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(shù)字化，1990~2010年是互聯(lián)網(wǎng)推動的網(wǎng)絡(luò)化，從2010年開始的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”，互聯(lián)網(wǎng)就如地殼運動一樣導致“互聯(lián)網(wǎng)+”應(yīng)用的涌現(xiàn)，而大數(shù)據(jù)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(xiàn)。從業(yè)者開始思考，如何讓技術(shù)形成漣漪效應(yīng)，促使產(chǎn)業(yè)非線性、躍遷式增長。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，雖然葡萄干離開面包仍是葡萄干，但兩者結(jié)合在一起就能創(chuàng)造出高價值的新品類。筆者近年來一直在探索人工智能的產(chǎn)業(yè)機會，并得出結(jié)論：最近5~10年，自動駕駛是人工智能帶來的增值最大的產(chǎn)業(yè)，沒有之一。

什么是自動駕駛？

自動駕駛是個籠統(tǒng)的概念，涵蓋駕駛輔助(driving assistance)和自動駕駛。駕駛輔助還是由人開車，智能體現(xiàn)在對環(huán)境的感知，并適時預警（比如車道線偏離以及與前車碰撞預警）。

從駕駛輔助到自動駕駛是很大的飛躍。自動駕駛在感知以外，加上了規(guī)劃/決策和控制。駕駛輔助的感知強調(diào)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傷大雅。自動駕駛的感知有極高的要求，因為把一段時間的控制權(quán)完全交與了機器，不僅要求低誤報，而且要求零漏報，漏一次就會造成交通事故。

自動駕駛有三種不同的形態(tài)：(1)輔助駕駛或半自動駕駛，特斯拉的autopilot即是此類。在某些場景下汽車可以進行自動駕駛，比如緊急剎車，在封閉、結(jié)構(gòu)化道路上的自適應(yīng)巡航和車道保持，自動泊車。必須注意的是，這類技術(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(xiàn)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)高度自動駕駛，在大街小巷多數(shù)場景下可以自動駕駛，還能支持多輛車的編隊行駛。這類技術(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不會處理的路況，甚至還能在完全沒有車道線的非結(jié)構(gòu)化道路上暢行。高度自動駕駛汽車還能在復雜路況下與其他智能車輛或人駕駛的車輛共享或競爭路權(quán)。(3)全自主駕駛或無人駕駛，完全由人工智能來駕駛，可以把方向盤、油門和剎車去掉。

未來5年，傳統(tǒng)車廠和零部件供應(yīng)商的主要努力方向是第一類和第二類自動駕駛，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(wěn)妥的漸進道路。而一些“野蠻人”直接選擇了無人駕駛作為切入點，劍指2020年。他們認為前兩種自動駕駛是危險的，因為機器失效時，在突現(xiàn)危機的電光石火中駕駛員不一定能立刻進入狀態(tài)，做出清醒的決策。所以終極的辦法是“消滅”駕駛員。這樣的汽車是真正為出行者設(shè)計的，小孩、老人、寵物、殘疾人都能夠開車，出行權(quán)利得到極大釋放。

自動駕駛的前世：科研開道

大眾帕薩特研發(fā)無人駕駛汽車，該車成功進入DARPA城區(qū)挑戰(zhàn)賽

自動駕駛最早的原型可能要算“斯坦福車”，這個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)——被譽為“人工智能最堅定的支持者”——的努力下取得了巨大進展。莫拉維克通過遠程圖像來操控“斯坦福車”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”成為無人車歷史上詼諧的一筆。莫拉維克在機器視覺的探索中遭遇了很多挫折，后來有了著名的莫拉維克悖論(Moravec’s Paradox)——人類的高階智能，比如推理、規(guī)劃和下棋，計算機都能夠輕易實現(xiàn)。而只有幾個月大的嬰兒就能駕輕就熟的低階智能，如感知和運動配合，計算機都遙不可及。

美國國防部高級研究計劃署(DARPA)為降低未來戰(zhàn)爭中士兵的傷亡，在2004年舉辦了第一屆無人車“大挑戰(zhàn)(Grand Challenge)”，可惜在沙漠中全軍覆沒。而隨后的2005年成為了一段光輝歲月?？▋?nèi)基梅隆大學的Red隊是奪冠熱門，其老大、機器人專家雷德·惠塔克(Red Whittaker)志在必得。在挑戰(zhàn)者中，斯坦福大學的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(qū)者從卡內(nèi)基梅隆大學失意出走，試圖在這場比賽中奪回尊嚴?？▋?nèi)基梅隆大學的兩輛車一路領(lǐng)先，可下半程幾個松動的零件導致兩輛車大幅減速，只獲得第二和第三。Stanley雖然在比賽中出了幾次事故，但未傷筋動骨，在刪除了一些無關(guān)緊要的代碼后竟然越跑越快，最終斬獲200萬美元獎金。在這次比賽中，很多車輛都使用了激光雷達、高精度的地理信息系統(tǒng)和慣性導航系統(tǒng)，直到今天仍然是很多無人車的標準配置。

