圖片來源 @視覺中國
文｜HiEV，作者 | Marshall，編輯 | 張祥威
一項新技術，狂熱的技術開發者往往會高估其發展速度，認爲當下偶爾發生的安全問題，會随着數據積累和功能叠代被逐漸解決。
他們往往會說，" 這個問題沒有包含在我們的場景庫中，但現在我們知道了 "。
這種思維是非常可怕的。
如果有人說，随着不斷積累數據和功能叠代，就能夠達到絕對的安全，他們多半是在祈禱壞事不會發生，但事實是，壞事隻是還沒發生而已。
做個 Demo 抄一抄開源代碼很容易，但是做到 80% 需要花一些精力進行優化，剩下的 20% 需要巨大的投入。剩下的 20% 中，最後的 2% 非常難，需要重大的技術突破。最後的 2% 中，最後 0.2% 幾乎不可能解決。
城市 NOA 的開發，便是正處于向最後的 20% 沖刺階段，而且由于地圖的限制舉步艱難，需要另覓出路。
不斷推遲的時間表
得益于計算機視覺、機器學習、深度神經網絡以及大算力芯片、激光雷達、毫米波雷達等領域的技術發展，自動駕駛行業在過去五到十年迎來爆發式的增長。
2018 年，行業對 L3 及以上的自動駕駛實現時間的預測，普遍認爲" 三年之内 "就能搞定。
三年過後，如今自動駕駛行業顯然已經進入瓶頸期。
承諾的 L3、L4要麽跳票，要麽下放成爲 L2。
即使是 L2，不同産品的安全性和體驗的差距也是巨大的。在 42 号車庫的智能化排行中，基礎輔助駕駛能力排名第一的特斯拉得到了 83.69 分，而榜單最後一名的比亞迪漢，隻有 12.46 分。
走在最前面的特斯拉，正站在城市 NOA 這個關口。
2021 年，特斯拉在北美的 FSD Beta 車隊規模達到數千輛。
同年 4 月的上海車展，推送高速 NGP 功能不久的小鵬，發布了配備激光雷達的新車 P5，這款車将搭載城市 NGP 功能。
何小鵬，這個被馬斯克稱爲抄襲者的人，決定在智駕領域幹一下特斯拉，宣布城市 NGP 将在 2022 年一季度通過 OTA 方式進行推送。
那屆上海車展剛過去三個月，小鵬便通過收購智途科技拿下甲級測繪資質，爲城市場景高精地圖的制作掃清政策上的障礙。
又過了兩個月，小鵬在一段城市 NGP 的工程 demo 視頻中，展示了自動選擇車道、判斷紅綠燈狀态并根據導航指引掉頭等功能。
這讓自動駕駛行業爲之振奮，仿佛彎道超車的美好前景就在眼前了。
不幸的是，事情後來并沒有按照預設的劇本進行。
黑天鵝出現了。
滴滴出行曝出的網絡安全審查事件，引發了行業的蝴蝶效應。監管機構對于數據安全的重視程度驟然提升，針對智能網聯汽車還出台了《汽車數據安全管理若幹規定》進行管理。
盡管小鵬提前布局，取得了寶貴的甲級測繪資質，但突然收緊的政策，仍然給城市 NGP 的落地帶來不小的挑戰。
下面這張表，列舉了不同時間和場合下，小鵬官方對該功能發布時間的表态：
可以看出，城市 NGP 的發布計劃，一定程度上受到了監管收緊的影響。
從公開表态來看，至少在 2022 年 3 月，小鵬就已經準備好相關材料等待審批了，但直到半年之後，才得到其總部所在地廣州的一個城市審批通過。
想要再擴張，還要至少再等半年，才能再增加兩個城市。
按照這個進度，小鵬的城市 NGP 的普及速度将遠遠落後于之前發布的高速 NGP。後者一發布就幾乎全國可用。而前者，似乎距離大範圍商用還有很長的路。
在此背景下，小鵬開始重新審視目前的技術路線是否合理，是否能夠支持自身的戰略目标。
跟在後面布局智能駕駛的其他玩家，也開始了反思。
問題出在哪裏？
在最近剛結束的 " 美國春晚 " ——超級碗上，一則攻擊特斯拉 FSD Beta 的視頻引發公衆的讨論。
視頻裏，先後選取了幾段特斯拉 FSD Beta 功能下發生碰撞或緊急接管的場景，借此詢問美國的監管機構爲什麽允許這樣的功能上路。
今年 2 月，美國 NHTSA 宣布，特斯拉将召回近 37 萬輛已安裝或待安裝 FSD Beta 的汽車。原因是 FSD Beta 可能會允許車輛在十字路口做出不安全的行爲，有撞車風險。
