自動運転車の分野での課題は何ですか?

テスラが2015年に量産を開始して以来、わずか5、6年で自動運転（インテリジェントアシスト運転とも呼ばれる）は自動車の重要な機能になりました。現在の市場状況では、伝統的なブランドであれ、新車メーカーであれ、価格が10万人民元を超える自動車は、十分に豊富なインテリジェントな運転支援機能を備えていなければ、競争上の優位性はまったくありません。

[[402687]]
ナンバープレートの「MFG」は、カリフォルニア州政府が自動車メーカーに発行したナンバープレートであることを意味します。画像出典: INSIDEEVs 公式サイト

今年5月、第三者金融分析機関である東武証券研究院は、インテリジェントアシスト運転に関する研究報告書を発表し、中国の現在の新エネルギー車市場における各種インテリジェントアシスト運転機能の実際の割合を統計的に分析した。

本レポートでは、伝統的な自主ブランド、合弁ブランド、新車製造ブランドなど、現在市場で高い注目を集めているモデルを含む、価格が10万元を超える人気の新エネルギー車モデル29台を選定しました。

2020年第1四半期から2021年4月までの主流の新エネルギー車モデルとオプションのインテリジェントアシスト運転機能の割合

このレポートの複数のデータセットのうち、2 つのデータセットが貴重です。

• まず、新車メーカーはインテリジェント運転構成の面で従来の自動車ブランドを大きく上回っており、多くの構成の割合が 100% に近づいています。
• 第二に、インテリジェント自動運転機能を搭載したモデルの販売シェアが、わずか1年で65％未満から85％へと急速に増加しました。

これら 2 つのデータは、インテリジェント アシスト運転機能が自動車メーカーと市場に認知されていることをある程度証明できます。

通常、自動運転が認知され、その技術路線が正常に反復されれば、市場からも認知されるようになるでしょう。しかし、今回のレポートでは、L3自動運転を搭載した新車メーカーと、L2アシスト運転を搭載した従来型自動車会社の割合は大きく増加しておらず、むしろ減少しています。

このデータと市場の熱狂が対照的なのはなぜでしょうか？「財新」記者は、自動運転の複数の技術ルート間の競争、コンピューティング能力の分野での軍拡競争、権威ある評価基準の欠如が、自動運転の正常な反復的発展に影響を与える中核的な要因であると結論付けました。

01. 微妙なL2とL3

自動運転におけるL2とL3とはどういう意味ですか？ 運転支援と自動運転をどのように区別するのでしょうか？ この問題に関しては、現在の標準はSAE国際自動車技術会が規定するグレーディング標準です。

米国自動車技術協会（SAE）は今年4月にSAE自動運転分類基準を調整しました。グラフの青い部分は支援運転、緑の部分は自動運転を表しています。

最も重要な調整は、L3 に表示される青い部分です。これは、システムが要求したときにドライバーが車両を操作しなければならないことを意味します。これは確かに、L3 自動運転機能を備えていると主張されているモデルに反映されています。

例えば、小鵬P7のNGP機能は、高精度の地図が敷かれた高速道路ではハンズフリーの自動運転を実現できるが、システムは15秒ごとに運転者にハンドルを軽く振るよう促す。運転者がこのリマインダーを3回無視すると、システムは強制的にレベル2のアシスト運転にダウングレードし、次に車両を始動するまでレベル3の自動運転に復帰できなくなる。

ドライバーが高精度地図のカバーエリアから出ようとすると、システムは頻繁にドライバーに運転を引き継ぐよう促します。

しかし、SAE の自動運転分類基準については業界内で論争が起きています。この基準が厳格でないわけではなく、消費者にとって理解するのが難しいのです。

上級自動車専門家の丁華傑博士は財新の記者に対し、市場にはSAEの格付け基準の抜け穴を利用して、自社を高水準の自動運転車と称し、消費者を誤解させているメーカーが確かに多く存在すると語った。

