2020年，曾經(jīng)是無人駕駛汽車的一個(gè)重要時(shí)間節(jié)點(diǎn)。

英國(guó)《衛(wèi)報(bào)》在2015年預(yù)測(cè)：到2020年，你將成為一個(gè)“永久后座司機(jī)”。BusinessInsider2016年一篇頭條新聞標(biāo)題為《2020年，1000輛無人駕駛汽車將會(huì)上路》。通用汽車、谷歌的Waymo、豐田和本田曾宣布，2020年將生產(chǎn)出無人駕駛汽車。馬斯克也曾放言說，特斯拉將在2018年達(dá)成這一目標(biāo)，如果2018年不能成功，2020年也終會(huì)實(shí)現(xiàn)。

而如今，2020年到了，無人駕駛汽車卻沒能如約出現(xiàn)。

事實(shí)上，盡管在科技和汽車制造領(lǐng)域，許多頂尖品牌都做出了非凡的努力，但無人駕駛汽車仍然遙不可及。現(xiàn)在，你可以買到一輛會(huì)在發(fā)生碰撞時(shí)及時(shí)為你剎車的汽車，也可以買到一輛幫助你在高速路上自動(dòng)巡航、平穩(wěn)運(yùn)行的汽車，但唯獨(dú)買不到一輛真正的無人駕駛汽車。

這是為什么?或許我們可以從以下九個(gè)問題中獲得答案。

1. 為什么無人駕駛汽車上路花的時(shí)間比預(yù)期更長(zhǎng)?

無人駕駛汽車依靠人工智能工作。21世紀(jì)的前10來年，AI取得的進(jìn)展堪稱“偉大”，我們看到語音生成、計(jì)算機(jī)視覺和物體識(shí)別以及游戲等方面有了巨大的進(jìn)步：比如過去，AI很難在一張圖片中識(shí)別出某種動(dòng)物，但現(xiàn)在這對(duì)AI來說簡(jiǎn)直不值一提。

但在無人駕駛汽車領(lǐng)域，AI的局限性依然非常明顯。即使投入了大量的時(shí)間、金錢和精力，也沒有團(tuán)隊(duì)真正找到讓AI在實(shí)際問題中發(fā)揮至關(guān)重要作用——以高度可靠性和精準(zhǔn)度導(dǎo)航前進(jìn)——的解決方案。訓(xùn)練無人駕駛汽車需要大量培訓(xùn)數(shù)據(jù)。最理想的辦法是向其展示數(shù)十億小時(shí)的真實(shí)駕駛畫面，并以此來教導(dǎo)計(jì)算機(jī)良好的駕駛行為。

但最主要的問題是數(shù)據(jù)不夠，且要獲得某些數(shù)據(jù)時(shí)需要付出“昂貴的代價(jià)”，比如：目睹前方發(fā)生車禍，或在道路上遇到碎屑……只有發(fā)生了這些情況，AI才能獲得相關(guān)數(shù)據(jù)，得出解決方案。

因?yàn)閿?shù)據(jù)不足，對(duì)無人駕駛計(jì)算機(jī)的訓(xùn)練就可能會(huì)有許多欠缺。汽車制造商試圖以多種方式解決這個(gè)問題：他們讓汽車行駛了更多里程，對(duì)汽車進(jìn)行更多模擬訓(xùn)練，甚至設(shè)計(jì)特定情況，以便獲得更多培訓(xùn)數(shù)據(jù)。

這些行動(dòng)似乎取得了一定的效果，比如Waymo的汽車確實(shí)可以在無人駕駛的情況下在亞利桑那州的街道上漫游，但事實(shí)上，這一切進(jìn)展并不那么順利(下文會(huì)有進(jìn)一步詳述)。

2. 無人駕駛汽車投入市場(chǎng)后，世界會(huì)變成什么樣?

