493
汽车智能化程度越来越高，自动驾驶近在眼前，但是有很多出租车司机，滴滴司机，货车驾驶员等是以驾驶技能为生的，以自动驾驶为主要发展方向的智能化会不会导致这些人员的大量失业？
我认为会的，自动驾驶汽车必然导致大批量司机从业者失业。
科技的发展一直是推动社会效率提升的原动力。
一、看趋势：机器人焊接 替换 人工焊接
还记得2010年左右，刚刚入职的我，有幸参与了汽车新建工厂的建设。对于焊装车间来讲，我们大规模的使用了机器人焊接，替代了人工焊接，整个车间有机器人300多台，形成了一分钟生产一台车的生产能力。其中车辆地板，侧围，车身骨架完全做到无人操作，只有5个维修技术人员看护。
理论上，这就是节省了300个人工的使用，无工资，只通电，无疲劳，效率高，质量稳定。这就是机器人的优势。
对于自动驾驶汽车来说，也可以理解为一种用于行驶的机器人。届时技术成熟，必然会大规模替代人工驾驶。现在自动驾驶江湖就看中、美，现在中美也有众多的企业在尝试运行自动驾驶出租车业务。
二、自动驾驶出租车公司
Uber
Uber成立于2009年，是全球最大的出行公司，其率先推出的打车服务App引领了人们出行的新浪潮。但Uber的自动驾驶业务开展并不顺利。2018年3月，Uber的一辆自动驾驶测试车在亚利桑那州进行路试时发生事故，导致一位行人死亡，之后Uber不得不宣布暂停无人驾驶汽车测试。事故发生的8个月后，Uber重整旗鼓，在匹兹堡的两家公司办公室间一条大约1.6公里的道路上，展开自动驾驶汽车测试。
百度武汉自动驾驶出租车
2022年8月，百度Apollo旗下自动驾驶出行服务平台“萝卜快跑”在武汉经开区启动全无人自动驾驶出行服务。一年来，百度Apollo“萝卜快跑”在武汉投入无人驾驶汽车的数量达300辆，运营面积、覆盖人口指数级增长，实现经开区全域、汉阳区、东西湖区、硚口区等江北核心区域的贯通运营，国内首次实现市区到机场之间的自动驾驶出行接驳服务。
三、自动驾驶取代人工驾驶的原动力：资本的逐利性
对于任何一家公司，都是要逐利的，光明正大的“搞钱”，这本来就无可厚非。随着技术的发展，自动驾驶成本必然会逐步下降；随着社会的发展，少子化的趋势，人工成本必然会逐步上升，那么两者相互交叉的“成本奇点”，必然会成为行业爆发的元年。
自动驾驶汽车上的一套设备到底要多少钱？
2012年谷歌曾经对外宣称，自己的无人驾驶汽车，成本高达30万美元。如果这样的成本，大规模普及几无可能。
在无人驾驶技术发展的这些年里，无论是传统主机厂还是科技公司，一直在努力平衡着成本与性能。虽然现在依旧没有一个统一的解决方案，但是基本形成了多源感知+AI大模型决策+线控执行的大体路径。并且，沿着这条路径，在各方力量的努力下，无人驾驶汽车的成本正在迅速降低。
“感知+决策+执行”硬件成本讨论
城市自动驾驶，安全是第一位的。虽然有特斯拉的纯视觉方案在示范，但是包含激光雷达在内的多源感知系统显然更加安全可靠。自动驾驶出租车公司无法承受安全重大事故的风险。大概率会选用激光雷达。今年上海车展上，镭神智能3999元一台1550nm的激光雷达给行业带来了一定的震撼。这样的激光雷达，L3级别平均一台车大概要安装2台。L4-5级别更高，现在还没有成熟方案，但是堆叠硬件一定是一种选择，大概5-6台左右。预估：一共20000元。
其他成本构成：下面只是一种假设，方案不同数量不同，价格也只是预估（不喜勿喷）
以上全部合计：33300元，而感知传感器大概占了总成本的80%。
当然，规模效应，自驾出租车公司议价能力更强，技术发展本身成本降低的因素考虑，再次降低20%，那么就是：26640元。
对比下来，区区2-3万多元的初期投入，都不如人工半年的工资，如果可持续稳定运营多年，其成本的剪刀差会进一步拉大，那么逐利的资本会全方面投入和推动行业爆发。这个很大程度上还是取决于感知硬件传感器的将本能力。
四、自动驾驶取代人工驾驶的 降临时刻：大模型成熟度
刚刚讨论了，自动驾驶中，感知硬件决定了自动驾驶的“成本奇点”。那么什么时候（时间T）自动驾驶能够取代人工驾驶呢？也就是技术上，真的能够大规模使用了呢。在这个感知-决策-执行的模型中，决定智能驾驶到来的是决策算法。这就是自动驾驶到来的：技术奇点。
技术奇点：算法大模型的成熟度
从最初的卷积神经网络（CNN算法）到后期循环神经网络（RNN）和生成式对抗网络（GAN算法），再到国内近期大火的Transformer+鸟瞰（BEV）算法，再到特斯拉最新应用的占用网络。无不使用大模型来进行编程和运算，端到端训练。而这种训练最大的问题就是“算法的效率”和“训练数据”的投入。
在我看来，现在算法效率问题，基本遵循“摩尔定律”的发展规律，会极大化发展。
另外，自动驾驶存在“泛化问题”，也就是如何处理那些小概率事件，这就需要更大量的数据的训练。可训练的数据越多，算法的成熟度越高，越好用。刚刚提到的百度的武汉无人驾驶出行，就是为了收集道路数据，进行训练的尝试。另外，特斯拉有“影子模式”，也就是车主在自己驾驶特斯拉汽车的时候，自动驾驶算法会在后台模拟，如果发现模拟的结果和司机的操作不同的时候，会触发数据上传机制，进行分析，训练自动驾驶算法。
今年，6月21日，工业和信息化部副部长辛国斌在新闻发布会上表示，将开展智能网联汽车准入和上路通行试点工作，以支持条件成熟的自动驾驶技术，即L3级自动驾驶技术，未来该技术可以应用到商业化之中。对于消费者而言，L3级自动驾驶技术也将走进千家万户，改善人们日常生活。
随着L3的普及，驾驶数据的大范围收集，会极大促进算法的发展，也许未来十年内，完全自动驾驶行驶的汽车即将出现。
五、更遥远的未来
写到这里，不禁想畅想一下未来。刚刚提到的机器人替代生产线操作工人，自动驾驶汽车替代出租车司机。他们都有一个共同的特点：简单，重复的体力劳动。
现在AI技术的发展，CHAT-GPT 4已经可以很好的与人类进行自然语义沟通了，那么未来的发展方向之一，必然是一部分人类的重复性的脑力劳动被替代。
比如：保险理赔、贷款受理、记者、记账员和财务分析、程序员，问卷调查等等。
但是，一切技术的突破都是为我们“人”本身服务的，大可不必紧张。
在人工智能和自动化浪潮中，我们一定会去探索、深挖 “人之所以为人” 的特质和能力，由此在不确定的时代，走出迷茫困境，成为更有“人性”的人。
内容由作者提供，不代表易车立场
