你會放心把自己交給一輛自動駕駛汽車嗎？
文 楊潔、郭麗霞
編輯 劉建強
自動駕駛遭遇了水逆。
本來，對自動駕駛的討論正日趨熱烈。國內自動駕駛的商業化落地，在緊鑼密鼓地進行；上海和北京相繼發放路測臨牌；幾乎所有涉足自動駕駛領域的公司都不約而同地提出，2020年將是真正的節點，自動駕駛汽車將實現量產。
但是壞消息隨之而來。3月18日，全球首例自動駕駛汽車在公共道路上撞擊行人並致死事件發生。當日晚10點，一輛Uber無人駕駛車在美國亞利桑那州坦佩市與一名正過馬路的行人相撞，後者不治身亡。受此影響，Uber已全面叫停美國各個州的路測。
幾天後，在美國加州，一輛特斯拉Model X在自動駕駛狀態下高速撞上路邊護欄。事故涉及三輛汽車，特斯拉車體發生爆炸，車主死亡。
影響在繼續擴大。豐田暫停在美自動駕駛測試。英偉達在GTC2018上發布了全球最大的GPU後，也中止公共道路測試——其股價應聲大跌。
在大眾心目中，「無人駕駛汽車」由那個可以帶你飛的老司機，轉身就變成了馬路殺手。
這一連串事故，是否會導致一個行業「變涼」？要「涼」的，會是Uber和特斯拉，還是整個自動駕駛的商業化進程？
又是Uber，又是特斯拉
（今年3月Uber自動駕駛車輛致死事故現場）
官方公布的視頻顯示，Uber車禍發生前，受害者已經推著自行車緩慢橫穿了三條車道，並非傳說中的「鬼探頭」，Uber的自動駕駛汽車沒有第一時間檢測出行人。
故障原因仍然在調查中——車輛能發現行人並且及時採取措施避免事故，是自動駕駛技術的核心。
事發時，該車時速達到了40英里/小時，而那條街道限速35英里/小時。儘管當時是夜間、光線不好，但這不應當成為它沒有採取任何措施的理由——這輛測試車上安裝了7個攝像頭和1個高線束雷射雷達，谷歌無人車團隊顧問Brad Templeton認為，對於雷射雷達和視覺系統而言，當時情況並不是非常複雜，正常的話，車輛應該在50米處（2.7秒內）檢測到受害者，並且立即強制剎車。最近的情況，車會在距離人2-3米的地方停下。
當前自動駕駛的主流技術方案，往往是雷射雷達、毫米波雷達和攝像頭等的融合。車頂的雷射雷達和前置雷達識別汽車周圍環境，光學攝像頭通過計算機視覺算法識別圖像、了解汽車行駛場景。傳感器收集到的外部數據傳送給中央計算單元——它是自動駕駛汽車的「大腦」，創建完整的環境圖像，統率整個汽車的避讓流程。避讓方案的設置，需要大量的AI算法做支撐，保障運算的精度和速度。
安全行駛的背後，是晶片、傳感器、AI算法、處理系統、高精地圖乃至車輛自身的系統，任何一點上的能力缺失，都可能釀成一樁令人心驚的事故。
自動駕駛技術自身就形成了長長的產業鏈條，不同類型的創業公司星羅棋布在這條長長的賽道上不同的領域內。近兩年自動駕駛領域持續發生一樁樁天價融資、人才大戰，包括自動駕駛專用晶片的提上日程，背後是對研發的重金投入、對技術專利的重視爭奪。
網際網路時代的「以資本換時間」，在這樣一個產業里，是不存在的。
Uber的事故里，究竟是Uber的雷達故障，還是算法沒有到位，現在還不清楚。但是有一點是被很多人認可的，那就是Uber走得太「急」了。
對於Uber的事故，我們大概可以說上一句：「怎麼又是你」。大約一年前，還是Uber的自動駕駛汽車，還是在亞利桑那州坦佩，與一輛人類駕駛汽車相撞並側翻。幸好沒有人傷亡。當時警方認為，Uber的測試車處於正常行駛狀態，另一輛車沒有及時減速，是罪魁禍首。
