賀乾明

2014 年底，Uber 董事會(huì)召開(kāi)，重要議題需要討論：優(yōu)步與滴滴的大戰(zhàn)剛剛開(kāi)始，每月超過(guò)5億元的補(bǔ)貼投向中國(guó)，許多股東對(duì)此感到懷疑。

會(huì)剛開(kāi)始，代表大投資方Google的董事大衛(wèi)·德拉蒙德（David Drummond）要求回避，他直截了當(dāng)：Google將以無(wú)人駕駛汽車進(jìn)入網(wǎng)約車市場(chǎng)。競(jìng)爭(zhēng)很快會(huì)變成現(xiàn)實(shí)，他已經(jīng)不適合再參加討論。

八年之后，網(wǎng)約車行業(yè)大起大落，燒掉數(shù)百億美元，便利了人們的生活、留下無(wú)數(shù)精彩的商戰(zhàn)故事。而無(wú)人駕駛投入更大。

按照麥肯錫去年的統(tǒng)計(jì)，公司、風(fēng)險(xiǎn)資本自2010年以來(lái)在無(wú)人駕駛相關(guān)技術(shù)的投入超過(guò)1000億美元。但無(wú)人車依然極不可靠。去年Google（Waymo）的一輛測(cè)試無(wú)人出租車在路上遇到幾個(gè)交通錐，就停了下來(lái)拒絕行駛。通用汽車的無(wú)人出租車因?yàn)闆](méi)看懂路況被撞。

無(wú)人駕駛最激進(jìn)的鼓吹者、特斯拉首席執(zhí)行官埃隆·馬斯克（Elon Musk）現(xiàn)在承認(rèn)低估了開(kāi)發(fā)無(wú)人駕駛系統(tǒng)的難度。福特技術(shù)負(fù)責(zé)人道格·菲爾德（Doug Field）說(shuō)，無(wú)人車是 “我們這個(gè)時(shí)代最困難的技術(shù)問(wèn)題，比把人送上月球更難”。

大公司和資本市場(chǎng)已近絕望。福特、亞馬遜、聯(lián)邦快遞各自關(guān)閉了無(wú)人駕駛項(xiàng)目，有的已經(jīng)投入數(shù)十億美元。上市的無(wú)人車公司，不論是研發(fā)無(wú)人出租車的、運(yùn)營(yíng)無(wú)人貨車的、賣激光雷達(dá)的，市值與高峰期相比都跌掉90%。Mobileye情況好一些，因?yàn)樗u的產(chǎn)品還不是無(wú)人駕駛，主要是幫助司機(jī)減輕一些駕駛工作。

馬斯克說(shuō)過(guò)，人類開(kāi)車就是用兩個(gè)攝像頭，加上生物神經(jīng)網(wǎng)絡(luò)。兩只眼睛分辨率很不錯(cuò)，但看運(yùn)動(dòng)物體時(shí)也就800萬(wàn)像素左右；大腦厲害一些，但全速運(yùn)轉(zhuǎn)起來(lái)，功率也就20W，不到英偉達(dá)上一代游戲顯卡的10%。

2012年，加拿大多倫多大學(xué)的教授杰弗里·辛頓（Geoffrey Hinton）和學(xué)生們帶來(lái)了AlexNet模型，證明計(jì)算機(jī)已經(jīng)可以用簡(jiǎn)單模仿人腦的多層神經(jīng)網(wǎng)絡(luò)模型獲得類似人的視覺(jué)認(rèn)知：看過(guò)大量圖片之后，計(jì)算機(jī)可以掌握不同物體的特征，識(shí)別出同類物體。自然，計(jì)算機(jī)也可以“看懂”路。“看懂”之后，在城市里開(kāi)車，基本是在2D平面移動(dòng)物體，毫無(wú)難度。

無(wú)人車認(rèn)路的設(shè)備比人眼強(qiáng)得多。Google目前的無(wú)人車安裝了29個(gè)攝像頭、百度RT-6用了12個(gè)攝像頭。它們還額外配置了多個(gè)激光雷達(dá)、毫米波雷達(dá)、超聲波雷達(dá)。

