自動駕駛，從想象到現實還有多遠

朱秋雨

無人駕駛技術到哪一步了？

8月11日，小米集團創始人雷軍宣布，在過去500天“閉門造車”的時間里，小米為研發自動駕駛投入了33億元。“目前的進展比較順利，甚至可以說超預期。”

他野心勃勃地表示，小米要在兩年內進入行業第一陣營。

小米代表了市場的信號。商業巨頭對自動駕駛的部署正在加快。

一個月前，行業頭部企業百度攜第六代量產無人車Apollo RT6亮相。最令眾人感到吃驚的是，該巨頭聲稱，將自動駕駛汽車成本壓至每輛25萬元。

自動駕駛似乎離人們越來越近了。8月8日，交通運輸部官網發布了關于《自動駕駛汽車運輸安全服務指南（試行）》公開征求意見的通知。

《指南》明確指出：“鼓勵使用自動駕駛汽車從事出租車客運活動，但應配備駕駛員。”

部分城市步子邁得更大。交通部發文同一天，重慶、武漢兩城首次啟動全車無安全員的自動駕駛付費出行服務試點，試水公開道路收費的無人出租車服務。深圳也在8月1日正式實施全國首例《深圳經濟特區智能網聯汽車管理條例》，宣布無人駕駛可在管理部門劃定的區域、路段行駛。

汽車即將實現無人化了嗎？

技術至上者認定未來幾年充滿希冀。但對這一取代人力，以海量數據和算法為核心的技術，普通消費者仍持謹慎態度。

還是那幾個普遍關心的問題：自動駕駛安全嗎？什么在保障人類的安全？人工智能（AI）會有顛覆人類出行、城市和空間的一天嗎？

事 故

當自動駕駛廠商們樂此不疲為新品造勢時，幾場交通事故讓消費端對該技術再生疑。

7月6日，佛羅里達州阿拉丘亞縣發生一起輔助駕駛技術引起的車禍。據報道，該車在使用特斯拉輔助駕駛Autopilot模式上路時，突然轉向撞上了路上停放的牽引車。駕駛員和一名67歲乘客因此罹難。

8月8日，有網友曝光稱，一輛開啟輔助駕駛功能的理想One在高速路上以時速77公里撞上了前方打著雙閃的工程車輛。

理想官方隨后回應稱，事發時用戶開啟了導航輔助駕駛（NOA）功能，但用戶沒有手握方向盤。

最近爆發的事故，有兩個共同點：駕駛員大多分心或雙手沒握方向盤。而開啟輔助駕駛功能的汽車，多數撞向了靜止物體。

例如，美國國家公路交通安全管理局（NHTSA）近日宣布，調查過去一年由特斯拉Autopilot引起的15傷1死的共計16起事故。

該機構報告稱，特斯拉的16起車禍大多發生在夜晚。“自動駕駛軟件存在一定識別漏洞，忽略了警示燈、雪糕筒和照明箭頭板等靜止物體。”

某頭部車企市場方向資深從業人士洪澤鑫對南風窗總結，上述事故“其實是許多廠商給消費者帶來錯誤認知導致的”。

他認為，部分車企傾向于在新品發布會上公布擁有炫酷自動駕駛功能的demo（樣品）。但在量產時，往往出于價格、消費者接受度等考量，推出低配的輔助駕駛系統。

洪澤鑫介紹，主流的輔助駕駛系統主要采用攝像頭和毫米波雷達兩類傳感器融合感知。

毫米波雷達主要通過電波反射進行障礙物探測，但它“過于敏感，經常發生誤報”。為了保證駕駛輔助系統的流暢性，算法通常會忽略相對路面不移動的雷達回波，導致靜止物體不易被識別。

部分車企傾向于在新品發布會上公布擁有炫酷自動駕駛功能的demo（樣品）。但在量產時，往往出于價格、消費者接受度等考量，推出低配的輔助駕駛系統。

攝像頭的純視覺感知方案也有短板。視覺感知易受日照、明暗交替等環境干擾。而且，“攝像頭就像黑匣子，它一旦出錯了，人類很難解釋哪里錯了”，洪澤鑫說。

短板明顯的感知系統，讓輔助駕駛車輛局限性極大。南風窗記者梳理發現，包括特斯拉等高階的輔助駕駛系統，目前的配置都很難識別雪糕筒等相對靜止的障礙物。在用戶手冊中，這些車企會標明技術受限的場景，提醒消費者集中注意力，隨時觀察路面情況。

但車企此前過度的宣傳，已經讓很大部分消費者形成較高預期。

洪澤鑫說：“如今大眾對于L3級別以下的輔助駕駛認知并不清晰。輔助駕駛更多是在生命垂危時救人一命。比如人如果犯困，它稍微打一下方向盤，讓車不要偏離變道。但人們現在把它當作萬無一失，不容有任何差錯的功能。”

屢次發生的車禍，提醒人們想象與現實的距離。理想汽車創始人、CEO李想曾發朋友圈表示：“呼吁媒體和行業機構統一自動駕駛的中文名詞的標準，建議統一名稱：L2=輔助駕駛；L3=自動輔助駕駛；L4=自動駕駛；L5=無人駕駛。”

