阿里達(dá)摩院科學(xué)家，3年造出小蠻驢！量產(chǎn)物流機(jī)器人，完全自動(dòng)駕駛，4度電跑100公里

雷剛 發(fā)自 凹非寺
量子位 報(bào)道 | 公眾號 QbitAI

沒想到，這就是阿里達(dá)摩院最前沿的AI和自動(dòng)駕駛技術(shù)的集大成者。

取名小蠻驢，四輪構(gòu)造，外形酷萌、靈活身手還能穿梭在各種末端道路場景中完成送貨。

阿里方面解釋，驢作為中國人過去最常用的勞動(dòng)力，是幫助人代步、趕集、載貨的生產(chǎn)力工具。而“小蠻驢”定位就是是數(shù)字原生時(shí)代的趕集工具。

它有驢一樣暖萌、可靠、通人性，還有一股使命必達(dá)的“蠻勁”。無懼高溫雨雪、雷暴閃電、極寒酷暑。也寓意著蠻聰明、蠻能干，蠻安全

作為阿里旗下首款物流機(jī)器人，小蠻驢具有類人認(rèn)知智能，能輕松處理復(fù)雜路況，能聰明選擇最優(yōu)路徑，遇到緊急情況，大腦應(yīng)急反應(yīng)速度是人類的7倍。

同時(shí)，做到了規(guī)?；逃昧慨a(chǎn)的必要條件，除了低成本，還有高可靠——相當(dāng)耐苦耐勞，充4度電就能跑100多公里，每天最多能送500個(gè)快遞，雷暴閃電、高溫雨雪以及車庫、隧道等極端環(huán)境均不影響其性能。

阿里巴巴達(dá)摩院院長張建鋒（行癲）透露，小蠻驢已經(jīng)在末端真實(shí)場景中久經(jīng)檢驗(yàn)，很快就會(huì)在社區(qū)、學(xué)校，辦公園區(qū)大規(guī)模使用。

這也意味著：巨頭阿里，正式進(jìn)軍機(jī)器人賽道。

小蠻驢由何構(gòu)成？

先宏觀看產(chǎn)品。

外觀參數(shù)，小蠻驢尺寸為21009001200mm——加上激光雷達(dá)高1445mm。

車身外觀采用銀灰色調(diào)，線條圓潤、跟驢子一樣自帶萌感。

需要注意的是，車廂格口可以自由定制，按照最多每車滿載50件常規(guī)尺寸的快遞/包裹/外賣、每天送貨10次計(jì)算，機(jī)器人峰值運(yùn)力可達(dá)一天500單。

因?yàn)槊嫦蚰┒宋锪鲌鼍?、提供最后三公里配送，小蠻驢在車速、續(xù)航和功耗方面，也有專門適配和設(shè)計(jì)。

車速方面，平均速度設(shè)定為15km/h，最高速度20km/h。

續(xù)航，采用抽拉式充電電池，每次充電4度、續(xù)航里程102公里。機(jī)器人平均行駛100公里所耗費(fèi)的電量，還不到吃一頓兩小時(shí)火鍋用的電。

功耗方面，工作功率僅有615w，不到戴森吹風(fēng)機(jī)的一半（1600w）,不到常規(guī)家用電磁爐的三分之一（約2000w）。

接著技術(shù)維度拆解。

小蠻驢可以被分為三大部分——熟悉自動(dòng)駕駛汽車的盆友或許不會(huì)陌生。

一是底盤，包括車身和線控集成，是小蠻驢的核心軀干。

而且阿里方面透露，底盤和車身的供應(yīng)，實(shí)際也與汽車一致，出自整車廠。

二是傳感器，小蠻驢的“眼睛”，讓它有出色的感知能力。一前一后各1個(gè)激光雷達(dá)，加上6個(gè)攝像頭組成的環(huán)視方案，以及毫米波雷達(dá)、慣導(dǎo)等傳感器，跟當(dāng)前最先進(jìn)的無人駕駛汽車采用類似方案。

三是計(jì)算單元 ，小蠻驢的“大腦”，也是讓小蠻驢最顯技術(shù)實(shí)力的地方。

阿里達(dá)摩院團(tuán)隊(duì)搭建了一個(gè)異構(gòu)方案，利用嵌入式GPU和FPGA的相互配合，既能實(shí)現(xiàn)末端復(fù)雜場景下的高性能計(jì)算，還可以把成本和功耗降下來，能以1/3算力的達(dá)到同等智能水平。

