生活中,迎面逆行三轮车、压线行驶的货车是较为典型的长尾场景。左侧为人眼看到的现实实景,右侧为车辆“大脑”构建的模型图,每个物体前的延长线为系统对其活动预测的轨迹,避免各轨迹间发生碰撞,是无人驾驶的重要规则之一。图为初速度在苏州路测时记录下的视频。
同一道题目,可以有多种解法。对无人驾驶长尾场景的解决,也出现了两种思路。与通过自建车队获取数据的主流方案不同,中国无人驾驶初创企业Momenta(初速度)选择了量产众包、让别人的车帮自己获取数据的思路。
“面对那么多长尾场景,一定需要海量数据来解决它们。数据从哪里来?如果只通过自建车队、不断路测来获取数据,会有两个问题:一是成本非常高昂,二是获取数据的效率低。”初速度研发副总裁夏炎思路清晰、语速极快。
在她看来,自建车队的硬件、燃料和安全员的薪资,这些都是成本,算下来每辆无人驾驶汽车需要上百万块钱。谷歌、百度等大公司,或许“烧钱”烧得起,但对于小型初创企业来说,这样的成本太过高昂。而成本也决定了车队规模不可能太大,几百辆已接近上限。“但就算有几百辆车,恐怕连北京海淀区也跑不完吧?这不可能穷尽所有的长尾问题。”
于是,初速度的设想是:“能不能自己不造车,让道路上别人的车来帮我采集数据?”可别人为什么愿意帮你呢?因为你能提供已经商业落地的无人驾驶服务(L2-L3级别自动驾驶,包括自动泊车、高速巡航等辅助功能),别人愿意采购装在自己车上。当慢慢的变多的车安装了初速度的产品,就能持续不断地为完全的无人驾驶(L4级别无人驾驶)提供数据流和现金流,支持后者的研发。所以,初速度把自己的战略形容为“两条腿战略”。
从理论上看,初速度的战略设计很适合自己。但在这种战略选择下,初速度也面临着难题。在技术方面,要想实现“两条腿”跑得协调,必须做到打通两类传感器之间的数据,让别人车上的数据确实能“为我所用”。同时,既然收集到了海量数据,就必须对数据来进行更有效率、更低成本的筛选和分析,并转化为更快的算法迭代速度。据夏炎介绍,这恰好是初速度在技术方面的优势。
相较技术,市场方面的难题可能更大。比如,如何能持续从车厂拿到足够的订单?有实力的车厂想自己做L2-L3技术时,该拿什么作为自己的“护城河”?这些或许是初速度要思考的问题。
道理讲得再多,终究要拿产品说线日,初速度在苏州开启了无人驾驶出租车的运营服务,市民利用微信小程序即可体验。究竟中国无人驾驶产业能发展到何种高度,哪条战略路线会更成功,我们拭目以待。