【原】里程焦虑、智驾安全、操作系统，谁是中国造车赶超欧美的拦路虎？

科学声音 2021-05-18

展开全文

2021：中国智能汽车元年

很多年以后，当人们回顾中国汽车产业的发展史时，2021年将极有可能成为最具标志性的一年，这一年或将被定义为“中国造车拐点年”或者“第三代计算平台元年”。在中国数字技术发展的历程中，2021 年的地位将与 2014 年极为相似。

2014 年，4G 手机在中国就像雪崩一样普及开来，中国人正式进入移动互联网时代。那么，2021 年发生了什么呢？我们来看一下 2021 年的前四个月都发生了什么：

2021 年 1 月 11 日，百度正式以整车制造商的身份进军智能汽车行业。

2021 年 1 月 19 日，腾讯宣布与吉利达成合作，正式进入智能汽车制造行业。

2021 年 3 月 30 日，小米集团官宣，正式进军智能汽车领域，创始人雷军更是决定亲自挂帅，赌上过往人生所积累的财富和声誉背水一战。

2021 年 4 月 6 日，滴滴造车项目的消息被社交媒体广泛传播。

2021 年 4 月 12 日，大疆发布智能驾驶业务品牌“大疆车载”。

2021 年 4 月 17 日，首款搭载华为智能汽车解决方案的量产车在上海亮相，华为表示这是华为技术落地汽车行业的开端。

再加上 2020 年 11 月26 日，阿里巴巴集团宣布与上汽集团合资创立“智己汽车”品牌，正式进军智能汽车行业。

自此，智能汽车赛道挤满了中国最厉害的软硬件技术实力型企业，它们几乎全部在同一年起跑，这不得不又令人回想起被称为中国公司元年的 1984 年。

当计算机重新定义汽车

从 2021 年开始，我们每个人都需要重新理解汽车。很多人依然把新能源车理解为从燃油动力向电池动力的转变。实际上，新能源车的核心理念不是电动化而是智能化。传统汽车与智能汽车的差别，就像移动电话和智能手机的差别，它们极其相似。

我们大多数人都经历过移动电话向智能手机过渡的整个过程。请你回想一下：在这个过程中发生了多少颠覆式的变革？诺基亚、摩托罗拉、爱立信等曾经的手机巨头在行业革命中一个个倒下，退出历史的舞台。从本质上讲，智能手机是一台具有移动电话功能的第二代计算平台。

第一代计算平台是个人电脑。在智能手机出现之前，人们的办公、娱乐、消费、金融、获取信息等的数字生活都是基于个人电脑。

而智能手机出现之后，数字生活的平台开始向第二代计算平台（智能手机）转移。现在，智能手机已经超过个人电脑，成为数字生活的第一入口。

几乎没有悬念，从燃油车到智能汽车的演变，将再经历一次从移动电话到智能手机式的大变革。因为，从本质上讲，智能汽车已经不再是一辆车，而是一台具有汽车功能的第三代计算平台。

在传统的观念中，各种带有芯片的计算设备不过是一台汽车的外设而已。传统车厂会把计算设备看成是一个个的黑盒子，加一个功能就像是增加一个黑盒子。今天加一个倒车雷达、明天加一个定速巡航、后天再加一个车载导航仪……外设加得越多，就说这台车的配置越高。你看，传统上，我们用“配置”这个词来描述汽车的各种智能化功能，已经说明了我们如何看待汽车与计算设备间的关系。“配置”怎么可能取代底盘和引擎的地位呢？

但是，在智能汽车设计师看来，智能汽车首先是一台大计算机，然后再把电池、引擎、轮子和沙发挂上去。一台智能汽车的核心竞争力是这台计算机的智能化程度。所以，智能汽车行业拼的是编程实力而不是工程制造能力。这种理念转变对汽车行业来说，就像是一场暴风骤雨，每一个车企都必须经历这场革命式的洗礼。要么被淘汰，要么浴火重生，绝不可能独善其身。

今天，我想带你一窥智能汽车的核心技术，帮助你把握数字未来的大趋势，提前领略智慧交通的广阔前景。

自动驾驶的三大模块

在与智能汽车所有相关的技术中，有一项技术是绝对的核心，没有之一，这就是“自动驾驶”。

在业界看来，自动驾驶分成两个流派，一个流派是以特斯拉为代表，他们相信以光学图像识别为主就足以完成与人类司机无差别的自动驾驶，从而将硬件依赖降低到最少，理由很简单：我们人类不就是通过一双眼睛干成了吗？这足以证明光学图像识别足够了。

而以谷歌为代表的另一个流派则认为，以激光雷达的测距数据为主的各种传感器才是自动驾驶的核心，光学图像只是辅助。理由也很简单：如果人类能生出蝙蝠的能力，为什么不要呢？

自动驾驶的终极理想就是生产出不需要方向盘、油门和刹车的智能汽车，每一辆汽车就像是一个移动的卧室和办公室，你可以在车里完成办公、娱乐、消费、理财、获取信息等等一切计算平台能完成的事。

