继创始人侯晓迪被罢免、全球大规模裁员和叫停多个业务后，全球自动驾驶第一股图森未来恢复了表面的平静。

近日，这家科技公司举行了第一届AI DAY，从冗余架构、感知预测和规划控制等方面介绍了自动驾驶卡车业务的最新进展。 只不过，和昔日上市时的巅峰相比，这场AI DAY和往日的诸多发布会相比，图森未来还是低调了很多。

有意思的是，几乎与图森未来的AI DAY同时，谷歌Waymo对外分享了最新愿景和发展路线，其中提到，公司将推迟自动驾驶卡车业务和相关技术的开发，从而聚焦于Robotaxi的发展。虽然官方用词是“推迟”而非“停止”，但何时重启自动驾驶卡车业务还是个未知数。

多种迹象表明，当下的自动驾驶卡车公司和创业团队们，正在集体遭遇细分赛道的“寒冬”。

而如图森未来，创始人侯晓迪在今年3月的公开信里直接挑明，自己离职的原因之一，是无法接受公司的业务重点从L4级自动驾驶转向L2级辅助驾驶，随着公司战略思路的调整，图森未来逐渐失去了自动驾驶卡车变革运输业的使命感。

AI DAY是一面镜子。

一方面，它折射出图森未来在经历一系列负面风波后，依旧希望讲好自动驾驶的“新故事”，面对公司新阶段的诸多不确定性。另一方面，又折射出昔日“自动驾驶第一股”的焦虑和被动调整，在自动驾驶卡车业务遇冷、新赛道缺乏业绩支撑的当下，公司依旧盘旋在业务和战略层面的迷雾山谷。

01

调整期的“新故事”

图森中国CTO王乃岩在AI DAY现场做了主题为《要做负责任的自动驾驶》的发言演讲，在他看来，L3和L4级别的自动驾驶，在功能性上未必比L2级别的辅助驾驶复杂，但是在可靠性上却有质的变化。

图森未来研发团队认为，传统的L2级的产品开发的方法论，其实并不适用于L3以上的高可靠系统，基于这样的观点，该公司设定了一套全冗余的架构。

这套架构包括了最底层的车辆开发，到最顶层、也是最难实现冗余设计的算法模块。

- 车辆冗余

图森未来的L4级新产品，配备了冗余的转向系统和制动系统，保证在单路失效的时候，车辆行驶依旧能在控制之下。

- 系统冗余

设定了两套完全独立的系统，分别是主系统和备系统。其中，主系统是L4级别的算力主力，它使用了高算力的计算平台，以及包括相机、雷达在内的全套传感器，可以实现完整的L4级别的驾驶功能以及降级功能。

与此同时，还有一套与主系统完全独立的备系统，低算力，只是用了相机这一有限的传感器，但是它可以实现在主系统失效后的降级功能。这两套系统都实现了完全独立的供电，减少了共同失效的可能，进一步提升了系统的可靠性。

- 传感器冗余

使用全波段的电磁波感知，标定了三种不同波段的电磁波，分别是毫米波、红外光和可见光，分别对应了自动驾驶中常见的三种传感器，也就是毫米波雷达、激光雷达和相机。

这三种传感器，除了感知的电磁波波段不同，它们的感知方式也有所不同，如毫米波雷达和激光雷达，优势是对周围的3D信息和几何信息能有较强的感知能力。

反之，相机是一个被动接收的传统传感器，无法进行主动感知，所以在三维感知能力方面相对比较弱。但是在分辨率等维度，由于相机相机是被动传感器，不需要主动发射电磁波，所以其能承载的信息密度是远远大于毫米波雷达和激光雷达的。

同时，由于电磁波波长的原因，毫米波雷达在面对恶劣天气的时候，鲁棒性（在异常和危险情况下的稳健性）是要比激光雷达和相机更强。

基于不同传感器的优劣，图森使用了一套全类型的传感器，实现高可靠和高冗余。

- 算法冗余

在王乃岩看来，算法冗余中最关键的一个点，是如何处理单点的算法失效问题。

如恶劣天气，严格意义上讲，他不能算作Corner Case，这其实在我们日常生活中已经非常常见了，再困难一点，还有路上的散落垃圾，高速路上降落的飞机（如美国等地）面对这些场景和通用障碍物，感知系统该如何保证输出相应的结果，使整个系统能够进行一个可靠的规划？

设计算法架构，最核心的一个思想和指导原则，不要去假设某个传感器是永远可靠的，任何传感器都有其失效的条件，也没有任何一个算法永远不会犯错。

基于这样的思路，图森把运营的算法分成了两大类，一类是数据驱动的算法，即data driven，其使用的原理是当下流行的大数据和大模型驱动，实现动态环境感知（车辆，行人和通用障碍物），以及静态环境感知（道路，标识和标线）。

