信息技術(shù)發(fā)展具有20年的周期律：1970~1990年是發(fā)軔于PC的數字化，1990~2010年是互聯(lián)網(wǎng)推動(dòng)的網(wǎng)絡(luò )化，從2010年開(kāi)始的20年，我們面臨的將是機器智能的寒武紀大爆發(fā)。如果物聯(lián)網(wǎng)是機器的“視覺(jué)”，互聯(lián)網(wǎng)就如地殼運動(dòng)一樣導致“互聯(lián)網(wǎng)+”應用的涌現，而大數據是鈣元素，演化出機器智能。

人工智能目前炙手可熱，創(chuàng )業(yè)公司如雨后春筍般涌現。從業(yè)者開(kāi)始思考，如何讓技術(shù)形成漣漪效應，促使產(chǎn)業(yè)非線(xiàn)性、躍遷式增長(cháng)。有人把人工智能和產(chǎn)業(yè)比喻成葡萄干和面包的關(guān)系，雖然葡萄干離開(kāi)面包仍是葡萄干，但兩者結合在一起就能創(chuàng )造出高價(jià)值的新品類(lèi)。筆者近年來(lái)一直在探索人工智能的產(chǎn)業(yè)機會(huì )，并得出結論：最近5~10年，自動(dòng)駕駛是人工智能帶來(lái)的增值最大的產(chǎn)業(yè)，沒(méi)有之一。

什么是自動(dòng)駕駛？

自動(dòng)駕駛是個(gè)籠統的概念，涵蓋駕駛輔助(driving assistance)和自動(dòng)駕駛。駕駛輔助還是由人開(kāi)車(chē)，智能體現在對環(huán)境的感知，并適時(shí)預警（比如車(chē)道線(xiàn)偏離以及與前車(chē)碰撞預警）。

從駕駛輔助到自動(dòng)駕駛是很大的飛躍。自動(dòng)駕駛在感知以外，加上了規劃/決策和控制。駕駛輔助的感知強調低誤報、低頻觸發(fā)，人是最終的決策者，所以駕駛輔助出錯無(wú)傷大雅。自動(dòng)駕駛的感知有極高的要求，因為把一段時(shí)間的控制權完全交與了機器，不僅要求低誤報，而且要求零漏報，漏一次就會(huì )造成交通事故。

自動(dòng)駕駛有三種不同的形態(tài)：(1)輔助駕駛或半自動(dòng)駕駛，特斯拉的autopilot即是此類(lèi)。在某些場(chǎng)景下汽車(chē)可以進(jìn)行自動(dòng)駕駛，比如緊急剎車(chē)，在封閉、結構化道路上的自適應巡航和車(chē)道保持，自動(dòng)泊車(chē)。必須注意的是，這類(lèi)技術(shù)目前還有較大的局限性，特斯拉近日的多起事故都是出現在十字路口、入口/出口和雙向路上，這超出了autopilot的處理能力。(2)高度自動(dòng)駕駛，在大街小巷多數場(chǎng)景下可以自動(dòng)駕駛，還能支持多輛車(chē)的編隊行駛。這類(lèi)技術(shù)的環(huán)境感知和駕駛認知能力相比輔助駕駛有極大的提升，不僅能處理上述autopilot不會(huì )處理的路況，甚至還能在完全沒(méi)有車(chē)道線(xiàn)的非結構化道路上暢行。高度自動(dòng)駕駛汽車(chē)還能在復雜路況下與其他智能車(chē)輛或人駕駛的車(chē)輛共享或競爭路權。(3)全自主駕駛或無(wú)人駕駛，完全由人工智能來(lái)駕駛，可以把方向盤(pán)、油門(mén)和剎車(chē)去掉。

未來(lái)5年，傳統車(chē)廠(chǎng)和零部件供應商的主要努力方向是第一類(lèi)和第二類(lèi)自動(dòng)駕駛，但這并不是以代替駕駛員為目的，而是讓駕駛員更加安全和舒適。顯然這是更穩妥的漸進(jìn)道路。而一些“野蠻人”直接選擇了無(wú)人駕駛作為切入點(diǎn)，劍指2020年。他們認為前兩種自動(dòng)駕駛是危險的，因為機器失效時(shí)，在突現危機的電光石火中駕駛員不一定能立刻進(jìn)入狀態(tài)，做出清醒的決策。所以終極的辦法是“消滅”駕駛員。這樣的汽車(chē)是真正為出行者設計的，小孩、老人、寵物、殘疾人都能夠開(kāi)車(chē)，出行權利得到極大釋放。