（Uber一年前發生在亞利桑那州的側翻事故）
再追溯到2016年，Uber在舊金山部署了一個自動駕駛汽車車隊，但沒有獲得監管者的批准。在與當地車管局爭論的過程中，上路第一天，Uber的車就闖了紅燈。事後Uber辯稱是駕駛員操作失誤，但《紐約時報》卻指原因是Uber的系統無法有效識別紅綠燈。
總的來看，無論是總里程還是測試中的人工干預次數，Uber與競爭對手之間，都存在較大差距。美國媒體ReCode在去年3月披露的Uber無人車部門內部文件顯示，2016年12月，Uber自動駕駛車輛行駛里程數為20000英里/周，平均每0.8英里(1287米)就會出現問題，每196英里出現一次可能造成傷害的事故，均需要駕駛員干預，平均每1.9英里一次「糟糕的體驗」。
以時速60英里計算，這意味著Uber無人車中的人類司機，不到一分鐘就需要控制一下車輛。而截止到2016年11月，谷歌無人駕駛汽車行駛里程超過300萬公里，能夠查詢到的數據顯示發生了 25次事故，基本都是人為原因撞上谷歌試驗車導致，無重大人員傷亡。其中只有2016年2月發生的一起車禍，谷歌承認由自己的無人駕駛車輛負責。
特斯拉也一樣。2016年5月，一輛特斯拉Model S型轎車在自動駕駛狀態下撞上一輛拖掛車，駕車人死亡。
2018年3月30日，特斯拉宣布，因為轉向系統零配件缺陷召回12.3萬輛特斯拉Model S，占特斯拉目前全部產量28萬台的不到一半，大約是過去兩年多的產量。在最近的事故發生後，這次召回的負面影響顯然也更為擴大。
一次次不幸的事件，給我們的最大啟示是，這個領域，具備了技術積累、工程能力等「硬實力」，並且對生命敬畏的玩家，才有資格進入。
Uber內部卡耐基梅隆大學的技術派與Otto系的爭論，Uber和Waymo曠日持久的官司，都顯示出，在自動駕駛上，它操之過急。
有憂慮，但趨勢不可阻擋
近兩年，國內的自動駕駛，也已經走上了「快車道」。這裡有傳統汽車廠商和各種解決方案提供商的聯手，有網際網路巨頭的加入，有創新創業公司們在整車解決方案、傳感設備、高精地圖等方面的試水。
創業家&黑智統計的國內自動駕駛領域的創業公司
無人駕駛帶來的想像空間，巨大。
汽車產業正面臨新的挑戰。新能源汽車在動搖內燃機汽車的地位，Uber和滴滴的打車模式在改變大眾的出行方式，移動和車聯網逐漸成為下一個汽車時代的主題。以此為基礎，自動駕駛蘊含著改變未來商業模式、就業、城市基礎設施等的能量。
2016年，前英特爾中國研究院院長吳甘沙宣布，離開工作了16年的英特爾，成為馭勢科技的聯合創始人、CEO。去年，發布了針對城市空間的無人駕駛電動車後，他曾對黑智表示，自動駕駛的背後，是多個至少萬億規模的市場的疊加。
滴滴、共享單車、阿里和美團點評已經徹底改變了出行市場格局，不過，即使是它們，也遇到了「人貴」、「人缺」的瓶頸。共享經濟能在一定程度上解決這個問題，但又要面對資源使用率和管理成本。而自動駕駛，在提升社會效率、降低人力成本上，前景廣闊。
伴隨著無人駕駛技術的發展，城市空間的變革也可以期待——停車空間節省、加油站空間壓縮，每一輛車，則可以開拓成更新的商業空間。由汽車主機市場和出行拓展開來，零售物流、商業地產、能源市場以及衍生的其他市場，都將因此而改變。
「智能駕駛是連結產業最多的賦能技術。」吳甘沙說。
