Автопилот оказался не магией, а бюрократией: кто на самом деле доведет роботакси до рынка

Теплый мартовский вечер в китайском Шэньчжэне. Зима (или, как я в шутку называю это время года, "не очень жаркое лето") уже фактически закончилась, и город готовится к очередному сезону дождей и высокой влажности. У тебя запланирована встреча с друзьями, и привычным движением ты открываешь одно из приложений внутри WeChat, чтобы вызвать машину. Реклама предлагает тебе промокод на беспилотную поездку. Ранее ты уже видел эти машины, но руки все никак не доходили попробовать. 20 юаней (примерно 250 р.) за получасовую поездку, в которой еще и функция караоке встроена, почему бы и нет? Через 5 минут к точке вызова бесшумно подъезжает бело-синий гибрид кроссовера и минивена и останавливается на аварийке. За рулем никого. Коммуникация — только через приложение.

Я подхожу, нажимаю кнопку на стойке двери и открываю ее. Салон пуст. За рулем никого нет. Абсолютно. На водительском сиденье даже не лежит забытая бутылка воды. Руль сам по себе делает короткий, выверенный оборот влево, корректируя парковку. На центральном экране ярко горит мое имя и кнопка «Начать поездку». Я сажусь на заднее сиденье, пристегиваюсь, нажимаю кнопку, и машина Baidu Apollo Go мягко отчаливает в ночной китайский мегаполис.

В тот вечер я ждал адреналина. Ждал холодного пота, седых волос или хотя бы легкой паники при каждом резком торможении перед выскочившим на дорогу мопедом. Но главный инсайт первой в жизни поездки на полноценном роботакси (Уровень 4 Автономности) оказался пугающе скучным: страх полностью улетучился ровно через три минуты.

На третьей минуте ты перестаешь смотреть расширенными глазами на то, как баранка крутится призрачными руками. На четвертой минуте лезешь в телефон ответить на сообщение. На пятой — начинаешь залипать в окно, воспринимая трехтонную машину, управляемую сервером со сложными нейросетями, просто как комфортный вагон персонального метро.

Будущее наступило. Но почему-то оно оказалось не таким, как нам обещали технологические визионеры из Кремниевой долины десять лет назад. Оно опоздало, оно оказалось невероятно дорогим в разработке, и, что самое удивительное для западного мира, лидером в этой гонке внезапно оказались не ребята в худи и бейсболках из Калифорнии.

Давайте отмотаем время на десятилетие назад, в середину 2010-х годов. Это была эпоха неудержимого технологического оптимизма. Google (еще до редизайна в Alphabet и выделения Waymo) возил журналистов в смешных машинках-коалах без руля по закрытым полигонам. Илон Маск в 2016 году уверенно заявлял, что к 2018 году Tesla проедет всю территорию США от побережья до побережья полностью автономно, в режиме «руки прочь», и даже подключится к зарядке без помощи человека.

Тогда казалось, что до тотальной революции на дорогах осталось от силы три года. Аналитические агентства выкатывали многостраничные отчеты, предрекая смерть профессии дальнобойщика и таксиста до начала 2020-х.

Но наступил 2020 год. Затем 2022-й. Долгожданный «полет до Марса» на дорогах общего пользования всё откладывался. Что пошло не так?

Проблема заключалась не в том, чтобы научить машину ехать по прямой. Проблема заключалась не в том, чтобы научить ИИ распознавать знаки «Стоп» или пешеходные переходы при идеальном освещении. С этой задачей инженеры справились еще на заре развития ML-алгоритмов.

Главной болью беспилотников стали «Edge cases» — граничные, уникальные, нестандартные ситуации, на долю которых приходится тот самый фатальный «последний один процент» дорожных происшествий. И невидимая ранее проблема заключается в том, что чем больше мы в нее погружаемся, тем более масштабной она нам кажется. Напоминает шутку про работу менеджера проекта о том, что когда сделано 90% работы, то остается еще 90% работы. А потом, когда сделано 99%, может оказаться, что осталось еще 99%.

Как машине реагировать на мужчину в костюме курицы, перебегающего дорогу ночью в шторм? Что делать, если на шоссе перевернулся грузовик с живыми свиньями? Как обогнать велосипедиста, который балансирует на одном колесе посреди полосы? Как понять, что перед тобой не очередной городской сумасшедший выскочил на дорогу, а всего лишь реклама риэлтора, улыбающегося всем вокруг с задника троллейбуса? Как увидеть людей в многочисленных скрюченных зомби, заполонивших даунтауны мегаполисов на западном побережье Америки? Для человеческого глаза и мозга, вооруженного здравым смыслом и интуитивным пониманием физики мира, такие ситуации — это вызов, но мы инстинктивно знаем, как сбросить скорость или обогнуть препятствие. Для нейросети, обученной на миллионах часов нормальной езды, костюм курицы или летящий из окна мусорный пакет — это математический коллапс.

