攀登智能化浪潮的巔峰

關于現代交通的奇思妙想

自從有了現代交通的概念，人們就一直沒有停止過對未來交通的規劃和設想，這些設想（幻想）形成了一套極其復雜的體系，但總體來說有兩大特點：一是未來的交通體系是立體的，包含了天空、地上（水上）、地下（水下）;二是降低了作為個體的駕駛人對整個交通體系的影響。

關于這些設想，我們可以從一些科幻小說、電影中看出些許端倪：在一些描寫未來的影片中，我們可以看到城市中有各種無人駕駛的交通工具在穿梭，從自動道路到無人駕駛出租車、無人駕駛快艇，再到無人駕駛飛船，這些目前大多數只存在于幻想中的交通工具構成了人們理想中的近未來交通體系。

但幻想始終還是幻想，想要實現理想中的近未來交通體系，還有眾多難點需要攻克，這些難點有的來自于當前技術對感知能力的限制，有的來自于當前智能化技術的限制，更有人作為交通參與者的不確定性。因此，當有更新的無人駕駛技術出現時，也難怪眾多旁觀者會投來熱切的目光。

如何正確識別無人駕駛

自從有了現代化的交通工具，無數的科學家和技術人員都試圖將人這一不確定因素對佳通帶來的影響降至最低，不斷提出新的構想并付諸行動研發出新的技術，大膽設想、小心求證這一觀念在現代交通工具的進化歷史上也表現得尤為突出。

在開始正題之前，我們不妨來說說關于當前對無人駕駛的方式判定。在當前的語境下，無人駕駛實際上與自動駕駛的概念是等同的，而在汽車業界，又將自動駕駛分為了L0-L5五個不同的等級，再加上航海、航天等自動駕駛的概念加入，直接導致公眾對這一領域的認知極為混亂，我們先從自動駕駛的五個級別開始說明。

首先是L0級別，按照業內的說法，就是沒有自動化技術，車輛的駕駛完全依靠駕駛員手工操作，當前市場上的絕大多數汽車產品都處于這一級別上。接下來是L1級別，按照業內說法是具備輔助駕駛功能，輔助駕駛功能其實已經出現很多年了，但直到最近幾年在開始在中高端汽車產品上成為標配，所謂的輔助駕駛功能實際上就是在某些特定場景下幫助駕駛員降低工作強度的功能，如自動泊車、定速巡航等，不過在此級別上，駕駛員依舊是控制車輛的主力。第三是L2級別，業內說法是部分自動化，在這一階段已經可以看到一些無人駕駛的趨勢，但駕駛員依舊需要處于主導地位，在這一級別上，車輛具有自動泊車、自動危險預警剎車、高速自動輔助駕駛等功能，這些功能在時下的中高端車型上也并不算是罕見。第四是L3級別，業內說法是有條件自動化，在這一級別上，駕駛員已經可以“退居二線”了，大多數功能將由車輛自主完成，但仍然需要隨時觀察路況，并做好在緊急時刻隨時接管車輛操控權的準備。第五是L4級別，業內說法是高度自動化，駕駛員不再需要注意車輛的狀態，所有工作幾乎都由車輛自主完成，但如果想要體驗駕駛的樂趣，駕駛員也可以隨時接管車輛。最后是L5級別，業內說法是完全自動化，這也是當前所能想到的無人駕駛的最理想狀態，車輛的系統已經完全可以替代駕駛員，我們在各類科幻小說、科幻電影中所了解的無人駕駛就是這種級別。

說完了汽車業內關于無人駕駛的定義，我們不妨再將目光轉向由航天航空領域衍生而來的無人駕駛。其實在很多時候，這個無人駕駛的概念更多應稱之為遙控，航天領域所謂的無人駕駛飛船從嚴格意義上來說應該叫遙控飛船，航空領域所謂的無人機叫遙控飛機。原因在于，遙控飛船實際是由人事先制訂航線，然后控制飛船飛行，當即將到達目的地時，再通過實現編訂好的命令讓飛船執行任務，遙控飛機也是如此。雖然以上兩種都是無人駕駛（即不載人），但卻缺乏自主性，因此與公眾認知的無人駕駛沒有太大的關系，目前最高也只能達到汽車也內認定的L2級別，最高不會超過L3級別。同樣的，遙控車輛也是如此，由于有人這一要素的控制，即使是不載人控制，但因為沒有自主判斷的能力，因此也不能算是汽車也內認定的自動駕駛。

