困在ODD里的無人駕駛

3 評論 8823 瀏覽 1 收藏 15 分鐘

編輯導語:解放生產力是科研的契機,但安全往往是決定可行性的根本。本文作者以干線物流、同城配送這兩條路線為基點,從三個層面分析無人駕駛在我國的貨運市場究竟是不是一門好生意,一起來看一下。

一騎紅塵妃子笑,僅因為喜食荔枝,杜牧用一句詩,讓千年以后的人們也沒有忘記唐統治階級的驕奢淫逸。

可幾梭光陰笑妃子,如今且不說是荔枝,萬里之外的智利都已經將各種水果送到我們街頭巷尾的便利店。

從被釘在恥辱柱上的一騎紅塵,到飛入尋常家的萬千蔬果,這背后的人類運輸發展,還遠遠沒有畫上句點。

大繁至簡,是事物發展的客觀規律。今天,就有這樣一群人,他們要將從古至今道路上從未缺位過的人這一最大要素拿掉,以無人的方式推動人類運輸史再進一程。

一、無人駕駛,激流彼岸的金礦

2010年,谷歌成立了神秘的Google X部門,也就是如今自動駕駛一哥Waymo的前身,經歷了近十年的發展,2018年,摩根士坦利的一份報告顯示,Waymo在當年的估值已經達到1750億美元,而到2019年,其年收入也僅有數十萬美元。

新生事物從實驗室到落地,資本無疑有著催化作用,能夠快速讓一條賽道熱鬧起來。但在技術方面則是無能為力的,畢竟生孩子這事兒還得參與者自己來。在無人駕駛仍未真正落地的今天,資本已經回歸了些許理性。根據投資者網站PitchBook的數據,今年Waymo最新估值約為300億美元,這一數字相較于3年前,已經縮水超1400億。

兜兜轉轉,越來越多人開始意識到,想要讓無人車真正顛覆人類交通史,毫無疑問,需要實現L5級的自動駕駛。但如今的現實情況是,可以做到L4級自動駕駛的玩家也是鳳毛麟角。在從繁到簡的無人駕駛初次博弈里,大家看到了愿景與現實之間的落差:

遠方是一座金礦,但想越過面前的激流,并非易事。

然而賽道上兵馬與糧草都已到位,據天眼查APP,獨角獸企業圖森未來不僅在近兩年進行了高密度的融資,還成為了自動駕駛第一股,賬上趴著大量融資,就地解散顯然不太不合適。

困在ODD里的無人駕駛

但相較于一口吃個胖子式的技術攀峰,如今的很多玩家已經放下了執念,轉而向著場景化落地發力。

從自動駕駛分級圖中可以看到,相較于L5,L4級別自動駕駛的不同之處在于駕駛可以不需要人的參與,但必須在一些限制條件下進行。如何理解此處的限制條件?這就需要引入自動駕駛的設計運行區域(ODD)概念。

困在ODD里的無人駕駛

ODD這一概念正來自于制作這張自動駕駛分級圖的美國汽車工程師學會,定義是:

為特定駕駛自動化系統或其功能專門設計的運行條件,包括但不限于環境、地理、時間限制,和/或某些交通或道路特征的存在或缺失。

是不是很拗口?其實在談擎說AI看來,通俗一點講,主要就是在無法完全達到隨心所欲的無人駕駛之前,自動駕駛技術需要被一個特定場景限制來運作,以盡可能消除無法應對的不確定性。

舉個栗子,就比如期末考試(場景環境),可能每年的考試范圍都在變,學校(研發企業)無法用一年時間讓學生(無人車)成為百科全書(實現L5無人駕駛),但最起碼要保證教給每一個學生當年考試大綱(特定ODD)里的全部內容。

場景不同,對無人駕駛泊車、超車、跟車、讓行等等的一系列參與交通的要素要求就會改變。

目前針對一些場景,很多企業已經開始了布局。

比如在清潔環衛領域布局的于萬智行、龍馬環衛;在整個新零售領域布局的新石器;以及在物流運輸領域布局的京東、美團、阿里等互聯網巨頭,圖森未來、贏徹科技、智加科技等新晉玩家。

隨著戰略路線的轉變,從圖森未來上瑞典公開道路測試,到美團的無人車魔袋在北京順義落地運營,可量產L4級別無人車已經離我們越來越近。

事實上,在當前無人駕駛賽道上,盤踞玩家最多的正是貨運,這個交通不穩定因素較低且存在巨大轉型空間的領域。通過研究賽道最熱的局部,也就能夠更好地理解整個賽道的機遇與價值何在。

二、無人貨運,線與面的殊途同歸

無人駕駛真能革了貨運的命嗎?

先來看幾組數據,據中國物流與采購聯合會,2020年中國社會物流總費用為14.9萬億元,占GDP比重達14.67%。而據全國道路貨運車輛公共監管與服務平臺數據,在我國的物流運輸模式里,2020年,公路運輸占比約74%,這無疑是一條萬億級別的賽道。

困在ODD里的無人駕駛

從當前無人駕駛貨運賽道的玩家基因來看,需求不同,注定了其布局的底層邏輯存在差異,談擎說AI將目前賽道上的玩家布局分為兩條路線,一是干線物流,二是同城配送。前者的陣營里,有阿里和圖森未來等企業,后者則是以美團、新石器等玩家為代表。

解放生產力是科研的契機,但安全往往是決定可行性的根本。在這一道金科玉律下,本文將以這兩條路線為基點,從三個層面進一步分析無人駕駛在我國的貨運市場究竟是不是一門好生意。