盡管遇到挫折，很多企業(yè)仍在持續(xù)投資無人駕駛，因?yàn)闊o人駕駛汽車一旦成功生產(chǎn)出來，世界將發(fā)生翻天覆地的變化，企業(yè)也將大賺一筆。

而且消費(fèi)者也會(huì)想要一些改變。比如，可以在上班途中進(jìn)行閱讀或者休息;無人駕駛汽車也將給殘疾人提供很多便利，畢竟他們中的很多人無法取得駕照，獨(dú)自一人去商超、醫(yī)院、公司都太困難了。

通用汽車公司巡航部門的無人駕駛汽車在舊金山的一個(gè)十字路口等候通過

不過，一些研究人員認(rèn)為，除非我們對(duì)街道進(jìn)行重大改造，以便更容易地向無人駕駛汽車傳達(dá)信息，否則無人駕駛汽車不會(huì)廣泛地存在。而進(jìn)行大規(guī)模的街道改造代價(jià)很昂貴，不只需要金錢、人力，還需要一個(gè)國(guó)家在全國(guó)范圍的協(xié)調(diào)。

3. 無人駕駛汽車領(lǐng)域的“領(lǐng)頭羊”們正在做什么?

評(píng)價(jià)無人駕駛汽車研究的先進(jìn)性，有兩個(gè)核心統(tǒng)計(jì)數(shù)據(jù)可以參考。

一是它行駛了多少英里，這意味著一家公司擁有多少培訓(xùn)數(shù)據(jù)，以及為此投入了多少資金。

另一個(gè)是“自駕脫離”數(shù)據(jù)，自駕脫離指的是在行駛過程中，因計(jì)算機(jī)無法處理特殊情況，汽車不得不臨時(shí)被人類司機(jī)接管的情況。

在這兩個(gè)方面，Waymo都無疑是“領(lǐng)頭羊”。Waymo前不久宣布，該公司無人駕駛汽車總共行駛了2000萬英里：2018年，Waymo 在加利福尼亞州行駛了 120 萬英里，每 1000 英里有0.09 英里“自駕脫離”。排在第二位的是通用汽車的Cruise：行駛了約100萬英里，每1000英里的“自駕脫離”數(shù)據(jù)為0.19。

4. 無人駕駛真的比人類駕駛更安全嗎?

2018年3月18日，無人駕駛汽車首次發(fā)生嚴(yán)重事故：在美國(guó)亞利桑那州坦佩市，Uber一輛配有安全駕駛員的無人駕駛汽車撞死了一位49歲的女子，當(dāng)時(shí)她正騎著自行車穿過街道。

這一事件讓人思考，無人駕駛真的比人類駕駛更安全嗎?

Waymo行駛了2000萬英里尚未發(fā)生致命事故，但考慮到其汽車行駛的里程數(shù)遠(yuǎn)遠(yuǎn)無法與人類相比，因此要證明它們比人類駕駛員更安全還為時(shí)過早。

2017年3月28日，Uber無人駕駛汽車駛過舊金山第五街道

Uber無人駕駛汽車在不多的行駛里程數(shù)里發(fā)生了一起致命事故。雖然該公司沒有公布相關(guān)數(shù)據(jù)，但根據(jù)去年的首次公開募股(IPO)文件，它行駛了"數(shù)百萬英里"，這個(gè)數(shù)字與人類行駛里程數(shù)相差甚遠(yuǎn)。此外，對(duì)首例無人駕駛汽車致死案件的調(diào)查表明，Uber無人駕駛犯了很多可預(yù)防的錯(cuò)誤。

美國(guó)國(guó)家運(yùn)輸安全委員會(huì)(NTSB)于2019年12月發(fā)布的事故報(bào)告顯示，事故發(fā)生時(shí)，“近程攝像頭”和“超聲波傳感器”并未被使用。

NTSB報(bào)告還顯示，系統(tǒng)存在錯(cuò)誤警報(bào)的問題。比如，在安全的情況下檢測(cè)到危險(xiǎn)，并根據(jù)其檢測(cè)到的危險(xiǎn)重新編程——無人駕駛系統(tǒng)在一秒鐘內(nèi)抑制剎車，同時(shí)計(jì)算出替代路徑。因此，即使重新編程后的汽車突然反應(yīng)過來接下來的動(dòng)作將會(huì)有危險(xiǎn)，它也不會(huì)立即剎車，而是根據(jù)替代路徑繼續(xù)行駛。本該避免的碰撞，計(jì)算機(jī)卻“精準(zhǔn)地”讓汽車?yán)^續(xù)行駛了整整一秒鐘，從而釀成大禍。

Uber無人駕駛汽車的系統(tǒng)設(shè)計(jì)是，假定行人只會(huì)在人行道上過馬路，所以當(dāng)行人沒有使用人行道時(shí)，它就無法識(shí)別其身份。更糟糕的是，當(dāng)系統(tǒng)無法識(shí)別前方運(yùn)行物體是人還是自行車時(shí)，它就無法保留任何有關(guān)物體移動(dòng)的信息。

所以，在Uber的致死案件中，系統(tǒng)在撞擊前六秒鐘感覺到了行人的存在，但在以致命的速度與行人相撞之前，它什么也沒做。

5. 無人駕駛汽車對(duì)環(huán)境有利嗎?

