凤凰网汽车

经过5-6年的高速发展，现在自动驾驶投资热情被抑制。商业逻辑的目光，不会超过数年的尺度。

文/《汽车人》孟华

最近一两年，似乎是自动驾驶技术的低谷。

特斯拉被舆论吊打；Waymo放慢了试运营，顺便CEO被“裸辞”；优步和Lyft把自动驾驶业务卖了；Cruise和Argo AI喊得仍然很凶，但扩张变慢了；百度的Apollo则从“赋能”平台转向自己造硬件平台；新势力们对“智能辅助驾驶”功能的宣传调门，也下降了很多。

技术停滞不前

公众的直观感受，在国内自动驾驶技术专利申请上得到验证。2019年是巅峰（10463件），终结了2015年以来的爆发式增长势头；2020年9750件，看似只是略降；今年截至6月底，只有813件。

专利申请不等于授权，但已经透露出技术开发投资已经越过山巅，走向新低谷。这背后是对技术中长期前景的悲观预期。相关资本的退潮，更是提前到两三年前。

自动驾驶产生了几条不同的路线，壁垒都很高。无论是特斯拉、大疆的纯视觉，华为的“激光雷达+毫米波雷达+摄像头+超声波雷达”融合，百度的“Robotaxi”路线，还有更小众的V2X车路协同路线，都需要强大的软硬件结合能力。目前进展比预期缓慢得多。

从商业模式上，自动驾驶的终极目标是替代人。目前，前者的成本还没到低点，而人工成本还在上涨。但是即便到了交叉点，因为前者的能力不行，也无法形成替代。

在商业应用层面，大家都不约而同地停留在L2这个级别上。不管如何修饰（诸如L2+、L2.5、L2.99等），哪怕是亟须与众不同标签的新势力，也不会贸然将L3落地，尽管它们声称在硬件上早已准备好了。特斯拉吃过几回擦边球的亏，现在言辞谨慎了很多。

那么，到底是什么原因，使得自动驾驶技术的发展进程，大大落后于5年前的预期。我们当初忽视了什么要素？

经验递推不可取

智能技术的未来如何预期，似乎是一个难题。即便人类作为一个整体，对科技发展时间尺度的判断，也非常地纠结。

从大的尺度上来看，历史当然是加速的。一个来自200年前的人（清道光元年），穿越到今天，一定会一直处于震惊状态无法自拔，眼前的一切都无法理解。而400年前的人（明天启元年）穿越到200年前，他可能会觉得新鲜，但不会吓尿。

原因在于，一个更加发达的社会，能够继续发展的能力更强，发展的速度也因此更快。

但是近期的历史可能产生误导。即便我们处于技术的强烈上升期，只要截取的时间足够短，譬如最近两三年，仍然觉得技术发展在龟爬。2019年的自动驾驶水平，和今天的看上去没有太大区别。

即便指数增长，也常常遵循S型发展路线，有慢速期、快速期和平缓期。

说实话，我们相当不笃定，眼下到底身处哪个时期。这让我们对未来智能技术的预测，产生巨大的分歧。

但无论如何，使用个人经验预测，是不可取的。想象力往往植根于个人经验中，当预测偏离经验，我们本能地觉得预测错了。

“强化学习”有多强

认错的结果，是我们对10年内的智能技术发展，看法趋于悲观。

历史不会停滞，只不过以我们无法察觉的方式行进。

事实上，我们已经身处智能车时代了。发明“人工智能（AI）”这个词的约翰·麦卡锡也承认，“一旦一样东西用人工智能实现了，人们就不再叫它人工智能了”。对大多数人来说，AI是未来的神秘存在，而不是身边的现实。

定速巡航、自适应巡航、多场景辅助驾驶、多场景自主驾驶……显示了人工智能处于成长中，我们只是对进度不满。

如今我们已经拥有超算，可以使用暴力解算，但“车载算力”受限于能源供应和散热条件，不可能拥有过于奢侈的并行处理能力。

因此，数据需要压缩，而且要提前融合，不要指望车载算力能处理每秒上G的传感器数据。如今基于图形编辑器的模型多如牛毛，但算力核心只能被填喂变形之后的数据。目前就这个水平。

人类的大脑，毫无疑问有训练机制。只不过，和人工智能不同，人类不依靠庞大的数据处理能力。事实上，人类接收的信息相当有限（事先经过滤除）。人类不需要大数据，就能辨识。

小孩子被教育认识了红苹果，再看到青苹果，一下子就意识到后者也是苹果。视觉某种预训练信息，已经编码到DNA里面了。我们不清楚它的机制，但它肯定存在。

模仿人类的强化学习方向，仍是AI领域最具希望、最前沿的子领域。AlphaGo的“深度学习”，也是类似的能力，只不过施展的范围限于下围棋。

“模拟演化”是希望？

自动驾驶能力也是如此。在道路行驶中，我们教会AI辨识路边行人和垃圾桶的区别，但AI可能将雪人视为人类，并未意识到它是非生命体。目前的人工智能，在“举一反三”这种几乎不需要思考的领域，只相当于3岁的孩子。

我们教3岁孩子不要碰炭火炉，但下一次遇到燃气灶，他仍然跃跃欲试。人工智能当前也是如此，这一点让我们相当崩溃。炉子和苹果的区别就在于，苹果这类“自然物体”的辨识，早已“预置”为本能。

我们知道孩童早晚会长大，能辨识出危险而趋避；但是对人工智能的成长，就不那么有把握。

如果抛开一味强化运算能力这种死结，似乎可以用模拟演化的方式建造“强人工智能”。记住，不是模拟大脑运行的过程，而是模拟大脑“诞生”的过程。

具体而言，就是建立一个表现-评估的过程。成功的部分将会增殖，然后程序融合，产生新的程序；不成功的自动“沉降”。如此反复后，就获得越来越强大的算法。目前的人工智能演化（类脑计算机），正处于从线虫（200个神经元）向老鼠（1亿个神经元）过渡的阶段，距离人类那种超级大脑，还远得很。

因为难点在于融合过程，而非建立评价体系。一旦融合实现，就意味着程序能够自我进化。生物演化花了十几亿年，我们的期望，则是几年。因此，没有方向的自然演化，是不可接受的。必须特化、强化环境要素，使模拟演化更快、更有方向性。

目前，我们不知道这种策略是否可行，但值得一试。

一旦实现，那么就产生了自我进化的算法。强人工智能就此诞生。这就是盖茨、马斯克、霍金等人不断警告的“奇点时刻”。

这种演化和自我训练，开始如蜗牛一样慢，后来可能加速到令人瞠目的速度。很多科学家担心此后的故事，是否变得极为恐怖，但我们如今更操心，当前路径是否可行。

经过5-6年的高速发展，现在自动驾驶投资热情被抑制。商业逻辑的目光，不会超过数年的尺度。太长时间兑现的商业回报，没有太大意义。

但是技术不止和商业有关，更与人类思考的深度、基础学科的导引有关。人类对自身认识的肤浅，拖慢了自动驾驶技术替代人的进程。超越商业考虑向远处眺望，我们就只会专注于目标，而忽略路有多长。（文/《汽车人》孟华）【版权声明】本文系《汽车人》独家原创稿件，版权为《汽车人》所有。