在物聯網時代，車輛不再僅僅是代步工具，能夠被賦予更大的含義，將和電腦、手機一樣，成為新的終端。智行者科技創始人張德兆對黑智說，在未來，智能車輛將靠「服務」來獲得收益。迅雷創始人、松禾遠望資本創始合伙人程浩也曾告訴黑智，這也是滴滴和百度「終有一戰」的原因。
（百度和金龍客車合作的第二代無方向盤的無人駕駛微循環車阿波龍將上路首測）
於是就能理解，為何不同領域的巨頭們也爭相切入這個市場。除了BAT和大型車企，滴滴日前也公布了在自動駕駛領域的進程；王興最近也表示，美團會逐步開展自動駕駛的研發；華為代號「RoadReader」的自動駕駛項目剛剛曝光，用Mate10 Pro手機即可操控一輛保時捷。
但Uber的事故，讓走在快車道上的自動駕駛公司們，開始 「降速」。事故發生後，豐田、英偉達、nuTonomy等公司已表示將暫停車輛路測。景馳科技CEO韓旭在朋友圈發言稱：「我們做自動駕駛一定要有敬畏之心。我一直反對大幹快上。這也是為什麼我在各種場合跟各種咖位的專家吵了無數架：一定要堅持有冗餘的多傳感器融合方案。以目前的計算機視覺技術，任何狂吹自己深度學習多麼牛，只用攝像頭就可以低成本做自動駕駛的都是耍流氓。」
「整個業界需要從事故中分析原因，使得系統安全性進一步提升。」地平線創始人余凱也表示。 「同時新技術企業一定要對生命安全有敬畏之心，避免過分樂觀，踏踏實實投入技術研發，特別是安全性的測試驗證。」
你會放心把自己交給一輛自動駕駛汽車嗎？
這是事故帶給大眾的恐慌，也是在自動駕駛上砸進了近百億美元的車企們的擔憂。
事實上，人類的「馬路殺手」也層出不窮，為什麼無人駕駛出現事故，會讓我們如此擔心？
史丹福大學汽車研究中心執行主任Stephen Zoepf曾分析說，在對待無人駕駛時，人們的心態，和看待人類司機完全不同。簡單來說，就是我們無法對機器產生「共情」心理。人類司機發生事故時，我們或許會想「如果是我可能也無法避免」，但對於機器，大多數人只會希望它是完美的、應該比人類做得更好。
只有人類才會「疏忽」，一台機器出現錯誤，在大眾眼中，那是故障。
當然，還有一層更深的恐懼，來自於人們對汽車避讓規則的「道德感」的不信任。
我們不理解機器，機器也不會對人類產生同情心理。當我們把一切交給機器決策時，在它眼裡，每一個生命，都只是一個冷冰冰的與「生存幾率」相關的數字。Uber的車禍令我們擔憂，機器會不會毫不猶豫地做出這類足以令人類良心備受譴責的選擇：在確保車主或者汽車更安全的理由下，犧牲行人的生命。假如你是自動駕駛汽車裡的乘客，或者行人，你希望機器按照什麼法則來決定「犧牲」的先後順序？
然而，恐懼歸恐懼，我們還是不得不面對這樣一個事實：交通部長趙小蘭幾乎在每次關於無人駕駛的公開演講中都要提到，美國每年持續增長的交通事故量，以及94%的事故是由於駕駛員的失誤。
技術達到何等水平，無人駕駛汽車才足夠安全、可以上路？也許，它並不需要完美得無可挑剔。哥倫比亞大學人工智慧實驗室主任胡迪·利普森（Hod Lipson）在其2017年出版的《無人駕駛》一書中提出，只要無人駕駛汽車的安全記錄能夠超過人類駕駛員的平均水平，那它就是足以「造福人類」的。平均來看，每20萬英里，人類駕駛員就會出現一次非致命性碰撞，那麼只要無人駕駛技術在安全性上優於人類駕駛員兩倍，就可以了。
Uber致死事故後，美國加州仍然通過了允許完全無人駕駛汽車測試的規定。技術代替人力的大趨勢，不會因為事故停下腳步。
