0
2018 年 2 月，一輛來自 Starsky 公司的重型卡車正在美國佛羅里達州亨德里縣的公路上緩緩行駛，在這段全程 7 公里的測試中，駕駛室內卻空無一人——這是第一次真正意義上的重卡自動駕駛之旅；反觀同時期的Uber 自動駕駛卡車，座位上則端坐著“安全駕駛員”。
不久后，Starsky 完成了 1650 萬美元的 A 輪融資，領投方為 Shasta Ventures；另外，Y Combinator，Trucks.vc，50 Years 和 9 Point Ventures 等風投機構也選擇跟投。
顯然，曾經的Starsky和其自動駕駛卡車公司一樣前途無量。然而，時間僅僅過去一年，Starsky 就走進了死胡同。
需要注意的是，在融資能力上Starsky確實不太行，它們口袋里的 2030 萬美元遠遠少于競爭對手。據了解，TuSimplee（圖森）已經從投資者那里拿到了近 3 億美元；Embark 則獲得了 1.17 億美元；Ike Robotics 與 Kodiak 也分別融到了 5200 萬美元和 4000 萬美元資金。
2020 年 3 月 19 日，Starsky 創始人兼首席執行官 Stefan Seltz-Axmacher 通過《Medium》發布了題為文章《The End of Starsky Robotics》，宣布了關閉 Starsky 的消息，并透露了背后的辛酸故事。
上圖左側為 Stefan Seltz-Axmacher
以下是雷鋒網在不改變原意的基礎上對《The End of Starsky Robotics》進行的編譯：
2015 年，出于對自動駕駛卡車的執念，我創立了 Starsky Robotics。2016 年，Starsky 開了行業先河，合法在道路上完成運輸工作并獲得了相應的報酬。2018 年，我們在封閉的道路環境中測試了第一臺真正意義上的自動駕駛卡車。2019 年，這輛自動駕駛卡車開上高速公路實戰。然而，到了 2020 年，看似前途光明的 Starsky 卻迎來了終結。
說實話，我一直都為我們的產品、團隊和組織感到無比自豪。無論是團隊的博士、研究人員，還是卡車司機，這么多年來都在并肩作戰，我們還發現了未來物流的運營模式。就像沙克爾頓遠征南極洲一樣，我們做了其他人沒有做過的事情。但是，我們的設想并沒有按計劃進行。
我認為，“時機不對”是導致Starsky夭折的重要因素，但我仍然堅信，我們的方法是正確的，由于 AI 技術未能達到理想狀態，因此無法提出實際的解決方案，自動駕駛重卡商業化的時刻尚未到來。
缺乏新突破和新進展導致投資者興趣下降，2019 年科技股相關 IPO 還嚴重受挫。更可怕的是，貨運業陷入了長達 18 個月的衰退。
有太多問題在這里我們無法一一詳述，但最大的問題是，監督式機器學習尚未達到之前宣傳的效果。它不是類似于 C-3PO 那樣真正意義上的人工智能，而是一種復雜的模式匹配工具。
早在 2015 年，幾乎所有人都認為自己的孩子未來不需要學習如何開車。因為監督式機器學習在 AI 的支持下發展得如此之快，在短短的幾年內，它已從支持相對簡單的圖像識別功能進化到了能夠在一定程度上支持自動駕駛的技術。看起來，AI 的發展好像也在遵循摩爾定律：
眾所周知，AI 最困難部分就是如何處理好極端情況。實際上，模型越好就越難找到可靠的極端情況數據集。而且模型越好，就需要越精準的數據進行改進。與其看到 AI 性能的質量呈指數級提高，不如看到改善 AI 系統的成本呈指數級增長——監督式機器學習的發展似乎在遵循著 S 曲線。
上圖的 S 曲線就是為什么擁有 5 至 15 名工程師的 Comma.ai 團隊在 AI 性能方面被認為與特斯拉 100 多人的團隊相差無幾的原因。或為什么只有 30 名工程師的 Starsky 能夠成為三家進行公路自動駕駛測試的公司之一。
實際上，S 曲線在技術中是很常見的，真正的問題在于，如何來比較當前的技術與人類的車技。我認為主要有三個選項：監督式機器學習水平超越人類的駕駛水平（如下圖所示，顯示為 L1），監督式機器學習水平接近人類的駕駛水平（L2），監督式機器學習離人類駕駛水平還有一段距離（L3）。
如果按照圖表中 L1 的情況，頭部的玩家只需證明安全性即可部署自動駕駛技術。盡管這個觀點目前聽起來有點難以置信，但我認為，在特定的場景下，這種情況是有可能存在的。如果是第二種（L2），那么大型團隊距離解決這個問題大約還得花 10-250 億美元。但是，如果是 L3，那么當前的任何技術不太可能實現這一目標。所以這也是為什么總有人說真正實現自動駕駛還需要 10 年時間。
然而，并沒有幾個自動駕駛新創公司能在沒有任何成果的情況下生存 10 年。
對于不熟悉風投動態的人來說，以上許多觀點似乎都暗示著 Starsky 是投資的絕佳案例，而且與這些觀點相符的趨勢日益變得明顯。
