生活中，迎面逆行三輪車、壓線行駛的貨車是較為典型的長尾場景。左側為人眼看到的現實實景，右側為車輛“大腦”構建的模型圖，每個物體前的延長線為系統對其活動預測的軌跡，避免各軌跡間發生碰撞，是自動駕駛的重要規則之一。圖為初速度在蘇州路測時記錄下的視頻。
初速度供圖
同一道題目，可以有多種解法。對自動駕駛長尾場景的解決，也出現了兩種思路。與通過自建車隊獲取數據的主流方案不同，中國自動駕駛初創企業Momenta(初速度)選擇了量產眾包、讓別人的車幫自己獲取數據的思路。
“面對那麼多長尾場景，一定需要海量數據來解決它們。數據從哪裡來？如果只通過自建車隊、不斷路測來獲取數據，會有兩個問題：一是成本非常高昂，二是獲取數據的效率低。”初速度研發副總裁夏炎思路清晰、語速極快。
在她看來，自建車隊的硬件、燃料和安全員的薪資，這些都是成本，算下來每輛自動駕駛汽車需要上百萬元人民幣。谷歌、百度等大公司，或許“燒錢”燒得起，但對於小型初創企業來說，這樣的成本太過高昂。而成本也決定了車隊規模不可能太大，幾百輛已接近上限。“但就算有幾百輛車，恐怕連北京海淀區也跑不完吧？這不可能窮盡所有的長尾問題。”
於是，初速度的設想是：“能不能自己不造車，讓道路上別人的車來幫我採集數據？”可別人為什麼願意幫你呢？因為你能提供已經商業落地的自動駕駛服務(L2-L3級別自動駕駛，包括自動泊車、高速巡航等輔助功能)，別人願意採購裝在自己車上。當越來越多的車安裝了初速度的產品，就能持續不斷地為完全的無人駕駛(L4級別自動駕駛)提供數據流和現金流，支持後者的研發。所以，初速度把自己的戰略形容為“兩條腿戰略”。
從理論上看，初速度的戰略設計非常適合自己。但在這種戰略選擇下，初速度也面臨著難題。在技術方面，要想實現“兩條腿”跑得協調，必須做到打通兩類傳感器之間的數據，讓別人車上的數據確實能“為我所用”。同時，既然收集到了海量數據，就必須對數據進行更有效率、更低成本的篩選和分析，並轉化為更快的算法迭代速度。據夏炎介紹，這恰好是初速度在技術方面的優勢。
相較技術，市場方面的難題可能更大。比如，如何能持續從車廠拿到足夠的訂單？有實力的車廠想自己做L2-L3技術時，該拿什麼作為自己的“護城河”？這些或許是初速度要思考的問題。
道理講得再多，終究要拿產品說話。10月22日，初速度在蘇州開啟了自動駕駛出租車的運營服務，市民通過微信小程序即可體驗。究竟中國自動駕駛產業能發展到何種高度，哪條戰略路線會更加成功，我們拭目以待。
