文 / 本刊記者 馬琨

近年，自動駕駛行業(yè)在商業(yè)上始終沒有足夠成熟廣泛的應(yīng)用，以至于資本逐漸對其失去了耐心。而與此同時，智能機器人與AIGC 正在成為投資的新風口。

在自動駕駛領(lǐng)域有一個術(shù)語叫做“Corner case”，即邊角案例，泛指其操作參數(shù)在正常范圍以外的問題或是情形。淺顯易懂地來講，從輔助駕駛到自動駕駛，需要解決的就是各類Corner case，也就是各種不常見的場景的堆積，使得算法演變出的環(huán)境無限接近于真實的環(huán)境，以確保自動駕駛系統(tǒng)的100%安全。

然而對于所有自動駕駛領(lǐng)域的工程師而言，找到所謂的Corner case 都是一道世紀難題。曾有行業(yè)工程師表示，自以為解決了99%的問題，但剩下的1%，卻仍需要付出更多的精力。這已然成為行業(yè)共識——在自動駕駛行業(yè)，做到99 分相當于0 分，剩下1%的corner case 才是決定技術(shù)能否商業(yè)化落地的關(guān)鍵，然而這需要更加漫長的時間和精力。

不久前，阿里巴巴關(guān)閉了達摩院的自動駕駛項目；今年5月，全球自動駕駛第一股圖森未來收到退市通知；今年第一季度，海外自動駕駛龍頭公司W(wǎng)aymo 進行了兩輪裁員，裁員人數(shù)占其員工總數(shù)8%；更早之前，自動駕駛黑馬公司Argo AI倒閉，其投資方福特汽車公司CEO Jim Faley 直言：“大規(guī)模盈利全自動駕駛還有很長路要走?！?/p>

這些事件均可視為市場釋放的報警信號，而資本向來對這類信號更為敏感。據(jù)《汽車縱橫》記者整理，自動駕駛賽道投融資于2013 年開始萌芽，2016 年興起，直至2018 年全年投融資事件達到了78 起，披露的投融資總金額高達811.0億元。然而，到2022 年，雖然投資數(shù)量增加到了153 起，但投資總金額已不到2018 年的三分之一?？梢钥闯?，在當前的投資寒潮下，自動駕駛行業(yè)似乎已經(jīng)進入了其資本生命周期的末期。

機器人成為下一個關(guān)注點

誠然，自動駕駛描繪的藍圖令人向往，但長期投入難以變現(xiàn)，L4 自動駕駛在商業(yè)化落地方面仍未有重大突破，這讓資本市場逐漸對其失去了耐心。與此同時，《汽車縱橫》記者在收集資料時發(fā)現(xiàn)，智能機器人正在成為很多離開自動駕駛賽道的玩家的下一個關(guān)注點。

據(jù)記者不完全統(tǒng)計，截至2023 年9 月30 日，今年國內(nèi)機器人及相關(guān)上游領(lǐng)域共發(fā)生融資事件118 起，融資金額總計約在100-112 億元之間。據(jù)中研普華研究院發(fā)布的《2021-2025 年中國機器人行業(yè)供需趨勢及投資風險預(yù)測報告》預(yù)計，到2025 年，中國機器人行業(yè)市場規(guī)模將達402.5 億美元。種種跡象表明，當下機器人領(lǐng)域正在迎來全面爆發(fā)。

這實際上并不令人意外，自動駕駛本就和機器人之間存在緊密的聯(lián)系。首先是技術(shù)層面，二者都依賴于相似的核心技術(shù)，如傳感器技術(shù)、決策算法和控制系統(tǒng)等。無論是自動駕駛汽車還是機器人，都需要精確的感知環(huán)境、準確的決策和可靠的控制來實現(xiàn)自主行動。同時，無人駕駛和機器人領(lǐng)域都依賴于人工智能技術(shù)的進展。機器學習和深度學習等人工智能技術(shù)在自動駕駛和機器人的感知、決策和控制過程中起到關(guān)鍵作用。

機器人應(yīng)用場景豐富多樣，市場潛力大，商場、酒店、餐廳、車站、物流、醫(yī)療等領(lǐng)域都有機器人的身影，其應(yīng)用逐漸普及。因此，一些自動駕駛公司開始選擇“向下兼容”，去做智能機器人。

