无人驾驶公司该如何做，才能挺过这次疫情

我在三月时写过一篇文章，说明了疫情对无人驾驶行业的影响（微信回复“疫情”阅读）。现在，两个月过去了。截止到5月16号，美国的累计新冠确诊人数已经达到150万，失业率上升到15%。位于美国的各个无人驾驶公司也无疑受到了冲击，大部分公司的路测已经叫停。我们今天来探讨，无人驾驶公司该如何做，才能挺过这次疫情。开源节流 首先是开源节流的问题。无人驾驶的研发耗时耗力，没有持续不断的投资很难撑下去。疫情之下，投资人对市场信心不足。如果公司产品的milestone不能及时达成，很可能公司就拿不到下一轮的融资。 因此，公司只能想办法削减成本。多家公司已辞退负责路测的安全驾驶员，他们大多是contractor（合同工）。Cruise和Zoox也辞退了部分正式员工，其中甚至包括核心开发人员。

无人驾驶公司之所以裁员，其实主要还是因为无人驾驶行业还未开始盈利，甚至在接下来的五年时间里都不可能。盈利需要足够庞大的车队以及相对成熟的ODD（适用运营场景）。在那一天到来之前，无人驾驶只能是一个烧钱的行业。

因此，各公司在“节流”的基础上，也要考虑“开源”。即使某些收入还无法形成规模，但毕竟也比完全没有收入要好得多。比如，可以将车队重新定义为辅助驾驶车队，将配有安全驾驶员的测试车作为网约车或是快递车。比如，在疫情期间，可以运送食物或是医用物资。通过实际运营，不但可以打造品牌，积累里程，还可以为之后盈利做准备，并收集用户的数据。

当然，开辟新的业务需要大量的前期工作。如果公司并不计划在未来以网约车的形式落地，那么就没必要在短期内为了赚钱而赚钱，否则反而是浪费公司资源。 公司也可以想办法利用已有的资产盈利。比如 ，我们可以将已有的数据进行包装，或是将一部分开发平台包装，与需要这些数据平台的公司寻求合作，从而将数据变现。 仿真，除了验证，还能做什么？ 没了路测，验证就全靠仿真，仿真背后的各项测试就显得尤为重要。检验覆盖面（test coverage）有没有漏测的方法其实很简单，只要把一些疫情之前的数据跑一边，看看有没有把当时路测发现的问题都找到，然后查缺补漏。当然，这种方法并不能保证可以找到所有覆盖面中的漏洞。 没了路测，数据也变得贫瘠。除了验证之外，仿真还可以用来“创造”数据，从有限的数据中，尽量榨干其价值。比如，通过将数据参数化（parameterization），我们可以将一个数据点变成一百个，赋予数据“百变”的特异功能。 同时，我们也可以利用机器学习技术，打造完全虚拟的道路障碍，即在打造人工智能的同时，让人工智能帮助我们创造数据，从而形成数据量上的良性循环，也在一定程度上防止了过拟合（overfitting）。 充分做好回归办公室的计划 疫情的高峰期总归会过去。路测一旦恢复，在疫情期间开发的代码会在路测中暴露出诸多问题，多个bug重叠在一起，很难理清，工程师们会面临前所未有的工作量。 为了避免这种情况发生，团队必须有选择性地、阶段性地测试代码，不可一蹴而就。假设疫情期间一共改进了十处代码，就要对这十处分批测试。这就对代码的结构清晰程度提出了很高要求，要做到每一个bug都可以追本溯源（traceable）。 另外，由于员工只能在家上班，硬件开发受到严重影响。在疫情结束前，团队管理者需要做好严密的计划，让员工分批回办公室调试硬件。首先调试最重要的部分，和软件团队紧密配合，次要的部分可以等疫情完全结束之后再调试。 希望各个公司可以挺过这次疫情，不要放弃对无人驾驶的开发。无人驾驶一旦大规模落地，我们面对下一次疫情时将更从容。