今年3月，Starsky Robotics的首席执行官兼创始人斯特凡•塞尔茨-埃克斯马赫(Stefan Seltz-Axmacher)宣布终止他们的货运公司，该公司将自动驾驶软件和远程监控技术相结合，用于移动大型钻机。2015年，我曾就他们的计划向Seltz-Axmacher提供建议，但后来失去了联系。最近，他发表了一篇详细的文章，概述了该公司失败的原因，这引起了一些轰动，因为其中的一个断言实际上是，问题太难了，其他的也会失败。其他人反驳了这一说法，认为Starsky的失败是因为公司本身的失败，而不是行业的失败。
让我们来看看这篇文章中的一些论点:
监督式机器学习不能胜任自动驾驶任务，而且离这个目标还很遥远。
虽然在卡车运输领域，机器人卡车应该是唾手可得的，但这个行业太过守旧，还没有做好准备。
风投不喜欢投资那些必须包含传统的、低利润率的、资本密集的业务，比如拥有和运营货运服务。
每个人都在谈论安全是多么的重要，但它并没有，数据是蓝冠注册AI （尤其是机器学习）的核心组成部分，因此在优化AI模型的同时蓝冠代理要考虑许多因素，同时要在准确性和处理现实世界中通用输入的能力之间取得平衡。也没有吸引人们的注意力和投资。
实际上，我将从我上周与Seltz-Axmacher讨论时深入探讨的第二点开始。Starsky选择了卡车运输业，因为这是一个管理糟糕的行业，有很多机会可以做得更好。司机严重短缺。司机有时也不可靠——正如一位顾客告诉他的那样，机器人不太可能在仓库里与人打架，也不太可能决定在拉斯维加斯停车，在脱衣舞俱乐部呆上几天。这种情况在卡车运输中并不经常发生，但这种情况发生得足够多，所以从未发生过这种情况是一个很大的优势。Starsky计划只在最容易的高速公路上行驶他们的卡车，在干净、畅通、不拥挤的高速公路上行驶中短途。如果交通或天气出现问题，卡车就会靠边停车——因为人类司机通常也会停好几个小时。
这也意味着，完全自动驾驶加上偶尔的远程协助可以在这些容易的道路上工作。他们的卡车永远不会自己换车道。他们不介意跟在其他卡车后面慢慢开。他们什么都不在乎。他们觉得，他们选择了最容易解决的驾驶问题，当然，除了以高速行驶40吨重的车辆以及由此带来的风险之外。
目前的机队运营商并不是早期的采用者。要说服他们做如此激进的事情确实很难，即使是在寻找好司机或任何司机的问题上。Starsky最初的计划都是远程操作，只选择数据良好的道路。2015年，我告诉他们，找到这样的道路将是一个挑战。在今天，这是更有可能的，而且像Starlink DTLK这样的服务的部署可能很快就会使它变得更容易。
如果现有的运营商不是早期的采用者，Starsky报告说，投资者害怕为了成为一个机器人卡车公司而不得不成为一个货运公司。他们可能是对的——世界其他地方的人对风险投资习惯很陌生。他们希望投资十几家有潜力成为“本垒打”的有趣的初创公司，并希望其他11家为之疯狂尝试，但最后都失败了。传统企业通常不符合这种模式。
因此，在这个案例中，Seltz-Axmacher的观点是正确的，即卡车运输可能很难被接受——尽管它并没有阻止许多其它卡车运输选择获得大笔投资。
人工智能是不是太难了?
你需要阅读这篇文章的全部细节，但它触及了2020年的一个大问题——自动驾驶人工智能比人们最初想象的要难多少?特别是，人们对深度神经网络的能力有很多热情，其中一些肯定是炒作。
几乎每个car团队都为这些机器学习方法做了大量的训练数据构建工作。这意味着要收集真实世界的数据(图像和激光雷达云)，并让人类给它们贴上标签来训练人工智能。以几年前的标准来衡量，这项技术已经取得了惊人的成果。问题是，它是否足够好来提供自我驾驶的质量水平，它何时会出现，它会出现吗?
