自动驾驶出租车落地挑战滴滴百度布局后还需突破哪些瓶颈

RoboTaxi的时代，真的来了。曾经只存在于科幻电影中的自动驾驶场景，正以前所未有的速度驶入现实生活。然而，从技术演示到大规模商业化落地，自动驾驶面前依然横亘着诸多挑战，其中最关键、最不容有失的，无疑是行车安全保障。

回顾今年，堪称自动驾驶商业化全面加速的一年。政策与市场双轮驱动，节奏紧凑：年初，十一部委联合发布《智能汽车创新发展战略》，将智能汽车提升至国家顶层设计高度；紧接着，自动驾驶分级标准在3月正式公示，为行业发展提供了清晰的法规标尺。

市场端的动作更是密集。4月，百度Apollo在开放平台三周年之际，将RoboTaxi服务全面接入百度地图及百度APP，成为国内首个通过国民级应用向公众开放的自动驾驶出租车服务。同月，高德地图与自动驾驶公司AutoX联手，在上海面向公众启动了RoboTaxi体验项目。

进入6月，高德再次加码，与文远知行合作，在广州正式开放了RoboTaxi运营。而就在不久前，滴滴出行也首次向上海公众开放了自动驾驶服务，用户通过滴滴App报名审核后，即可在指定测试路段免费呼叫体验。

从百度到高德，从文远知行、AutoX到滴滴，RoboTaxi这条赛道上已然巨头云集，各方势力都在加紧布局商业化落地。安信证券的一份研报指出，从覆盖城市来看，广州、长沙、上海等地已率先落地，北京、苏州等地也在积极筹备，国内RoboTaxi的发展已呈星火燎原之势。报告认为，2020年很可能成为自动驾驶规模化运营的元年。

自动驾驶技术：场景化AI数据成必争之地

热潮之下，更需要冷思考。自动驾驶汽车要真正替代人类司机，必须能应对现实世界中极端复杂的交通路况与环境。这背后，核心挑战之一在于如何让机器获得足以保障安全的“驾驶经验”与决策能力。

自动驾驶系统需要具备环境感知、路径规划、行为决策、车辆控制等一系列核心能力，而训练这些AI能力的“燃料”，正是海量、高质量的场景数据。数据标注的核心作用，就是教会机器如何“看懂”并理解世界。与其他AI应用相比，智能驾驶面临的场景复杂度是指数级增长的。想让算法足够“聪明”和“可靠”，就必须用覆盖各种极端、长尾场景的真实道路数据去持续喂养与训练它。

可以说，高质量的AI数据是智能驾驶研发的命脉。但行业的现实困境在于，获取大量且高质量数据的渠道非常有限。具体来说，三大痛点尤为突出：一是缺乏针对性的场景化道路数据；二是现有数据标注质量参差不齐；三是数据隐私与安全问题日益严峻。

▲图片来源：云测数据

为解决这些行业共性难题，一些头部AI数据服务商开始探索新的路径。以云测数据为例，其通过提供深度场景化的AI数据采集与标注解决方案，来满足智能驾驶领域日益苛刻的研发需求。

公开资料显示，云测数据创新推出了“数据场景实验室”模式。简单来说，就是通过精准还原智能驾驶的各类细分场景（如雨天夜间、复杂路口、施工路段等），进行定向数据采集和标注。这种方法的好处显而易见：一方面，在特定场景下获得的数据精度更高、质量更可控；另一方面，定制化的数据与研发需求匹配度也更高，能显著提升数据转化为算法生产力的效率，加速自动驾驶安全落地。