如果現(xiàn)在來看這則廣告，當然很怪——那時恰逢二戰(zhàn)后美國汽車產(chǎn)業(yè)剛進入黃金時代，但行業(yè)與大眾對無人駕駛的認知，卻是「讓公路來引導(dǎo)汽車駕駛」，而非從汽車本身角度考慮變革。

　　難道改造一輛車的難度竟然比改造全國幾百萬公里的道路要高?但是 60 年前的技術(shù)環(huán)境，決定了這看似烏托邦式的暢想并非沒有道理：30 噸重的電腦根本沒法塞進車里，模擬制式的攝像頭比行李箱還大，雷達與激光雷達還只能在戰(zhàn)機上看到，更別說連影兒都沒有的計算機視覺應(yīng)用軟件…

　　這就是典型的「達芬奇難題」(指有的發(fā)明理論上可行，但是必備技術(shù)還沒出現(xiàn))。

　　所以那個時候，包括車企在內(nèi)的眾多相關(guān)行業(yè)巨頭，都在積極通過另外一些角度尋求突破。譬如，合作研發(fā)所謂的「智能高速公路」。誰都想不到，作為最古老的汽車廠商之一，通用曾是這個項目的激進推動者。

　　20世紀50年代末，美國無線電公司找上了通用，兩家巨頭集結(jié)了一大批自動化與電磁學(xué)專家，在「設(shè)計自動化高速公路」這件事上耗費了超過 3 年時間。其實單純從測試結(jié)果來看，改造是成功的。

　　不難想象，裝有兩個傳感線圈與測量裝置的汽車行駛沿著測試道路規(guī)規(guī)矩矩地向前緩慢行駛，即便在轉(zhuǎn)彎處有點跑偏，地下專用線纜產(chǎn)生的磁場也會自然而然將其拉扯回正軌。而與此同時，傳感器之間的信息交互，可以讓車輛之間明確對方的定位，以方便「保持距離」。

　　其實這里面的原理其實很簡單——

　　如果汽車跑出了預(yù)設(shè)軌道，本來兩個電流持平衡狀態(tài)的線圈就會發(fā)生電流偏差，而產(chǎn)生強電流的一邊(就是跑歪的一邊)會把「意外情況」告知汽車傳感器，接收到指示的方向盤操控系統(tǒng)，就會命令汽車調(diào)轉(zhuǎn)方向。

　　換句話說，這是一套將電纜、傳感器以及磁場感應(yīng)器進行了巧妙工程性融合的反饋控制系統(tǒng)。因此，在受到內(nèi)布拉斯加州政府的大力褒獎后，他們又一鼓作氣在新澤西州等地成功完成測試。

　　然后，就沒有然后了。

　　即便接下來各類相關(guān)實驗陸續(xù)取得成功，但對自動化公路，或者說是「無人駕駛」的推廣與應(yīng)用，并沒有發(fā)揮任何實質(zhì)作用。甚至于 60 年來，無人駕駛汽車的發(fā)展一直都呈現(xiàn)出「舉步維艱」的狀態(tài)。

　　而后來很多汽車評論家與機器人專家總結(jié)起美夢最終化為泡影的原因，都會歸結(jié)為：「解決不了“雞生蛋”，那肯定也同樣解決不了“蛋生雞”?！挂簿褪钦f，既然技術(shù)條件與道路設(shè)施達不到自動駕駛汽車的上路標準，那即便從道路入手，也無能為力。因為實現(xiàn)智能化公路的必備條件之一，便是「汽車配置需要全自動化及聯(lián)網(wǎng)化」。

　　因此，美國政府在上世紀七八十年代興師動眾推廣 V2X 技術(shù)(汽車與外界進行信息交互)與智能化高速公路項目卻最終慘遭失敗，讓絕大多數(shù)公司意識到，無論如何還是應(yīng)該先從汽車本身下手來解決問題。

　　而如今我們看到的無人駕駛行業(yè)狀態(tài)，是「達芬奇難題」在一定程度上得到解決的表現(xiàn)。至少連普通人都能知曉，計算機價格下降、數(shù)碼相機微型化、互聯(lián)網(wǎng)數(shù)據(jù)爆炸……究竟給高效算法的誕生埋藏了多少伏筆。

　　因此，從 Google 開始，再到車企與 2015 年至今開始賣力在自動駕駛系統(tǒng)及零部件身上尋找商業(yè)契機的大批創(chuàng)業(yè)公司，都認為從汽車本身入手才是釜底抽薪之舉。

　　但有趣的是，隨著無人駕駛概念再一次受到大眾追捧，對智能化道路改造的呼聲又徹底響起了。與 60 年前的美國極為相似的是，這一次國內(nèi)積極響應(yīng)的，除了政府，也有商業(yè)巨頭的影子。

