舒天JIU丝原创No.490
最近看到网上曝光了华为投资的羊城半岛自动驾驶测试基地，包括14个系统实验室，103个道路静态要素，一个直径300米的动态控制广场，3000个典型交通事故场景进行基础测试。
笔者认为，华为可以通过这个基地，在封闭道路上走“智能自行车-道路协同”的复合技术路线，从而快速获得更完整、更好的数据和迭代算法，最终在城市开放道路上向市场推出带智能自行车的L4自动驾驶汽车。但是要把这个问题说清楚，还得从自动驾驶汽车的现状、瓶颈、赛道说起！
L4自动驾驶的四个门槛
自动驾驶按照“自动化”程度分为L0到L5六个级别。L0-L3都是人定的。L4高度自驾车，L5完全自驾车。所有操作都由自动驾驶系统完成。不同的是L4只能在特定环境下实现，而L5可以在所有场景下实现。目前L4自动驾驶有四个门槛：
第一，计算门槛在——200TOPS以上。自动驾驶车辆需要高性能的智能计算平台，相当于车辆的“大脑”，而最重要的硬件就是提供计算能力支持的AI芯片。人工智能计算能力的基本单位是TOPS，代表每秒一万亿次运算。自动驾驶水平每提高一级，所需的芯片计算能力就会提高10倍。一级L2自动驾驶要求2TOPS，一级L3要求20TOPS，一级L4要求200TOPS，一级L5要求2,000 TOPS以上。L4自动驾驶所需的AI计算能力相当于20台MAC，L5自动驾驶相当于200台MAC。
市场上高级自动驾驶芯片的主要玩家是英伟达和高通。英伟达在2019年底推出了一款200TOPS芯片，已经提供给各个汽车厂商。高通还推出了支持L4级别的自动驾驶芯片。目前计算能力的条件已经基本具备。
第二，算法的阈值是——。平均接管里程超过人类驾驶员的平均水平20万英里。只有当自动驾驶汽车比人类驾驶更安全时，大家才能放心让它驾驶。统计数据显示，人类驾驶员发生非致命碰撞的平均时间为20万英里。换句话说，自动驾驶汽车的年平均接管里程(MPI)达到20万英里，相当于人类驾驶员的平均水平。这也是自动驾驶汽车的门槛！
今年2月10日，加州交通管理局发布了2021年自动驾驶的数据。根据自动驾驶的核心衡量指标之一“年平均接管里程(MPI)”，前十名中，中国公司5家，美国公司5家。排名前五的公司是AutoX Antu(中国)、Cruise(美国)、Didi Didi(中国)、Argo(美国)和WeRide文远之星(中国)。
平均接管里程方面，2020年头部厂商的平均接管里程为2万英里，2021年为4万到5万英里，头部厂商的进度基本每年翻倍。按照这个进度，从5万到20万英里翻两番需要两到三年。
所以业界预测2到3年后，基本可以实现L4级别的高度自动驾驶。大概要到2030年才能实现L5级别的全自动驾驶，因为越晚越难提高准确率和概率。
三、数据门槛——17亿公里里程数据。据美国兰德智库估计，实现自动驾驶系统的量产需要超过170亿公里(约110亿英里)的测试数据。
四、硬件门槛3354车辆硬件要达标。除了计算平台，车辆自身控制系统的硬件方面也要达标。可以先做L4级别的硬件。你不必开启自动驾驶的功能，但你可以使用这辆车辆进行数据收集、训练和测试。具备自动驾驶的应用条件，可以通过在线软件对车辆进行升级，实现真正自动驾驶的功能。
目前车厂在做的是先把标准的车辆硬件投入市场。此时，2022年是关键的一年。蔚来、理想、小鹏、SAIC等国内几家车厂都计划在2022年“指定”L4级车，即确定硬件配置、供应商并计划投产。到2024年，大量量产的L4车型将投入市场。
自动驾驶的三条技术路线和瓶颈
目前自动驾驶分为自行车智能和道路协调两条不同的技术路线，本质上是人工智能的比拼。
因为人工智能有三个核心要素：数据、算法和计算能力。所以自动驾驶的竞争也是数据、算法、计算能力的综合竞争。目前算力和算法没有质的区别，更重要的是数据的竞争。
大数据的关键不在于“大”，而在于数据的准确性、维度和时效性。一般来说，数据精度越高，维度越好，时效性越好。尤其是多维数据可以交叉验证，明显比一维数据好。
因此，根据数据维度和技术侧重点的不同，目前自动驾驶可以分为三种技术路线：
是自行车智能视觉路线。以特斯拉为代表的纯视觉派，只有单一视觉维度的数据。这种大数据是有问题的，大数据的质量是最差的，需要更强大的计算能力来弥补。可见，特斯拉的突破关键在于算法。
特立独行的特斯拉自动驾驶算法总监卡帕蒂(李菲菲的弟子)认为，既然人可以靠眼睛驾驶，那么机器没有理由做不到，甚至没有理由做不到。虽然激光雷达“真的是一条捷径”，但特斯拉就像是最好的问题解决者，只愿意解决计算机视觉的“终极问题”。
