L4L量产，到底有多敏感？

张恒

一边贬别人的L4，说它离量产还很远;一边捧自己的L4，说在这儿（某细分技术）我们是领头羊。类似这样的话，在各大智能汽车论坛或是某嘉宾发言中，屡见不鲜。

L4+量产，绝对是个敏感话题，毕竟商业价值在那。对科技公司或是整车厂来说，好比一场马拉松或拉力赛。L4量产是一个重要的“赛点”。谁都想赶在前面，实现换道超车。

随着研究的深入，玩家们也都越来越了解真实的状况。实现L4的商业化谈何容易，这里面有太多问题和难点。所以有人吹，就有人来打压，大家各说各话。谁看谁都不顺眼，但每个人也都有苦难言。

2019年7月，百度和长安汽车，先后公开了自家L4级自动驾驶汽车量产计划。百度方面声称L4级自动驾驶巴士量产下线;长安汽车和4家企业签署了战略协议，就L4级自动驾驶汽车在公开路况下测试运营两年，称要在2025年实现L4级汽车量产。

现在，市面上的自动驾驶汽车都是L2级。虽然L4级谈的人最多，但一直是PPT状态。竞争企业都赶着拿出一些实际的东西来展示自己的阶段性成果，以便获得更多关注和资源。

百度声称L4级自动驾驶是在封闭的环境下、固定路况、15公里每小时的行驶速度，进行商用车试运营，其实这并不算新鲜。长安汽车是在公开路况下，车速达到了30-40公里每小时测试的，更令人眼前一亮。

L1、L2、L3、L4、L5这样的划分看似科学和有序，但有些混淆视听，它会令人觉得自动驾驶技术是可以线性进步的，就好像近二十年的半导体技术。可事实是，如何真正地实现L5技术，没人知道。于是大家都把话题放在L4上。人类科技的进步其实是一个阶梯一个阶梯地向上“迈进”的，而非是线性发展。现在的问题是，人类在物理和化学的层面有准确的数学表达式，但是在生物层面没有。所以有很多生物学家自嘲说自己是研究“玄学”的。“智能”毫无疑问的是在生物层面。

有一种说法认为，只要不吝啬成本，L4级的自动驾驶汽车是做得出来的，毕竟“小汽车”火星都上得去。

英伟达自动驾驶解决方案的架构工程师不久前表示：自动驾驶L2上升为L3的水平，计算量会提升5倍。L3上升到L4的水平，则会再提升50倍，也就是说L2到L4所需的计算量要提高250倍。

请注意，现在半导体的发展，越来越接近瓶颈期区间，达不到摩尔定律的增长程度了o所以说几十上百倍的计算量，在量子计算机问世前，怕是很难实现。

如果是这样，算法就变得非常关键。这也是任正非近期不断强调的一一数学的重要性。当然，程序员们的队伍也非常重要。更精妙的算法确实可以节省算力，但这是“小聪明”，问题的核心仍没有被触及。

近期有两篇论文非常有趣。一篇是今年5月底发表在《Nature humanbehaviour》杂志上，论述的是“认知科学危机：一场跨学科的革命为什么会走向失败？”该文通过计量分析给出了认知科学很难再形成完整学科的结论，并通过梳理认知科学的发展历程，试图解析这一跨学科的领域没有成功收敛的原因。

另一篇文章是《自然》杂志在7月3日发表的神经学论文。讲的是迄今最完整的线虫神经图谱绘制完成。这是首次完整揭开动物神经系统的神秘面纱。令科学家惊讶的是，运动的神经调控复杂程度远超此前想像，从蛛网般复杂的神经网络中揪出特定神经连接依旧任重道远。

打个比方，有个说法是，世界上任何两个人之间，最多只隔着六层关系。套用这个句式，我们也可以说线虫的任意两个神经元之间，最多只隔着一个神经元。神经网络连接之紧密，使得单个感觉神经元只需要经过两个突触，就能够到达70%到98%的其他任意神经元。

深度学习的多项式回归数学模型相比线虫的神经系统，只能说是太笨了。也难怪L4比L2要多250倍的算力。

今年明，中国工程院院士、欧亚科学院院士、中国人工智能学会理事长李德毅公开表示：自动驾驶的大规模量产要到2060年才能完成。他還没有说这是几级的自动驾驶量产。这个时间点难道是在等量子计算机？

和以往的不同，人类先是在上世纪有了量子力学理论，然后才有的半导体，才有了后来的通信技术和手机、电脑。这个发展是自上而下的。如今，商业为了利益开始从需求端反推，说人们出行需要无人驾驶，这是巨大的市场，然后再往上找基础科学，发现没有。

故事在资本市场上越来越不值钱，百度智能汽车事业部也变得更务实了。据报道，此前百度L3事业部聚焦的方向在高速公路场景。今年上半年，部门暂停了高速业务转向自助泊车业务。转换方向的原因显然是高速场景下的商业化落地进展不如预期。

总结来看，前面能看到的路有两条：一个是笨办法，先以极高的成本造出L4级自动驾驶汽车和L4级的路况，然后再想办法cost down（消减成本）;另一个是以场景为单位玩一些小功能的把戏，能够帮助用户，却没有办法重塑游戏规则。显然，这都不是最优解，可谓理想很丰满，现实很骨感。