現在、業界では、L3 自動運転を真に実現できる技術は市場に存在せず、せいぜい L3 自動運転機能は、厳密に制限された特殊なシナリオ環境でのみ実現できるというのがコンセンサスです。

しかし、自動運転技術は現在、L2からL3への飛躍の重要な時期にあり、多くの企業が2023年から2025年の間にL3の商用化の閾値を突破すると主張しています。しかし、自動運転には現在複数の技術的ルートがあり、技術的な観点からどれが優れているかを見分けることが難しいため、近年の自動運転分野では派閥争いが主なテーマとなっている。

02. 各派閥は何をめぐって争っているのでしょうか?

近年、自動運転に向けたさまざまな技術的ルートの賛否をめぐる論争は絶えません。議論されている主な話題は 2 つあります。1 つは LIDAR と視覚認識の間の議論、もう 1 つはアルゴリズムの優先順位と計算能力の優先順位の間の議論です。

偶然にも、両方の討論会において、1 つの企業が「全世界」と対立していました。

2021年は自動運転用LIDAR元年です。主流の新車メーカーはすべて、自社のスマート電気自動車に LiDAR ソリューションを採用しています。上図は、LIDAR搭載予定を発表している車種と、それに対応するLIDARのブランドと数量をまとめたものです。アウディ、BMW、日産、トヨタなどの従来の自動車メーカーもLIDARを採用すると発表しているが、具体的なスケジュールはまだ発表していない。

LiDARの導入に注力している多くの自動車会社とは対照的に、テスラのCEOであるマスク氏は、LiDARは愚かな選択であると何度も公に述べています。

カリフォルニア大学バークレー校の機械工学博士であるタン・チェン氏は財新の記者に対し、ライダーが先進的であるかどうかについては学術界では基本的に論争はないと語った。学術分野では、新しいソリューションがより多くの正確なデータを提供できる場合、それはより優れたソリューションであるという原則があります。

視覚認識ソリューションと比較して、LIDAR はより強力な認識機能を提供します。学術研究の分野では、誰もが LIDAR 融合ソリューションにゴーサインを出しています。さらに、現段階では、多くの高精度地図の測量とマッピングも LiDAR によって完了しているため、高精度地図に依存する自動運転ソリューションには LiDAR を選択するのがさらに理にかなっています。

テスラは世界の主流自動車会社の中で、唯一の純視覚派の代表である。なぜテスラはトレンドに逆らうのか？「財経」記者は、業界の学者や実務家へのインタビューに基づいて、3つの理由をまとめた。

最も妥当な理由は、テスラは人間が周囲の環境を判断するために両眼に頼っていると考えているため、人間と同様の運転行動を実現するには視覚にも頼る必要があるということだ。レーダーは究極的には機械的なソリューションであり、機械的な感覚を生み出しやすい。

実用的な理由は、視覚認識がテスラの快適ゾーンであることです。テスラは視覚的なソリューションを最初に採用し、量産モデルに自動運転機能を迅速に導入しました。これによりテスラは膨大な量のデータを獲得し、アルゴリズムの改善でも競合他社を大きく上回り、この目的のために特別なチップを開発しました。テスラはデータ、アルゴリズム、チップで多層の堀を形成しており、視野内ではこれらの堀が守られているため、基本的に誰もテスラの優位な地位を揺るがすことはできない。

おそらく真実に近い理由は、テスラが当初 LiDAR を選択しなかったのは、単に当時の LiDAR が高価で不安定だったからである。

丁華傑氏は、2015年当時、レーザーレーダーの価格は80万元で、寿命はわずか3か月だったと振り返り、このようなコストと技術水準では大量生産や設置の基準を満たすことは決してできないと語った。したがって、テスラが最初に自動運転機能を開発したとき、当然ながら最初に LiDAR ソリューションを放棄しました。

なぜ3番目の理由が真実である可能性が高いのでしょうか? 5月20日、米国メディアINSIDEEVsは、カリフォルニアの路上で、ライダーテスト装置を搭載したテスラモデルYのテスト車両を誰かが撮影したというメッセージを公開しました。車両には自動車メーカーの特別なナンバープレートが付いていました。

