无人驾驶：美梦还是噩梦？

　　俞立

　　几个月前，滴滴和美团的网约车大战吸引了投资界所有人的眼球。滴滴做梦也想不到，一个送外卖的竟然伸手来抢自己本以为端稳了的饭碗。不过话说回来，送外卖和网约车，看似行业跨度颇大，但商业模式的实质却是一样的――无非线上获客，线下调度资源而已。因此，滴滴和美团其实是同一类公司，这场大战充其量只是同行之间的地盘之争。

　　然而，最可怕的竞争者大多不是同行。

　　曾经不可一世的柯达，用无数专利筑起高高的壁垒，拓展上下游整合全产业链，建成了一座似乎能屹立不倒的城堡。但就在短短的十几年时间里，数码成像技术摧枯拉朽般将其主业彻底击溃，最终柯达在2018年初申请破产。

　　颠覆性的商业模式就如降维攻击，它们的目的不是攻城略地，而是推倒重来。

　　之于出行服务业，无人驾驶技术作为大杀器的地位已经显而易见，但手持大杀器的颠覆者将出自何方，即便是很多行业巨头也没有看得明白。

　　诱人的梦想

　　从本质上说，出行服务就是提供快速移动的手段。

　　滴滴模式，是让交通工具接近固定位置的乘客；公共交通模式，是让乘客接近在固定位置停靠的交通工具；共享车辆模式，是让乘客接近随机位置的交通工具――无论如何，“交通工具”这个要素是不可或缺的，否则快速移动就无法实现。

　　在目前的滴滴模式下，交通工具并不单单是车，而是司机和车的组合。考虑到司机对于车辆的绝对控制力，前者才是所谓“交通工具”的本体。从经营层面看，司机分账是整体业务的最大成本，司机体力是单位运力的最大瓶颈，所以“去司机化”对于运营平台而言，其吸引力是不言而喻的。

　　经过滴滴VS美团一役，运营平台摆脱司机的意愿变得更加强烈。司机有用脚投票的权力，而运营平台并没有太多手段限制其博弈。针对类似的严肃问题，资本家们几百年前就指出了一条明路：务必控制生产资料。在无人驾驶普及的时代，这条金科玉律非但不会过时，反而会变得理所当然――控制车就控制了一切，因为司机将不复存在。

　　目前，把无人车运营列入远期商业目标的公司已经一只手都数不过来了，巨头级别的如Google、滴滴；初创型的如Pony.ai（小马智行）、Roadstar.ai（星行科技）。由于这片领域的市值实在过于巨大，所以即便是在眼下的资本寒冬中，投资人的热情也丝毫没有被浇灭。2018年5月，Roadstar.ai以3亿美元的估值完成A轮融资，获1.28亿美元注资，发酵的估值加上匪夷所思的股权释放额度，引得业内人士躁动不已。然而不出3个月，“琅琊榜”又被刷新――Pony.ai以接近10亿美元的估值完成A1轮融资。

　　那么这个商业模式距离真实落地还有多远呢？

　　从功能层面讲，无人驾驶技术可定义为L0到L5共六个等级。L0~L1基本等同于高档轿车配备的车道偏航预警和紧急刹车辅助，L2~L3基本对标特斯拉的AutoPilot功能，L4实现晴好天气下结构化道路的自主驾驶，L5实现全天候的完全自主驾驶。显而易见，满足无人驾驶运营要求的车辆必须是L5级的。

　　而我们和L5级无人驾驶之间还隔着诗和远方。

　　梦想的距离

　　把人工智能应用到开车这种人命关天的事情上，大家首先关心的当然是技术的可靠性。

　　无人驾驶的核心是“深度学习（DeepLearning）”。自从AlphaGo击败李世石后，这个术语大家已经耳熟能详，但对其机理多半还有些不甚了了。比较通俗地解释，深度学习是通过分析大量场景数据，不断调节类神经网络各个节点间的函数参数，使之能模糊地识别不同模式，并做出相应决策的技术。这个机制的关键问题是：如果一个状况AI从未见过，它就很可能无法给出正确的应对。偏巧在驾驶行为中，不多见的状况和易发事故的状况重合度极高，这导致AI面对真实的危险有更大概率陷入困惑。为了让AI“见多识广”，Google派出上千辆测试车收集交通数据，希望借此辨识更多的“不多见状况”。这项工作从2009年就逐步启动，但目前看来距离完工还遥遥无期。再退一步讲，即便Google得到了美国交通状况的完备数据，训练出来的AI也不可能很快移植到中国来使用。

　　硬件也是一个大坎。目前无人驾驶技术采用的主流感知设备有激光雷达、毫米波雷达和摄像头等。激光雷达在大雨、大雪和大雾天气下会受到严重干扰；毫米波雷达对于生物体的感知能力偏弱；摄像头在黑夜和逆光下辨识能力较差。若要实现全天候的L5级功能，这些硬件设备必须完成革命性的技术升级，其时间表目前无法预知。

