2018 年是自动驾驶创业公司开始将技术落地的一年。同样是 L4 级技术，各家有不同的商业化尝试，比如试运营无人驾驶出租车服务、在港口园区商场等限定环境投放自动驾驶车辆、或者降维至 L3 级与主机厂合作、还有的方案专门适用于特殊场景，比如无人清扫、无人采矿车。
明星无人驾驶公司 AutoX 选择了一个新的场景，周一发布硅谷首个自动驾驶生鲜配送服务 AutoX Autonomous Delivery，为当地居民提供无人车配送服务及车上搭载的无人货架售货服务。
自动驾驶林肯 MKZ 配送生鲜
AutoX 所用的配送车与大部分专注配送的无人车不同，并不是 Boxbot、京东快递那样看起来像个“大盒子”的无人车。AutoX 表示，美国地域广阔，因此使用乘用车，由林肯 MKZ 改装，搭载了一个禾赛的 40 线激光雷达，八个拼在一起的摄像头。据介绍，该款车型的最高时速可达每小时 120 公里，由于试运营区域的道路限速，试运营最高服务时速度为每小时 70 公里。目前自动驾驶配送车配备安全员，未来会逐渐移除。
图 | AutoX 自动驾驶配送车（来源：麻省理工科技评论）
尽管形式上属于无人配送，AutoX 在技术和运营层面更接近 Waymo、Pony.ai 这样的 L4 自动驾驶公司，而不是无人配送企业。
目前 AutoX 的配送服务通过与有机食物平台 GrubMarket 合作完成。GrubMarket 直接把食物从农场送至客户或者消费者，其售价相比其他渠道要便宜 20% 以上，Whole Foods 就是其客户之一。目前来看，由于 GrubMarket 的特殊商业模式，用户需要提前一天预定，在付款下单后，可以在第二天的任意时间段内在 app 上选择服务，让无人车运送货物。AutoX 计划邀请更多生鲜食品供货商入驻平台，预计未来一年内，合作伙伴数量将超过 10 家。
之所以在美国推出此服务，AutoX 创始人、CEO 肖健雄表示，“美国人绝大部分住在市郊独栋房子（House）里，同时我们的自动驾驶技术在市郊可以开得很好，达到了可商业落地的要求。”事实上，中国配送员工资比美国同行低很多，也是这类自动驾驶技术落地需要考虑的因素。
图 | AutoX Autonomous Delivery App 截图
以摄像头为主的自动驾驶解决方案
AutoX 创立于 2016 年，专注 L4/L5 级自动驾驶，肖健雄曾任普林斯顿大学助理教授，并在那里创立了计算机视觉和机器人实验室。他还入选《麻省理工科技评论》2017 年全球 35 岁以下的 35 位创新者榜单（Innovators Under 35）。
一般来说，摄像头感知方案的优点是细节丰富、产品制造工艺已经非常成熟、成本低，而缺点则是测距和测速方面的精确度差一点、对光线条件有要求。摄像头感知又分单目和双目，双目系统更精确，但是对算法的精确度要求高。
去年 3 月，AutoX 公布了其测试车在晴天、小雨、夜晚、阴天夜晚的测试视频，当时整辆车只用了 7 个单目摄像头作为传感器。
AutoX 的技术领先在于其单目相机不仅可以感知物体，而且先进的深度学习模型可以实时计算车辆周围物体的位置、角度等三维信息，因而能预测物体运动。肖健雄告诉 DT 君，AutoX 对每个物体在过去十秒间的行为进行跟踪，并根据它的类别，比如说是摩托车还是汽车，对它接下来十秒钟的运动轨迹进行预测。除了几何信息之外，其摄像机检测还提供更复杂的信息，例如车辆转向信号、刹车灯和危险警告灯。
而在极端天气和环境下，比如暴雨、阳光直射、夜间，AutoX 的摄像头感知技术能保持稳定要归功于语义分析，即自动分割并识别出图像、视频中物体的类别。
图 | 强逆光：检测地面和车道线
据介绍，AutoX 已经与投资方上汽集团合作，把系统安装在了一款上汽名爵的车型上，进行了大量的白天和黑夜的压力测试。
讲回 AutoX 的生鲜配送服务，使用的汽车搭载八个拼在一起的摄像头，前向是双目，其余是单目摄像头。肖健雄告诉 DT 君，其中最难的是多摄像头与激光雷达的算法融合，同一个物体不同传感器会看到多次，可以利用冗余信息提高物体识别准确率。而这恰恰是 AutoX 团队的强项之一，肖健雄在十多年前就师从三维几何视觉始祖权龙教授从事大规模街景重建与语义分析，AutoX 的团队中也有众多世界顶级名校的博士团队专门从事这方面的工作。
过去两年，它们深度研发技术背景的基础上，做了大量的新算法研发，实现了全自动检测重复扫描的区域，并通过优化算法消除重影。这项技术也被应用到大规模区块状建立高清地图上。
图 | AutoX 建立的湾区高清地图
尽管摄像头的感知能力已经非常强，目前自动驾驶汽车在实际运营时还是要加装激光雷达。