不過，即使選擇向智能機器人方向發(fā)展也不是易如反掌。該領(lǐng)域也存在技術(shù)門檻，同樣需要大量的投入和不斷的優(yōu)化，才能實現(xiàn)最終商業(yè)化落地。但相對于落地遙遙無期的L4 自動駕駛技術(shù)，這些方向的投入風險顯然更小，也能夠更快地回報成果。

AIGC 提供更多可能

近來ChatGPT 的興起也為自動駕駛行業(yè)提供了更多可能。一位科技領(lǐng)域的從業(yè)人士告訴《汽車縱橫》記者，目前生成式AI 的發(fā)展已經(jīng)進入快車道。尤其是ChatGPT 所在的AIGC(AI-Generated Content，人工智能生成內(nèi)容)賽道，正引發(fā)越來越多投資機構(gòu)的搶灘布局。

ChatGPT 是AIGC 技術(shù)進展的一個體現(xiàn)，之所以能夠異軍突起，一個重要原因是引入新技術(shù)RLHF(Reinforcement Learning with Human Feedback，即基于人類反饋的強化學習)來解決生成模型的核心問題，使得利用人工智能進行內(nèi)容創(chuàng)作的技術(shù)成熟度大幅提升，讓人工智能模型的產(chǎn)出內(nèi)容與人類的常識、認知、需求保持較高的一致。

在政策推動與技術(shù)應(yīng)用落地等多方面因素驅(qū)動下，我國AIGC 行業(yè)也迎來新的風口。中商產(chǎn)業(yè)研究院發(fā)布的《2023-2029 全球與中國AIGC 傳媒市場現(xiàn)狀及未來發(fā)展趨勢》顯示，從2021 年起，國內(nèi)AIGC 投融資市場投資熱情高漲，投資金額達歷史新高。2023 年，截至9 月25 日，國內(nèi)AIGC 投資事件達73 起，投資金額達82.95億元，投資事件再次創(chuàng)下歷史新高。

中科創(chuàng)達副總裁、暢行智駕CEO 屠科在8 月22 日于南京舉辦的軟件賦能汽車智能化轉(zhuǎn)型發(fā)展高峰論壇上發(fā)表演講時表示：在AIGC 時代，汽車的“智能屬性”將加速釋放，智能駕駛也將迎來快速發(fā)展。一方面，AIGC 技術(shù)可以賦予汽車更多智能化體驗，加速推動汽車由傳統(tǒng)交通工具向智能終端演進。另一方面，AIGC 的大規(guī)模數(shù)據(jù)學習能力與智能駕駛系統(tǒng)結(jié)合，可以讓智能汽車更好地識別和應(yīng)對復(fù)雜的道路變化，從而提高自動駕駛汽車的安全性和行駛效率。

AIGC 助力企業(yè)降本增效

很多讀者朋友會有一個疑問，AIGC 看似與自動駕駛并無關(guān)聯(lián)，為何說AIGC 是應(yīng)用于自動駕駛技術(shù)的重要技術(shù)之一？實際上，由于駕駛環(huán)境的復(fù)雜多變，自動駕駛技術(shù)難以對所有場景進行充分訓練。例如自動駕駛中，車的類別多，但是交通三角錐少，會導致深度學習更傾向于識別為多類而忽視少類別，處理此類長尾場景已成為制約其發(fā)展的主要瓶頸之一。在這方面，AI 大模型的能力可以有效解決此類問題。

從算法角度來說，AI 大模型可以幫助優(yōu)化自動駕駛算法，從端到端、基于神經(jīng)網(wǎng)絡(luò)的模型及其他關(guān)鍵方面進行升級，使得自動駕駛技術(shù)對場景的理解和處理更加準確。同時，自動駕駛技術(shù)的發(fā)展需要強大的算法支持，AI 大模型的應(yīng)用可以為其算法開發(fā)提供更廣闊的發(fā)展空間。

另外，自動駕駛技術(shù)的發(fā)展還需要有完善的數(shù)據(jù)閉環(huán)和仿真體系。AI 大模型的應(yīng)用可以為自動駕駛技術(shù)的閉環(huán)數(shù)據(jù)管理和使用提供支持，通過自動標注等技術(shù)手段，降低人力成本，提升數(shù)據(jù)標注的準確度和效率。值得注意的是，大模型的應(yīng)用還可以為自動駕駛技術(shù)的仿真提供支持，通過模擬生成高度真實的場景，助力其更好地進行實地測試和優(yōu)化。

