阿里无人车是否是在重走60年前通用的“理想主义路线”?

小铲子

20 世纪 50 年代中期，美国电力照明与动力公司某个月在《星期六晚报》上刊登的一版广告，可以把我们拉回无人驾驶概念被人们接受并受到狂热追捧的最早期阶段：你的汽车行驶在电子化公路上，刹车、加速以及转向都将由埋在道路中的电子设备自动控制！我们的公路将会变得安全可靠，这都要归功于电子化。没有拥堵，没有事故，没有疲劳驾驶！
如果现在来看这则广告，当然很怪——那时恰逢二战后美国汽车产业刚进入黄金时代，但行业与大众对无人驾驶的认知，却是「让公路来引导汽车驾驶」，而非从汽车本身角度考虑变革。
难道改造一辆车的难度竟然比改造全国几百万公里的道路要高？但是 60 年前的技术环境，决定了这看似乌托邦式的畅想并非没有道理：30 吨重的电脑根本没法塞进车里，模拟制式的摄像头比行李箱还大，雷达与激光雷达还只能在战机上看到，更别说连影儿都没有的计算机视觉应用软件…
这就是典型的「达芬奇难题」（指有的发明理论上可行，但是必备技术还没出现）。
所以那个时候，包括车企在内的众多相关行业巨头，都在积极通过另外一些角度寻求突破。譬如，合作研发所谓的「智能高速公路」。谁都想不到，作为最古老的汽车厂商之一，通用曾是这个项目的激进推动者。
20 世纪 50 年代末，美国无线电公司找上了通用，两家巨头集结了一大批自动化与电磁学专家，在「设计自动化高速公路」这件事上耗费了超过 3 年时间。其实单纯从测试结果来看，改造是成功的。
不难想象，装有两个传感线圈与测量装置的汽车行驶沿着测试道路规规矩矩地向前缓慢行驶，即便在转弯处有点跑偏，地下专用线缆产生的磁场也会自然而然将其拉扯回正轨。而与此同时，传感器之间的信息交互，可以让车辆之间明确对方的定位，以方便「保持距离」。
其实这里面的原理其实很简单——
如果汽车跑出了预设轨道，本来两个电流持平衡状态的线圈就会发生电流偏差，而产生强电流的一边（就是跑歪的一边）会把「意外情况」告知汽车传感器，接收到指示的方向盘操控系统，就会命令汽车调转方向。
换句话说，这是一套将电缆、传感器以及磁场感应器进行了巧妙工程性融合的反馈控制系统。因此，在受到内布拉斯加州政府的大力褒奖后，他们又一鼓作气在新泽西州等地成功完成测试。
然后，就没有然后了。
即便接下来各类相关实验陆续取得成功，但对自动化公路，或者说是「无人驾驶」的推广与应用，并没有发挥任何实质作用。甚至于 60 年来，无人驾驶汽车的发展一直都呈现出「举步维艰」的状态。
而后来很多汽车评论家与机器人专家总结起美梦最终化为泡影的原因，都会归结为：「解决不了 " 鸡生蛋 "，那肯定也同样解决不了 " 蛋生鸡 "。」也就是说，既然技术条件与道路设施达不到自动驾驶汽车的上路标准，那即便从道路入手，也无能为力。因为实现智能化公路的必备条件之一，便是「汽车配置需要全自动化及联网化」。
因此，美国政府在上世纪七八十年代兴师动众推广 V2X 技术（汽车与外界进行信息交互）与智能化高速公路项目却最终惨遭失败，让绝大多数公司意识到，无论如何还是应该先从汽车本身下手来解决问题。
而如今我们看到的无人驾驶行业状态，是「达芬奇难题」在一定程度上得到解决的表现。至少连普通人都能知晓，计算机价格下降、数码相机微型化、互联网数据爆炸……究竟给高效算法的诞生埋藏了多少伏笔。
因此，从 Google 开始，再到车企与 2015 年至今开始卖力在自动驾驶系统及零部件身上寻找商业契机的大批创业公司，都认为从汽车本身入手才是釜底抽薪之举。
但有趣的是，随着无人驾驶概念再一次受到大众追捧，对智能化道路改造的呼声又彻底响起了。与 60 年前的美国极为相似的是，这一次国内积极响应的，除了政府，也有商业巨头的影子。
早在今年 3 月，阿里达摩院旗下的人工智能实验室就正式宣布，首席科学家王刚正在带领团队研发无人驾驶技术。但是到目前为止，这个团队公开的消息实为有限。
而昨天阿里巴巴达摩院与交通运输部公路科学研究院成立的车路协同联合实验室，明确释放出了公司的「两条腿走路」策略：研发无人驾驶技术，但也希望能参与改造公路。而他们拿出的方案，是一款需要安装在视野空旷处的智能感知基站（安装位置与目前道路上方抓拍摄像头较为相似，譬如路灯顶端或广告牌一侧）。
其作用是被官方这样描述的：「由多种传感器及高效运算单元组成，可以帮所有车辆进行路线规划和定位的车外大脑」。产品概念相对新颖，但实现的效果有点像 V2X，也就是车与外界的交互
但你可以这样理解——把几十年前通用埋在地底下的那套感应装置浓缩升级为一个个体积更小，成本相对更低的摄像头传感组合，并嵌入了图像识别等能力。
当然，这也有点类似于安防领域内，城市各个角落的摄像头与派出所后台大数据分析及识别系统的信息交互，摇身一变成了「智能感知基站与车辆间的交互」。甚至于再通俗一点就是 ：每隔 200 米，就多了一个「交警」。
此外，由于涉及到一些不可透露的技术机密，王刚只能用口头陈述来介绍这套产品的感知效果：