目前，特斯拉已經暫停爲美國和加拿大用戶安裝其 FSD Beta 軟件，直到可以發布固件更新以解決安全召回問題。
與特斯拉一樣，剛發布城市 NGP 的小鵬也不能感到安心。
一位廣州的 P5 車主在 B 站上傳了自己在廣州實測 CNGP 的一鏡到底視頻。
視頻中，除了有疑似地圖缺失引起的系統降級外，還出現了一些其他問題。主要可以分爲三類：
地圖信息過時 / 錯誤導緻的行駛路線錯誤
規控策略不夠類人，引起交通阻塞
可能導緻碰撞的安全風險
這三類問題均涉及到城市 NGP 功能的核心。
首先，對于地圖錯誤，用戶幾乎無法提前察覺，大多都是等到系統表現異常了才發現。這類問題其實從高速 NGP 上車的時候就存在。
對此，各家普遍的處理方式是通過" 運營 "的手段，在新版本地圖發布之前臨時做屏蔽。
到了城市場景，高精地圖的制作成本決定了其更新頻率不會那麽高，而頻繁而複雜的市政建設也造成了運營成本的提升，總會有用戶第一次遇到錯誤的地圖。
所以問題就變得難以解決了。
其次，規控策略方面，這涉及到持續地收集場景數據與針對性地優化。
一項功能發布伊始，以遵守交通規則、避免交通事故爲主要原則，這沒問題。這雖然對于其他道路交通參與者的體驗不會那麽好，但至少可以保證功能上線，後續有持續優化的空間。
把數據閉環跑起來，比什麽都重要。
這也就導緻一些車企的城市 NGP 功能上線的背後，有時候以影響其他道路交通參與者的體驗爲代價的。
最後，安全風險，相信這是各家團隊最不願意看到的一類問題。
雖然安全風險類的問題在媒體測評中幾乎沒有出現，但在真實用戶的體驗中，這類問題确實偶爾會發生。
對于安全類的風險，采取機器學習的方式是遠不能讓人放心的，因爲開發者根本不知道算法能處理什麽樣的風險。
而基于規則的場景枚舉，會讓系統在部分場景 " 看起來很安全 "，實際上并不理解安全背後的深層次邏輯。
這會放大風險場景發生時的負面體驗——複雜的情況能處理，簡單的反而犯糊塗。
當然，目前有用 2D 或 3D 的可行駛空間作爲路徑規劃依據，也有使用 " 公理 " 作爲對系統的約束，這些嘗試都是爲了對安全風險進行管控。
破局的方法
要發展城市 NOA，最初各家在技術路線的選擇上都選擇了這樣一條路徑：
基于高速 NOA 的技術棧上擴展使用範圍，并針對城市特有場景開發更多的功能特性，如紅綠燈的識别、路口轉彎、更多的目标響應等。
我們來看特斯拉是怎麽做的。
特斯拉實現高速 NOA 中，僅采用了 " 導航 + 視覺車道線 " 識别來進行路線的判斷，并不依靠任何包含道路特征的 " 地圖 "。
這看起來很 " 第一性原理 "，這些信息對于人類駕駛員來說足夠了。
但容易讓人忽略的一點是，人類眼睛的性能和對視覺信息的理解，在目前這個時代，是遠超攝像頭和深度學習模型的。
基于高速 NOA 研發經驗，特斯拉開始嘗試在城市場景中開發更多功能，并開發出了針對 Stop 标志和紅綠燈的自動停止（在美國）功能。不過，除此之外就幾乎沒有其他突破了。
想象中的路口自動轉彎一直都沒有出現。
這也可以理解，畢竟如果不依賴地圖信息的輸入，在沒有導流線的路口，直行都是一件非常有挑戰的工作，更别提轉彎了。
在感知系統達到人眼水平之前，想要獲取遠距離的道路結構，最直接的方式就是借助地圖。
特斯拉通過遍布全美數百萬特斯拉車主們進行衆包采圖。經過數年的數據積累，已經可以覆蓋北美大部分地區。
而且，安裝特斯拉 FSD Beta 的車隊規模，也從最初的數百輛發展到了現在的約 40 萬（來源：特斯拉 2022Q4 财報數據）。
對于北美地區配備了 HW3.0 的特斯拉，車主們可以以 15000 美元或 199 美元 / 月的價格，購買或者訂閱 FSD 功能包。
考慮到特斯拉在北美的選裝率在14%左右，以 2022 年特斯拉在美國銷售 49.1 萬輛爲例，僅靠銷售 FSD 軟件包，每年就能創造超 10 億美元的收入。
得益于自動化的衆包數據建圖與統一，後期的運營成本是相對固定的。
采用衆包地圖路線，并且車輛規模足夠龐大，這些是特斯拉發展 FSD 的核心要素。
視線回到國内，仍以小鵬舉例。