GPU可以發(fā)揮在計(jì)算性能方面的優(yōu)勢，F(xiàn)PGA則可以降低成本和補(bǔ)足GPU在數(shù)據(jù)傳輸方面的局限。

最終，這套嵌入式計(jì)算硬件+達(dá)摩院量身打造的算法、壓縮模型，讓小蠻驢不僅有L4級自動(dòng)駕駛能力，還能夠低功耗長續(xù)航，為量產(chǎn)和規(guī)模化商用奠定了基礎(chǔ)。

那么這樣的外觀和技術(shù)硬件，究竟讓小蠻驢擁有怎樣的能力？

阿里官方回答，核心還是最前沿的AI和自動(dòng)駕駛的基礎(chǔ)技術(shù)，并且在智能、安全、可量產(chǎn)三方面具備行業(yè)領(lǐng)先的競爭力。

首先是智能，具備類人認(rèn)知決策能力。能在復(fù)雜的末端場景中自如行駛、穩(wěn)妥避障，順滑處理轉(zhuǎn)彎、急停、會(huì)車、倒車等情況。

在前兩年的“內(nèi)測”中，小蠻驢的自動(dòng)駕駛率達(dá)到了“6個(gè)9”——99.9999%。

阿里還披露，機(jī)器人識別數(shù)量上百的行人、車輛的意圖只需0.01秒；遇到危險(xiǎn)需要急停時(shí)，只需0.1s大腦就能完成決策、規(guī)劃并下發(fā)控制指令。

其次是安全，擁有五重安全設(shè)計(jì)，多層次冗余。

系統(tǒng)架構(gòu)方面，就有大腦決策、冗余小腦、異常檢測剎車、接觸保護(hù)剎車、遠(yuǎn)程防護(hù)等。

另外，遠(yuǎn)程駕駛系統(tǒng)——即云代駕，負(fù)責(zé)在特定情況，比如遇到超越機(jī)器人認(rèn)知能力邊界之外的狀況，可以由人力遠(yuǎn)程介入接管，并且因?yàn)?G的不斷普及，這種遠(yuǎn)程接管的時(shí)延和安全性也得到了進(jìn)一步保障。

最后，可量產(chǎn)，能夠保證規(guī)?；逃谩Ｔ谒惴ㄗ匝泻蜕疃榷ㄖ频幕A(chǔ)上，小蠻驢在整體成本上實(shí)現(xiàn)了大幅下降，比業(yè)內(nèi)一些原型產(chǎn)品同比只有其1/3甚至1/10。

并且隨著供應(yīng)鏈進(jìn)一步整合和激光雷達(dá)等成本降低，整體成本還會(huì)進(jìn)一步降低，這也意味著小蠻驢邁出第一步后，規(guī)?；逃弥粫?huì)越鋪越快。

但是，并不代表一切輕而易舉。

小蠻驢挑戰(zhàn)性在哪兒？

發(fā)布會(huì)上，阿里巴巴達(dá)摩院院長張建鋒說：

物流配送需求正在極速爆發(fā)，預(yù)計(jì)在不久的將來，中國每天將產(chǎn)生10億個(gè)配送訂單。而末端物流是整個(gè)物流體系中成本最高、效率最低的環(huán)節(jié)，物流機(jī)器人就是阿里提供的解決方案。

所以阿里此番進(jìn)軍物流機(jī)器人領(lǐng)域，利益和動(dòng)機(jī)都很明確。

有天時(shí)的機(jī)遇。云計(jì)算、AI、5G等技術(shù)的交叉交融發(fā)展，正在推動(dòng)機(jī)器人加速進(jìn)化，機(jī)器人化解決方案也正在各行各業(yè)成為現(xiàn)實(shí)。

一直以來，機(jī)器人和自動(dòng)化都是制造業(yè)皇冠上的明珠，但在上述基礎(chǔ)技術(shù)之前，具體產(chǎn)品和效果始終差強(qiáng)人意。