上述分級最早由美國汽車工程學會（SAE）提出。L2包括自適應巡航、車道偏離警告、AEB自動緊急制動等，目前在中高檔產品中廣泛應用。從L2往上，L3至L5才可以稱為自動駕駛。到L5級時，“完全自動駕駛”，即在任何場景都不需駕駛員介入。

但截至目前，在中國市場，沒有任何車企自稱量產了L3級車輛。自動駕駛汽車并未在市場廣泛出現。

但大量L2級車已經以“高級別智能駕駛”的噱頭，拉升了人們對自動駕駛的期待。

決 策

無論如何，良好的市場預期一定程度上推動了車企、科技公司競逐L4級自動駕駛賽道。有媒體曾統計，2022年前7個月，中國的自動駕駛公司累計獲超60筆融資，是少見的頻繁獲得融資的領域。

比起L3級仍需駕駛員有限度接管的模式，各家競爭者主要爭做L4級車，即在特定設計運行域下無須駕駛員的自動駕駛模式。

市場上，兩種發展路徑正在生成。

一類以特斯拉為代表。從量產L2車輛中積累數據和技術，漸進式發展L4級自動駕駛。另一類則像谷歌旗下的Waymo、百度，決意一步到位“跨越式”做自動駕駛。

業內更主流的觀點與后者相符。多位受訪業內人士對南風窗表示，L2級輔助駕駛與L4級的自動駕駛技術存在很大差異。如何利用L2的數據提升L4級車輛算法的能力，是“特斯拉”們需要解決的難題。

貴州翰凱斯公司自動駕駛技術副總裁鄒迪聰告訴南風窗，自動駕駛技術組成部分可分為感知、決策和控制三大模塊。而現在的難點，就在系統的感知預測和決策模塊上。

“通過激光雷達等感知設備，我們能做到看清、探測道路上的各類物體。”鄒迪聰說。但看清路面后如何決策，如何讓車輛以更聰明的方式運行，是當前自動駕駛技術面臨的挑戰。

“舉個例子，路上有一輛車，當我想往左變道時，它會如何反應、會不會讓路，都是未知的。人工智能要怎樣從海量數據預測別人的行動和他人的反應，做出跟人腦相像的決策，這就是難點。”鄒迪聰說。

上述能力如果在暢通無阻的路面，算法規劃出安全高效的路徑并非難事。但遇到復雜的交通流和場景路況，人工智能缺乏對全局路況的了解，無法預測周圍障礙物的未來行為。因此，常會出現規劃軌跡跳變、碰撞等問題。

洪澤鑫告訴南風窗，決策規劃是各家L4級公司自動駕駛技術的核心能力。但行業處于發展早期，沒有形成統一的方法論。

簡而言之，“判斷開得好的標準，目前還沒有”。

除了決策規劃，部分業內人士認為，自動駕駛技術另一難點在于統籌、管理復雜的系統。

深圳元戎啟行科技有限公司副總裁劉軒告訴南風窗：“自動駕駛是很復雜的工程，將各種模塊有機整合，達到低成本且不用人工干預的水平，再把所有要素集成起來，本身技術上非常難。”

不同的決策和統籌能力，決定了L4級自動駕駛到底給人如同新手還是“老司機”的體驗。洪澤鑫說，究竟采用保守還是激進的算法，自動駕駛企業面臨兩難。

“如果自動駕駛車輛過于謹慎，在城市道路行駛確實會阻礙交通，帶給用戶不好的體驗。”

盡管行業內部缺乏固定的標準，但劉軒和洪澤鑫都表示，安全還是現階段考慮的首要因素。

“目前有個共同點，車速慢。還沒有哪個企業敢激進地提速。”洪澤鑫說。

“目前有個共同點，車速慢。還沒有哪個企業敢激進地提速。”洪澤鑫說。

人車共駕

來自技術上的挑戰，在業內人士眼里，并非自動駕駛無法攻克的難關。

對于自動駕駛企業來說，更緊急的，是如何面向社會鋪開產品。

武漢理工大學新能源智能汽車副教授楊勝兵告訴南風窗，技術的突破預計沒有太大阻礙，但要實現L4、L5級汽車的研發、設計、制造、運維等全生命周期的布局，需要基礎設施、人員的投入以及法規和大眾意識等條件的成熟。

這些都需要時間。

長周期意味著一味燒錢。自動駕駛公司已經按捺不住了。

降低成本、實現量產，成為現階段各企業競逐的方向。

7月21日，行業頭部公司百度發布了第六代無人出租車（Robotaxi）樣車，宣稱車輛制造成本25萬元。這與過去人們印象里，動輒幾十萬元配置激光雷達的高成本L4級汽車，截然不同。

低價的方案，在致力于為車企做前裝量產方案的企業中相繼提出。2021年12月，深圳元戎啟行發布面向前裝的L4級自動駕駛解決方案，成本低于1萬美元。2022年6月，總部在北京的輕舟智航推出新一代L4量產車自動駕駛方案，將成本下探至1萬元人民幣。