在多次开放路段的对比路测实验中，如果感知基站并未开启，那么有障碍物（行人）在距离无人车不到 2 米时冲入车道，车辆完全不能进行紧急避让；但在开启基站后，无人车会提前对障碍物进行感知，并 100% 避让成功。
但这里面又让我们产生了多个疑问。譬如这辆车究竟是级别为多少的无人车？行驶车速为多少？如果路边行人本无意过马路，只是突然冲进车道，那么基站究竟是如何进行精准判断的？识别过程是在本地进行处理的吗？
很遗憾，对于技术细节的所有追问，阿里并没有给出更多的解释。
只是这次合作的意义，倒是远远大于技术与硬件产品本身的意义。
因为它对目前无人驾驶技术发展方向，提出了新的疑问：在技术环境逐渐成熟与稳定的当下，基础设施改造是否应该与无人驾驶技术研发同步同速进行？在由政府推动的基础设施改造中，技术公司应该扮演什么样的角色？
某种意义上，阿里做的事情，与滴滴的一些举措有些类似。
有意思的是，后者的自动驾驶研发信息也几乎呈现秘而不宣的状态，但近一年来却在积极寻求与政府的技术合作：在各个城市装配智能信号灯，建立「潮汐车道」，利用自己本身就积累的大量网约车车辆轨迹数据来优化交通信号，提升行驶效率。
比起公司接连不断的负面消息，这些行为在很多人眼里显得微不足道，而且乍看也与无人驾驶并无太大关联。但是谁都无法保证，实时的红绿灯调度规划经验不会给未来滴滴的自动驾驶出租车运营水平带来更多提升。
几十年前，对于美国政府来说，解决拥堵与安全问题是他们积极推动发展 V2X 技术的主要目的，而对于愿意参与项目的诸多公司来说，这何尝不是让无人驾驶汽车尽快上路的重要前提条件。
譬如，每个人都清楚，即便是 L5 的无人驾驶汽车也绝对满足不了 100% 的安全需求。那么假设安全系数达到 99%，剩下的 1% 能否用基础设施的升级来实现？而现有 L4 级汽车在普通公路上的安全系数如果是 80%，那么在一条进行过升级改造后的公路上行驶，能否超过一辆 L5 汽车的安全标准？
甚至于，在自动驾驶系统与自动化道路的双重作用力下，有人认为自动驾驶等级也应该被重新定义。「合力」的效果显而易见，甚至对于一些自动驾驶技术相对落后的公司来说，这里面还存在一种「可弯道超车」的有效暗示。
但以上只是最理想化的状态。
事实上，关于「智慧交通」「智能化道路」等各类项目方案虽然一直摆在政府的案头，但对于任何一家商业公司来说，短期内这跟自己的利润诉求没有任何关系。更何况「无人驾驶汽车」本身就被视为是一个烧钱的东西，这让身在其中的人更是无暇顾及那些已经被时间验证过的「无效努力」。
而回看历史，让美国政府以及通用等公司放弃参与自动化交通公路设计与改造的诸多原因中，除了技术环境的限制，成本问题其实更为关键。
根据中国交通运输部的统计，2017 年末全国公路总里程高达 477.35 万公里。试想一下把每条道路刨开，并在地下埋入传感器需要多少开销？可见完成改造的时间与资金成本都是不可估量的。
那么阿里提供的这类「后装硬件」，就真的可以让成本大幅下降吗？很可惜，截止目前，阿里也没有透露关于这款硬件成本及政府采购方面的任何信息。
不过，它显然是要比挖路埋线，以及让所有汽车达到 L5 级标准的硬件配置费用要低。
此外，对于历史上那些才华横溢的汽车工程师来说，他们之所以放弃对智能化公路的大胆畅想，还因为在以销售汽车为前提的技术研发过程中，不得不从「理想主义」回归「现实主义」—— 60 年代的汽车本身还存在无数问题。
各种事故及召回事件对应的是如何制定汽车安全标准；各类「排放门」对应的是如何提升燃油效率。
但如今，聚焦于无人驾驶汽车的矛盾点，早已不在车体质量问题上。与此同时，技术公司的角色担当愈加重要。
因此从国内来看，一方面，中国政府的强势引导也许更容易让科技公司参与到这场恰逢其实的道路改造工程中来；
而另一方面，发展无人驾驶技术的诉求也开始让一些富有远见的公司看到参与基础设施改造为自己战略布局所带来的价值。
但是我们认为，以上都不是道路智能化的最大阻碍。
即便所有公路都完成自动化改造，所有在路上疾驰的汽车都连上了网，甚至安装了自动驾驶系统，如果城市与城市之间的数据传输标准的不一致，或者某家车厂或车主拒绝接入，都会让以上努力成为摆设。
而王刚在接受我们采访时也承认，「解决这个难点仍然需要各界的持续参与与讨论」。
事实上，这种网与网，联盟与联盟，生态与生态之间的壁垒，广泛存在于想利用人工智能进行升级的任何一个行业里。
以安防行业为例，即便 A 城市的所有摄像头系统即便都进行了智能化改造，那么逃犯从这座城市开车进入了使用另一家智能设备供应商的 B 城市地界后，由于两市存在数据传输壁垒，在加大抓捕难度的同时，信息的价值与利用率都会大大降低。
因此，即便阿里联合交通运输部建立实验室的真正目的，是希望推动一个真正有效的数据传输标准的建立，亦或是一个联盟的建立。
但是，各地政府、企业以及学术机构之间错综复杂的利益关系与相互制衡，让「汽车与道路，汽车与汽车之间彼此交互数据，形成中心明确，高效整合体系」的愿景更显长路漫漫。
以上难题无一能轻易完成，而制定合理的技术政策更是众所周知的艰难。但是，这项耗资巨大又见效缓慢的工程，却值得所有相关技术公司的参与。