對眾多邁過五萬產量門檻都還需要幾年時間的自動駕駛公司來說， 先做減法， 區域化、場景化， 可能是一個必須的過程。
撰文 | 高靜宜
就像年初 Pony.ai「承諾」的那樣， 要讓廣州市民最快在春節前體驗無人駕駛汽車， 近幾天， 他們的無人測試車已經在廣州上路了。
這是 Pony.ai 計畫在 2018 年一季度開始投放無人駕駛車隊並正式展開運營的開始。
我們看到過很多公司打出「運營」目標或口號， 「運營」在自動駕駛領域已經算得上是一個高頻詞。 不過， 究竟達到怎樣的技術程度才可以實現「運營」？怎樣評判車隊「運營」的成熟度？「運營」與「路測」的區別又在哪裡？
這些問題的答案似乎眾口不一。 「全世界只有一家無人車公司做到了真正的『運營』， 就是 Waymo， 其他家的車都還只是在測試。 」彭軍說， 最直接的區別是， Waymo 的無人車隊由身為安全員的司機開出去， 他們不做操作， 工程師則在遠端進行監控。
而在 Pony.ai 的規劃裡， 「運營」意味著什麼？
「不同于一輛原型車上路簡單地跑一跑看看情況或是采采資料， 運營一個車隊不僅是車輛數目的增加， 還對技術的穩定性以及產品的成熟度存在較高要求， 需要具備資料獲取、軟體升級、後臺維護、遠端監控等一系列亟待建設的能力。 」Pony.ai 聯合創始人兼 CEO 彭軍說道。 他認為， 這裡的難點並不在於車輛數目的增加， 也不是給每輛車都配上工程師上路跑，
這家在 2016 年 12 月才創立的自動駕駛公司， 可以稱得上進展迅速。 成立半年， 公司在美國獲得加州車輛管理局（DWV）頒發的無人駕駛路測牌照， 隨後在美國三藩市展開路測。 同年 10 月， Pony.ai 與廣州南沙開發區管委會舉行簽約儀式， 計畫在廣州南沙設立無人駕駛研發中心及總部基地， 並在那裡展開了路測。
不到一年時間， Pony.ai 已經完成了自動駕駛公司前進的第一步——做出來原型車， 讓它跑起來測試。
「跟其他智慧型機器比起來， 無人車最大的不同點在於複雜度。 」彭軍認為， 交通是一個不可預測的事情， 不僅涉及千奇百怪的路況， 還要全面考慮路面上其他車輛或非機動車輛的不規範行為， 甚至天氣的影響。
「這裡的核心是在更多的場景下做得更好。 」也正因如此， Pony.ai 選擇 7*24 小時白天黑夜人車混流全自動自動駕駛路測， 參考各種客觀因素結合起來的複雜情況。
路測背後， 考驗的還是技術。
某種程度上講， 無人車公司只能無限追求系統和技術研發與設計上的「零短板」。 自動駕駛系統中任何一個模組的小問題， 都會對整個系統的功能造成嚴重影響。 無論是感知與地圖， 還是決策與控制， 每一個環節都需要投入大量的精力， 不可掉以輕心。
「歸根結底， 自動駕駛是一個巨大的系統工程問題。 一開始就要定義好這個問題， 然後再輔以工程師思維去解決問題。 」
Pony.ai 兩位創始人彭軍和樓天城對自動駕駛的理解， 是公司技術能力的基底。
不同于大多數無人駕駛汽車所採用的傳統 ROS 系統， Pony.ai 選擇自主研發創建了不同層次的完整運行系統， 不僅可以實現對自動駕駛技術作業系統的優化， 還支援快速反覆運算。
儘管挑戰更大， 但長遠來看， 自動駕駛領域更需要集中式系統， 而 ROS 系統是一個分散式運算的機器人作業系統。 此外， ROS 系統本身開源， 開源系統能夠讓開發者不斷添加新的功能模組， 但也間接導致系統缺乏穩定性， 系統效率有所降低， 並且不便於整體的修改。
事實上， 專為自動駕駛設計的阿波羅平臺也是基於 ROS 系統修改而成， 不過， 彭軍說， 「打完補丁還是一件補過的衣服， 不如做一件新衣服。 」
在硬體方面， Pony.ai 使用多感測器融合方案， 利用雷射雷達、毫米波雷達、攝像頭等感測器即時追蹤可移動物體，
「安全的 L4 自動駕駛一定需要多感測器融合， 這在今天甚至今後的幾年之內是唯一的路徑。 」彭軍舉了特斯拉多次出現事故例子， 認為這與感測器選型存在很大的因果關係。
目前， Pony.ai 仍在不斷調整自己的感測器方案， 嘗試在不同的車上配置不同的感測器組合， 從而找到最優解。 「三個主流感測器各有優缺點， 核心在於能否各自發揮出優勢， 實現揚長避短。 」
另外， Pony.ai 還設計了功能性模組， 覆蓋傳感與探測、預測、計畫的實施與控制， 這些模組在必要的替換和升級更新時，可被拆解成獨立的模組，具備較高的靈活性。
不同於互聯網時代，創業公司更多遵循的是長板原理選擇專注於自己擅長的部分，發揮長處、增大優勢，在彭軍看來，「在自動駕駛領域，長板理論並不適用，相反，短板理論在這裡才是正解。」
「在無人車這件事情上大家比較『長板』優勢並無意義，而是必須把這個系統工程中的每一個模組都做好。」他補充道。
以控制模組為例，它是自動駕駛的核心之一，如果控制精度及收斂度不理想，哪怕演算法正確識別出了所有目標，也無法準確執行，不僅會導致人們對自動駕駛車輛的體驗不佳、舒適度差，還會影響車輛的安全性能。