當前無人駕駛的難點

無人駕駛需要面對的一個重要問題是智能化的判斷，當汽車在路上行駛時，理想的狀態是所有車輛都嚴格按照現有交通規則行駛。但我們其實都知道，當前的主流還是有人駕駛，只要是人，就有可能出現錯誤（不管是判斷錯誤、操作錯誤還是其他錯誤），那么在這樣的前提下，無人駕駛車輛和有人駕駛車輛在開放式道路上混合行駛就具有極大的風險，這也是當前試運行的無人駕駛車輛要在封閉式道路上行駛，同時還保留司機做最后判斷的重要原因之一。下面，我們不妨就無人駕駛面臨的難點一一進行分析。

無人駕駛首先要面對的第一道難關是感知，當前交通工具的智能化已經是一種趨勢，飛機、汽車、輪船的輔助駕駛功能就是在各種傳感器的幫助下實現的，這些傳感器的功能包含了探索障礙、氣溫、速度、發動機工作情況等多個方面。而隨著傳感器技術的進步，傳感器尺寸也正在不斷縮小，成本也在不斷降低。但需要注意的是，傳感器畢竟存在一些限制，雖然能夠幫助交通工具收集數據，且能做出一些合理的判斷，但傳感器對交通工具當前的整體狀態卻缺乏整體幫助，這就會帶來一些安全的隱患。

以發生在2016年的與自動駕駛相關的車禍為例，其中有數起車禍是因為傳感器誤判了當時的環境，因天氣、光線的原因將障礙物誤判為對車輛行駛沒有威脅的物品，導致高速行駛的車輛撞上障礙物，引發了嚴重的人員傷亡。雖然此前開發自動駕駛系統的車輛生產廠商已經明確表示，使用自動駕駛功能存在風險，而且這一功能僅能作為輔助駕駛功能使用，但駕駛者對新技術的盲目自信、對傳感器功能的過分信賴直接導致了悲劇的發生，最終這些車禍在一定程度上阻礙了自動駕駛功能的研發進程。

無人駕駛需要面對的第二個難點是人工智能，而且這個智能還必須具備符合當前主流的倫理道德標準。我們都知道，參與交通實際是有風險的，尤其是上路行駛時，復雜的道路環境、不同國家和地區的不同交通規則、由各種性格不同的人所控制（駕駛）的性能不一的車輛以及隨時可能出現的行人……這些摻雜在一起后，需要無人駕駛車輛解決的就不僅是感知的問題了，還需要一些理性和感性的判斷，而這恰恰是當前人工智能的最大破綻。

時下公眾對無人駕駛的注意力大多集中在感知方面，但卻對交通工具所要面對判斷難題視而不見，這是一種十分危險的趨勢，因為公眾的情感在很多時候是可以被影響的，當出現因判斷難題而導致的交通悲劇時，公眾的情感可能會被激發，而這種被激發的情感是不確定的，給無人駕駛帶來的影響也極有可能是負面的。舉例來說，當無人駕駛車輛遭遇類似“扳道工難題”的時候，無人駕駛車輛會如何基于倫理和現實做出最佳的選擇，這誰也不知道。更糟糕的是，當車禍受害者變成孕婦或者孩子這樣的弱勢群體時，旁觀者心理遭受的沖擊會更大，這對無人駕駛的發展來說更是災難性的。

無人駕駛需要面對的第三個難點是交通數據的獲取及這些數據的安全性，在現代社會中，尤其是超大型城市中，交通歷來是老大難問題，交通部門雖然可以實時獲取相關數據，并發布相關信息。當然，由商業公司主導的無人駕駛車輛也可以通過各種接口接入系統獲取數據，并將其用于正常用途。雖然時下的5G高速網絡解決了實時數據傳輸的難題，但數據本身是需要存儲的，因此云端數據存儲中心的建立也是必然的，基于安全方面的考慮，這個云端數據存儲中心必然是由交通管理部門建設和管理的，如何得到投資，后期如何運營也是一個相當重要的問題。當數據的存儲和傳輸不是問題的時候，數據的安全就成為了一個重要的問題。既然是數據，那就存在被濫用的可能，在沒有相關法律法規出臺前，公眾對商業公司的信譽一定不要抱有太高的期望值。

