自动驾驶少了“技术偷窃”,还能玩得转吗?

简介: 自动驾驶的“事”能算偷吗?

自动驾驶的“事”能算偷吗?

无论是古往今来的权谋故事、军事战争、还是商业大片之中,派遣己方人员去“敌方”卧底窃取机密总是最令看客们心惊胆战却倍感刺激的情节。近年来,这一经典的情节在自动驾驶领域频繁上演,其中夹杂着出走、背叛、信念不合种种,背后究竟是人性的“扭曲”,还是道德的“沦丧”?

这次我们一探究竟。

TB1uySfSkzoK1RjSZFlXXai4VXa.jpg

你这技术不错,下一秒就是我的了

2017年1月,特斯拉将Autopilot项目前主管Sterling Anderson告上法庭,称其在试图挖走至少12名自动驾驶工程师的同时,还从公司带走了几百GB容量的机密专有数据;

2017年2月,谷歌母公司Alphabet与Uber自动加驾驶汽车部门对簿公堂,指控Uber窃取了自家的商业机密用来启动Uber的自动驾驶项目;

2017年3月,百度安全事业部总经理马杰称,有一大批“受雇佣的黑客”正企图窃取百度的自动驾驶技术;

2018年7月,苹果向加利福尼亚州北区法院提交文件,指控苹果前员工窃取商业机密;

2019年3月,特斯拉对其前员工、小鹏汽车现员工曹光植提起民事诉讼,指控其窃取特斯拉Autopilot技术的源代码。

......

如此频发的偷窃事件,仿仿佛印证了那个段子“你这技术不错,可下一秒就是我的了”。

TB1QneiSkPoK1RjSZKbXXX1IXXa.jpg

当我们将事件掰开揉碎了分析之后发现,即便是技术偷窃也往往分为多种情况:一种是参与项目的高管/核心技术人员由于经营管理理念与原公司不合,选择离职出走创业成立新公司,之后被曝带走了前公司的机密文件。

比如,谷歌母公司Alphabet状告Uber偷了自家的商业机密就是典型范例。2016年Uber收购了一家名为Otto的公司,该公司创始人Anthony Levandowski(安东尼·莱万多斯基)曾任职Alphabet自动驾驶汽车部门软件工程师。他和Alphabet之间最大的争执就是关于自动驾驶的实验,谷歌认为自动驾驶实验需要在安全的基础上进行实验,也就是需要人类的司机坐在自动驾驶汽车的驾驶位置上随时接管。而莱万多斯基认为“如果你的工作是改进技术,那么安全绝对不是你的第一考虑。”

后来,莱万多斯基和持不同观点的泰勒坐了一辆自动驾驶汽车出发,途中该汽车遭遇无法处理的情况与一辆凯美瑞发生摩擦,停在了高速公路中央,并且还导致泰勒脊椎受伤。最终不满足受制于谷歌的莱万多斯基表明想要建立新的自动驾驶公司的意愿被谷歌开除,离职前下载的1.4万份文件则成了技术偷窃的铁证。

另一种技术偷窃情况则是员工离职、跳槽前进行的行为,比如,前面提到的苹果、特斯拉指控前员工窃取技术都隶属这一范畴。透过公开的信息可知,这一情况下,离职员工往往会在离职前夕做出反常的举动,比如他的网络活动与之前工作的时间相比访问行为呈现指数增长,并且会访问一些原本不属于他工作范围的内容、甚至下载核心机密文件数据转移到亲属电子设备等。

综合来说,这些人偷窃技术的原因往往出于与原公司理念不合想要实现自己的想法、跳槽、利益诱惑等。不过,抛开当事人本身的立场和想法,从整个自动驾驶行业来看,技术偷窃事件频发与行业自身的特殊性以及背后的资源掌控、技术壁垒等有着密切的关系。

TB1Q.89SgDqK1RjSZSyXXaxEVXa.jpg

自动驾驶技术偷窃的背后的行业困境

其实,当我们在谈论自动驾驶领域技术偷窃事件频发的时候,本质上要谈得是自动驾驶领域的人才团队、技术壁垒以及行业发展瓶颈等问题。

1、人才资源

中国汽车人才研究会执行副理事长兼秘书朱明荣也曾提到,据不完全统计,中国汽车行业职能人才总量不足2万人,而由于汽车行业职能网联人才的匮乏,严重制约了中国智能联网汽车的发展。

这一现象不仅在中国发生,全球的自动驾驶行业同样如此。国际期刊会议学术论文、AMiner对自动驾驶全球h-index排名TOP1000位学者进行计算分析所绘制出来的分布地图显示,美国在该领域人才数量是中国的10倍左右。 

尽管如此,美国的自动驾驶公司同样缺乏人才,巨头公司纷纷加入“抢人大战”。据外媒报道,美国匹兹堡的自动驾驶汽车市场人才竞争极其激烈,Uber、福特旗下的Argo AI等公司全都在大力“抢人”,相关专业大学毕业生毕业就能拿到20万美元(约合人民币130.9万元)的薪酬。

