想做无人驾驶的弄潮儿，就别押宝人工智能

互联网人喜欢说风口，更喜欢把风口放到一起，好像这样能造成1加1大于2的效果。

而且有些被寄予厚望的技术可能确实有内在联系，于是就更可能被看做有相互刺激的合力产业来对待，期待协同爆发能产生天翻地覆的效果。

比如人工智能和无人驾驶。

确实，人类利用人工智能技术来处理比如机械操作、驾驶、勘测等工作是毫无疑问的必然。

但是必然不等于马上实现，我们现在所处的只是众多技术在研发和商业化的开端而已。从0进化到10，1和9都是不能迈过的。目前的人工智能和无人驾驶，可能就处在这样一个关系里。

无人驾驶的第一级形态，必然是低速和固定场景应用

首先要知道，到底什么是无人驾驶。

无人驾驶的核心判断点，在于从自动驾驶的人力合力和传统汽车操作方式中解脱出来，变成车辆根据设置目标主动完成驾驶的全过程。

而从技术成熟和应用可能性的过程上来说，无人驾驶绝不可能是一蹴而就，直接在城市交通的复杂路况上行驶的。

由于对安全的担忧和对数据积累的需要，初期无人驾驶，必然有两点制约：

首先是速度。无人驾驶开始投放应用时，必然无法很快就像跟正常机动车一样的高速行驶。而是要从时速五十公里以下的低速车开始应用，逐步检测和完善无人驾驶系统的可靠程度。

其次是应用场景。初始阶段的无人驾驶，基本不可能马上在复杂路况中投放使用。我们更可能看到的可能是校园、景区、企业园区、机场，这样的场景中使用无人驾驶车辆。一方面是这些场景中路况简单，无人驾驶要处理的问题很少，而且可以整体更换无人驾驶车辆，保证车辆间交互的可行性。另一方面这些场景对运力的要求低，使用时间少，从而满足初级阶段无人驾驶低速度、强监控的特点。

所以说，无人驾驶初期要淘汰的一定是低速电动摆渡车，而这一阶段，人工智能的的参与感并没有那么强烈。

相比深度学习，更重要的是避险保障、精准行驶和人机交互

人工智能管理无人驾驶车辆，逻辑是通过深度学习和应对机制分析体系，来解决车辆行驶中的各种问题，保障行驶安全。

但是车辆在真实交通场景中遇到的问题是千变万化的，每一个问题都可能是新问题，很多甚至执法者难以分析责权，更别提基于对以往案例学习的人工智能体系了。尤其是在交通方案选择上，在复杂路况和拥堵路况上，目前的人工智能算法很难完全代替经验和人工的判断能力。

而低速的无人驾驶，人工智能的应用点也不够多。这种场景中，主要确保行驶安全和运营流畅的技术是三种：避险保障技术，精准行驶技术和新型的人机交互。