劉軒告訴南風窗，低成本的前裝量產策略，從公司成立初期已經確立。原因是比起自建車隊，將方案賣給不同車企，實現量產，采集數據的速度和效率更高。

“自動駕駛需要面臨海量的問題，尤其是長尾場景（corner case）。要想解決這些問題，只有積累大量數據，不斷訓練、迭代和提升算法。”劉軒解釋。

在人工智能領域，數據的數量和質量是其中關鍵。人工智能的深度學習就是在有數千維度的空間里，經過海量數據訓練，得出復雜的數學方程組，繼而實現設定的目標。

但日常道路罕見的極端路況（即長尾場景），由于各家企業都缺乏數據，成為自動駕駛一時難以解決的痛點。

智己汽車聯席CEO劉濤曾解釋，汽車行駛過程中，90%的路程只會遇到幾萬種正常路況，這只需用數百名工程師攻克，各家車企的能力趨同。

“但真正的挑戰在于，有超過100萬種長尾、低概率發生的極端路況，非常難以覆蓋。”

從國際經驗來看，沒有一家自動駕駛公司有底氣能應對各類極端場景。這也正是各家企業爭相量產并全力開展路測的緣由。

Waymo軟件工程總監Sacha Arnoud曾表示，從他的經驗出發，前90%的技術工作量只占總工作時間10%。而要完成最后10%的工作，還需要再花10倍的氣力。

劉軒因此判斷，基于長尾場景等技術特點，L4級車輛即使量產后，法律法規也很可能不允許其稱為L4，也不會立刻允許無人化。

“L4級自動駕駛技術還需要經過時間跟數據的檢驗。”劉軒說。他因此認為：“未來我們還會經歷人車共駕階段，才過渡至真正的無人駕駛。”

這一判斷與劉濤相似。他曾表示，機器還要學習迭代，因此在未來很長一段時間，我們仍會處于人車共駕階段。

開 放

以現今的發展速度，無人駕駛走進更多人的生活，還要多久？

業內目前的共識是，自動駕駛技術能節約出租車、公共汽車、貨車等出行工具的人力成本。等自動駕駛實現無人化，技術成本覆蓋人工成本后，拐點將至。

以出行平臺滴滴為例，2021年年報顯示，乘客每支付10元的車費，有7.5元用于支付司機的酬勞。再加上補貼，合計有約85%的成本用于支付司機費用。

百度副總裁、自動駕駛事業部總經理王云鵬曾測算，百度第六代車總運營成本是每天200～250元每輛。以客單價20元計算，只需要跑12單就可收回成本。

“一天跑12單就打平了，剩下的是凈賺，這是一個核心邏輯。”

他預計，到2025年，百度旗下出行平臺“蘿卜快跑”的運營成本，將比網約車快車低。

就效率而言，節約人力意味著更高質量的經濟發展。這讓各地城市都在加緊布局，鼓勵自動駕駛、智能交通發展。

2022年4月，北京市發布《北京市智能網聯汽車政策先行區乘用車無人化道路測試與示范應用管理實施細則》，首次在60平方公里區域開放乘用車無人化運營試點。相比此前要求在主駕駛位上配備安全員，北京開創了方向盤后無人、副駕駛有安全員的無人化載人服務先例。

楊勝兵告訴南風窗，現階段到自動駕駛實現商業化這一步，預計需要5年至8年左右。

緊接著，8月，重慶、武漢兩地政府發布自動駕駛全無人商業化試點政策。這是全國首次允許自動駕駛汽車開展車內無安全員的遠程測試、示范和商業運營服務。

8月1日，《深圳經濟特區智能網聯汽車管理條例》正式實施。運用特區的立法權，深圳對智能網聯汽車的示范應用、事故處理、法律責任等事項做出具體規定，開創自動駕駛立法先河。

業內人士指出，深圳立法的開創性不僅體現在明晰各方權責；法案同時允許，在車路協同基礎設施較完善的區級行政區，申請評估程序后全域開放道路測試。測試道路包括高速、城市快速路、開放道路，以及其他允許社會車輛通行的道路。

這一道路標準較全球多地更為開放。例如，德國和英國目前只開放了高速和城市快速路，使用場景僅限于時速低于60公里的路段。

不過，增長的城市開放里程，不等于自動駕駛商業化落地將近。

一位自動駕駛業內人士告訴南風窗，盡管城市相繼對自動駕駛開啟道路測試，但這與自動駕駛汽車商業化落地還有一定差距。“最終效果仍要看數據質量、技術突破以及與法規的配合。”

中國生產力促進中心協會常務副秘書長王羽在接受媒體采訪時表示，雖然自動駕駛階段性測試標準、規程方面，如今呈現出百花齊放、各自推進的特征，但是，“（目前）都是局部環境的測試、試驗。在實施階段突破還有很大難度”。

楊勝兵告訴南風窗，現階段到自動駕駛實現商業化這一步，預計需要5年至8年左右。

除了技術層面的“硬傷”，楊勝兵認為：“在政策法規、消費者信心層面都需要時間。”

“還有重要的一點，”他強調，“（加強）產業人才的培養。這樣才能形成真正的閉環迭代。”