自動(dòng)駕駛的前世：科研開(kāi)道

大眾帕薩特研發(fā)無(wú)人駕駛汽車(chē)，該車(chē)成功進(jìn)入DARPA城區挑戰賽

自動(dòng)駕駛最早的原型可能要算“斯坦福車(chē)”，這個(gè)20世紀60年代獲得美國國家航空航天局(NASA)資助的項目在漢斯·莫拉維克(Hans Moravec)——被譽(yù)為“人工智能最堅定的支持者”——的努力下取得了巨大進(jìn)展。莫拉維克通過(guò)遠程圖像來(lái)操控“斯坦福車(chē)”的運行，然而它逃脫了控制，直接駛上了繁忙的道路，追捕“叛逃機器人”成為無(wú)人車(chē)歷史上詼諧的一筆。莫拉維克在機器視覺(jué)的探索中遭遇了很多挫折，后來(lái)有了著(zhù)名的莫拉維克悖論(Moravec’s Paradox)——人類(lèi)的高階智能，比如推理、規劃和下棋，計算機都能夠輕易實(shí)現。而只有幾個(gè)月大的嬰兒就能駕輕就熟的低階智能，如感知和運動(dòng)配合，計算機都遙不可及。

美國國防部高級研究計劃署(DARPA)為降低未來(lái)戰爭中士兵的傷亡，在2004年舉辦了第一屆無(wú)人車(chē)“大挑戰(Grand Challenge)”，可惜在沙漠中全軍覆沒(méi)。而隨后的2005年成為了一段光輝歲月?？▋然仿〈髮W(xué)的Red隊是奪冠熱門(mén)，其老大、機器人專(zhuān)家雷德·惠塔克(Red Whittaker)志在必得。在挑戰者中，斯坦福大學(xué)的Stanley并不起眼，可是領(lǐng)隊塞巴斯蒂安·特龍(Sebastian Thrun)矢志奪魁，這位同步定位與地圖創(chuàng )建(SLAM)的先驅者從卡內基梅隆大學(xué)失意出走，試圖在這場(chǎng)比賽中奪回尊嚴?？▋然仿〈髮W(xué)的兩輛車(chē)一路領(lǐng)先，可下半程幾個(gè)松動(dòng)的零件導致兩輛車(chē)大幅減速，只獲得第二和第三。Stanley雖然在比賽中出了幾次事故，但未傷筋動(dòng)骨，在刪除了一些無(wú)關(guān)緊要的代碼后竟然越跑越快，最終斬獲200萬(wàn)美元獎金。在這次比賽中，很多車(chē)輛都使用了激光雷達、高精度的地理信息系統和慣性導航系統，直到今天仍然是很多無(wú)人車(chē)的標準配置。

2007年“城市挑戰賽(Urban Challenge)”在卡內基梅隆大學(xué)卷土重來(lái)，這次他們準備充分，40人的隊伍，除了兩輛參賽的車(chē)輛，還有一輛補給車(chē)提供充足的零件替換?；菟私K于摘得桂冠。在他的裝備庫里，第一次出現了一種新型的64線(xiàn)激光雷達，為了讓這件裝備投入使用，卡內基梅隆大學(xué)的工程師寫(xiě)了大量的驅動(dòng)程序。這是由一家音箱廠(chǎng)商Velodyne的極客老板做出的，價(jià)值7~8萬(wàn)美元。在其后的近10年間，64線(xiàn)激光雷達成為全世界絕大多數無(wú)人車(chē)必須配置的組件。

自動(dòng)駕駛的今生：企業(yè)精耕

谷歌無(wú)人車(chē)

谷歌的第一輛無(wú)人車(chē)是基于混電車(chē)Prius改裝的，頂上裝著(zhù)64線(xiàn)激光雷達，以此建立高分辨率的三維環(huán)境模型或高精度地圖。