無人駕駛的嘗鮮者

對于新技術的應用，海外品牌公司在相當長的時間內都有著優勢，這種優勢來自于技術的研發和積累，而且重要的是，在汽車這一領域中，海外公司的優勢十分明顯，通用、大眾等公司在長期的技術積累下，優勢是碾壓性的。雖然這些海外汽車品牌一直對新技術的研發十分激進，但在應用上卻十分保守，以著名品牌寶馬為例，其2006年就以賽道訓練系統的名義進入了無人駕駛的領域，2011年就開始在德國進行公開路試，直到2017年才進行了L4級自動駕駛演示，2019年才量產L3級別自動駕駛車型，計劃在2021年量產L4級別自動駕駛車型，計劃在2030年量產L5級別自動駕駛車型。需要注意的是，這些計劃量產的車型都在理想狀態下的目標，而現在距離理想狀態顯然還很遙遠。寶馬在一眾汽車品牌當中還算是推廣自動駕駛的激進品牌，奔馳這樣的品牌則更加保守，其搭載自動駕駛系統的車型直到2013年才完成首次無人駕駛演示，2017年才開始L4級別自動駕駛系統測試。在奔馳品牌的規劃中，奔馳計劃在2020年開始銷售L3級別的自動駕駛車型，同時還要完成L4級別和L5級別自動駕駛車型設計。顯然，這也是一份在理想狀態下的計劃，按照當前的形勢，奔馳的這份計劃幾乎已經成為了不可完成的任務。而且更糟糕的是，目前奔馳正計劃將自動駕駛的技術優先用于長途卡車（即物流貨運），這對想要體驗奔馳自動駕駛車型的人來說可不是什么好消息。說完傳統的汽車企業，我們可以將焦點放在互聯網汽車品牌上。說到自動駕駛，特斯拉就是一個繞不開的坎。特斯拉的CEO馬斯克是一個典型的技術狂人，其對新技術的迷戀直接導致了特斯拉成為了推廣自動駕駛最為激進的企業，沒有之一。特斯拉所采用的Autopilot自動輔助駕駛系統雖然在很多國家和地區引發了不少爭議，但不得不說的是，這確實是目前最接近成熟的自動駕駛系統之一。

特斯拉的Autopilot最早規劃于2013年，2014年10月第一代Autopilot系統的硬件誕生，2015年10月特斯拉開始推送V7.0版本軟件更新，正是在這一版本的軟件更新中，Autopilot系統開始被廣泛應用到特斯拉的車型中。在2019年末，MIT Human Centered AI項目曾經估算，截止到2019年Q3，特斯拉所有售出車輛的累計行駛里程中，通過Autopilot行駛的里程數達到18.8億英里，在其全球交付的79萬臺車中，74萬臺搭載了Autopilot系統的硬件，這是一個相當驚人的數字。需要注意的是，在推送Autopilot自動輔助駕駛系統的同時，特斯拉也明確表示Autopilot系統并不是為無人駕駛設計，真正的無人駕駛還要數年才能到來，這套系統只是為了將駕駛員從最無聊和危險的路況中解放出來。同時，特斯拉也表示駕駛員仍是車輛行駛過程中最終的控制方和責任方。但遺憾的是，在所謂的Autopilot系統1.0的運行過程中，全國第一起和全球第一起自動駕駛導致的車禍發生了。車禍發生的具體場景我們在此不再贅述，單可以簡單說說原因。早在2013年，特斯拉和谷歌聯合進行自動駕駛測試的時候，當時的測試團隊就認為當統開發得越好，人們就越容易過度信賴它。而兩起車禍的根本原因都在于駕駛者對車輛所采用系統過度自信，對行駛中的車采取了放任的態度，最終導致了悲劇的發生。

在2016年10月，特斯拉推出了Autopilot Hardware2.0，雖然這是一次硬件系統的更新，但Autopilot系統在軟件方面卻有了缺失，包括AEB、防碰撞預警、車道保持、自適應巡航等功能消失了，直到2017年1月才算是回復功能，而這一切，除了從業人士，公眾幾乎無從知曉。但從將特斯拉車主長時間置于危險處境中這一點，特斯拉就應該受到譴責。特斯拉Autopilot系統引發爭議還有很多，如在日本遭遇車禍受害者家屬起訴，在韓國遭遇安全性調查，在其大本營美國遭遇安全審查等。而在重視安全的歐洲，特斯拉的麻煩還更多，先是被瑞典禁售，隨后又被取消自動駕駛測試項目的時間限制，用官司纏身來熊蓉絲毫不為過。但需要注意的是，在車禍事故發生后，特斯拉官方始終強調Autopilot系統只是實現了部分自動化，僅為一項輔助功能，系統并不存在問題。