另一个是principle based算法，能对问题和过程进行精确的建模，包括规划与控制模块，以及传感器融合模块。

02

自动驾驶卡车的独特挑战

在感知模块，图森未来大量使用了数据驱动的算法，对于构建一套可靠的感知架构来说是非常大的挑战，所以在感知模块方面，公司实现了多重冗余——

第一类是基于识别的物体感知，第二类是基于场景的障碍物感知，这两类算法的原理不同，假设不同，传感器和使用算法完全独立，能避免因为传感器或者天气条件导致的供应失效。

图森当前的产品，可实现在两套系统的任何一套传感器失效的时候，都不影响L4功能的正常运转，车辆依旧能安全的执行降级方案，从A点开到B点。

漏斗式的解决方案，逐层提高识别的准确率，最底层是激光雷达，几何形很强，初筛所有可能的通用障碍物；之上则是高精度地图和相机，去实现准确率的提升。

除了冗余层面的挑战，王乃岩认为无人驾驶卡车还面临着一个与生俱来的独特挑战——

远距离感知。

他在演讲时表示，乘用车一般长度在6米左右，完成一次变道需要 3-4秒的时间。

重型卡车和乘用车不一样，虽然最高时速只有100公里，但是因为重载货物，无法使用乘用车的减速度，直接结果，是刹停距离大幅提升，是小轿车刹停距离的几乎两倍。

半挂卡车，完整的变道时间7-8秒，这样算下来，完整的便道需要200米的距离，这也是高出普通乘用车的一倍，如若面临更加复杂的路况，不能立刻完成刹停与便道，卡车需要在高速路上安全完成行驶，需要的感知距离至少需要400-500米，甚至是更远的距离。

这样一来，感知层面挑战极大。

在图森AI DAY，该公司负责感知研发的高管也提到，当下自动驾驶领域主流的3D目标检测是BEV。

BEV的全称，是基于多视角摄像头的鸟瞰图感知（Bird's-eye-view Perception) ，基于BEV的物体可以通过自上而下的视图，完成轨迹预测和路线规划，且能避免图像视角下的尺度和遮挡等问题，成为自动驾驶领域提高检测性能、实现端到端自动驾驶的关键。

但如果直接将BEV引入卡车干线物流场景，则需要构建更长距离的 BEV空间，对应的，是消耗大量计算以及空间资源。

图森未来的解决方案是，基于物体多视角3D 检测框架，即将环视摄像头的感知内容输入后，先基于图像做2D检测，图像检测之后，在聚合摄像头的视角信息，最终得到3D检测结果。

通过感知层面的技术创新，图森未来的无人驾驶卡车在实际路测中，可以在超过120米的距离，提前完成避让和变道行为。

03

穿越迷雾，转型困难重重

文章开头也简单提及，侯晓迪之所以选择从图森辞职，一方面是对现任领导层战略决策的担忧，另一方面，则是他自己和其它高层对新业务方向产生了根本分歧。

分歧的核心，是管理层想把图森未来的战略重心，从昔日的L4级无人驾驶转移到L2辅助驾驶上。

这对于图森未来而言，是战略级的关键转型决策，不容有失。在这场沸沸扬扬的宫斗大戏暂时告一段落之后，图森方面也没有官方承认从L4级别移开，只是公开发布了支持L2级别辅助驾驶的域控制器。

从最新的AI DAY看出，图森未来暂时没有抛弃L4级自动驾驶的打算，特别是在千钧一发的当下，自动驾驶卡车依旧被管理层稳定在业务基本盘里。只是对于图森未来而言，面对未来，该公司会否继续在自动驾驶卡车领域持续加码，还是个未知数。

从谷歌Waymo来说，之前该公司曾有过大规模裁员，彼时波及最多的就是自动驾驶卡车部门。如今给自动驾驶卡车业务按下暂停键，其实也在情理之中，毕竟无论是资本风向，还是业务落地，自动驾驶卡车赛道都不再是昔日的香馍馍。

2021年4月，图森未来正式登陆美国纳斯达克挂牌上市，成为全球自动驾驶第一股，一时之间，风头无两。彼时，干线重卡得益于相对封闭且标准化的场景，一度被业界认为是距离L4级自动驾驶量产落地最近的地方。

不过，卡车要在高速等封闭场景畅通行驶，并没有想象中那么简单，深入细分赛道，反复实践，业界发现现实往往很骨感。

为什么这么说？

因为在降本、监管、控制以及去安全员等一系列挑战里，自动驾驶卡车和理想中的无人驾驶都有一定差距，这也是谷歌Waymo短期内计划专注于Robotaxi的原因。

王乃岩在图森AI DAY的演讲，做了一个预测，他说不管是乘用车还是卡车，从行业发展来看，L4级别的自动驾驶并不遥远，三五年内会有规模化的应用。

这个预测，会如期实现吗？