Американский подход, долгие годы возглавляемый Waymo (дочкой Google/Alphabet), заключался в создании «идеальной песочницы». Они пошли по пути усложнения железа (Hard-coding и дорогие сенсоры) вместо ума. Машины Waymo, немного похожие на марсоходы из-за гигантских вращающихся башен на крышах, обвешивались радарами, ультразвуковыми датчиками и дорогущими лидарами (LiDAR — лазерными радарами), стоимость которых на старте доходила до 75 000 долларов за один датчик.

Более того, Waymo полагается на HD-карты (high-definition maps, карты высокой четкости). Это означает, что машина едет не столько полагаясь на свои «глаза» (камеры в реальном времени), сколько сканируя реальность и сверяя ее с загруженной в память до миллиметра трехмерной картой района.

Этот подход обеспечил высочайшую безопасность. Waymo ездят по Сан-Франциско и Финиксу так аккуратно, что убаюкивают пассажиров. Но у этого подхода есть фатальный экономический и технологический тупик — немасштабируемость. Вывезти Waymo из идеально отсканированного центра Сан-Франциско в незнакомый пригород в Огайо в период снежной бури — и машина превратится в беспомощный кусок железа, слепо тормозящий у каждого куста. Добавьте к этому чудовищную стоимость оборудования каждой машины, и станет ясно: если это и будущее, то доступное лишь в локальных техно-кластерах. Бизнес-модель буксовала.

Но пока Waymo и Cruise (беспилотная «дочка» GM, чудом не закрывшаяся после череды аварий со сбитыми пешеходами) пытались запустить свои радары в избранных районах, Илон Маск играл в совершенно другую игру — глобальную.

На протяжении более чем двух лет, пока я жил в Северной Америке, я практически ежедневно использовал систему FSD (Full Self-Driving) от Tesla. Формально, по бумажкам и классификациям регуляторов, это лишь Level 2 (или, как его иногда кокетливо называют, Level 2.5). Система обязывает водителя держать руки на руле, следить за дорогой и нести полную юридическую ответственность. Но давайте будем честны: это не более чем гениальная юридическая уловка Tesla для защиты от исков и регуляторов в переходный период. Де-факто технический уровень системы, которая годами без моего вмешательства проезжала сложные перекрестки и ремонтируемые американские хайвеи, — это ультимативный Level 4, а в некоторых сценариях даже 4+.

Именно этот «гражданский» опыт позволил мне увидеть кардинальную разницу подходов к автопилоту. Tesla отказалась от лидаров. В какой-то момент, к ужасу автоиндустрии, они отказались даже от ультразвуковых парктроников и миллиметровых радаров, перейдя на концепцию "Tesla Vision". Идея Маска была проста и агрессивна: «У человека нет лазеров во лбу. У нас только два глаза (камеры) и нейросеть (мозг). Машина должна уметь ездить так же».

Это казалось немыслимым высокомерием. Но у Tesla было то, чего не было ни у одного академического стартапа из Долины: данные. Big Data в ее абсолютном понимании.

Каждая проданная Model 3 или Model Y в мире, с включенным Autopilot или без него, работала и работает в «теневом режиме» (Shadow Mode), транслируя миллиарды миль реальных дорожных ситуаций обратно на серверы Tesla. Когда вы ведете свою Tesla в Огайо в снегопад, машина не управляет собой, но ее процессор активно предсказывает, что вы сделаете дальше. Если прогноз нейросети расходится с действиями водителя-человека, машина может сохранить этот "edge case" (сложный момент) и отправить видеофрагмент на сервер для обучения глобальной сети (Dojo).

Когда в 2024 году Tesla эффектно презентовала свой Cybercab (Роботакси без руля и педалей), многие журналисты восприняли это как очередную порцию красивых рендеров. Но правда заключается в том, что Cybercab не базируется на некой «новой» секретной технологии. Это кузов новой формы, который «одет» на программное обеспечение FSD v12+ — то самое, которое уже несколько лет обкатывается гражданскими обывателями на серийных машинах по всему миру.

Переход Tesla на End-to-End Neural Net (когда код перестали писать программисты руками «ЕСЛИ красный свет ТО тормози», а доверили сети обучаться сырыми видео на серверах) занял колоссальное время. Визионеры 2015 года ошиблись со сроками, потому что никто тогда не понимал, какой вычислительной мощности потребуют нейросети для реальной имитации интуиции водителя-человека. Но как только этот рубикон был пройден, развитие пошло по совершенно другой, пугающей экспоненте. Технология Tesla стала масштабируемой. Вы можете выгрузить FSD-сеть в незнакомом городе любой страны (если камеры видят разметку или хотя бы край дороги), и машина в 90% случаев поймет, куда ей ехать.