　　基础设施的空白也将延后L5技术的落地。

　　无人驾驶的基础设施内涵非常丰富，其中与技术本身关系最密切的，当数高清地图。目前包括Google在内的大部分无人驾驶研发团队，都在使用一种叫做“激光点云”的高清地图。其工作原理是：由专门的地图测绘车，头顶高线数激光雷达，把路线周边所有的建筑物、行道树、栏杆等一切固定物体的激光反射点云记录下来；在无人车行驶过程中，AI会将自己检测到的实时激光点云和高清地图中的激光点云进行比对，从而识别出自己的位置。由于激光雷达的精确度很高，所以设备正常工作时车辆定位的误差可以控制在几厘米的范围内。然而，激光点云地图的制作难度极大，无论是现场测绘还是地图加工，在成本和时间上与普通交通地图相比都有质的差别。为了满足L5级无人驾驶，高清地图信息不但要覆盖城区道路和高速公路，还需要囊括地下车库等内部道路，制图工作量大到不敢想象。

　　另一类不可或缺的基础设施是车联网和智能道路。从历史经验看，任何一种人工智能或自动化技术，只有在性能大幅超越人类的情况下才会被广泛应用，而无人驾驶倘若没有智能道路和车联网辅佐，在驾驶能力上并没有决定性的优势。

　　不过，一旦基础设施到位，情况就会大不相同。基于车联网和智能道路的V2X功能（VehicletoX）将革新道路交通的组织方式。举几个例子：无人车并线、刹车的意图通过V2X自动向周边车辆广播，为后者提供切实的预判，可杜绝无人车之间的剐蹭和追尾事故；设置在十字路口的智能管控设备通过V2X为无人车提供科学的道路指挥，可实现不停车高速通过，让红绿灯变成历史。没有事故，不用等待，人类将从此与堵车告别。

　　那这些基础设施距离我们又有多远呢？保守地说，大概要几十年。

　　无人驾驶技术的应用还会带来大量软性挑战。

　　打个比方，一辆无人车撞死了人，谁来背锅？车厂、技术提供方、出行服务运营商、智能道路，还是乘客？如果没有一套完备的规则来界定责任，就谁都不敢把无人车当作产品推向市场。

　　难点当然远不止于道路交规。

　　高清地图可能泄露国家地理水文细节；驾驶数据深度涉及乘客隐私；被黑客的无人车极易被用于恐怖袭击……这些问题会带来大量全新的挑战，而目前我们并没有太多手段和思路去应对。

　　梦境的真相

　　我们和L5无人驾驶间的距离确实还很远。

　　不过，仅仅是远而已。

　　纵观人类历史，提高效率和降低成本是社会发展永恒的主旋律，凡是符合这两点标准的活动都被称为“创造价值”。从这个角度看，L5级无人驾驶之于司机，就好比是大机器之于手工业者，周身都散发着“价值”的光芒。

　　我们可以想象，在L5级无人驾驶的时代，车辆拥有者将不再需要出行服务，因为这个神奇的交通工具可以替代专职司机；另一方面，滴滴模式和共享出行的界限将完全模糊，人和车的互动将趋于开放化。

　　这些变化必将带来出行服务业的大洗牌。L5时代的运营商不再需要签约司机，不再需要身份安全认证，这些被现有运营平台视为“护城河”的管理壁垒将不复存在。只要获得了经营许可，任何有资金大量采购无人车的企业都可以近乎零门槛地开展运营服务。

　　然而，门槛降低并不等于机会共享。

　　我们大可断言，未来的出行服务业只有一种巨头能愉快地玩耍，那就是主机厂（汽车制造商）。以奔驰、一汽、北汽为代表的主流主机厂早已开始涉足出行服务业，它们的优势一目了然：主机厂运营商的资本支出可以用造车成本核算，而其他运营商必须用购车成本核算，这个价差意味着服务价格的下沉空间。在无人驾驶普及的时代，主机厂运营商在管理上的相对弱势将不复存在，成本的铁骑必然横扫战场。前面我们问到过，在出行服务业谁将是手持大杀器的颠覆者，这个答案远在天边近在眼前。

　　美梦还是噩梦

　　自从工业革命以来，我们总能发现，任何技术进步的获利者最终都是资本。机器将农民赶进了工厂；自动化将工人赶进了服务业；到了人工智能时代，这个趋势将近乎极端化，资本准备将劳动力从生产活动中彻底清除，进而获得所有的剩余价值。一并被消除的还有劳资纠纷、八小时工作制、公会和罢工。资本不再需要和劳动者的人脑交锋，因为它获得了重新定义“智能”的力量。会有人说，人工智能不是一种“正义”的力量――又有何妨？原子弹也不是“正义”的力量，但这并不妨碍超级大国们对它趋之若鹜。

　　人类从来只选择利弊，很少关心对错。

　　无人驾驶只是一个小小的缩影，未来越来越多的个体命运将被人工智能的洪流波及，资本将凭借这把利器压倒劳力，大势难以逆转。技术革新将提高社会劳动力水平，创造更多价值，但尴尬的是，我们却没有一个合理的机制来分配这些价值。

　　留给社会管理者的时间真的不多了。

　　（作者系金融与科技研究人士）