为什么最早发明无人驾驶汽车是谷歌而不是传统汽车制造商? | 厚势

2017 年 9 月 22 日 厚势 沈纪余


引子


从 Google 创始人拉里·佩奇(Larry Page)产生要研发无人驾驶汽车(注:指 SAE Level 4 及以上的自动驾驶汽车)的想法开始,到研制出具有商业化潜力的原型车,Google 只花了 4 年左右的时间。此前,传统汽车制造商和学术界(以卡内基梅隆大学为代表)在此领域已花了几十年时间,都没有成功。


图 1  「无人驾驶教父」:塞巴斯蒂安·特龙


期间的关键时间节点是「无人驾驶教父」塞巴斯蒂安·特龙(Sebastian Thrun)在 2007 年 4 月加盟 Google,他曾领导斯坦福大学 Stanely 车队在 2005 年 DARPA 无人车挑战赛中获得了冠军,而他在 Google 主持的谷歌街景项目(Google Street View Project)为无人驾驶的实现奠定了重要基础。


2010 年 10 月 10 日,纽约时报高级记者约翰·马尔科夫(John Markoff)在该报头条以《警官请注意:谷歌的汽车能自动驾驶》(Look Officer, No Hands: Google Car Drives Itself)为题,第一次全面报道了谷歌无人驾驶汽车的研制与测试进展。Google 无人驾驶汽车的横空出世在当时让全世界大吃一惊,其震惊程度不亚于此前 的 AlphaGo 战胜李世石与柯洁。


事实上, 最终是由 Google 而不是传统汽车制造商率先研制出第一台具备商业化潜力的无人驾驶汽车,是由双方所采用的截然不同的两种思维方式而导致的必然结果



信息、反馈与不确定性


吴军博士在《智能时代》中提到:「人类在机器智能领域的成就,其实就是不断地把各种智能问题转化成消除不确定性的问题,然后再找到能够消除相应不确定性的信息,如此而已。」与之相对应的,上汽集团总工程师程惊雷在 2016 年中国汽车工程学会年会论坛上评价汽车企业与 IT 企业的不同之处时说到,汽车企业都是牛顿的学生,而 IT 企业都是香农的学生。


如果仔细回顾一下历史,汽车工业的范式早在二次世界大战结束之前就由奔驰汽车和福特汽车制定好了。整个产业的思想基础是起源于 于 17 世纪的牛顿力学并经过 300 多年演化而来的「 机械思维 」—— 这个世界是确定的,1+1 ≡ 2 。决策者所要做的就是「 把所有可能的情形都要提前预料到并做好应对措施 」,即做到算无遗策,其中的典型例子是 亨利 · 福特便是用来大批量生产汽车的 「流水线模式」:


  • 首先将复杂的产品分解成简单的部分,分别加以设计与制造,即 2 = 1 + 1

  • 一个过程的结果是可预测的,在生产线的起点放入相应的零件,经过这个流水线的组装,一定可以得到想要的产品,即 1 + 1 = 2

  • 上述过程,类似于将初始参数带入牛顿动力学方程后,一定可以计算出物体的运动轨迹, 一切都是确定的、可分 解的、可还原的


图 2  香农:信息论的奠基人


而正是二战后的 1948 年,两位美国数学家诺伯特·维纳(Norbert Wiener)和克劳德·香农(Claude Shannon)以「 世界是不确定的 」为前提假设,各自发明了一套新的方法论,即 控制论——「放弃对未来做过多的预测,而是根据反馈不断进行调整 」和 信息论——「利用信息消除不确定性」

目前,公认的全球 IT 创新创业最活跃的地区有两个—— 以色列和硅谷 。仔细观察一下便会发现, 两者都是二战以后才发展起来的。 其幸运之处和成功之源在于——它们都直接 跳过了指导了前两次工业革命的基于 世界是确定的 」这一假设 「机械思维」 ,直接采纳了维纳与香农创造的这套包括控制论与信息论的 新方法论



这只是一个关于「数据收集与处理」的问题


众所周知,Google 的企业使命是「整合全球信息,使人人皆可访问并从中受益To Organize the World‘s Information and Make it Universally Accessible and Useful)。这或许能够解释,为什么与信息的收集、处理与连接相关的产品,Google 都做得非常好,例如搜索、地图、机器翻译、语音识别、安卓系统等,但是做的社交媒体 Google + 最终完败给了 Facebook,因为社交和信息处理无关


此外,在 Google 内部,产品经理们都遵循这样一个规则: 在没有数据之前,不要给出任何结论 。由此可见,不仅在所做的产品上,在公司的日常管理风格上, Google 也遵守着信息论的原则,即「 利用信息消除不确定性 」。