Тем временем, пока Америка решала философский вопрос «Лидар или только Камеры?», на Востоке происходило нечто невероятное.

Долгое время Китай на рынке автономного вождения оставался в роли вечного «догоняющего». Китайские стартапы (Pony.ai, AutoX, WeRide), казалось, просто копировали подход Waymo: брали обычные машины, ставили на крышу гроздья американских лидаров (пока не научились дешево делать свои) и пытались запустить их в тестовых зонах.

Но китайское экономическое чудо — это не только про дешевый труд, это про государственную волю и скорость масштабирования инфраструктуры.

Почему поездка на роботакси в Шэньчжэне от Baidu Apollo Go стала такой будничным? Потому что Китай понял простую истину: не нужно делать машину бесконечно умной, если можно сделать умной саму дорогу.

Концепция, которая позволила китайским роботакси вырваться вперед и охватить сотни квадратных километров реальных мегаполисов вроде Уханя, Гуанчжоу и Шэньчжэня, называется V2X (Vehicle-to-Everything).

Это не просто технология, это инфраструктурный монстр. Представьте, что светофор на перекрестке «общается» с машиной напрямую по сетям 5G, транслируя ей, сколько миллисекунд осталось до зеленого света. Камеры на столбах заранее передают автомобилю картинку о том, что происходит за «слепым» углом здания. Машины обмениваются телеметрией друг с другом.

Baidu (китайский Google) не пришлось решать задачу Tesla по созданию искусственного интеллекта человеческого уровня. Они создали локальные, доведенные до абсолютного идеала экосистемы. Государство дало зеленый свет на размещение датчиков, выделение полос, сертификацию городов.

Следствие этого ошеломит любого западного туриста: в то время как американские стартапы сжигают миллиарды долларов инвесторов на R&D, поездка на китайском роботакси Baidu стоит сущие копейки. Цены субсидируются настолько, что поездка выходит дешевле, чем вызов обычного Didi (аналог Uber) с живым водителем.

Это привело к тому, о чем давно предупреждали фантасты: к социальному напряжению. В 2024 году таксисты города Ухань (где оперирует огромный флот роботов Baidu «Radish») устроили реальные протесты. Роботы оказались дешевле, они не просят чаевых, они не отменяют короткие неудобные заказы, не слушают громкий шансон и не устают после 10-часовой смены. Это живой пример того, как демпинг роботов начинает выдавливать людей из профессии уже не в теории, а на практике.

Китай доказал: если объединить субсидии, тотальное картографирование и инфраструктуру умных городов, то роботакси становится повседневной реальностью уже сегодня, не дожидаясь создания Сильного ИИ.

Но если технологии готовы (как в США, так и в КНР), почему завтра же все машины мира не заменят роботами?

Ответ прост: барьер внедрения больше не инженерный. Он юридический и глубоко психологический. И здесь мы вступаем на минное поле этики искусственного интеллекта.

Ключевой вопрос: кто несет ответственность, если машина без руля, едущая на скорости 60 км/ч, насмерть сбивает пешехода?

В классической автошколе ответственность ясна: виноват водитель. Иногда виноват производитель (например, отказали заводские тормоза), но судебная практика по таким делам отрабатывалась веками.

А теперь представьте: Tesla FSD (или Waymo) попадает в аварию. Кто несет ответственность? Разработчик нейросети, написавший код? CEO компании, выпустивший патч «по воздуху» (OTA) прошлой ночью? Владелец машины (которая, возможно, работает как роботакси, пока он спит дома)? Или, может быть, муниципалитет, который плохо нарисовал разметку?

Когда в 2018 году тестовая беспилотная машина Uber насмерть сбила женщину с велосипедом в Темпе (Аризона), индустрия остановилась в шоке. Оказалось, что общество готово прощать живым пьяным водителям десятки тысяч смертей на дорогах ежегодно, но оно не потерпит ни одной смерти от рук (точнее, алгоритмов) «бездушной машины». Требования к роботам кратно, на порядки выше, чем к людям. Беспилотник должен быть не просто «в среднем безопаснее» человека. Он должен быть безопаснее идеального водителя.

И здесь всплывает знаменитая этическая «Проблема Вагонетки». Представьте неизбежную ситуацию, которую мы любим обсуждать в философии. Автопилот едет по узкой дороге. Внезапно на дорогу выбегает группа детей. Затормозить уже не хватит тормозного пути. Справа обрыв. Слева встречная машина и бетонный столб.

