據外媒報道，現在正有一場從硅谷延伸到底特律的競賽正在進行，即誰能最先制造出比人類司機駕車更安全的無人駕駛汽車？

與幾年前相比，這是一項更為艱巨的任務，因為人類司機了解更多東西，不僅僅關于他們的汽車，還包括人類在開車時的行為。為了達到與人類相同的理解水平，計算機化的汽車需要大量的數據支持。

目前，擁有最多數據的兩家公司分別是特斯拉和Waymo。

特斯拉和Waymo都在試圖收集和處理足夠多的數據，以制造能夠無人駕駛的汽車，但他們以截然不同的方式處理這些問題。

特斯拉正在利用它在道路上的數萬輛汽車收集真實世界的數據，這些數據與其車輛如何使用自動駕駛儀(Autopilot)有關，這種司機駕駛輔助系統目前已經實現半自動化。Waymo最初只是谷歌的無人駕駛汽車項目，它使用強大的計算機模擬，并利用現實世界中規模小得多的測試車隊推動進化。

無人駕駛汽車的支持者堅稱，無人駕駛技術將會降低每年因車禍而死亡的人數，美國這個數字高達4萬人。但是，將所有這些數據驅動的技術盡快應用到道路上，還可能帶來巨大的經濟效益。英特爾認為，無人駕駛汽車在2030年的收入將達到8000億美元，到2050年將達到每年7萬億美元規模。

2017年夏天，摩根士丹利(Morgan Stanley)分析師亞當·喬納斯(Adam Jonas)在報告中表示，數據對特斯拉來說可能比Model 3更有價值。他寫道:“只有一個市場足夠大，足以推動特斯拉的價值達到伊隆·馬斯克(Elon Musk)的個人抱負水平，那就是里程、數據和內容。”

圖1：特斯拉視頻顯示啟動狀態下的自動駕駛儀

特斯拉正通過使用客戶擁有的汽車來收集所有重要數據，從而實現其車輛的無人駕駛。該公司擁有成千上萬的客戶，他們中的許多人每天都在世界各地的街道上使用自動駕駛儀。根據隱私政策規定，特斯拉可以收集有關該功能性能的信息。

對于任何一個關注馬斯克旗下另一家公司SpaceX的人來說，這都是一個熟悉的策略。馬斯克已經悄悄地在真正的火箭發射中測試設備，甚至還出售該公司的許多測試發射機會。

很難確定特斯拉已經從其自動駕駛儀中獲得多少行駛里程的數據，因為該公司沒有發表太多關于這方面的公開聲明。2016年，當時的自動駕駛儀業務負責人在麻省理工學院(MIT)的會議上說，特斯拉已經記錄了12.6億公里里程的數據，其中有1.6億公里的數據是在自動駕駛儀控制（或部分控制）下實現的。

在2016年夏末，馬斯克稱特斯拉每天收集的數據量“剛剛超過480萬公里”。不過，截至去年7月份，特斯拉汽車的總行駛里程已增至80億公里。隨著特斯拉銷售的汽車越來越多，其可以收集的數據量將呈指數增長。

當然，并不是所有里程都是在無人駕駛儀控制下完成的，自動駕駛儀目前只具備半自動化駕駛功能。但特斯拉也收集有關自動駕駛儀如何處理不同場景的數據，即使該功能沒有被真正使用。

特斯拉汽車可以記錄自動駕駛儀采取行動的情況，數據最終會被傳送給特斯拉。這種所謂“陰影模式”（shadow mode）的收集意味著，特斯拉可以在數十億公里的行駛中模擬完全自動駕駛情況下的數據。

另一家擁有類似數據量的公司是Waymo，該公司今年早些時候宣布，它已經模擬行駛了80億公里的無人駕駛里程。Waymo還表示，其無人駕駛汽車在公共道路上行駛的距離也達到800萬公里，這比幾乎所有其他公司無人駕駛汽車路測里程的總和都要多。