[[402688]]

これは、テスラがLIDAR技術の道を検討し始めたことを意味します。

さらに、テスラのテストカーにLIDARが搭載されているのが発見されたのは今回が初めてではない。実際、2016年、2017年、2019年、2020年には、LIDARを搭載したテスラのテストカーの写真が撮影されている。しかし、当時はテストベンチにライダーと他のセンサーが同時に登場しており、テスラの関係者も当時、テストセンサーのデータを検証するためにライダーが使用されたと述べていました。今回は違います。テストベンチには LIDAR のみが表示されます。

もうひとつの違いは、テスラがこれまでのテストで設置したライダーは当時すべて量産モデルだったのに対し、INSIDEEVが相談したライダー専門家によると、今回設置されたライダーは、研究開発とテストに特化して使用されるライダーメーカーLuminarのHydraモデルだということだ。

ライダーのテスト写真が公開された後、テスラの北米公式サイトはモデル3とモデルYの自動運転機能の説明を更新した。長距離ミリ波レーダーの説明は消え、代わりに250メートルの超視覚認識能力が追加された。ミリ波レーダーの放棄は、純粋なビジョンソリューションへの完全な移行と解釈でき、また、ライダーがミリ波レーダーに取って代わり、テスラのビジョンソリューションの補足となる可能性もあると理解できます。

実際、テスラが視覚ルートを放棄してライダーに転向したとしても、それは合理的です。丁華傑氏は、昔はレーザーレーダーは1台あたり80万元もかかり、耐用年数も短かったが、今では最も安いものでも2～3千元程度で済むと考えている。コストは低く、認識は強くなります。

ビジョンとレーザーの論争は、実はそれほど大きな範囲ではありません。テスラがビジョンの分野で多層的な防御壁を築き、売り上げでもリードしているからこそ、論争になっているのです。ほとんどの自動車会社の現在の選択から判断すると、LiDAR は将来的に主流の地位を占めることになりますが、現在の技術的ソリューションは十分に成熟していないため、主流の自動車会社はより成熟したソリューションが登場するのを待っています。

すでに明確な答えが出ている視覚とレーザーの議論とは異なり、自動運転にとってアルゴリズムと計算能力のどちらがより重要であるかについては、まだ明確な答えがありません。

アルゴリズムと計算能力をめぐる議論では、Mobileye と「全世界」の対立が起こっています。モービルアイは自動運転の商用化の元祖ともいえる存在です。2015年にテスラはモービルアイのEyeQ3チップを搭載し、自動運転システムをサポートしました。

Mobileye はアルゴリズムを優先していますが、自動運転の研究開発企業の大多数はコンピューティング能力を優先しています。両者の違いはどれくらい大きいのでしょうか?

Mobileyeの最新チップはEyeQ5で、その計算能力はわずか24TOPS（TOPS：計算能力単位、1秒あたり1兆回）だが、このチップを使用することでL4レベルの完全自動運転を実現できる。

これに対応するのが、コンピューティングパワーを優先した、最も一般的に使用されている自動運転チップであるNVIDIAです。レベル4の自動運転向けに設計されたNvidiaのOrinチップは、シングルチップで最大254TOPSの演算能力を持ち、一方、先月リリースされた同社の最新チップであるAtlanは、シングルチップでなんと1,000TOPSの演算能力を持つ。

L4レベルの自動運転の問題を解決するには、NvidiaはMobileyeの11～50倍の計算能力を必要とします。アルゴリズムの方が強力か、それとも計算能力の方が強力か？丁華傑氏は、多くの自動車メーカーのCTOがよく同じ質問をするとコメントした。

