有一天，假如我們坐在一輛沒有方向盤的無人駕駛車內，是否值得憧憬與想象呢？

這樣的車會給我們多少安全感呢？

有多少人愿意把自己的生命交托給所謂的無人駕駛呢？

前幾天演員兼賽車手林志穎如果搭乘的是無人駕駛車是否會避開此次車禍呢？

…… 7月21日，在2022百度世界大會上，百度發布了無方向盤無人車Apollo RT6，成本25萬元，量產成本大幅降低至業界的1/10。對此，百度創始人李彥宏表示，2023年百度將在蘿卜快跑平臺使用RT6，未來可以在全國部署上萬輛。他還判斷，由于少了駕駛人員這個成本因素，未來打無人車，要比現在打車便宜一半。

實際上，在2022百度世界大會前一天，北京市正式開放國內首個無人化出行服務商業化試點，百度和小馬智行成為首批獲許企業，將在經開區核心區60平方公里范圍內投入30輛主駕無人車輛，開展常態化收費服務。

同時，值得關注的是，6月23日，深圳市第七屆人民代表大會常務委員會第十次會議通過了《深圳經濟特區智能網聯汽車管理條例》，且將于2022年8月1日起施行。該《管理條例》的出臺意義重大，其是我國首部規范智能網聯汽車管理的法規，明確了很多法律責任劃分，特別是交通違法、事故、賠償方面的責任，為自動駕駛上路提供了法律保障。

2020年1月，谷歌兄弟公司Waymo宣稱其公路上的自動駕駛行駛里程數已達到2000萬英里，而仿真道路的自動駕駛行駛里程數則超過數百億英里。今年4月，特斯拉則宣稱其車輛的Autopilot半自動駕駛模式行駛里程數已達到30億英里。

數據顯示，百度已經在北上廣深等城市開放自動駕駛出行服務，其中北京、武漢、重慶、陽泉實現了商業化出行服務。目前，百度自動駕駛測試總里程數超3200萬公里，已獲得中國自動駕駛測試牌照672張，其中載人測試牌照498張，商業試點牌照144張，蘿卜快跑訂單量超100萬。

由此可見，無人駕駛從技術開發、測試驗證，到商業運營、法律權責歸屬上，均已實現突破。這是否意味著無人駕駛時代已經到來？關于這一點，李彥宏認為，無人駕駛是人類創造價值最大的創新。當然，這只是互聯網大佬的“一家之言”，有看好無人駕駛的，也有否定目前無人駕駛技術可靠性、成熟度的。不過，百度此次發布無方向盤無人車Apollo RT6，確實把無人駕駛的應用往前推了一大步。那么，真正的無人駕駛還有多遠？

現階段無人駕駛是否真的安全？

相信，我們每一個人對無人駕駛最關心的焦點應該是其安全性。

2016年，特斯拉汽車出現了第一起因為使用它的輔助駕駛功能而導致的撞車死亡事件。

2021年8月，31歲的企業家林文欽駕駛蔚來ES8在高速路上行駛，在NOP領航狀態下發生交通事故并身亡。

…… 再到此次林志穎駕駛特斯拉車禍事件，其智能輔助發揮了什么作用？

以上案例或許會成為我們對無人駕駛的負面認知，也在很大程度上會質疑起現階段無人駕駛的安全性。

今年4月，一張百度創始人、董事長兼CEO李彥宏的朋友圈截圖在網上流傳。與反復強調自動駕駛比有人駕駛更安全的馬斯克觀點類似，李彥宏說“無人駕駛肯定會出事，甚至會出死亡事故，只是這個概率比有人駕駛低多了。”對于李彥宏的說法，中國工程院院士、清華大學智能科學講席教授、智能產業研究院院長張亞勤跟評道，“要低至少一個數量級。”

對此，有人認為，“以上觀點是沒有問題，無人駕駛理論上出事故的概率比有人駕駛低多了。但是，重點是但是！這只是理論概率，約等于實驗室環境。因為現實中法律是不請允許無人駕駛的。也就是說，現在路上跑的幾千萬輛汽車里，根本沒幾輛無人駕駛汽車，在這么小的樣本情況下，說明不了任何問題。”

盡管一些科技巨頭也測試過其開發的無人駕駛車輛，且行駛了數千萬公里，但對于測試里程的問題，相信還是會有很多人會問：1.美國的場景測試數據能說明在中國場景下自動駕駛車的行駛安全性嗎？2.封閉測試區、高速公路的行駛測試數據能說明在城市、鄉村場景下自動駕駛車的行駛安全性嗎？3.事故率/測試行駛里程這一指標，或者現階段其他指標計算出的概率能說明多大問題？