基于此种情况,在美国设立研发中心成为了国内企业的应对良策。据不完全统计,截至目前,富士康、百度、蔚来汽车、游侠汽车、智加科技、图森未来、小马智行等公司都在美国设有相关的研发中心。

具体到团队负责的职能,是由美国团队提供核心技术,国内团队负责美国团队研发成果在国内的落地。小鹏汽车自动驾驶副总裁吴新宙介绍,自动驾驶中美团队的分工,一般核心算法团队都在美国,他们负责提供核心技术,完成从算法运研、数据训练、模型优化到硬件上的实现,以及定位、激光雷达的处理、雷达的处理等。国内的团队则负责定义不同功能对每个模块的要求,要求北美团队按时按质量交付这些功能。

此外,挖人也是应对人才短缺、促进技术快速发展的一种手段,在业内也十分常见。然而重点在于,究竟是想挖人还是连人和“技术”都不愿放过?

2、技术壁垒

前面用了不少笔墨去论证自动驾驶领域人才的匮乏,而人才资源匮乏的本质也在某种程度上意味着技术壁垒很高,自动驾驶技术就是如此。

TB1NvTAXfc3T1VjSZPfXXcWHXXa.jpg

自动驾驶涉及多个领域的多种技术的融合,包括图像识别、成像系统算法、机器视觉、视觉感知、大数据处理、物体检测等等,项目研发过程中涉及的专利技术甚至可能多达上千种,想要全部由自己研发其实是非常困难的。

除了基础的专利技术之外,自动驾驶技术本身是通过安装在汽车上的传感器感知周围的环境、然后通过车上搭载的“智能大脑”对周围环境数据进行分析处理,并依此做出驾驶判断决策,控制车辆行进的方向等。

这个过程当中,所用到的传感器如何分布、收集的数据量、测试的数据量等都是非常关键的技术难点。并且,由于所收集的数据量巨大,运算的过程也会越来越复杂,“智慧大脑”的处理压力就会很大,如何在保持感知能力的基础上,优化传感器的组合提升运算处理效率是核心难点。

在决策控制方面,当传感器收集到环境数据后,“智慧大脑”要对数据进行处理,制定行进的路线方向,这个路线要随着车所处的环境、状况实时更新并且要求延迟低,那么对于数据量的处理要求就非常高,这也是不同自动驾驶公司之间最大的差别。同时,收集到大量数据的调校也非常重要,不同数据输入带来的结果也完全不同。

有文章对此更是直指自动驾驶领域技术偷窃的核心原因:“当一个技术人员在一家公司培养出一套成熟的自动驾驶算法,离职后意味着全部要重新来过,这也是不少人铤而走险带走研究成果的原因。”

当我们将目光对准国内,技术壁垒方面还来自于政策这一层面的原因。比如,获得地图测绘资质极其困难,自2001年到2018年年底,中国也仅仅只有20家单位获得了这一“通行证”。此外还包括自动驾驶路测牌照的放开、相关技术偏转要求等。这也是促使国内不少自动驾驶企业在国外设立研发中心的原因。

TB1OtB7SmrqK1RjSZK9XXXyypXa.jpg

最后自动驾驶领域技术偷窃频发背后还有一个原因就是,个别企业的急功近利。特斯拉控告其Autopilot负责人违反竞业禁止协议挖走团队员工时,就在庭审中直言,行业创造了一个急功近利的投资分为,整个业界变得浮躁和泡沫化。

商业的本质具有逐利性不必赘述,而个别公司为了获得融资或者在技术上实现快速发展超越,因此而“促就”的技术偷窃、浮夸宣传等,最终其实难以逃脱“泡沫碎裂”的结果。

说了这么多原因,有哪些解决之道呢?

避免“偷窃”需要人才和创新

当前自动驾驶还处于初步发展的阶段,无论技术、产品、市场等都需要不断的完善和培育。对于自动驾驶汽车而言,即便眼下能够一时通过技术“偷窃”、支付版权费用获得一些优势,但从去年开始热议的“芯片”就能够知晓,长远来看,市场的竞争中只有掌握了产品、技术的核心竞争力才能够笑到最后,不被种种因素而限制公司本身的发展。

其中人才的培养、引进、产学研一体化开放合作就非常重要。对于自动驾驶领域的人才培养而言,一方面人才培养周期较长,另一方面企业需要进入公司后能够直接干活的员工而非需要花费大量时间培养的“小白”。由此来看,可以借助媒体以及高校的资源,引导学生报考相关专业,同时在学校方面如同人工智能领域一样,增设相关专业填补人才的缺口。并且推动形成产业、企业与高校之间的合作,实现真正的产学研一体化,让学生在理论之外,能够与真正的实践接轨。