但不幸的是，當投資者在某個領域降低興趣時，他們通常不會特殊對待誰。我們還發現，投資者確實不喜歡成為運營商的商業模式，而且我們在安全方面的巨額投入并沒有吸引投資者。
如果遠程操作可以解決一半的有關自動化的挑戰，那么另一半則可以交給卡車公司來解決，比如，卡車公司可以選擇運營的路線，在路況更簡單的道路上行駛，當道路條件變差時，卡車更是可以及時靠邊停車。
然而，對于技術公司來說，貨運公司并不是理想的客戶，他們購買安全性要求極高的自動車輛的需求并不高。即使 Starsky 完善了常規的自動化技術并通過了安全性驗證，但我們離盈利還很遠。
而且，在 Starsky，我們發現超過 25 個卡車貨運商非常愿意將貨物裝載到他們所認為的“無人駕駛”卡車上。
然而，對于技術公司來說，貨運公司并不是理想的客戶，他們采購安全性要求極高的自動車輛的需求并不高。即使 Starsky 完善了常規的自動駕駛技術并通過了安全性驗證，我們離盈利還很遠。
而且，在 Starsky，我們發現超過 25 個卡車貨運商非常愿意將貨物裝載到他們所認為的“自動駕駛”卡車上，雖然其利潤率比不上傳統軟件行業的 90%，但50%已經相當可觀。
不過，我花了很長時間才意識到，風投們更愿意選擇一家利潤率達到 90％ 的 10 億美元業務，而不是利潤率為 50％ 的 50 億美元業務。
在 2019 年 1 月，我們的安全主管，公關主管和我在會議室開展戰略會議。問題是：我們怎樣才能讓安全性成為Starsky真正吸引人的優勢。
在那之前的一個月，我們公開發布了 VSSA——這是一套技術性很強的文本，詳細說明了我們決定如何確保安全性的方法。我們還將相關資料給了記者，但他們對安全性能不太關心，而是寫了有關遠程操作的文章。
之后，我們匆匆忙忙地結束了會議，因為就連我們自己也想不出如何使安全工程設計變得足夠有吸引力。后來我發現，真正的問題在于人們只會對小概率事情感到興奮，例如 Starsky 的自動駕駛公共道路測試。另一個例子是，即使是負面的，與每天因汽車事故死亡的 100 人相比，空難得到的關注也要多得多。
然而，我們一直在嘗試構建一個“零事故”的運行系統，精準記錄產品在安全工程方面的表現，以便用戶準確了解到產品將在什么情況下發生故障以及這些故障的嚴重程度，然后計算這些情況發生的概率，從而幫助用戶悉知產品導致的損失大小。
做到這一點確實非常困難，這幾乎是我們從 2017 年 9 月到 2019 年 6 月自動駕駛卡車運行之前所做的唯一事情。我們將自己系統的測試數據記錄下來，并建立了冗余系統，然后反復測試系統是否有故障，修復故障再反復測試。
然而，所有這些工作外界都看不見。任何投資者都喜歡聽好話，甚至是創始人對他們撒下的彌天大謊。那么如何讓投資者相信我們研發的自動駕駛卡車實際上只有百萬分之一的致命事故發生率呢？如果他們根本不知道實現無自動駛的難度有多大，他們怎么能夠確信在自己投資后的短期內不會有其他產品實現這一目標，然后放心投資呢？
另一方面，我們的競爭對手投入了大量工程精力到構建其他 AI 功能上。比如，假如系統里有足夠多的的地圖數據，自動駕駛卡車的操作者有時可能會決定更改車道，等等。
從直觀角度上來看，這些新穎前沿的功能更容易讓投資者印象深刻。然而，跟這些“偶爾用得上”的功能相比，我們實現“數據上的可靠”需要多付出 10 倍，甚至 1000 倍的努力?？上?，投資者并不在意。
2019 年 11 月，我們 2000 萬美元 B 輪融資告吹。隨后，Starsky解散了團隊，開始著手出售公司，那可能是我一生中最糟糕的一天。
到 2020 年 1 月底，有一些員工已經找到了下家，而我正在考慮出售公司的資產，其中包括操作自動駕駛車輛必不可少的多項專利。就像一艘沉船的船長，我已經盡我所能幫助大多數船員乘坐救生艇逃離，在我開始思考自己下一步該怎么做時才發現，冰涼的海水已經沒過我的腳踝。
從我的角度來看，我認為人類目前在自動駕駛領域的進度更接近 L3，這意味著沒有什么人會把生意押在專注于安全的 AI 業務上。同時，當前的公司未來兩年會繼續燒錢，然后熬過幾年沒有融資的困難時期。如果運氣好，它們可能會繼續堅持 5 年，不斷進行自動駕駛公路測試?？傊?，在隨后的幾年里，對該領域的投資應該不會太多。
我希望我的上述想法是錯的。因為勞動力老齡化很大程度會在未來 5-10 年內開始限制經濟增長；另外，每年有 4000 人死于卡車事故，這根本就是不必要的犧牲。
如果說人們能夠從 Starsky 的發展中受到什么啟發，那就是，將駕駛員從車里“解放”出來，拯救人類于危險的極端情況是切實可行的。
只是，這一愿景要靠別人來實現了。雷鋒網雷鋒網
參考資料：
https://medium.com/starsky-robotics-blog/the-end-of-starsky-robotics-acb8a6a8a5f5
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