2007年“城市挑戰(zhàn)賽(Urban Challenge)”在卡內(nèi)基梅隆大學卷土重來，這次他們準備充分，40人的隊伍，除了兩輛參賽的車輛，還有一輛補給車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(xiàn)了一種新型的64線激光雷達，為了讓這件裝備投入使用，卡內(nèi)基梅隆大學的工程師寫了大量的驅(qū)動程序。這是由一家音箱廠商Velodyne的極客老板做出的，價值7~8萬美元。在其后的近10年間，64線激光雷達成為全世界絕大多數(shù)無人車必須配置的組件。

自動駕駛的今生：企業(yè)精耕

谷歌無人車

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

谷歌的第二代無人駕駛車來自叫510 SYSTEMS的一個創(chuàng)業(yè)公司，其核心技術(shù)是Anthony Levandowski，是加州大學伯克利分校開發(fā)的，并非出自無人駕駛車三強（卡內(nèi)基梅隆大學、斯坦福大學和麻省理工學院）。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了下來，在其基礎(chǔ)上開發(fā)出基于豐田Lexus的平臺，一直到現(xiàn)在Lexus仍然是谷歌車隊的主流車型，現(xiàn)在常在路上行駛的有20多輛。

谷歌的第三代無人駕駛車是真正的躍遷，這款車是完全重新設(shè)計的，做了很多思考和改進，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(shè)計，這種車是沒有方向盤的，但由于加州法律的限制，車里還是安裝了一個游戲操縱桿作為方向盤。目前在路上行駛的這種車已有30多輛，同時谷歌還在進行大量的制造。

雖然谷歌的幾十輛無人駕駛車累積的行程已達200多萬英里，然而在實用性上面臨著一定的問題：一是激光雷達等傳感器太過昂貴，二是區(qū)區(qū)200多萬英里不能證明無人駕駛足夠安全或比人駕駛得更好。

另一條路線逐漸成為主流，他們從駕駛輔助和輔助駕駛開始，主攻以視覺為主的低價方案，試圖實現(xiàn)快速商業(yè)化。其中翹楚是Mobileye和特斯拉，Mobileye的駕駛輔助系統(tǒng)已經(jīng)安裝在1000多萬輛汽車上，而特斯拉的autopilot在短短7個月積累了1.3億英里的自動駕駛里程。

Mobileye采用視覺地圖，從視覺中提取的地圖特別小，適合實時上傳、通過眾包的方式更新。事實上基于視覺的定位更接近于人的工作方式。我們根據(jù)道路上的標志來評估大致的位置，并且根據(jù)路面線條的變化做實時的決策（選哪一條車道，是否上匝道等）。那么，只須從視覺中提取出那些標志和線條，眾包上傳到地圖（每公里只需10KB級別的數(shù)據(jù)），而行駛時可以通過視覺匹配來獲得定位。

在視覺技術(shù)狂飆猛進的同時，其他技術(shù)也在飛速發(fā)展，比如視覺加雷達的多傳感器融合，在很多場合下能夠獲得更好的感知能力。視覺的優(yōu)勢是分辨率高，包含豐富的語義，缺點是容易受天氣和光照影響；毫米波雷達只能跟蹤對象，而無法獲知其大小形狀，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(xiàn)了致死事故。在事故中縱然有Mobileye視覺未能識別出拖車橫側(cè)面的緣故，但也有雷達識別失誤的問題。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（拖車底盤高，所以近距離時無法掃描到），在這起事故中拖車被認成“龍門”或橫跨馬路的交通標志。目前，各個傳感器通常只能在各自識別完成后融合，而這時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)實現(xiàn)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(guī)劃和控制方面也有了長足的發(fā)展。傳統(tǒng)的規(guī)劃考慮的是安全和舒適性，而現(xiàn)在把競爭性也加入了考量。自動駕駛的車輛如何預測行人和其他車輛的動機和動作？如何積極地并線來獲得路權(quán)？谷歌和Mobileye等都在嘗試新的算法，比如采用強化學習和遞歸神經(jīng)網(wǎng)絡(luò)，試圖用深度學習的端到端學習，整體解決感知-規(guī)劃-控制的所有問題。必須指出，機器學習和專家知識是可以互補的。年初曾發(fā)生谷歌自動駕駛車撞上大巴的事故，如果在規(guī)劃中融入對大巴駕駛員判斷的經(jīng)驗，則可能規(guī)避此事故。

