自动驾驶量产难，看看百度、阿里各有啥招数

自动驾驶已经实践了多年，近年来，大量资金和团队在该领域投入。然而，人们发现，许多自动驾驶技术在演示中表现良好，但很难实现大规模生产。

那么，制约大规模生产的核心问题是什么呢？如何解决？

在最近举行的2019世界智能网联汽车大会上，许多公司提出了自己的解决方案。让我们看看百度和阿里巴巴这两家有影响力的国内公司是如何做到这一点的。

百度的量产探索：

高精度地图和自动停车

百度自动驾驶首席架构师郭扬在演讲中表示，百度认为自动驾驶的量产应该从更合适的场景开始，而不是仅仅从一辆功能齐全的汽车开始。

生产的自动驾驶产品的功能必须符合汽车行业的规范和法律。大规模生产的两大障碍是安全和车辆法规。

百度在量产方面的探索主要集中在代客泊车上的高精度地图和自动泊车。

百度认为，高精度地图作为自动驾驶中的严重依赖，对自动驾驶的安全非常重要。

然而，高精度地图仅仅收集数据是不够的，而是要实现实时更新。百度将更新的重任放在了众包上，利用行车记录仪收集的视频数据和高精度地图进行匹配和恢复建模，并以厘米级的精度更新高精度地图上的数据。

这个更新过程是实时的，只要第一辆车看到路况的变化并将数据发回，后续的自动驾驶汽车就可以立即获得信息。

此外，目前很难说高精度地图的安全性已经达到了什么水平。因此，今年，百度和全球汽车行业嵌入式和互联软件产品供应商Elektrobit（EB）联合制作了一份关于高精度地图安全的白皮书——《安全可靠的自动驾驶地图》，整合了ISO 26262、SOTIF、使用安全和地图质量相关标准等安全分析方法。

百度的高精度地图遵循这些标准进行生产，以确保使用高精度地图的自动驾驶汽车的安全。

中国高精度地图的发展仍需符合国情，并得到政策支持。百度获得了第一个高精度地图审核号，百度的高精度地图在政策、法规和敏感信息方面也很安全。

郭洋表示，百度已获得国内代工制造商中最大的订单量，并希望将高精度地图快速应用于更多场景，为使用自动驾驶的公司提供最佳的高精度地图解决方案。

在代客泊车方面，百度认为，完全无人化的自动泊车是自动驾驶落地乘用车领域最快的场景。由于环境稳定、速度低，对计算能力、传感器和环境总结的需求将减少，真正的无人驾驶功能可以用于产品设计。

而自动泊车实际上有着巨大的用户需求。例如，在北京、上海、广州和深圳等大城市，停车位非常紧张，但在一些地区，停车位没有得到充分利用。例如，机场停车楼的一些区域很拥挤，而其他区域则闲置。自动停车可以有效地利用这些社会资源。

自动驾驶的演示通常是在计算能力丰富且没有功耗限制的环境中完成的。当涉及到汽车时，计算能力是有限的。即使是目前最好的特斯拉FSD3.0芯片，其计算能力也只有70TOPS左右，这是计算机完全无法比拟的。同时，算力的增加也会导致功耗的增加，风冷甚至水冷都无法解决散热问题。

百度花了两年时间，按照行业标准设计了一款能够真正上车并满足实际计算需求的硬件。它符合汽车法规的要求，内部有非常高水平的安全芯片，c……

真正部署在汽车上，以满足普通消费者的自动泊车需求。

同时，百度也对算法进行了深度优化，可以真正在车上运行。它探索了并行计算和神经网络，并将百度自己的开源神经网络移植到硬件上，实现了良好的协调，在计算能力上超越了原有的硬件限制。

阿里巴巴专注无人物流车

在自动驾驶领域，阿里巴巴的做法与百度截然不同。阿里巴巴达摩院自动驾驶实验室负责人王刚在一次演讲中介绍，阿里巴巴从一开始就专注于物流行业的自动驾驶。

阿里巴巴为什么选择这个方向？一方面，以天猫、淘宝为代表的阿里巴巴电商平台，包括以饿了么、盒马为代表的本地生活平台，将产生越来越多的包裹。另一方面，社会老龄化日益严重，在可预见的未来，社会将缺乏足够的劳动力来运输这些包裹。

因此，阿里巴巴认为，无人物流车是整个物流行业发展的必然选择，也是社会发展的必然抉择。

阿里巴巴目前专注于两个物流场景：第一个是末端物流场景，最后一个是1-3公里的问题。这应该是未来几年最容易实施的方案，安全和法律挑战相对较少。二是开放道路技术的研究与开发。阿里巴巴已经开始在杭州的街道上进行定期的道路测试和相应的研发工作。

目前，阿里巴巴的无人车不仅可以应对各种复杂的开放道路条件，包括转弯、与非机动车和行人的互动，还可以在复杂的城市道路上实现数千公里的自动驾驶，而无需人工接管。

王刚认为，自动驾驶不仅可以创造社会价值，而且是一个巨大的机遇。然而，自动驾驶是一个投资非常大、周期非常长的行业。它纯粹是由技术或投资驱动的，存在很大的风险。它必须在早期阶段与商业和商业相结合，才能产生商业成果并推动其健康发展。

自动驾驶目前面临着全面的挑战，包括算法、计算硬件、传感器和基础设施。在大多数情况下，自动驾驶无法大规模生产和实现的主要原因是其算法还无法处理道路上复杂的交通状况。

如何处理如此多样化的场景？王刚认为，人工智能的经典理论——无免费午餐理论——是可以应用的。

这个理论指的是这样一个事实，即如果使用通用算法来解决所有问题，可能不会有任何回报，也不会取得好的结果。相反，如果对每个问题进行有针对性的开发和优化，可能会获得更好的结果。

因此，阿里巴巴希望对自动驾驶的多场景问题进行分解和提炼，并提供有针对性的解决方案。然而，对交通场景进行分类看似简单，但实际上却非常复杂。王刚认为，一个好的分类方法首先必须非常精细，其次必须为算法服务。

基于此，阿里巴巴建立了自己的自动驾驶场景库，专注于各种场景，共同感知和决策，有针对性地开发场景类别。

然而，如果有1000种场景分类，就需要开发1000种不同的算法来解决这个问题。如果每个场景分类都进行相应的算法开发，对于每个自动驾驶团队来说都是一场巨大的灾难。

因此，阿里巴巴采用了以计算为智能的开发模式，并提出了AutoDrive平台，该平台采用了更为数据驱动和计算驱动的方法，使计算机能够更智能地找到适合每个场景的算法、参数、结构等，从而提高系统的智能性。

为了确保自动驾驶平台更好地运行，阿里巴巴将所有路测数据都放在了云端，因为只有云端才有足够的存储和计算能力；

阿里巴巴还建立了数据上传、注释、模型训练、模拟和评估的闭环系统，可以在从信号输入到结构输出的计算环境中实现。

阿里巴巴还开发了一个自动驾驶数据中心。数据中心可以促进场景库、所有数据、系统工具和技术的共享，使工程师能够高效地开发他们的算法。

最后，王刚总结道，基于“无免费午餐”理论的自动驾驶研发依赖于三个要素：场景精细化、算法针对性和云平台效率。只有将这三种元素协同作用，才能产生更好的化学反应。

本文首发于微信公众号：《汽车商业评论》。文章内容属于作者个人观点，不代表和讯网络的立场。投资者应据此操作，并承担风险。

标签：发现特斯拉

汽车资讯热门资讯