產業觀測－自動駕駛車的前路顛簸

聽起來像科幻小說情節，但自動駕駛車可能快來到我們家附近的街道了。美國加州政府去年同意Google母公司Alphabet擁有的Waymo，及通用（GM）汽車旗下的Cruise上百輛自動駕駛計程車在舊金山試營運，除了美國外，中國及韓國也各有自駕計程車在路上奔馳。

自動駕駛車是人工智慧（AI）一個重要應用領域，透過攝影機、雷達，以及光學雷達（簡稱光達，LiDar）所收集到的路況資訊，透過邊緣運算來選擇路線並駕駛汽車。攝影機模擬人類的視覺，透過影像計算距離；雷達是發射特定頻率的電波，藉由偵測到反射訊號確認與物品的距離，但無法精確辨識物體的尺寸及形狀。

光達則是透過發射多重紅外光脈衝來量測物體的距離與速度，透過光脈衝，光達系統可以產生車輛周圍高準度的位置圖。邊緣運算（Edge Computing）則是一種網路運算架構，運算過程盡可能靠近資料來源以減少延遲和頻寬使用。

■光達辨識率佳，但價格仍貴

Waymo及Cruise每輛自駕計程車成本高達20萬美元，車上搭載五套光達感測器，光達比雷達有更佳的辨識率，是解決自動駕駛這個複雜問題的重要武器，「攝影鏡頭拍攝的圖像需要透過運算才能生成所需數據、普通距離雷達更是只能捕獲特定角度內的最近障礙距離資訊，用這樣的組合應對多變的道路情況，總會存在意外情況，」Waymo前執行長John Krafcik曾說。在Waymo努力下，過去每套成本7.5萬美元的光達已大降9成至7,500美元以下。

但相較於每顆僅數十美元的攝影鏡頭，光達的成本仍是相當可觀。對此，特斯拉（Tesla）提出Tesla Vision純視覺方案的自駕構想，以八台攝影鏡頭代替人眼，搭配自行設計的FSD系統晶片（SoC）進行運算與決策，以晶片運算能力取代光達辨識能力。晶片中包含負責邏輯運算的CPU、圖形運算的GPU及可對影像進行深度學習計算的NPU（神經網路處理器）。

■特斯拉、豐田挺純視覺方案

若只有CPU與GPU，車子只能在一般正常狀態下行走，NPU讓車子學習在各種不同的意外狀況下的處理方式，並將過去的經驗傳達給CPU進行決策，所以NPU算是AI的加速晶片，專門用於路況深度學習。Tesla執行長馬斯克（Elon Musk）預言自駕車最終將放棄成本極高的光達，因為人眼還是最好用，相信神經網路能解決一切自駕問題，日商豐田（Toyota）也認同純視覺自駕技術方案，正對此加速研發。

自駕車技術的價值相當被看好，Google創辦人佩吉（Larry Page）曾說：「若這個生意成功，它的規模可能超越Google」。加拿大皇家銀行資本市場部門的分析報告認為特斯拉擁有的robotaxi自駕計程車價值約占特斯拉市值的70％。「我們相信，在我們的有生之年，robotaxi可能比任何其他東西都更能改變社會。它們可以挽救數百萬人的生命，節省數兆小時的時間」，該銀行分析師Narayan表示。

殘障族群最支持自駕計程車，因他們在搭乘有司機的計程車時備受嘲諷、歧視及催促，這在搭乘自駕計程車時絕對不會發生。但自駕技術也遭受各種質疑，反對者認為該技術尚未成熟致小事故頻傳、妨礙救災消防車輛通行、停頓在路中央造成交通阻塞、存在駭客入侵風險等，最大的反對聲浪是這將取代人類駕駛這個龐大的就業族群，造成嚴重的失業問題。

■自駕車安全性仍備受質疑

已投入數百億美元巨資研發自駕車技術的企業，正尋求更多應用領域來回收資金，Cruise樂觀規劃可於2025年在美國、日本及阿拉伯聯合大公國營運上路，估計當年可產生10億美元營收，2030年的收入將飆升至500億美元。惟預期自駕技術的推展仍會受到社會的嚴厲檢視而謹慎前進，如同舊金山消防隊長Nicholson所說，「我知道這是科技發展的方向，我也知道這是產業的未來趨勢，這沒關係，我能接受，但請不要這樣硬逼我們吞下下」，「就算是全世界最好的科技，若有人覺得不安或經驗不好，就會影響輿論，這是之所以自駕駕駛技術緩慢且謹慎發展的原因」，亞利桑那州立大學社會未來創新學院副院長Maynard說。