自动驾驶变化过程中的五大特点

科技 2024-05-31 18:00 广东

随着汽车驱动方式的变化和自动驾驶技术的迭代，汽车和自动驾驶技术之间出现了一个差距，自动驾驶的技术发展远快于汽车工业的速度，这个话题看似前后矛盾。

自动驾驶不就是以汽车为载体的吗？

离开汽车的自动驾驶还是自动驾驶吗？

其实不然

正如机器人不一定是像人一样形态，汽车的发展和自动驾驶是两条不同的线，汽车是自动驾驶技术的一个载体，毕竟汽车中还有智能座舱，智能驱动系统，自动驾驶也可以泛化到其他的智能体现。而在最近火热的具身智能中，自动驾驶的汽车可以当做是一个统一的智能体。如果将两者分来讨论，自动驾驶更侧重是一类人工智能的动态体现。从技术层面来看，讨论自动驾驶技术的发展需要控制变量将汽车自身的变化隔离开来。

特斯拉的自动驾驶进展可谓是一直“牵动”国内自动驾驶行业的心，每一次特斯拉展示出的成果必将成为自动驾驶行业追逐的目标。纯视觉、端到端成为自动驾驶行业新的热点，一夜之间车企业或者供应商纷纷推出相关的自动驾驶产品宣称要搭载量产。一边是产品研发端火热的新技术、新突破，一边是消费市场对新产品的感知力羸弱，新技术或者新产品的普及速度不及预期，在这两者之间存在的间隙也是两种不同思维的体现，从技术应用的思维中来看，先有新技术后有产品的推广应用，利用新的技术提高社会的运转效率，创造更多的需求；而从产品市场的思维中来看，产品的价值体现是一个潜移默化的过程，消费者对新产品的从好奇体验到使用依赖是需要整个社会的进步。

正如在牛顿经典物理理论体系内，智能手机一定是出现在智能时代，从电脑到汽车甚至是家用小电器都体现出智能变化，而不是跨时空单一的存在，所以智能汽车也一定是社会智能技术整体进步的产物。以技术为导向，新技术创造新需求或者想象力制造新需求，以市场为导向，产品的价值一定是整个社会的平均运转效率的体现。这也就可以解释有的技术却是很前沿，但是落地到产品应用却很局限，而有的产品所需要的技术并不是最前沿先进，但是应用规模推动公司的商业飞轮运转，例如鼠标和图形交互最开始也不是苹果公司发明的，但是苹果公司组合这两种技术引领了计算机的新时代。

那么，在时间和空间的维度中，技术和市场是同时存在还是具有先后排序的问题也可以转化为产品和需求的关系或者供给和消费之间的关系，新产品创造需求还是需求催生新产品，等同于先有鸡还是先有蛋的悬案问题。作为一个行业、单个公司或者单个人，一定需要跳出自身约束去观察整个社会的变化，否则就是鱼缸中的金鱼一样看到的世界都是曲面的和冒着水泡。将时间的拉长可能变化比较平缓，相对的将时间缩小变化会比较剧烈，只有紧跟这种变化的频率才能有新的生机。

在汽车智能化领域，以时间为轴看待自动驾驶技术或者智能化的发展呈现出几个特点：

第一是变化速度快，无论是产品迭代还是新技术探索应用，从论文概念到落地产品之间的时间在缩短，也就是从时间的维度将自动驾驶进行压缩的结果，这就会导致产业的沉淀时间的不足，不断有新鲜血液加入不断有玩家下桌，看似热闹实际上在消费端产生的产品规模效益反而不大，从而进一步偏离行业发展预期；

第二是技术的更新反而激增需求的增多，尤其是软件诞生以来，产品市场的需求是一个弹性增长的状态，处于一个无限增长的状态，软件让产品的成本降低，相应的需求反而在增长。这也就预示着相比于以往的机械时代，软件时代的行业会更卷，智能化产品系统会更复杂，产品的功能可以完成，但是性能总会一直存在优化空间。例如，全景功能的开发是一个可测可量的工程，而后续基于全景功能的优化是一个无限延伸的过程，更高清的图像显示、更多的功能连接、更低的传输时延等等一系列性能层面的优化；

