2004年3月13日，在美國莫哈韋沙漠地區(qū)舉行了第一屆自動駕駛汽車比賽——DARPA大挑戰(zhàn)賽（DARPA Grand Challenge）。這是世界上第一個自動駕駛汽車長距離比賽，15支參加決賽的團隊在142英里（約228.5公里）的賽道中展開角逐。
最終，這場比賽沒有完賽者，甚至連接近完成的都也沒有。走得最遠的是卡內基梅隆大學的紅之隊（Red Team），他們用悍馬沙暴（Humvee Sandstorm）行駛了7.4英里（約11.9公里），還不到全程的5%。
但就是這5%的路程，其象征意義非常顯著，可以說一個新的行業(yè)由此而生。
參加過第一屆比賽的Axion團隊軟件負責人梅蘭妮·杜馬斯·格林(Melanie Dumas Grimm)說：“這是從學術論文到走向實際應用的第一步的轉折點，將被載入史冊。”
她自己也在這次比賽之后，成為了Waymo技術項目經理，幫助該公司在鳳凰城、舊金山和洛杉磯等大都市部署Robotaxi。
曾擔任谷歌街景和自動駕駛汽車項目的高管，又在2018年擔任了自動駕駛礦用卡車初創(chuàng)公司Pronto首席執(zhí)行官和聯合創(chuàng)始人的安東尼·萊萬多夫斯基（Anthony Levandowski）也是首屆DARPA大挑戰(zhàn)賽的參賽者，那年他只有23歲。
他回憶說：“就像生活中的大多數事情一樣，第一次嘗試就做對的問題很難。沒有人贏得比賽，讓每個人都有信心可以再來一次，這讓人們更加磨煉了堅持不懈與不斷磨煉的品質。”
馭勢科技CEO吳甘沙曾見證了2005年第二屆DARPA大挑戰(zhàn)賽，彼時他任職的英特爾公司直接贊助了卡耐基梅隆“紅之隊”，隨后又派了一支團隊加入到斯坦福斯坦利車的課題組。
這次挑戰(zhàn)賽的過程是“紅之隊”一路領先，但到中后程被斯坦利超越。英特爾參與的兩個車隊最終奪得了前兩名。
那是吳甘沙第一次接觸自動駕駛，他回憶說：“感覺當汽車變成無人駕駛時，每一塊平面、每一個空間、每一個功能都值得重新設計。”
而“紅之隊”的失敗讓他有了敬畏之心，認識到再牛的團隊、再高大上的自動駕駛，也受制于木桶原理，即使一個普通得不能再普通的零部件失效，也會讓自動駕駛一文不值。
DARPA大挑戰(zhàn)賽就像一個大樹，后來無數自動駕駛人才都是在這里開枝散葉出來，又落到各個公司，谷歌、優(yōu)步、通用、福特等等，成為了培育一批又一批自動駕駛骨干的搖籃。
困境與瓶頸
在2009年Google X實驗室啟動自動駕駛項目后，硅谷涌現了一批自動駕駛初創(chuàng)企業(yè)，也吸引大批風險投資和高科技人才匯聚于此。此后的十來年里，自動駕駛在巨量資金和大批頂尖人才的支持下，獲得了長足的發(fā)展。
隨著全球疫情肆虐，經濟下行，自動駕駛行業(yè)也遭受頗多挫折：技術進展變緩、商業(yè)化落地艱難、投資人信心匱乏，這導致大批海外明星創(chuàng)業(yè)企業(yè)倒閉、上市公司合并、融資難以為繼。
今天，硅谷自動駕駛初創(chuàng)公司的高管們依然堅信，這項新興技術可以重新詮釋傳統的駕駛和移動方式。相比于美國每年近4.3萬人死于道路交通事故的現狀，自動駕駛系統將大幅提高安全性。
然而，麥肯錫公司（McKinsey & Co.）估計，盡管自動駕駛技術已經投入了2040億美元，但如今的美國道路死亡人數幾乎與以前相同，而自動駕駛車輛廣泛普及、能夠行駛到任何公共道路可以到達的地方的承諾仍然難以實現。
對于近期自動駕駛遭到的冷遇，吳甘沙認為，科技的熱點是一直在變化的。能長期活得好的公司，不在于它抓住了一個熱點，而是它能抓住一連串的熱點。
任何一個長賽道的方向，一定不會一直在熱點上，而有很長的時間是在水下，參與者必須得不停地撲騰，去調整呼吸，才能活下去。其實自動駕駛已經維持了五六年的熱點，現在肯定是在波谷，等到下一波波峰來了，它又會熱起來，沒準到那個時候可能大模型不熱了，又會有新的技術站出來。
對于融資困難，他認為，如果說一個初創(chuàng)企業(yè)估值不是高得離譜，同時業(yè)務又在快速發(fā)展，利潤現金流在不斷改善，在所處領域又具備壟斷性的領先優(yōu)勢，這些企業(yè)融到錢應該不是問題。