擁護(hù)者認(rèn)為，無人駕駛汽車對(duì)環(huán)境有好處。

他們聲稱，有了無人駕駛汽車后，很多人可能不會(huì)再想買車，轉(zhuǎn)而使用共享汽車，從而減少不必要的出行次數(shù)。此外，也有人認(rèn)為，人類司機(jī)“用力加速、緊急制動(dòng)”等行為會(huì)使發(fā)動(dòng)機(jī)空轉(zhuǎn)，加速燃油消耗，而這些是無人駕駛汽車可以避免的。

但隨著無人駕駛汽車越來越近，這些所謂的好處開始變得不那么現(xiàn)實(shí)。沒有太多證據(jù)表明，計(jì)算機(jī)駕駛比人類駕駛更省油。

一項(xiàng)小型研究顯示，自適應(yīng)巡航控制可以將燃油效率提高5%到7%，但除此之外沒有什么其他意義。此外，研究人員研究了節(jié)油能力更高的汽車對(duì)行駛里程的影響，發(fā)現(xiàn)在大多情況下，具有更高燃油效率的無人駕駛汽車并不意味著會(huì)降低排放。

一項(xiàng)旨在“估算無人駕駛汽車對(duì)汽車使用行為的影響”的研究表明，擁有無人駕駛汽車后，人們可能會(huì)更多地使用汽車出行。研究者為一個(gè)家庭提供了使用一周無人駕駛汽車服務(wù)的費(fèi)用。他們?cè)噲D用這種方式來模擬擁有無人駕駛汽車的家庭生活。結(jié)果讓人失望：出行次數(shù)變多了。

當(dāng)然，僅僅研究一個(gè)星期的駕駛習(xí)慣不足以證明什么。目前，研究人員正在準(zhǔn)備更多的數(shù)據(jù)進(jìn)行未來研究，擴(kuò)大樣本與時(shí)間軸線后的結(jié)果令人期待。

6. 如果無人駕駛汽車不一定更安全，也不一定更環(huán)保，為什么還要研發(fā)?

讀到這里，你可能產(chǎn)生了一些悲觀情緒，但無人駕駛領(lǐng)域也不乏更人振奮的消息：無人駕駛車的研發(fā)可能會(huì)使老年人和殘疾人的生活更加便利，并為人們提供更好、更安全、更經(jīng)濟(jì)的選擇。未來的研發(fā)將使無人駕駛汽車更安全——也許其安全性會(huì)超過人類司機(jī)。

從某種意義上說，我們正處在一個(gè)尷尬的過渡時(shí)刻，我們渴望無人駕駛汽車的到來，但同時(shí)又知道這條路上困難重重。

每一項(xiàng)新技術(shù)在發(fā)明初期都伴隨危險(xiǎn)，但成熟之后可能會(huì)為人類帶來極大便利。這樣的例子其實(shí)并不罕見，比如飛機(jī)在剛發(fā)明時(shí)，如今卻日益成為日常生活中不可缺少的交通工具。

7. 法律與政策在無人駕駛汽車的發(fā)展中扮演了什么角色?

目前，全世界還沒有關(guān)于無人駕駛汽車的統(tǒng)一法律。在國(guó)外，大部分政策行動(dòng)主要發(fā)生在州一級(jí)，且各州圍繞無人駕駛汽車的法律差異很大。這些政策將會(huì)影響無人駕駛汽車的使用，也決定著它對(duì)環(huán)境的影響是好是壞。

例如，在高額汽油稅下，碳排放的社會(huì)成本可能會(huì)反映在無人駕駛汽車的價(jià)格上。但是，目前的交通政策對(duì)駕車的社會(huì)成本并沒有起到多大作用，而這個(gè)問題在無人駕駛汽車上路后只會(huì)變得更加嚴(yán)重。

8. 我們何時(shí)可以擁有無人駕駛汽車?