谷歌的第二代無(wú)人駕駛車(chē)來(lái)自叫510 SYSTEMS的一個(gè)創(chuàng )業(yè)公司，其核心技術(shù)是Anthony Levandowski，是加州大學(xué)伯克利分校開(kāi)發(fā)的，并非出自無(wú)人駕駛車(chē)三強（卡內基梅隆大學(xué)、斯坦福大學(xué)和麻省理工學(xué)院）。這家創(chuàng )業(yè)公司做的東西非常好，于是谷歌悄悄把這家公司買(mǎi)了下來(lái)，在其基礎上開(kāi)發(fā)出基于豐田L(fēng)exus的平臺，一直到現在Lexus仍然是谷歌車(chē)隊的主流車(chē)型，現在常在路上行駛的有20多輛。

谷歌的第三代無(wú)人駕駛車(chē)是真正的躍遷，這款車(chē)是完全重新設計的，做了很多思考和改進(jìn)，比如移除了雨刷，因為并不需要有駕駛員在雨中看清路況。按照設計，這種車(chē)是沒(méi)有方向盤(pán)的，但由于加州法律的限制，車(chē)里還是安裝了一個(gè)游戲操縱桿作為方向盤(pán)。目前在路上行駛的這種車(chē)已有30多輛，同時(shí)谷歌還在進(jìn)行大量的制造。

雖然谷歌的幾十輛無(wú)人駕駛車(chē)累積的行程已達200多萬(wàn)英里，然而在實(shí)用性上面臨著(zhù)一定的問(wèn)題：一是激光雷達等傳感器太過(guò)昂貴，二是區區200多萬(wàn)英里不能證明無(wú)人駕駛足夠安全或比人駕駛得更好。

另一條路線(xiàn)逐漸成為主流，他們從駕駛輔助和輔助駕駛開(kāi)始，主攻以視覺(jué)為主的低價(jià)方案，試圖實(shí)現快速商業(yè)化。其中翹楚是Mobileye和特斯拉，Mobileye的駕駛輔助系統已經(jīng)安裝在1000多萬(wàn)輛汽車(chē)上，而特斯拉的autopilot在短短7個(gè)月積累了1.3億英里的自動(dòng)駕駛里程。

Mobileye采用視覺(jué)地圖，從視覺(jué)中提取的地圖特別小，適合實(shí)時(shí)上傳、通過(guò)眾包的方式更新。事實(shí)上基于視覺(jué)的定位更接近于人的工作方式。我們根據道路上的標志來(lái)評估大致的位置，并且根據路面線(xiàn)條的變化做實(shí)時(shí)的決策（選哪一條車(chē)道，是否上匝道等）。那么，只須從視覺(jué)中提取出那些標志和線(xiàn)條，眾包上傳到地圖（每公里只需10KB級別的數據），而行駛時(shí)可以通過(guò)視覺(jué)匹配來(lái)獲得定位。

在視覺(jué)技術(shù)狂飆猛進(jìn)的同時(shí)，其他技術(shù)也在飛速發(fā)展，比如視覺(jué)加雷達的多傳感器融合，在很多場(chǎng)合下能夠獲得更好的感知能力。視覺(jué)的優(yōu)勢是分辨率高，包含豐富的語(yǔ)義，缺點(diǎn)是容易受天氣和光照影響；毫米波雷達只能跟蹤對象，而無(wú)法獲知其大小形狀，但受環(huán)境影響小。兩者的融合已經(jīng)成為目前輔助駕駛的標配，特斯拉的autopilot即是如此（它還有短距離的超聲波雷達）。

值得一提的是，特斯拉出現了致死事故。在事故中縱然有Mobileye視覺(jué)未能識別出拖車(chē)橫側面的緣故，但也有雷達識別失誤的問(wèn)題。雷達安裝較低，垂直掃描角度小，只能在較遠的距離看到拖車(chē)（拖車(chē)底盤(pán)高，所以近距離時(shí)無(wú)法掃描到），在這起事故中拖車(chē)被認成“龍門(mén)”或橫跨馬路的交通標志。目前，各個(gè)傳感器通常只能在各自識別完成后融合，而這時(shí)候的融合邏輯變得非常困難，因此，多傳感器的底層、深層融合非常值得探索。目前已經(jīng)實(shí)現雷達和攝像頭的合體RACAM，以及激光雷達和攝像頭的“混血”版。