当然，视觉路线一旦突破，应用前景将极为广阔，尤其是在军事应用上，对智能战争有着决定性的影响。
问题的关键在于，虽然人类可以让单一决策能力的计算机比人脑(Google Go Alphago)更强大，但目前人类还无法让复杂决策能力的计算机比人脑更强大。这也是特斯拉自动驾驶汽车出事的真正原因。
二是自行车智能激光路线。谷歌是“激光雷达高精地图”派的代表，它拥有视觉维度、激光雷达维度和毫米波雷达三个维度的数据。激光雷达的数据质量高、及时，大数据的精度、维度、时效性都比特斯拉好。因此，谷歌突破的关键是激光雷达。
谷歌旗下的Waymo，在自动驾驶里程数据的积累中，采取真实路测数据和模拟测试数据两条腿走路。
在真实道路测试数据方面，不仅其自动驾驶车队以693辆位居全球第一，2021年全年测试里程达到232.5万英里，累计总测试里程2000万英里，遥遥领先于其他竞争对手。然而，加州发布的年均接管里程排名第八，仅为7965英里。
在模拟测试数据方面，早在2017年，谷歌就开发了Carcraft自动驾驶模拟系统。每天有25000辆虚拟汽车在运行，测试800万英里。目前已经完成了150亿英里的自动驾驶模拟测试。
谷歌150亿英里自动驾驶模拟测试是全球第一家超过110亿英里里程数据临界点的公司！可能意味着谷歌大数据反哺的自动驾驶算法已经跨过了安全门槛，谷歌自动驾驶汽车已经进入快速成熟期，其平均接管里程将迅速超过人类驾驶员平均水平20万英里！然而，谷歌的瓶颈可能是激光雷达的成本。
这是一条三方协调的路线。既有车上的多维数据，也有路上各种传感器的多维数据，大数据的质量是最全最好的。所以车路协调路线也是最安全的，技术门槛较低，社会总成本最低。因此，突破的关键是看路的智能。
笔者认为，华为拥有最好的5G技术优势和海思芯片能力，以及在此基础上形成的自动驾驶测试基地和自动驾驶模拟系统。所以估计华为走的是“自行车智能激光车路协同”复合技术路线的快车道。华为突破的关键是算法迭代3354，以“道路智能”优化“汽车智能”。
华为自动驾驶测试基地的战略意义
为什么华为的R&D能力很强？我们来看两个华为数字化转型的成功实践。
一个是手机跌落模拟系统。手机的研发还得做跌落测试。最开始华为用的是机械手，机械手拿着手机居然一次次摔，效率低，成本高。后来华为将其拆分为11个维度，3000多个测试用例，通过计算机模拟跌落行为。现在，只需要8个小时就可以得到所有跌倒的模拟结果，省时、省力、省钱。
另一个是5G毫米波仿真系统。5G毫米波技术，华为刚开始和国外一所大学合作。在当时，这所大学在毫米波技术的研究方面是世界上最先进的。它有一个独特的优势，那就是其所在城市的建筑物复杂，可以在各种场景中测试信号的反射、折射、吸收和穿透，因此特别适合模拟5G信号在真实场景中的应用。后来华为开发了5G毫米波仿真测试平台，并不断建模优化。现在华为的模拟系统根本不需要真实的城市环境。它可以依托云计算和超级计算中心，从复杂的城市环境中直接模拟高清3D地图。这样，研发过程大大加快。正是这套仿真系统，让华为在5G毫米波研究上领先世界。
从上面两个成功的实践可以看出，华为建立模拟测试系统有三个步骤，华为的自动驾驶测试基地可能也会这样做。
第一步，通过14个系统实验室、103个道路静态要素、一个直径300m的动态控制广场、3000个典型交通事故场景的实际驾驶，快速获取各种真实驾驶场景下的原始大数据。
第二步，通过深度学习馈出算法3354，用这些原始大数据建立初始自动驾驶仿真系统。
第三步，不断建模优化，最终形成实用的自动驾驶仪仿真系统。
目前，华为自动驾驶模拟测试系统日测试里程超过500万公里。去年华为实现了1000公里自动驾驶无干预，实力超越特斯拉！平台的计算能力已经达到了400TOPS。华为的96线汽车轨距激光雷达每套仅售200美元，计划两年内低于100美元。
此外，2020年4月22日，阿里巴巴达摩院发布了全球首个自动驾驶“混合仿真测试平台”。可实现：30秒模拟一个极端场景，每天测试800万公里。
笔者认为，华为的自动驾驶技术在算法、算力、数据方面综合实力最强，可能后来居上。尤其是目前已经突破了激光雷达成本、AI算力等关键难点，是自动驾驶汽车赛道上最有希望胜出的一个！
然而，最终谁能胜出，取决于谁率先突破一个关键指标：平均接管里程超过人类驾驶员平均水平20万英里！是谷歌激光雷达降低成本快吗？华为用“道路智能”优化“汽车智能”是不是更快？
注：图片来自网络。