過(guò)去十年，科技公司一邊組建了昂貴的專業(yè)團(tuán)隊(duì)研究算法，一邊雇傭或外包數(shù)千、上萬(wàn)人的團(tuán)隊(duì)。每天24小時(shí)，南極以外的每個(gè)大洲，都有數(shù)以萬(wàn)計(jì)的人坐在格子間或家中用鼠標(biāo)和鍵盤，把一張張圖片中的所有物體圈出來(lái)，標(biāo)注清它們是什么、處于什么狀態(tài)，教無(wú)人車認(rèn)路。

為了理解這事為什么做十年也不成，我試著從計(jì)算機(jī)的眼睛去看道路，當(dāng)了幾天無(wú)人駕駛數(shù)據(jù)標(biāo)注員。

美國(guó)無(wú)人車數(shù)據(jù)標(biāo)注平臺(tái)Remotasks提供了豐富的需求。一個(gè)典型工作是標(biāo)記夜間街道上的出租車。

標(biāo)注也不是簡(jiǎn)單點(diǎn)一下，需要一個(gè)像素一個(gè)像素，沿著輪廓圈出來(lái)。多數(shù)情況，出租車在圖片里并不顯眼，我得把圖片放大、慢慢畫(huà)。如果出租車的一部分被其他車擋住，得腦補(bǔ)畫(huà)出弧度。

一個(gè)人要對(duì)出租車有概念，看幾遍就行了。無(wú)人車不行，攝像頭收集來(lái)的圖像，對(duì)它來(lái)說(shuō)是一串代表色塊的字符，只有反復(fù)看上萬(wàn)張有標(biāo)簽的圖像，它才能總結(jié)規(guī)律，搞清楚色塊怎么排列是出租車。

2018年4月25日，在德國(guó)漢諾威，工程師雙手離開(kāi)方向盤，測(cè)試德國(guó)大陸集團(tuán)生產(chǎn)的無(wú)人駕駛汽車。圖/新華

要是想讓無(wú)人車更精確地認(rèn)路，還得靠人把圖像中每一個(gè)像素用不同的顏色標(biāo)記好，區(qū)分出什么是天空、什么是樹(shù)干、什么是樹(shù)冠、什么是建筑、什么是車、什么是人、什么是可行駛的道路、什么是車道線等等。

今年4月，特斯拉的自動(dòng)駕駛輔助系統(tǒng)（Autopilot）把騎馬的人識(shí)別成人和狗。顯然特斯拉沒(méi)有教過(guò)系統(tǒng)如何識(shí)別馬。雖然無(wú)人駕駛系統(tǒng)也不會(huì)直接撞上狗，但它需要預(yù)判面前的物體會(huì)如何行動(dòng)，再?zèng)Q定自己怎么開(kāi)。這就意味著風(fēng)險(xiǎn)，馬和狗行動(dòng)的速度大不相同。

標(biāo)注無(wú)人車更依賴的激光雷達(dá)數(shù)據(jù)會(huì)麻煩許多，標(biāo)注員面前是360度全景圖，密集的白點(diǎn)一圈圈暈開(kāi)，碰到物體時(shí)會(huì)聚在一堆，組成車或人的形狀。標(biāo)注員得用矩形框圈出畫(huà)面中車或人的大小、高度、方向，標(biāo)清楚它們是什么車或什么狀態(tài)的人，給機(jī)器學(xué)習(xí)。

為了讓無(wú)人車更安全，無(wú)人車公司提出了“傳感器融合”的方法，即把激光雷達(dá)、攝像頭等收集的數(shù)據(jù)結(jié)合在一起識(shí)別物體和周圍的環(huán)境。

