{"text":[[{"start":7.96,"text":"本文作者是中国自动驾驶公司小马智行(Pony.ai)联合创始人兼首席技术官"}],[{"start":14.36,"text":"在今年的北京车展上，无人驾驶出租车(robotaxi)首次从边缘走到了中心，成为人们瞩目的焦点。各汽车制造商、出行平台和科技集团纷纷展示了各自的自动驾驶网约车。这次车展表明，无人驾驶出租车不再只是少数专业人士的实验，而是关乎我们下一阶段的出行方式。"}],[{"start":36.53,"text":"不过，一场参赛者众多的竞赛并不等于一场成熟的竞赛。推出一款无人出租车变得越来越容易了，但要打造一款能够实现商业化规模且安全运营的无人出租车仍非易事。"}],[{"start":50.83,"text":"在过去十年的大部分时间里，自动驾驶行业给人一种感觉，仿佛决定性突破必然来自实验室：更大的模型、更多的训练数据，更多的模拟，更多的计算。这种观点是错的。一部无人出租车自身的反应，将会改变其他道路使用者的行为，至于如何改变，并不总能凭借历史数据来预测。"}],[{"start":73.03,"text":"这种区别很重要，因为评判无人出租车是否优良，不是看它们是否在大多数时间都运行良好，而是看它们在复杂环境中能否安全操作——在复杂环境中，最棘手的问题是那些含混不明、需要经过社会协商来解决的情况，比如一辆自行车在车道之间穿梭，一辆滑板车斜插穿过乘客上下车的地方，一辆汽车挤进车流间隙但没有完全切进去。"}],[{"start":97.15,"text":"只是采集更多人类驾驶数据并不够。没错，这可以教给机器人与人之间是怎么作出反应的。但如果一辆自动驾驶车辆有不同的举动，周围的车流就会对此作出回应。这种反馈回路无法完全从历史数据推断得出，而是必须从真实的运营中观察。"}],[{"start":118.60000000000001,"text":"这不只是技术挑战，也是监管和运营挑战。在中国和美国，已经有许多城市允许运营商从测试转向在划定区域开展付费无人驾驶服务，使它们能更多地暴露在密集、复杂的交通环境中。然而在英国和欧洲，监管审批慢得多。这造成企业从真实世界积累无人驾驶数据的速度存在差异。"}],[{"start":143.37,"text":"这就是世界模型(world model)的意义所在——不是作为道路的替代品，而是把无人驾驶车辆采集的数据变成可以重复训练和测试。它是一个理解原因和结果的系统。如果无人出租车速度慢下来，后方的滑板车会开过去吗？如果无人出租车通过一个交叉路口时小心翼翼，这会引起困惑吗？"}],[{"start":166.11,"text":"下一阶段将是通过打造能够识别训练需求的系统，形成自主的学习回路。最困难的情况往往是稀松平常的，不过就是日常犹豫不决、需要协商、意图遭到误解的时刻。"}],[{"start":180.03,"text":"最后，无人出租车行业的成本曲线与其模型架构一样重要。如果无人驾驶车辆仍然过于昂贵，无法广泛部署，那么企业就无法产生足够的互动来改进。表面上看起来这是一场软件竞赛，实际上却是一场运营竞赛。计算、人才和数据全都很重要。但它们都无法代替真实的车队。"}],[{"start":205.39,"text":"监管机构和乘客不会接受把偶尔的故障当作统计噪音的商业模式。要实现业内称作“L4级”的金标准自动驾驶，无人出租车即使发生意外的硬件或软件故障也必须维持核心的驾驶功能，并且在需要的时候能够安全地把车停靠在路边。"}],[{"start":224.89999999999998,"text":"商业层面同样面临严峻的挑战。无人出租车到最后必须与人类驾驶的网约车、公共交通和私人汽车竞争。如果它们只能在有限区域内运作，受到严格条件的限制，或者需要大量的远程支持，那么它们就不具备经济可扩展性。"}],[{"start":243.98999999999998,"text":"所以说，接下来三年对行业来说将是决定性的。随着更多企业施展各自的抱负，市场将变得更加嘈杂。但噪音不能与进步相混淆。自动驾驶竞赛将在道路上、而不是实验室决出胜负。"}],[{"start":261.29999999999995,"text":"译者/何黎"}]],"url":"https://audio.ftcn.net.cn/album/a_1779703049_2409.mp3"}