robot衡阳之后，重估自动驾驶落地

雷刚发自副驾寺量子位报道 | 公众号 QbitAI这是自动驾驶发展史上的魔幻现实一幕。
公交自动驾驶、出租自动驾驶、观光巴士自动驾驶……
清扫车、巡逻车、微循环社区公交、摆渡车，都由自动驾驶系统驱动。
这甚至还不是某个特殊节日的演示。
在暴雨天、夜晚、早晚高峰的市区和主干道，它们都能照常运营无误。
之所以魔幻现实，是因为这样的场景来自现实，更因为它并非出现在硅谷或中国某一个以科技先进而知名的城市。
衡阳，位于中国湖南省中南偏南的一个三线城市，一个大多数中国人也只是通过“衡阳雁去无留意”而存有印象的地方……
率先把想象中的自动驾驶落地终局，变成了日常。

文章插图
「衡阳模式」一个三线城市，究竟有啥魔力？
原因与之前鲜少提及的自动驾驶落地模式有关，是一种来自“城市级”维度的高维商业化检验。
这个模式的构成，比之前自动驾驶商用落地中被讨论的任意一种，都更宏观。
它包含了三大方面：

文章插图
车，单车智能。
直观的传感器，如激光雷达、摄像头、毫米波雷达，都在车端部署。
而且从传感器到计算力，都按L4级自动驾驶标准来准备。
路，智慧道路。
车端类似的传感器之外，新增通信设备，包括通信单元RSU、5G 民用网络，以及计算设备，像边缘计算服务器。
如此改造之后，路端就变成了一个完整的交通感知系统——可以在路侧就感知数据，然后实时计算，最后第一时间将结果反馈给路上的自动驾驶车辆，协助其全知全能，实现车路协同。
云，AI云平台。
集合车端、路侧的全维度数据之后，建立数据模型，驱动实时计算、监测交通事件、分析交通态势，以及自动驾驶车辆调度，可以统一在云端还原智能决策。
这已不是之前常见的用于训练的那种自动驾驶云平台，而是具备了交通AI底层系统和应用运营系统的AI交通大数据平台。

文章插图
如果要类比，你可以想象为一个机场的塔台、一个地区的通信总基站，也可以理解为一台电脑的操作系统。
因为这个AI云平台，实现了一座城市交通元素的全覆盖、分析、预测和调度。
而衡阳模式，就是这种车路云一体化落地的模式。
带来的效果也非常显性。
一方面，自动驾驶的城市落地展现出全面性，不仅有RoboTaxi、RoboBus，还有清扫车、巡逻车等。
载人也载货，乘用也商用。
另一方面，为自动驾驶落地中的长尾问题提供了更好的解法。
长尾问题，corner case，自动驾驶技术研发领域最提心吊胆的存在。
只要解决得不够到位，自动驾驶落地中的安全性，就难打包票。
但现实骨感之处，恰恰在于长尾问题的无穷无尽。
再智能的单车自动驾驶系统，即便完成了99.9%问题的准备，但如果在0.1%问题出现时应对不力，就会造成事故。
这也是自动驾驶落地开创者Waymo，推进10年，烧了上百亿美元，仍然难以在路况复杂城市落地RoboTaxi的关键原因。

文章插图
夜晚、刮风下雨下雪、早晚高峰路况，以及各种各样异型交通主体，都可能造成自动驾驶系统的误判。
但如果在车端之外，拥有来自路端的传感数据冗余，再配备云端全局维度的计算和决策，应对长尾问题的能力，就能得到质变式提升，落地运营中的安全性和可靠性，也会有更高维度的保障。