自动驾驶，从想象到现实还有多远

朱秋雨

无人驾驶技术到哪一步了？

8月11日，小米集团创始人雷军宣布，在过去500天“闭门造车”的时间里，小米为研发自动驾驶投入了33亿元。“目前的进展比较顺利，甚至可以说超预期。”

他野心勃勃地表示，小米要在两年内进入行业第一阵营。

小米代表了市场的信号。商业巨头对自动驾驶的部署正在加快。

一个月前，行业头部企业百度携第六代量产无人车Apollo RT6亮相。最令众人感到吃惊的是，该巨头声称，将自动驾驶汽车成本压至每辆25万元。

自动驾驶似乎离人们越来越近了。8月8日，交通运输部官网发布了关于《自动驾驶汽车运输安全服务指南（试行）》公开征求意见的通知。

《指南》明确指出：“鼓励使用自动驾驶汽车从事出租车客运活动，但应配备驾驶员。”

部分城市步子迈得更大。交通部发文同一天，重庆、武汉两城首次启动全车无安全员的自动驾驶付费出行服务试点，试水公开道路收费的无人出租车服务。深圳也在8月1日正式实施全国首例《深圳经济特区智能网联汽车管理条例》，宣布无人驾驶可在管理部门划定的区域、路段行驶。

汽车即将实现无人化了吗？

技术至上者认定未来几年充满希冀。但对这一取代人力，以海量数据和算法为核心的技术，普通消费者仍持谨慎态度。

还是那几个普遍关心的问题：自动驾驶安全吗？什么在保障人类的安全？人工智能（AI）会有颠覆人类出行、城市和空间的一天吗？

事 故

当自动驾驶厂商们乐此不疲为新品造势时，几场交通事故让消费端对该技术再生疑。

7月6日，佛罗里达州阿拉丘亚县发生一起辅助驾驶技术引起的车祸。据报道，该车在使用特斯拉辅助驾驶Autopilot模式上路时，突然转向撞上了路上停放的牵引车。驾驶员和一名67岁乘客因此罹难。

8月8日，有网友曝光称，一辆开启辅助驾驶功能的理想One在高速路上以时速77公里撞上了前方打着双闪的工程车辆。

理想官方随后回应称，事发时用户开启了导航辅助驾驶（NOA）功能，但用户没有手握方向盘。

最近爆发的事故，有两个共同点：驾驶员大多分心或双手没握方向盘。而开启辅助驾驶功能的汽车，多数撞向了静止物体。

例如，美国国家公路交通安全管理局（NHTSA）近日宣布，调查过去一年由特斯拉Autopilot引起的15伤1死的共计16起事故。

该机构报告称，特斯拉的16起车祸大多发生在夜晚。“自动驾驶软件存在一定识别漏洞，忽略了警示灯、雪糕筒和照明箭头板等静止物体。”

某头部车企市场方向资深从业人士洪泽鑫对南风窗总结，上述事故“其实是许多厂商给消费者带来错误认知导致的”。

他认为，部分车企倾向于在新品发布会上公布拥有炫酷自动驾驶功能的demo（样品）。但在量产时，往往出于价格、消费者接受度等考量，推出低配的辅助驾驶系统。

洪泽鑫介绍，主流的辅助驾驶系统主要采用摄像头和毫米波雷达两类传感器融合感知。

毫米波雷达主要通过电波反射进行障碍物探测，但它“过于敏感，经常发生误报”。为了保证驾驶辅助系统的流畅性，算法通常会忽略相对路面不移动的雷达回波，导致静止物体不易被识别。

部分车企倾向于在新品发布会上公布拥有炫酷自动驾驶功能的demo（样品）。但在量产时，往往出于价格、消费者接受度等考量，推出低配的辅助驾驶系统。

摄像头的纯视觉感知方案也有短板。视觉感知易受日照、明暗交替等环境干扰。而且，“摄像头就像黑匣子，它一旦出错了，人类很难解释哪里错了”，洪泽鑫说。

短板明显的感知系统，让辅助驾驶车辆局限性极大。南风窗记者梳理发现，包括特斯拉等高阶的辅助驾驶系统，目前的配置都很难识别雪糕筒等相对静止的障碍物。在用户手册中，这些车企会标明技术受限的场景，提醒消费者集中注意力，随时观察路面情况。

但车企此前过度的宣传，已经让很大部分消费者形成较高预期。

洪泽鑫说：“如今大众对于L3级别以下的辅助驾驶认知并不清晰。辅助驾驶更多是在生命垂危时救人一命。比如人如果犯困，它稍微打一下方向盘，让车不要偏离变道。但人们现在把它当作万无一失，不容有任何差错的功能。”

屡次发生的车祸，提醒人们想象与现实的距離。理想汽车创始人、CEO李想曾发朋友圈表示：“呼吁媒体和行业机构统一自动驾驶的中文名词的标准，建议统一名称：L2=辅助驾驶；L3=自动辅助驾驶；L4=自动驾驶；L5=无人驾驶。”

