凤凰网汽车

最近两天，AI界特别热闹，听闻又打起了“嘴仗”。

起因来自一条推文，OpenAI的首席科学家伊利亚·萨茨克维尔（Ilya Sutskever），在自己的推特上发布了这样一句话：“现在的大型神经网络可能已经有微弱自主意识了。”

于是，整个机器学习的圈子就炸开了锅，各位大佬轮番上阵，上演了一次“公说公有理，婆说婆有理”。

更甚者，就连2018年图灵奖获得者、Meta首席科学家Yann LeCun这样的学界大牛，也亲自下场，反驳了这一说法。

“不对。甚至‘微弱意识’和‘大型神经网络’里，表示微量、大量的形容词，都是错的。我认为这需要一种当下所有神经网络都不具备的大型架构来支撑。”

平心而论，AGI（通用人工智能），一直都是人们想象中AI的最终进化形态。

类似终结者、钢铁侠等众多影视作品中，也都在毫不吝惜的对AGI的可用性、便利性，以及人类威胁性，进行了大尺度的渲染。

但在人们在仰望星空的同时，想要做到脚踏实地，实现真正的科技向善、AI向善，却远没有想象中的那么简单。

回顾曾经，AI落地喊了这么多年，却始终都是一个“黑匣子”；AI寒冬来了又来，也依旧没有一个确定的实例，站出来挑起大梁。

总而言之，面对新时代层出不穷的需求，隐隐生出泡沫化趋势的AI行业，迫切地需要一个证明自己的机会。无论是AI的盈利性，还是AI对于整个社会发展的重要性，都需要这样一个机会，促使整个行业重现生机。

巧合的是，新能源汽车的大潮来临了，随着电气化、智能化等新四化概念的深入人心，自动驾驶、智能座舱等应用场景的出现，自然而然地就转化成为了AI最适合攻占的阵地之一。

一时间，资本入局、技术争先，这里Robotaxi开跑，那里又实现了L3+级别的自动驾驶，“炒”得不可开交。

不否认，自动驾驶的路还有很长，但可以确定的是，这场承担起AI复兴的战役，已经轰轰烈烈的打响。

数据中，红海里

前不久，美国加州车管局（DMV）公布了多家自动驾驶公司在2021年度的自动驾驶路测数据，并对外展示了相关自动驾驶车辆在过去1年中的行驶情况，其中包括车辆平均接管里程（MPI）、测试车辆规模、测试总里程等。

经上表不难发现，就自动驾驶公司的数量而言，中美双方的公司各占到了一半。如果按照平均接管里程数（MPI）来看，中国Robotaxi公司AutoX 安途的排名排在了第一位；但若是以总测试里程和规模为依据，隶属于谷歌旗下的Waymo亦是当之无愧的第一。

业界对MPI的“吐槽”声不断，毕竟不同路况下，安全员们拿回驾驶主动权的情况各不相同；但另一方面，并不能就此否认，MPI现已成为衡量自动驾驶能力的一种可行性标准。所以，从这个角度出发，AutoX的实力，不容小觑。

据了解，AutoX创立于2016年的硅谷，创始人肖健雄是计算机视觉与无人驾驶领域的专家。

5年后的今天，AutoX已经先后经历了多轮融资，投资者包括上汽、东风、阿里等众多产业资本与行业巨头。

而且值得一提的是，AutoX无安全员的全无人RoboTaxi已经全面开放，国内首个无人驾驶运营中心也在深圳建成并正式投入使用。

当然，与“创业公司”AutoX相比，独立于2016年的Waymo，技术、产业资源、资金都要更雄厚一些。而且在本次DMV披露的数据中，Waymo是相关自动驾驶车辆规模最大的企业，更是比自己老对手Cruise的5倍还要多出不少。

Waymo脱身于谷歌在2009年开启的一项自动驾驶汽车计划，经过7年的孵化，到2016年才正式独立出来。

开局之初，Waymo凭借谷歌的技术优势、人才优势等，便将目标直接设置在了L4级别的自动驾驶，只不过时至今日，“自命不凡”的Waymo恐怕并没有想象到高级别自动驾驶的棘手程度。

近几年，Waymo车队的规模提升了，却因为没有一款足够撑起门面的产品，总估值一降再降。

到2021年底，Waymo宣布与吉利合作，极氪将为Robotaxi网约车服务Waymo One的无人驾驶车队提供专属车辆，如此一来，似乎Waymo的整个商业化进程都开始加速了。

归根结底，各家自动驾驶公司参加路测的原因也不难猜出，一方面是公司秀肌肉展示实力，另一方面便是为了获取更多的路面数据，以完善出更准确的自动驾驶模型。

但值得注意的一点是，透过本次DMV所披露的信息，再结合近期的市场涌动来看，似乎不难感觉到，那场属于自动驾驶的战争，更近了。

中美，必有一战？

谈起自动驾驶之争，说得最多的便是以特斯拉为主的“纯视觉解决方案”，以及除特斯拉之外，其他公司都在积极拥抱“激光雷达解决方案”。

但如果跳出这种利用“感知方式”的限制，从整体自动驾驶解决方案的角度出发，数据、算法、算力三个层次的比拼，则意味着自动驾驶的战争，将会变得更加激烈、复杂；而且，其波及范围也不仅仅局限在Robotaxi的赛道。