第三是智能化产品的约束条件在变化，这就导致自动驾驶行业会不断涌现出各种想象，也就是创造需求。以自动驾驶硬件平台为例，2014年，Mobileye第一代EyeQ芯片算力只有0.256 TOPS，十一年后的今天，英伟达的Altan芯片单颗算力达到了1000 TOPS，虽然说芯片算力并不能和自动驾驶产品划等号，但是至少说明一个问题，自动驾驶硬件算力的约束条件变化十分巨大，在大算力芯片的加持下，设计端可以发挥更多的需求想象，其中真需求和伪需求均有50%的概率。除了硬件平台以外，自动驾驶相关的法律法规、数据量的积累以及人才约束也在发生变化，约束条件的变化进一步刺激产品端需求的创造速度。例如随着自动驾驶相关的法规变化，武汉、广州、北京等地纷纷推出Robotaxi的运营，让消费者可以直观的体验到自动驾驶技术，自动驾驶技术成为可以用商业货币购买的服务，至于能不能形成使用依赖，那就是性能优化的问题；

第四是人工智能技术的变化影响自动驾驶技术路线。自动驾驶的进化离不开人工智能技术的潮涨潮落，人工智能技术的每一次进展都会引发自动驾驶行业的一次洗牌，所以自动驾驶的行业发展一定会和人工智能技术的趋势一样。人工智能领域通过大模型的手段试图探索通用人工智能，紧接着自动驾驶领域端到端方案成为各家POC的热点，虽然无论是大模型还是端到端也不是新鲜方向，而是二十多年前就已经提出，只是受限于当时的算力、数据等条件而没有成为主流方案。所以，自动驾驶领域讨论端到端方案是否会成为终极方案或者实现无人驾驶，前提是大模型能否实现通用人工智能。如果大模型这条路无法实现通用人工智能，那么端到端自动驾驶方案也是一个过渡性方案，终将会被新的方式替代。

同样，人工智能领域对于通用人工智能的目标是达到或超越人类智能的水平，能够在不同领域和应用中灵活应用知识和推理，减少对领域知识的依赖，并通过自省和元认知提高其处理任务的适用性和效率。所以人工智能必定会经历一个类人智能的阶段，再从类人智能阶段过渡到通用智能。现阶段所有的技术手段或者产品形态都是围绕类人而设计，例如自动驾驶领域经常会以老司机驾驶的效果为系统性能的参考对象，虽然在图像感知或者敏捷性上已经达到甚至超过了人类老司机的驾驶效果，可以在某些场景下完成人类的驾驶任务，从这个角度来看，自动驾驶的智能化仍然没有达到极限，只是停留在类人的阶段。但是自动驾驶系统要获得更广泛的智能水平，可能需要某种形式的技术突破，主要原因在于自动驾驶训练的数据仍然是以人类驾驶数据或者类人自动驾驶数据为主，是一个人类或者类人系统的平均活动的表现；其次是人工智能技术自身在知识掌握、减少幻觉以及在多个维度上的表现上，仍有望实现进一步的提升。反过来，无论是在自然语言处理还是图像的生成，一旦人工智能技术在任何一个领域实现产品突破，自动驾驶系统实现超越人类的性能体现将成为可能，不过那就必然会出现一个全新的问题，自动驾驶系统的智能的极限在哪里；

第五是面对大公司在算力、数据和人才上的优势，自动驾驶行业逐渐出现收敛的现象，创业公司的优势开始丧失。不管是美国的特斯拉还是华为，都会有一个自动驾驶系统的核心诉求，那就是世界只需要一套自动驾驶系统，那就是自己的。这种诉求不仅体现在产品应用方面，还体现在技术路线方向。在自动驾驶从实验室刚开始到转向产业界，资本市场的利好让众多创业者加入自动驾驶的热潮之中，经过行业几年的发展自动驾驶的门槛并没有降低反而提高了，尤其是在大模型时代，进入智能化领域的成本会更高。

这一点和互联网的发展历程非常的相似，一开始，互联网非常开放，这可能是对经济最有利的一次大繁荣，创造了巨大的增长和力量，增强了社会的经济实力和文化影响力，随着新一代架构的出现，互联网变得封闭，现在互联网的发展几乎全部被头部几家企业把持。自动驾驶行业也是同样的逻辑关系，虽然代码开源，法律法规的监管在逐步完善，但是一旦出现新的技术架构，那就意味着自动驾驶技术将会掌握在少数公司手中，这也是特斯拉不断更新和宣传新技术架构的主要原因。无论是BEV+transformer的感知架构还是数据驱动的迭代模式，特斯拉一定会不遗余力的更新其架构体系，其中包括创办X.AI人工智能公司，所以特斯拉新的自动驾驶架构无从猜测，但是大体一定会是人工智能技术的前沿探索为智能化的中枢神经，而自动驾驶汽车只是躯干中一部分，跳出鱼缸看自动驾驶这条鱼。

每个人都是生活实践者与行业观察者

欢迎转发并关注

汽车观察者联盟

汽车观察者联盟

聚集产业发展变化，打造第三方独立意见平台，交流、共享促进产业的发展。