喬布斯在車庫裡也造不出自動駕駛汽車。

文 | 大壯旅

這些野心勃勃的創業者也沒讓我們失望，在車庫裡他們只用烙鐵和廉價的鍵盤就創造出了改變世界的軟體和硬體，喬布斯就是其中的典型代表。

不過時移世易，能在車庫裡鼓搗出電腦的 喬布斯（或其他創業者）真的也能在這裡發明真正的自動駕駛汽車嗎？

也許在這世界某個不起眼的角落，真有一位工程師快要搞出自動駕駛汽車了呢。可惜，從實際出發的話，這可能只是某些人的痴心妄想。

下面，我們就來說道說道。

口出狂言

熟悉自動駕駛的人肯定記得多年前的那些“狂人”，這些創業者們各個口出狂言，彷彿只需一個響指就能造出自動駕駛汽車。媒體也非常喜歡這類異乎尋常的神話，喜歡此類從無到有的傳奇。

可惜，這些狂人只是口頭厲害，他們根本不清楚什麼是真正的自動駕駛汽車。

如果為真正的自動駕駛汽車下個定義，那麼依靠 AI 完全自主駕駛是第一點。第二點則是人類駕駛員無需再執行任何駕駛任務。

現實中，我們根本沒有這樣的自動駕駛汽車。

眼下，參與路測的車輛都只能處理特定的自動駕駛任務。此外，這些測試車的駕駛席上都端坐著安全司機，一旦有情況他們就會及時接管車輛。

全自動駕駛實現不了，那麼半自動駕駛呢？此類系統在市場上已經有了自己的一席之地。不過，無論是 L2 還是 L3，都需要駕駛員深度參與。也就是說，這些級別的系統只是在與人類駕駛員共享駕駛任務罷了，因此它們本質上都是駕駛員輔助系統。

簡言之，全自動駕駛與半自動駕駛根本就不是同類，雖然它們都冠以自動駕駛的名字。這樣來看，這些口出狂言的創業者們玩的其實都是半自動駕駛罷了。

事實上，這樣一擁而上的自動駕駛創業者們是在傷害整個產業，因為他們模糊了全自動駕駛與 ADAS 的界限，導致整個市場都迷惑不已。

這樣迷幻的氣氛也著實坑過不少財大氣粗的老牌巨頭。看著各種天花亂墜的宣傳，這些身經百戰的製造商們居然也懷疑起了自己。為什麼我們堆了鉅額資金，投入無數工程資源的專案，卻還沒車庫裡零敲碎打出來的好呢？

不過，神話終會破滅。那些口出狂言的新創公司最終大多走向了窮途末路，它們不是默默出局，就是被其他巨頭收購。

想玩轉自動駕駛可不容易

顯然，過去想靠個車庫就拿出一輛像樣的自動駕駛汽車根本不可能。那麼現在呢？白手起家能玩的轉自動駕駛嗎？

恐怕也難。

資料顯示，現代車輛光程式碼都有 1.5 億行，而自動駕駛汽車程式碼恐怕要突破 2.5 億行。顯然，就算你是天才程式設計師，恐怕也不能在一張“白紙”上寫出 2.5 億行程式碼。

當然，許多底層程式碼可以直接使用，而且這年頭還有開源軟體。不過，像某個極客只寫了 2000 多行程式碼（用來協調開原始碼和其它底層程式碼）就宣稱造出了自動駕駛系統，恐怕只能歸於 PPT 造車。

簡單來說，那些宣稱靠一己之力就搞定了自動駕駛汽車的都是騙子，因為自動駕駛需要的資源實在是太龐雜了。

舉例來說，創造出自動駕駛汽車，需要來自多個領域的專家，不但得負責搞定雷達、鐳射雷達、攝像頭等感測器，還要精通處理器以及處理器的搭檔機器學習與深度學習等 AI 技術。

顯然，這根本不是一個人能幹的活。

別忘了，軟硬體並不是自動駕駛的一切，還得繼續鑽研封閉與公共道路的路測，而且模擬測試肯定也跑不了，這需要投入大量的人力物力。除此之外，各種監管與批准文件也得準備齊全。

也就是說，如果要把這些人員都塞進車庫，恐怕車庫得變成個巨大的倉庫，因為自動駕駛太複雜了，是個需要大規模協作的工作。

其他機會也不少

對於自動駕駛的創業者而言，自動駕駛這條大的賽道所蘊含的機會實在太多了。無需成為全知全能的垂直整合人，也能成為自動駕駛界的“搖滾明星”。

創業者們可以專攻次時代機器學習演算法，也能打造 AI 系統用的虛擬世界模型，或者拿出與自動駕駛配套的交通解決方案。當然，如果能在 LiDAR 市場異軍突起，也能分走一大塊蛋糕。

因為自動駕駛行業沒有天花板。

以下就是自動駕駛創業者展示自我的大平臺：

· 感測器硬體和軟體

· 資料儲存與壓縮

· 感測器融合

· 虛擬世界模型

· AI 系統動作規劃

· 車輛控制

· AI 的自我意識

· 機器學習

· 深度學習

· 車聯網

· V2V

· 自然語言處理

· 分散式 AI

· 網路安全

· 交通模擬

· 車輛測試工具

總結

自動駕駛是一個龐大而複雜的產業，並非在車庫立搗鼓就能成事。

如果不想放棄自動駕駛夢想，可以考慮去解決那些依然困擾整個行業的未解難題，只要能幫忙拼上一塊拼圖，就是推動這個行業前進的動力。