三、人機的成本博弈

當前的無人貨運,首先繞不開的就是成本與商業模式上的問題。我們先來看看干線物流,通過查閱2020年我國公路貨運的主要成本構成占比,不難發現,其中燃油費和司機薪酬是當之無愧的兩座大山,占比總成本接近半數。

困在ODD里的無人駕駛

決定無人駕駛能否正式落地的一大要素,就是貨運車輛在規?;卮钶d了無人駕駛技術之后,這部分成本能否優于如今主流模式里的司機薪酬、燃油費、車輛折舊等成本開支。

目前來看,這個可能性是存在的。自動駕駛獨角獸圖森未來曾算過一筆賬,其無人駕駛系統每英里的成本約為0.3美元,而美國卡車司機的工資成本約為每英里0.8美元。

除此之外,在燃油方面,機器的操控會優于人工,可以最節能的方式來跑,這么算的話,從解放生產力的角度來看,無人貨運確實是一門好生意。

但凡事都有一個but,一方面,圖森未來的無人貨運在美國進行地如火如荼,然而“每英里成本”這一人機價格差搬到中國,還是否劃算?另一方面,2020年我國公路貨運成本中車輛折舊占比13.42%,無人駕駛技術雖能削減一部分成本,但無疑也會擴大這部分成本。

并行前進的同城配送在當前的成本上也沒有好到哪去,“現在整車成本在50萬元左右,最好的能壓在20萬元左右?!比温氂趪鴥饶匙詣玉{駛企業的硬件測試工程師李暢(化名)向談擎說AI團隊表示,“但隨著逐步規?;土慨a,后面的成本很快就會下降,我們預測最終將會控制在5-10萬之間?!?/p>

李暢向我們調侃:“(現階段)這些小車,一個個都像是行走的小金庫,路測要是真遇到個懂行的,能給拆的一干二凈?!?/p>

綜合來看,談擎說AI認為,當前無人貨運賽道上并沒有大規模商業化的項目,尤其是在同城配送領域,成本仍然高企,也因此,在成果規?;涞?,不斷達成技術成本的邊際效應遞減后,無人貨運能否盈利才會進一步地明晰。雖然當前解放生產力這一初衷尚存阻滯,但前景客觀存在。

四、是“人”還是車?

安全作為科技可行性的根基,全世界每年因交通事故死亡的人數龐大,無人駕駛的美好愿景自然是讓這一悲劇徹底消失,但現階段的無人貨運還有另一個問題,即路權問題:

首先,無人車想要參與交通,無疑需要高度規范的智能化,不能說你規定了起點終點,然后就可以想怎么開就怎么開。在無人車完全普及后,機器的高精度規范能夠極大改善我們當前的交通安全現狀。

談擎說AI認為,當下的主要問題在于,從無人車上路到徹底普及,中間需要很長一段的人車共行時期來過渡,這一時期正是瓶頸所在。機器是完全可以嚴格遵守規矩的,人類交通參與者卻無法像機器一樣高精度規范化,但過渡時期又需要當前的無人駕駛有一定的應變能力來包容人的不確定性,很難做到兩全。

與此同時,在這一過渡時期內,無人駕駛的終端究竟算是汽車還是機器人?如果是機器人,那么理論上就不可以走上機動車道,但如果算機動車,交通事故又如何判責,車輛如何上保險?

就比如前些時間,美團無人車與一輛民用車輛相撞,當事人用“橫沖直撞”來形容其駕駛技術,判決過程中,也存在著無人車雖是機動車,但無牌照、無交強險等難以界定的問題。

困在ODD里的無人駕駛

可以預測,未來很長一段時間內人、車、無人車都會處于一種混行狀態,而那時的人車安全如何保障?如今的相關政策與法規,都存在著大量空白,這同樣是無人車大規模落地的先決條件之一。

五、線與面的殊途與同歸

在解放生產力與守住安全根基上,不難發現,無人貨運要做的,都可以稱得上是一件難而正確的事。而這件事的勝算幾何?通過干線物流與同城配送的殊途與同歸,我們也許能夠窺見一斑:

從干線物流與同城配送的運輸模型來看,前者是從干道的“線”擴張,后者則是通過區域的“面”擴張,因此,談擎說AI認為,這樣的模型差異反映到無人駕駛的技術層面,會導致完全兩種不同的研發思維路徑:

在技術問題上,干線物流往往干擾因素少且路線是封閉或半封閉的,線路擴張無疑更加快速;同城配送則像是L4貨運最難啃的一塊骨頭,與乘用車無人駕駛存在相似性,在人車共用的開放場景里,每一塊新區域都有海量的不確定性與挑戰。

由此可見,短期內,較為封閉場景下的無人貨運或許將最快迎接大規模落地,而放到長期來看,殊途必將同歸,無論是干線物流還是同城配送,甚至環衛、礦業等諸多場景,一如支流匯入主流,未來也都將會在L5重逢。

盡管現在看來,這仍是一個美好的愿景,但近年來自動駕駛賽道上從未停止的轟鳴聲,已經足以讓人振奮。

 

作者:鄭開車;文:談擎說AI

本文由 @談擎說AI 原創發布于人人都是產品經理,未經許可,禁止轉載

題圖來自 Unsplash,基于CC0協議

給作者打賞,鼓勵TA抓緊創作!
更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 無人駕駛普及之前,攔路虎有:技術,法律法規,從業人員的營生安置。

    從業人員還是很龐大的,法律法規的放行不僅僅看技術的成熟與否,還是考慮人員營生。

    回復
    1. 不錯, 人間明白。

      回復
  2. 不能匹配國情的技術,都是泡沫,記憶猶新的區塊鏈

    回復