而隨著大數(shù)據(jù)、云計(jì)算、5G等新一代信息技術(shù)的發(fā)展，會(huì)促使機(jī)器人技術(shù)快速演進(jìn)，軟硬件技術(shù)日趨成熟、成本不斷降低、性能不斷提升……一個(gè)人機(jī)共生的時(shí)代正在到來，人與機(jī)器人的協(xié)作交互才剛剛開始。

據(jù)國際機(jī)器人聯(lián)合會(huì)預(yù)測，即將到來的機(jī)器人革命將創(chuàng)造數(shù)萬億美元市場。Gartner預(yù)測，企業(yè)級機(jī)器人市場2018年至2028年的復(fù)合增長率會(huì)超過15%，年裝載數(shù)量會(huì)從280萬臺增加至1100萬臺。

還有地利的誘惑。中國是公認(rèn)的全球最大的機(jī)器人市場，中國電子學(xué)會(huì)數(shù)據(jù)顯示，2014年至2019年，中國機(jī)器人市場平均增長率達(dá)到20.9%。其中服務(wù)機(jī)器人增速更高。

其中，2019年中國家用服務(wù)機(jī)器人、醫(yī)療服務(wù)機(jī)器人和公共服務(wù)機(jī)器人市場規(guī)模分別為10.5億美元、6.2億美元和5.3億美元，占比分別為47.7%、28.2%和24.1%。

從全球范圍看，中國在工業(yè)制造領(lǐng)域的機(jī)器人滲透率（density）已高于全球平均水平。

但即便巨如阿里，想要摘取這顆“制造業(yè)皇冠上的明珠”，也不簡單。

核心有三大挑戰(zhàn)，每一項(xiàng)都是世界級難題。

一，技術(shù)可用性和可靠性。

那此次小蠻驢要解決的末端物流場景來說，一方面涉及AI領(lǐng)域最前沿的難題，除了小空間密集場景內(nèi)的感知識別，還有實(shí)時(shí)動(dòng)態(tài)的意圖分析和認(rèn)知能力進(jìn)化。

另一方面，令全世界自動(dòng)駕駛從業(yè)者頭疼的“長尾挑戰(zhàn)”。

小蠻驢上崗，可以視為限定區(qū)域（ODD）內(nèi)的低速自動(dòng)駕駛配送。

但雖然條件范圍已經(jīng)相對明確，但只要場景中有人，而且人機(jī)共處，就會(huì)永遠(yuǎn)面臨潛在的未知場景和難題，如果系統(tǒng)未曾學(xué)習(xí)、也無法聰明應(yīng)對，就會(huì)在長尾挑戰(zhàn)中淪陷。

而且自動(dòng)駕駛，當(dāng)前仍是一門實(shí)驗(yàn)科學(xué)，對于長尾挑戰(zhàn)尚無定式和套路可用。

全世界范圍內(nèi)，一條路線是谷歌、Waymo開創(chuàng)的路測、ODD、規(guī)?；窚y和試運(yùn)營，最終在積累起足夠場景和數(shù)據(jù)迭代之后，將產(chǎn)品和解決方案——RoboTaxi推向市場。

另一條路線的代表是特斯拉。直接在量產(chǎn)和實(shí)際場景中，讓AI司機(jī)不斷學(xué)習(xí)和迭代，最終可以進(jìn)化至真正的RoboTaxi。但因?yàn)樘厮估鳛檐嚻?、又是高速?fù)雜的開放道路，這樣的方案也始終被詬病過于激進(jìn)。

所以從兩條路線來說，擺在阿里和小蠻驢面前的，沒有成功路徑可循。

二、量產(chǎn)。

不僅涉及成本和資源，也需要兼顧效率和安全，是一道尋找最優(yōu)解的現(xiàn)實(shí)應(yīng)用題。

如果如行業(yè)內(nèi)自動(dòng)駕駛車輛動(dòng)則上百萬的成本，難言量產(chǎn)。如果不解決計(jì)算力和功耗方面的挑戰(zhàn)，規(guī)模化商用也無從談起。

三，技術(shù)和商業(yè)模式都要形成閉環(huán)。

無論是谷歌Waymo，還是馬斯克的特斯拉，終極目標(biāo)都是希望用AI司機(jī)把人類從駕駛行為中解放出來，都奔著RoboTaxi實(shí)現(xiàn)而去。

