小馬智行CEO彭軍：講再多方法論，也不如一次體驗
「最近又坐我們的車了嗎？」專訪才剛開始，彭軍就希望幫我約一臺全無人運行的Robotaxi，以便和去年的難點場景表現做一下對比。
(資料圖)
因為他認為，「講再多技術方法論，也比不過實際體驗。」
如今的小馬智行，包含Robotaxi、Robotruck、POV（乘用車智能駕駛）三條業務線，其中POV的輔助駕駛軟件方案「小馬識途」因其商業變現能力、極快的發展節奏頗受關注。面對這條競爭愈發激烈的賽道，結合時下熱門的城市NOA、去地圖化，以及未來無人駕駛等話題，小馬智行聯合創始人兼CEO彭軍均分享了自己的見解。
如何「正視」城市NOA？
根據小馬智行的規劃，小馬識途的高速NOA+記憶泊車方案會在二季度上市，城市NOA+自主泊車方案也會在今年晚些時候推出。
雖說城市NOA已不算什么新鮮概念了，尤其在智能車品牌之間，該功能幾乎已成為競爭必需品。但直到目前，用戶對各家城市NOA系統的表現評價仍然褒貶不一。整體來看，在使用該功能的過程中，多數時間還需要駕駛者精神高度集中。
對此，彭軍認為，城市NOA所面臨的挑戰，恰恰體現了自動駕駛分級，以及設置ODD（運行設計域）的意義——不同的駕駛能力，要用在不同的場景和道路上。
「不能用L4的標準去看待NOA，因為它們是完全不同的物種。目前的城市NOA主要還是適用于城市主干道等相對規整的道路上，在狹窄混亂的小路上很難落地。」
他認為，車企或方案供應商正面臨兩種選擇：一、以60分水準拓展更多的區域和場景；二、在限定區域內將體驗做到無限接近100分。而小馬智行選擇的正是后者。
「能否明確責任，是目前自動駕駛的市場化短板之一。與其說將100%的場景做到40分，還不如將40%的場景做到100分，也就是在明確的場景中將責任完全轉交給機器。」彭軍表示，只有讓機器能達到像老司機一樣的水準，才能體現出真正的輔助價值。
對于小馬智行等路徑相似的自動駕駛公司來說，「以L4賦能L2」是它們一貫強調的優勢。而小馬智行方面也曾表示，POV業務可復用70%的L4自動駕駛算法。
但彭軍也強調，雖然L2和L4對于安全、舒適，高效的理念都是一樣的，可「70%的復用」并不是說有70%一模一樣的代碼。「全無人駕駛的要求是，能夠處理任何極端情況，這與L2還是有較大的不同。」
彭軍介紹稱，小馬智行所運用的「伸縮網絡」架構，可在同一套代碼、同一個模型下，根據不同的算力做一定的減值，以提高復用性。
伸縮網絡要達到的效果就是，「不管是純視覺方案的高速NOA，還是帶有1-3顆激光雷達的城市NOA，用戶的駕駛體驗都應當是一致的。」而為了保障這種體驗感，小馬智行的城市NOA系統，初期針對的場景會傾向于主干道等路況較好的區域。
目前，市場對L2的需求處于爆發期，可相關功能至今還沒有標準，每家車企都有獨特的定制需求。彭軍認為，這恰巧提供了機遇。
在彭軍看來，L2的實現要比L4容易得多，且目前其實也還處于「從無到有」的過程中，很多用戶對其中差異仍不甚清晰。「今天大家還只是『吃飽』就行，但一旦開始要想『吃好』的時候，就能看出每家的差距來了，也就會迎來大洗牌的過程。」彭軍說道。
行業面臨問題，但不必悲觀
盡管POV業務備受關注，但彭軍還是一直在強調小馬智行的「以終為始」理念——相信用機器完全替代人類駕駛，是唯一的終局。
不過談到這里，就很難回避一個話題，那就是所謂的「自動駕駛寒冬」。
從年初谷歌及Waymo的裁員，到Argo AI的倒閉，再到近期Cruise召回300輛Robotaxi，接連的事件似乎已形成了一種行業的負面現象。
作為局中人，彭軍覺得這主要是由于大家在初期對自動駕駛的期望過高，如今感到了落差，但這并不應被過度解讀。
「首先，谷歌裁員的幅度很小，而且是對公司整體政策的執行。如果將其比作一個行業遇冷的標志，未免有點夸大。」彭軍認為，雖然大家對無人駕駛的落地進度有所質疑，但更應該看到自動駕駛近兩年取得的巨大進步。
「如今我們已經做到全無人Robotaxi了，Waymo和Cruise也已經做到了。另外再看如今的城市NOA，雖然體驗還需改進，但在兩年前它根本都不存在。」他表示，行業在發展進程中必然會暴露一些問題，但總體來看，行業進步還是顯而易見的。
如今，小馬智行的Robotaxi數量已達到近300輛。但是要達到這樣的量級，也經歷了謹慎的考量。盡管迭代速度較快，但在逐步擴大車隊之前，也需要進行反復驗證。
