世界关注:自动驾驶,一场关于信任的战争

2022-06-28 05:44:52

来源:公众号谈擎说AI

想要实现自动驾驶真正普及,除了技术、法规等等硬性门槛之外,今天摆在我们面前的最大问题之一,就是要如何把体验变成刚需。

而刚需的基础,第一步是信任。

今天虽然说辅助驾驶日渐升温,但真正能够让大众撒手把生命交给冰冷的系统,这仍是一条漫长的信任构建之路。


(资料图)

这份反差,有点像谈恋爱和结婚,前者重在体验,后者则需要用信任奠基。

从自动驾驶行业兴起至今,已经有太多各方人士从技术、行业等角度来分析其落地可能性,但今天我们不妨换一个视角,从技术与人的关系来看自动驾驶落地这一战,究竟还要打上多久。

01

无形的大山

划时代技术与人的关系,大抵都是走着从信任到依赖这样一条路径,这样的路径游走,也通常是一剂有望加速技术、法规等等硬性条件快速落地的催化剂。

我们不妨类比网约车行业的发展早期,在当时,其同样是一块脱离官方法规约束的灰色地带,经历过网约车大战的朋友们,大抵都看到过早期网约车司机和有关部门在高铁站、机场等场所的“斗智斗勇”。

不过网约车行业与自动驾驶之间一个很大的区别就是:虽然网约车当年也是新鲜事物,但很快大量消费者就对其产生了信任和依赖。

消费者对网约车势不可挡的依赖,其实也是很大程度上在当年倒逼相关法规要快速落地,以帮助新技术普及的一股核心驱动力。

不可否认,网约车和自动驾驶相比,技术要求完全不在同一个维度,低门槛的技术同样是网约车能够快速落地的重要因素。

不过关于自动驾驶,今天真正值得我们关注的问题在于,即便是最接近未来终极愿景的Robotaxi,在全球范围内已经经历了几年的小规模试运营之后,今天真正能够对其产生信任的消费者有多少?更不用提依赖。

今天其实很多自动驾驶场景项目,本质上都是一门由B端因成本问题而试图变革驱动的生意,对于C端消费者而言,我的Taxi到底是不是Robo的?给超市送货的大卡车有没有司机?这对于最终体验而言,几乎是没有什么直接改善的。

即使是Robotaxi,最起码在车内布局几乎没有变化的今天,对打车出行的体验改善,也并不是很大。

谈擎说AI认为,如果技术无法在早期就直接给C端市场带来体验升级,那么法规等硬性条件很大程度上给到技术的权利释放,其实都会是比较有限的。

除开信任,在技术与人和谐相处的前提里,自动驾驶还有一个非常难忽视的敏感点,那就是伦理问题。

不可否认,自动驾驶对我们的生活存在巨大价值,如果说今天大众对自动驾驶的普遍认知可以达到:自动驾驶会出事故,但如果人人都用自动驾驶,我们整体的事故率还是会低下来。

那么很显然,自动驾驶普及的难度便会大大降低。

不过想要让这种观念深入人心,似乎不太可能。

毕竟若真如此,说得好听些,每个机动车交通参与者便都成为了给自动驾驶做贡献的一份子,但说得难听点,大家也都成为了小白鼠,生命由自己把握和给机器把握,是有本质区别的。

更直观地来讲,对于驾车小白来说,相对安全的自动驾驶普及,会是一个福音,但对于几十年不出事故的老司机来说,这显然不是一层体验优化,对于千千万万的货车司机、快递小哥们而言,亦是如此。

那么在广大老司机以及职业司机身后,其实就是导致自动驾驶难推进的一系列伦理问题,这里主要有两点,一是机器取代人力的就业问题。

这一点无需过多赘述,宏观上其实是好的,从社会面来看,职业司机职位消失,背后运维调度等技术岗位却被创造了出来,不过短期看,推进起来总会有大大小小的阻力。

更重要的一点是,今天人们对自动驾驶相关事故,舆论的关注度非常高,但包容度却很低。

基于这一点,有两个直观例子,一个是奔驰全球首发的L3级自动驾驶,要知道在L3限定条件下,如果出了事故责任就将会是系统的。

单从此消息来看,这其实是整个自动驾驶发展历程中一个质的突破,不过骨感的是现实,毕竟奔驰L3在一系列限定条件下出了事故才会“背锅”,比如光线条件好,时速要在60km以下,只有12800公里的限制使用区域等等,可谓把体验拿捏得死死的。