Waymo受到的限制是，它只是通過大約500到600輛無人駕駛的Pacifica汽車車隊收集真實世界的數據。而特斯拉在全球公路上擁有超過30萬輛汽車在行駛，而且這些汽車所處的環境遠比Waymo更多樣化，Waymo目前僅在美國德克薩斯州、加州、密歇根州、亞利桑那州和佐治亞州進行測試。但特斯拉只能在現實世界里學習，因為即使是自動駕駛儀，當前版本也只是半自動化。

這種平衡也會發生改變。Waymo計劃在今年年底前向其車隊增加“數千輛”克萊斯勒汽車。最近，該公司還宣布與捷豹路虎公司合作，開發完全自動駕駛的全電動I-Pace SUV。Waymo表示，在未來幾年，該公司將為其車隊增加2萬輛測試汽車。而且當所有這些汽車上路時，它將每天能夠處理100萬次汽車旅行。

但在那之前，Waymo在很大程度上依賴于模擬，但計算機并非總能想出所有奇怪的真實場景。這就是為什么現在特斯拉在現實世界中領先的原因，Ark Invest分析師塔莎·基尼（Tasha Keeney）說：“我覺得每個人都認為意Waymo的技術是目前最好的，但我認為很多人都低估了特斯拉數據集的力量。”

圖2：數據類型

這兩家公司不僅收集不同規模的數據，它們也收集不同的數據。Waymo的無人駕駛面包車使用三種不同類型的激光雷達傳感器、5個雷達傳感器和8個攝像頭。特斯拉的汽車也配備了大量的裝備，包括8個攝像頭、12個超聲波傳感器，還有一個面向前方的雷達。

但是特斯拉沒有使用激光雷達。激光雷達和雷達很像，但它不收發無線電波，而是每秒發出幾百萬個激光信號，并測量它們反彈的時間。這使得我們有可能創造出一幅分辨率非常高的汽車周圍環境圖像，如果它被放置在正確的位置(比如汽車頂部)，甚至可以囊括所有方向。

即使在黑暗中，它也能保持這種精度，因為傳感器本身就能提供光源。這一點很重要，因為在黑暗中，攝像頭的性能通常更差，雷達和超聲波也不那么精確。

激光雷達既昂貴又笨重，它還需要移動機械部件(至少現在是這樣)。馬斯克最近稱該技術為“支柱”，并表示，雖然這短期內會讓事情變得更容易，但該公司將不得不掌握基于攝像頭的系統，以降低成本。

基尼表示，如果特斯拉能在沒有這種技術的情況下開發出無人駕駛汽車，那將獲得巨大優勢。她解釋說:“這是個風險更高的策略，但最終會給他們帶來更大回報。如果特斯拉能取得成功，那么其他所有公司都只能自生自滅。”

但事實上，這種假設存在很大不確定性。卡內基梅隆大學旗下、有通用汽車公司資助的無人駕駛研究實驗室主管拉吉·拉杰庫馬爾(Raj Rajkumar)說：“如果沒有激光雷達數據，特斯拉可能會發現自己處于不利地位。”

許多業內人士認為，激光雷達是打造無人駕駛汽車的必備工具，拉杰庫馬爾表示，人們對特斯拉的做法持懷疑態度。他說:“我們認為，硬件不足以做到這一點，特斯拉在打造全自動無人駕駛汽車方面不太可能成功。”

目前還不清楚特斯拉開始收集什么樣的數據。根據該公司的隱私政策，特斯拉可以獲取有關汽車速度、加速、剎車、電池使用情況的數據，并能在事故中保存“短視頻片段”。這些數據可以在遠程或約定服務期間收集。但是對于自動駕駛儀，隱私政策只規定特斯拉可以訪問“該功能關于使用和操作的信息”。