網(wǎng)聯(lián)的未來

在相當長的一段時間里，自動駕駛車將與有人駕駛車共享路權(quán)，單車智能是必要的基礎(chǔ)。但自動駕駛的未來不是一輛車在戰(zhàn)斗。隨著5G通信網(wǎng)絡(luò)的普及，V2X（包括車對車和車與基礎(chǔ)設(shè)施的通信）將豐富自動駕駛的技術(shù)內(nèi)涵和生態(tài)，并放大其作用。V2X能做什么？首先是安全。假設(shè)車車之間有通信，第一輛車發(fā)生制動的瞬間，后車連續(xù)接到指令，自動剎車，就可以將大禍消弭于無形。

V2X能提高能源利用效率。歐洲已經(jīng)開始嘗試大貨車的編隊行駛，領(lǐng)航車的執(zhí)行動作通過V2X指令傳播到跟隨車輛，使整個車隊的隊形和操控保持一致，這樣做最大的好處是后車風阻減少，可大大節(jié)省能源。

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

自動駕駛產(chǎn)業(yè)和社會變革

自動駕駛風起汽車產(chǎn)業(yè)，這個被稱為“工業(yè)之王”的產(chǎn)業(yè)過去100年在競爭格局上并沒有大的變化，一輛車需要3萬多零件，價值鏈和資金周轉(zhuǎn)周期長，巨頭林立，后來者只能知難而退。然而過去5年產(chǎn)生的四個趨勢完全顛覆了這一格局：新能源化，像特斯拉這樣的電動車將零件數(shù)降到了1萬個，進入者的門檻極大地降低；出行多樣化，尤其共享出行改變了汽車的消費模式；智能化和網(wǎng)聯(lián)化改變了汽車的定義，電子和軟件壓倒傳統(tǒng)機械和電氣，汽車成為移動的智能化空間，在這里人與信息和服務(wù)產(chǎn)生無數(shù)的觸點。

自動駕駛產(chǎn)業(yè)涉及三個萬億美元的市場：全球汽車市場萬億美元，出行市場萬億美元；在實際產(chǎn)業(yè)之外，自動駕駛為社會經(jīng)濟帶來的額外收益也將是萬億美元。摩根斯坦利的研究報告[1]指出，自動駕駛每年將為美國帶來1.3萬億美元的收益，分別來自燃油節(jié)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者。傳統(tǒng)的汽車產(chǎn)業(yè)巨頭比以往任何時候都更勇于擁抱新趨勢：通用汽車投資出行服務(wù)提供商Lyft，擲下10多億美元買下創(chuàng)業(yè)公司Cruise Automation；國內(nèi)長安汽車已有具有輔助駕駛功能的汽車行駛2000公里進京，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(zhàn)的決心。

自動駕駛帶來的變化遠遠不止是汽車產(chǎn)業(yè)，它的高級形態(tài)——無人駕駛——將徹底改變出行。10年后，路上川流不息的出租車大多數(shù)是無人駕駛，汽車數(shù)量減少一半，但汽車的利用率得到極大提升，堵車將成為過去，天空重歸于藍，停車位被改成公園、活動空間和住所，車禍幾近于零。

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——上述的無人駕駛出租車是除了家和辦公室的第三空間，是移動的商業(yè)地產(chǎn)、移動的影院、移動的辦公空間、移動的咖啡館。

自動駕駛：安全第一

漢語“安全”在自動駕駛語境里有兩層意思。第一層是Safety（安全）。例如傳感器360度無死角覆蓋、多種傳感器融合、感知算法精準、感知-控制反饋實時、軟硬件多層冗余、溫度范圍大、防震、防塵等。汽車行業(yè)對功能安全也有ISO 26262標準，整個流程執(zhí)行下來會讓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(tǒng)能夠在車上使用；另一方面，聯(lián)網(wǎng)的需求使汽車直接暴露在網(wǎng)絡(luò)上，黑客通過車載聯(lián)網(wǎng)娛樂系統(tǒng)可以輕松攻破并控制汽車。

如何破解安全風險？第一，要仔細梳理和定義自動駕駛系統(tǒng)的安全需求，進行風險分析，建立具有可信計算基礎(chǔ)的軟硬件平臺，采用分域、虛擬化等機制隔離關(guān)鍵模塊，通過加密保護端到端的數(shù)據(jù)通路。第二，要實踐全新的安全設(shè)計方法學，安全始于設(shè)計，從確認設(shè)計到驗證實現(xiàn)，都要考量安全性；在運行時，是否足夠安全，能否抵御攻擊，能否在線升級、保證軟件最新，系統(tǒng)出現(xiàn)單點故障是否有足夠的冗余？萬一系統(tǒng)淪陷，有沒有辦法強力終止攻擊，或重獲控制權(quán)。第三，如果未來存在一個安全信息市場，安全研究人員或白帽黑客發(fā)現(xiàn)安全缺陷，可以通過市場將該信息賣給主機廠商或技術(shù)供應(yīng)商。