近期Cruise遭遇的召回風波，召回數量剛好也是300輛。對此，彭軍表示，雖說這是新生技術發展的必經過程，但這也說明在實現「大目標」之前，要先做好任務拆解。「在產品還沒成熟的時候，不應該快速做到300輛的量級，而是應先做30輛車進行驗證。」這種謹慎，也正應對了小馬智行「小步快跑」的發展風格。
Robotruck的落地挑戰
其實，不管是POV還是Robotruck，說到底都是小馬智行Robotaxi的能力延展。此前，由于場景相對單一，Robotruck曾被認為是更容易落地的項目，但彭軍直言，Robotruck要想大規模商業落地，挑戰也不小。
首先，重卡本身重量高達十余噸，其對安全性的要求實際上要比Robotaxi還要高很多。對此，他給出了幾個數字。
「比如說，小車在城市路況下，平均大概3萬公里就會有一次事故；而卡車平均行駛至少50萬-60萬公里才會有一次事故，也就是說卡車雖然面臨的場景簡單，但它對事故的包容度極低，對安全性的需求也是高一個量級的。」
所以，在簡單場景下，為Robotruck做一個Demo很容易，但若要商業化落地，其安全性就要比一般要求高出十倍。另外，再考慮到跨省運營，以及在各省推進政策的難度，彭軍認為，相比起大規模、長距離的高速運輸，Robotruck可能會先實現部分場景化應用。
不過，小馬智行還是選擇了「Hard模式」，鎖定干線物流，并在去年宣布與三一重卡成立合資公司，開展L4級自動駕駛重卡產品的研發、生產與銷售，共同打造高端自動駕駛重卡品牌。
「我們一邊依托于量產，一邊依托于應用場景，在不斷打磨技術。目前進展還是比較順利的，預計今年之內會SOP。」彭軍透露稱。
「輕地圖」沒那么高深
「高精地圖無外乎就是一個傳感器。」
面對現在自動駕駛玩家們急于要擺脫的高精地圖，彭軍認為，不用將其理解得過于「高深」。
他表示，高精地圖主要是對靜態元素進行識別和「預習」，例如車道線、建筑等，這能讓自動駕駛車輛通過時更加輕松。
彭軍用擬人的方式，將高精地圖的相關技術解釋得非常通俗：「就像人開車一樣，開在你熟悉的路上時，會更安全更輕松；但在陌生的路上，你也是能駕駛的，只是體驗感不一樣。另外，這時你可能會東張西望，這就意味著對算力和傳感器的要求更高了。」
在他看來，高精地圖的難點在于鮮度，不依賴高精地圖也就是需要實時生成地圖。「隨著算力越來越大，其實實踐起來沒那么困難。」
從GPT熱潮，看自動駕駛難點
如果說谷歌的裁員令人聯想到AI的瓶頸，那ChatGPT則重新打開了AI應有的想象空間。它不僅重塑了人們對AI的現實認知，還將其可能性拓展到了各個領域。試圖加入這股大潮的企業，也不在少數。
一些急于「上車」的玩家，第一時間就表達出對技術迭代的急迫感，也難免會有「蹭熱點」的嫌疑。彭軍認為這種現象可以理解，但急躁沒有意義，因為只有通過產品體驗，才能評價一家公司的實際競爭力。
「聲稱使用GPT概念也好，或其他超前概念也好，不能衡量出一款產品的好壞。我覺得沒有任何用戶會單純因為多么高級的『方法』而購買產品，最終一定會落在體驗上。所以在關注最新技術時，關注點必須是在結果上。」
在彭軍看來，如果要做大模型，卻不對長尾的低頻事件增加權重，能力反而會越來越弱。「這就相當于學生在臨考前，只用兩天時間把基本題做完了，卻沒花兩個月的時間去做低概率的難題，而后者才是拉開分數差距的關鍵。」
「實際上，如今自動駕駛的感知、預測，prompt learning等方式都與GPT有異曲同工之處。說到底，車輛也是根據感知到的情況進行不斷學習，甚至也會為用戶提供『意見』。」
不過，相比于尚停留在軟件中的AI系統，能夠直接影響物理世界的自動駕駛，無疑是最復雜的系統之一。如果用形而上的方式來看自動駕駛系統，其設計需要覆蓋全方位考慮。
「在AI系統中，既有過程導向的系統，也有結果導向的系統：例如AlphaGo之所以下棋不講套路和定式，是因為其設定是只看重結果，不在乎過程；而ChatGPT則對過程的要求很高，力求每一次都能有很好的對話。」
至于自動駕駛，則要結合兩者：既要保證安全，也要提供足夠的舒適度和高效路徑……這就注定自動駕駛需要多維度的優化，而且會面臨更大的難度和挑戰。
當專訪接近尾聲，我們坐上了一輛小馬智行的Robotaxi。實際體驗全無人的自動駕駛車，比觀看測試視頻的感覺更加奇妙。
從主動鳴笛提醒，到讓行、博弈、避障，控制速度……恍惚間還會令人以為司機就在座位上。不能說全程體驗毫無瑕疵，可是相比去年的表現，確實已不可同日而語。
正如彭軍所言，在交規框架下，自動駕駛其實還有很大的靈活空間，而這種靈活的處理方式，正能看出技術的區別與高下。
關鍵詞：