同時，如果出現事故之后，誰來承擔這個責任？特斯拉、百度愿意承擔這個責任嗎？當然，此次深圳出臺《深圳經濟特區智能網聯汽車管理條例》，算是對智能網聯車輛所出現的各類型的情形做了責任劃分，至少也有了相關的標準與依據，但無人駕駛未來還會遇到太多類型的責任情形，還需不斷更新與完善。

目前，比較權威的是美國加州機動車輛管理局（DMV）頒發的全無人駕駛測試牌照，以及國內的北京T4路測牌照。

以美國加州機動車輛管理局（DMV）頒發的全無人駕駛測試牌照為例，光申請就需要先滿足8個條件，其中比較重要的幾條是：一是無人車在沒有安全員的情況下，也能按照L4/L5級自動駕駛標準行駛;二是在有監管的情況下，車輛已在相關區域進行過測試;三是繳納500萬美元的保證金或者等價保險證明;四是向當地政府告知完整測試計劃;五是訓練遠程安全員等。

而且，具備申請條件只是一個開始，如初審符合加州DMV要求，加州車管局隨即會對申請企業展開12項有關自動駕駛核心技術的答辯與多次實地考察，整個評估審核時間，可長達一年之久。

不過，即使某家公司獲得全無人駕駛測試牌照，但也只能在特定的區域測試與運營，所測試的駕駛情形無疑相對更單一。換句話說，也就是該公司仍然不具備在特定區域之外進行L4/L5級自動駕駛資格，也必然不能處理一些特殊情形的問題。

據悉，全無人駕駛測試牌照考核非常嚴格，出了車禍牌照還要被吊銷。迄今為止，全球只剩7家公司還擁有這張牌照，包括大名鼎鼎的谷歌兄弟公司Waymo、百度Apollo、AutoX、Cruise、Nuro、文遠知行和Zoox。

值得一提的是，這7張牌照中，百度Apollo、AutoX和文遠知行3家都是中國公司。

不過，即使7家公司獲得了全無人駕駛測試牌照，但真實數據怎么樣呢？盡管相關測試數據屬于商業機密，但有一點可以肯定，7家公司應該都沒有太大數量的無人駕駛車輛進行測試，而且測試里程數也不長。正如上文提到的，如此小的測試樣本，如何對標幾千萬輛汽車這個真實的“大數據庫”呢？又如何證明現階段無人駕駛的真實實力呢？

因此，綜合上文，我們可以得出一個結論：無人駕駛雖好，但現階段還遠不能讓我們安心搭乘。當然，也有人認為，任何新事物都有一個成長與發展的過程，而我們也應該接受成長的“陣痛”。

無人駕駛發展到哪個階段？

我們再想象一個場景：在北上廣深這樣一線城市的擁堵時間或路段，如果有幾輛無人駕駛車輛因無法識別此時的路況，在保守智能機制控制下，其直接剎停不走，那會有多少司機會“罵車”了？大家能接受在馬路上到處急剎車的無人車橫行的未來嗎？

沒有人希望遇到這樣的狀況，但有理由相信現階段的無人駕駛很大可能就是這樣的狀態。盡管無人駕駛可以實現一些特殊路段的行駛要求，但在復雜路段必然要懵圈。

那么，我們有必要提一下無人駕駛的等級。根據《SAE駕駛自動化分級》定義的6個無人駕駛等級，目前L2 級（部分自動駕駛）、L3 級（受條件制約的自動駕駛）還需要人的參與，L4 級（高度自動駕駛）基本上還處于“喊口號”階段，更不用說L5 級（完全自動駕駛）。

自動駕駛的分級 圖片來源：SAE官網

在此，我們也要弄清無人駕駛的本質。無人駕駛，本質上是讓機器來學習人類開車的方式，也是一種人工智能，類似讓AlphaGo來學習人類下圍棋一樣。

人類駕駛基本可分為三個步驟：眼睛來感知，大腦做決策，手、腳去執行。而無人駕駛類比了這個過程，感知部分用的是攝像頭、雷達，決策是電腦，執行則是油門、制動等。

從硬件來說，我們早已有成熟的自動駕駛汽車的硬件，激光雷達、攝像頭、傳感器等，但在“深度學習算法”成熟之后，也就是深度學習算法補齊了最后一塊軟件上的短板之后，無人駕駛才實現大跨步發展。就如AlphaGo結合數百萬人類圍棋專家的棋譜，以及不斷強化學習且進行自我訓練、自我博弈，才得以輕松擊敗人類棋手。