不过，实现这个终极理想的难度，恐怕远超你的想象。

或许你最近一段时间经常看到一些新闻画面，某某车的自动驾驶已经可以做到自动避让行人、助动车，自动在复杂路段变道、拐弯等。其实，这些画面无一例外都是带有一定营销性质的 Demo，也就是“演示”。因为这些车辆行驶的路段，都是它们的“熟路”，也就是说，在拍摄这段自动驾驶演示之前，这辆车早就已经在这条路上开了不知道多少遍了。

这条路上的每一寸道路，每一个障碍物，所有的数据都已经以厘米级的精度储存在汽车的内存中。因此，你才能看到这辆车以令人惊叹的自动驾驶能力在道路上行进。但是，这离真正的完全自动驾驶，其实还差着十万八千里，因为只会开“熟路”的自动驾驶并不是真正成熟的自动驾驶。

让一辆车预存全中国所有地方的高精地图，并不现实。且不说这个数据量有多惊人，最大的问题是：道路的变化是很快的，它是一个动态的数据，自动驾驶公司不可能实时采集到所有道路的变化数据。

如何应对自动驾驶面临的挑战？

对此的解决方案叫做“自学习”。简单来说，回想一下我们自己的开车行为，在熟悉的地方驾轻就熟，到了一个陌生的地方就会开得慢且小心，因为我们不知道前面会不会突然出现一个豁口，有可能有行人蹿出来。

AI 所面临的问题其实也一样。这很像打《星际争霸》这样的即时战略游戏，地图一开始是全黑的，去过的地方就会被点亮。自动驾驶就会有这样一个开地图的过程。而且，随着 5G 的普及，车子与云端、车子与车子间的信息交换会越来越通畅，开地图的工作就不仅仅是自己的车在做，所有的车可以一起开地图。只要你前面有一辆车刚刚开过你要开的路，地图数据就会传到你的车子中。

我刚才只是举了一个自动驾驶需要解决的海量问题之一。我的目的是让你体会一下要实现真正的完全自动驾驶，AI 算法面临的问题有多难和多复杂。

如果我们把自动驾驶要解决的所有问题分一分类，大致可以分为三个大的模块。它们分别是感知、预测和规控（就是规划和控制的意思），每一个模块的难度都深不可测。

所谓的感知就是各种识别，包括光学图像识别、激光雷达识别、以及结合卫星定位的数据，地图数据，使 AI 对物体识别的能力达到甚至超过人类的双眼。

所谓的预测就是模拟我们人类的行为，能够在熟悉的道路上预测有可能出现的情况，提前做好防备。比如前面那个路口有可能会有行人蹿出来，下面那个路段可能会有很多车辆汇入，以及根据周边移动物体的运动速度和方向，预测它们与自己的车子在未来一段时间的位置关系，这些统统都是预测。

所谓的规控就是对车子的规划控制能力。要让车子加油、刹车、转向等，本身并不难，难的是怎么让车上的人同时感觉舒适，这就需要 AI 对车子有着非常精细的操控。这也是为什么智能汽车必须是新能源汽车，而不可能是传统燃油车的原因。燃油车从化学能转化成汽车的动能，中间的过程太复杂，先要经过燃烧转化成热能，再转化成气体的动能，再推动活塞运动，转换成机械能，然后才能驱动车轮转动，虽然每一步转化可能都只需要零点几秒的时间，但这个时间对于精细化规控来说，就是噩梦了。但电动汽车就不同了，从电能驱动电机转动，没有中间过程，AI 可以做到对汽车的毫秒级控制。

感知、预测、规控就好像自动驾驶的三驾马车，它们必须均衡发展，不能出现任何的短板。为了让你对它们的研发难度有个直观的感受，我用华为举例。

华为的自动驾驶部门，一共有 2000 多个研发工程师，其中做纯算法开发（编程敲代码）的人就有 1200 多人，每个大模块分配二、三百人的程序员规模，剩下还有 1000 多人是给这 1200 多个算法工程师做辅助的。它的复杂程度一点都不亚于 Windows 这样的大型操作系统，代码的行数在千万这个级别。国内另外几个做自动驾驶研发的大公司，比如威马和百度，研发团队也差不多都是这样一个量级。

到这，我可以大胆地做一个未来十年的预测：在智能汽车这个领域，得自动驾驶者得天下，就好像在第一代计算平台领域，得操作系统者得天下一样，最赚钱的软件公司是微软。

里程焦虑是伪命题吗？

除了上面说的占据绝对核心的自动驾驶技术，在智能汽车的其他关键技术中，动力系统，说白了就是电池，也是关键技术。

我们来看一下艾瑞咨询发布的《 2020 年中国新能源汽车行业白皮书》中关于电动汽车用车痛点的统计报告，排名第一的是冬天掉电严重，第二是续航里程不足，第三是充电不方便，继续往下看，一直到排名第七的担心电子设备的安全问题，排名前六的全是与电池相关的问题，你可见电池在智能汽车行业的重要性。