但馬斯克最終選擇廣為詬病的影子測試模式，背后也離不開商業(yè)模式閉環(huán)的挑戰(zhàn)。

如果直到RoboTaxi真正實(shí)現(xiàn)才能產(chǎn)生現(xiàn)金流，沒有其他現(xiàn)金奶牛業(yè)務(wù)支撐的特斯拉，可能根本活不到RoboTaxi真正實(shí)現(xiàn)的那一天。

所以，雖然現(xiàn)在阿里小蠻驢，邁出的第一步是末端場景下的載貨，但上述三大挑戰(zhàn)，不僅需要解決，還得鐵人三項(xiàng)、項(xiàng)項(xiàng)優(yōu)秀。

那么現(xiàn)在，公開喊響量產(chǎn)、商用和規(guī)模化啟動(dòng)的小蠻驢，究竟有什么底氣？

阿里解題：小蠻驢如何煉成？

最核心的底氣，自然還是來自技術(shù)自信。

除了解構(gòu)小蠻驢構(gòu)成時(shí)談到的傳感器和計(jì)算硬件，阿里團(tuán)隊(duì)認(rèn)為最能彰顯技術(shù)領(lǐng)先性的，是其自研的自動(dòng)駕駛機(jī)器學(xué)習(xí)平臺：

AutoDrive。

該平臺的本質(zhì)，是由機(jī)器替代人工進(jìn)行算法調(diào)參、模型優(yōu)化，讓AI模型可以在數(shù)據(jù)中實(shí)現(xiàn)循環(huán)迭代和進(jìn)化，能夠越來越智能、高效地解決長尾問題。

達(dá)摩院自動(dòng)駕駛實(shí)驗(yàn)室負(fù)責(zé)人王剛說，人工智能解決問題的發(fā)展規(guī)律，一定是不斷減少人工參與。

所以在打造小蠻驢的整個(gè)過程中，他們始終秉持這樣的理念：

不斷把人工規(guī)則和方法，變成計(jì)算驅(qū)動(dòng)，變成自學(xué)習(xí)，告別有多少人工才有多少智能的尷尬。

于是在AutoDrive的“大中臺”作用下，能夠基于復(fù)雜的多模態(tài)的自動(dòng)駕駛數(shù)據(jù)進(jìn)行自學(xué)習(xí)，服務(wù)感知、定位、決策、控制等“小前臺”的算法迭代，解決了人工調(diào)參成本高、效率低、結(jié)果不可控的問題。

另外，基于AutoDrive平臺的支持，感知、定位、決策規(guī)劃等“小前臺”能夠不斷提出更輕、更快的算法模型。

感知方面，達(dá)摩院自研的3D點(diǎn)云語義分割算法，讓小蠻驢能夠識別厘米級障礙物；

高精定位，能在無GPS或弱GPS環(huán)境下實(shí)現(xiàn)厘米級高精定位；

意圖預(yù)測能力，只用0.01秒就能判別100個(gè)以上行人和車輛的行動(dòng)意圖。

……

總之，AutoDrive也是阿里給出的應(yīng)對自動(dòng)駕駛長尾挑戰(zhàn)的方法。

在路線上，他們集合了Waymo路線和特斯拉路線的精華，在一個(gè)限定區(qū)域場景內(nèi)，在現(xiàn)實(shí)運(yùn)營中不斷實(shí)現(xiàn)迭代。

但又在安全上多重冗余，從技術(shù)方案冗余到運(yùn)營中的安全冗余，都讓規(guī)模化落地商用有了保障。

當(dāng)然，小蠻驢的底氣，毫無疑問還有阿里綜合實(shí)力和阿里經(jīng)濟(jì)體的支撐。

AutoDrive固然解決了數(shù)據(jù)和模型迭代問題，但沒有大規(guī)模計(jì)算力支撐，就顯得紙上談兵。

實(shí)際上，在小蠻驢研發(fā)過程中，達(dá)摩院從一開始就搭建了自己的自動(dòng)駕駛云平臺，將海量數(shù)據(jù)（場景數(shù)據(jù)庫、自動(dòng)駕駛車數(shù)據(jù)、數(shù)據(jù)采集車數(shù)據(jù)）搬上阿里云。

