2018 年 2 月，一辆来自 Starsky 公司的重型卡车正在美国佛罗里达州亨德里县的公路上缓缓行驶，在这段全程 7 公里的测试中，驾驶室内却空无一人——这是第一次真正意义上的重卡自动驾驶之旅；反观同时期的Uber 自动驾驶卡车，座位上则端坐着“安全驾驶员”。
不久后，Starsky 完成了 1650 万美元的 A 轮融资，领投方为 Shasta Ventures；另外，Y Combinator，Trucks.vc，50 Years 和 9 Point Ventures 等风投机构也选择跟投。
显然，曾经的Starsky和其自动驾驶卡车公司一样前途无量。然而，时间仅仅过去一年，Starsky 就走进了死胡同。
需要注意的是，在融资能力上Starsky确实不太行，它们口袋里的 2030 万美元远远少于竞争对手。据了解，TuSimplee（图森）已经从投资者那里拿到了近 3 亿美元；Embark 则获得了 1.17 亿美元；Ike Robotics 与 Kodiak 也分别融到了 5200 万美元和 4000 万美元资金。
2020 年 3 月 19 日，Starsky 创始人兼首席执行官 Stefan Seltz-Axmacher 通过《Medium》发布了题为文章《The End of Starsky Robotics》，宣布了关闭 Starsky 的消息，并透露了背后的辛酸故事。
上图左侧为 Stefan Seltz-Axmacher
以下是雷锋网在不改变原意的基础上对《The End of Starsky Robotics》进行的编译：
2015 年，出于对自动驾驶卡车的执念，我创立了 Starsky Robotics。2016 年，Starsky 开了行业先河，合法在道路上完成运输工作并获得了相应的报酬。2018 年，我们在封闭的道路环境中测试了第一台真正意义上的自动驾驶卡车。2019 年，这辆自动驾驶卡车开上高速公路实战。然而，到了 2020 年，看似前途光明的 Starsky 却迎来了终结。
说实话，我一直都为我们的产品、团队和组织感到无比自豪。无论是团队的博士、研究人员，还是卡车司机，这么多年来都在并肩作战，我们还发现了未来物流的运营模式。就像沙克尔顿远征南极洲一样，我们做了其他人没有做过的事情。但是，我们的设想并没有按计划进行。
我认为，“时机不对”是导致Starsky夭折的重要因素，但我仍然坚信，我们的方法是正确的，由于 AI 技术未能达到理想状态，因此无法提出实际的解决方案，自动驾驶重卡商业化的时刻尚未到来。
缺乏新突破和新进展导致投资者兴趣下降，2019 年科技股相关 IPO 还严重受挫。更可怕的是，货运业陷入了长达 18 个月的衰退。
有太多问题在这里我们无法一一详述，但最大的问题是，监督式机器学习尚未达到之前宣传的效果。它不是类似于 C-3PO 那样真正意义上的人工智能，而是一种复杂的模式匹配工具。
早在 2015 年，几乎所有人都认为自己的孩子未来不需要学习如何开车。因为监督式机器学习在 AI 的支持下发展得如此之快，在短短的几年内，它已从支持相对简单的图像识别功能进化到了能够在一定程度上支持自动驾驶的技术。看起来，AI 的发展好像也在遵循摩尔定律：
众所周知，AI 最困难部分就是如何处理好极端情况。实际上，模型越好就越难找到可靠的极端情况数据集。而且模型越好，就需要越精准的数据进行改进。与其看到 AI 性能的质量呈指数级提高，不如看到改善 AI 系统的成本呈指数级增长——监督式机器学习的发展似乎在遵循着 S 曲线。
上图的 S 曲线就是为什么拥有 5 至 15 名工程师的 Comma.ai 团队在 AI 性能方面被认为与特斯拉 100 多人的团队相差无几的原因。或为什么只有 30 名工程师的 Starsky 能够成为三家进行公路自动驾驶测试的公司之一。
实际上，S 曲线在技术中是很常见的，真正的问题在于，如何来比较当前的技术与人类的车技。我认为主要有三个选项：监督式机器学习水平超越人类的驾驶水平（如下图所示，显示为 L1），监督式机器学习水平接近人类的驾驶水平（L2），监督式机器学习离人类驾驶水平还有一段距离（L3）。
如果按照图表中 L1 的情况，头部的玩家只需证明安全性即可部署自动驾驶技术。尽管这个观点目前听起来有点难以置信，但我认为，在特定的场景下，这种情况是有可能存在的。如果是第二种（L2），那么大型团队距离解决这个问题大约还得花 10-250 亿美元。但是，如果是 L3，那么当前的任何技术不太可能实现这一目标。所以这也是为什么总有人说真正实现自动驾驶还需要 10 年时间。
然而，并没有几个自动驾驶新创公司能在没有任何成果的情况下生存 10 年。
对于不熟悉风投动态的人来说，以上许多观点似乎都暗示着 Starsky 是投资的绝佳案例，而且与这些观点相符的趋势日益变得明显。
