全球首个自动驾驶系统“召回”诞生！上市公司股价“重挫”7成

全球L4级自动驾驶领域首次出现召回案例。

本周二，美国国家公路交通安全管理局（NHTSA）宣布，来自中国的自动驾驶初创公司Pony.ai（小马智行）同意召回部分版本的自动驾驶系统软件。去年10月，该公司的一辆自动驾驶测试车在加州发生了一起事故。

此次召回，涉及三辆自动驾驶测试车，原因在非常罕见的情况下，规划系统诊断检查可能会产生“假阳性”提示。当时，一辆测试车在右转时撞上了一个位于中间车道隔离带上的道路指示牌。

假设一下：如果当时道路指示牌旁边站着行人（在很多地方，行人过马路跨过中间隔离带的场景并不少见），会是什么结果？车辆会启动AEB吗？

这也是继2018年Uber测试车致死事故之后，自动驾驶行业又一个里程碑意义的事件。我们也有理由相信，这将是接下来的监管常态。

“优先考虑安全问题，”成为当下监管机构对于辅助驾驶及自动驾驶车辆上路的重点关注方向。去年，NHTSA再次明确，搭载辅助及自动驾驶系统的车辆出现事故的情况下，相关企业必须要提交详细的报告数据。

而在此之前，对于自动驾驶公司，监管机构没有做出严格的规定。大部分企业只是以自愿的方式提交车队测试安全报告。

“对于这些自动驾驶公司来说，现在是一场争夺进入头部阵营的竞赛，从早期的测试里程、车队规模到实际落地运营，”但，对于付费来说，这个市场至少在一开始并没有达到预期的规模。

一、

自动驾驶的潜在安全风险有多大？

一份来自百度Apollo的数据显示，目前除了实际道路测试，还有大量的仿真场景测试。即便已经超过数十亿公里的持续强化测试验证，每半年也才解决90%的历史潜在碰撞问题。

10%的边缘场景，一直是自动驾驶行业无法绕开的长尾难题。

在很多业内人士看来，自动驾驶的上半场是解决大部分常见场景的问题，更多是在有针对性的功能开发，同时，部分头部厂商开始着手推动车规级甚至是功能安全的软硬件落地。

但剩下的通常都是一些“硬骨头”。“我们的技术还不成熟，就只能一点一点地处理问题。”小马智行北京研发中心相关负责人此前在公开场合表示。

众所周知，目前，L4级自动驾驶测试车大多数都是搭载了数量庞大的摄像头、毫米波雷达以及激光雷达，再加上高精地图来进行融合感知，并辅助决策。但无论采用何种组合，传感器都只是将数据提供给规划决策系统，然后由程序决定如何处理这些数据。

比如，处于辅助驾驶赛道的特斯拉，选择纯视觉感知（扔掉分辨率低的毫米波雷达），原因是相互冲突的感知数据，容易造成决策的置信度博弈。

另一种极端则是，将来自每个传感器的数据视为独立的、可操作的依据，在行业人士看来，在没有经过充分验证的情况下将所有数据纳入决策，可能会导致“幽灵刹车”的问题。

如果系统被设定为忽略所有冲突的数据点，安全风险则会加大。以2018年Uber自动驾驶测试事故为例，激光雷达和毫米波雷达在事故发生前6秒已经检测到（推着自行车的行人），然而，摄像头感知并没有成功识别，这造成了无法预测前方物体的移动方向。

这也是为什么，大多数公司会设置一个特定的系统运行设计域（ODD）来限定一组定义好的运行条件（包括道路、天气等等因素），以保证系统最大限度的安全运行。

对此，业内人士表示，目前的技术到完全的无人化还是存在一定距离的，但是有距离不代表目前无法实现商业化的落地，更关键的点是，大家如何去选取一些更合适的场景，找到一些足够简单，而且具备相应商业价值的切入点。

这意味着，对于整个行业来说，在实现可靠性和安全性的同时扩展ODD是一个具有极大挑战性的环节。这也是很多监管机构在出台相关自动驾驶上路许可时，必须设定的关键要素。

以此前UN-R157法规中对于ALKS（自动车道保持系统，单车道L3级自动驾驶）的定义为例，在不需要驾驶员控制的情况下，系统可以在某些条件下（禁止行人和骑自行车的道路上）激活，并有双向通行的物理（隔离墩）分隔，同时限制在运行速度为60公里/小时以内。

这还是在有人监管的情况下做出的法规条款，如果是完全无人驾驶，则意味着不仅仅要增加备份冗余系统（这又会大幅增加系统的硬成本），对于运营方来说，更是提出了极高的要求。

而边缘场景则是更大的“定时炸弹”。

3月4日，特斯拉公共政策和业务开发高级总监Rohan Patel在给监管机构的一封信中再次明确，“目前，不管是Autopilot还是FSD功能只是增强了驾驶员的驾驶能力，但都需要持续监控，系统能够执行‘部分但不是全部的驾驶任务’。”

