自动驾驶的那些事儿：真实所需？还是一场骗局？

提到自动驾驶，脑海中就会浮现高大上，逼格高，够炫酷这些词汇，但理性一点的吃瓜群众真实反应可能是：

“花几十万体验游走生死边缘的快感？”

“(Uber)无人车撞死过人！”

“按照导航来驾驶都能开到海里去，无人驾驶？呵呵.......”

可见大众对自动驾驶并不买单，自动驾驶在2018年的进展的确不大，没有出现很惊艳喜人的成绩，真正落地或完全商业化的无人驾驶车还未运营。大众如此冷嘲热讽或观望的态度也就不奇怪了，他们对自动驾驶技术依然不信任。

下面来分析分析这背后的原因，捋一捋自动驾驶中“伪需求”这一概念。字面上来看，伪需求=表面上的需求=缺乏使用场景的需求=需求方案不靠谱。直接解释伪需求的字面意思比较抽象，举几个跟汽车相关伪需求的例子：

案例一：“在中国，购买超跑不是为了追求速度，装逼才是刚需”

案例解析:在中国复杂的城市道路环境下，市区的平均限速为80km/h，即使高速公路车速最高也仅为140km/h，超跑的300、400km/h毫无发挥的场景。

案例二：“自动驾驶车也有驾驶乐趣”

案例解析：拥有自动驾驶汽车之后，看似可以在车上随意娱乐，畅饮，请问打滴滴后也不用开车，但在目前复杂的城市道路上行驶坐在后排能体验到驾驶乐趣么？

理想中的无人驾驶车座舱

案例三：“我买电动车，是为了省油”

案例解析：买电动车一方面是为了环保，一方面是用电比用油便宜。但用电动车跑长途目前来看还不太现实，先不考虑拥有超长续航电动车高昂的价格。

目前电动车最高的续航里程在500公里左右（特斯拉Model X:507km、捷豹I-Pace:456km、蔚来ES8:510km、荣威Marvel X：500km），电量一旦用完，途中有快充充电桩还好，慢充可能一天就过去了，或者没有充电桩的情况只能叫“保姆充电车”了。

从上面几个例子可以看出，伪需求的定义，是指与目前的实际情况不符，或者说消费者不认同、不愿意买单的需求。

权威机构麦肯锡最新的研究调查表明，48%的消费者没有购买全自动驾驶汽车的意愿。报告指出主要存在几点原因：自动驾驶车传感器堆积产生的高额费用、民众对自动驾驶车的驾驶体验以及对自动驾驶车可靠性的怀疑。

悲观点预测，无人驾驶看起来又像是一场科技泡沫的节奏、一场自娱自乐自嗨的体验、一场PPT造车者们新一轮的融资圈钱狂潮、也是有钱人炫耀的资本。

这些字眼看起来很扎眼，同时也打击着民众对未来高新技术的信心，但这就是现实，或许资本要有出路的需求，背后的资本在为无人驾驶行业推波助澜吧。

从历史的科学技术发展规律来看，所有的实用技术工具，最终是要看在真实场景和商业模式中能否给用户带来真正的价值。

自动驾驶，如果没有消费群体或企业买单，没有真实应用场景的话，是无法体现其实质性的价值和提升经济效益的功能，那无人驾驶就仅仅是历史技术潮流发展中昙花一现的一门技术。

自动驾驶真需求：

谈完自动驾驶伪需求的一面，下面来看看它实际应用的一面。列出两类限定场景：

1、环境相对复杂，但对车速要求不高，如公司园区、旅游景区场景；

2、对车速要求较高，但环境简单，如高速公路、港口等地的货物运输场景。

在上述两种场景下，自动驾驶存在它的应用场景。看看每天公司园区摆渡车司机开上一天，来来回回几十趟，一到下午脸上挂着一副生无可恋的表情；

再看看图二高速公路上偶尔发生、但可怕至极的大货车追尾翻车事故，惨不忍睹。

卡车追尾事故

上面描述的几幅场景是我们身边真实存在，并且每天都可能会发生的。下面来讲讲为什么自动驾驶汽车可以率先在这些场景落地呢？

先来讲讲园区或景区场景，在该类场景下车流量较低，极端情况出现较少，自动驾驶汽车在低速运行状态下有足够的时间来感知周围环境，判断前方是否可通行，是否有障碍物，是否有斑马线，是否有停止线等，待智能车将周围这些环境信息收集并处理完毕后再做决策，这样导致出错概率的情况极低。

园区摆渡车

另外，在限定区域如高速公路、港口这类较为畅通的道路，没有行人或交通路口的情况，自动驾驶汽车所需完成的可能就是巡线、定速巡航、保持车距以及防撞预警这类功能，这些实用的辅助功能可以极大降低卡车司机在高速公路上行驶出现的视觉疲劳、注意力不集中而导致的交通事故，从而降低交通事故的发生。

