时至今日,没人会怀疑,在触手可及的未来,自动驾驶会形成一个难以估量的庞大市场。
而当终点的旗帜如此明显,赛道也就变得格外拥挤。过去几年,无论各大传统车厂,科技巨头还是林林总总的供应商,都在以一种军备竞赛的心态开足马力,在自动驾驶的路上跑马圈地。
但不知你是否留意,或许是在科技媒体的过度洗礼之下,当我们在谈论自动驾驶时,约等于就是在谈论乘用车的自动驾驶,但事实上,在分食自动驾驶这盘裹挟着巨大利益的奶酪时,不同团队其实早已厉兵秣马,在不同路面上并行奔跑。
譬如按照不同场景:有人盯准乘用车市场,就有人觊望商用车市场;有人希望让自动驾驶穿梭于闹市之间,就有人希望让自动驾驶卡车来往于高速路的两端,或者在港口码头等封闭低速环境下默默耕耘;有人专攻城市,就有人转战农田……总之,自动驾驶对人类的福祉,会出现在不易被大众察觉的场景。
举个具体的例子,物流。
如果你看过《集装箱改变世界》就会知道,在20世纪人类各种眼花缭乱的发明里,集装箱势必占有一席之地,它让人类物流体系标准化,形成了巨大的规模经济和网络效应,让从A地到B地的货物运输成本忽略不计,并最终成为全球贸易爆发的基石,从那一刻起,物流系统也被视作全球贸易的毛细血管。
尽管如今很难有哪项物流技术能与集装箱相提并论,但令人欣喜的是,在经历了人工生产,机械化和自动化阶段之后,物流行业正在进入到整合各项传统科技与新兴科技,以人工智能,大数据和云计算等前沿技术为引导的智慧化阶段。无论是运输,仓储还是配送环节,几乎都正在被你所熟知的各种黑科技所加持,譬如在运输环节,产业界就非常相信:自动驾驶将在经济成本和配送效率上做出巨大贡献。
嗯,在我看来,由于远离媒体聚光灯,自动驾驶在2B领域的摸索和进步,似乎有些被低估了。
当自动驾驶遇上高速公路
让我们先从高速货运的场景谈起。
在过去的直觉里,自动驾驶率先落地的场景,大概率上会与“共享理念”融合。你可能已对如下想象倒背如流:在APP上预订,一辆汽车自动驶来,带你到指定地点,你下车,它自动去接下一单。在人们的期许中,共享自动驾驶汽车能大幅提升社会效能(私家车95%的时间处于停放中),改善自然环境,甚至打破工业时代城市规划的枷锁,重新释放城市居民的自主权。
我当然相信,上述美好景致,终会变成现实——但若论商业落地的速度,共享模式,乃至整个乘用车市场,都不见得是排头兵。最近几年,产业界似乎正在扭转共识:大概率上,商用车会比乘用车更快完成商业落地,在许多人眼中,自动驾驶卡车会比私家车更快实现规模量产。最近的GMIC上,我就听智加科技PlusAI(硅谷无人驾驶公司)副总裁付强谈到,当自动驾驶遇上高速公路,会几乎会立竿见影地改变货运现状,让这一相对枯燥的行业更为高效,经济和安全。
这不难理解,如果说乘用车的最大属性只是出行工具,货车则更像是成本颇高的“生产工具”。角色上的差异,会让后者对自动驾驶技术有更为迫切的需求,因为货运行业通常只关注两个指标:安全和成本,这两点对自动驾驶技术都不是难事。
先说技术,众所周知,人工智能的完善需要数据的喂养,相比于城市内部复杂的“网状”路线,货车在高速路上是“线状”行驶,道路环境单一且相对封闭,这种从A到B的重复线路会让数据不会被过渡稀释;另一方面,由于更多是“生产工具”,货车的用户体验也不用像乘用车那么复杂,对算法的要求相对较低,也更有利于量产。
而货运公司拥抱自动驾驶的真正理由,是它可以大幅降低成本。利润低,成本高(尤其人工成本)是货运领域的最大痛点,但中国经济的快速发展,早已让其快速成为物流运输大国,中国拥有超过700万辆长途重卡和1600万重卡司机,整体物流业占GDP比重将近17%,其中公路运输占比70%,有人曾算过一笔账,仅以1600万干线运输司机为例,如果能减掉一半,按一名司机年薪12万算,这就已是个万亿级别市场。而除了人力成本之外,油耗在干线运输成本中也占有较大比例,自动驾驶技术的落地,预期能减少约15%的油耗成本。