图 3  最新版本的谷歌无人驾驶汽车所用传感器均由自己来设计


之所以 Google 能成功而传统汽车制造商不能,其原因不仅仅是硬件条件上的,例如 Google 无人驾驶汽车采用了当时最好的信息采集技术(包括 Velodyne 64 线激光雷达、毫米波雷达、高速摄像机、红外传感器等), 最根本的原因是 Google 采用了和汽车制造商完全不同的研究方法——它把无人驾驶汽车这个「看似需要人一样的智能的问题」变成了一个「大数据的收集与处理的问题」


通过利用从离线数据中提炼出的信息,Google 的工程师把无人驾驶汽车在道路行驶过程中的绝大多数不确定性 (在信息论中称为 「信息熵」 ,都尽可能加以消除了 。因此,汽车不需要在行驶过程中对周围环境进行临时识别。


例如, 对于 Google 街景车「扫过街」的地方,Google 都收集到了非常完备的信息 ,如周围的各种目标的形状、大小、颜色,每条街道的宽窄、限速,不同时间的交通情况、人流密度以及不同交通状况下车辆行驶的模式等。 这些数据 Google 都已经事先离线处理好了给无人驾驶汽车备用,而无人车也只能去街景车扫过的地方


而数据完备性方面的反面例子是,2016 年 2 月 Google 无人驾驶汽车终于出了第一起需要担负主动责任的交通事故。 与其说这是由于无人车的判断出现了失误,不如说是数据的缺失 。无人车在道路上检测到一个 5 公斤大小的家庭防洪沙袋,由于数据库中以前没有这个东西,无人车就试图换道绕过去,而不是像一般司机那样直接压过去。而无人车没有方向盘,乘客也无法人为控制方向,结果出了一次小事故,由此可见 大数据完备性的重要性


即使如丰田、通用和大众这样的汽车巨头也不具有 Google 那么多的数据,因此它们虽然在自动驾驶汽车的研制方面早起步几十年,但是很快就被拥有数据优势的 Google 超越。这与其说是 Google 的科研能力碾压了车企, 毋宁说是体现了大数据的威力以及企业采用大数据思维的重要性 当 Google 的无人驾驶大数据具有了真正的完备性,即覆盖了所有可能的情况时,不确定性就被完全消除了,无人驾驶汽车或许就能实现 100% 的安全


但是,正如厚势在 7 月 27 日推送的文章《 99% 的公司绝望了,为什么自动驾驶需要亿万公里的复杂测试?--德国 Winner 教授同济汽车演讲实录 》中所指出的,大数据的完备性很难实现,因为很难确定全部数据的边界在哪里。但 Google 所使用的方法论是正确的—— 无人驾驶汽车只 在被高精度地图覆盖的地方行驶,然后工程师再根据行驶过程中产生的反馈数据离线调整程序



厚势评论


图 4  17年 5 月 6 出版的《经济学人》的封面


5 月 6 日出版的《经济学人》杂志以世界上最有价值的资源:数据和新的竞争规则为封面,介绍了数据产业的发展现状以及全球市值最高的5家公司——苹果、Google、微软、亚马逊、Facebook——如何依靠数据以及处理数据的计算资源来统治整个行业并阻断竞争对手的进阶之路的。


另外,据华尔街日报统计,在 2016 年,亚马逊、Alphabet和微软三家公司为了与数据中心相关的资本支出和资本租赁,共筹集了近 320 亿美元,该数据比去年增长了 22%。


这 5 大科技巨头利用数据网络效应来实现对某个行业的统治,即通过利用数据改善产品和服务→→吸引更多的用户→→更多的用户将生成更多的数据→→在更多数据的基础上进一步改善产品和服务→→吸引更多的用户,如此循环往复,最终形成垄断」,这种模式本质上是一种带正反馈效应的数据循环


不同于多开采一份石油便多付出一份成本,将数据复制 N 份的边际成本几乎为零,而这正是比特世界与原子世界的最大不同。结果便是,这 5 家 IT 公司从出生到成熟所花时间通常是与能源相关的公司的几分之一,如 Google 从 2004 年上市,到 6000 亿美元市值,只用了 12 年左右的时间;Facebook 则更快,从 2012 年上市到 4000 亿市值,只花了 5 年左右的时间


那么问题来了——百度的阿波罗计划本质上是想实现数据共享,该计划的各参与方,特别是汽车制造商,会乖乖就范,把数据贡献出来,最后让百度独享垄断带来的好处吗?


如果答案是不愿意,或者在共享数据的时候使坏,那么这个计划还存在成功的可能性吗?