無人駕駛的主要工作原理也是“深度學習”。比如，北京T4路測牌照要求能夠通過隧道、學校等區域，可以應對行人違章通行、施工路段繞行等復雜場景，還要能準確識別多種交通要素如潮汐車道、可變導向車道、路口左轉待轉、臨時紅綠燈等特殊交通標志、標線和信號燈，并可以正確實現無障礙通行。

在考試中，車輛需要100%通過103項場景的覆蓋度測試，不允許有一點差錯，還要具備超車能力、坡路行駛能力、坡道停車能力和起步能力，誤差要嚴格小于15cm。不僅如此，在停車入庫和側方停車等泊車能力上也需要進行考核，車輛需要應對車庫內行人和障礙物識別等細節場景。

因此，無人駕駛要通過“硬件感知”，不斷進行“AI軟件深度學習”，對每一個場景數十萬不同圖片進行歸納類別，需要基于龐大、復雜且豐富的自動駕駛車的測試場景數據，才能真正實現安全、高效率的無人駕駛。

因此，無人駕駛根本沒有任何捷徑可走，只能依靠大量的數據來學習。根據美國蘭德智庫的研究，如果想讓自動駕駛幾乎達到人類駕駛的水平，至少需要大約累計177億公里的駕駛數據來完善算法。

在人工智能時代，數據就像工業時代的“石油”，數據驅動決定產品競爭力。誰掌握了最多的數據，誰理論上就能在自動駕駛研發上占有絕對的優勢。那么，在無人駕駛數據收集上，特斯拉無疑最具優勢。

截至今年7月18日，特斯拉已經累計在全球賣出300萬輛車。特斯拉將通過每輛車上安裝的傳感器，搜集每位用戶的駕駛場景相關數據并傳回，幫助特斯拉進行算法訓練。這相當于買了特斯拉的新能源車，還幫其豐富數據庫。

不過，有一點要特別注意，AI軟件系統一定是可靠的嗎？相信很多“AI碼農”都清楚，只要是程序就不可能完全避免bug，只要有人參與的系統就不會是完美的。同時，未經良好完善的車機系統會不會提高局部事故率呢？系統如何識別一些交通參與者的怪異行為呢？

相信很多人也看過一部美國電影《絕密飛行》。該電影出現了AI無人駕駛戰斗機，其在發現轟炸目標會傷害很多無辜平民后，依舊執行任務，投擲“臟彈”，導致十幾萬人暴露在核輻射中，但人類駕駛的戰斗機就很快做出判斷，請求取消任務。這就是人類與AI的最大區別，人類可以做出很多看似不符合邏輯但正確的決定，但AI只會執行一系列“冰冷指令”。

近日，在莫斯科舉行的國際象棋公開賽上，國際象棋機器人Chessrobot折斷了一位7歲男孩的手指。在比賽中，機器人“吃掉”該參賽男孩的一枚棋子，并把自己的棋子放在空位上，但小男孩未等機器人完成動作便急忙回擊。隨后，機器人捏住男孩手指。工作人員急忙幫助小男孩將手指從機器人的“虎鉗”中掙脫出來，并送往醫院，但小男孩的手指骨折了。

所以，我們可以再延伸想象一下，人工智能會突然“變臉”攻擊人類嗎？電影《終結者》和《我機器人》里機器人大戰人類的橋段是否會成真？

正因為如此，Waymo前CEO約翰·克拉夫西克也曾說過，“L5級自動駕駛就像一個神話，這種技術可能永遠無法實現。”

而北京市此次開放的無人化出行服務，雖然實現了“主駕無人”的商業化試點，但畢竟車輛安全員還是被設置在副駕駛位置上。

從技術發展進程來看，無人駕駛技術本身沒有問題。L4級自動駕駛要想達到比人類駕駛的事故率低也只是時間問題。結合百度發布的無方向盤無人車Apollo RT6，現階段無人駕駛技術最多接近L4級自動駕駛水平。而L5級自動駕駛，這種被賦予類似人類的合理性判斷與辨識能力，還需借助一些“外力”來實現。

車路協同時代將到來

毫無疑問，L4級自動駕駛仍然不完美，L5級自動駕駛在實際應用上不可能實現。那么，上文所提到的“外力”是指什么呢？

智能車路協同系統！

根據百度百科的概念釋義，智能車路協同系統是采用先進的無線通信和新一代互聯網等技術，全方位實施車車、車路動態實時信息交互，并在全時空動態交通信息采集與融合的基礎上開展車輛主動安全控制和道路協同管理，充分實現人車路的有效協同，保證交通安全，提高通行效率，從而形成的安全、高效和環保的道路交通系統。