当然,众所周知,自动驾驶能大幅提升公路安全,这在高速路上显得尤为迫切。在中国,货车司机因疲劳驾驶引发的交通事故屡见报端,而自动驾驶不存在这个问题,能为物流货运带来更为安全的操作。
其实就像人工智能学者塞巴斯蒂安·特隆总结的那样:“驾驶事故是年轻人死亡的第一杀手,所有这些事故几乎都是由人为错误而非机器故障造成的;而在自动驾驶的帮助下,我们还能让高速公路的承载量提升2到3倍——通过优化车辆的位置,让它们在较窄的行车道上近距离行驶,进而消除高速公路拥堵。”
另外值得一提的是,目前看来,政策也颇为利好。商务部等5部门在《商贸物流发展“十三五”规划》通知中就指出,要加强商贸物流信息化建设,推广应用人工智能等在内的先进技术,探索发展与生产智慧物流生态体系。使自动驾驶在国民经济的核心产业领域释放出更大潜力。
不同场景的落地
一切指向一点:作为未来人类智慧物流的重要一环,即将率先落地的自动驾驶商用车市场潜力巨大。
趋势背后,是各大厂商的积极应对:无论是戴姆勒这种传统车企,谷歌这样的互联网巨头,还是特斯拉和Otto(6.8 亿美元被 Uber 收购)这样的科技新贵,在自动驾驶货车方向均有布局。而与其他AI领域非常相似,市场的广阔,让初创团队完全有资格与大公司共舞。
值得一提的是,在很多人眼中,相较于未来乘用车市场更宏大的蓝图,巨头们只把商用车当做对冲风险的副线,研发精力大多集中在乘用车的主线——这意味着,自动驾驶商用车更像是某种“边缘性创新”,如智加科技PlusAI这种创业公司更可能成功突围,作为获得美国加州自动驾驶测试牌照的企业之一,他们已经迅速掌握了包括高精地图制作,基于深度学习的感知,路径规划和控制等技术在内的L4级别全自动无人驾驶能力,这让他们有能力提供给厂商一整套可立即商用的解决方案,推动自动驾驶在不同场景的落地。
比如一个特殊场景:港口码头。
如果说人工成本高,危险系数高,工作环境苦,是横亘在公路货运领域的三道关卡,那么这三道关卡,在高温,高盐,高海风的港口码头无疑会成倍放大。正因如此,港内集装箱卡车也急需与自动驾驶技术完成嫁接。
其实与公路相似,近年来随着中国进出口贸易日益繁荣,港口码头物流压力倍增,需要24小时高效、安全、精准运转的港口,对于无人化运输的需求非常迫切,而港内集装箱自动驾驶卡车,可以在很大程度上解决司机短缺,且大幅降低港口运营成本,提升运营效率。
港口正在完成自动化的蜕变。譬如就在不久前的青岛港集装箱码头,搭载L4级驾驶系统的商用重卡解放J7全程以无人驾驶状态工作,顺利完成了包括自动装货、行驶、转向、停车、卸货等一系列关键港口标准作业,成为首次在港口真实生产环境下的商用车实地作业。作为一汽解放的战略合作伙伴,智加科技(PlusAI)为解放J7的发布提供了独家的无人驾驶技术支持。
这并不容易,众所周知,港口龙门吊的设计结构(有些吊臂下面左右空间不到10cm)决定了卡车必须精准停在吊具下方,前后误差不能超过5厘米。加之桥吊钢笼结构还会屏蔽信号,导致卫星导航系统无法精确定位,都会增加精准停车的难度。而为了解决低速条件下精准定位的问题,PlusAI也通过融合了深度学习视觉算法,使用车道线检查、LIDAR(激光探测与测量)以及SLAM(即时定位与地图构建)等方案,操控解放J7将停车误差控制在正负2厘米。
而值得一提的是,在不少人眼中,相比于“无人工厂”里来回穿梭的小型机器人,无人重型卡车在码头上的闪转腾挪,其实更具视觉冲击力。
总之不难发现,无论在高速公路,还是港口码头,“自动驾驶+物流”正在媒体的聚光灯之外,完成对运输效率的改造,成为自动驾驶领域率先落地的商用场景。
（责任编辑：孜丽哈）