輕舟智航CEO于騫則認為，現階段的核心問題還是在技術本身的突破，包括自動駕駛冰山以下的感知、規(guī)控等算法模型、數據閉環(huán)技術本身和研發(fā)范式的突破仍然是關鍵。數據怎么樣能很好地流轉起來，怎么樣更好地管理，把它做篩選、標注、訓練以及大規(guī)模仿真的驗證，實現高效的數據閉環(huán)，對于自動駕駛大范圍普及是非常關鍵的。
從成本角度看，實現高階自動駕駛所需車載傳感器的數量顯著增加，這些硬件最終都會體現在成本上。除了技術層面的瓶頸，法規(guī)和市場接受度也是自動駕駛商業(yè)化需要面對的挑戰(zhàn)。
因此，自動駕駛商業(yè)化需要政府、企業(yè)、科研機構等多方共同努力，從政策、技術、市場等多個角度入手，推動自動駕駛技術的研發(fā)和應用。
馬拉松和拳擊賽
波士頓咨詢集團（Boston Consulting Group）移動創(chuàng)新中心（Center for Mobility Innovation）聯合負責人奧古斯丁·魏格謝德（Augustin Wegscheider）仍然看好自動駕駛的未來，但他不再將發(fā)展與時間表掛鉤。
他說：“更明智的選擇是，我們只把它稱為‘未來’。”“描述大規(guī)模的場景，比準確說出它何時會發(fā)生要容易得多。”
其實，早在第一次DARPA大挑戰(zhàn)賽活動舉行時，就有人看出自動駕駛乘用車將面臨著艱難的發(fā)展過程。
“紅之隊”的領導者卡內基梅隆大學機器人專家威廉·惠特克（William Whittaker）教授說，第一次大賽中車輛缺乏一致性，讓比賽感覺像是“星際迷航中的酒吧場景”。
曾有業(yè)界人士把自動駕駛比作攀登珠峰，一條路線是從尼泊爾出發(fā)的南坡，相對稍微平緩；另一條路線是從西藏出發(fā)的北坡，更為陡峭、崎嶇。
對應著自動駕駛行業(yè)的兩條大的研發(fā)路徑：一條是以車企為主的漸進式策略，一般從L2開始，再逐步疊加高階功能；另一條是以科技互聯網企業(yè)為代表的跨越式策略，直接從L4、L5開始研發(fā)。而它們最終的目標都是登頂自動駕駛的頂峰——無人駕駛。
以Waymo為代表的“北坡”路線，即使Waymo有非常多的資源，很強大的技術實力，也難以突破北坡。相反，以特斯拉為代表的“南坡”漸進式路線從L2入手，通過輸出階段性的智駕產品為下一代產品積累數據，迭代性的獲得盈利的同時，逐步上攻。這似乎讓所有人都看到了一條最終通往自動駕駛的可行路徑。
而漸進路線要滿足兩個要求，首先能商業(yè)化，有造血能力，養(yǎng)活自己，而不是長期靠風投來買單，其次是能不斷成長、到達終局。
吳甘沙將當下的自動駕駛發(fā)展總結為四點：
首先，他相信自動駕駛是一個解決了億萬人痛點，同時又具備萬億級規(guī)模的市場，所以毫無疑問還是一個非常理想的創(chuàng)業(yè)方向。
其次，現在自動駕駛行業(yè)目前是處在低谷當中，亟待技術突破和商業(yè)閉環(huán)的形成。
第三，自動駕駛的難是來源于它的本質，也就是99分等于0分，最后那一分可能是需要99%的時間和精力，所以自動駕駛一定是持久戰(zhàn)，而正因為是持久戰(zhàn)，創(chuàng)業(yè)公司才有生存機會。
第四，創(chuàng)業(yè)公司的發(fā)展一定要選用漸進式的技術路線和沿途下蛋的商業(yè)路線。
“自動駕駛是一個長賽道，參與者既要學會馬拉松，也要學會打拳擊賽。馬拉松能夠讓你一直跑下去，拳擊賽能夠讓你在終局時能有核心競爭力。”吳甘沙說。
因此，從創(chuàng)業(yè)公司的角度來說，得把戰(zhàn)略想清楚，找到合適的切入點，尋找那些既在巨頭的射程之外，又真正能為客戶解決高頻剛需問題的市場，只有這樣，才能夠有足夠的利潤支撐企業(yè)堅持下去。
佑駕創(chuàng)新公司CEO劉國清博士認為，如果自動駕駛的商業(yè)化進程和技術等級對應，漸進式地“沿途下蛋”，瓶頸不會很顯著。如今消費者越來越重視車輛中的智駕功能，恰恰證明了其商業(yè)化前景之廣闊。