除了感知，在規劃和控制方面也有了長(cháng)足的發(fā)展。傳統的規劃考慮的是安全和舒適性，而現在把競爭性也加入了考量。自動(dòng)駕駛的車(chē)輛如何預測行人和其他車(chē)輛的動(dòng)機和動(dòng)作？如何積極地并線(xiàn)來(lái)獲得路權？谷歌和Mobileye等都在嘗試新的算法，比如采用強化學(xué)習和遞歸神經(jīng)網(wǎng)絡(luò )，試圖用深度學(xué)習的端到端學(xué)習，整體解決感知-規劃-控制的所有問(wèn)題。必須指出，機器學(xué)習和專(zhuān)家知識是可以互補的。年初曾發(fā)生谷歌自動(dòng)駕駛車(chē)撞上大巴的事故，如果在規劃中融入對大巴駕駛員判斷的經(jīng)驗，則可能規避此事故。

網(wǎng)聯(lián)的未來(lái)

在相當長(cháng)的一段時(shí)間里，自動(dòng)駕駛車(chē)將與有人駕駛車(chē)共享路權，單車(chē)智能是必要的基礎。但自動(dòng)駕駛的未來(lái)不是一輛車(chē)在戰斗。隨著(zhù)5G通信網(wǎng)絡(luò )的普及，V2X（包括車(chē)對車(chē)和車(chē)與基礎設施的通信）將豐富自動(dòng)駕駛的技術(shù)內涵和生態(tài)，并放大其作用。V2X能做什么？首先是安全。假設車(chē)車(chē)之間有通信，第一輛車(chē)發(fā)生制動(dòng)的瞬間，后車(chē)連續接到指令，自動(dòng)剎車(chē)，就可以將大禍消弭于無(wú)形。

V2X能提高能源利用效率。歐洲已經(jīng)開(kāi)始嘗試大貨車(chē)的編隊行駛，領(lǐng)航車(chē)的執行動(dòng)作通過(guò)V2X指令傳播到跟隨車(chē)輛，使整個(gè)車(chē)隊的隊形和操控保持一致，這樣做最大的好處是后車(chē)風(fēng)阻減少，可大大節省能源。

V2X還能提升通行效率?，F在高速公路上的一大問(wèn)題是，只要有一輛車(chē)突然剎車(chē)，就將如地震波一般連綿傳播數公里，使整條道路的通行效率劇減。麻省理工學(xué)院的教授發(fā)現，假設V2X允許每輛車(chē)的速度控制在前后車(chē)速度的平均值，某車(chē)瞬間減速的影響會(huì )向其前后兩側傳播，并且迅速消失。如果V2X能夠掌握路口各個(gè)方向的車(chē)輛運行狀況，并且計算出每一輛車(chē)的通行順序和速度，那么完全可以把紅綠燈去掉，各車(chē)按序行駛，完全不用擔心撞車(chē)。當這一天實(shí)現時(shí)，城區的通行速度將至少提升1~2倍。

自動(dòng)駕駛產(chǎn)業(yè)和社會(huì )變革

自動(dòng)駕駛風(fēng)起汽車(chē)產(chǎn)業(yè)，這個(gè)被稱(chēng)為“工業(yè)之王”的產(chǎn)業(yè)過(guò)去100年在競爭格局上并沒(méi)有大的變化，一輛車(chē)需要3萬(wàn)多零件，價(jià)值鏈和資金周轉周期長(cháng)，巨頭林立，后來(lái)者只能知難而退。然而過(guò)去5年產(chǎn)生的四個(gè)趨勢完全顛覆了這一格局：新能源化，像特斯拉這樣的電動(dòng)車(chē)將零件數降到了1萬(wàn)個(gè)，進(jìn)入者的門(mén)檻極大地降低；出行多樣化，尤其共享出行改變了汽車(chē)的消費模式；智能化和網(wǎng)聯(lián)化改變了汽車(chē)的定義，電子和軟件壓倒傳統機械和電氣，汽車(chē)成為移動(dòng)的智能化空間，在這里人與信息和服務(wù)產(chǎn)生無(wú)數的觸點(diǎn)。