特斯拉在致命車禍的抗辯中指出，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(nèi)每行駛6000萬英里就有一次致死事故，全美的平均數(shù)字是9400萬英里，因此自動駕駛更加安全。雖然筆者是自動駕駛的擁躉，但必須指出，這一論據(jù)并不充分。1.3億英里、不到1年的上路時間、10萬輛左右的數(shù)量，這是非常小的數(shù)據(jù)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。

著名智庫蘭德公司的研究報告[2]指出，要在數(shù)學意義上證明自動駕駛比人駕駛更安全，需要測試上百億英里、幾百年的時間。這是全世界任何一個車廠都無法完成的任務(wù)。人們不會因為某家車廠沒有達到理論上的低死亡率而不嘗試自動駕駛。但如果某家車廠能夠用更多的里程來證明自動駕駛更安全，則毫無疑問將獲得更多的青睞。谷歌的自動駕駛團隊開發(fā)出模擬器，1天能夠虛擬行駛300多萬英里，這可能是達到蘭德公司目標的唯一途徑。

法律、法規(guī)和政策是桎梏嗎？

制約自動駕駛迅速普及的因素包括技術(shù)成熟度、成本和法律法規(guī)，而第三者是最大的攔路虎。在美國和歐洲，巨大的游說力量在推動改革。美國交通部及國家公路交通安全管理局(NHTSA)已經(jīng)開始建議無人駕駛的合法化。他們采用了一個絕妙的方法，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，使整個法律體系為無人駕駛敞開大門。當然，各州需要各自制定可操作的法律法規(guī)框架。目前，美國有四個州和一個特區(qū)已經(jīng)允許自動駕駛汽車上路，但多數(shù)仍然要求駕駛員在位?？傮w而言，未來走勢非常樂觀。

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

那么什么樣的自動駕駛車可以上路測試和銷售呢？在美國加州，車廠或技術(shù)公司如果要申請自動駕駛汽車上路測試，只須提交一些申請材料，準備500萬美元的保險額度，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，自動駕駛汽車先入市，再頒布標準，如果事后發(fā)現(xiàn)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，在自動駕駛車型進入市場之前就需要認證，也就是說，自動駕駛汽車需要“考駕照”。歐洲和日本已經(jīng)致力于建立統(tǒng)一的自動駕駛車型測試標準。但是特斯拉的汽車在銷售時是沒有自動駕駛功能的，所以并沒有經(jīng)過相關(guān)認證，但有一天這個車突然通過遠程軟件升級能自動駕駛了，那要不要召回并認證？這是擺在歐日管理當局面前的新問題。

自動駕駛的道德倫理問題

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

而對于從業(yè)者來說，有更重要的倫理和道德問題需要考慮，比如要正視潛在的利益沖突方和反對者。對于這樣一種統(tǒng)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(shù)人對“更安全”并沒有直接的感受，但只要有一次事故就有可能變?yōu)榉磳φ摺?/p>

1975年，芝加哥大學教授薩姆·佩茲曼(Sam Peltzman)研究指出，安全帶和安全氣囊實際上導致了更多的交通事故。在新技術(shù)發(fā)展初期，無論是汽車廠商還是消費者都要有勇氣和耐心。對于汽車廠商來說，還需要敬畏和盡責。技術(shù)不必完美，先讓用戶試用，在迭代中慢慢改善。特斯拉是具有極大勇氣的先行者，第一次嘗試了通過遠程升級賦予汽車自動駕駛功能，但是在盡責上可以做得更好，比如在宣傳上區(qū)分autopilot和無人駕駛，在告知義務(wù)上強調(diào)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(shù)據(jù)時代，所有企業(yè)都會有數(shù)據(jù)饑餓感，但是收集數(shù)據(jù)對用戶要有告知義務(wù)，不能以用戶的隱私為代價。這一點特斯拉做了有益的嘗試，對于每一段旅程，開始5分鐘和最后5分鐘的數(shù)據(jù)是不記錄的，這涉及到用戶的準確住址或去處。當然不排除在某些地區(qū)因為監(jiān)管需要或不可說的原因而存在軟硬件后門，但廠商必須守住底線，有所為有所不為。

自動駕駛是智能感知與傳統(tǒng)汽車相結(jié)合的創(chuàng)新產(chǎn)物，是汽車行業(yè)發(fā)展的未來。作為一項變革性的技術(shù)，自動駕駛既是創(chuàng)業(yè)創(chuàng)新又是社會創(chuàng)新，感知手段和人工智能將是自動駕駛技術(shù)決勝的關(guān)鍵。無論是法律、法規(guī)和政策，還是道德倫理爭論，我們都要有勇氣和耐心，呵護無人駕駛的健康發(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。