Машина за микросекунду просчитывает три варианта:

1. Сбить детей (пожертвовать чужими жизнями, сохранив пассажира).

2. Свернуть в столб (убить или тяжело покалечить собственного пассажира, спасши детей).

3. Улететь с обрыва вместе с пассажирами.

С моральной точки зрения, живой водитель в такой ситуации действует в состоянии аффекта. Суд учтет это. Но нейросеть действует преднамеренно. Любой алгоритм должен быть запрограммирован на определенные системы весов. И если разработчики Apple или Tesla пропишут в коде «при неизбежности жертвуй пассажиром ради группы людей», то кто захочет купить такую машину? А если пропишут «спасай пассажира любой ценой, дави пешеходов» — какую компанию после первого же прецедента не сожгут разъяренные общественные активисты?

Пока машины-беспилотники находятся на уровне единичных тестовых автопарков в отдельных регионах, правительства закрывают глаза на философские нестыковки и выдают локальные квоты (так делают регуляторы NHTSA в США или власти китайских провинций). Но для массового внедрения миру понадобится обновить систему права до уровня киберпанка.

Тогда, выходя из такси Baidu на освещенный неоном и светодиодами перекресток в Шэньчжэне, я обернулся, чтобы посмотреть на отъезжающую машину. Руль, который крутили невидимые электрические сервоприводы, медленно вывернул колеса, и кроссовер растворился в потоке других авто.Никто вокруг не обратил на него ни малейшего внимания.

Нам казалось, что будущее автопилотов наступит быстрее. Визионеры вроде Илона Маска сильно недооценили сложность создания человекоподобного интеллекта для навигации в хаосе реального мира. Эволюция нейросетей, сбор петабайт данных с миллионов обычных машин, разработка новых сенсоров и борьба с юридическими страхами общества потребовали не трех, а десяти лет тяжелой и дорогущей инженерии.

Но теперь главный барьер лежит уже не в плоскости инженерии. Технологии в целом доказали жизнеспособность. Следующий шаг зависит не столько от визионеров в худи и не от команд ML-инженеров, сколько от скучных чиновников, страховых актуариев, транспортных регуляторов, муниципальных юристов и политиков, готовых взять на себя ответственность за новую городскую норму. Именно они решат, кто отвечает за аварию, как сертифицировать беспилотные зоны, по каким правилам обновлять софт, как делить ответственность между владельцем, оператором флота, городом и производителем.

Настоящий перелом будет выглядеть не как красивый запуск «миллиона роботакси», а как медленное исчезновение человека из самых рутинных поездок. Сначала алгоритмы заберут предсказуемые маршруты: аэропорты, корпоративные шаттлы, доставку и такси в городах, где инфраструктура готова говорить с машинами. Роботакси помогут сгладить ситуации, которые сейчас приводят к повышенным коэффициентам - плохая погода, пробки, ночные поездки. Затем живой водитель начнет превращаться из нормы в дорогую, почти люксовую опцию — как консьерж, личный шофер или пилот для сложных условий. И в этом главный парадокс: революция автопилота войдет в историю не как момент триумфа, а как длинный, скучный и необратимый процесс, в конце которого человек за рулем вдруг окажется анахронизмом.

И если у какой-то страны сегодня максимальные шансы первой довести этот сценарий до массовой нормы, то это Китай. Не потому, что у него обязательно самые гениальные визионеры, а потому, что он уже не раз показывал умение превращать спорную технологию в инфраструктурный стандарт: так было со скоростными железными дорогами, так было с зарядной сетью и всей экосистемой электромобилей. Там, где Запад еще годами будет спорить о границах ответственности, правах профсоюзов и пределах допустимого риска, Пекин, вероятнее всего, просто назначит пилотные зоны, раздаст квоты, построит нужную цифровую обвязку и заставит систему заработать в промышленных масштабах.

И когда речь пойдет о флотах на миллионы автомобилей, даже «проблема вагонетки» вряд ли станет непреодолимым тормозом. Эти системы все равно будут обучать принимать статистически и этически оптимальные решения, пусть сами эти стандарты и окажутся разными в разных культурах. А обществу, как это уже бывало с другими большими технологическими сдвигами, останется постепенно привыкнуть к новой норме и научиться ей доверять.

Сроки? Я бы дал этому переходу около десяти лет. И, что важно, мы сейчас уже не в начале пути, а где-то в его середине. Как только появятся первые по-настоящему убедительные бизнес-результаты, подтверждающие жизнеспособность модели, принятие беспилотного транспорта в других странах может пойти лавинообразно. Просто потому, что никто не захочет остаться на обочине прогресса, когда перед глазами будет готовый пример: видно, как система работает, какую экономию дает и какие законы, регуляции и стандарты можно брать за основу.