自動(dòng)駕駛產(chǎn)業(yè)涉及三個(gè)萬(wàn)億美元的市場(chǎng)：全球汽車(chē)市場(chǎng)萬(wàn)億美元，出行市場(chǎng)萬(wàn)億美元；在實(shí)際產(chǎn)業(yè)之外，自動(dòng)駕駛為社會(huì )經(jīng)濟帶來(lái)的額外收益也將是萬(wàn)億美元。摩根斯坦利的研究報告[1]指出，自動(dòng)駕駛每年將為美國帶來(lái)1.3萬(wàn)億美元的收益，分別來(lái)自燃油節省、擁堵減緩、事故減少和生產(chǎn)力提升。

競爭格局的改變并不只是有利于后來(lái)者。傳統的汽車(chē)產(chǎn)業(yè)巨頭比以往任何時(shí)候都更勇于擁抱新趨勢：通用汽車(chē)投資出行服務(wù)提供商Lyft，擲下10多億美元買(mǎi)下創(chuàng )業(yè)公司Cruise Automation；國內長(cháng)安汽車(chē)已有具有輔助駕駛功能的汽車(chē)行駛2000公里進(jìn)京，并與谷歌等國外巨頭積極接觸。從這些都可以看出他們直面挑戰的決心。

自動(dòng)駕駛帶來(lái)的變化遠遠不止是汽車(chē)產(chǎn)業(yè)，它的高級形態(tài)——無(wú)人駕駛——將徹底改變出行。10年后，路上川流不息的出租車(chē)大多數是無(wú)人駕駛，汽車(chē)數量減少一半，但汽車(chē)的利用率得到極大提升，堵車(chē)將成為過(guò)去，天空重歸于藍，停車(chē)位被改成公園、活動(dòng)空間和住所，車(chē)禍幾近于零。

交通流、信息流、能源流三流合一，所有與人或物相關(guān)的交通將被重新定義，保險需要涅槃重生，而服務(wù)業(yè)將找到新的爆發(fā)點(diǎn)——上述的無(wú)人駕駛出租車(chē)是除了家和辦公室的第三空間，是移動(dòng)的商業(yè)地產(chǎn)、移動(dòng)的影院、移動(dòng)的辦公空間、移動(dòng)的咖啡館。

自動(dòng)駕駛：安全第一

漢語(yǔ)“安全”在自動(dòng)駕駛語(yǔ)境里有兩層意思。第一層是Safety（安全）。例如傳感器360度無(wú)死角覆蓋、多種傳感器融合、感知算法精準、感知-控制反饋實(shí)時(shí)、軟硬件多層冗余、溫度范圍大、防震、防塵等。汽車(chē)行業(yè)對功能安全也有ISO 26262標準，整個(gè)流程執行下來(lái)會(huì )讓IT工程師“易筋洗髓”、脫一層皮。第二層是Security（保密）。一方面，日益復雜的算法和功能要求通用操作系統能夠在車(chē)上使用；另一方面，聯(lián)網(wǎng)的需求使汽車(chē)直接暴露在網(wǎng)絡(luò )上，黑客通過(guò)車(chē)載聯(lián)網(wǎng)娛樂(lè )系統可以輕松攻破并控制汽車(chē)。

如何破解安全風(fēng)險？第一，要仔細梳理和定義自動(dòng)駕駛系統的安全需求，進(jìn)行風(fēng)險分析，建立具有可信計算基礎的軟硬件平臺，采用分域、虛擬化等機制隔離關(guān)鍵模塊，通過(guò)加密保護端到端的數據通路。第二，要實(shí)踐全新的安全設計方法學(xué)，安全始于設計，從確認設計到驗證實(shí)現，都要考量安全性；在運行時(shí)，是否足夠安全，能否抵御攻擊，能否在線(xiàn)升級、保證軟件最新，系統出現單點(diǎn)故障是否有足夠的冗余？萬(wàn)一系統淪陷，有沒(méi)有辦法強力終止攻擊，或重獲控制權。第三，如果未來(lái)存在一個(gè)安全信息市場(chǎng)，安全研究人員或白帽黑客發(fā)現安全缺陷，可以通過(guò)市場(chǎng)將該信息賣(mài)給主機廠(chǎng)商或技術(shù)供應商。