他說：“L4、L5自動駕駛大規(guī)模商業(yè)化還須一段時間，我們看到國外的一批自動駕駛公司，熱度也不同程度的冷卻下來。這其中技術的成熟度只是一方面，我認為更關鍵的在于挖掘需求。如果沒有需求、或者是偽需求，就無法建立可持續(xù)的商業(yè)模式。”
大模型是新希望嗎
在吳甘沙看來，大模型技術對于未來自動駕駛走到終局，肯定是一個很重要的方向。
首先，大模型加深了對環(huán)境的理解。因為今天的自動駕駛其實本質上還只做到了在場景里面確保不撞，但是缺乏對于場景的深刻理解能力，缺乏對于與其他的交通參與者的人性化互動。
第二，現在自動駕駛之所以這么累，因為它不收斂，永遠有沒見過的問題暴露出來。本質上就是人工智能沒有出現涌現式的躍遷。這是因為今天車端能跑的算法，參數規(guī)?？赡苤挥袔浊f或者是上億，而參數規(guī)模的局限，導致了它不可能具備涌現的能力，所以永遠不會收斂。如果車端處理的參數規(guī)模能達到10億級別，它的模型就會具備涌現躍遷的能力,也就能更快地接近終局了。
他認為，大模型其實已經在一些方面起作用了：從短期來看，如果數據少，缺乏Corner case，大模型可以幫你生成；如果數據多，人來不及標注時，它能夠幫你標注；它還能通過知識的蒸餾，把大模型里面的知識變成一個車端能跑的小模型等。從中長期看，一是它將具備世界模型能力，對世界有更好的理解；二是它會實現涌現躍遷，解決一直不收斂的問題。
于騫也表示，首先，現在技術發(fā)展方向正在朝向數據定義階段發(fā)展，算法模型需要具備強大的數據學習和場景泛化能力，有效解決各類Corner Case。所以，未來幾年，智能駕駛更大的價值來自于數據。輕舟的研發(fā)范式也在從以模型為中心轉向以數據為中心。
最近端到端在國內掀起新一輪技術革新風暴，成為智能駕駛技術競爭的全新制高點。一旦進入這個階段，輸入信號完全是原始的傳感器的信息，輸出就是轉向、剎車、油門這樣的控制命令，數據的重要性越來越大。尤其是AGI（Artificial General Intelligence，通用人工智能 ）時代出現后，在數據規(guī)模方面，模型相比數據規(guī)模來講的重要性變得越來越小。
其次，生成式AI技術展現出了巨大的潛力。自動駕駛需要大量數據支持算法模型的訓練，以適應各種駕駛場景和復雜路況。然而，傳統的數據采集方法可能受限于實際道路條件和安全問題，無法獲取到大量多樣化的數據。生成式AI能夠生成肉眼無法分辨真假的圖像，為模型訓練提供高質量合成數據，從而破解自動駕駛數據和測試難題。
從事AI研究20余年的瑞因凡（上海）智能科技有限公司聯合創(chuàng)始人、CEO韓東告訴汽車商業(yè)評論，大模型或者說生成式AI，對于自動駕駛肯定是有很大的推進作用，也是目前能看到的未來真正到達L5的唯一可能性。
但這不代表現在離這個目標很近，因為完全自動駕駛L5趨近于AGI。他認為，最終完全的自動駕駛不意味100%的安全，因為任何交通工具出行都有出事的概率。只要概率低到讓你覺得這是一個不可能碰上的小概率，其實大家就已經無所謂了。
他覺得，現在類似GPT-4這種通用大模型，還在不斷迭代當中。假設算力不是瓶頸，做推理的速度足夠快，車端側變得可用，遇到任何路況，系統立刻就可以做出很正確的反應，還足夠便宜，那就可以實現自動駕駛了。但現在實現不了，主要因為使用大模型進行推理太貴。
比如說馬斯克的xAI公司最近剛剛開源的大模型Grok-1，擁有3140億參數，是迄今為止參數量最大的開源大語言模型。如果你要把它跑起來，可能就要四五張英偉達A100 GPU，而一張A100售價就接近10萬元人民幣，很顯然這在車端不現實的。所以未來怎么樣讓車側的模型變得更小，更容易去做推理，更便宜更快，才是實現完全的自動駕駛的過程。
至于車端大模型需要多大的參數規(guī)模，他現在不太敢判斷，因為大家對于這種多模態(tài)模型的參數規(guī)模，并沒有一個特別清晰的認知。L5什么時間到達也比較難說，如果技術足夠成熟，安全性足夠高，他覺得應該是10年到20年之內的事情。
