過去，我們一直習慣于對未來難以實現的事情做出承諾。早在1968年上映的科幻電影《2001太空漫游》中，導演便向我們呈現了飛行員在木星軌道上發現黑色巨石的場景，然而直到50年后的2018年，美國才宣布重返月球計劃。過去，我們也曾想過不需要道路，但現實是，司機懶洋洋地盯著導航而不關注窗外，導致那些會飛的車子事故頻發。不過，1982年上映的電影《霹靂游俠》中，我們看到了四輪、無人駕駛的KITT霹靂車，成為電影中標志性的事物。直到今天，我們依舊對此著迷。那么，無人駕駛可能實現嗎？顯然，答案是肯定的。 近年來，特斯拉創始人埃隆·馬斯克不斷講述著自己的無人駕駛夢想，現在取得了一些成功，客戶也開始為其“自動駕駛儀和全自動駕駛能力”買單。 然而，雖然自動駕駛儀是行業領先的L3自動駕駛系統，支持先進駕駛輔助系統（ADAS）功能，但要實現"全自動駕駛"，它仍然有很長的路要走。

另一個麻煩是，撞車事件頻發，甚至有些是致命的，為那些希望給自動駕駛汽車踩剎車的人提供了充足理由。雖然這些都很棘手，但從宏觀上看，很明顯，自動駕駛汽車是拯救生命所需的。人類通常并非好司機，全世界每年有135萬人在公路上喪生。除了巨大的人力損失外，全球還花費5180億美元來處理這些事故。解決這些問題意義非凡，在Imagination公司，我們正在努力開發許多基礎技術，來達成這個目標。

ADAS 與自動駕駛

雖然自動駕駛汽車還未出現，目前道路上確實有很多新車配備 ADAS 功能，這非常有用。自適應巡航控制可以助力駕駛，有助于保持汽車的安全距離；自動緊急制動比人類反應更快，可以避免沖擊；盲點檢測，可以幫助避開駕駛員看不到的東西；速度攝像頭預警，這在有些國家是合法的；車道偏離預警，可以避免漂移。L2汽車也可以在緩慢行駛的交通中前進和剎車，改變車道，走高速公路出口，所有這些都可以沒有駕駛員的干預。

不過，駕駛員監控系統將注意力從道路上轉向車內的薄弱點——駕駛員。正如Imagination公司首席營銷官大衛·哈羅德（David Harold）所觀察到的，“在這里，汽車不是在看外面的世界——它是在看著你。你怎么開車？你累了嗎？很快，將會發展到情緒檢測——你在生氣嗎？您是否面臨路怒的風險？”當然，汽車將如何處理路怒情況仍待討論：給你噴些冷水嗎？播放一些詹姆斯 · 布倫特的音樂？那會讓人更糟嗎？ ADAS 要求駕駛員始終保持警惕和觀察，并準備好接管方向盤（2020 年 1 月， 我在CES期間從Lyft上招乘了一輛"自動駕駛" 汽車，司機正是這樣做的）。

現在，每輛出廠的特斯拉都搭載了他們的最新芯片，特斯拉官方聲明，每輛車都有能力，至少在硬件方面，全自動駕駛，司機不必參與，可以信任汽車駕駛大部分旅程?！度战浬虡I新聞》援引一家日本汽車公司的工程師的話說，這意味著特斯拉領先其它行業對手6年，這些對手還無法與之競爭。Imagination汽車總監杰米·布魯姆（Jamie Broome）不太同意?！疤厮估绕渌俗龅酶玫牡胤绞菍Ｗ?，”他說。“他們做到這一點，交付東西也很快。他們愿意承擔前進途中遇到的風險——準備著采用外來方案?！?Imagination人工智能總監安德魯·格蘭特（Andrew Grant）也認為，技術已經到位，可以更廣泛地實現自動駕駛，即運行先進的神經網絡，為自動駕駛算法提供動力?！澳壳霸谧詣玉{駛上我們（Imagination）處于獨特的位置，擁有GPU 和多個神經網絡加速器 （NNA）。” Imagination 的單 NNA 內核能夠提供高達 10 TOPS的算力。不過，行業某些參與者缺乏遠見，格蘭特指出，在與一些公司交談時，他們很難理解為何需要性能如此高的神經網絡。

