会杀人的自动驾驶汽车，何时才能安静的做个美男子

本来，对自动驾驶的讨论正日趋热烈。国内自动驾驶的商业化落地，在紧锣密鼓地进行；上海和北京相继发放路测临牌；几乎所有涉足自动驾驶领域的公司都不约而同地提出，2020年将是真正的节点，自动驾驶汽车将实现量产。

但是坏消息随之而来。3月18日，全球首例自动驾驶汽车在公共道路上撞击行人并致死事件发生。当日晚10点，一辆Uber无人驾驶车在美国亚利桑那州坦佩市与一名正过马路的行人相撞，后者不治身亡。受此影响，Uber已全面叫停美国各个州的路测。

几天后，在美国加州，一辆特斯拉Model X在自动驾驶状态下高速撞上路边护栏。事故涉及三辆汽车，特斯拉车体发生爆炸，车主死亡。

影响在继续扩大。丰田暂停在美自动驾驶测试。英伟达在GTC2018上发布了全球最大的GPU后，也中止公共道路测试——其股价应声大跌。

在大众心目中，“无人驾驶汽车”由那个可以带你飞的老司机，转身就变成了马路杀手。

这一连串事故，是否会导致一个行业“变凉”？要“凉”的，会是Uber和特斯拉，还是整个自动驾驶的商业化进程？

官方公布的视频显示，Uber车祸发生前，受害者已经推着自行车缓慢横穿了三条车道，并非传说中的“鬼探头”，Uber的自动驾驶汽车没有第一时间检测出行人。

故障原因仍然在调查中——车辆能发现行人并且及时采取措施避免事故，是自动驾驶技术的核心。

事发时，该车时速达到了40英里/小时，而那条街道限速35英里/小时。尽管当时是夜间、光线不好，但这不应当成为它没有采取任何措施的理由——这辆测试车上安装了7个摄像头和1个高线束激光雷达，谷歌无人车团队顾问Brad Templeton认为，对于激光雷达和视觉系统而言，当时情况并不是非常复杂，正常的话，车辆应该在50米处（2.7秒内）检测到受害者，并且立即强制刹车。最近的情况，车会在距离人2-3米的地方停下。

当前自动驾驶的主流技术方案，往往是激光雷达、毫米波雷达和摄像头等的融合。车顶的激光雷达和前置雷达识别汽车周围环境，光学摄像头通过计算机视觉算法识别图像、了解汽车行驶场景。传感器收集到的外部数据传送给中央计算单元——它是自动驾驶汽车的“大脑”，创建完整的环境图像，统率整个汽车的避让流程。避让方案的设置，需要大量的AI算法做支撑，保障运算的精度和速度。

安全行驶的背后，是芯片、传感器、AI算法、处理系统、高精地图乃至车辆自身的系统，任何一点上的能力缺失，都可能酿成一桩令人心惊的事故。

自动驾驶技术自身就形成了长长的产业链条，不同类型的创业公司星罗棋布在这条长长的赛道上不同的领域内。近两年自动驾驶领域持续发生一桩桩天价融资、人才大战，包括自动驾驶专用芯片的提上日程，背后是对研发的重金投入、对技术专利的重视争夺。

互联网时代的“以资本换时间”，在这样一个产业里，是不存在的。

Uber的事故里，究竟是Uber的雷达故障，还是算法没有到位，现在还不清楚。但是有一点是被很多人认可的，那就是Uber走得太“急”了。

对于Uber的事故，我们大概可以说上一句：“怎么又是你”。大约一年前，还是Uber的自动驾驶汽车，还是在亚利桑那州坦佩，与一辆人类驾驶汽车相撞并侧翻。幸好没有人伤亡。当时警方认为，Uber的测试车处于正常行驶状态，另一辆车没有及时减速，是罪魁祸首。

再追溯到2016年，Uber在旧金山部署了一个自动驾驶汽车车队，但没有获得监管者的批准。在与当地车管局争论的过程中，上路第一天，Uber的车就闯了红灯。事后Uber辩称是驾驶员操作失误，但《纽约时报》却指原因是Uber的系统无法有效识别红绿灯。

总的来看，无论是总里程还是测试中的人工干预次数，Uber与竞争对手之间，都存在较大差距。美国媒体ReCode在去年3月披露的Uber无人车部门内部文件显示，2016年12月，Uber自动驾驶车辆行驶里程数为20000英里/周，平均每0.8英里(1287米)就会出现问题，每196英里出现一次可能造成伤害的事故，均需要驾驶员干预，平均每1.9英里一次“糟糕的体验”。

以时速60英里计算，这意味着Uber无人车中的人类司机，不到一分钟就需要控制一下车辆。而截止到2016年11月，谷歌无人驾驶汽车行驶里程超过300万公里，能够查询到的数据显示发生了 25次事故，基本都是人为原因撞上谷歌试验车导致，无重大人员伤亡。其中只有2016年2月发生的一起车祸，谷歌承认由自己的无人驾驶车辆负责。

特斯拉也一样。2016年5月，一辆特斯拉Model S型轿车在自动驾驶状态下撞上一辆拖挂车，驾车人死亡。

2018年3月30日，特斯拉宣布，因为转向系统零配件缺陷召回12.3万辆特斯拉Model S，占特斯拉目前全部产量28万台的不到一半，大约是过去两年多的产量。在最近的事故发生后，这次召回的负面影响显然也更为扩大。