上述分级最早由美国汽车工程学会（SAE）提出。L2包括自适应巡航、车道偏离警告、AEB自动紧急制动等，目前在中高档产品中广泛应用。从L2往上，L3至L5才可以称为自动驾驶。到L5级时，“完全自动驾驶”，即在任何场景都不需驾驶员介入。

但截至目前，在中国市场，没有任何车企自称量产了L3级车辆。自动驾驶汽车并未在市场广泛出现。

但大量L2级车已经以“高级别智能驾驶”的噱头，拉升了人们对自动驾驶的期待。

决 策

无论如何，良好的市场预期一定程度上推动了车企、科技公司竞逐L4级自动驾驶赛道。有媒体曾统计，2022年前7个月，中国的自动驾驶公司累计获超60笔融资，是少见的频繁获得融资的领域。

比起L3级仍需驾驶员有限度接管的模式，各家竞争者主要争做L4级车，即在特定设计运行域下无须驾驶员的自动驾驶模式。

市场上，两种发展路径正在生成。

一类以特斯拉为代表。从量产L2车辆中积累数据和技术，渐进式发展L4级自动驾驶。另一类则像谷歌旗下的Waymo、百度，决意一步到位“跨越式”做自动驾驶。

业内更主流的观点与后者相符。多位受访业内人士对南风窗表示，L2级辅助驾驶与L4级的自动驾驶技术存在很大差异。如何利用L2的数据提升L4级车辆算法的能力，是“特斯拉”们需要解决的难题。

贵州翰凯斯公司自动驾驶技术副总裁邹迪聪告诉南风窗，自动驾驶技术组成部分可分为感知、决策和控制三大模块。而现在的难点，就在系统的感知预测和决策模块上。

“通过激光雷达等感知设备，我们能做到看清、探测道路上的各类物体。”邹迪聪说。但看清路面后如何决策，如何让车辆以更聪明的方式运行，是当前自动驾驶技术面临的挑战。

“举个例子，路上有一辆车，当我想往左变道时，它会如何反应、会不会让路，都是未知的。人工智能要怎样从海量数据预测别人的行动和他人的反应，做出跟人脑相像的决策，这就是难点。”邹迪聪说。

上述能力如果在畅通无阻的路面，算法规划出安全高效的路径并非难事。但遇到复杂的交通流和场景路况，人工智能缺乏对全局路况的了解，无法预测周围障碍物的未来行为。因此，常会出现规划轨迹跳变、碰撞等问题。

洪泽鑫告诉南风窗，决策规划是各家L4级公司自动驾驶技术的核心能力。但行业处于发展早期，没有形成统一的方法论。

简而言之，“判断开得好的标准，目前还没有”。

除了决策规划，部分业内人士认为，自动驾驶技术另一难点在于统筹、管理复杂的系统。

深圳元戎启行科技有限公司副总裁刘轩告诉南风窗：“自动驾驶是很复杂的工程，将各种模块有机整合，达到低成本且不用人工干预的水平，再把所有要素集成起来，本身技术上非常难。”

不同的决策和统筹能力，决定了L4级自动驾驶到底给人如同新手还是“老司机”的体验。洪泽鑫说，究竟采用保守还是激进的算法，自动驾驶企业面临两难。

“如果自动驾驶车辆过于谨慎，在城市道路行驶确实会阻碍交通，带给用户不好的体验。”

尽管行业内部缺乏固定的标准，但刘轩和洪泽鑫都表示，安全还是现阶段考虑的首要因素。

“目前有个共同点，车速慢。还没有哪个企业敢激进地提速。”洪泽鑫说。

“目前有个共同点，车速慢。还没有哪个企业敢激进地提速。”洪泽鑫说。

人车共驾

来自技术上的挑战，在业内人士眼里，并非自动驾驶无法攻克的难关。

对于自动驾驶企业来说，更紧急的，是如何面向社会铺开产品。

武汉理工大学新能源智能汽车副教授杨胜兵告诉南风窗，技术的突破预计没有太大阻碍，但要实现L4、L5级汽车的研发、设计、制造、运维等全生命周期的布局，需要基础设施、人员的投入以及法规和大众意识等条件的成熟。

这些都需要时间。

长周期意味着一味烧钱。自动驾驶公司已经按捺不住了。

降低成本、实现量产，成为现阶段各企业竞逐的方向。

7月21日，行业头部公司百度发布了第六代无人出租车（Robotaxi）样车，宣称车辆制造成本25万元。这与过去人们印象里，动辄几十万元配置激光雷达的高成本L4级汽车，截然不同。

低价的方案，在致力于为车企做前装量产方案的企业中相继提出。2021年12月，深圳元戎启行发布面向前装的L4级自动驾驶解决方案，成本低于1万美元。2022年6月，总部在北京的轻舟智航推出新一代L4量产车自动驾驶方案，将成本下探至1万元人民币。