自动驾驶卡车

所以从上述几个场景及具体的视频实例可以看到，配备自动驾驶功能的汽车一方面可以解放人的双手双脚，简化重复性工作的无趣性；另一方面也可以进一步降低汽车事故的发生率。

再从宏观层面来看，目前的城市交通状况，尤其是北京、上海等特大城市，普遍存在买车容易养车难、道路承载量有限、停车场供不应求的问题，修建的高架桥越来越多，面对这些问题，政府部门采取的措施包括如限制车牌，大力推广分时租赁共享汽车，共享汽车可以视为无人出租车的提前试点，也得到各路资本的青睐。当人们都遵循共享的理念，城市的交通状况，土地利用率都会大大提升。

想象这样一个场景“端到端的无缝出行”，当人们从居住场所出发，到公司、购物、旅游等目的地，所经历的出行交通工具从共享单车、共享汽车，到共享巴士、无人巴士，一直到高铁，都是一个无缝连接，这样的出行方式，OK吗？至少从整体来看，对于整个社会的出行是有利的。

端到端的共享出行方式

麦肯锡在一份报告指出了自动驾驶汽车的三大发展方向：最后一公里的快递运送服务、自动驾驶出租车、长途货运卡车。在城市和高速公路工况下，自动驾驶汽车也是逐步从限定区域的自动驾驶过渡到 Level 5 全自动驾驶。

中国巨大的城市群、高密度的人口，同时智能驾驶作为产业的关键浪潮，都会推动着自动驾驶技术的发展。

自动驾驶“伪需求”跨越到“真需求”要经历的痛点：

2018行将结束，截止到目前，相比于年初的自动驾驶企业的雄心勃勃，至少在现阶段，真正意义上的自动驾驶车并没有在城市或公共街道上行驶，甚至还出现了自动驾驶车造成的事故。

距离各大主机厂或互联网创业公司宣称的实现L4/L5级别的自动驾驶时间节点越来越近，现阶段仍面临的一些痛点问题总结如下：

痛点1-新能源汽车的齐头并进

传统的燃油车是以发动机为能源的主要输出供给者，内燃机的控制逻辑复杂，对燃油车的控制策略极其消耗控制器资源。而现有的自动驾驶车控制器方案主要采取的是基于深度学习功能的嵌入式控制系统，主流的控制器方案包括英伟达的PX2和Mobileye EyeQ系列芯片（大多数主机厂采用的方案）或FPGA系列（地平线公司采用的方案），这套系统是整车控制器的核心，传感器的感知，融合，定位，决策全部在这一套系统上完成，所以这套系统的稳定可靠性是极其重要的。

传统的燃油车蓄电池显然无法满足人工智能嵌入式控制系统的长时间稳定的电力供给需求的，因为涉及到上百个核心元器件的功耗，而新能源车的设计核心优势就在于有一套完善的电池管理系统，可以充分稳定可靠地支持车载控制器的稳定运行。

而且Nvidia最新推出的Pegasus车规级控制器，在满足更高级别的自动驾驶对于控制器的硬件需求的同时，也需要更优的供电系统，而新能源车是稳定成熟供电系统的良好载体，所以自动驾驶技术的落地与新能源车成熟的电力控制系统方案是分不开的，两者齐头并进。

英伟达PX2

基于Mobileye芯片的视觉感知

但新能源车目前存在的最大问题在于如何提高更长的续航里程，是依赖部署大量充电桩的方案还是采取成本更高但速度更快的换电方案，或是最终的无线充电方案，这些都是目前新能源车亟待解决的难点问题。

痛点2-激光雷达传感器--遥不可及的成本

在自动驾驶车中，感知层是控制器的输入端，也是极为重要的一环，因为感知层结果的好坏直接影响决策层的决策结果。

2018年1月初，一辆特斯拉Model S与一辆消防车发生追尾事故，起因在于车主分神，但车主声称开启了Autopilot自动驾驶辅助系统，如果按车主所说Autopilot自动驾驶功能已开启，发生事故的原因即为视觉感知芯片Eyeq4未识别出到前方消防车的尾部，因为消防车尾部比一般轿车都要高，存在视觉芯片未检测出消防车尾部的可能，导致最终未识别出来是消防车，进而发生了这起惨痛的交通事故。

特斯拉Model S追尾消防车

所以这起事故凸显了感知层的重要性，特斯拉是目前所有研究自动驾驶汽车公司中未采取激光雷达方案的公司，发生这样的事故也体现了纯粹依靠视觉传感器的感知是远远不够的。

激光雷达扫描示意图

激光雷达传感器具有较远距离的探测能力和定位精度高的优势，目前主流的最理想的感知层传感器方案采用的是视觉传感器结合激光雷达传感器的方案。但考虑到成本问题的话，激光雷达成本“高高在上”。

