Waymo or Tesla，这是一个问题

今天国外的科技媒体都被 Waymo 推出的自动驾驶打车服务 Waymo One 刷屏了，在潜心研发近十年后，Waymo 终于把自动驾驶汽车商业化运营推到了台前。

汽车制造商呢？针对苹果和谷歌这类门外汉对汽车这个万亿市场的觊觎，丰田执行副总裁 Didier Leroy 说过：你觉得我们会打开门说「请进」？不，我们不会让他们进来的。

那么，丰田的自动驾驶打车服务在哪儿呢？不，不要误会，我不是针对丰田，我是说在座所有走「最精密的传感器布局+运营自有车队收集数据」发展自动驾驶技术的大型车企，没有一家能追上 Waymo 的技术水平。

就没有一家车企出来为行业挽尊吗？也有，特斯拉标配 Autopilot 硬件的车队规模已经突破了 50 万辆，Autopilot 启用状态下里程刚刚突破了 10 亿英里。但 Autopilot 目前的表现，和自动驾驶还搭不上边，姑且算作有潜力的一大变量吧。

Waymo 的难题

The Verge 发了一篇长文专门讲述 Waymo One 的试乘体验，非常详细。简单总结下就是一句话：从 App 交付、服务区域、行车体验、人车交互甚至到定价，Waymo 把方方面面的用户体验考虑得非常周全。

图片来自 The Verge

一个小细节是，去年年底，Waymo 去掉了坐在驾驶位上应对突发状况的安全员，但在今天的正式商业化运营中，这些安全员又坐回了驾驶位，原因是「乘客觉得方向盘后没有人还是会紧张」。

Waymo One 是实实在在的全行业第一个实现正式商业化的自动驾驶打车服务。这是不是意味着，过去三年自动驾驶赛道的竞争结束了？Waymo 自动驾驶汽车会像 Google 搜索一样快速席卷全世界吗？

要让自动驾驶汽车走向全世界，Waymo 还有几座大山要翻。

Waymo 目前的自动驾驶汽车，还做不到真正的自动驾驶。

在去年加州车辆管理局（DMV）公布的年度报告中，Waymo 自动驾驶汽车每行驶 5596 英里（9006 公里）需要人为接管一次。所谓人为接管，就是遇到了极度复杂或不可控的路况，自动驾驶系统无法处理，需要安全员接管处理。

每行驶不到 1 万公里接管一次，这个技术水平能去掉安全员上路吗？当然不行。

对比 Waymo 过去三年提交给加州 DMV 的年度报告可以发现，虽然 Waymo 的车队规模越来越大，路测里程积累速度越来越快，但技术改进的效率在不断降低。2015 年，Waymo 每行驶 1300 英里就要接管一次；2016 年做到每行驶 5128 英里接管一次，大幅改进 394%；2017 年变成了 5596 英里/次，改进幅度还不到 10%。

从这个改进效率来看，Waymo 距离真正能够覆盖所有场景的自动驾驶汽车还有很长的一段路要走。

第二个问题，是以 Waymo 为首的整个技术阵营的问题，那就是Waymo 自动驾驶车队的可扩展性很差。

Waymo 自动驾驶汽车走的是激光雷达、毫米波雷达、摄像头和超声波探头多传感器融合感知的技术路线，将上述传感器收集的环境信息进行融合，结合高精地图做规划与决策。实际上，你可以把高精地图理解为自动驾驶技术感知环节的一层冗余。

这就带来一个问题，Waymo 每进入一个城市，需要先把所在城市道路的高精地图绘制出来，然后自动驾驶车队进入，经过测试之后才能跑起来。

自动驾驶汽车眼中的世界

撇开高精地图绘制成本高昂不谈，前期繁琐的测试造成了自动驾驶车队的可扩展性变得很差。在北京测试两年、对任何场景都轻车熟路的自动驾驶车队，一进上海就会蒙圈。

为什么会这样呢，我们一直在讲，城市公开道路是最复杂的场景，自动驾驶汽车应该率先在厂区、公园这种半开放式简单场景下实现商业化。但如果一个车队就在一座城市扎根跑两年，而不是全省甚至全国跑，它跑的场景其实是另一种意义上的限定区域，是一个升级版的、难度增大的厂区或公园。

以 Waymo 这次商业化为例，Waymo One 自动驾驶车队只能在亚利桑那凤凰城郊区的 Tempe、 Mesa、Gilbert 和 Chandler 四个限定区域内跑。这意味着 Waymo 的技术能力虽然排在第一位，但谈到商业化的时候和国内自动驾驶企业在厂区、公园内的商业化探索没有本质上的区别。

这样的技术路线意味着即使开始在凤凰城尝试商业化，但极差的可扩展性决定了 Waymo没有任何可能在一夜之间把自动驾驶车队在全美铺开。Waymo 及 Waymo 技术阵营的车企的自动驾驶车队商业化探索，注定是一个漫长的渐进式发展的过程。