新方法傳遞到數(shù)據(jù)標(biāo)注環(huán)節(jié)，代表著更多要求。標(biāo)注員得配合不同視角的攝像頭圖像，校正激光雷達(dá)標(biāo)注框，然后增加更多信息，方便算法做判斷。比如框里是什么車？小汽車還是貨車？車是否被遮擋？遮擋了多少？車的轉(zhuǎn)向燈是否亮著？剎車燈是否亮著？尾燈是否亮著？等等。有些任務(wù)要備注清楚20多個(gè)不同的狀態(tài)，操作手冊(cè)都有60多頁(yè)。

標(biāo)注員拿到的激光雷達(dá)數(shù)據(jù)通常是40張連續(xù)的畫(huà)面。不同的時(shí)刻道路上物體的狀態(tài)并不一樣，比如這一幀剎車燈亮了，另一幀不亮；這一幀遮擋80%，另一幀不遮擋了，每一幀都需要反復(fù)確認(rèn)，這些狀態(tài)都得重新填一遍。

Remotasks在官方教程中建議，為了避免出錯(cuò)，最好先標(biāo)一個(gè)物體，跟著它過(guò)完40幀，然后再回到第一幀標(biāo)注另一個(gè)物體，一個(gè)個(gè)標(biāo)完，然后再整體過(guò)一遍，查漏補(bǔ)缺。

為了提高效率，培訓(xùn)教程里專門有一個(gè)環(huán)節(jié)教標(biāo)注員怎么用鍵盤上的快捷鍵加速標(biāo)注，而不是鼠標(biāo)點(diǎn)來(lái)點(diǎn)去。但標(biāo)注激光雷達(dá)數(shù)據(jù)還是會(huì)消耗大量時(shí)間，40張的數(shù)據(jù)通常需要3個(gè)-6個(gè)小時(shí)。

專業(yè)人士也快不了。一位數(shù)據(jù)標(biāo)注公司的技術(shù)人員自己試了試，一個(gè)下午四五個(gè)小時(shí)，也就標(biāo)注50張。

深圳一家自動(dòng)駕駛公司技術(shù)負(fù)責(zé)人劉峰（化名）已經(jīng)研究六年無(wú)人駕駛，他告訴《財(cái)經(jīng)》，一個(gè)無(wú)人車系統(tǒng)經(jīng)過(guò)上萬(wàn)幀的數(shù)據(jù)訓(xùn)練，能應(yīng)對(duì)成千上萬(wàn)個(gè)場(chǎng)景，通常就能平穩(wěn)上路。

《財(cái)經(jīng)》了解到，現(xiàn)在標(biāo)注一幀激光雷達(dá)數(shù)據(jù)，平均成本約10元人民幣。不只是數(shù)據(jù)標(biāo)注本身花錢，保證標(biāo)注正確也需要投入——你不能保證一個(gè)人的標(biāo)注絕對(duì)準(zhǔn)確。

解決辦法是讓多個(gè)人標(biāo)注同一張圖，讓一個(gè)人重復(fù)標(biāo)注一張圖，只要結(jié)果不一樣，就得重新做。人得標(biāo)幾萬(wàn)張圖，無(wú)人車公司才能得到1萬(wàn)張可用的圖。而且數(shù)據(jù)標(biāo)注公司、客戶都會(huì)有專門的人審查數(shù)據(jù)標(biāo)注質(zhì)量。

在眾包平臺(tái)Remotasks上，嚴(yán)格的審查更明顯。每次標(biāo)注結(jié)束后，系統(tǒng)會(huì)自動(dòng)打分，如果低于60，警告橫幅就會(huì)出現(xiàn)在工作區(qū)域正上方，寫著“我們已經(jīng)注意到你最近的工作質(zhì)量很低，請(qǐng)仔細(xì)按要求完成，否則你可能就沒(méi)法繼續(xù)干了”。

加上審核環(huán)節(jié)投入的人力成本，用數(shù)萬(wàn)幀標(biāo)注過(guò)的數(shù)據(jù)訓(xùn)練無(wú)人車系統(tǒng)，大約需要近百萬(wàn)元人民幣。不過(guò)這樣的無(wú)人車只能應(yīng)對(duì)有限的場(chǎng)景，比如路況簡(jiǎn)單的高速公路。