当然,对于一些大型企业而言,在自动驾驶领域人才聚集的海外开设研发中心、亦或直接到硅谷这样的人才聚集地“抢人才”、引入人才也是解决的方式之一。

TB1h5ydSgHqK1RjSZFgXXa7JXXa.jpg

另外还需要强调的则是,企业对于自主创新、知识产权的看重,这一点可以通过加大研发力度投入和收购、投资等方式去实现。以北汽为例,其曾经就宣布将在2020年之前投入20亿人民币,2025年之前投入50亿人民币进行技术研发;小鹏汽车、蔚来汽车等也都表示将扩充研发团队。

从政策角度来看,目前国内各个省份、城市也逐步放开了自动驾驶路测牌照的发放。以北京市为例,在去年其就发放了共计54张自动驾驶测试牌照,其他相关政策也在稳步推进当中。

除了创新之外,技术的保护对于企业而言也同样不可或缺。企业可以通过竞业协议、组建相关安全团队、即时进行专利申请、提升针对技术偷窃的警惕性等来防止自己研发的技术被窃取。以百度为例,其就曾在发现有黑客窃取自家自动驾驶技术后,组建了一只来自清华大学的学生团队,让学生帮助其找到其系统的漏洞所在。

同时,苹果在发现员工技术偷窃后也向全体员工发了一份很长的警示备忘录,警告员工不要向媒体泄露数据。信中,苹果透露仅在2017年,其就抓获了29名泄密者,其中12人被捕并被起诉。

总而言之,技术千万项,创新第一项,偷窃不可取,亲人两行泪。

本文部分内容参考:《没有美国团队,就别搞自动驾驶了》和《苹果抓了个跳槽小鹏的商业间谍,小鹏汽车:不知道窃密的事》。

相关文章
|
13天前
|
传感器 机器学习/深度学习 人工智能
自动驾驶汽车中的AI:从概念到现实
【10月更文挑战第31天】自动驾驶汽车曾是科幻概念,如今正逐步成为现实。本文探讨了自动驾驶汽车的发展历程,从早期的机械控制到现代的AI技术应用,包括传感器融合、计算机视觉、路径规划和决策控制等方面。尽管面临安全性和法规挑战,自动驾驶汽车在商用运输、公共交通和乘用车领域展现出巨大潜力,未来将为人类带来更安全、便捷、环保的出行方式。
|
4月前
|
传感器 自动驾驶 安全
无人驾驶汽车对人民的出行方式和生活方式产生了深远的影响
无人驾驶汽车对人民的出行方式和生活方式产生了深远的影响
无人驾驶汽车对人民的出行方式和生活方式产生了深远的影响
|
机器学习/深度学习 传感器 自动驾驶
未来之路:大模型技术在自动驾驶的应用与影响
本文深入分析了大模型技术在自动驾驶领域的应用和影响,万字长文,慢慢观看~ 文中首先概述了大模型技术的发展历程,自动驾驶模型的迭代路径,以及大模型在自动驾驶行业中的作用。 接着,详细介绍了大模型的基本定义、基础功能和关键技术,特别是Transformer注意力机制和预训练-微调范式。 文章还介绍了大模型在任务适配性、模型变革和应用前景方面的潜力。 在自动驾驶技术的部分,详细回顾了从CNN到RNN、GAN,再到BEV和Transformer结合的技术迭代路径,以及占用网络模型的应用。 最后,文章重点讨论了大模型如何在自动驾驶的感知、预测和决策层面提供赋能,突出了其在该领域的重要性和影响力。
1437 0
|
传感器 自动驾驶 数据处理
自动驾驶汽车的脚本需要考虑多种因素
自动驾驶汽车的脚本需要考虑多种因素
90 1
|
传感器 编解码 自动驾驶
自动驾驶汽车:理论和实践挑战
自动驾驶汽车:理论和实践挑战
142 0
|
传感器 人工智能 监控
人工智能如何帮助减少交通事故
随着人工智能的使用,道路事故可以得到遏制,特别是在元宇宙中,它将技术和科学结合在一起,以减少人为错误。这可以帮助准确地评估司机、基于驾驶技能的司机档案、更好地收集和分析碰撞数据等。
170 0
人工智能如何帮助减少交通事故
|
机器学习/深度学习 人工智能 供应链
如何利用人工智能减少塑料垃圾?
全世界每年产生的4亿吨塑料废物中只有不到10%被回收。尽管解决这个问题需要重大而复杂的改变,但使用人工智能可以获得所需的知识和效率。
175 0
如何利用人工智能减少塑料垃圾?
|
人工智能 智能设计 算法
人工智能或将使空调性能提高十倍
自1990年以来,我们用于冷却室内空间的能源增加了两倍,到2050年,随着发展中国家和中等收入国家对空调的使用增加,这一能源将再次增加两倍。研究人员正在投入大量的精力研发新型冷却技术,以降低能耗,但在不久的将来,似乎还没有一项技术能达到最佳效果。
244 0
人工智能或将使空调性能提高十倍
|
传感器 人工智能 运维
自动驾驶网络2025年达到L4级别,你准备好了吗
自动驾驶网络2025年达到L4级别,你准备好了吗
490 0
自动驾驶网络2025年达到L4级别,你准备好了吗
|
机器学习/深度学习 传感器 自动驾驶