AutoX 表示测试过在无人驾驶车辆行驶中，将激光雷达遮盖住，在深夜测试，结果证明它们系统仍可以安全地运行。另一家自动驾驶公司也向 DT 君讲述过类似的案例。
目前来看，很多情况下并不需要多重传感器，只是真实情况不可预测，为了万无一失，汽车仍要搭载多个传感器以应对 edge case 甚至是 corner case。
尽管搭载了激光雷达，AutoX 表示其无人车的成本仍然很有竞争力，自动驾驶套件成本大概 4 万美元，车本身 4 万美元。AutoX COO 李卓表示，因为使用量产车型，每辆车的使用期可达五年以上，平均每年的成本远远低于美国的人力成本。
自动驾驶与千亿级的最后一公里配送市场
AutoX 之所以选择 L4 级自动驾驶落地，而不是辅助驾驶，肖健雄认为，辅助驾驶和无人驾驶的区别就像电报跟互联网的区别，他们的科学原理比较类似，最大的区别是商业形态不一样。
而 L4 级落地，在他看来，可以分成四类，其中前三个场景离大众的生活更近。
无人驾驶出租车，也就是 robotaxi，这是最大的一条赛道，绝大部分玩家都在这里，市场和吸引力都很大。
这条路径对算法的完美程度要求最高，要实现从点 A 到点 B 的选定路径，无人车能以最快速度最短路径通过任何一个路口。此外，这条赛道有商业跟技术的 mismatch 问题。自动驾驶技术现在是在市郊、在大马路上表现好，但是纽约时代广场那样的市中心对技术来说太难了。而市中心恰恰是出租车生意最好的地方、需求最多、最难打到车的地方，所以这种情况就很尴尬。
本地物流 local delivery，无人车用来送蔬菜、外卖、包裹等。相比 robotaxi，这类对技术的完美程度要求会稍微低一点点。比如说，某一个路口太难，那么无人车可以在下个路口转弯，或者提前一个路口先转。换言之，在技术不完美情况下，在这个路口还不是百分之百确定能安全通过的情况下，无人车可以稍微绕道，然后过去。再加上前面提到的需求在市郊，技术也在市郊表现好，AutoX 希望实现技术和商业之间的平衡点。
无人驾驶大卡车，主要走高速公路承担物流作用。肖健雄告诉 DT 君，卡车重量重，惯性大，刹车距离远，因此要求识别的距离也特别远。
平均情况下确实高速公路长途大卡车面对的环境相对更简单，进行技术展示可以，但一旦要真实运营的话，就要求必须能处理最糟糕的情况，而这与乘用车没有区别，比如高速公路也可能有行人乱窜。此外，大卡车设计是松的，这样在转弯时可以稍微变形，缓解一些力量，而这对无人驾驶来说又是一个挑战，传感器装在不同位置，车身变形，会有校准的问题。
加州已经允许没有安全员的无人驾驶汽车，但到现在为止，都没有通过无人卡车在公共道路的测试。相比前面两个场景，无人驾驶卡车更难在近期商业化。
比较细分比较小的市场，比如港口、码头、矿山、耕田的无人驾驶。这不是主赛道，车也不在普通的马路上开，技术与其他三类有比较大区别。
而在 DT 君看来，未来将决定一家自动驾驶公司的并不是赛道，而是技术实力、获得的资本、和运营能力。随着时间推移，前三个场景的玩家不会止步于一个场景，就像 Waymo 目前提供无人驾驶出租车服务，未来很可能会新增软件授权和物流服务业务。
AutoX 推出同城运送服务的意义不只是实现了商业化落地，还能积累真实路况的运行数据，与仿真器一起，帮汽车实现自我进化。肖健雄告诉 DT 君，AutoX 计划到年底前投放的试运营自动驾驶汽车达到 20 辆。
资本方面，AutoX 背后有众多知名投资方：今日资本、丹华资本、上汽集团、联发科、真格基金、前海仁智等等。
根据麦肯锡报告，2016 年货物配送的成本（不包括拣货、分类）达到 700 亿欧元（约合 810 亿美元），并预计那之后的十年间，在成熟市场都能翻一番，而在印度等发展中市场的增速将更加惊人。而且，自动驾驶汽车到 2025 年将承担 85% 的最后一公里运送，也就是说这是一个千亿级的市场。
AutoX 目前专注于同城运送服务，首先落地的是三款L4 级别无人驾驶货车：
1.本次试运营推出的林肯 MKZ 改装的全速送货车
2.一款基于面包车型的拥有更大送货、售货体积的全速车，已经开始了初步尝试
3.一款自研的小型低速送货车，主要针对中国，目标场景是封闭和半封闭园区。AutoX 已经与美团、中通等大客户建立战略合作关系，开始测试落地场景。
AutoX 大约百人的团队主要在美国，占 90%，其余在中国的深圳和常州，深圳办公室负责商务合作与技术落地，常州办公室负责供应链管理。
“在中国业务中，我们是一个技术提供商，卖软件，或者也包括卖硬件。经常有时候就算纯卖软件，我们还是要提供很多硬件上的支持,” 肖健雄说。
