《流浪地球2》的熱映點燃了大眾的科幻熱情，影片中的硬核黑科技令人印象深刻，諸如量子計算機、液冷服務器、3D打印、數字生命體等一系列前沿技術開始出圈，那這些充滿未來感的技術和現實又有多少距離呢？澎湃號·湃客科技欄目聯合至頂頭條推出《科幻與現實的距離》專題，聊聊《流浪地球2》中出現的這些黑科技在當下的成熟度、行業應用情況和發展現狀等。

本文為 澎湃號·湃客 × 至頂頭條 聯合出品

作者 | 趙曉勤

編輯 | 王恒婷

《流浪地球2》引發了人們對生命、對科技的大討論和深度思考，汽車自動駕駛技術同樣要接受現實的拷問。

即便電影設定的時間已經到了2030年，圖恒宇駕駛的高度自動駕駛（L4）等級的汽車還是不幸發生了車禍，造成妻女死亡。這使人們對汽車自動駕駛能否發展到完全自動駕駛（L5）等級，以及能否真正經受住現實考驗，產生了種種顧慮與猜疑。

自動駕駛考滿分就能確保萬無一失么？ 

人們期待著有一天能夠實現無人駕駛，但人們對無人駕駛的憂慮與恐懼從未消除過。吳甘沙，前英特爾中國研究院院長，6年前進入自動駕駛領域成為馭勢科技創始人。他把現在的自動駕駛技術和自動駕駛成熟度分別做了一個比喻：“如果說自動駕駛是場考試的話，現在的技術能考到98分或99分，這是第一個比喻。第二個比喻，如果把自動駕駛技術成熟度和商業化看做是場馬拉松的話，現在大概跑了三分之一。” 

吳甘沙解釋道：“我們可以把自動駕駛技術理解為是一場在無限題庫里的考試，你能考到99分，并不代表你離100分很近。在這個行業里我們有個90/10原理，就是你貌似已經走完了90%的道路，但剩下10%的路仍需90%的時間和努力。也就是說從99分到100分是十分艱難的。” 

“這是個定性的分析，如果從定量的角度去衡量，就拿業界領先的自動駕駛技術公司Waymo的數據來看，有一個重要指標叫接管里程MPI（miles per intervention，自動駕駛平均每次被人類接管的行駛里程間隔，如果不接管就會出現事故）。2018年的數據應是每1.1萬英里有一次接管， 2019年提升到了1.3萬英里， 2020年特別好，達到了2.9萬英里，這可能是疫情原因路上的車比較少吧，然而到了2021年成績下降了，只有0.8萬英里就有一次接管。這就是自動駕駛的數據。” 

《流浪地球2》中，圖恒宇一家發生車禍。

而人類駕駛的情況呢？“美國司機的數據顯示，每25萬英里保險公司會出一次險，50萬英里會出一次警，150萬英里才有一次致傷的事故，9400萬英里會出現一次致命的事故。“ 

“因此，如果要讓自動駕駛比人類表現提升20%，也就是1.1億英里才出一次致命的事故，得到這樣的統計學意義的顯著性特征需要積累110億英里的行駛數據。需要自動駕駛技術的汽車累計行駛110億英里，如果撞死了不超過100人，就能表明達到了1.1億英里才出一次致命事故的水平。” 

但要拿到這樣的證明，累計110億英里，對任何一家自動駕駛技術的公司來說都是難以實現的。因為即便這家公司有500輛車同時實測，也要開100年才能積累到自動駕駛行駛100億英里的數據。我的第二個比喻，是我們達到了99分的成績，但如果是個馬拉松我們也才走了三分之一的路程。 

“悲觀的人總是正確，樂觀的人總能成功。” 

無限題庫的無人駕駛即便能考99分，卻永遠無法考到100分，無人駕駛就永遠無法商用了么？吳甘沙并不這么認為。他指出：“自動駕駛技術有三條路可以走。第一條無限題庫，雖然無論怎樣也考不了100分，但他旁邊可以放個老師，隨時糾錯，這就是我們說的L2輔助駕駛。因為責任在司機，自動駕駛一出錯老師就進行糾錯。第二條路是固定題庫。就是在園區內做的自動駕駛。因為可以進行充分測試，確保每一次都能考100分，這也是《流浪地球2》中看到的無人駕駛卡車運輸彈藥、幫助建造基地的情景。第三條路是在開放空間里，還是無限題庫，但他的運行速度比較低，車輛尺寸也比較小，允許他不考100分的巡邏、配送場景也可以實現商用。” 

因此，從實用及商用情況看，第一種無限題庫的商用，要達到L4等級或以上要等到十年、二十年才可能進入成熟階段，如果是第二、第三種，在港口、碼頭這種場景下的工程機械現在已經進入了商用化的程度。 