　　早在今年 3 月，阿里達摩院旗下的人工智能實驗室就正式宣布，首席科學(xué)家王剛正在帶領(lǐng)團隊研發(fā)無人駕駛技術(shù)。但是到目前為止，這個團隊公開的消息實為有限。

　　而昨天阿里巴巴達摩院與交通運輸部公路科學(xué)研究院成立的車路協(xié)同聯(lián)合實驗室，明確釋放出了公司的「兩條腿走路」策略：研發(fā)無人駕駛技術(shù)，但也希望能參與改造公路。而他們拿出的方案，是一款需要安裝在視野空曠處的智能感知基站(安裝位置與目前道路上方抓拍攝像頭較為相似，譬如路燈頂端或廣告牌一側(cè))。

　　其作用是被官方這樣描述的：「由多種傳感器及高效運算單元組成，可以幫所有車輛進行路線規(guī)劃和定位的車外大腦」。產(chǎn)品概念相對新穎，但實現(xiàn)的效果有點像 V2X，也就是車與外界的交互

　　但你可以這樣理解——把幾十年前通用埋在地底下的那套感應(yīng)裝置濃縮升級為一個個體積更小，成本相對更低的攝像頭傳感組合，并嵌入了圖像識別等能力。

　　當然，這也有點類似于安防領(lǐng)域內(nèi)，城市各個角落的攝像頭與派出所后臺大數(shù)據(jù)分析及識別系統(tǒng)的信息交互，搖身一變成了「智能感知基站與車輛間的交互」。甚至于再通俗一點就是 ：每隔 200 米，就多了一個「交警」。

　　此外，由于涉及到一些不可透露的技術(shù)機密，王剛只能用口頭陳述來介紹這套產(chǎn)品的感知效果：

　　在多次開放路段的對比路測實驗中，如果感知基站并未開啟，那么有障礙物(行人)在距離無人車不到 2 米時沖入車道，車輛完全不能進行緊急避讓;但在開啟基站后，無人車會提前對障礙物進行感知，并 100% 避讓成功。

　　但這里面又讓我們產(chǎn)生了多個疑問。譬如這輛車究竟是級別為多少的無人車?行駛車速為多少?如果路邊行人本無意過馬路，只是突然沖進車道，那么基站究竟是如何進行精準判斷的?識別過程是在本地進行處理的嗎?

　　很遺憾，對于技術(shù)細節(jié)的所有追問，阿里并沒有給出更多的解釋。

　　只是這次合作的意義，倒是遠遠大于技術(shù)與硬件產(chǎn)品本身的意義。

　　因為它對目前無人駕駛技術(shù)發(fā)展方向，提出了新的疑問：在技術(shù)環(huán)境逐漸成熟與穩(wěn)定的當下，基礎(chǔ)設(shè)施改造是否應(yīng)該與無人駕駛技術(shù)研發(fā)同步同速進行?在由政府推動的基礎(chǔ)設(shè)施改造中，技術(shù)公司應(yīng)該扮演什么樣的角色?

　　某種意義上，阿里做的事情，與滴滴的一些舉措有些類似。

　　有意思的是，后者的自動駕駛研發(fā)信息也幾乎呈現(xiàn)秘而不宣的狀態(tài)，但近一年來卻在積極尋求與政府的技術(shù)合作：在各個城市裝配智能信號燈，建立「潮汐車道」，利用自己本身就積累的大量網(wǎng)約車車輛軌跡數(shù)據(jù)來優(yōu)化交通信號，提升行駛效率。

　　比起公司接連不斷的負面消息，這些行為在很多人眼里顯得微不足道，而且乍看也與無人駕駛并無太大關(guān)聯(lián)。但是誰都無法保證，實時的紅綠燈調(diào)度規(guī)劃經(jīng)驗不會給未來滴滴的自動駕駛出租車運營水平帶來更多提升。

　　幾十年前，對于美國政府來說，解決擁堵與安全問題是他們積極推動發(fā)展V2X技術(shù)的主要目的，而對于愿意參與項目的諸多公司來說，這何嘗不是讓無人駕駛汽車盡快上路的重要前提條件。

　　譬如，每個人都清楚，即便是 L5 的無人駕駛汽車也絕對滿足不了100%的安全需求。那么假設(shè)安全系數(shù)達到 99%，剩下的 1% 能否用基礎(chǔ)設(shè)施的升級來實現(xiàn)?而現(xiàn)有 L4 級汽車在普通公路上的安全系數(shù)如果是 80%，那么在一條進行過升級改造后的公路上行駛，能否超過一輛 L5 汽車的安全標準?

