覺的定位更接近人的工作方式。我們根據(jù)道路上的標(biāo)志來評(píng)估大致的位置，并且根據(jù)路面線條的變化做實(shí)時(shí)的決策（是選哪一條車道，是否上匝道等）。那么，只需從視覺中提取出那些標(biāo)志和線條，眾包上傳到地圖（每公里只需10kb級(jí)別的數(shù)據(jù)），并且通過實(shí)時(shí)匹配來獲得定位。

在視覺狂飆猛進(jìn)的同時(shí)，其他的技術(shù)也在飛速發(fā)展。比如視覺加雷達(dá)的多傳感器融合，在很多場合下能夠獲得更好的感知能力。視覺的優(yōu)勢(shì)是分辨率高，含豐富語義，但缺點(diǎn)是受天氣和光照影響；而毫米波雷達(dá)只能跟蹤對(duì)象，而無法獲知其大小形狀，但受環(huán)境影響小。兩者的融合已經(jīng)成為目前輔助駕駛的標(biāo)配，特斯拉的Autopilot即是如此（還配有短距離的超聲波雷達(dá)）。

值得一提的是，特斯拉的致死事故中縱然有Mobileye視覺未能認(rèn)出拖車橫側(cè)面的緣故，也有雷達(dá)識(shí)別失誤的問題。雷達(dá)安裝較低，垂直掃描角度小，只能在較遠(yuǎn)的距離看到拖車（拖車底盤高，所以近距離時(shí)不能掃描到），在這起事故中拖車被認(rèn)成龍門或橫跨馬路的交通標(biāo)志。目前，各個(gè)傳感器只能在各自識(shí)別完成后做融合，這時(shí)候的融合邏輯就變得非常困難，因此，多傳感器的底層、深層融合非常值得探索。我們已經(jīng)看到雷達(dá)和攝像頭的合體R ACAM，以及激光雷達(dá)和攝像頭的混血版。

當(dāng)然，固態(tài)激光雷達(dá)的異軍突起也使得無遺漏的檢測成為困難。傳統(tǒng)的機(jī)械激光雷達(dá)要做每秒5-15轉(zhuǎn)的360度掃描，機(jī)械馬達(dá)做到足夠可靠、激光發(fā)射和接受做到足夠精準(zhǔn)是非常昂貴的。固態(tài)激光雷達(dá)通過半導(dǎo)體技術(shù)，比如MEMS鏡子或相控陣的光學(xué)干涉，實(shí)現(xiàn)了電子掃描。而半導(dǎo)體受益于摩爾定律，可以迅速降低成本。未來5年，我們有望看到100-500美元的激光雷達(dá)產(chǎn)品。

除了感知，在規(guī)劃和控制這塊我們也看到了長足的發(fā)展。傳統(tǒng)的規(guī)劃考慮安全和舒適性，而現(xiàn)在把競爭性也放入了考量。自動(dòng)駕駛的車輛如何預(yù)測行人和其他車輛的動(dòng)機(jī)和動(dòng)作？如何激進(jìn)地并線來獲得路權(quán)？谷歌和Mobileye等都在開始探討技術(shù)方案，比如采用強(qiáng)化學(xué)習(xí)和遞歸神經(jīng)網(wǎng)絡(luò)。必須指出，學(xué)習(xí)方法和專家知識(shí)是可以互補(bǔ)的。谷歌年初發(fā)生了自動(dòng)駕駛車撞上大巴的事故，如果在規(guī)劃中融入對(duì)大巴駕駛員判斷的經(jīng)驗(yàn)知識(shí)也許就可以規(guī)避。

另一些勇于吃螃蟹的人試圖用深度學(xué)習(xí)的端到端學(xué)習(xí)來整個(gè)解決“感知-規(guī)劃-控制”的一攬子問題。視覺圖像作為輸入，經(jīng)過神經(jīng)網(wǎng)絡(luò)，控制信號(hào)直接出來。這個(gè)思路早在深度學(xué)習(xí)出來之前就由Yann Lecun試過，并不成功，而近年來深度學(xué)習(xí)的發(fā)展讓業(yè)界對(duì)其又重燃希望（AlphaGo不就是把故紙堆里的Q Learning和深度學(xué)習(xí)嫁接、取得巨大成功嗎？）。英偉達(dá)在從感知到控制的端到端自我學(xué)習(xí)上做出了有益的嘗試，谷歌傳言也在探索這一方向，黑客George Hotz用2000行代碼實(shí)現(xiàn)的原型也被奉為傳奇，但筆者判斷真正實(shí)用尚需時(shí)日，在規(guī)劃和控制上有限數(shù)據(jù)樣本的統(tǒng)計(jì)學(xué)習(xí)還不足于取代人類的經(jīng)驗(yàn)知識(shí)。