單車智能與車路協同誰將勝出？ 

目前很多自動駕駛的公司采用的路線都是單車智能，而車路協同是另一條快速催熟自動駕駛商業化的路線。車路協同的優勢是以“上帝視角”對全局進行把控，協調路上所有車輛，而非在單車視角下考慮與周圍車輛“博弈”問題。車路協同利用路端數據可以大幅簡化單車自動駕駛的算法，甚至是減低車端算力要求和設備需求，同時真正實現大面積無人化駕駛以節省經濟成本。

然而吳甘沙認為：“未來將會向單車智能為主，車路協同為輔的方向發展。” 

“因為車路協同中，單車智能代表著能力下限，缺乏單車智能，只靠車路協同是不現實的。車路協同不可能實現完全覆蓋中國的每一條道路，車也不會像我們的4G、5G，每個人的手機都能用。其次，要讓所有的車能利用車路協同也是非常難的一件事。因此車路協同不可能在全國實現100%覆蓋，預計未來2-3年也只有1%車輛能夠用到。“ 

“雖然車路協同不能完全覆蓋，但在一些特定的區域，比如機場、碼頭或者特定的高速上還是可以實現。然而一項技術要大規模應用一定要實現閉環。也就是誰出錢，誰來運營，客戶能否有感知，客戶是否愿意買單。如果只是做一些試點，是沒有辦法大規模推廣和應用的。”

“此外，車路協同比單車智能在出現事故時更難以實現責任認定。 如果是單車智能，只要解決車的問題基本也就解決所有問題。但車路協同中間環節會大幅增加，出錯的原因認定就會變得更加復雜。” 

自動駕駛技術真正的戰場不在ToC而是ToB 

當下很多人把目光都放在了ToC市場，然而自動駕駛的真正價值在ToB市場。吳甘沙表示：“現在大家能感知到的自動駕駛技術是在乘用車、出租車，無人駕駛公交車，幫助人們從一個點抵達另一個點。然而大量自動駕駛技術的用武之地在物流。” 

“從一個城市、一家企業來看，以運送貨物為主，干線物流支撐城市的運轉。在企業里，從原材料到產品都需要物流的支撐，與資金流、信息流同等重要，絕大多數企業最終是要把自己制造、生產的實物產品交付給客戶。” 

“現在大家說的企業數字化轉型，其本質是解決人的不確定性和低效問題。人的不確定性包括勞動力越來越貴、越來越稀缺，愿意做重復性勞動的人越來越少，即便是開車，司機的技術水平也是參差不齊，不同的人學習能力也不同，掌握技能的時間也就有長有短。人的情緒也會受到各種因素影響。而自動駕駛技術能將人的這些不確定因素都避免。因此數字化后，就能擁有更加全面的智慧，更加高效的規劃，確保企業生產的整個流程達到Just in Time的完美狀態。” 

ToB自動駕駛應用市場廣闊但面臨三大困境 

自動駕駛在ToB市場擁有廣闊的市場前景。根據卡內基梅隆大學報告指出，帶有智能駕駛功能的汽車，燃油經濟性提升10%，自動化等級越高、節能效率越高。智能駕駛對人力成本較高的場景則意義更大更具性價比，如卡車長途運輸，每年每車可節省人力成本6-15萬元。 

然而缺乏標準、資金錯配、缺少場景化解決方案是市場面臨的三大困境。吳甘沙指出：“首先是缺乏標準。沒有統一的標準，好技術和壞技術一起競爭，造成市場上劣幣驅逐良幣的現象發生。缺乏標準也不利于客戶選型，阻礙了企業采用新技術創新的動力。” 

“第二，補貼資金的錯配。當前地方政府鼓勵企業創新，補貼擁有創新技術的企業，這是一個很好的政策。然而政府也擔心有的自動駕駛企業進行騙補，因此采取后置型補貼，將補貼發給采用自動駕駛新技術的用戶。如果直接把補貼發給自動駕駛技術的提供方，能鼓勵更多企業去嘗試新技術，推動他們的轉型升級，同時也對新技術的推廣起到了推動作用。” 

最后是要有更加場景化的解決方案。“無人駕駛技術并不是一個產品，而是解決方案中的一部分，是數字化物流中的一部分，這需要行業協會、頭部企業、無人駕駛技術提供方共同努力，提供適合企業真實場景的解決方案，為他們的物流問題做出切實有效的落地方案。”

即便圖YY只有2分鐘的自主意識，圖恒宇也會盡一切可能，讓女兒在數字世界能夠擁有完整的一生。能考到99分的自動駕駛技術即便是一場無盡的馬拉松，同樣會讓無數嚴謹、堅定的科技工作者不斷探索、完善，雖不能完美但他們在無限逼近完美。