自動駕駛潮涌，人類何時交出方向盤？

凌川兒

“2020年會有100萬輛無人駕駛出租車上路。”2019年4月，一向“大嘴巴”的特斯拉CEO伊隆·馬斯克，在推特上這樣宣稱。

有趣的是，李開復在這條推特底下評論道，如果屆時路上真的有100萬輛特斯拉的無人駕駛汽車，“我就把它們全吃了”。

如今回過頭來看，圍繞自動駕駛的各種美麗幻想和狂熱樂觀正在逐步消退。大家都知道，在汽車工業漸進式的發展進程中，自動駕駛汽車在或遠或近的未來終將到來，但在目前，這輛無人駕駛車輛的四個輪子何時真正大規模落地，尚沒有明晰的時間表。

狂熱“前夜”

在不斷嘗試突破肉體極限的后人類時代，新興科技在重新“書寫”人類本身的同時，也給日常的交通出行場景帶來前所未有的變革。

過去這一個多世紀，汽車工業的產品，都圍繞著以發動機為驅動、以化石燃料為能源的技術核心展開設計。“圈外人”智能電動車的強勢切入，在整車、零部件和儲能系統等產業鏈環節上快速布局，成為近年帶動全球汽車業巨變的弄潮兒。

科技的進步，不斷對汽車進行越來越全面的武裝。有數據表明，世界經濟增長總值里差不多10%和出行、運輸相關。2017年，英特爾發布報告稱，到2050年，預計全球自動駕駛汽車市場的規模將達到7萬億美元。

承載著“技術創造美好生活”的暢想，眼前是如此豐厚的商業潛力，行業內外充滿信心。2016年底，蘋果和谷歌兩大科技巨頭相繼放棄了籌備已久的造車計劃，轉而大力投入自動駕駛和智能互聯軟件業務的研發。

彼時的全球汽車市場，看上去像極了自動駕駛汽車量產時代來臨的前夜：以特斯拉為代表的新能源車企，在整合自動駕駛技術軟硬件上最為積極;傳統車企如寶馬、大眾，利用自身在制造端的深厚優勢，聯合科技公司加速智能車的研發和技術儲備;而英偉達、地平線等人工智能的核心玩家—芯片商們，也在自動駕駛AI芯片的“軍備競賽”中展開激烈角逐。

一旦自動駕駛車輛被證實可行，大批無人駕駛出租車上路成為現實，將對生產、銷售汽車的固有商業模式造成顛覆性沖擊。畢竟在有技術保證的前提下，絕大部分用戶都不會選擇被安全帶系住枯坐在方向盤后。

2 0 2 0年1月2 1日，美國舊金山，C r u i s e推出了一款名為Or i g in的無人駕駛汽車

更何況，相比會疲倦、有情緒波動甚至“路怒癥”的人類駕駛員，人們更愿意相信，人工智能永遠保持穩定，沒有“酒駕”的可能性，絕對不會犯下人類重復犯過的錯誤。

20 18年3月19日，調查人員在檢查發生事故的Uber自動駕駛測試車輛

熱潮迅速鋪開，汽車業巨頭們陷入了集體焦慮。在從單純的汽車制造商向移動出行服務商轉型的路上，傳統車企并沒有比“造車新勢力”慢多少。2016年3月，通用汽車就以10億美元的高價，收購了一家從事自動駕駛技術開發的初創公司Cruise。

無數家“Cruise”在一夜之間冒了出來，“廣撒幣”成了常態。傳統車企們捏著錢到處找人投資。甚至有消息傳出，有自動駕駛相關的初創公司，僅憑其創始人的簡歷就能拿到一筆可觀的融資。

愈發盲目的樂觀情緒蔓延開來，直到全球第一例自動駕駛致死事故的發生，從業者們才清醒過來。

/ 自動駕駛系統在剎停頓挫、提前預判障礙物等操作細節上的表現實屬糟糕。 /

2018年3月19日，網約車公司Uber的自動駕駛測試車輛在美國亞利桑那州發生車禍，撞死了一名正扶著自行車過馬路的女性。事發時，肇事的測試車輛處于自動駕駛狀態，車內還配有安全駕駛員。

在外界焦急等待兩個月后，美國國家運輸安全委員會公布了事故調查結果。據其透露，在碰撞發生的前6秒，Uber的這輛處于自動行駛過程中的測試車輛已經監測到了受害者，卻先后將其識別為不明物體、汽車和自行車。

其后有報道揭露，事發時，Uber主動關閉了測試車輛上的緊急剎車功能，以降低系統操控駕駛行為的突兀性。Uber的管理者辯稱，此舉也是安全措施的體現：如果無人駕駛的汽車在錯誤的時間急剎車或急轉彎，會嚴重影響到同路段行駛的其他車輛。

但這依然暴露出自動駕駛技術亟須優化的一面。發展至近年，自動駕駛技術遠無法做到零失誤率識別路上的障礙物體，遑論完美模擬人類平順的駕駛行為。

嘗試商用的無人駕駛出租車，在車內依然需要配備安全員，這必然不是人們想象當中招之即來、車況井然有序的高科技場景。在把油門和剎車交給人工智能來處理之后，研發者發現，相比這么多年來已經熟悉到幾乎忽略其存在的人類司機，自動駕駛系統在剎停頓挫、提前預判障礙物等操作細節上的表現實屬糟糕，導致乘客的乘坐體驗難言舒適。無法營造高級的現代化出行環境，這也與發明自動駕駛的初衷背道而馳。