但不幸的是，当投资者在某个领域降低兴趣时，他们通常不会特殊对待谁。我们还发现，投资者确实不喜欢成为运营商的商业模式，而且我们在安全方面的巨额投入并没有吸引投资者。
如果远程操作可以解决一半的有关自动化的挑战，那么另一半则可以交给卡车公司来解决，比如，卡车公司可以选择运营的路线，在路况更简单的道路上行驶，当道路条件变差时，卡车更是可以及时靠边停车。
然而，对于技术公司来说，货运公司并不是理想的客户，他们购买安全性要求极高的自动车辆的需求并不高。即使 Starsky 完善了常规的自动化技术并通过了安全性验证，但我们离盈利还很远。
而且，在 Starsky，我们发现超过 25 个卡车货运商非常愿意将货物装载到他们所认为的“无人驾驶”卡车上。
然而，对于技术公司来说，货运公司并不是理想的客户，他们采购安全性要求极高的自动车辆的需求并不高。即使 Starsky 完善了常规的自动驾驶技术并通过了安全性验证，我们离盈利还很远。
而且，在 Starsky，我们发现超过 25 个卡车货运商非常愿意将货物装载到他们所认为的“自动驾驶”卡车上，虽然其利润率比不上传统软件行业的 90%，但50%已经相当可观。
不过，我花了很长时间才意识到，风投们更愿意选择一家利润率达到 90％ 的 10 亿美元业务，而不是利润率为 50％ 的 50 亿美元业务。
在 2019 年 1 月，我们的安全主管，公关主管和我在会议室开展战略会议。问题是：我们怎样才能让安全性成为Starsky真正吸引人的优势。
在那之前的一个月，我们公开发布了 VSSA——这是一套技术性很强的文本，详细说明了我们决定如何确保安全性的方法。我们还将相关资料给了记者，但他们对安全性能不太关心，而是写了有关远程操作的文章。
之后，我们匆匆忙忙地结束了会议，因为就连我们自己也想不出如何使安全工程设计变得足够有吸引力。后来我发现，真正的问题在于人们只会对小概率事情感到兴奋，例如 Starsky 的自动驾驶公共道路测试。另一个例子是，即使是负面的，与每天因汽车事故死亡的 100 人相比，空难得到的关注也要多得多。
然而，我们一直在尝试构建一个“零事故”的运行系统，精准记录产品在安全工程方面的表现，以便用户准确了解到产品将在什么情况下发生故障以及这些故障的严重程度，然后计算这些情况发生的概率，从而帮助用户悉知产品导致的损失大小。
做到这一点确实非常困难，这几乎是我们从 2017 年 9 月到 2019 年 6 月自动驾驶卡车运行之前所做的唯一事情。我们将自己系统的测试数据记录下来，并建立了冗余系统，然后反复测试系统是否有故障，修复故障再反复测试。
然而，所有这些工作外界都看不见。任何投资者都喜欢听好话，甚至是创始人对他们撒下的弥天大谎。那么如何让投资者相信我们研发的自动驾驶卡车实际上只有百万分之一的致命事故发生率呢？如果他们根本不知道实现无自动驶的难度有多大，他们怎么能够确信在自己投资后的短期内不会有其他产品实现这一目标，然后放心投资呢？
另一方面，我们的竞争对手投入了大量工程精力到构建其他 AI 功能上。比如，假如系统里有足够多的的地图数据，自动驾驶卡车的操作者有时可能会决定更改车道，等等。
从直观角度上来看，这些新颖前沿的功能更容易让投资者印象深刻。然而，跟这些“偶尔用得上”的功能相比，我们实现“数据上的可靠”需要多付出 10 倍，甚至 1000 倍的努力。可惜，投资者并不在意。
2019 年 11 月，我们 2000 万美元 B 轮融资告吹。随后，Starsky解散了团队，开始着手出售公司，那可能是我一生中最糟糕的一天。
到 2020 年 1 月底，有一些员工已经找到了下家，而我正在考虑出售公司的资产，其中包括操作自动驾驶车辆必不可少的多项专利。就像一艘沉船的船长，我已经尽我所能帮助大多数船员乘坐救生艇逃离，在我开始思考自己下一步该怎么做时才发现，冰凉的海水已经没过我的脚踝。
从我的角度来看，我认为人类目前在自动驾驶领域的进度更接近 L3，这意味着没有什么人会把生意押在专注于安全的 AI 业务上。同时，当前的公司未来两年会继续烧钱，然后熬过几年没有融资的困难时期。如果运气好，它们可能会继续坚持 5 年，不断进行自动驾驶公路测试。总之，在随后的几年里，对该领域的投资应该不会太多。
我希望我的上述想法是错的。因为劳动力老龄化很大程度会在未来 5-10 年内开始限制经济增长；另外，每年有 4000 人死于卡车事故，这根本就是不必要的牺牲。
如果说人们能够从 Starsky 的发展中受到什么启发，那就是，将驾驶员从车里“解放”出来，拯救人类于危险的极端情况是切实可行的。
只是，这一愿景要靠别人来实现了。雷锋网雷锋网
参考资料：
https://medium.com/starsky-robotics-blog/the-end-of-starsky-robotics-acb8a6a8a5f5
正在生成分享图...
刘伊伦