另一个例子就是这两天被爆料的,特斯拉Autopilot在事故前一秒终止了对车辆的控制。

初得这一消息,不禁让人有些许不寒而栗的绝望感,但无论是奔驰的L3“体验卡”还是特斯拉深陷舆论的Autopilot退出事件,其实都不难理解:

巨大的伦理敏感性,导致舆论对技术失误的低包容度,进一步使得法规保守,行业无法更明朗地对技术担保,最终回归到了消费者对技术心里没底,使得技术一直僵在了小打小闹的辅助驾驶和闭塞的路测恶性循环里。

说白了,自动驾驶走到今天,既无法让人基于百分百的安全对其产生信任,又无法让人对技术产生依赖,继而再有看起来无止境的伦理问题,这就导致其很难走出路测,这一落地议题上最煎熬的过渡区。

02

自动驾驶,如何赢得信任?

如何突破路测的瓶颈?从人的角度来看,自动驾驶首先要做的就是赢得消费者信任。

谈擎说AI认为,基于对信任的破局,大致有三条比较明朗的路径:

第一个,最稳妥,饼也是最大的,即用技术攀峰从而真实现百分百安全。

听起来荡气回肠又决绝,不过技术攀峰有多难?今天越来越多L4企业扎堆涌入辅助驾驶赛道,已经可以让我们窥见一斑。

从技术层面来看,想要真正实现百分百安全的无人驾驶,车路协同大概率是绕不开的,悲观地看,何时能够实现,今天确实是难以预测的。

第二个,委曲求全,把一步到位的愿景退而求其次。

既然自动驾驶在安全、信任及伦理等等问题上,今天仍得不到很好地处理,那L2这样的“体验卡”,自然就是一个很好地商业化方式。

就像是结婚,既然两个人互不信任,索性还是先处着。

如果说十年前一步到位和委曲求全哪个才是正解,行业其实很难有一个精准的判断,但今天我们已经可以确认,特斯拉在一定程度上已经战胜了Waymo。

乘用车ADAS之于自动驾驶,本质上的差异在于,ADAS不是要去解决问题,而是最大化地避免问题,通过从刚需到体验的降维,从而在安全、信任及伦理等问题面前绕道走。

不可否认,在ADAS市场上,“自动驾驶”还仅仅是一个可以锦上添花式的存在,其与自动驾驶的终极愿景还有很大落差的。

不过瘦死的骆驼比马大,就算是在乘用车场景里做“技术降维”,这也已经是今天看来,赛道内最澎湃的一股力量了。

第三个,把安全议题分为量和程度两个思考维度

信任问题的源头归根结底还是安全,但安全并不是自动驾驶路上一头笼统的拦路虎。

谈擎说AI认为,自动驾驶关于安全还是可以有两个划分,一个是量,一个是程度。

举个简单的例子,鲜有人会因事故风险而不坐私家车,但不少人会因为担心飞机不安全而坚决不坐飞机。

这其实就是量和程度的区别,乘用车的事故率比飞机高很多,但对人的伤害程度却比飞机事故低得多。

人之常情告诉我们,大众对前者往往包容度会更高,但对后者的包容度则很低,这样的敏感点放到新技术上,同样会更进一步放大。

到了这里,我们进一步看一个例子,那就是关于自动驾驶落地问题很多人都在推崇的Robotruck。

对干线物流场景的青睐者们认为,干线物流路线相对封闭固定,基于今天的自动驾驶技术,Robotruck发生事故的概率“量”,会较不确定性更多的城市场景低很多。

但谈擎说AI认为,把安全的“量”这一衡量标准优化,对于自动驾驶大规模普及而言,今天能够起到的作用其实是极其有限的。

原因在于,尽管相对封闭,但干线物流本质上还是要在非封闭的高速场景下参与交通,虽说可以把事故从量的层面压低概率,但如果真的发生事故,基于卡车高速、大载重等特点,造成的后果从程度上来讲,很可能是相当惨重的。