丁華傑氏は、実はそこには誤解があると考えている。Mobileyeが小さな計算力で大きな問題を解決できるのは、ハードウェアとソフトウェアが統合された設計であり、アルゴリズムが閉じられており、ユーザーがそれに基づいて変更することができないため、コードが非常に簡潔で効率的になるからだ。 NVIDIA を代表とするコンピューティング パワー グループは、さまざまな自動車メーカーにアルゴリズムの研究開発を開放しているため、大きく異なるコードに対応するには、より強力なコンピューティング パワーが必要です。

例えば、Mobileye が自動運転のテストを受ける前に、テストの範囲をあらかじめ定義していたため、当然ながら少ないエネルギーで問題を解決できましたが、その範囲を超えることはできませんでした。範囲を超えたら、それ以上は実行しませんでした。もちろん、Mobileye は今後も新しいテスト範囲を定義し、テスト結果を継続的に改善していきます。計算力派に関しては、範囲の定義はなく、テスト問題がいかに複雑であっても、すべて自動車メーカー自身が開発したアルゴリズムによって膨大な数の乗算演算に分解され、計算力によって解かれます。

現時点では、アルゴリズム派とコンピューティングパワー派のどちらが勝者かを短期的に判断するのは困難です。大手自動車メーカーは、開発コストが低く、車両の生産量が多く、アルゴリズムをトレーニングして効率化できるデータが大量にあるため、アルゴリズム派に傾倒しています。たとえば、トヨタは5月に、次世代の自動運転ソリューションにMobileyeとZFが共同開発した技術を採用すると発表したばかりだ。

これに対し、独自の自動運転を開発する自動車メーカーは、間違いなくNVIDIAに代表されるコンピューティングパワーを選択するだろうが、これはコンピューティングパワーの軍拡競争という別の深刻な問題も引き起こす。

03. コンピューティングパワーの軍拡競争の背後にある真実

今年1月、NIOの創業者李斌氏は公開イベントで「馬力だけでなくコンピューティングパワーでも競争しなければならない」と発言し、スマート電気自動車の分野で無制限のコンピューティングパワーをめぐる軍拡競争が始まった。

今年、上汽知基の記者会見では、NVIDIA Orinチップとの互換性についての声明が追加されました。量産車にプリインストールされたチップの計算能力はわずか30TOPSですが、記者会見では特に、計算能力500TOPSの自動運転プラットフォームとの互換性を強調しました。その後、WM Motorは新車発表会で、クラウドベースの自動運転プラットフォームの計算能力を100万TOPSと誇張した数字で提案した。

丁華傑氏は、現在のコンピューティング能力をめぐる軍拡競争は、主にマーケティングと広告を目的としていると考えています。同氏は、NIOはET7向けに最大1016TOPSの計算能力を備えたNAD自動運転システムを実際に準備しており、これはNIOの現行モデルの計算能力がわずか2.5TOPSのチップよりも400倍以上高いものだと述べた。しかし、コンピューティング能力の急増の裏で、4 つの Nvidia Orin チップはどのように連携し、どのように使用すべきなのでしょうか? NIO チームは詳細な計画を公表しませんでした。

さらに悪いことに、一部の自動車会社は現在、自動運転アルゴリズムチームすら持っていないにもかかわらず、高性能の計算能力を持つチップを使用しようとしている。

どのくらいの計算能力があれば十分でしょうか? 3 台のフロントビュー カメラ + 5 台のミッドビュー カメラ + 4 台のサラウンド ビュー カメラ + LiDAR およびミリ波レーダーのソリューションを例にとると、Ding Huajie は、このようなトップレベルの自動運転システムでは、すべてのデータ処理を完了するために 60+TOPS の計算能力が必要である一方、100TOPS の計算能力を持つチップがあれば、車両全体のすべてのデータ処理ニーズを満たすのに十分であると計算しました。

しかし、これは高いコンピューティング能力が全く価値がないということを意味するものではありません。例えば、テスラやファーウェイが採用しているシャドウモードは、コンピューティング能力を適用する非常に価値のある方法です。