盡管無(wú)人車公司不會(huì)在單個(gè)場(chǎng)景無(wú)止境標(biāo)注數(shù)據(jù)訓(xùn)練系統(tǒng)，識(shí)別準(zhǔn)確率或處理能力到一個(gè)程度就會(huì)停下來(lái)。但無(wú)人車消耗資金的漫長(zhǎng)過(guò)程才剛剛開(kāi)始。

為了讓無(wú)人車適應(yīng)更多環(huán)境，無(wú)人車公司得花錢買車，裝上激光雷達(dá)、攝像頭等傳感器，去真實(shí)的道路上測(cè)試，這本身就意味著成本——早期的無(wú)人車單輛僅硬件成本就超過(guò)10萬(wàn)美元。只靠一輛車采集數(shù)據(jù)遠(yuǎn)遠(yuǎn)不夠。

行業(yè)普遍認(rèn)為，研發(fā)大規(guī)模可用的無(wú)人車，至少需要百億公里路測(cè)數(shù)據(jù)。這意味著1萬(wàn)輛裝著激光雷達(dá)、計(jì)算芯片的車每天載著安全員，以40公里-50公里的時(shí)速開(kāi)十個(gè)小時(shí)，連續(xù)開(kāi)十年。

它們的任務(wù)主要是發(fā)現(xiàn)系統(tǒng)不能處理的場(chǎng)景，然后無(wú)人車公司自己或通過(guò)外包收集大量同類數(shù)據(jù)，交給人標(biāo)注，給模型學(xué)習(xí)，又得花近百萬(wàn)元。這意味著，無(wú)人車想要應(yīng)對(duì)成千上萬(wàn)個(gè)不同的場(chǎng)景，要在數(shù)據(jù)標(biāo)注上花數(shù)十億元。

多數(shù)無(wú)人車公司都開(kāi)發(fā)了自動(dòng)標(biāo)注工具，以節(jié)省標(biāo)注成本，提高效率。但這些工具不夠準(zhǔn)確，只能替代小部分人力。

和訓(xùn)練好的無(wú)人車一樣，自動(dòng)標(biāo)注系統(tǒng)只能處理人類標(biāo)注員反復(fù)標(biāo)注過(guò)的場(chǎng)景或物體，而這些物體對(duì)提升一個(gè)無(wú)人駕駛系統(tǒng)的能力已經(jīng)不太重要。如果無(wú)人車遇到的新物體或場(chǎng)景，還是需要大量的人標(biāo)注、審核。

“多數(shù)客戶不會(huì)完全結(jié)束數(shù)據(jù)標(biāo)注。” 倍賽科技的人士說(shuō)，“場(chǎng)景實(shí)在太多了，不同的地區(qū)、不同的天氣、不同的環(huán)境都不一樣。”

而且訓(xùn)練好的無(wú)人車系統(tǒng)，裝到不同的車上或在不同城市行駛，效果會(huì)打折扣。加州車管局2021年無(wú)人車接管報(bào)告中，Waymo的無(wú)人車遇到問(wèn)題，需要安全員介入的情況比上一年多了4倍。

原因是Waymo調(diào)整了測(cè)試地點(diǎn)，不再在山景城測(cè)試，增加了舊金山測(cè)試的車輛，并且將測(cè)試的主力車型從克萊斯勒的Pacifica換成了捷豹iPace。

舊金山的坡更多，于是攝像頭看物體的角度變了。原先能認(rèn)出來(lái)的物體現(xiàn)在可能就認(rèn)不出來(lái)。

新車型也有影響。車身矮了20厘米，這意味著車身的攝像頭、激光雷達(dá)看世界的高度降低20厘米，角度發(fā)生變化。

舊金山遠(yuǎn)不是什么復(fù)雜的大都市，市區(qū)面積只有121平方公里、常住人口不到90萬(wàn)——面積和人口不到北京朝陽(yáng)區(qū)的四分之一。全球汽車品牌還有超過(guò)300個(gè)，車型更是數(shù)以千計(jì)。