刘轩告诉南风窗，低成本的前装量产策略，从公司成立初期已经确立。原因是比起自建车队，将方案卖给不同车企，实现量产，采集数据的速度和效率更高。

“自动驾驶需要面临海量的问题，尤其是长尾场景（corner case）。要想解决这些问题，只有积累大量数据，不断训练、迭代和提升算法。”刘轩解释。

在人工智能领域，数据的数量和质量是其中关键。人工智能的深度学习就是在有数千维度的空间里，经过海量数据训练，得出复杂的数学方程组，继而实现设定的目标。

但日常道路罕见的极端路况（即长尾场景），由于各家企业都缺乏数据，成为自动驾驶一时难以解决的痛点。

智己汽车联席CEO刘涛曾解释，汽车行驶过程中，90%的路程只会遇到几万种正常路况，这只需用数百名工程师攻克，各家车企的能力趋同。

“但真正的挑战在于，有超过100万种长尾、低概率发生的极端路况，非常難以覆盖。”

从国际经验来看，没有一家自动驾驶公司有底气能应对各类极端场景。这也正是各家企业争相量产并全力开展路测的缘由。

Waymo软件工程总监Sacha Arnoud曾表示，从他的经验出发，前90%的技术工作量只占总工作时间10%。而要完成最后10%的工作，还需要再花10倍的气力。

刘轩因此判断，基于长尾场景等技术特点，L4级车辆即使量产后，法律法规也很可能不允许其称为L4，也不会立刻允许无人化。

“L4级自动驾驶技术还需要经过时间跟数据的检验。”刘轩说。他因此认为：“未来我们还会经历人车共驾阶段，才过渡至真正的无人驾驶。”

这一判断与刘涛相似。他曾表示，机器还要学习迭代，因此在未来很长一段时间，我们仍会处于人车共驾阶段。

开 放

以现今的发展速度，无人驾驶走进更多人的生活，还要多久？

业内目前的共识是，自动驾驶技术能节约出租车、公共汽车、货车等出行工具的人力成本。等自动驾驶实现无人化，技术成本覆盖人工成本后，拐点将至。

以出行平臺滴滴为例，2021年年报显示，乘客每支付10元的车费，有7.5元用于支付司机的酬劳。再加上补贴，合计有约85%的成本用于支付司机费用。

百度副总裁、自动驾驶事业部总经理王云鹏曾测算，百度第六代车总运营成本是每天200～250元每辆。以客单价20元计算，只需要跑12单就可收回成本。

“一天跑12单就打平了，剩下的是净赚，这是一个核心逻辑。”

他预计，到2025年，百度旗下出行平台“萝卜快跑”的运营成本，将比网约车快车低。

就效率而言，节约人力意味着更高质量的经济发展。这让各地城市都在加紧布局，鼓励自动驾驶、智能交通发展。

2022年4月，北京市发布《北京市智能网联汽车政策先行区乘用车无人化道路测试与示范应用管理实施细则》，首次在60平方公里区域开放乘用车无人化运营试点。相比此前要求在主驾驶位上配备安全员，北京开创了方向盘后无人、副驾驶有安全员的无人化载人服务先例。

杨胜兵告诉南风窗，现阶段到自动驾驶实现商业化这一步，预计需要5年至8年左右。

紧接着，8月，重庆、武汉两地政府发布自动驾驶全无人商业化试点政策。这是全国首次允许自动驾驶汽车开展车内无安全员的远程测试、示范和商业运营服务。

8月1日，《深圳经济特区智能网联汽车管理条例》正式实施。运用特区的立法权，深圳对智能网联汽车的示范应用、事故处理、法律责任等事项做出具体规定，开创自动驾驶立法先河。

业内人士指出，深圳立法的开创性不仅体现在明晰各方权责；法案同时允许，在车路协同基础设施较完善的区级行政区，申请评估程序后全域开放道路测试。测试道路包括高速、城市快速路、开放道路，以及其他允许社会车辆通行的道路。

这一道路标准较全球多地更为开放。例如，德国和英国目前只开放了高速和城市快速路，使用场景仅限于时速低于60公里的路段。

不过，增长的城市开放里程，不等于自动驾驶商业化落地将近。

一位自动驾驶业内人士告诉南风窗，尽管城市相继对自动驾驶开启道路测试，但这与自动驾驶汽车商业化落地还有一定差距。“最终效果仍要看数据质量、技术突破以及与法规的配合。”

中国生产力促进中心协会常务副秘书长王羽在接受媒体采访时表示，虽然自动驾驶阶段性测试标准、规程方面，如今呈现出百花齐放、各自推进的特征，但是，“（目前）都是局部环境的测试、试验。在实施阶段突破还有很大难度”。

杨胜兵告诉南风窗，现阶段到自动驾驶实现商业化这一步，预计需要5年至8年左右。

除了技术层面的“硬伤”，杨胜兵认为：“在政策法规、消费者信心层面都需要时间。”

“还有重要的一点，”他强调，“（加强）产业人才的培养。这样才能形成真正的闭环迭代。”