人類從未停止對(duì)無人駕駛汽車的研究。

Waymo自2017年以來一直在進(jìn)行無人駕駛汽車的測(cè)試。通用Cruise此前推遲了2019年的自動(dòng)出租車服務(wù)，但其認(rèn)為該服務(wù)可能在2020年成為現(xiàn)實(shí)。今年早些時(shí)候，該公司推出了一款沒有方向盤和時(shí)間表的汽車，但尚未對(duì)外銷售。特斯拉的高速公路自動(dòng)駕駛的性能很好，但遠(yuǎn)未達(dá)到真正的無人駕駛的水平。

當(dāng)然也有不同意見。大眾汽車公司首席執(zhí)行官就表示，可能“永遠(yuǎn)不會(huì)有”無人駕駛汽車。

特斯拉Model 3配備部分自動(dòng)駕駛系統(tǒng)，于2020年1月9日在比利時(shí)布魯塞爾的布魯塞爾博覽會(huì)上展出

就目前的情況而言，預(yù)測(cè)無人駕駛汽車究竟何時(shí)真正面世還有一定難度。很多公司在公布研發(fā)進(jìn)展的同時(shí)，也會(huì)隱瞞遭遇的不幸，因?yàn)樗麄冎?，像Uber那樣嚴(yán)重的交通事故不僅可怕，還會(huì)給他們未來的研發(fā)帶來厄運(yùn)。

無論如何，無人駕駛的研究還在進(jìn)行，無人駕駛汽車肯定比去年更接近我們，但距真正投放市場(chǎng)還有相當(dāng)長(zhǎng)的路要走。也許，三四年后我們才能更清晰地知道，人類何時(shí)能真正用上無人駕駛汽車。

9. 無人駕駛汽車到底是如何工作的?

無人駕駛汽車背后的理念非常簡(jiǎn)單：在汽車上安裝攝像頭，攝像頭可以跟蹤周圍的所有物體，并在汽車要轉(zhuǎn)向時(shí)做出反應(yīng);另外，人類教會(huì)車載計(jì)算機(jī)道路規(guī)則，并讓它們借助導(dǎo)航能到達(dá)目的地。

然而，以上簡(jiǎn)單的描述回避了背后隱藏的一大堆復(fù)雜問題。

駕駛是人類經(jīng)常做的復(fù)雜活動(dòng)之一。事實(shí)上，車載計(jì)算機(jī)可以遵循道路規(guī)則，但仍然無法像人類那樣開車，比如與他人進(jìn)行眼神交流以確認(rèn)誰有權(quán)通行，對(duì)天氣狀況做出判斷性反應(yīng)等等。

Waymo首席執(zhí)行官John Krafcik于2017年11月7日在葡萄牙里斯本的WedSummit上展示了無人駕駛汽車

甚至是一些簡(jiǎn)單的駕駛操作，比如跟蹤汽車周圍的物體，實(shí)際上也比聽起來要棘手得多。以無人駕駛汽車的行業(yè)領(lǐng)導(dǎo)者、谷歌的姊妹公司W(wǎng)aymo為例。Waymo的汽車是無人駕駛汽車中的“模范生”：它們使用高分辨率的攝像頭和激光雷達(dá)的方法(原理是通過使物體反射光線和聲音來估計(jì)與物體之間距離)來讓汽車計(jì)算機(jī)感知與其他汽車、自行車、行人和障礙物的位置以及移動(dòng)位置。

實(shí)現(xiàn)這些功能需要大量的訓(xùn)練數(shù)據(jù)。也就是說，汽車必須利用Waymo收集的數(shù)百萬英里的行駛數(shù)據(jù)，來形成對(duì)其他物體可能如何運(yùn)動(dòng)的預(yù)判。

因此，工程師必須確保其AI系統(tǒng)能夠正確地將模擬數(shù)據(jù)(由于很難在真實(shí)道路上獲得足夠的訓(xùn)練數(shù)據(jù)，因此不得不采用模擬數(shù)據(jù))推廣到現(xiàn)實(shí)世界。

以上這些還遠(yuǎn)遠(yuǎn)不是對(duì)無人駕駛汽車上路工作時(shí)整個(gè)系統(tǒng)的完整描述。

但這說明了非常重要的一點(diǎn)：研發(fā)無人駕駛汽車的過程中，很多即使是“簡(jiǎn)單”的事也隱藏了令人驚訝的復(fù)雜性。(文字 | 尹歡歡 版面 | 田曉娜)