自動(dòng)駕駛的系統(tǒng)設(shè)計(jì)

自動(dòng)駕駛解決了一種安全“Safety”，可能會(huì)帶來另一種安全問題“Security”。一方面，日益復(fù)雜的算法和功能要求使得通用操作系統(tǒng)在車上使用，另一方面，聯(lián)網(wǎng)的需求使汽車直接暴露在網(wǎng)絡(luò)攻擊之下。前不久，兩位黑客通過車載聯(lián)網(wǎng)娛樂系統(tǒng)攻破并接管了一輛大切諾基，遠(yuǎn)程打開冷風(fēng)和顯示器，隨即接管顯示屏，大音量播放音樂，最后開啟雨刷、熄滅引擎，揭示了讓人恐慌的黑色未來。

在相當(dāng)長的時(shí)間里，自動(dòng)駕駛車將與有人駕駛車共享路權(quán)，單車智能是必要的基礎(chǔ)。但自動(dòng)駕駛的未來不是一輛車的戰(zhàn)斗，隨著5G通信網(wǎng)絡(luò)的普及，V2X（包括車對(duì)車和車與基礎(chǔ)設(shè)施的通信）將豐富自動(dòng)駕駛的技術(shù)內(nèi)涵和生態(tài)，放大其作用。

V2X能做什么？首先是安全。今年在滬寧高速上發(fā)生一起數(shù)十輛車連環(huán)相撞的慘劇。由于雨天極差的可見性，即使每一輛車都有自動(dòng)駕駛功能，仍然難逃剎車不及的宿命。假設(shè)車車之間有通信，第一輛車發(fā)生制動(dòng)的瞬間，后車連續(xù)接到指令、自動(dòng)剎車，那就可以將大禍消弭于無形。

V2X還能改善能源效率。歐洲已經(jīng)開始嘗試大貨車的編隊(duì)行駛，領(lǐng)航車的執(zhí)行動(dòng)作通過V2X指令傳播到跟隨車輛，保持整個(gè)車隊(duì)的隊(duì)形和操控一致，這樣最大的好處是后車風(fēng)阻減少，能源大大節(jié)省，至于頭車嘛，“能力越大，責(zé)任越大”，能源消耗是少不了的。

V2X還能提升通行效率。對(duì)于高速來說，一大問題是，只要有一輛車突然剎車，其減速影響將如地震波一般連綿傳播數(shù)公里，使整個(gè)道路的通行效率劇減。麻省理工的教授發(fā)現(xiàn)，假設(shè)V2X允許每輛車的速度控制在前后車速度的平均值，某車瞬間減速的影響會(huì)向其前后兩側(cè)傳播，并且迅速消失。除此之外，如果V2X能夠掌握路口各個(gè)方向的車輛運(yùn)行狀況，并且計(jì)算出每一輛車的通行順序和速度，那么可以完全把紅綠燈拿掉，各車按序各行其是，完全不用擔(dān)心撞車。當(dāng)這一天實(shí)現(xiàn)時(shí)，城區(qū)的通行速度將獲得1-2倍的提升（要知道，今天北京的平均時(shí)速只有20多公里/小時(shí)）。

特斯拉在致命車禍的抗辯中，指出Autopilot已經(jīng)行駛1.3億英里，這是第一起死亡事故。而全世界每行駛6000萬英里就有一次致死事故，全美的平均數(shù)字是9400萬英里，因此自動(dòng)駕駛更加安全。但必須指出的是，這一論據(jù)并不充分。1.3億英里、不到1年的上路時(shí)間、10萬輛左右的車，只是非常小的樣本。換言之，只要明天再出一起死亡事故，平均值就已經(jīng)低于美國的平均值了。

在未來的3至5年內(nèi)，智能駕駛將以駕駛員為核心，自動(dòng)駕駛系統(tǒng)逐漸接觸駕駛員的必要行為，其他行為將被人工智能所取代。在此階段，主要以駕駛員的安全和舒適感受為重點(diǎn)，在特定場景內(nèi)實(shí)現(xiàn)半自動(dòng)駕駛、增強(qiáng)駕駛、高度自動(dòng)駕駛，以及無人駕駛。在未來的5至10年間，智能駕駛將以出行者為中心，主張便捷的理念，在城市區(qū)域?qū)崿F(xiàn)無人駕駛，隨著車聯(lián)網(wǎng)的成熟，逐漸過渡到全天候、全區(qū)域的無人駕駛。屆時(shí)，無人駕駛將帶動(dòng)相應(yīng)的物流、停車、保險(xiǎn)和服務(wù)業(yè)等的發(fā)展。

手機(jī)掃碼閱讀