特斯拉拒絕評論從哪些傳感器收集了數據，也未透露收集的數據量。特斯拉可以獲得汽車上的所有視頻，也可以收集某些特定時刻(比如碰撞)的攝像頭視頻，或者是沒有視頻的超聲波傳感器數據。

拉杰庫馬爾表示，現在尚不清楚特斯拉收集的是全幀速率的視頻還是不太逼真的東西。基尼表示同意，她說:“Waymo的數據集更詳細，因為他們使用的是激光雷達，它比你從攝像頭中獲得的信息多得多。”

處理挑戰

收集數據是一回事。但就連馬斯克也指出，處理數據同樣是一項艱巨的任務。馬斯克在去年夏天的財報電話會議上說:“處理這些數據，然后利用數據對自動駕駛儀進行培訓，讓車輛從數據中有效地學習，這實際上是個相當大的挑戰，因為數據的數量過于龐大。”

相比之下，Waymo對它的模擬似乎更有信心。據《大西洋月刊》去年夏天發布的一份報告稱，該公司重新設計了其正在測試的城市的全電腦模型，并每天通過它們測試2.5萬輛“虛擬無人駕駛汽車”。

這有助于Waymo通過在計算機上重新創建真實的駕駛數據來創建一個緊密的反饋回路系統，在那里可以測試“數千種變化場景”。這些數據隨后被下載到Waymo的測試車中。Waymo還在加州建立了一個專門的測試設施，它可以在那里建立特定的街道特征或場景，以便給它的汽車帶來最大麻煩。

拉杰庫馬爾說，這個閉環回路系統“是以投入令人難以置信的投資、資源、時間和努力為代價的，當然Waymo有母公司的強力支持。”他說，特斯拉很難與之匹敵。特斯拉將不得不在這方面投入更多，并經歷高度勞動密集型的過程。

在兩年前發表的第二份特斯拉“總體規劃”中，馬斯克表示，無人駕駛技術要想真正獲得“全球監管批準”，大約需要行駛96億公里。特斯拉很可能已經在現實世界里通過了這個門檻，但它的汽車仍然不能完全自動駕駛。一輛特斯拉汽車計劃在2017年以無人駕駛的方式從洛杉磯駛往紐約，但這場演示已被推遲，而特斯拉打造最終版自動駕駛儀的目標仍未實現。

與此同時，Waymo在模擬行駛里程方面也接近96億公里，該公司的虛擬里程增長比以往任何時候都要快，還有數千輛測試車在等待參加測試。Waymo計劃在今年晚些時候推出一款使用無人駕駛汽車的商業叫車服務項目，該項目已經在亞利桑那州試行，這將進一步支持其數據反饋回路。

圖3：其他競爭者

特斯拉和Waymo是測試無人駕駛技術的兩家領先公司，但他們并不孤單。在這個領域最明顯的競爭者之一就是網約車巨頭Uber。與特斯拉和Waymo相比，Uber采用了一種更隨意的方式進行無人駕駛測試，這是該公司的典型特征，它體現了硅谷“快速行動、打破常規”的座右銘。

2016年在匹茲堡開始測試后，Uber又在舊金山街道上推出了早期版本的改良后半自動沃爾沃汽車，但沒有獲得該州許可。當測試為此受阻后，Uber將測試轉移到亞利桑那州。Uber最終同意了加州的基本要求，但它與國會議員們的妥協，導致這家公司落后于像Waymo這樣的競爭對手。

當Uber在三個州建立起測試車隊后，它的無人駕駛行駛里程將急速增加。據《紐約時報》報道，到2017年11月，Uber的無人駕駛汽車已經在全美范圍內行駛了320萬公里。

目前還不清楚Uber的模擬無人行駛里程，其技術質量也受到質疑，因為其一輛測試車于3月份在亞利桑那州殺死了一名行人。Uber首席執行官達拉·科斯羅薩西（Dara Khosrowshahi）表示，該公司仍將“致力于”該項目，但其測試工作目前仍處于暫停狀態。