具體來說，智能車路協同系統主要包括三大部分：一是具備一定自動駕駛能力的“聰明車”，二是由攝像頭、雷達、通信設施等組成的“智慧路”，三是由計算平臺和云控平臺組成的“強大云”。

從這個角度來看，無人駕駛將是一個非常大的系統工程。正如有人認為，要實現無人駕駛上路，起碼要先一步建設符合無人駕駛的“智能公路”。

由此，這一個龐大的智能系統，讓無人駕駛車成為“移動數據收集點”，而“智能公路”兩側的攝像頭、雷達、通信設施等也通過不同觀測視角，為無人駕駛車輛“補充”一些類似人類的合理性判斷與辨識能力（或者說可以通過系統提前感知、預警特殊情形，然后基于5G網絡，人為判斷、干預），以及車輛視角觀測、感知不到的信息，然后無人駕駛車輛與“智能公路”兩側的設備設施等均把各自觀測、感知的信息發送給云計算平臺，再由云計算平臺統籌、融合所有信息，繪制出一張整體交通態勢圖，以實現進一步提升無人駕駛的安全性。

車路協同示意圖 圖片來源：酷玩實驗室

在這個系統的支持下，無人駕駛車輛、“智慧公路”、云計算平臺高度互聯，可以提前獲知行人“鬼探頭”、路口有車輛突然竄出、前方高速上連環撞等一些從車輛的視角無法提前預判的現象。因此，智能車路協同系統在很大程度上就是“智能交通”的重要組成部分。可以說，未來一些不太智能的運行車輛也將受益于智能車路協同。

根據百度的測算，以車路協同系統為基礎的智能交通，將能夠提升15%-30%的通行效率，5年之內，中國的一線城市將不再需要“限購”“限行”;10年之內，靠交通效率的提升，基本上擁堵問題就可以解決了。

同樣，智能車路協同系統也將成為“智慧城市”重要組成部分，包括低空無人機物流、地面機器人運輸配送等也將融入其中。

目前，BAT和華為都已經入場智能車路協同。比如，2020年9月，由百度Apollo支持建設的中國首條支持高級別自動駕駛車路協同的高速公路G5517長常北線高速長益段正式通車。

不過，真的無人駕駛不會一蹴而就，而是一步一步慢慢實現。雖然中國沒有最先進的芯片，但有兩項關鍵的優勢技術：5G和云計算。

在5G技術普及上，工信部日前披露的數據顯示，截至目前5G基站已累計開通185.4萬個，其中二季度新增基站近30萬個，實現“縣縣通5G、村村通寬帶”。同時，融合應用賦能提速，5G和千兆光網融合應用加速向工業、醫療、教育、交通等領域推廣落地，5G應用案例數超過2萬個。而《數字中國發展報告（2021年）》也顯示，在數字技術創新方面，中國人工智能、云計算、大數據、區塊鏈、量子信息等新興技術躋身全球第一梯隊。可以說，在無人駕駛汽車的競爭中，中國除了政策法規之外，也擁有產業與技術優勢。

當然，我們也可以預測，盡管無人駕駛車配備了數目眾多的傳感器，包括激光雷達、攝像機、毫米波雷達、超聲波雷達、GPS、IMU等，成本昂貴，但百度無人車Apollo RT6已經下探到25萬元，伴隨無人駕駛車輛的普及（預計從無人駕駛出行服務開始），硬件成本將大幅下降，加上“智慧交通”“智慧城市”建設所需的軟硬件，將是一個巨大新興市場。

無人駕駛車硬件組成 圖片來源：知乎

今年6月，在中國宏觀經濟論壇（CMF）季度論壇上，重慶市原市長、復旦大學特聘教授黃奇帆表示，今后二三十年，能夠形成萬億美元級別市場的“五大件”，出現五個方向：一是無人駕駛的新能源汽車;二是家用機器人;三是頭戴式AR/VR眼鏡或頭盔;四是柔性顯示;五是3D打印設備。因此，用美國科技新聞網站VentureBeat報道作總結：在自動駕駛汽車的研發競爭中，美國和歐洲一直是領先者。不過，作為世界大國，中國也正奮起直追，將通過政策調控實現彎道超車。未來，中國在自動駕駛汽車的普及率上可能超越歐美等技術強國。

審核編輯 ：李倩