参考资料


  • The Economist. The World’s Most Valuable Recourses: Data and the New Rules of Competition. 17.05.06

  • John Markoff. Look Officer, No Hands: Google Car Drives Itself. The New York Times. 10.10.10

  • 吴军. 智能时代.中信出版社. 2016 年 8 月



作者:厚势分首席析师沈纪余

转载请注明来自厚势和厚势公号:iHoushi


厚势往期推送精选






-END-



文章精选



企业家

马斯克和贾跃亭 福特CEO下台正道汽车仰融

任正非裁员电池大牛凯尔提离开特斯拉

智能驾驶

BBC自动驾驶纪录片自动驾驶第一案,谷歌讼Uber

高精地图自动驾驶的灾难英特尔收购Mobileye

苹果公司造车?库克又不傻!iPhone的挣钱效率比造车高多了!

OTA 助车主逃离飓风魔爪,特斯拉的又一次完美表演 

麦肯锡9月最新报告:城市商业运输产业变革(多图)

Waymo要Intel Inside,莫非自动驾驶真要「苹果化」? 

自然杂志:自动驾驶商业化面临哪些心理障碍?

导致大规模失业?恰恰相反,自动驾驶将增加社会整体就业

新能源汽车

全国50个新能源汽车项目大盘点

锂电池发展趋势中国汽车产业电动化进程

苹果收购特斯拉?丰田和特斯拉决裂

全球汽车品牌价值榜德国螃蟹电动车

特斯拉Model Y无线充电大突破

2016市场分析和2017走势

项目和评论

以色列最强10家自动驾驶创业公司

 37个汽车分时项目盘点百度投资蔚来汽车

马化腾或为共享单车最大赢家汽车产业3大趋势

Momenta获$4000万B轮

百度系自动驾驶初创公司 Pony.ai 的突围之路

这些大神从Google出走,创办了五家(命运各异的)无人车公司

戴世智能带你读懂自动驾驶高精度行车定位技术

无需基础知识,理解自动驾驶高精度行车定位技术


为您对接资本和产业

新能源汽车 自动驾驶 车联网




联系邮箱

bp@ihoushi.com

点击阅读原文,查看「导致大规模失业?恰恰相反,自动驾驶将增加社会整体就业

登录查看更多
0

相关内容

华为发布《自动驾驶网络解决方案白皮书》
专知会员服务
125+阅读 · 2020年5月22日
【CVPR2020-谷歌】多目标(车辆)跟踪与检测框架 RetinaTrack
专知会员服务
44+阅读 · 2020年4月10日
【综述】自动驾驶领域中的强化学习,附18页论文下载
专知会员服务
172+阅读 · 2020年2月8日
IBM《人工智能白皮书》(2019版),12页PDF,IBM编
专知会员服务
20+阅读 · 2019年11月8日
谷歌之困:谷歌为什么做不好硬件?
ZEALER订阅号
3+阅读 · 2019年11月21日
深度学习技术在自动驾驶中的应用
智能交通技术
26+阅读 · 2019年10月27日
自动驾驶技术解读——自动驾驶汽车决策控制系统
智能交通技术
30+阅读 · 2019年7月7日
无人驾驶仿真软件
智能交通技术
21+阅读 · 2019年5月9日
自动驾驶汽车技术路线简介
智能交通技术
15+阅读 · 2019年4月25日
自动驾驶汽车决策层算法的新方向
智能交通技术
7+阅读 · 2019年4月6日
【智能驾驶】史上最全自动驾驶系统解析
产业智能官
23+阅读 · 2017年8月21日
无人驾驶汽车
劲说
6+阅读 · 2016年8月26日
Arxiv
5+阅读 · 2019年10月31日
TensorMask: A Foundation for Dense Object Segmentation
Arxiv
10+阅读 · 2019年3月28日
Self-Driving Cars: A Survey
Arxiv
41+阅读 · 2019年1月14日
VIP会员
相关资讯
谷歌之困:谷歌为什么做不好硬件?
ZEALER订阅号
3+阅读 · 2019年11月21日
深度学习技术在自动驾驶中的应用
智能交通技术
26+阅读 · 2019年10月27日
自动驾驶技术解读——自动驾驶汽车决策控制系统
智能交通技术
30+阅读 · 2019年7月7日
无人驾驶仿真软件
智能交通技术
21+阅读 · 2019年5月9日
自动驾驶汽车技术路线简介
智能交通技术
15+阅读 · 2019年4月25日
自动驾驶汽车决策层算法的新方向
智能交通技术
7+阅读 · 2019年4月6日
【智能驾驶】史上最全自动驾驶系统解析
产业智能官
23+阅读 · 2017年8月21日
无人驾驶汽车
劲说
6+阅读 · 2016年8月26日
Top
微信扫码咨询专知VIP会员