Seltz-Axmacher正确地指出，很容易获得一些早期的令人印象深刻的结果，这让人们认为成功就在眼前。有几家公司甚至尝试构建带有“完全端到端”神经网络的自动驾驶系统，这是一个你将摄像头像素插入其中，并从(方向盘和踏板)获得驾驶指令的黑匣子。
他是对的，纯粹的监督机器学习目前是不够的，在未来可能还有一段距离。特斯拉公司(Tesla TSLA)肯定不会这么做，但大多数公司都在尝试开发一种混合动力车，使用其他算法，同时要求机器学习做自己最擅长的事情。他们仍然相信这个策略会成功。一般来说，他们对那些希望使用端到端方法的人不屑一顾，原因正如Seltz-Axmacher所描述的那样。在2019年和2020年，已经有几家公司退出，尤其是那些不急于看到汽车行业崩溃的公司。我相信，那些试图破坏的人总是认为问题很难解决，但他们不认为自己的努力是徒劳的。
这包括自动驾驶卡车世界。许多公司被吸引来从事卡车运输，因为高速公路驾驶很简单，即使卡车又快又重。我的意思是和城市街道相比真的很简单。商业价值也很明显。如果有什么不同的话，那就是它的商业价值太过清晰，而且当事故发生时(即使是在一个较低的比率下)，人们受到伤害只是为了提高运输效率，而不是为了改变运输的一般运作方式，可能会产生反作用。
风投不会投资这种类型的生意
这种说法也是正确的，尽管不完全正确。有一些具有前瞻性思维的风投和战略投资者，他们可能被出售给资本和基础设施密集程度更高的业务。诚然，如果可以选择，他们宁愿投资一家只写软件、不买车的优步(Uber)。回报要大得多。但即便是优步(Uber)也可以通过出售一个故事来获得投资:转而拥有大批机器人出租车，取代它们的司机。
可能仅仅是由于经济放缓和市场恐慌的到来，Starsky的计划和公司没有通过审核，而不是其背后的理念。当然，其他几家公司也进行了融资，获得了不错的估值，不过估值可能不如几年前那么高。还有一个非常大的奖要赢。
安全第七
Seltz-Axmacher谈到了一个真实的问题，他想知道人们到底有多关心安全。毕竟，每家公司在你看到的每一个演示中都说，“我们都是为了安全”和“安全是我们的第一要务”。现在，你不得不说，每个人都对安全很感兴趣，因为如果你不能获得安全，你就不能把你的产品投放到市场上。所以从这个意义上说，这是最重要的。但在现实中，几乎在所有行业中，安全绝对是排在功能和价格之后的第三位。我们可以讲述100个产品的故事，如果它们花费更多的钱，或者功能更少，它们可能会更安全。毕竟，速度只有10英里每小时的自动驾驶汽车很容易快速安全生产，但没有人会想要它们。
事实上，当购车者被问及他们在选择下一辆车时考虑了哪些因素时，蓝冠怎么样？网络经过几代人的发展，每一代都产生了新的规范，技术和解决方案。此外，蓝冠测速已经成为新应用程序的基础连接平台，包括物联网设备，机器人技术，虚拟和增强现实以及移动游戏。他们总是把“安全”列为第一选择。对影响他们选择的因素的研究表明，他们更像是排在第七位。否则，除了沃尔沃(Volvo)和梅塞德斯(Mercedes)等高度注重安全的品牌外，没有人会从其他品牌购买汽车。在历史上的不同时期，这些品牌在这一领域都享有极高的声誉。他们没有。
但Seltz-Axmacher指出了更重要的一点——公众、媒体和投资者不会对安全感到兴奋，因为它本质上是无聊的。它是。理想的自动驾驶汽车演示之旅就像洗碗水一样乏味。很难证明安全性。
在这个领域的早期，当我建议一个潜在的无人驾驶X大奖(X Prize)紧随美国国防部高级研究计划局(DARPA)的挑战之后推出时，我建议举办一场“人与机器安全竞赛”(man vs. machine safety contest)。车辆行驶的路线会很复杂，而假障碍物、充气行人和小型机器人平台上的汽车也会造成问题。无论是技术娴熟的赛车手还是机器人赛车，都会在谁能避免撞到任何东西的问题上展开竞争。它可能很受欢迎——不是在完美的时候，而是在事情受到打击的时候——但一旦机器人变得完美，而著名的赛车手却不是，它实际上会在公众中树立信心。但从来没有人做过这样的事情，也没有人做过这样的演示，因为没人想要汽车撞气球的视频，而事实证明，仅仅是驾驶本身就已经足够复杂，处理假情况从来都不是优先事项。现在的团队都是在模拟器中，有时也会在测试轨道上这样做，但从来都不是激动人心的演示。(Waymo展示了一段视频，视频中他们的车对员工让移动的箱子掉在路上做出反应。)
每个人都注定吗?
我没有参加拒绝为Starsky提供更多资金的风险投资会议。今天的风投环境已经变冷了，很多公司都被拒绝了。他们可能有其他的缺陷，但他们不想深入研究。我怀疑很多公司将继续获得融资，尽管一些公司会因为最初获得的无法维持的高估值而受到伤害。
也许制造一辆robocar或robotruck并不是小公司的游戏。这对Zoox、Cruise和Aurora这样的大公司来说已经够难的了。从99%到99.9999%需要做大量艰苦的细节工作，这是您需要做的。它的难度不是1%而是10000倍，并不是每个人都意识到这一点。你越接近伟大的安全，它就越难，因为每个问题都变得越来越难找到，每个变化都可能导致对很久以前的固定的东西的回归。至少在未来几年内，这可能仍是大公司的事情。(看起来，第一次花了数十亿美元才完成的事情，最终在宿舍里就能完成了。)
有些公司会倒闭。他们不可能都活下来。事实上，蓝冠怎么样？视频游戏爱好者之间的友好网络游戏最初已经发展成为大生意。随着职业选手的出现，更好的蓝冠软硬件和连接性的发展以及正式赛事的转播，电子竞技作为正式实体的认可始于2000年代后期。大多数球队都不可能生存下来。这在如此大胆的事情中是意料之中的。巨大的估值需要巨大的结果，只有少数公司能够实现。