基尼表示，在無人駕駛汽車方面，唯一可與Waymo或特斯拉在質量方面媲美的競爭者是一家老牌公司，即通用汽車公司。在被收購的子公司Cruise Automation幫助下，通用始終在開發無人駕駛版Bolt EV。該公司最近宣布，計劃在2019年測試自己的有限商業無人駕駛服務。

圖4：通用公司正在設計無方向盤或踏板的全電動Chevy Bolt，并將在2019年用其改裝的Cruise Automation技術進行商業試驗

通過生成和處理需要教汽車如何使用無人駕駛技術的數據，通用公司正追隨Waymo的腳步。但基尼認為，通用公司的優勢在于其生產規模。她說：“Waymo與捷豹達成了交易，這可能會在未來幫助他們取得重大進展，但他們實際上并沒有在內部生產汽車。我認為，擁有垂直戰略是有好處的。有了自主傳感器，當你從頭開始構建時，你就能更好地處理產品的外觀，以及如何優化所有東西。”

與特斯拉的策略相似，通用公司也有半自動化的產品，目前已被應用在行駛路上的客戶車中。但這種產品Super Cruise僅限于一款凱迪拉克(Cadillac)車型，而且沒有跡象表明它會很快擴散到其他車型上。

在基尼看來，通用正錯失大好良機。她說：“這就是他們所錯失的機會，其他所有汽車制造商也都錯過機會。為什么沒有人把傳感器放在客戶車上，就像特斯拉那樣收集數據？”

模擬戰略

在這場無人駕駛汽車競賽中，有一匹黑馬值得關注，那就是英偉達。盡管英偉達的無人駕駛技術沒有達到特斯拉和Waymo所夸耀的數十億公里里程，但其技術正被無人駕駛領域的數百家公司（包括特斯拉在內）使用。上個月，英偉達開始銷售其稱為Drive Constellation的產品，它實際上是為其他公司的無人駕駛項目準備的一種模擬設備。

換句話說，這是英偉達已用于測試的模擬設備的商業版本，它已經在英偉達自己的無人駕駛軟件和硬件中得到過驗證。

英偉達公司汽車項目高級總監丹尼·夏皮羅(Danny Shapiro)在接受采訪時表示，獲得良好的模擬設備對開發無人駕駛汽車至關重要。他說：“我們不可能在真實路上駕駛，也無法預測發生在公路上所有瘋狂的事情。最初，我們需要行駛數萬億公里的里程，其中絕大部分都非常無聊。但在某一時刻之后，你突然發現自己已經可以應付這種情況。”

這是工程師們必須研究的所謂“角落案例”，即不經常發生的情況。夏皮羅說，在開車時，會遇到很多這樣的情況，比如闖紅燈、路怒、危險天氣、日出或日落時刺眼的陽光。在現實世界中，如果用測試車進行足夠多的測試，你肯定會遇到這些事件和場景，但還不夠頻繁，因此也無法學會如何處理它們。

例如，在現實世界中，當太陽下山時，你每天只有幾分鐘的時間來在這種特殊時刻開車。而在模擬中，你可以24小時在日落場景中開車，還可以制造各種各樣的潛在危險。

這就是為什么任何公司都要首先在模擬環境中測試無人駕駛的原因。不過，通過降低進入門檻，英偉達已經讓那些沒有像特斯拉和Waymo這樣的車隊規模或資金支持的公司更容易進入這一領域。更重要的是，英偉達作為無人駕駛技術供應商的商業模式若被廣泛采用，可能有助于為無人駕駛模擬創造一個事實上的行業標準。

非營利研究機構蘭德公司(RAND Corporation)的高級信息科學家尼迪·卡拉（Nidhi Kalra）說，為無人駕駛模擬制定標準可能是這項技術的一個重要步驟，因為目前很難評估私人公司所做模擬的質量。