特斯拉在致命車(chē)禍的抗辯中指出，autopilot已經(jīng)行駛1.3億英里，這是第一起致死事故，而世界范圍內每行駛6000萬(wàn)英里就有一次致死事故，全美的平均數字是9400萬(wàn)英里，因此自動(dòng)駕駛更加安全。雖然筆者是自動(dòng)駕駛的擁躉，但必須指出，這一論據并不充分。1.3億英里、不到1年的上路時(shí)間、10萬(wàn)輛左右的數量，這是非常小的數據樣本。換言之，只要特斯拉明天再出一起致死事故，拿美國均值做標準就不及格了。

著(zhù)名智庫蘭德公司的研究報告[2]指出，要在數學(xué)意義上證明自動(dòng)駕駛比人駕駛更安全，需要測試上百億英里、幾百年的時(shí)間。這是全世界任何一個(gè)車(chē)廠(chǎng)都無(wú)法完成的任務(wù)。人們不會(huì )因為某家車(chē)廠(chǎng)沒(méi)有達到理論上的低死亡率而不嘗試自動(dòng)駕駛。但如果某家車(chē)廠(chǎng)能夠用更多的里程來(lái)證明自動(dòng)駕駛更安全，則毫無(wú)疑問(wèn)將獲得更多的青睞。谷歌的自動(dòng)駕駛團隊開(kāi)發(fā)出模擬器，1天能夠虛擬行駛300多萬(wàn)英里，這可能是達到蘭德公司目標的唯一途徑。

法律、法規和政策是桎梏嗎？

制約自動(dòng)駕駛迅速普及的因素包括技術(shù)成熟度、成本和法律法規，而第三者是最大的攔路虎。在美國和歐洲，巨大的游說(shuō)力量在推動(dòng)改革。美國交通部及國家公路交通安全管理局(NHTSA)已經(jīng)開(kāi)始建議無(wú)人駕駛的合法化。他們采用了一個(gè)絕妙的方法，在所有交通相關(guān)的法律里，“駕駛員”都可以用具有人工智能的機器替換，使整個(gè)法律體系為無(wú)人駕駛敞開(kāi)大門(mén)。當然，各州需要各自制定可操作的法律法規框架。目前，美國有四個(gè)州和一個(gè)特區已經(jīng)允許自動(dòng)駕駛汽車(chē)上路，但多數仍然要求駕駛員在位?？傮w而言，未來(lái)走勢非常樂(lè )觀(guān)。

在世界范圍內，《維也納道路公約》也有了歷史性的突破，原來(lái)《公約》要求駕駛員時(shí)刻保持對車(chē)輛的控制，而在2014年，《公約》批準了有關(guān)自動(dòng)駕駛的修改，只要其能夠“被駕駛員權限否決或接管”。修改的生效仍需時(shí)日，歐洲沒(méi)有美國激進(jìn)（因為歐洲的大車(chē)廠(chǎng)在短期內都回避無(wú)人駕駛）。中國并非《公約》的締約國，但中央和地方政府都對自動(dòng)駕駛寄予了厚望，對于法律法規的進(jìn)展，我們的判斷是先慢后快。

那么什么樣的自動(dòng)駕駛車(chē)可以上路測試和銷(xiāo)售呢？在美國加州，車(chē)廠(chǎng)或技術(shù)公司如果要申請自動(dòng)駕駛汽車(chē)上路測試，只須提交一些申請材料，準備500萬(wàn)美元的保險額度，以及有司機/操作員培訓計劃綱要即可。對于銷(xiāo)售，美國國家公路交通安全管理局通常采取事后認證方式，自動(dòng)駕駛汽車(chē)先入市，再頒布標準，如果事后發(fā)現產(chǎn)品有重大缺陷，管理局則要求召回。而歐洲和亞洲更加保守，在自動(dòng)駕駛車(chē)型進(jìn)入市場(chǎng)之前就需要認證，也就是說(shuō)，自動(dòng)駕駛汽車(chē)需要“考駕照”。歐洲和日本已經(jīng)致力于建立統一的自動(dòng)駕駛車(chē)型測試標準。但是特斯拉的汽車(chē)在銷(xiāo)售時(shí)是沒(méi)有自動(dòng)駕駛功能的，所以并沒(méi)有經(jīng)過(guò)相關(guān)認證，但有一天這個(gè)車(chē)突然通過(guò)遠程軟件升級能自動(dòng)駕駛了，那要不要召回并認證？這是擺在歐日管理當局面前的新問(wèn)題。

