L4L量產，到底有多敏感？

張恒

一邊貶別人的L4，說它離量產還很遠;一邊捧自己的L4，說在這兒（某細分技術）我們是領頭羊。類似這樣的話，在各大智能汽車論壇或是某嘉賓發言中，屢見不鮮。

L4+量產，絕對是個敏感話題，畢竟商業價值在那。對科技公司或是整車廠來說，好比一場馬拉松或拉力賽。L4量產是一個重要的“賽點”。誰都想趕在前面，實現換道超車。

隨著研究的深入，玩家們也都越來越了解真實的狀況。實現L4的商業化談何容易，這里面有太多問題和難點。所以有人吹，就有人來打壓，大家各說各話。誰看誰都不順眼，但每個人也都有苦難言。

2019年7月，百度和長安汽車，先后公開了自家L4級自動駕駛汽車量產計劃。百度方面聲稱L4級自動駕駛巴士量產下線;長安汽車和4家企業簽署了戰略協議，就L4級自動駕駛汽車在公開路況下測試運營兩年，稱要在2025年實現L4級汽車量產。

現在，市面上的自動駕駛汽車都是L2級。雖然L4級談的人最多，但一直是PPT狀態。競爭企業都趕著拿出一些實際的東西來展示自己的階段性成果，以便獲得更多關注和資源。

百度聲稱L4級自動駕駛是在封閉的環境下、固定路況、15公里每小時的行駛速度，進行商用車試運營，其實這并不算新鮮。長安汽車是在公開路況下，車速達到了30-40公里每小時測試的，更令人眼前一亮。

L1、L2、L3、L4、L5這樣的劃分看似科學和有序，但有些混淆視聽，它會令人覺得自動駕駛技術是可以線性進步的，就好像近二十年的半導體技術。可事實是，如何真正地實現L5技術，沒人知道。于是大家都把話題放在L4上。人類科技的進步其實是一個階梯一個階梯地向上“邁進”的，而非是線性發展。現在的問題是，人類在物理和化學的層面有準確的數學表達式，但是在生物層面沒有。所以有很多生物學家自嘲說自己是研究“玄學”的。“智能”毫無疑問的是在生物層面。

有一種說法認為，只要不吝嗇成本，L4級的自動駕駛汽車是做得出來的，畢竟“小汽車”火星都上得去。

英偉達自動駕駛解決方案的架構工程師不久前表示：自動駕駛L2上升為L3的水平，計算量會提升5倍。L3上升到L4的水平，則會再提升50倍，也就是說L2到L4所需的計算量要提高250倍。

請注意，現在半導體的發展，越來越接近瓶頸期區間，達不到摩爾定律的增長程度了o所以說幾十上百倍的計算量，在量子計算機問世前，怕是很難實現。

如果是這樣，算法就變得非常關鍵。這也是任正非近期不斷強調的一一數學的重要性。當然，程序員們的隊伍也非常重要。更精妙的算法確實可以節省算力，但這是“小聰明”，問題的核心仍沒有被觸及。

近期有兩篇論文非常有趣。一篇是今年5月底發表在《Nature humanbehaviour》雜志上，論述的是“認知科學危機：一場跨學科的革命為什么會走向失敗？”該文通過計量分析給出了認知科學很難再形成完整學科的結論，并通過梳理認知科學的發展歷程，試圖解析這一跨學科的領域沒有成功收斂的原因。

另一篇文章是《自然》雜志在7月3日發表的神經學論文。講的是迄今最完整的線蟲神經圖譜繪制完成。這是首次完整揭開動物神經系統的神秘面紗。令科學家驚訝的是，運動的神經調控復雜程度遠超此前想像，從蛛網般復雜的神經網絡中揪出特定神經連接依舊任重道遠。

打個比方，有個說法是，世界上任何兩個人之間，最多只隔著六層關系。套用這個句式，我們也可以說線蟲的任意兩個神經元之間，最多只隔著一個神經元。神經網絡連接之緊密，使得單個感覺神經元只需要經過兩個突觸，就能夠到達70%到98%的其他任意神經元。

深度學習的多項式回歸數學模型相比線蟲的神經系統，只能說是太笨了。也難怪L4比L2要多250倍的算力。

今年明，中國工程院院士、歐亞科學院院士、中國人工智能學會理事長李德毅公開表示：自動駕駛的大規模量產要到2060年才能完成。他還沒有說這是幾級的自動駕駛量產。這個時間點難道是在等量子計算機？

和以往的不同，人類先是在上世紀有了量子力學理論，然后才有的半導體，才有了后來的通信技術和手機、電腦。這個發展是自上而下的。如今，商業為了利益開始從需求端反推，說人們出行需要無人駕駛，這是巨大的市場，然后再往上找基礎科學，發現沒有。

故事在資本市場上越來越不值錢，百度智能汽車事業部也變得更務實了。據報道，此前百度L3事業部聚焦的方向在高速公路場景。今年上半年，部門暫停了高速業務轉向自助泊車業務。轉換方向的原因顯然是高速場景下的商業化落地進展不如預期。

總結來看，前面能看到的路有兩條：一個是笨辦法，先以極高的成本造出L4級自動駕駛汽車和L4級的路況，然后再想辦法cost down（消減成本）;另一個是以場景為單位玩一些小功能的把戲，能夠幫助用戶，卻沒有辦法重塑游戲規則。顯然，這都不是最優解，可謂理想很豐滿，現實很骨感。