通過與圖商合作，小鵬在高速 NGP 中取得了巨大成功。通過重地圖的方式，實現了遠超特斯拉、蔚來及其他競品的體驗。
嘗到重地圖甜頭後，小鵬在城市 NOA 開發過程中一開始繼續沿用老方法，在城市建立高精地圖，配合城市場景的功能，希望能夠複制高速 NGP 的成功。
一開始效果還不錯。
2022 年 10 月，小鵬實現國内城市 NGP 的量産首發。
不過，這一過程中的遇到的困難超出了何小鵬的預期。" 城市 NGP 依賴于具有更高清晰度的地圖，最開始我們認爲在今年上半年甚至一季度下旬，小鵬就可以将城市 NGP 從一個城市推到數個城市，但困難比想象的要多。"
面對臨時施工、道路拓撲變化、轉彎路線和駕駛習慣不一緻等問題，高精地圖有些力不從心。這些問題最終破壞了小鵬城市 NGP 的可用性。
高精地圖的矛盾看上去還沒有更好的解決方法。
由于目前的測繪法要求，高精地圖的采集制作成本高，更新周期長，如果想要保證可用性，投入的運營成本将是巨大的。
對于圖商來說，城市高精地圖巨大的采集生産成本，如果無法分攤到足夠客戶數量，那麽其商業模式是不可持續的。
對于車企和自動駕駛公司來說，針對高速道路的高精地圖成本可以接受，每台車每年大概一兩百元錢的成本。但是，城市的高精地圖成本特别高，而且由于城市的道路變化更頻繁，還存在鮮度不夠的問題。
在自動駕駛研發上最舍得投入的小鵬，在看到眼前持續變化的道路環境與不夠理想的地圖數據質量後，也會覺得采買高精地圖這筆錢花的不夠高效。
去年的 1024 科技日上，小鵬宣布開始研究不依賴高精地圖的 XNGP。
踩着小鵬的坑，整個業界對城市場景的理解一起刷新。
小鵬之外，長城汽車旗下的毫末智行公布了自己的城市 NOH 細節，同樣以不依賴高精地圖爲主。
今年初，理想更是直接一步到位，宣布不依賴高精地圖的城市 NOA 年内落地。
當然，大家雖然說不依賴高精地圖，但對于城市場景，包含道路拓撲結構的 " 智能駕駛地圖 " 仍然是不可或缺的。
筆者認爲，基于衆包的輕量化 " 智能駕駛地圖 "，很可能成爲未來的主要技術路線。
安全與價值的平衡
嚴格來說，L2 功能仍有很大的提升空間。
無論是特斯拉 FSD Beta，還是小鵬 NGP，在現階段都還沒有達到能夠讓人坐在後排當乘客的程度。坐在駕駛位上的用戶，其角色更像是安全員在測試車輛，而非用戶在享受産品。
但是，當我們談論一個系統是否足夠安全的時候，不可避免的要談論 " 對誰來說足夠安全 "，以及 " 足夠安全做什麽 "。
絕對的安全，意味着最好幹脆就不要出門，隻有當我們把對象和範圍進行限定之後，讨論才是有意義的。
我的個人觀點是，一個安全且有價值的自動駕駛系統，并不一定要以把人類從駕駛座位上移走爲目的。
把機械性的操作自動化，才是自動駕駛最大的價值。
就像飛機上的自動駕駛系統，它可以保持一定的高度速度巡航飛行，或者按照飛行計劃要求進行機動，甚至在某些條件下自動降落，但飛行員仍然是必須的。
任何一個國家的飛行監管機構，都不允許飛機開啓自動駕駛之後脫離飛行員的監管。乘客們也不希望乘坐一架沒有人類駕駛員的飛機。
當然，對于城市 NOA 這類希望一步到位的點到點自動駕駛功能，最好還是應該選擇循序漸進的實現路線，在某些特定的場景下達到了足夠安全的程度之後，再逐步擴展新的功能邊界，真正做好安全和價值的平衡。
就在這篇文章将要完成時，一則關于智能汽車地圖的消息彈了出來。
自然資源部發布了《智能汽車基礎地圖标準體系建設指南（2023 版）》，提出到 2025 年，初步構建能夠支撐汽車駕駛自動化應用的智能汽車基礎地圖标準體系。「先行制定急用先行的 10 項以上智能汽車基礎地圖重點标準，解決智能汽車基礎地圖深度應用的迫切需求。」
顯然，行業上下都感知到了自動駕駛再向前發展對地圖的迫切需求。
相信在解決了地圖的問題，并在安全與價值做好平衡之後，樂觀估計五年内可以有一個好用的城市 NOA 落地。屆時自動駕駛将成爲日常駕駛的一部分，出行方式會更加靈活。
更多精彩内容，關注钛媒體微信号（ID：taimeiti），或者下載钛媒體 App
