向死而生：自動駕駛的彷徨與呐喊

自動駕駛就像一個初入風塵便被吹捧的青樓花魁，這些年不知“勾引”了多少的商場老饕。

曾在通用汽車公司任職的Google公司顧問密歇根大學工程學教授Larry Burns說：“這是一場軍備競賽。”但很可惜的是這場軍備戰爭似乎還要打很久。

如果說諾曼底戰役是改變第二次世界大戰的轉折點，那麽當下自動駕駛技術的發展智能勉強算得上是造船期，仍然停留在硬體基礎的摸索，小打小鬧的試試還可，真正“衝鋒陷陣”的決勝之役尚不能為。

無人駕駛的三個“彷徨”

自動駕駛屬於技術於硬體碰撞的產物，是在物聯網、雲計算、大數據、人工智能等技術與傳統汽車製造工業深度融合下產生的。以其便捷、高效、智能等特點，毫無疑問的成為交通領域未來發展的風向標，成為全世界級的持久風口。

全球汽車行業公認的汽車自動駕駛技術分級標準有兩種，就目前來說比較普及的是由國際自動機工程師學會（簡稱SAE）提出的。

SAE將自動駕駛分為L0—L5六個級別，而其中只有達到L5的完全自動化才能滿足用戶的全場景實際需求。

從L0到L5，其中的細分判斷點有很多，但總的來說最大的特徵就是場景的全面化推進，比如L4與L5最大的差距就是L4在某些場景下還需要人工乾預，而L5是完全的不需要人工。

就目前而言，大部分自動駕駛都處於L3階段中，國內自主品牌L3級量產車預計都在今年以後上市，如廣汽新能源和一汽紅旗都表示在今年推出L3級自動駕駛量產車型。而L4級別的車輛的場景更加苛刻，只能局限在少數特定的測試地點才能達到L4級別。

也正是這種不成熟的發展現狀，導致了目前自動駕駛有著不少的發展痛點，這些痛點具體表現在三個彷徨上。

是否允許路測的彷徨

這第一個彷徨來自於監管層。作為技術導向的自動駕駛，本身的研究及發展都需要大量的實測數據進行支撐，但對於很多自動駕駛落地的汽車產品而言，本身的不確定性使得其在路測階段存在發生事故的可能性。

實際的路測不像是在測試點，有著特定的障礙物與路況，正如駕照考試科目三的路考一樣，難點就在於如何處理可能出現的突發狀況。

但就目前而言，這種自動駕駛混雜著實際路況本身的風險可能會導致發生交通事故，也因此大多數地方對於自動駕駛的路測都有著嚴格的規定。

不過自動駕駛始終是未來確切的發展方向，無論是國內外，只要是一流的汽車企業或者像谷歌、百度等互聯網企業，都在對此傾注著大量的資源與精力。放寬自動駕駛的路測規定無疑是吸引它們的最大誘餌。

就像去年美國加州車管所（DMV）頒布了全球首個可以不配備安全員的完全無人駕駛牌照，並且允許無人駕駛汽車免費接送乘客。這就使得無論是大眾、奔馳、通用、本田、上汽等傳統車企，還是谷歌、百度、蘋果等科技公司都紛紛在此設置辦事處，並積極開展道路測試。

在國內隨著2017年12月北京交通委正式印發《北京市關於加快推進自動駕駛車輛道路測試有關工作的指導意見（試行）》，標誌著北京正式成為我國第一個允許無人駕駛在公共道路開展測試的城市。也吸引了百度、蔚來、北汽新能源、小馬智行、戴姆勒、騰訊、滴滴、奧迪等多家公司目前都在北京進行積極的路測，僅在2018年這些公司在北京道路上的測試總裡程超過了15萬公里。

大量的造車先鋒軍與互聯網科技公司的用戶無疑可以帶動當地GDP的增長，促進就業與消費的良性發展，這實際就與可能發生的車禍形成了一種矛盾，也促使了監管方為了促進自動駕駛的發展，必須投入更多的精力與資源去規範自動駕駛的路測環境。

普及難度與數量才能引發質變的彷徨

前面提到的自動駕駛車禍也成為了誘導新痛點的產生，這些年來自動駕駛發生的事故沒有一百也有幾十，以下為三個較為典型的案例。

第一起發生在2016年5月7日，一輛2015款特斯拉 Model S 在佛羅裡達州高速公路上與一輛垂直方向開來的掛車發生相撞。調查報告稱，在強烈的日照條件下，駕駛員和自動駕駛系統都未能注意到拖掛車的白色車身，因此未能及時啟動刹車系統。