即便隨著技術的反覆運算與升級，整個自動駕駛的腳步正在不斷向前推進。但不可否認的是，高級別自動駕駛仍然難以「照進現實」。
哪怕各家公司展示的 Demo 中，無人車能夠順了在十字路口根據信號燈的指示行動，也能在雨天行駛，甚至可以在設置的障礙路段中完成連續轉彎，但是，這些都無法同一個簡單的行車場景相提並論——比如，我們在夜裡從北京的西單開到望京。
「不過，雖然從北京西單開到望京這樣高級別自動駕駛不是五年之內能夠實現的，但也不是說這項技術就是噱頭。所有行業的發展都是如此，短期過於樂觀，長期過於悲觀。人們會在短期內高估技術的能力，又會低估科技在長期之後帶來的收益。」彭軍解釋道，在港口、礦山、景區等低速場景下，無人車是可以發揮潛力的。
另一方面，彭軍也提到，自動駕駛領域還處在發展早期，需要一定程度的熱度，幫助行業吸引更多好的人才和資本。
作為都曾先後在穀歌、百度無人車部門擔任要職的兩位創始人，彭軍和樓天城顯然是入場創業熱中拿到「高票」的那一波。
融資順利且受到眾多知名機構追捧。1 月 16 日，Pony.ai 完成 1.12 億美元的 A 輪融資，由晨興資本和君聯資本聯合領投，其種子輪種子輪領投方紅杉資本中國基金、跟投方 IDG 資本參與本輪投資，其他投資者還包括弘泰資本、聯想之星、普華資本、啟宸資本、DCM，Comcast Ventures 和矽谷未來資本等。
短短一年時間，Pony.ai 已經是 60 多人規模的團隊，並在美國加利福尼亞州弗里蒙特和中國廣州設立辦公室，在北京設有研發中心。團隊成員多來自谷歌、優步、英偉達等頂尖自動駕駛技術人才，其中一半以上員工擁有國內外名校的博士學位。
在談到車隊運營順利之後公司的下一步計畫時，「量產」這件事不可避免地擺上了桌面。對於業內各家公司的「量產」計畫，彭軍也有自己的觀點。「很多人所謂的量產都不是量產，傳統定義裡年產不到 5 萬都不算量產。」在他心裡，實現年產 5 萬還需要幾年時間，這中間涉及與車廠的合作與談判，也包括技術的儲備與反覆運算，「還有很長的路要走。」
「先做減法，區域化、場景化，這是一個必須的過程。」彭軍說。
這些模組在必要的替換和升級更新時，可被拆解成獨立的模組，具備較高的靈活性。不同於互聯網時代，創業公司更多遵循的是長板原理選擇專注於自己擅長的部分，發揮長處、增大優勢，在彭軍看來，「在自動駕駛領域，長板理論並不適用，相反，短板理論在這裡才是正解。」
「在無人車這件事情上大家比較『長板』優勢並無意義，而是必須把這個系統工程中的每一個模組都做好。」他補充道。
以控制模組為例，它是自動駕駛的核心之一，如果控制精度及收斂度不理想，哪怕演算法正確識別出了所有目標，也無法準確執行，不僅會導致人們對自動駕駛車輛的體驗不佳、舒適度差，還會影響車輛的安全性能。
即便隨著技術的反覆運算與升級，整個自動駕駛的腳步正在不斷向前推進。但不可否認的是，高級別自動駕駛仍然難以「照進現實」。
哪怕各家公司展示的 Demo 中，無人車能夠順了在十字路口根據信號燈的指示行動，也能在雨天行駛，甚至可以在設置的障礙路段中完成連續轉彎，但是，這些都無法同一個簡單的行車場景相提並論——比如，我們在夜裡從北京的西單開到望京。
「不過，雖然從北京西單開到望京這樣高級別自動駕駛不是五年之內能夠實現的，但也不是說這項技術就是噱頭。所有行業的發展都是如此，短期過於樂觀，長期過於悲觀。人們會在短期內高估技術的能力，又會低估科技在長期之後帶來的收益。」彭軍解釋道，在港口、礦山、景區等低速場景下，無人車是可以發揮潛力的。
另一方面，彭軍也提到，自動駕駛領域還處在發展早期，需要一定程度的熱度，幫助行業吸引更多好的人才和資本。
作為都曾先後在穀歌、百度無人車部門擔任要職的兩位創始人，彭軍和樓天城顯然是入場創業熱中拿到「高票」的那一波。
融資順利且受到眾多知名機構追捧。1 月 16 日，Pony.ai 完成 1.12 億美元的 A 輪融資，由晨興資本和君聯資本聯合領投，其種子輪種子輪領投方紅杉資本中國基金、跟投方 IDG 資本參與本輪投資，其他投資者還包括弘泰資本、聯想之星、普華資本、啟宸資本、DCM，Comcast Ventures 和矽谷未來資本等。
短短一年時間，Pony.ai 已經是 60 多人規模的團隊，並在美國加利福尼亞州弗里蒙特和中國廣州設立辦公室，在北京設有研發中心。團隊成員多來自谷歌、優步、英偉達等頂尖自動駕駛技術人才，其中一半以上員工擁有國內外名校的博士學位。
在談到車隊運營順利之後公司的下一步計畫時，「量產」這件事不可避免地擺上了桌面。對於業內各家公司的「量產」計畫，彭軍也有自己的觀點。「很多人所謂的量產都不是量產，傳統定義裡年產不到 5 萬都不算量產。」在他心裡，實現年產 5 萬還需要幾年時間，這中間涉及與車廠的合作與談判，也包括技術的儲備與反覆運算，「還有很長的路要走。」
「先做減法，區域化、場景化，這是一個必須的過程。」彭軍說。