　　甚至于，在自動駕駛系統(tǒng)與自動化道路的雙重作用力下，有人認為自動駕駛等級也應(yīng)該被重新定義?！负狭Α沟男Ч@而易見，甚至對于一些自動駕駛技術(shù)相對落后的公司來說，這里面還存在一種「可彎道超車」的有效暗示。

　　但以上只是最理想化的狀態(tài)。

　　事實上，關(guān)于「智慧交通」「智能化道路」等各類項目方案雖然一直擺在政府的案頭，但對于任何一家商業(yè)公司來說，短期內(nèi)這跟自己的利潤訴求沒有任何關(guān)系。更何況「無人駕駛汽車」本身就被視為是一個燒錢的東西，這讓身在其中的人更是無暇顧及那些已經(jīng)被時間驗證過的「無效努力」。

　　而回看歷史，讓美國政府以及通用等公司放棄參與自動化交通公路設(shè)計與改造的諸多原因中，除了技術(shù)環(huán)境的限制，成本問題其實更為關(guān)鍵。

　　根據(jù)中國交通運輸部的統(tǒng)計，2017 年末全國公路總里程高達 477.35 萬公里。試想一下把每條道路刨開，并在地下埋入傳感器需要多少開銷?可見完成改造的時間與資金成本都是不可估量的。

　　那么阿里提供的這類「后裝硬件」，就真的可以讓成本大幅下降嗎?很可惜，截止目前，阿里也沒有透露關(guān)于這款硬件成本及政府采購方面的任何信息。

　　不過，它顯然是要比挖路埋線，以及讓所有汽車達到 L5 級標準的硬件配置費用要低。

　　此外，對于歷史上那些才華橫溢的汽車工程師來說，他們之所以放棄對智能化公路的大膽暢想，還因為在以銷售汽車為前提的技術(shù)研發(fā)過程中，不得不從「理想主義」回歸「現(xiàn)實主義」——60 年代的汽車本身還存在無數(shù)問題。

　　各種事故及召回事件對應(yīng)的是如何制定汽車安全標準;各類「排放門」對應(yīng)的是如何提升燃油效率。

　　但如今，聚焦于無人駕駛汽車的矛盾點，早已不在車體質(zhì)量問題上。與此同時，技術(shù)公司的角色擔當愈加重要。

　　因此從國內(nèi)來看，一方面，中國政府的強勢引導(dǎo)也許更容易讓科技公司參與到這場恰逢其實的道路改造工程中來;

　　而另一方面，發(fā)展無人駕駛技術(shù)的訴求也開始讓一些富有遠見的公司看到參與基礎(chǔ)設(shè)施改造為自己戰(zhàn)略布局所帶來的價值。

　　但是我們認為，以上都不是道路智能化的最大阻礙。

　　即便所有公路都完成自動化改造，所有在路上疾馳的汽車都連上了網(wǎng)，甚至安裝了自動駕駛系統(tǒng)，如果城市與城市之間的數(shù)據(jù)傳輸標準的不一致，或者某家車廠或車主拒絕接入，都會讓以上努力成為擺設(shè)。

　　而王剛在接受我們采訪時也承認，「解決這個難點仍然需要各界的持續(xù)參與與討論」。

　　事實上，這種網(wǎng)與網(wǎng)，聯(lián)盟與聯(lián)盟，生態(tài)與生態(tài)之間的壁壘，廣泛存在于想利用人工智能進行升級的任何一個行業(yè)里。

　　以安防行業(yè)為例，即便 A 城市的所有攝像頭系統(tǒng)即便都進行了智能化改造，那么逃犯從這座城市開車進入了使用另一家智能設(shè)備供應(yīng)商的 B 城市地界后，由于兩市存在數(shù)據(jù)傳輸壁壘，在加大抓捕難度的同時，信息的價值與利用率都會大大降低。

　　因此，即便阿里聯(lián)合交通運輸部建立實驗室的真正目的，是希望推動一個真正有效的數(shù)據(jù)傳輸標準的建立，亦或是一個聯(lián)盟的建立。

　　但是，各地政府、企業(yè)以及學(xué)術(shù)機構(gòu)之間錯綜復(fù)雜的利益關(guān)系與相互制衡，讓「汽車與道路，汽車與汽車之間彼此交互數(shù)據(jù)，形成中心明確，高效整合體系」的愿景更顯長路漫漫。

　　以上難題無一能輕易完成，而制定合理的技術(shù)政策更是眾所周知的艱難。但是，這項耗資巨大又見效緩慢的工程，卻值得所有相關(guān)技術(shù)公司的參與。