“人們無法真正理解為什么他們需要超過四個TOPS的處理能力，而現在我們可以將10 TOPS的核心組成集群，從而實現數百TOPS的算力?！备裉m特指出，奧迪可能已經在一輛A8車上匹配特斯拉級的自動駕駛能力，但沒有像特斯拉那樣四處宣揚。 關鍵的區別是，那款A8是一輛展示車，而特斯拉已經把它的自動駕駛芯片裝配在他們銷售的每輛車中。正如馬斯克公開說過的，“如果你買了一輛車，而它沒有完全自動駕駛的硬件，就像買了匹馬”。

格蘭特同意這是每個汽車制造商都應該做的事情，只是自動駕駛的秘密不在硬件中，而是軟件。雖然初始成本存在，但生產成本將隨著規模經濟而下降。

數據中的價值

現實情況是，硬件訪問真正有價值的東西——數據，特別是真實世界的數據。這些數據將訓練神經網絡模型，使自動駕駛汽車成為可能。格蘭特舉了一個汽車的例子，系統相信它遇到了一輛“飛行自行車”。在分析這些數據時，汽車看到的是掛在自行車架上的自行車，但由于汽車相信看到一輛"飛行自行車"之前，還沒有遇到過這種情況。一旦受過訓練，將其添加到訓練模型，每輛車都將了解這是什么。

布魯姆認為：“自動駕駛的真正訣竅是收集數據。這是獲勝的關鍵。市場上的汽車越多，收集的場景和情況的數據就越多，獲勝的機會就越大?！彼€舉例說明算法如何從經驗中學習，從而改善每個人的駕駛體驗。他舉的例子是特斯拉在自動駕駛模式時，行進中反復輕微制動，但這會引發乘客的不安。這是因為算法檢測到其它車道上的汽車在輕微漂移，就像一個緊張的新司機，系統過度使用剎車，隨著理解數據系統學習如何改進。

關于數據的另一個問題是誰擁有數據？自動駕駛汽車將產生大量數據，其中很大一部分將提供汽車所在位置，及其行駛速度。但是這些數據屬于自動系統供應商、汽車制造商還是車主？甚至該如何定義車主？自動駕駛汽車將迎來拼車服務，如創新型初創企業Cruise正在拓展的業務，這將對汽車的所有權性質產生深遠的影響。

未來五年

那么，這個行業能否聯合起來與特斯拉競爭？首席功能安全工程師大衛?哈亞姆（David Higham）對此充滿信心，他們將與其他制造商一起，準備5年的時間來打造真正的L4自動駕駛汽車。他還表示，消費者需要很長時間才能信任這些系統。“作為一名消費者，我不會盲目相信無人駕駛汽車，我需要一些證據來證明這些系統是安全的。”這與電子產品的設計與功能安全都有關，例如確保在發生隨機意外錯誤（符合 ISO 26262）時不會發生災難性故障，并符合實際用途——如即將到來的功能安全標準（SOTIF）所定義的那樣。SOTIF是一個更通用的標準，旨在確保自動駕駛汽車不僅在機械上可靠，而且在使用時乘客和行人都是安全的。

顯然，我們已經離自動駕駛汽車非常近了，但還需要更多匯聚更多的技術革新才能最終實現這一目標。汽車制造商需要更勇敢地加快創新硬件，將所創造的處理能力在道路上應用，并開始積累這些數據。又或者，拋棄霹靂車夢想，把這些都交給一家公司來實現。

原文標題：從ADAS到自動駕駛，我們還有多長的路要走？

文章出處：【微信公眾號：Imagination Tech】歡迎添加關注！文章轉載請注明出處。

責任編輯：haq