打通數(shù)據(jù)收集、數(shù)據(jù)標(biāo)注、仿真、模型訓(xùn)練、評價(jià)等整套系統(tǒng)，在云端開展數(shù)據(jù)管理、仿真測試以及算法模型訓(xùn)練，大大提升了自動(dòng)駕駛算法研發(fā)效率。

基于這個(gè)自動(dòng)駕駛云平臺，達(dá)摩院推出了全球首個(gè)自動(dòng)駕駛“混合式仿真測試平臺”。

該平臺采用虛擬與現(xiàn)實(shí)結(jié)合的仿真技術(shù)，引進(jìn)真實(shí)路測場景和云端訓(xùn)練師，模擬一次極端場景只需30秒，系統(tǒng)每日虛擬測試?yán)锍炭沙^800萬公里，大幅提升自動(dòng)駕駛AI模型訓(xùn)練效率。

而阿里的經(jīng)濟(jì)體，則提供了最直接的應(yīng)用場景。

小蠻驢雖然今日才對外發(fā)布，但阿里方面透露，內(nèi)測運(yùn)營早已在兩年前開始。

核心內(nèi)測場景，就是與菜鳥驛站結(jié)合送貨，真實(shí)場景、真實(shí)問題，而且商業(yè)模式也非常直接。

小蠻驢方面透露，菜鳥現(xiàn)在就是內(nèi)部最大客戶，接下來的大規(guī)模落地中，也會(huì)與菜鳥驛站更深入合作。

所以小蠻驢的發(fā)布，絕不是達(dá)摩院黑科技落地交貨的“表象”。

這只剛加入阿里動(dòng)物園的“新物種”，是整個(gè)阿里經(jīng)濟(jì)體和生態(tài)中厚積薄發(fā)的技術(shù)成果。

小蠻驢，是阿里基礎(chǔ)設(shè)施之上，結(jié)出的最新果實(shí)。

這也側(cè)面反映出物流機(jī)器人這件事，進(jìn)場并非如此輕而易舉，連阿里這樣擁有頂尖技術(shù)、強(qiáng)大資源和自洽經(jīng)濟(jì)體生態(tài)的巨頭，都積蓄了3年，才有階段性答案。

有意思的是，機(jī)器人也好、自動(dòng)駕駛也是，外界其實(shí)早就知道阿里在研發(fā)。

也時(shí)常有“是騾子是馬拉出來溜溜”的調(diào)侃。

沒想到，最終站上阿里云棲黑科技年度發(fā)布頭條的，是一只小蠻驢。

所以也是時(shí)候，回答這個(gè)第三方觀察的問題。

如何評價(jià)小蠻驢？

首先，小蠻驢，真的很阿里。

這是一種技術(shù)的理想主義和務(wù)實(shí)落地的平衡理念。從無到有打造小蠻驢的阿里團(tuán)隊(duì)，來自達(dá)摩院自動(dòng)駕駛實(shí)驗(yàn)室。

這是一個(gè)2017年內(nèi)部組建的團(tuán)隊(duì)，負(fù)責(zé)人王剛，伊利諾伊大學(xué)香檳分校博士，曾任新加坡南洋理工大學(xué)終身教授……據(jù)說當(dāng)時(shí)他主動(dòng)請纓開啟阿里自動(dòng)駕駛研發(fā)，然后得到張建鋒支持，一做就是三年。

科學(xué)家出身的王剛，深知自動(dòng)駕駛的核心挑戰(zhàn)所在——本質(zhì)是一個(gè)實(shí)驗(yàn)學(xué)科，需要基于案例和范例去不斷學(xué)習(xí)，通過場景倒推技術(shù)不斷進(jìn)步。

同時(shí)，有技術(shù)理想，但也要用商業(yè)化方式去倒逼科學(xué)難題解決。

一般而言，科學(xué)課題變成商業(yè)范式，無外乎兩條路：

一條是沒有條件和資源限制，最大程度解決難題，然后在過程中尋求商業(yè)化機(jī)會(huì)，人類歷史上諸多技術(shù)創(chuàng)業(yè)，都分流于這條主干。