激光雷达一般由多个激光传感器构成，普遍的是16线、32线、64线，线束越多，扫描的范围更广，但成本也随之提升，目前增加1线接近增加1万元的成本，所以采用更高线束的激光雷达，成本会急剧上涨，这样的成本要加在本来就没有很高利润的汽车价格中，无疑会大大阻碍无人车的商业化。

现阶段的方案是采用较低线束的LiDAR，虽然会损失一些扫描信息，但可以使用其它的低价传感器与LiDAR做信息融合，来较为精准的感知周围环境，并通过更好的算法来弥补硬件传感器的不足，这是无人车近年来的发展方向。

伴随着无人车市场需求的大增，更高精度LiDAR的价格也会出现一定程度上的降幅，为无人车的进一步发展铺路。

配有激光雷达的无人车

痛点3-消费者从心理能够接受无人车

先做一个假设，如果你眼前有一台技术完全成熟、可靠又安全的自动驾驶汽车，你会选择把自己的命交给它吗？

老司机的回答：“开车这么美妙的事情，还是自己动手比较好。”

质疑者的回答：“花大几十万体验一把游走生死边缘的快感。”

普通司机的回答：“有人驾驶通过导航都能开到海里去，无人驾驶.......”

自动驾驶不仅在技术和政策上还存在许多难点待攻克，还面临着普及民众了解自动驾驶知识的任务，这是一个巨大的门槛。

相比技术问题，这个问题难度更大，需要人们克服心理障碍，能够完全接受无人驾驶车。这个问题也容易解决，只要无人车上路真的足够安全，随着体验人数越来越多，无人车的可靠性，体验感都与正常坐车无差别甚至更好的话，消费者接受无人车的态度也会越来越开放。

当然无人车的痛点问题还远不止这些，现在的每一次无人车实验如履薄冰，每发生一起无人车事故，媒体的报道会加剧群众的恐慌和对于无人车的不信任，所以还需各国无人车工程师努力攻克难关，步步为营，让群众能早日体验到无人车真正的稳定可靠。

写在最后:

伴随着汽车诞生的那一刻起，司机这个职业也应运而生。对于那些赛车迷们，开车对他们是一种乐趣，一脚油门加速超车、弯道漂移等极限操作，都会给他们带来驰骋的快感。

但对于大部分普通车主来说，他们面对的是每天上下班通勤路上走走停停的堵车，寻找停车位以及倒车入库的痛苦，或者说他们是不愿意或不太擅长开车的群体，是被迫考取驾照学开车的。大部分的交通事故也是由驾驶员的注意力不集中，走神，判断失误等情况造成的。

我们知道开车的过程是一个需要注意力高度集中，且能快速做出反应的过程，而程序或机器最擅长的就是重复性、不知疲倦或需要时刻保持高度集中且反应迅速的能力，看一看前两年横空出世的Alpha Go，战胜了多少顶尖的世界围棋高手，不知疲惫、落子迅速，用“快、准、狠”来描述Alpha Go毫不为过。

只不过它跟自动驾驶技术的区别在于，Alpha Go走错一步还有挽回的余地，而自动驾驶车一旦出现误判，就会造成人员伤亡的惨痛后果，但这些技术性的难点问题我们相信早晚会被攻克的。

用自动驾驶车来取代司机，从中节省出来的人力成本、时间成本以及精力成本都是不可估量的数字，人们可以去做更加重要且有意义的事情；同时对于改善城市拥堵的交通状况，降低交通事故的发生率都有帮助。因此自动驾驶不是一项伪需求，而是社会发展到更高层面的真实需求，是社会进步的必然结果。

想象这样一个场景，未来的某一天，路上开着的都是无人驾驶车，未来甚至还会出现飞行汽车，空中巴士等，这时候我们还需要红绿灯吗？还需要车道吗？限速呢？答案是统统都不需要了。

当车辆都实现无人驾驶并互相联网的时候，任何事情都是可预测的，反应时间达到最短。它们能够驾驶得更快，可以理性地做出选择来加速，或者让身边的车辆先行。没有严格的交通规则，车流会被一个流动的网络和不断自我改进的算法管制。

结果就产生了一种新颖的交通，混合了德国高速公路的快捷和通畅和孟买交叉路口的创造性和活力。交通会在功能上更活跃，变成血液一样的液体，交通机械自动化就会如有机体般，变得更活跃。

未来世界出行方式

无人驾驶的世界里，一切按照它既定的规则运行着。没有了堵车，没有了交通事故，一切井然有序有条理，出行不再是人们烦恼的因素，定了目标旅游地的人们无需考虑交通出行的障碍，上下班也成为一个高效的事情，春运也不存在了，人们都可以顺利回家过年，社会的整体幸福感倍增，想想，多美好！

▽

未经授权，禁止转载

-END-