这似乎也就是为何早在2017年前后,基于业务成本驱动,阿里、京东等电商巨头都风风火火入局L4干线物流,被誉为“自动驾驶第一股”的图森未来,天眼查APP信息显示,其中国公司北京图森未来科技有限公司也早于2016年就已成立,这几年一路高歌,但到了今天,大家的结果大抵和Robotaxi一样,绝大多数还是困在路测里。

不难发现,Robotaxi也好,Robotruck也罢,本质上两者在做的事情没有区别,想要实现都还是得去解决问题,而不是避免问题。

这也就意味着,在无法保证道路上没有人这一要素参与,或者无法保证百分百能避免事故发生之前,Robotruck想让法律法规真正放权大规模商业化,难度很可能并不会较Robotaxi小太多。

03

从“硬刚”到“避免”:L4寒冬里的火绒

基于以上分析,谈擎说AI认为,如果有场景可以把跟安全、信任及伦理等等问题正面刚,转化为巧妙避免这些问题,其将会有望成为助力现阶段自动驾驶破局的关键场景。

那么除了乘用车ADAS,行业今天还可能有哪些机遇?

其实不难发现,符合“避免”要素的细分场景并非没有,虽说前景可能没有Robotaxi大,但较乘用车ADAS,却有望让相对原汁原味的L4或L5上车,以持续供养技术攀峰:

首先是非参与交通的封闭场景,如矿区、港口等等。

封闭场景无需过多赘述,就像是在工厂里引进自动化器械,只要人的要素能够完美摘除,剩下的其实就是相对单纯的成本博弈。

比如无人矿车,虽说前景没有乘用车市场大,但今天已有不少玩家在此聚集,没有了道路法规约束,路测其实一定程度上就是实战,这对于规模化应用而言,已经算是有了得天独厚的优势。

其次,是能把安全在“程度”方面拉低的一些交通参与场景,如无人环卫、无人配送。

其可行性的核心同封闭场景其实是相通的,封闭场景是摘除风险,无人配送等的核心优势则是可以有效弱化风险。

接下来,我们不妨以前景和难度都更大,争议也很高的无人配送场景为例,简单分析一波。

这两年无人配送热度不低,外卖、电商等平台都有很大的斗志,但不看好无人配送的声音也非常多。

因为客观来看,无人配送在“上门”这一问题上今天确实走得不那么顺利,比方说配送车在楼下等候,会很大程度上牺牲消费者今天既有的上门送货体验,“航母”式放无人机等天马行空的方案也多少有些架空现实,因此很多人认为不可行。

不过被很多人一棒子打死的上门问题,也不是没有解法。

谈擎说AI认为,无论是快递还是外卖,在需要上楼、上门送货等末端配送场景里,其实均可参照今天的菜鸟驿站模式,由无人配送车将货物分发到终端网点,从而用更少且可以摊薄成本的人力资源在终端驿站进行调度,满足有上门送货需求的客户意愿。

至于外卖场景,非标准化的取货挑战无人车如何攻破?今天仍有待探讨。不过我们重点要说的还是上路后的安全,这是一切自动驾驶场景想要落地的前提。

谈擎说AI认为,之所以说无人配送落地有更快的可能性,就是因为其最大的优势在于运力终端有着低速、体积小这些特点,使得物理撞击“程度”风险更低,算法遇到极端情况的概率也会更低。

基于理论上的可行性,我们不妨复盘一下近期无人配送的相关事故,这一年里,美团无人车给我们贡献了两个较火的案例,一是同私家车相撞,一是同公交车相撞。

从结果来看也是如此,虽然均为直接碰撞,但事故最终结果都相对较轻微,也算是一定程度上印证了其“程度”方面的安全性。

但尽管如此,两则事故还是把无人配送一时间里推向了风口浪尖。究其原因,谈擎说AI认为,其中很大的一个争议点在于,无人配送车给其他参与交通的主流机动车添加了额外风险因素。

尽管无人配送车可以低速,小体积,甚至后续还能在外部给车武装上气囊,把直接碰撞的致伤风险最大化降低,但比如因A车辆对无人车进行闪避,撞到了B车辆,安全风险便会再度不可控。

虽然囿于技术,今天任何有一定规模的自动驾驶项目都还无法保证百分百零事故,但最起码在比如降低事故程度这样的安全规避的思路上,今天已经有了些许可能性。

这样的可能性在僵局面前,也许就是冬夜里的一簇火绒。

关键词: 自动驾驶 无人驾驶 汽车制造