第二起發生在2017年3月24日，一輛Uber自動駕駛試驗車在亞利桑那州坦佩市一處十字路口處，由北向南行駛的Uber自動駕駛汽車與一輛東西行駛試圖左拐的普通汽車發生了碰撞。這一事故是由人類司機並未讓行直行的自動駕駛車輛所致。

第三起發生在2018年1月10日，由福特投資的Argo AI公司在美國賓夕法尼亞州匹茨堡發生了一起交通事故，事故最終導致兩人受傷。截止目前，當局認定這起事故是人為失誤造成的，事故起因是一輛卡車闖紅燈。

而以時間順序來看這三起事故，可以看出隨著時間的推進，自動駕駛在路測階段時的事故誘因已經從最開始的技術不成熟發展到了行人或其他車輛的不規範交通行為導致。而縱觀2017-2018的大部分自動駕駛事故，已然是更多地人為因素主導，自動駕駛車輛往往承擔著“無妄之災”。

龐大的司機群體中有不少司機存在不規範駕駛的行為，電動車大軍更是在道路上肆意奔騰，還有更為荒誕的中國式過馬路以及碰瓷等。

這也是一種技術的無奈，可以改變自己，無法改變其他人，自動駕駛的未來生態中，要做到的是全方位的車聯網，每輛車都要具備這種實時連接的屬性才能保證在中樞處理器下每輛車都可以平穩運行，交通順暢。

即使放眼未來，自動駕駛的普及也一直是個難題。

美國計算機科學家、圖靈獎得主Alan Kay曾說過，“People who are really serious about software should make their own hardware.”意思是，真正在乎軟體的人，應該去製造屬於自己的硬體。這句話後來被賈伯斯用於表達蘋果的產品開發理念。

但手機畢竟是個相對價值較低的智能硬體，all in進去的成本較低，而自動駕駛汽車單價與研發成本遠遠超過手機，不僅前期投入大，而且生產周期長，很難在短時間內取得產品上的成績。這與互聯網商業中資本投入與產值之間的正比例關係相悖。

對於一個完整的汽車產業鏈周期，從上遊的源材料采集、技術開發；到中遊的配件製造組裝；再到下遊的產品銷售，這一整條的產業結構都不是短時間內能堆砌的。這也導致著產品最終定價會帶著研究開發成本，價格勢必短期內很難大眾化。

就像如今新能源汽車一般，即使大家都知道這是有益與環境且符合未來交通發展的正確方向，但實際而言燃油車已然是購車主選，因為在綜合汽車壽命、消耗油錢、車輛配置與價格等各方面因素，燃油車在價格上始終有著絕對的性價比。

因此對於自動駕駛而言，自己本身就是一個普及數量會引發質變的行業，但在普及難度上卻存在著較大的難點，這就是自動駕駛的第二個彷徨。

專注安全與不斷增加安全難點的彷徨

前面提到過，自動駕駛的全面推行必須是依托在車聯網之上的，依托於大數據與AI分析，提升整個交通大環境的安全性，但同樣的聯網意味著變相增加了被黑客攻擊的風險。

在之前《速度與激情8》電影中出現黑客“控制”自動駕駛的汽車向對手發起攻擊的情節時自動駕駛安全問題就已經廣泛的引發了用戶熱議。而對於自動駕駛來說，本身就是從車內網、車際網等網絡主導的形式，數據與網絡是其運行的血液與血管，也就是從骨子裡就存在信息安全問題。

而早在2015年，安全專家Kevin Mahaffey和Marc Rogers演示了通過Model S存在的漏洞打開車門、啟動並成功開走，此外還能向Model S發送“自殺”命令，在車輛正常行駛中突然關閉系統引擎讓車輛停下來。

要知道這還是在特斯拉Model S在設計之初就將安全擺在非常重要的位置，但即使如此依然存在被攻克的漏洞。自動駕駛智能生態存在信息數據丟失或洩露、病毒木馬摧毀網絡、服務攻擊造成雲計算平台服務中斷等可能，因此在自動駕駛的發展進程中，絲毫不能放鬆對安全方面的深耕。

從宏觀上來說，近年來監管部門也在積極規範標準，2017年頒布了《工業控制系統信息安全防護指南》，2018年印發了《國家無人駕駛產業標準體系建設指南》、《國家無人駕駛產業標準體系建設指南》和《國家無人駕駛產業標準體系建設指南》。規定自動駕駛系統運營企業應從安全軟體選擇與管理、配置和補丁管理和邊界安全防護等十一個方面做好工控安全防護工作。