想要讓無(wú)人駕駛系統(tǒng)適應(yīng)更多城市、更多車型，處理更多場(chǎng)景，得有更多測(cè)試，發(fā)現(xiàn)更多問(wèn)題，收集更多數(shù)據(jù)，做更多標(biāo)注，交給系統(tǒng)學(xué)習(xí)。

一位數(shù)據(jù)標(biāo)注行業(yè)人士告訴《財(cái)經(jīng)》，她了解到一家2019年成立的無(wú)人車公司，今年花在數(shù)據(jù)標(biāo)注上的費(fèi)用達(dá)到1億元人民幣，接下來(lái)還會(huì)花更多，“無(wú)人車公司的估值跟數(shù)據(jù)掛鉤，高質(zhì)量數(shù)據(jù)越多，估值越高”。

去年5月，Waymo在鳳凰城運(yùn)營(yíng)的無(wú)人出租車要右轉(zhuǎn)時(shí)忽然停下，附近沒(méi)車和行人，只有幾個(gè)交通錐。

后排的乘客無(wú)能為力，只能等待救援。救援人員還在路上，無(wú)人車忽然動(dòng)了起來(lái)，右轉(zhuǎn)，沒(méi)走多遠(yuǎn)又在交通錐旁停了下來(lái)。就在救援人員追上的時(shí)候，施工隊(duì)把附近的交通錐取走，無(wú)人車又開(kāi)走了。它沒(méi)有恢復(fù)正常。過(guò)了一會(huì)兒，它又停在了交通錐旁，堵住車道。

道路上隨處可見(jiàn)的交通錐，是無(wú)人車系統(tǒng)必須要學(xué)習(xí)識(shí)別的物體。無(wú)法準(zhǔn)確識(shí)別交通錐曾是特斯拉自動(dòng)駕駛輔助系統(tǒng)的弱點(diǎn)，出過(guò)多次事故。2019年特斯拉在一次自動(dòng)駕駛輔助系統(tǒng)升級(jí)時(shí)特別強(qiáng)調(diào)，可以準(zhǔn)確識(shí)別交通錐。

Wyamo的無(wú)人車認(rèn)出了車旁的每一個(gè)交通錐，但沒(méi)能作出像人類司機(jī)一樣的反應(yīng)。Waymo沒(méi)公布事故原因，只是說(shuō)“檢測(cè)到異常情況”，將改進(jìn)運(yùn)營(yíng)流程。

“可能他們也不清楚為什么會(huì)這樣。”長(zhǎng)期從事無(wú)人駕駛安全研究的加州大學(xué)爾灣分校助理教授陳齊（Alfred Chen）說(shuō)。建立在人工智能技術(shù)上的無(wú)人駕駛系統(tǒng)是一個(gè) “黑盒子”，沒(méi)人能搞清楚它如何把一堆數(shù)據(jù)變成結(jié)果。人們能做的，是給它大量標(biāo)注好的數(shù)據(jù)，讓算法自己提煉規(guī)律，并依此處理新的數(shù)據(jù)。但工程師并不能看懂算法的邏輯。

這不是自動(dòng)駕駛獨(dú)有的問(wèn)題，任何使用深度學(xué)習(xí)的應(yīng)用都一樣。只是人們不那么在意抖音的算法有時(shí)推給你推薦幾個(gè)不感興趣的視頻，但人們非常在意一輛一噸多重的汽車失常。

無(wú)人駕駛系統(tǒng)相關(guān)的致死事故已經(jīng)有一些。Uber的無(wú)人車在測(cè)試時(shí)撞死行人。根據(jù)Tesla Deaths統(tǒng)計(jì)，全球至少有15個(gè)人的死亡與特斯拉的自動(dòng)駕駛輔助系統(tǒng)有關(guān)。中國(guó)的汽車廠也有，蔚來(lái)、小鵬都出現(xiàn)過(guò)類似的死亡事件。

公司往往將問(wèn)題歸咎到人身上，比如安全員不認(rèn)真看路，駕駛員不應(yīng)該輕信所謂的“無(wú)人駕駛系統(tǒng)”。但歸根結(jié)底，還是目前的自動(dòng)駕駛系統(tǒng)沒(méi)看明白道路上的物體，需要人干預(yù)。