自動(dòng)駕駛的道德倫理問(wèn)題

當我們談?wù)摰赖潞蛡惱淼臅r(shí)候，經(jīng)常有這樣的辯論。你說(shuō)自動(dòng)駕駛能夠帶來(lái)效率提升、事故減少，他說(shuō)自動(dòng)駕駛存在道德和倫理問(wèn)題。面臨危險時(shí)，自動(dòng)駕駛汽車(chē)是撞左面的三個(gè)人還是右面的一個(gè)人，是撞老人還是小孩，是選擇戴頭盔的摩托車(chē)手還是不戴頭盔的，是選擇犧牲車(chē)外的人還是犧牲車(chē)里的人？這些問(wèn)題都有一些邏輯上的陷阱，比如你說(shuō)撞戴頭盔的，原因是戴頭盔的比不戴頭盔的生存的可能性更大，而別人就會(huì )質(zhì)疑你歧視守法公民。

而對于從業(yè)者來(lái)說(shuō)，有更重要的倫理和道德問(wèn)題需要考慮，比如要正視潛在的利益沖突方和反對者。對于這樣一種統計上更安全，但仍有可能犯低級錯誤的技術(shù)，一定有人贊成、有人反對。多數人對“更安全”并沒(méi)有直接的感受，但只要有一次事故就有可能變?yōu)榉磳φ摺?/p>

1975年，芝加哥大學(xué)教授薩姆·佩茲曼(Sam Peltzman)研究指出，安全帶和安全氣囊實(shí)際上導致了更多的交通事故。在新技術(shù)發(fā)展初期，無(wú)論是汽車(chē)廠(chǎng)商還是消費者都要有勇氣和耐心。對于汽車(chē)廠(chǎng)商來(lái)說(shuō)，還需要敬畏和盡責。技術(shù)不必完美，先讓用戶(hù)試用，在迭代中慢慢改善。特斯拉是具有極大勇氣的先行者，第一次嘗試了通過(guò)遠程升級賦予汽車(chē)自動(dòng)駕駛功能，但是在盡責上可以做得更好，比如在宣傳上區分autopilot和無(wú)人駕駛，在告知義務(wù)上強調beta版軟件的不可靠性，在告警義務(wù)上更加嚴格——將注意力不在路上的司機拉回決策環(huán)等。

大數據時(shí)代，所有企業(yè)都會(huì )有數據饑餓感，但是收集數據對用戶(hù)要有告知義務(wù)，不能以用戶(hù)的隱私為代價(jià)。這一點(diǎn)特斯拉做了有益的嘗試，對于每一段旅程，開(kāi)始5分鐘和最后5分鐘的數據是不記錄的，這涉及到用戶(hù)的準確住址或去處。當然不排除在某些地區因為監管需要或不可說(shuō)的原因而存在軟硬件后門(mén)，但廠(chǎng)商必須守住底線(xiàn)，有所為有所不為。

自動(dòng)駕駛是智能感知與傳統汽車(chē)相結合的創(chuàng )新產(chǎn)物，是汽車(chē)行業(yè)發(fā)展的未來(lái)。作為一項變革性的技術(shù)，自動(dòng)駕駛既是創(chuàng )業(yè)創(chuàng )新又是社會(huì )創(chuàng )新，感知手段和人工智能將是自動(dòng)駕駛技術(shù)決勝的關(guān)鍵。無(wú)論是法律、法規和政策，還是道德倫理爭論，我們都要有勇氣和耐心，呵護無(wú)人駕駛的健康發(fā)展。熱切期待道路不堵、天空很藍、自由出行的那一天早日到來(lái)。