这也是为什么，11月14日彭博社发了一篇题为《Waymo CEO Says Self-Driving Cars Won't Be Ubiquitious for Decades（Waymo CEO 说自动驾驶汽车在未来几十年内不会普及）》的文章。

Waymo CEO John Krafcik 在文中表示，自动驾驶技术真的很难。他认为自动驾驶汽车在未来许多年里都需要驾驶员协助，不认为这项技术有朝一日能在不与驾驶员交互的前提下全天候运行。

总结一下，世界上技术最领先的自动驾驶公司 Waymo 开始商业化了，但距离你躺在车里去上班，还要很久很久。

特斯拉的困境

正如文章开头提到的，特斯拉 Autopilot 正在变得越来越不容忽视。 50 万辆规模的特斯拉车队正在全球各地收集着真实公开道路场景下的路测数据，而 Autopilot 启用状态下路测里程已经突破了 10 亿英里，如果你对这个数字没什么概念的话，Waymo 最近路测里程刚刚突破了 1000 万英里，可以做个参照。

更重要的是，10 亿英里在整个特斯拉车队累计行驶里程中占比只有 10%，特斯拉车队累计行驶里程刚刚突破了 100 亿英里。根据 Elon Musk 的说法，在 Autopilot 关闭的那 90 亿英里行程中，Autopilot 会以影子模式的形式继续运行，在收集路测数据的同时学习人类的驾驶行为模型。

但 Autopilot 存在一个致命问题：过度依赖摄像头感知。

很多自动驾驶公司的高管对特斯拉 Autopilot 都是不屑一顾的，他们认为特斯拉孤注一掷做以摄像头为中心感知的自动驾驶是投机的，特斯拉迟早会转向激光雷达阵营。

Elon Musk 没有给特斯拉汽车配备激光雷达、厘米级高精地图的原因在于，Autopilot 定义的自动驾驶传感器是要装在成千上万辆车上卖给全球各地的特斯拉车主的，这意味着所有成本高昂的元器件和技术和 Autopilot 注定无缘。

而特斯拉很可能在等待一个契机，在激光雷达和高精地图成本变得可接受的时候，特斯拉会第一时间跟进，实现商业化。

但听过 Elon Musk 对激光雷达的评价后就会知道，除非 Autopilot 以摄像头为中心的感知路线走进了死胡同，否则哪怕激光雷达降到白菜价，Autopilot 都不会采用的。

显而易见，道路系统是面向被动光学的。为了在任何给定/变化的环境中（实现车辆自动）驾驶，我们必须把被动光学图像识别问题解决得非常好。如果你解决了这个问题，主动光学器件（激光雷达）存在的意义是什么？它不能读取路标，在我看来，它就像是拐杖，会让那些公司陷入非常难以摆脱的境地。

如果你坚持极为复杂的神经网络技术路线，做到了非常先进的图像识别技术，那么我认为你最大化的解决了问题。然后你需要把它和日趋复杂的雷达信息融合，如果你选择了波长在 400 纳米 - 700 纳米的范围内的主动质子发生器，其实是很愚蠢的，因为你被动的做到了这一点。

你最终会尝试在大约 4 毫米的雷达频率上主动发出质子，因为（该频率）可以穿透障碍物，你可以透过雪、雨、灰尘、雾……其他任何东西“看”清前方路况。令人费解的是，一些公司会用错误的波长来做主动质子发生系统。它们给汽车武装了一大堆昂贵设备，让汽车变得昂贵、丑陋也不必要。我觉得它们最终会发现自己在竞争中陷入劣势。

在 Elon Musk 看来，这是传感器感知信息底层的分歧，融合激光雷达与摄像头、毫米波雷达的感知信息会把问题变得复杂化。所以，坚持以摄像头为中心的感知路线是唯一正确又低成本的解决方案。

所以最终的结果是，1 个前置毫米波雷达、8 颗摄像头、12 个超声波传感器，这就是最新的特斯拉 Autopilot 2.5 的全部传感器。

现在看来，Autopilot 在做的事情基本遵循着上面 Elon 提到的技术路线，在接受 Recode 采访时 Elon 表示，目前最大的技术挑战在于对深度神经网络的改进，8 颗摄像头最终都得具备识别所有道路交通物体的能力。

在 8 颗摄像头全部启用后， Autopilot 运行着 8 个不同复杂程度的神经网络，然后将 8 个神经网络的感知信息融合，再做路径规划。

所谓「坚持极为复杂的神经网络技术路线，做到非常先进的图像识别技术」，以「最大化的解决问题」。

但核心问题在于，目前的计算机视觉+人工智能技术+AI芯片要做到人眼+大脑对环境路况的理解能力几乎不可能。

Waymo 会凭借自动驾驶技术颠覆汽车产业吗？目前看这一天还很遥远。特斯拉会代表汽车行业逆袭成功吗？看起来潜力无限但又有巨大 Bug。自动驾驶赛道的胜负，至少要 5 年之后才能知分晓。