無(wú)人車可以針對(duì)特定的問(wèn)題改進(jìn)軟件，但又得回到數(shù)據(jù)上。“不需要理解中間到底為什么出錯(cuò)，只要知道哪塊做的不好，用大量的數(shù)據(jù)訓(xùn)練系統(tǒng)，讓它回歸到正常情況（Ground Truth）就OK了?！?劉峰說(shuō)。

他舉例，無(wú)人車系統(tǒng)預(yù)測(cè)其他人或車未來(lái)幾秒的行動(dòng)不準(zhǔn)確沒(méi)關(guān)系，只要有足夠多高質(zhì)量的數(shù)據(jù)訓(xùn)練，就可以有更好的效果。

以上還沒(méi)算無(wú)人車被攻擊的情況。2019年，騰訊科恩實(shí)驗(yàn)室的研究人員在路上放了三張小紙片，一輛開(kāi)著自動(dòng)駕駛輔助系統(tǒng)的特斯拉Model S識(shí)別后突然變道。

加上激光雷達(dá)也不能解決問(wèn)題。陳齊等人2021年的一項(xiàng)研究發(fā)現(xiàn)，經(jīng)過(guò)特殊設(shè)計(jì)的表面坑坑洼洼的交通錐，可以騙過(guò)百度開(kāi)源的無(wú)人駕駛系統(tǒng)Apollo。模擬測(cè)試中，同時(shí)使用激光雷達(dá)和攝像頭的Apollo能100%識(shí)別正常的交通錐，但面對(duì)特殊錐桶，識(shí)別率為0。

對(duì)無(wú)人車的攻擊也會(huì)以正常的情況出現(xiàn)。陳齊說(shuō)，他們正在進(jìn)行的一項(xiàng)研究發(fā)現(xiàn)，無(wú)人車旁邊的車行駛路線稍微奇怪一點(diǎn)，一些無(wú)人車系統(tǒng)就很難正確預(yù)測(cè)它會(huì)怎么行動(dòng)了。而預(yù)測(cè)周圍車輛如何行駛是它規(guī)劃行駛路徑的前提。

無(wú)人車公司想了許多辦法避免極端情況，最主要的是加裝更多的傳感器。Waymo最新的無(wú)人車上有5顆激光雷達(dá)、6顆毫米波雷達(dá)、29個(gè)攝像頭。2014年，Google高管覺(jué)得很快就能讓無(wú)人出租車上路接客的時(shí)候，Waymo的車只有5個(gè)激光雷達(dá)、4個(gè)毫米波雷達(dá)和1個(gè)攝像頭。

更多傳感器、更多數(shù)據(jù)，也意味著需要更多人力去標(biāo)注圖片，幫助機(jī)器理解每一個(gè)畫(huà)面。這些還只是無(wú)人車平穩(wěn)上路的前半截，它能夠識(shí)別路上的所有物體，并搞清楚它們?nèi)绾涡袆?dòng)后，還要規(guī)劃自己怎么開(kāi)并付諸行動(dòng)，一樣有許多問(wèn)題需要解決。

今年9月，圖靈獎(jiǎng)得主、計(jì)算機(jī)科學(xué)家楊立昆（Yann LeCun）接受時(shí)采訪說(shuō)，無(wú)人車公司一直過(guò)于樂(lè)觀，覺(jué)得將數(shù)據(jù)扔進(jìn)大型神經(jīng)網(wǎng)絡(luò)就能讓它學(xué)到一切。事實(shí)上，“我們可能只是擁有一個(gè)沒(méi)有常識(shí)、十分脆弱的系統(tǒng)”。

劉峰說(shuō)，無(wú)人車行業(yè)普遍認(rèn)為，如果行駛大量里程后，無(wú)人車沒(méi)有出現(xiàn)安全問(wèn)題，就會(huì)被認(rèn)為是安全的。無(wú)人車不可能百分百安全，就像航空業(yè)一樣，“大家都說(shuō)坐飛機(jī)是最安全的交通工具，但飛機(jī)也不是百分百安全”。