シャドウ モードでは、2 セットの自動運転ソフトウェアを同時に実行できます。また、車を手動で運転しているときでも、バックグラウンドで常に 1 セットの自動運転ソフトウェアが実行されます。2 つのソフトウェアの決定が異なる場合、またはソフトウェアの決定が手動の決定と異なる場合、システムはアルゴリズムのアップグレードと最適化に使用するためにすべてのデータを記録します。

しかし、既存の自動車会社の中でシャドーモードを開発できるのはほんの一握りで、高いコンピューティングパワーのほとんどは使われていない。ほとんどの自動車会社は、将来の自動運転のアップグレードのために十分な余裕を残しておくという口実を使って、自社のコンピューティングパワーの軍拡競争の口実を探している。

なぜこれほど多くの人がコンピューティングパワーの軍拡競争に突入しているのでしょうか。実は、問題の核心は、自動運転を判断するための権威ある基準が現在存在しないことにあります。自動車メーカーは、製品の知能レベルを示すために、消費者にとってシンプルでわかりやすい指標であるコンピューティングパワーの数値に頼るしかありません。

この写真は、Navigant Research Autonomous Leadership から引用したものです。Tesla の自動運転は良くないと言う人がいるたびに、この写真が表示されます。このチャートでは、テスラの自動運転は最下位にランクされています。

自動運転を研究する際には、100キロメートルあたりの手動引き継ぎ回数というもう一つの重要な指標があります。しかし、このデータにも大きな欠陥があり、簡単に誇張されてしまう可能性があります。同じ1万キロのテストで、1台の車は複雑な市街地の道路を走行し、もう1台はほとんど車が走っていない高速道路を走行していました。どうしてこの2台の車の乗っ取り回数が比較できるのでしょうか?

丁華傑氏は、自動運転の評価基準の現状について、「現在、国際的にも国内的にも権威ある基準はない」と考えている。最終的には必ず統一基準ができると同氏は考えているが、それは勝者総取りの状況でもある。大量生産に投入し、真に大規模な産業化を実現できる企業が、誰もが従う基準を持つことになるだろう。

04. これからの道のりは長く困難だ

2004年、DRAPA（国防高等研究計画局）が初の100万ドル規模の自動運転チャレンジを開催し、これが自動運転の始まりとなりました。当時最高の成績を収めたカーネギーメロン大学のチームは、砂漠で自動運転車をわずか10キロメートルしか走行できなかった。

17年経った今、自動運転技術は一般の人でも利用できるようになりました。

財新記者がインタビューした業界関係者の多くは、現在の急速な発展期を経て、自動運転はロングテール問題を解決する重要な段階に入るだろうと語った。この重要な時期に、いくつかのスター企業がラストマイルで失敗する可能性が非常に高いです。

例えば、グーグルの主力自動運転企業であるウェイモは、今年上半期に親会社アルファベット以外から初の資金調達を完了し、3月と5月の2回連続の資金調達ラウンドで総額30億ドル以上を調達した。朗報のようにも思えるが、今回の資金調達で与えられた評価額が、これまでの高評価額1,750億ドルに比べて400億ドル未満であることを考えると、資本市場はウェイモに代表される最先端の自動運転技術に関して熱狂から理性へと戻っている。

自動運転の商業化は依然として2つの大きな問題に直面している。個人消費の分野ではロングテール問題の解決に長い時間がかかり、ロボタクシー（自動運転タクシー）や商用物流車両の分野では自動運転の商業的見通しが不明確である。

自動運転全体の背後には、究極の疑問が隠されています。人間の運転に似た自動運転は実現できるのでしょうか? 認識、融合、位置決め、計画、制御のすべての側面が組み合わされ、一連のシステムで解決されます。Waymo は以前にもこれを試みましたが失敗しました。それ以来、人間のような自動運転はため息の壁となり、突破しようとするすべての開発者を阻んでいます。

自動運転の急速な発展と、未だ解決されていない究極の問題により、楽観と不安が絡み合う状況が生まれています。道のりは長く困難であり、私たちは野蛮な時代から抜け出したばかりです。