「就像人類推進航空事業也曾付出代價一樣，自動駕駛技術的研發進程不會一帆風順，但人類推進自動駕駛讓交通出行更安全更便捷的時代趨勢不會改變。自動駕駛既不會像很多人想像的那樣像場狂歡，技術成熟一蹴而就，也不會因為出現幾次事故就停止前進的步伐。」余凱說。
萬億市場的先行者
（Waymo無人駕駛計程車）
特斯拉和谷歌為自動駕駛的商業化做出了不懈的努力。
資深撰稿人蒂莫西·李（Timothy B. Lee）曾在國外媒體Vox撰文稱，自動駕駛包含了一個重大的隱患：我們會太容易變得依賴新的技術，從而不再留心路況。特斯拉當前對於無人駕駛的處理方式是，讓帶有半自動化駕駛功能的汽車提醒駕駛者注意路況。2016年的那起撞擊事故後，特斯拉更進一步規定，如果司機連續三次忽視警告，在剩餘的行程中他就不再能夠使用Autopilot功能。
對此，谷歌的結論是：輔助駕駛是個解不開的局。它的解決方案是直奔全自動駕駛——不需要人類司機的干預。Waymo正著手嘗試，在沒有人類駕駛員看護的情況下，讓乘客試乘無人駕駛計程車，先期將於2018年下半年在亞利桑那州Phonix上線。 2017年4月，Waymo推出「早期乘客計劃」，讓Phonix的真人用戶使用應用來打車，當然，為了以防萬一，出行過程中還是有真人在操控。同年11月，Waymo的項目升級：無人駕駛的小型空貨車被送上了Phonix的街道。
但是，自動駕駛距離乘用車的大規模商用，仍然很遠。
在自動駕駛背後的萬億市場商機中，和乘用車並列的商用車，由於環境複雜度相對較低、技術難度較小，成為自動駕駛落地初露曙光的領域。
吳甘沙曾經提出：「兩到三年內落地的可能性，只有兩個：一個是高速公路的L2、L3級的自動駕駛，還有一個就是限定場景的、低速的無人駕駛。」2017年，馭勢科技的無人駕駛電動車在廣州白雲機場、杭州來福士購物中心等地開始了持續的技術驗證和試運營服務。
（馭勢科技白雲機場試運營項目）
在環衛清潔領域，autowise.ai（仙途智能）推出了無人駕駛清潔車，包括6米長的中型車以及3米長的小型車。2017年9月，智行者科技聯合百度Apollo平台推出的無人駕駛掃路機蝸小白，在北京園區落地運營。這款掃路機採用了Apollo平台的高精地圖及定位技術，海德專用汽車提供的掃路機主體，以及智行者無人駕駛整體解決方案，可以在公園內進行常態化作業，實現自動避障、定點起停、自主掃地等功能。
（在今年春晚亮相的智行者蝸小白）
在此之前，智行者還曾發布蝸必達-無人配送物流車，進入物流的「最後一公里」領域。
另外一個重要的切入點是貨運。高速公路上的卡車貨運，對於人類而言險象環生，但對於自動駕駛系統，「公路駕駛遠比城市環境要容易得多。」圖森未來創始人陳默曾對黑智表示。高速上路況更為簡單，車速穩定，自動駕駛能讓長途駕駛的貨運司機得到充足的休息，降低事故機率。截至目前，圖森未來的L4級無人卡車，已經在河北曹妃甸完成了2萬公里的真實環境路測，時速可以達到90公里。
（圖森未來在港口的無人集卡車隊測試）
4月3日，圖森未來對外公布了一段無人集卡車隊在港口內作業的測試視頻：在港口碼頭上，一組由陝汽X6000組成的圖森未來無人駕駛集卡，能夠在碼頭吊臂下精準停放，進行裝貨、卸貨，並可以自動避障和變換車道。圖森未來向黑智透露，目前已有5輛無人集卡在進行測試，今年年底將達到25輛左右。
不久前，前滴滴研究院院長何曉飛離職，創辦了自動駕駛貨車公司逐影科技。
自動駕駛在飛速發展，但願它不再帶來「殺人」的消息。