好吧，激進的技術實現總是會付出代價。

無人駕駛在國內的實驗

我國在汽車工業的發展上雖然比不上一眾老牌帝國主義國家，但在世界范圍內也算是先進的。不過比較奇特的是，其他國家的無人駕駛（自動駕駛）大多是由傳統汽車企業主導的，我國的無人駕駛發展卻是由互聯網企業主導的，當前在無人駕駛領域里風光的百度和滴滴都是不折不扣的互聯網企業，一家以搜索引擎起家，另一家則是以網約車（出租車）業務起家。當然這并不是偶然，因為無人駕駛必然涉及到AI人工智能和大數據算法，而這兩家企業的強項恰恰就是這個，有這樣的結果自然無需驚奇。我們首先來看百度，百度是國內企業中最早開展自動駕駛測試的公司之一，旗下的自動駕駛平臺名為Apollo。一個比較搞笑的花絮是，三年前，百度CEO李彥宏曾經因為沒有取得自動駕駛測試資格而擅自進行自動駕駛測試，引來北京交管部門的處罰。截止2019年底，百度Apollo在美國測試里程為10.33萬英里，在中國測試里程超過300萬公里，其中在背景自動駕駛路測的累計安全測試里程達到50萬公里。在滴滴開始無人駕駛測試前，百度其實早在4月20日就已經開始了自己旗下的自動駕駛出租車服務Apollo RoboTaxi，在湖南長沙市，自動駕駛試乘服務的Apollo RoboTaxi有45輛，每輛車限載2人，且所有乘車用戶需進行實名登記，乘客年齡需在18-65歲之間。需要注意的是，其行駛路線是固定的，不能中途更改，乘路線共135公里，共有50多個站點，覆蓋了商業區、學校、住宅區等。這實際上是在相對封閉的道路的中進行公開演示，已經跳過了內測階段，抵達了公測階段。

而在不久之前，百度更是將自動駕駛出租車服務Apollo RoboTaxi延伸到了河北滄州，投放車輛30臺，其行車路線覆蓋滄州高鐵站、學校、星級酒店、博物館、產業園等滄州核心區域，首批開放的上下車乘車站點共計55個。另外一個重點是，百度Apollo官網現在正在面向北京公眾招募自動駕駛試乘體驗，未來將在北京亦莊、海淀、順義等多個區域、約700公里的自動駕駛測試道路上開展載人示范運營，這樣一來，百度的無人駕駛業務將成為國內首個進入試運的無人駕駛業務。另外需要注意的重點是，雖然百度投放的Apollo RoboTaxi雖然是號稱具備L4級別自動駕駛能力，但其依然會搭載一名安全員和一名講解員，安全員位于傳統的駕駛員座位，便于在緊急情況下接管車輛，講解員則負責講解Apollo自動駕駛系統的各種優勢。目前百度Apollo平臺擁有合作伙伴177家，包含了幾乎所有的主流汽車制造商，后來居上的優勢十分明顯。此外，百度還和金龍客車在2018年7月合作生產了全球首款L4級量產自動駕駛巴士阿波龍，雖然核載僅14人，一次充電可運行100公里，但卻實現了成功的突破，讓百度不再僅是個單純的軟件公司。不過遺憾的是，在最近一年多的時間里，阿波龍自動駕駛巴士項目似乎已經處于停頓狀態。

現在我們回到了話題的起點，在今年的6月末，滴滴在上海首次面向公眾開放自動駕駛服務，與之前提到的廠商不同的是，滴滴對無人駕駛的主要改進是設立了自動駕駛安全護航中心，這個中心能實時監控車輛、路況，并在車輛面臨復雜情況時，給與協助指令，解決未來自動駕駛運營中可能出現的遠程協助問題。同時，滴滴的車路協同解決方案，能將道路信息實時共享給區域內不同公司的自動駕駛測試車，消除行駛盲區。

和百度Apollo RoboTaxi一樣，滴滴投放的自動駕駛車輛同樣搭載有安全員，其主要職責也是在緊急情況下接管車輛，因此我們可以看到，國內當前對無人駕駛的安全性還是相當重視。滴滴的目標是到2030年，擁有100萬輛全自動的無人駕駛汽車，十年后，滴滴平臺上約10%的司機被無人駕駛車輛所替代。但需要注意的是，與其他企業涉足無人駕駛領域的初衷不同，滴滴布局無人駕駛領域的初衷是司機的流失，因為根據數據統計，2019年滴滴平臺流失注冊司機數量高達1500萬名。不過說實話，用一次投資到位的無人駕駛車輛來替代需要持續投入成本的司機團隊，這確實是節省成本的高明之道，但滴滴這么急迫地進入無人駕駛領域是不是有些矯枉過正？

寫在最后

無人駕駛在未來的交通系統中肯定占據有重要的位置，但就當前來說，國內目前進行的各種測試和體驗是最穩妥的解決方案，兼顧安全性和技術的先進性，沒有盲目追求技術普及的速度，通過小心求證和實驗來加快無人駕駛技術的發展。最后，在發展無人駕駛的同時，我們也應該持續關注無人駕駛技術被濫用的可能，盡快出臺相關的法律法規并加以強調，畢竟此前特斯拉Autopilot系統引發的悲劇前車不遠，不要再因為迷信技術引發新的悲劇。