近日，文遠知行對外宣布，在公開道路上的自動駕駛里程率先突破1000萬公里，其中全無人駕駛里程超過250萬公里。“如果一個人一年開車10萬公里，一生開車20年，那么，1000萬公里就等于一個人開了五世的車。這意味著我們經歷各種復雜的路況，積累了大量的數據，經過數萬次的驗證，從而確保自動駕駛系統的穩定性和安全性。”文遠知行創始人兼首席執行官韓旭說。

據韓旭介紹，文遠知行1000萬公里的測試里程是由規模超300輛的自動駕駛車隊在中美兩國4年多的持續測試和運營積累而來，并由此形成了一個龐大且優質的場景庫。文遠知行的車隊包括自動駕駛出租車(Robotaxi)、無人駕駛小巴(Robobus)、無人駕駛貨運車(Robovan)等不同車型，布局在中國廣州、鄭州、南京、武漢、安慶和美國圣何塞等城市，測試和運營混合進行，覆蓋白天到黑夜，CBD到城中村，隧道到高速路，高溫酷熱到雨雪天，載人到載貨等多種交通場景，每天產出大量極具價值的自動駕駛數據。數據于自動駕駛的重要性不言而喻。

Rototaxi商業化運營 技術挑戰大于商業挑戰

在談到積累1000萬公里測試里程的收獲時，韓旭表示，1000萬公里將引領文遠知行穩步邁向自動駕駛前裝量產。在巨量的場景和持續的測試運營下，文遠知行傳感器套件的感知能力、穩定性、耐受性等關鍵指標得到了全方位的檢驗，并先后5次迭代升級，帶來更加集成、高效、穩定的硬件方案。最新一代傳感器套件WeRide Sensor Suite 4.0在2021年11月發布，創L4級自動駕駛行業之最，是行業首個小尺寸輕量化的套件組合，可廣泛適用于不同乘用車型，向自動駕駛汽車規模化量產邁出關鍵一步。

雖然文遠知行在自動駕駛測試和前裝量產方面已經小有成就，但對于Rototaxi大規模商業化運營而言，挑戰依然巨大。韓旭告訴記者：“Rototaxi這個賽道目前最大的挑戰依然是技術如何保障安全。全無人駕駛需要由車輛和自動駕駛系統來承擔安全責任，這是非常大的挑戰。我從事自動駕駛行業五六年了，技術依然是最大的挑戰，沒有之一。”

在韓旭看來，L4自動駕駛功能的量產是很有希望的，因為它是限定條件下的自動駕駛。但全場景下、無限定條件下的L5無人駕駛系統的量產則遙遙無期。自動駕駛技術的長尾問題的確存在，自動駕駛公司要做到的就是讓技術的長尾問題要少于人類駕駛員的長尾問題，讓機器駕駛比人類駕駛更安全。

“硬件成本逐年下降，人力成本逐漸上升，如果在技術上實現全無人的Robotaxi，機器替代人，它的商業挑戰并不大。這就好比程控交換機代替接線員。當新興技術被大規模應用，并且大規模替代人工時，它的商業模式就走通了。人會被解放出來，做更為輕松和有意義的事情。”韓旭說。

從目前自動駕駛汽車市場競爭格局來看，汽車產業是一個鏈條很長的產業，新興的自動駕駛行業也不例外。“我不認為這個市場要一家通吃，大家可以一起把‘蛋糕’做大。以文遠知行為例，我們和激光雷達、計算機平臺、攝像頭、毫米波雷達的公司都有合作，也和廣汽集團、如祺出行合作。我們將與主機廠商、出行平臺的合作定為鐵三角合作模式。”韓旭說。

針對初創自動駕駛企業之間競爭這一現狀，韓旭認為，充分的理性市場競爭是一件好事。它會促進技術進步、提升產品性價比。“在自動駕駛這個賽道，我相信還會持續有新的入局者。理性創業、理性運營，要以共享單車為前車之鑒。沖昏了頭腦的資本盛宴導致了巨大的資源浪費和環境污染。初創自動駕駛公司應當把握好節奏，不理性的創業者不會持續多久，不理性的企業經營也不會持續多久，我們還是希望能夠合作共贏。”韓旭說。

數據共享 重在統一“度量衡”