特斯拉是自動駕駛領(lǐng)域成績最為顯著的公司之一。該公司已經(jīng)在車型上推出了自動駕駛輔助系統(tǒng)，其實現(xiàn)的端到端自動駕駛功能正是基于AIGC的應(yīng)用實現(xiàn)，目前已經(jīng)走在行業(yè)的前列。在不久前，特斯拉創(chuàng)始人兼CEO 埃隆·馬斯克進行了一場45 分鐘關(guān)于FSD 12 測試版的直播。

過程中，馬斯克多次強調(diào)，F(xiàn)SD 12 中沒有任何一行相應(yīng)代碼，也沒有被訓練過如何讀取路標，也不知道什么是滑板車，F(xiàn)SD 12 的所有行為（自行在減速帶減速、避開滑板車騎行者等）完全是大量視頻訓練的結(jié)果。通過視頻訓練數(shù)據(jù)，AI 可以自己學習駕駛，像人類一樣做事。

無處不在的“Corner case”

不過，對于其他企業(yè)來說，想要達到特斯拉的高度并非是一件易事。根據(jù)美國蘭德公司的報告分析，要實現(xiàn)通用的L4自動駕駛，大約要達到160 億公里的測試里程，才能證明L4在安全性上超過人類。

然而即使是在較為激進的測試計劃中，用100 輛車組成的自動駕駛測試車隊以64 公里/小時的時速每天測試24 小時，也至少需要花費數(shù)十年，甚至數(shù)百年的時間才能跑完上述所需的測試里程。因此對于計劃在短期內(nèi)將L4 推向市場的企業(yè)而言，通過這種方式積累數(shù)據(jù)自然是不現(xiàn)實的。

此外，大模型目前在智能汽車中的應(yīng)用尚處于發(fā)展初期階段，同樣也存在很多問題，比如可解釋性不高、訓練難收斂等等。據(jù)公開數(shù)據(jù)顯示，盡管特斯拉全球車隊目前的總行駛里程數(shù)已超過1000 億英里(約1600 億公里)，但在上述的直播過程中，演示車仍出現(xiàn)了一次意外接管。當時Model S 需要直行，正停下等待紅燈。但當左轉(zhuǎn)信號燈轉(zhuǎn)綠時，車輛竟然也緊跟啟動。

是的，即便特斯拉擁有龐大的測試里程數(shù)據(jù)支撐，在實際道路行駛時依舊會存在“Corner case”。由于沒有代碼，所以特斯拉也無法對出現(xiàn)這個問題的原因進行解釋，而要解決這個問題，就需要給FSD“投喂”更多左轉(zhuǎn)紅綠燈的視頻。這無疑是給整個自動駕駛行業(yè)潑了一盆冷水。

不過，埃隆·馬斯克對此似乎并不在意。在他看來，AI 對人類駕駛員行為的學習也是一個持續(xù)不斷的過程，量產(chǎn)車在上市后會回流海量的數(shù)據(jù)，用于自動駕駛算法模型的優(yōu)化。因而訓練的規(guī)模會隨市場中車型存量的上升而不斷擴大。另外，馬斯克也給團隊定下了一個指標，實時顯示FSD系統(tǒng)在沒有人類干預(yù)的情況下行駛的英里數(shù)。如果出現(xiàn)干預(yù)情況，就處理對應(yīng)的問題。但，何時是個頭？沒有人能給出答案。

前程是星辰大海，腳下卻不無泥濘，或許可以形容自動駕駛行業(yè)當前的處境。長久以來，自動駕駛領(lǐng)域投資了大量的時間和金錢，但實現(xiàn)可盈利的商業(yè)模式仍然是一個挑戰(zhàn)。由于高研發(fā)投入、高人力成本和低商業(yè)化效率，許多企業(yè)一二級估值倒掛、破發(fā)頻繁，這也使得許多企業(yè)被迫轉(zhuǎn)型。而對于這些從自動駕駛轉(zhuǎn)投智能機器人和AIGC 領(lǐng)域的玩家來說，此處也未必是片安寧之地。