目前，这家汽车制造商正在面临多项调查。而监管机构在回复中表示，“特斯拉在没有充分考虑风险的情况下不断更新软件，给所有人带来了严重的潜在危险。”

二、

更大的问题，来自制造和运营环节。

目前，面向私人乘用车市场的新车，还处于下一代电子电气架构的升级阶段，并且绝大部分仍处于早期。这意味着，如果要推进L4级量产，自动驾驶公司需要支付巨大的费用。

今年1月，小马智行首度公开了最新一代自动驾驶解决方案，包括软硬件系统外型设计、传感器以及计算平台。小马智行强调，该系统面向L4车规级量产设计，将加速自动驾驶的规模化部署。

实际上，这也是宣告自动驾驶落地进入一个关键时刻：车规级时代。而在此之前，绝大部分自动驾驶公司都是基于改装模式，无论是硬件还是软件，大多数都是定制开发，没有拿到相应的车规级认证，即便是对辅助驾驶来说，这也是最基本的底线要求。

目前，小马智行和Aurora两家自动驾驶公司都选择了丰田定制版的Sienna(图片)作为下一代自动驾驶平台车型，这是丰田第一个从现有生产线开始交付的量产自动驾驶车型（但仍然是一款原型车）。

可靠信息显示，目前，两家公司都在对这款车进行验证测试，并与丰田工程团队保持密切合作，基于双方不同的安全验证体系进行沟通和调整，并预计在2023-2024年进行首次公开道路试乘测试。

显然，即便是对于一家汽车制造商，从原型车到最终真正大规模量产，也需要2-3年时间。况且，无法大规模量产的电子架构以及冗余系统，还需要考虑能否承受前期的高成本风险。

而对于投资机构来说，能否真正推动商业化运营落地，才是自动驾驶公司高估值的另一个评价指标。

近日，特斯拉首席执行官埃隆·马斯克似乎已经在关注自动驾驶的到来可能会带来的问题。在推特上，马斯克承认，自动驾驶可能会让交通变得更糟。

马斯克强调，克服交通拥堵是一项非常艰巨的任务，并称其为“终极boss之战”。“Self-driving car will amplify traffic to insane levels, as you won’t feel the pain of driving yourself。”

实际上，目前大城市已经拥挤不堪的道路状况，不管是人工驾驶的网约车还是Robotaxi，在没有乘客的情况下，都是占用道路使用空间。毕竟，有人驾驶的私家车，无法在短期内彻底被公共交通所替代。

巡游，就会增加交通流量。回到车库，就会减少服务的次数，并增加上客的空间和时间成本。这也是为什么，短途接驳小巴成为公共交通的解决方案之一。

这或许也可以解释，为什么特斯拉还在准备另一个大的项目：地下隧道。该公司曾估计，该系统的目标是每小时接送7500至15000名乘客。

就在今年初的CES展上，特斯拉首次向公众开放地下隧道测试项目，负责在拉斯维加斯会展中心的不同展厅之间摆渡。这个项目原本设想是无人驾驶的电动汽车来作为载客平台，但实际上仍是人工驾驶的特斯拉汽车，最高时速只能达到65km。

不过，这不妨碍马斯克的未来设想继续推进。

有消息称，马斯克正在推动一条6.2英里长的大型地下隧道，在北迈阿密海滩的交通拥堵地区运送特斯拉汽车和乘客，初步估计建造成本在1.8亿美元至2.2亿美元之间，将在36个月内完成。

显然，马斯克在寻求自动驾驶的下一个落脚点。对于拥堵道路来说，自动驾驶就失去了意义（复杂场景根本无法得到100%的处理，有时候Robotaxi因为决策难题，还会造成拥堵）。而没有拥堵的状况，对于大部分中大型城市来说，几乎不可能。

不过，马斯克还在为上一个诺言兑现“苦苦等待”，在去年四季度的投资者电话会议上，他预测，“FSD的最终版本将在今年准备好，如果我们不能实现比人类更安全的完全自动驾驶，我会感到震惊。”

而对于其他自动驾驶初创公司来说，也是和时间赛道。

去年11月完成SPAC上市的美国自动驾驶公司Aurora，在过去的5个月时间里，股价已经从最高点的17.11美元一路下跌至5美元左右，最新市值仅为51.7亿美元。

另一家刚刚宣布完成D1轮融资的小马智行，在一级市场的估值已经高达85亿美元。该公司创始人表示，过去两年时间的核心技术指标大幅提升，在大多数场景可以媲美甚至超越人类司机。（注意：大多数场景）

而无论是对于投资者还是初创公司来说，开启大规模商业化的时间所剩不多了。