我在三月時寫過一篇文章，說明了疫情對無人駕駛行業的影響（微信回復“疫情”閱讀）。現在，兩個月過去了。截止到5月16號，美國的累計新冠確診人數已經達到150萬，失業率上升到15%。位于美國的各個無人駕駛公司也無疑受到了沖擊，大部分公司的路測已經叫停。我們今天來探討，無人駕駛公司該如何做，才能挺過這次疫情。開源節流 首先是開源節流的問題。無人駕駛的研發耗時耗力，沒有持續不斷的投資很難撐下去。疫情之下，投資人對市場信心不足。如果公司產品的milestone不能及時達成，很可能公司就拿不到下一輪的融資。 因此，公司只能想辦法削減成本。多家公司已辭退負責路測的安全駕駛員，他們大多是contractor（合同工）。Cruise和Zoox也辭退了部分正式員工，其中甚至包括核心開發人員。

無人駕駛公司之所以裁員，其實主要還是因為無人駕駛行業還未開始盈利，甚至在接下來的五年時間里都不可能。盈利需要足夠龐大的車隊以及相對成熟的ODD（適用運營場景）。在那一天到來之前，無人駕駛只能是一個燒錢的行業。

因此，各公司在“節流”的基礎上，也要考慮“開源”。即使某些收入還無法形成規模，但畢竟也比完全沒有收入要好得多。比如，可以將車隊重新定義為輔助駕駛車隊，將配有安全駕駛員的測試車作為網約車或是快遞車。比如，在疫情期間，可以運送食物或是醫用物資。通過實際運營，不但可以打造品牌，積累里程，還可以為之后盈利做準備，并收集用戶的數據。

當然，開辟新的業務需要大量的前期工作。如果公司并不計劃在未來以網約車的形式落地，那么就沒必要在短期內為了賺錢而賺錢，否則反而是浪費公司資源。 公司也可以想辦法利用已有的資產盈利。比如 ，我們可以將已有的數據進行包裝，或是將一部分開發平臺包裝，與需要這些數據平臺的公司尋求合作，從而將數據變現。 仿真，除了驗證，還能做什么？ 沒了路測，驗證就全靠仿真，仿真背后的各項測試就顯得尤為重要。檢驗覆蓋面（test coverage）有沒有漏測的方法其實很簡單，只要把一些疫情之前的數據跑一邊，看看有沒有把當時路測發現的問題都找到，然后查缺補漏。當然，這種方法并不能保證可以找到所有覆蓋面中的漏洞。 沒了路測，數據也變得貧瘠。除了驗證之外，仿真還可以用來“創造”數據，從有限的數據中，盡量榨干其價值。比如，通過將數據參數化（parameterization），我們可以將一個數據點變成一百個，賦予數據“百變”的特異功能。 同時，我們也可以利用機器學習技術，打造完全虛擬的道路障礙，即在打造人工智能的同時，讓人工智能幫助我們創造數據，從而形成數據量上的良性循環，也在一定程度上防止了過擬合（overfitting）。 充分做好回歸辦公室的計劃 疫情的高峰期總歸會過去。路測一旦恢復，在疫情期間開發的代碼會在路測中暴露出諸多問題，多個bug重疊在一起，很難理清，工程師們會面臨前所未有的工作量。 為了避免這種情況發生，團隊必須有選擇性地、階段性地測試代碼，不可一蹴而就。假設疫情期間一共改進了十處代碼，就要對這十處分批測試。這就對代碼的結構清晰程度提出了很高要求，要做到每一個bug都可以追本溯源（traceable）。 另外，由于員工只能在家上班，硬件開發受到嚴重影響。在疫情結束前，團隊管理者需要做好嚴密的計劃，讓員工分批回辦公室調試硬件。首先調試最重要的部分，和軟件團隊緊密配合，次要的部分可以等疫情完全結束之后再調試。 希望各個公司可以挺過這次疫情，不要放棄對無人駕駛的開發。無人駕駛一旦大規模落地，我們面對下一次疫情時將更從容。