提到自動駕駛測試數據積累，韓旭無比自豪。據其介紹，文遠知行在公開道路上積累的1000萬公里同步在其自研的城市級仿真平臺上進行場景的復現和泛化，形成了超過80億公里的模擬測試里程，相當于文遠知行300輛自動駕駛汽車在真實道路上日夜兼程行駛50年。里程是文遠知行自動駕駛技術發展的基石，由公開道路的千萬級里程和仿真模擬的數十億里程共同組成，大幅度擴大了場景的覆蓋面，提升測試效率，使自動駕駛系統在更加豐富和復雜的場景中進行更高頻、更精準的有效測試驗證，縮短功能開發和測試周期，持續推進文遠知行數據模型的快速迭代和算法的優化。

對于整個行業而言，韓旭十分贊成自動駕駛汽車數據流動、共享。不過，他強調：“數據要流動起來首先是涉及數據的統一性問題。中國很幸運，在秦朝的時候就解決了標準化的問題，書同文、車同軌。自動駕駛數據的積累也要做到書同文、車同軌，要有一定的標準。這也是為什么文遠知行不停地呼吁盡快制定標準，也愿意參與各種標準制定的原因。有了標準，才方便數據的流動、共享。”

其次，共享數據一定要注意數據的合規和隱私保護。去年，國家頒布了《數據安全法》，一定要在《數據安全法》的框架下保證數據合規，這是共享的前提條件。同時也是要注意保護用戶的隱私，進行相應的脫敏處理。在滿足這些條件的情況下，數據可以共享。但如何共享?共享的數據如何產生收益?這都是需要考慮的問題。“滿足上述條件，激勵市場主體共享數據是對資源最好的配置，因為數據沒必要重復采集。但我認為數據是非常重要的資源，在充分競爭的市場情況下，很多關鍵數據不會被共享。”韓旭說。

車路協同 不如支持場景建設

單車智能還是車路協同，是自動駕駛圈一直討論的熱門話題。

在韓旭看來，車路協同看上去很美，做起來很難。車路協同在路端的很多設備投資巨大，投資后一定要看到成效，如果成效不顯著應該考慮這條路是否走得通或者如何進行調整。在目前的技術條件上，車路協同很多理論上的測算都達不到工程要求。韓旭以對通信網絡要求最不高的語音通信為例講述了車路協同當前的困境。“我在從家到機場的路上經常會微信語音聊天，期間經常發生卡頓，以至于不得不放棄微信語音通話，改成打電話。自動駕駛的安全與通信質量息息相關，它對通信質量的要求要高于普通的語音通信上百倍。語音通信質量尚且如此，當前的通信網絡又如何保證車路協同的可靠性和安全性。車路協同還是應當先范圍內實驗，用實踐去檢驗實現這條技術路線行之有效的方法。”韓旭說。

韓旭呼吁，國家層面能夠投資建設非常好的試驗場，讓自動駕駛汽車市場主體公平、公正、公開地測試各自的算法。用數據說話，真正測出各家的真實水平來。他認為，我國在自動駕駛方面的政策非常好，對企業很寬容，鼓勵創新。如果國家能夠給予測試場建設一些補貼，測試場就能少收企業的測試費用、上牌費用，在資金上降低自動駕駛測試的門檻，從而推動整個行業的創新發展。但另一方面，自動駕駛安全的準入門檻希望國家一定要定得高點。不僅是嚴格要求運營過程中的安全，還包括研發和測試中的安全。

“既要保證自動駕駛汽車的安全性，又要鼓勵創新，這就考驗政策制定者的智慧了。作為自動駕駛公司創始人，我希望相關管理部門能制定容錯機制，但容錯機制要提供給真正愿意謀求技術突破、不斷創新的企業，而不是提供給一家“傻大膽”、完全不顧后果的企業。容錯機制如何分配很關鍵，比如：我們允許一定的錯誤率、甚至一定的事故率，但是這個錯誤率和事故率怎么分配，是一個很重要的課題，值得研究。”韓旭建議，“在自動駕駛測試方面也可以學習‘雙積分’政策。即在測試場參與測試的企業中，排名靠前的企業就能獲得更多的積分，能允許它有一定的失敗率;排名靠后的企業則積分少一些，它持續犯錯就不能被包容，這樣的企業自然被淘汰。希望能有這樣一個正向的機制，在保證自動駕駛安全的同時鼓勵創新。”

關鍵詞： 自動駕駛 技術挑戰 商業模式 數據共享