劉國清猜測，自動駕駛突破的關隘，不在是不是有另一項新技術，而是在基礎設施和能源上。比如AI大模型的背后是巨大的算力，支持算力的是大量消耗的電力。“自動駕駛目前的車載算力也越來越大，可以預見的是，越往L5走、或者從車端到路端、從車端到云端……我們需要的算力也越來越大，因此需要巨量的計算技術設施和能源的支持。”他說。
曙光在哪兒初現
從行業(yè)的發(fā)展來看，汽車并不是DARPA大挑戰(zhàn)賽催生的唯一業(yè)務。按自動駕駛的發(fā)展來看，該賽事的血統跨越航空航天、采礦、農業(yè)、卡車運輸、拖拉和其他領域，總價值達數百億美元。
農業(yè)成為惠特克教授預見到的明確用例?，F年75歲的惠特克在家鄉(xiāng)賓夕法尼亞州霍利迪斯堡附近的一個農場里，一邊開發(fā)農業(yè)機器人，一邊研究太空探索機器人，仍然激情澎湃。
根據市場研究公司Grand View Research的數據，去年農業(yè)機器人市場估計為115億美元，預計到2030年將以20.6%的年增長率增長。農業(yè)巨頭約翰·迪爾（John Deere）提供一套自動化拖拉機選項，并把全自動拖拉機宣傳為“額外工人”，“從不遲到”，也不介意“通宵工作”。
采礦也是自動化駕駛系統的第一波實際應用。去年8月，沃爾沃自動駕駛解決方案取得了里程碑式的進展，從挪威Velfjord的Bronnoy Kalk礦山拖運石灰石的7輛卡車上撤下了人類安全駕駛員。Grand View Research估計，到2023年，全球采礦自動化市場的價值超過50億美元。
據吳甘沙介紹，馭勢科技在機場和工廠的無人駕駛已經實現了商業(yè)化的應用。目前香港機場已累計投入50余臺馭勢科技無人駕駛車輛，已實現超過1000天的完全無人駕駛常態(tài)化運營，為機場提供全天候的無人物流和接駁服務。他認為，像在機場的自動駕駛應用，現在還是溫和增長，但快的話2026年，慢的話可能2027年、2028年就要進入爆發(fā)的轉折點了。
他認為，自動駕駛的發(fā)展，要取決于幾件事：第一是技術靠譜，從技術上保障安全可靠的運營，不能按照平均值來去做技術，而是要考慮到最復雜的場景；第二，需求必須是高頻剛需，提升利用率，可以替代人類司機；第三是賬要算得過來，也就是讓客戶省錢，讓自動駕駛企業(yè)賺錢。
于騫表示，2024年被認為是智能駕駛大年，是從電動化向智能化發(fā)展的關鍵時期。在大規(guī)模前裝量產領域，沿著“南坡”路線的漸進式模式，L2++級高階輔助駕駛會從高速NOA到城市NOA逐步普及。城市NOA是輔助駕駛的天花板也是無人駕駛的入門檻。
另一條沿著“北坡”路線的L4自動駕駛領域，自動駕駛的規(guī)模化應用遵循從簡單場景到復雜場景，從低速場景到高速場景，從載貨到載人的原則。可能會最先在園區(qū)接駁、安防巡邏、物流配送、環(huán)衛(wèi)作業(yè)、公交、港口碼頭、智能礦山、無人零售等領域開展應用普及，目前已經在逐步走向商業(yè)化試點運營。
其中，自動駕駛公交不僅限于交通出行，而且可以成為連接乘客、交通與服務的智能體。自動駕駛小巴是中低速場景，乘客對車速的預期可控；走固定路線，更能確保行駛安全；多人出行，具有社會效益，有望成為公開道路上的L4自動駕駛最快實際落地場景。
在劉國清看來，如果從Gartner曲線的階段來看，自動駕駛目前已經處于爬坡期，正在往成熟期進發(fā)。技術層面，BEV+Transformer將自動駕駛技術提升到新的高度，實現感知與決策一體化。市場層面，消費者認知和需求也在爆發(fā)。L3及以下的技術目前已經規(guī)?；瘧迷谲囕v上，L2功能更是幾乎成為新造車勢力的標配。而Robo-Taxi等L4業(yè)務也在多個城市落地開花。
從趨勢看，汽車消費市場里低階自動駕駛已經開始普及了。在生活場景下，它能改變人們的駕乘體驗；而在生產場景下，自動駕駛如果能成為生產工具，或者促進生產效率，也是會率先普及的。比如在限定區(qū)域內的客運接駁、干線物流、最后一公里配送等等。