經歷了一系列的起起伏伏，汽車行業對全自動駕駛的預期開始慢慢回落。
除了 Elon Musk 這樣的奇人，幾乎沒人再提跑步實現全自動駕駛了。
不過，這并不意味著汽車制造商與供應商們放棄了夢想。
那么，「近路」被封后，大家又準備如何披荊斬棘，向自動駕駛時代進發?
英偉達汽車事業部高級總監 Danny Shapiro 在接受 Automotive News 采訪時就詳細談了談自己的看法。
問：過去幾年里，為何對于自動駕駛原本頗為大膽的計劃發生了重大變更?
Shapiro：整個行業意識到，全自動駕駛沒有我們三四年前想象的那么簡單。
這意味著我們需要更強的算力，更多的傳感器與更成熟的軟件。
問：各種層出不窮的問題是不是也讓許多技術人員對自動駕駛望而卻步?
Shapiro：事實上，現在大家的主要看法是：「我們現在依然能將基礎版的自動駕駛技術推向市場，但想在這個閉環中去掉人這個要素還不行。」
問：那么之后，我們會見到什么樣的產品?
Shapiro：現在的重點是 L2+，這個級別的系統已經非常穩定，不但能預防很多事故，還能在駕駛員睡著或身體不適時救人一命。
也就是說，雖然并非全自動駕駛，L2+ 依然能在駕駛員出錯時阻止一些事故的發生。
問：是不是說 2030 年之前我們無法實現全自動駕駛了?
Shapiro：如果你說的是終極版全自動駕駛，2030 年前恐怕真的沒戲。
不過，那種針對特殊情境的部署并不遠，而且技術進步的速度很快，比如有地理圍欄或固定線路的自動駕駛出租車或通勤車。
至于高速路上的自動駕駛和點對點貨物運輸，我認為后者會先行一步。
問：你能給出更加詳細的解讀嗎?
Shapiro：我說的是各種形式的無人遞送，英偉達幾乎參與了所有類型的試驗項目：卡車、乘用車和穿梭車都有，這些項目都在突飛猛進。
未來人們會意識到，載人的全自動駕駛太難實現了，因此我們得多分點精力給無人遞送。
問：自動駕駛汽車并非「百毒不侵」，去年不是還出了一場致命事故，而且其他小磕碰也沒少發生。這些事故是否是個無形壓力，讓你們在安全上投入更多精力?
Shapiro：安全問題上我們從未松懈過。在我看來，英偉達以及整個行業一開始都低估了自動駕駛的復雜性，畢竟這是個前無古人的事業。
我們一直在尋找解決這些挑戰的途徑，在尋找的過程中卻發現，許多挑戰比我們想象中難了太多。
問：為了抹平這些差距，英偉達都做了些什么?
Shapiro：現實教育我們，車上得裝更多高清傳感器。同時，安全還需要傳感器、算法與系統端的多樣性與冗余。
除此之外，自動駕駛對于算力的要求也更高了，因為我們需要同時運行多種算法，有時甚至會出現十幾個神經網絡同時處理與分析數據的情況。
舉例來說，第一個神經網絡要負責處理道路標線，第二個則要關照行人，第三個識別道路標志，第四個注意周邊車輛。
簡言之，自動駕駛軟件端的復雜性簡直是前所未有，而且還在不斷增長中。
問：打造一臺安全可靠的自動駕駛汽車是否是英偉達有史以來最大的挑戰?
Shapiro：這樣比較不太合適，要知道英偉達還想徹底解決癌癥問題。與自動駕駛相比，哪個更困難?我們也說不清楚，而且無論做好哪一項，都能拯救大量生命。
當然，這也是英偉達投入其中的原因，與其他公司合作解決世界未解難題正是我們的使命。
對自動駕駛來說，AI 計算是其「基本功」，但想實時解決各種麻煩，尤其是分析并預測人類行為實在是太難了。
問：英偉達目前正采取哪些措施來幫助解決這些不可預測性?
Shapiro：如果人類不再是直接的道路參與者(即不參與決策)，那么自動駕駛實現起來就能簡單得多。
因此，我認為那些能抹去人類這個隨機性的地方將首先迎來自動駕駛的部署，比如某些專用道路、固定路線和地理圍欄區域。
當然，未來可能某些城市會出現有人駕駛汽車禁行區或實行有人與無人車輛分道而行的政策?？傊?，想簡化問題，我們有很多方法，不過自動駕駛汽車依然是世界上最復雜的問題。
問：從自動駕駛事故中，你們還學到了什么經驗?
Shapiro：在我看來，這些事故是新聞媒體眼中的好故事。這些事故能將讀者引導到人與機器的較量上。
你想想，每年有人駕駛汽車在路上要奪去多少人的生命?這世界不照樣運行如常?為什么普通交通事故沒人在意，而非要抓住自動駕駛汽車不放呢?
問：為了克服「未知的恐懼」，英偉達又做了些什么?
Shapiro：認知與教育很重要，這也是我們加入 PAVE 聯盟(宣傳先進汽車技術和自動駕駛汽車)的原因。
這一創立于美國的合作項目吸納了奔馳、英偉達等一系列公司，今年年初在 CES 上才初步成型。
自動駕駛汽車的相關教育至關重要，因為大多數人連現在的有人駕駛汽車都搞不明白，對未來的自動駕駛汽車有什么能力更是一頭霧水。
大多數人從未體驗過自動駕駛汽車，聽到 AI 時他們甚至會將其看做終結者，這就是所謂「未知的恐懼」。
不過我依然相信，只要大家能體驗一把，馬上就會轉變對自動駕駛汽車的看法。
問：自動駕駛路測中，英偉達還發現了什么解決方案的局限性?
Shapiro：在路測中英偉達還是為車輛配備了安全駕駛員，同時還有安全工程師。如果車輛狀況不對，他們就得及時接管方向盤。
這樣其實有好處也有壞處，因為他們總是過早介入，畢竟誰也不愿冒風險。因此，這樣的測試不夠「純粹」，你無法摸到系統的極限。
問：有什么替代方案嗎?
Shapiro：在這里我們還可以求助于「模擬」，英偉達就是「模擬」技術的重度使用者。
一直以來，英偉達都在聯合其他廠商共同開發 Drive Constellation 系統，并將軟硬件測試都囊括其中。
借助「模擬」，我們能創造各種危險情況，而在云端進行此類場景的測試不會傷到人。此外，我們還能真正確定，這樣的情況下自動駕駛汽車能否勝任。
如果不行，就從源頭尋找到底有什么問題并及時進行糾正。借助「模擬」技術，我們還能在車輛上路前完成探測算法、路徑規劃、定位等測試，從而搞定完整堆棧的搭建，這點至關重要。