這將是一個(gè)漫長(zhǎng)的過(guò)程。萊特兄弟發(fā)明的飛機(jī)試飛成功30年后，道格拉斯DC-3讓短途飛行變得更安全，航空業(yè)才開(kāi)始走向商業(yè)化。

現(xiàn)在全球大約有2000輛無(wú)人車載客運(yùn)營(yíng)，占汽車總數(shù)的0.00014%。算上接下來(lái)要進(jìn)入的洛杉磯，已經(jīng)商業(yè)化運(yùn)營(yíng)四年的無(wú)人車優(yōu)等生Waymo進(jìn)入了四個(gè)城市，收入都不夠支付車的成本，更別提收回長(zhǎng)期研發(fā)投入。

大多數(shù)公司不再相信短時(shí)間能讓無(wú)人車商用，開(kāi)始轉(zhuǎn)向研發(fā)輔助駕駛技術(shù)，讓汽車行駛時(shí)會(huì)主動(dòng)控制車速與車距，必要時(shí)刻提醒司機(jī)接管車輛甚至緊急剎停。

更多的人把目光放到了汽車行業(yè)外，想用無(wú)人車一樣的方式改造機(jī)器人行業(yè)。與無(wú)人車相比，讓機(jī)器人自動(dòng)運(yùn)行可能會(huì)簡(jiǎn)單些，它們所處的環(huán)境更封閉。工廠或者辦公室里的環(huán)境不會(huì)像道路一樣多變。

所有這些探索都需要更多人來(lái)當(dāng)勞動(dòng)力。11月初，已經(jīng)推出機(jī)器人的特斯拉將舉行公開(kāi)招聘日，招募人為機(jī)器人做圖片標(biāo)注。

如今估值最高的人工智能創(chuàng)業(yè)公司，不再是研究算法的公司，而是找人給圖片打標(biāo)簽的公司Scale，美國(guó)大多數(shù)無(wú)人車或機(jī)器人公司都是它的客戶。Scale和它跨越數(shù)十個(gè)國(guó)家的眾包團(tuán)隊(duì)，每個(gè)月在Remotasks等平臺(tái)上給不同種類的數(shù)據(jù)打上數(shù)十億個(gè)標(biāo)簽。去年4月，它完成融資后估值73億美元，不到半年就翻了一番。

中國(guó)的標(biāo)注公司生意也變得更好。百度在臨汾等城市成立數(shù)據(jù)標(biāo)注公司，不僅給自己標(biāo)注數(shù)據(jù)，還對(duì)外提供服務(wù)。今年前九個(gè)月，數(shù)據(jù)公司海天瑞聲“智能駕駛”相關(guān)業(yè)務(wù)同比增長(zhǎng)了200%。

市場(chǎng)研究機(jī)構(gòu)Research and Markets預(yù)測(cè)，到2030年，全球數(shù)據(jù)標(biāo)注市場(chǎng)規(guī)模將比現(xiàn)在擴(kuò)大6倍，從21億美元增長(zhǎng)到127.5億美元。

做標(biāo)注的公司估值高，但真正標(biāo)注數(shù)據(jù)的人工資低。我在Remotasks上標(biāo)注一張出租車圖片，最后只賺到2分錢人民幣（0.003美元）。標(biāo)注激光雷達(dá)數(shù)據(jù)更貴一些，熟練的標(biāo)注員每個(gè)小時(shí)能賺7.5美元。在Remotasks工作的人大都來(lái)自委內(nèi)瑞拉、肯尼亞等落后國(guó)家。

《麻省理工科技評(píng)論》曾批評(píng)這是 “人工智能殖民”：發(fā)達(dá)國(guó)家的公司享受人工智能帶來(lái)的利潤(rùn)和便捷，落后國(guó)家的勞動(dòng)力被剝削。但到目前為止，這句話的前半截還沒(méi)能成立。