從自動駕駛本身從業者來說，自動駕駛的構成是多個點到線到面的過程，那麽自動駕駛的安全性也應該是多角度、多維度的堆砌。對於自動駕駛系統需要不停地及時進行補丁與維護，沒有牢不可破的牆，但能有不斷加固的盾，而對於追智能汽車內部來說，像中控門鎖系統CDLS、輪胎壓力監測系統TPMS等內部硬體系統的檢修與加固也要重點布局。

而這個難度無疑也是隨著技術的發展而不斷升級，並且對於萬物互聯的Iot生態中，自動駕駛的車聯網生態也是少數能直接威脅到用戶人身安全的點，這也是自動駕駛未來發展的彷徨之一。

自動駕駛的5G“呐喊”

在自動駕駛的發展進程中，難免有著這樣那樣的問題與矛盾，但這並不意味著自動駕駛就無法克服，而且對於自動駕駛這種以技術發展為核心導向的技術，對社會生態的改變往往就像毛竹一樣。

毛竹這種植物在其栽種後的最初五年中，你根本看不到它的生長。可是，五年之後，它就像被施了魔法，在半年時間裡就會躥到30多厘米。原因就在於毛竹5年中把所有的努力放在基層建築下，其根部可以延伸幾英裡遠。

自動駕駛的技術研究是一個長遠且持續的深耕，但如果一旦成熟，其改變社會生態的速度也將是難以想象的。從PC到智能手機、從計程車到網約車等一系列生活習慣的改變都是在短短數年甚至數月內發生的，而自動駕駛在未來全面上線後，將會對交通的重構也是如今無法全面推測出的。

而當下就有一個全新的跳板。

2019年是5G的元年，全球都已經開始加快了在5G的基礎設施建設。中國預計今年下半年就會開始試運行，明年則正式展開5G的商用進程。

國際化標準組織3GPP定義了5G技術的三大應用場景：eMBB（增強移動寬頻）、mMTC（海量機器類通信）、uRLLC（高可靠低時延通信）。其中，uRLLC的主要應用場景就是無人駕駛領域。

5G低時延、高可靠的優勢將賦能自動駕駛的進一步發展，自動駕駛的終極目標就是應用AI+IOT+5G的無人駕駛汽車。不管是目前的雷射雷達還是攝影頭采集，在複雜道路環境的感知方面速度會更快，做出實時決策的時間也會更加快。強大的通信支持可以有效的減少因為處理速度導致額交通事故發生。

如今自動駕駛達不到L5的級別，也無法拒絕有人介入到駕駛中。而自動駕駛想要擺脫方向盤，除了需要快速以及無延遲的網速，也需要龐大的數據庫支撐。隨著5G的應用，會加速其數據采集的過程。大量的數據累計，就可以不只是在遇到突發狀況後快速的反應，也能夠提前就做好對各種事件的預防。

而且自動駕駛如今也有在一些特定的場景進行著ToB的服務價值。

ToB的思維是如今互聯網深入到中後期的重要舉措，從B端的服務中可以給像VR、AI、大數據、雲計算、自動駕駛等技術進行實際的落地體驗，在其還未達到C端心理預期的情況下，在B端做一些力所能及的服務。

這樣一方面可以給從業者一些信心與回報，盈利點也是持續付出的支柱；另一方面可以讓用戶與社會看到該技術的實際效果，從而提升用戶的認可與接受程度，對未來的全面普及打基礎。

就目前而言，自動駕駛在特定的場景，像旅遊景點的遊覽車、自動請理街道的垃圾車等都是不錯的場景運用。固定的路線既能起到實驗的作用，也不會影響到人們的安全問題。未來物流用車、計程車、公車等則是自動駕駛普及的下一個階段。

德國哲學家馬丁·海德格爾在其存在論名著《存在與時間》裡面用理性的推理出了一個生命意義上的倒計時法—“向死而生”。

對於每一個技術與產品而言，存在都是具有階段性的，無論是膠卷時代的終結、2G、3G技術的淘汰，我們看著一個個技術發展成為主流，再看著其被更新的技術所替代，每個技術與產品也始終在向死而生的道路上。

自動駕駛作為下一代的新興技術，在發展的過程中難免會遇到許多彷徨，但如今的進步也是肉眼可見的。作為從業者也謹需銘記，循序而不急躁，等待並心懷希望，只要能夠在逆境堅持，在困境中呐喊，屬於自動駕駛的未來也會是璀璨的。

科技自媒體“翟菜花”，訂閱號：翟菜花，個人微信號zhaicaihua002，轉載保留版權，違者必究。