為什麼能在車庫製造頂尖軟硬體,卻做不出自駕車?

作者 | 發布日期 2019 年 11 月 14 日 9:00 | 分類 AI 人工智慧 , 自駕車 , 軟體、系統 follow us in feedly


在美國創業圈,車庫絕對是造神之地。在野心勃勃的創業家看來,自己甚至能在車庫發明一切。事實上,一些白手起家的創業者根本沒有自己的車庫,有時只能在自家阿姨或鄰居車庫研究發明,以求改變世界。

這些野心勃勃的創業者也沒讓我們失望,只用車庫裡的烙鐵和廉價鍵盤就創造出改變世界的軟體和硬體,賈伯斯就是典型代表。

不過時移世易,能在車庫蹦出蘋果電腦的賈伯斯(或其他創業者),真的也能在這裡發明真正的自駕車嗎?

也許在世界某個不起眼的角落,真有一位工程師快要做出自駕車了呢。可惜,實際點來說,只是某些人的痴心妄想。

口出狂言

熟悉自動駕駛的人肯定記得多年前的「狂人」,那些創業者個個口出狂言,彷彿只需一個彈指就能做出自駕車。媒體也非常喜歡這類神話,追逐從無到有的傳奇。

可惜,這些狂人只是嘴巴厲害,根本不清楚真正的自駕車長怎樣。

如果為真正自駕車下定義,依靠 AI 完全自主駕駛是第一點。第二點則是人類駕駛無需執行任何駕駛工作。

現實中,根本還沒有這樣的自駕車。

目前路測過的車輛都只能處理特定駕駛工作。此外,這些測試車的駕駛座都坐著安全人員,一旦有情況就立即接管車輛。

全自動駕駛還沒到,那半自動駕駛呢?此類系統在市場已有一席之地,不過無論 L2 還是 L3,都還需要駕駛參與。也就是說,這些等級的系統只是與人類共同擔任駕駛罷了,本質上都是駕駛輔助系統。

簡言之,全自動駕駛與半自動駕駛根本就不是同類,雖然都冠以自動駕駛的名號。這樣看來,口出狂言的創業者玩的其實只是半自動駕駛。

結果一擁而上的自動駕駛創業者是在傷害整個產業,因為他們模糊了全自動駕駛與 ADAS 的界線,導致整個市場迷惑不已。

迷幻的氣氛也著實坑了不少財大氣粗的老牌巨頭。看著各種天花亂墜的宣傳,身經百戰的車商居然也懷疑起自己:為什麼我們堆出巨額資金,投入無數工程資源的項目,卻還沒車庫裡東拼西湊出來的好呢?

不過,神話終會破滅。口出狂言的新創公司大多走向窮途末路,不是默默出局,就是被其他巨頭收購。

想玩自動駕駛可不容易

顯然,過去想靠車庫就拿出一輛像樣的自駕車根本不可能。那現在呢?白手起家能玩得起自動駕駛嗎?

恐怕也難。

資料顯示,現代車輛光程式碼就有 1.5 億行,而自駕車程式碼恐怕要突破 2.5 億行。就算你是天才式設計師,恐怕也無法用一張「白紙」寫出 2.5 億行程式碼。

當然,許多底層程式碼可以直接使用,且這年頭還有開源軟體。不過,像某個 geek 只寫了 2 千多行程式碼(用來協調開來源碼和其他底層程式碼)就宣稱做出自動駕駛系統,恐怕只能歸類於 PPT 造車。

簡單來說,宣稱靠一己之力就搞定自駕車的都是騙子,因為自動駕駛需要的資源實在太龐雜。

舉例來說,做自駕車需要多個領域的專家,得負責搞定雷達、光學雷達、鏡頭等感測器,還要精通處理器及處理器的搭檔──機器學習與深度學習等 AI 技術。

顯然,這根本不是一個人做得完的工。

別忘了,軟硬體並不是自動駕駛的一切,還得繼續鑽研封閉與公用道路路測,且模擬測試也免不了,都需要大量人力物力。除此之外,各種監管與批准文件都得準備齊全。

也就是說,如果要把這些人都塞進車庫,恐怕這車庫大小得要亞馬遜倉儲等級,因為自動駕駛太複雜了,需要大規模合作。

其他機會也不少

對自動駕駛創業者而言,自動駕駛這條大賽道蘊含的機會實在太多,無需成為全知全能的垂直整合人,也能成為自動駕駛界的「搖滾明星」。

創業者可專攻次世代機器學習演算法,也能打造 AI 系統用的虛擬世界模型,或拿出與自動駕駛配套的交通解決方案。當然,如果能在 LiDAR 市場異軍突起,也能分走一大塊蛋糕。

因為自動駕駛業沒有天花板。

以下就是自動駕駛創業者展示自我的大平台:

  • 感測器硬體和軟體
  • 資料儲存與壓縮
  • 感測器融合
  • 虛擬世界模型
  • AI 系統動作規劃
  • 車輛控制
  • AI 自我意識
  • 機器學習
  • 深度學習
  • 車聯網
  • V2V
  • 自然語言處理
  • 分散式 AI
  • 網路安全
  • 交通模擬
  • 車輛測試工具

總結

自動駕駛是龐大複雜的產業,並非在車庫東敲西打就能成事。

如果不想放棄自動駕駛夢想,可以考慮解決依然困擾整個產業的未解難題,只要能幫忙拼一塊拼圖,就是推動產業前進的動力。

(本文由 雷鋒網 授權轉載;首圖來源:shutterstock)