另一種則是一開始就有明確的定義域，然后尋求極致最優(yōu)解。

王剛坦承，小蠻驢屬于后一種，從3年前探索開始，他們就定下了智能、安全、可量產(chǎn)的三重維度，最終在物流機(jī)器人領(lǐng)域，找到了將AI和自動(dòng)駕駛現(xiàn)階段完美落地的鑰匙，推動(dòng)自動(dòng)駕駛技術(shù)從垂直場景向更廣泛的場景演進(jìn)。

大的邏輯很明確，你現(xiàn)在還不知道自動(dòng)駕駛的能力邊界究竟在哪里，如果一開始不能定義，就會(huì)變成一個(gè)不斷找邊界的過程。

而這種思考問題和解決問題的邏輯，也似曾相識。

因?yàn)楫?dāng)初發(fā)起創(chuàng)辦達(dá)摩院時(shí)，馬云就是這樣說的：

研究不應(yīng)該是Research for Fun（為快樂研究），也不應(yīng)該Research for Profit（為利潤研究），而是Research for solving the problem with Profit and Fun（為解決問題研究并帶來利潤和快樂）。

For fun走得太遠(yuǎn)，for profit走得太近，都走不長。一個(gè)企業(yè)做得多大，在于企業(yè)解決多大的社會(huì)問題。這是阿里巴巴思考的邏輯。

所以小蠻驢的對外發(fā)布，也不只是一個(gè)產(chǎn)品亮相，而是以機(jī)器人平臺、以小蠻驢智能科技有限公司亮相。

阿里之道，一以貫之。

其次，小蠻驢還展現(xiàn)了阿里的平臺化邏輯、生態(tài)邏輯，基礎(chǔ)設(shè)施邏輯。

小蠻驢亮相后的第一步，是在末端物流場景中規(guī)?；逃?，提供最后三公里配送服務(wù)。

同時(shí)，名為智能機(jī)器人的平臺也在今日推出。

這個(gè)平臺，要開放的是小蠻驢檢驗(yàn)成熟的機(jī)器人通用技術(shù)和能力模塊，用戶可在平臺上快速開發(fā)各類不同場景機(jī)器人。

阿里官宣，除了輪式機(jī)器人，機(jī)器人平臺還會(huì)開發(fā)雙足、履帶等不同類型機(jī)器人產(chǎn)品，用于救火救災(zāi)、防疫消殺、機(jī)場服務(wù)、景區(qū)導(dǎo)覽、安全巡防等場景。

所以由此推導(dǎo)，這個(gè)平臺的邊界，肯定還不會(huì)止于物流或服務(wù)類機(jī)器人。

從一開始，小蠻驢就是AI和自動(dòng)駕駛技術(shù)的產(chǎn)物，而在AI和自動(dòng)駕駛領(lǐng)域，還有更大的場景和生態(tài)可展開。

比起小蠻驢代表的RoboDeliver貨運(yùn)方向，這條賽道上，還有更耳熟能詳?shù)?strong>RoboTaxi。

阿里會(huì)止步于貨運(yùn)和服務(wù)的開放平臺嗎？

肯定不會(huì)。

或許未來某一天，小蠻驢這家公司，就會(huì)像平頭哥一樣，喊出“讓天下沒有難做的機(jī)器人\自動(dòng)駕駛”。

這個(gè)意義上，小蠻驢的本質(zhì)，是阿里使命愿景在AI\機(jī)器人\自動(dòng)駕駛的的一次開花結(jié)果。

而現(xiàn)在，阿里進(jìn)軍機(jī)器人的第一步，已正式邁出。

One more thing

最后的最后，還有一個(gè)小問題：

如何盡快享受到小蠻驢的機(jī)器人送貨服務(wù)？

阿里達(dá)摩院透露了一種方式——可以“挾包裹量以令小蠻驢”。

目前小蠻驢具體落地應(yīng)用，還沒有明確的地點(diǎn)規(guī)劃，但會(huì)沿著學(xué)校、社區(qū)和公司園區(qū)三大場景展開。

那些日包裹量超過1000單的校園\社區(qū)\公司園區(qū)，可以被優(yōu)先考慮。

1000單是一個(gè)什么樣的概念？

618或雙11為基準(zhǔn)，不少大學(xué)校區(qū)都超過了這個(gè)數(shù)。

所以想用小蠻驢，寫信、發(fā)郵件，打Call ~~~

— 完 —