IT八卦

@Beepee

作者简介：“85前”，京津冀合作产品，非典型处女座，职业经历横跨科技、影视、互联网，曾担任CCID科技记者、芒果编导、豆瓣电影编辑。《电脑报》《金融博览》特邀作者。

      日前，在AWE 2017上，笔者走进了“科技公园”，亲身体验了特斯拉经典款。眼瞅着络绎不绝的人流，跃跃欲试的眼神，你就知道，人们对于汽车的智能化期待有多么迫切。

      特斯拉是个跑在时代尖端的标杆，但是埃隆·马斯克同样也接受技术与人才的双重考验。近日，特斯拉正在起诉Autopilot前总监斯特林·安德森，认为后者跳槽到竞争对手Aurora Innovations时盗窃了公司数据。但是，仗着未出新品，Aurora Innovations一口咬定特斯拉在血口喷人。由此可见，关于无人驾驶汽车的法律争端背后蕴藏的危机。

      在特斯拉看来，“为了实现快速的赶超，传统汽车已营造了一种迅速致富的环境。一些只有演示样品的小型程序员团队开出高达十亿美元的高价。”据悉，2016年8月，Uber花了6.8亿美元收购小型无人驾驶初创企业Otto，而后者仅仅创立近7个月。无独有偶，几乎同时，通用汽车收购另一家40人员工的小公司Cruise Automation时，出价居然是10亿美元。

      车企跑马圈地，一方面看中了小公司的创新，另一方面，就是网罗人才。在人工智能这个新领域，掌握深度学习的专家学者屈指可数，所以车企频频出手。

      蒙特利尔大学的计算机科学教授约舒华·本吉奥称，行业需求的增长要比人们培养这方面的博士，甚至硕士的速度快得多。

      对于，车企对人工智能方面人才的需求，毕马威汽车行业负责人加里·希尔伯格这样说道：“汽车行业中传统势力和人才是他们产品研发的基石。因此，车企还是会从顶级工学院招募出色的机械和电子工程师，他们是产品研发的组成部分。”希尔伯格表示，现在还需要一个过程，不可能马上招募人工智能的天才和计算机科学家，并期待他们立即融入车企。

      机器学习的技术的迭代更新，逼得车企必须紧跟时代。请国内外专家，就做一件事，如何让汽车变得更加智能，实现无人驾驶。核心还在控制。传统的控制系统都是由传感器、控制器和执行器组成的。而这些事现在需要机器来完成。例如，我们用眼睛观察路况，而自动驾驶则是使用激光雷达、超声波雷达、摄像头、GPS等传感器来观察路况确定位置。我们用大脑做判断，自动驾驶用电脑作为控制器来判断。然后我们通过手脚控制车辆方向盘、加速和刹车，自动驾驶也是根据电脑的输出直接去控制车辆。最大的难点就在于可靠性方面。激光雷达和超声波雷达是用来测距的，理想状态下车辆可以探测到周围所有的障碍物并算出这些障碍物的距离，但是实际上，这些障碍物很可能会被误判。再加上汽车还有车速、加速度、转角度等各种传感器，综合输入结果的稳定性仍有待提高。

      无人驾驶的另一个难点是控制中心，接收这么多传感器的信息，需要进行分析处理，得出控制策略，下达控制指令，整个过程必须实时，这就要求具备高性能的实时运算能力。同时，硬件不能宕机，软件算法要周密。自动驾驶的软件算法必须实现路径规划、躲避障碍物、加速度控制、姿态控制等多种功能。目前，很多厂商都是采取混合处理，比如模糊控制配合遗传算法、深度学习等等。

      综合无人驾驶中面临的这些难点，因此，无人驾驶对人工智能有非常高的依赖性，特别是机器学习。回顾国内无人驾驶的发展，也经历了一个逐步加速的阶段。其中，可以看出国内巨头百度，的确已经有了近四年的探索，但是实际上，它与谷歌、特斯拉的差距也很大。

      谷歌的强大优势就是软件和算法。谷歌自动驾驶汽车具有GPS、摄像头、雷达和激光传感器，可以以一个360度的视角从周围环境中获取信息，从2009年开始，谷歌自动驾驶汽车在自主模式下已经行驶了120多万英里，软件已经历经了多次实操后的迭代更新。它甚至可以识别交警的手势，这也是谷歌强大的软件算法能力的体现。

      由此可见，真正的无人驾驶，绝不满足于人的模拟，而是超越人的感官功能，以实现“高度自动化”的程度。而且，特斯拉比谷歌的优势在于，所有在路上行驶的特斯拉车型，都用自己的各种传感器为特斯拉的高精度卫星地图在做贡献，而谷歌屈指可数的测试车，无法与量产的特斯拉相媲美。目前，特斯拉 Autopilot 辅助驾驶的行驶里程已经达到了 2.22 亿英里（约合 3.57 亿公里）。

      百度等国内无人驾驶技术，与谷歌和特斯拉等领先巨头仍存在不小差距，不论是传统车企还是互联网公司要想在实现弯道超车都需要获得政策支持、市场鼓励、用户支持的大数据信息，来提升软硬件更新换代速度。