首先，数据层面，自动驾驶的数据可以简单地分成两种，一种指用于自动驾驶模型训练的数据，另外一种则是依靠车端传感器采集到的即时性数据。当然，两者并非完全解耦，只不过中间还隔着数据传输、数据存储、数据加工等多个步骤。

大家可能会比较关心，关于上文榜单中，为什么“牛气”的特斯拉会缺席，其实有一部分原因就是因为数据。

换言之，特斯拉卖的车足够多，其收集到的数据已经达到了某个量级，所以通过费力“考试”去获取数据、名声的心思不大。再加上其自身的自动驾驶能力未知，能否在自动驾驶的红海中脱颖而出，还真的是有待推敲。

事实上，除了数据本身具备的经济价值之外，数据安全也一直是自动驾驶领域，乃至整个社会所关心的问题。

去年的时候，特斯拉的车辆曾经有一段时间被禁止进入到部队大院、政府机构等特殊区域，随之“间谍车”的论调也变得此起彼伏，直到特斯拉在中国建设了数据中心，用于中国大陆市场销售车辆产生数据的存储、使用，相关事件才逐渐平息下来。

其次，算法层面，自动驾驶的算法通常会按照功能不同分为多种，如感知算法、定位算法、控制算法，以及预测、决策和规划算法……

其中，感知算法和定位算法，凭借激光雷达、高精地图等“外设”的加持，基本上各企业能够做出个不相上下。但与Behavior相关的算法，就没有那么容易，而且这个环节也是各大企业技术能力体现出区分度的地方。

原因很简单，随着场景变得更多、更复杂，类似“若a则b”的规则成本会逐渐增加，算法的泛化适用能力在下降，“按下葫芦浮起瓢”的bug也就出现的愈加频繁。

尽管Robotaxi公司在宣传自己的自动驾驶能力时，常常会提到自己实现了xxx级别的自动驾驶，因为对于他们来说，首要的核心竞争力便是在算法层面。

但另一方面，与谷歌、亚马逊、百度、阿里等互联网巨头们相比，这种算法层面的优势，却并没有想象中的那么大。

只不过，就现在的情况来看，巨头们似乎更愿意出钱占股，坐在“幕后”伺机而动，既避免了前期市场不稳定的种种风险，也不至于错过风口踏空，白白丢失市场份额。

最后，算力层面，以自动驾驶芯片为核心的硬件配套，是实现自动驾驶的必由之路。但现在的问题就是，半导体行业的黑洞，已经是让不少国内资本畏之如虎；再加上来自国外的技术封锁和竞争，目前的环境说一声“悲壮”也并无不可。

晶圆制造、EDA工业软件方面的问题暂且不谈，就自动驾驶芯片领域而言，英伟达早已是根深蒂固的存在，除了特斯拉自研成功了FSD芯片之外，国内的蔚来、小鹏、集度等整车企业，优先配置的也是英伟达的自动驾驶芯片。

要知道，马太效应的加持下，雪球在越滚越大；尽管国内的自动驾驶芯片厂商，如地平线、芯驰、黑芝麻等，也都渐渐起了“声势”，但半导体行业终归是长周期行业，再加上车规安全方面的考虑，车企们不敢用，没有市场验证的后来者，任重而道远。

做急先锋，走未来路

“不管黑猫、白猫，抓住老鼠的就是好猫。”

现如今，时代的节奏很快，许多事情，结果远比过程重要，自动驾驶领域更是如此。企业们当然可以去选择不同的技术路线，单车智能也好，智能网联也罢，但终归需要有个结果。

不然的话，只是去营销自己的数据多么丰富，算法多么先进，算力又是多么强劲，却没有一个合格的产品站住脚，那与吹牛又有什么区别？

回过头看，就美国的自动驾驶市场而言，Zoox、Waymo、Cruise、Argo AI、Aurora并称为硅谷自动驾驶的“五大家族”。其背后要么是谷歌、亚马逊这样的互联网大厂支持，要么就是通用、福特等传统车企在注资控股，可谓是各种势力盘根交错。

再看中国的自动驾驶市场，AutoX、滴滴、文远知行、元戎启行、小马智行、百度Apollo等，其背后也是说不清的关系，同样的金融资本、互联网巨头、车企等各个势力在背后操盘。

夸张点说，现在已经不是自动驾驶企业之间的比拼，更深一层的是其背后资本、车企、互联网巨头、产业大环境的竞争。

牵一发而动全身，最后很可能串联到整个自动驾驶产业链，汽车行业，大制造，乃至整个国家层面的竞争。

变革和疫情，让世界的一切进入加速度。虽然站在最上层看，自动驾驶只是一小块，但现在又有谁比自动驾驶更适合充当中国智能产业的急先锋呢？

恰逢百年未有之大变局，汽车行业的变革一触即发，中国制造“大而不强”的刻板印象，也将就此迎来关键的改变。

不难看到的是，中美都在积极备“战”，竞相占据技术、底层、应用和全供应链价值的制高点。

但本文的最后依旧想说，所谓“战争”从来不是目的，重要的是，切实找到那么一条通往未来的路。

愈发感到庆幸，我们正一路见证，且一路同行。