他還稱：“模擬器的問題在于，它是對現實世界的簡化。即使它能準確地刺激世界，如果你所模擬的只是山景城中沒有交通的、陽光明媚的一天，那么在山景城同樣死氣沉沉的路上模擬行駛10億公里有什么價值呢？我并不是說任何人都在做這樣的事情，但如果沒有這些信息，我們不可能知道十億公里里程真正意味著什么。”

卡拉為蘭德公司撰寫了一系列關于無人駕駛技術的研究報告，其中包括2016年的一項研究，試圖確定在現實世界中需要行駛多少里程才能證明無人駕駛汽車比人類駕駛更安全。卡拉及其合著者蘇珊·帕多克(Susan M. Paddock)得出的結論是，無人駕駛汽車需要“數億公里，有時甚至是數千億公里”，才能在統計學上證明其安全、可靠。因此，他們寫道，公司需要找到其他方法來證明安全性和可靠性。

卡拉稱，模擬可以達到這個目的，但無人駕駛汽車需要經歷更多的環境。她說:“如果我告訴你，我在《俠盜獵車手》（Grand Theft Auto）中駕車行駛了10億公里，但這并不能讓我成為一個好司機。當有公司宣稱：‘我們在模擬中行駛了無數公里’時，我想：‘好吧，我很高興你有個模擬器。’”

卡拉表示，對于任何“模擬行駛里程”、宣稱實現某個里程碑的公司來說，除非他們提供更詳細的模擬數據，否則其技術都值得懷疑。卡拉解釋稱：“真實世界的行駛里程仍然非常非常重要。從字面上看，這就是橡膠與公路的交匯之處，沒有什么可以替代它。”

圖5：知道特斯拉和Waymo在模擬和現實世界中已經積累了最多的行駛里程，這有助于為討論誰擁有“最多”數據，但這些知識本身不足以真正決定誰占據了最終優勢

如果特斯拉確實能在沒有激光雷達的情況下實現完全自動駕駛，那么理論上它可以將軟件升級推給其客戶，從而獲得優勢。

但特斯拉如何證明其技術是安全的呢？特斯拉確實有自己的小型試車車隊，且在加州車輛管理局（DMV）注冊，但它們在2017年的行駛里程卻為零。該公司利用當前自動駕駛儀版本通過其客戶車隊已經積累了龐大的行駛里程，但大多數車輛收集的數據都與其自動駕駛儀在現實世界中的應用有關，在發生致命車禍后，其技術再次受到美國國家運輸安全委員會的調查。

當擁有數萬輛汽車組成的測試車隊時，Waymo可能會更好地證明其技術的安全性，但這可能同樣是困難的，因為它仍然局限于少數幾個地點。即使在目前寬松的無人駕駛測試環境下，擴大這些努力的進展也需要時間。

另一個問題是如何定義“安全”。對所有這些公司來說，唯一通用的衡量標準就是所謂的“脫離”（disengagement），它跟蹤安全駕駛員代替自動駕駛系統重新控制汽車的次數。這也是一個不完美的衡量標準，它只被加州DMV所收錄，而且它被證明很容易捏造，因為它只有松散的定義。

當這些公司向監管機構或客戶證明他們已經開發了完全自動駕駛技術時，最可能的指標就是判斷該公司開發的無人駕駛汽車是否與人類司機駕車同樣安全，或比人類司機更安全。至于如何定義每X公里的事故發生率、每X公里的受傷率甚至每X公里的死亡率，則是另一個問題。

正如卡拉和帕多克在他們的研究中所指出的那樣，在現實世界中很難證明這一點。但是卡拉認為，單靠模擬無法證明這一點，至少在更全面、更開放的理解所收集數據的質量和速率前，不能匆忙下結論。她說:“我們可能會看到這項技術先被部署，然后才有確鑿的證據證明它有多安全。這就是矛盾所在：在我們決定使用無人駕駛汽車之前，我們無法證明它有多安全。”