2020年，曾經(jīng)是無人駕駛汽車的一個重要時間節(jié)點。

英國《衛(wèi)報》在2015年預(yù)測：到2020年，你將成為一個“永久后座司機”。BusinessInsider 2016年一篇頭條新聞標題為《2020年，1000輛無人駕駛汽車將會上路》。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年達成這一目標，如果2018年不能成功，2020年也終會實現(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?，F(xiàn)在，你可以買到一輛會在發(fā)生碰撞時及時為你剎車的汽車，也可以買到一輛幫助你在高速路上自動巡航、平穩(wěn)運行的汽車，但唯獨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問題中獲得答案。

1.為什么無人駕駛汽車上路花的時間比預(yù)期更長？

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

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間、金錢和精力，也沒有團隊真正找到讓AI在實際問題中發(fā)揮至關(guān)重要作用——以高度可靠性和精準度導(dǎo)航前進——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)十億小時的真實駕駛畫面，并以此來教導(dǎo)計算機良好的駕駛行為。

但最主要的問題是數(shù)據(jù)不夠，且要獲得某些數(shù)據(jù)時需要付出“昂貴的代價”，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。

因為數(shù)據(jù)不足，對無人駕駛計算機的訓(xùn)練就可能會有許多欠缺。汽車制造商試圖以多種方式解決這個問題：他們讓汽車行駛了更多里程，對汽車進行更多模擬訓(xùn)練，甚至設(shè)計特定情況，以便獲得更多培訓(xùn)數(shù)據(jù)。

這些行動似乎取得了一定的效果，比如Waymo的汽車確實可以在無人駕駛的情況下在亞利桑那州的街道上漫游，但事實上，這一切進展并不那么順利（下文會有進一步詳述）。

2. 無人駕駛汽車投入市場后，世界會變成什么樣？

盡管遇到挫折，很多企業(yè)仍在持續(xù)投資無人駕駛，因為無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。

而且消費者也會想要一些改變。比如，可以在上班途中進行閱讀或者休息；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十字路口等候通過

不過，一些研究人員認為，除非我們對街道進行重大改造，以便更容易地向無人駕駛汽車傳達信息，否則無人駕駛汽車不會廣泛地存在。而進行大規(guī)模的街道改造代價很昂貴，不只需要金錢、人力，還需要一個國家在全國范圍的協(xié)調(diào)。

3. 無人駕駛汽車領(lǐng)域的“領(lǐng)頭羊”們正在做什么？

評價無人駕駛汽車研究的先進性，有兩個核心統(tǒng)計數(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。

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

在這兩個方面，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)生嚴重事故：在美國亞利桑那州坦佩市，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，當時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)遠遠無法與人類相比，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"，這個數(shù)字與人類行駛里程數(shù)相差甚遠。此外，對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)防的錯誤。

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

NTSB報告還顯示，系統(tǒng)存在錯誤警報的問題。比如，在安全的情況下檢測到危險，并根據(jù)其檢測到的危險重新編程——無人駕駛系統(tǒng)在一秒鐘內(nèi)抑制剎車，同時計算出替代路徑。因此，即使重新編程后的汽車突然反應(yīng)過來接下來的動作將會有危險，它也不會立即剎車，而是根據(jù)替代路徑繼續(xù)行駛。本該避免的碰撞，計算機卻“精準地”讓汽車繼續(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)計是，假定行人只會在人行道上過馬路，所以當行人沒有使用人行道時，它就無法識別其身份。更糟糕的是，當系統(tǒng)無法識別前方運行物體是人還是自行車時，它就無法保留任何有關(guān)物體移動的信息。

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. 無人駕駛汽車對環(huán)境有利嗎？

擁護者認為，無人駕駛汽車對環(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，也有人認為，人類司機“用力加速、緊急制動”等行為會使發(fā)動機空轉(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。沒有太多證據(jù)表明，計算機駕駛比人類駕駛更省油。

一項小型研究顯示，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降低排放。

一項旨在“估算無人駕駛汽車對汽車使用行為的影響”的研究表明，擁有無人駕駛汽車后，人們可能會更多地使用汽車出行。研究者為一個家庭提供了使用一周無人駕駛汽車服務(wù)的費用。他們試圖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。

當然，僅僅研究一個星期的駕駛習(xí)慣不足以證明什么。目前，研究人員正在準備更多的數(shù)據(jù)進行未來研究，擴大樣本與時間軸線后的結(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——也許其安全性會超過人類司機。

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

每一項新技術(shù)在發(fā)明初期都伴隨危險，但成熟之后可能會為人類帶來極大便利。這樣的例子其實并不罕見，比如飛機在剛發(fā)明時，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。在國外，大部分政策行動主要發(fā)生在州一級，且各州圍繞無人駕駛汽車的法律差異很大。這些政策將會影響無人駕駛汽車的使用，也決定著它對環(huán)境的影響是好是壞。

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

8. 我們何時可以擁有無人駕駛汽車？

人類從未停止對無人駕駛汽車的研究。

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

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

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

就目前的情況而言，預(yù)測無人駕駛汽車究竟何時真正面世還有一定難度。很多公司在公布研發(fā)進展的同時，也會隱瞞遭遇的不幸，因為他們知道，像Uber那樣嚴重的交通事故不僅可怕，還會給他們未來的研發(fā)帶來厄運。

無論如何，無人駕駛的研究還在進行，無人駕駛汽車肯定比去年更接近我們，但距真正投放市場還有相當長的路要走。也許，三四年后我們才能更清晰地知道，人類何時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)向時做出反應(yīng)；另外，人類教會車載計算機道路規(guī)則，并讓它們借助導(dǎo)航能到達目的地。

然而，以上簡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)雜活動之一。事實上，車載計算機可以遵循道路規(guī)則，但仍然無法像人類那樣開車，比如與他人進行眼神交流以確認誰有權(quán)通行，對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

甚至是一些簡單的駕駛操作，比如跟蹤汽車周圍的物體，實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的方法（原理是通過使物體反射光線和聲音來估計與物體之間距離）來讓汽車計算機感知與其他汽車、自行車、行人和障礙物的位置以及移動位置。

實現(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)，來形成對其他物體可能如何運動的預(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)實世界。

以上這些還遠遠不是對無人駕駛汽車上路工作時整個系統(tǒng)的完整描述。

但這說明了非常重要的一點：研發(fā)無人駕駛汽車的過程中，很多即使是“簡單”的事也隱藏了令人驚訝的復(fù)雜性。