倘若實際的技術難題沒有得到解決，即使試乘體驗良好，帶給外界的也只有更多的質疑和不信任。

昔日的明星初創出行企業Roadstar，曾在2018年完成A輪1.28億美元的融資，創下中國自動駕駛公司單筆融資記錄。據報道，一位參與A輪融資的資本機構負責人，在硅谷僅試乘體驗40分鐘后便決定投資。

但Roadstar的自動駕駛汽車試乘體驗優秀，反而說明了其用以路測的自動駕駛系統，設置的駕駛策略相較日常行駛中的判定更為激進—上述全球首例自動駕駛致死事故，部分原因就是Uber公司為了避免行駛過程中過多不必要的剎車，而將車輛緊急剎車系統關閉。

人們逐漸意識到，自動駕駛技術在短期內，還無法實現商業化。資本市場趨冷，大部分瞄準無人駕駛出租車方向的初創公司融資困難，不少已經選擇退場。

經典誤判：是車還是云

自動駕駛汽車落地受阻，大規模問世的時間要繼續延后，原因就在于其技術難度超出過往預期。要知道，一套可靠的自動駕駛系統，必須有智能芯片、算法以及低延時的通信作為技術支撐，簡單來說，就是要做到“智能”和“網聯”。

要想讓自主控制的汽車像科幻電影里一般，安全高速地馳騁在湍急的車流中，從目前的技術出發，需要通過在車體安裝雷達、攝像頭等智能硬件，來對路況、障礙物和位置等信息進行感知，再通過核心算法進行圖像識別與分析，選擇執行方案，最后才進行減速、剎車或轉向等車輛控制與操作動作。

得到巨頭青睞的Cruise曾被業內寄予厚望，也在2019年7月宣布推遲原定于該年度登場的無人駕駛出租車商業計劃。

2 0 15年5月19日，德國無人駕駛技術新聞發布會現場，工作人員演示自動停車輔助應用程序

路測是構建無人駕駛深度學習模型的關鍵。路測里程越長，測試車輛經歷的駕駛場景越豐富，也就意味著可供系統學習的駕駛經驗數據就越多。但Cruise的無人車在2018年進行路測時，無法準確判斷路邊物體狀態的技術瓶頸至今難解。

在經過路邊停放的一排摩托車或自行車時，Cruise的測試車輛會發生猶豫，不知道是否該在行進過程中停下;有時其無法識別行人;有時誤認為前方有自行車而采取剎停行為。

Cruise研發自動駕駛系統時所遇到的技術瓶頸并非偶然。在當下，阻礙自動駕駛汽車發展的最大限制仍是感知。

如今車輛通用裝備的感知硬件，包括激光雷達、毫米波雷達和攝像頭。它們極易受到外在環境如天氣和光線等因素的干擾，遑論自動駕駛系統還需要將不同的傳感器采集到的信息進行綜合判別。

2020年6月1日清晨，在中國臺灣嘉義的高速公路上，一輛貨車發生了側翻。就當貨車司機在路邊等待救援時，后向一輛疾馳而來的特斯拉Model 3徑直撞向了貨車箱體，轎車的車頭直至A柱部分幾乎全部沒入貨車車廂內。

2 0 2 0 年7月3日，北京中關村科學城北區的自動駕駛示范區

在此之前，開啟了Autopilot駕駛輔助的特斯拉車輛，已發生過數起類似的交通事故。這類事故一個非常耐人尋味的共同點在于，被撞的靜止車輛其受損面都是大面積白色的，而底部幾乎都是懸空的。在特斯拉的傳感器眼里，這像極了藍天白云下前方通暢無阻的道路。

面對大面積白色的車身，加上白天的強光反射，攝像頭很難提取到前方障礙物被模糊的有效特征點，在毫米波雷達也無法做到精細化識別的時候，系統就很容易將前方橫踞在馬路中央的白色貨車判別為無障礙。

也正是如此，即使是在天氣條件晴朗、可見度高的背景下，盡管攝像頭能夠正常工作，系統的算力充足，其本身也經過了長時間的機器學習，但出現識別故障，依然是無法排除的概率事件。這是所有采用視覺方案為主的自動駕駛系統無法避開的極端情況。盡管其可能性會在系統進行機器學習的過程中不斷甚至無限降低，但只要發生一次，就很難讓人們完全放心地把自己的身家性命，托付給機器本身。

窮盡極限場景

通俗來說，只要機器以前沒有學習過，就有概率會發生事故。但在現實中，各種極限場景幾乎無法被窮盡。在行業內，一般認為需要80億英里的駕駛測試，才能保證無人駕駛系統比人更安全。如果以一列100輛的車隊來計算，需要每天24小時運營100年才能達到目標，這是個在近期不可能完成的任務。

/ 只要機器以前沒有學習過，就有概率會發生事故。 /

但樂觀者認為，未來一定會有某個階段，5G技術和無人駕駛的車輛交互存在，汽車企業主導的逐級遞進路線也將成為推動自動駕駛技術真正落地的主要動力。其邏輯就在于，自動駕駛不能等到一切都準備完美后才投入使用，只有循序漸進才能推動技術迭代發展。

但需要攻克的技術難關不止一個。自動駕駛系統的感知技術，除了在辨識率上有著高要求外，還需具備處理多元信息的能力。最起碼，其反應速度不得比人類駕駛員慢。

除此以外，更有是否該犧牲少部分人以拯救更多的人的“電車問題”等倫理情境下的待解難題，等待著汽車業界和政策制定者來回答。自動駕駛似乎距離現實生活并不遙遠，但在落地前，還有厚厚的一疊考卷等待填空。這也是目前人類駕駛員依然是車輛最穩妥的決策者的原因。