一次次不幸的事件，给我们的最大启示是，这个领域，具备了技术积累、工程能力等“硬实力”，并且对生命敬畏的玩家，才有资格进入。

Uber内部卡耐基梅隆大学的技术派与Otto系的争论，Uber和Waymo旷日持久的官司，都显示出，在自动驾驶上，它操之过急。

近两年，国内的自动驾驶，也已经走上了“快车道”。这里有传统汽车厂商和各种解决方案提供商的联手，有互联网巨头的加入，有创新创业公司们在整车解决方案、传感设备、高精地图等方面的试水。

无人驾驶带来的想象空间，巨大。

汽车产业正面临新的挑战。新能源汽车在动摇内燃机汽车的地位，Uber和滴滴的打车模式在改变大众的出行方式，移动和车联网逐渐成为下一个汽车时代的主题。以此为基础，自动驾驶蕴含着改变未来商业模式、就业、城市基础设施等的能量。

2016年，前英特尔中国研究院院长吴甘沙宣布，离开工作了16年的英特尔，成为驭势科技的联合创始人、CEO。去年，发布了针对城市空间的无人驾驶电动车后，他曾对黑智表示，自动驾驶的背后，是多个至少万亿规模的市场的叠加。

滴滴、共享单车、阿里和美团点评已经彻底改变了出行市场格局，不过，即使是它们，也遇到了“人贵”、“人缺”的瓶颈。共享经济能在一定程度上解决这个问题，但又要面对资源使用率和管理成本。而自动驾驶，在提升社会效率、降低人力成本上，前景广阔。

伴随着无人驾驶技术的发展，城市空间的变革也可以期待——停车空间节省、加油站空间压缩，每一辆车，则可以开拓成更新的商业空间。由汽车主机市场和出行拓展开来，零售物流、商业地产、能源市场以及衍生的其他市场，都将因此而改变。

“智能驾驶是链接产业最多的赋能技术。”吴甘沙说。

在物联网时代，车辆不再仅仅是代步工具，能够被赋予更大的含义，将和电脑、手机一样，成为新的终端。智行者科技创始人张德兆对黑智说，在未来，智能车辆将靠“服务”来获得收益。迅雷创始人、松禾远望资本创始合伙人程浩也曾告诉黑智，这也是滴滴和百度“终有一战”的原因。

于是就能理解，为何不同领域的巨头们也争相切入这个市场。除了BAT和大型车企，滴滴日前也公布了在自动驾驶领域的进程；王兴最近也表示，美团会逐步开展自动驾驶的研发；华为代号“RoadReader”的自动驾驶项目刚刚曝光，用Mate10 Pro手机即可操控一辆保时捷。

但Uber的事故，让走在快车道上的自动驾驶公司们，开始 “降速”。事故发生后，丰田、英伟达、nuTonomy等公司已表示将暂停车辆路测。景驰科技CEO韩旭在朋友圈发言称：“我们做自动驾驶一定要有敬畏之心。我一直反对大干快上。这也是为什么我在各种场合跟各种咖位的专家吵了无数架：一定要坚持有冗余的多传感器融合方案。以目前的计算机视觉技术，任何狂吹自己深度学习多么牛，只用摄像头就可以低成本做自动驾驶的都是耍流氓。”

“整个业界需要从事故中分析原因，使得系统安全性进一步提升。”地平线创始人余凯也表示。 “同时新技术企业一定要对生命安全有敬畏之心，避免过分乐观，踏踏实实投入技术研发，特别是安全性的测试验证。”

这是事故带给大众的恐慌，也是在自动驾驶上砸进了近百亿美元的车企们的担忧。

事实上，人类的“马路杀手”也层出不穷，为什么无人驾驶出现事故，会让我们如此担心？

斯坦福大学汽车研究中心执行主任Stephen Zoepf曾分析说，在对待无人驾驶时，人们的心态，和看待人类司机完全不同。简单来说，就是我们无法对机器产生“共情”心理。人类司机发生事故时，我们或许会想“如果是我可能也无法避免”，但对于机器，大多数人只会希望它是完美的、应该比人类做得更好。

只有人类才会“疏忽”，一台机器出现错误，在大众眼中，那是故障。

当然，还有一层更深的恐惧，来自于人们对汽车避让规则的“道德感”的不信任。

我们不理解机器，机器也不会对人类产生同情心理。当我们把一切交给机器决策时，在它眼里，每一个生命，都只是一个冷冰冰的与“生存几率”相关的数字。Uber的车祸令我们担忧，机器会不会毫不犹豫地做出这类足以令人类良心备受谴责的选择：在确保车主或者汽车更安全的理由下，牺牲行人的生命。假如你是自动驾驶汽车里的乘客，或者行人，你希望机器按照什么法则来决定“牺牲”的先后顺序？

然而，恐惧归恐惧，我们还是不得不面对这样一个事实：交通部长赵小兰几乎在每次关于无人驾驶的公开演讲中都要提到，美国每年持续增长的交通事故量，以及94%的事故是由于驾驶员的失误。

技术达到何等水平，无人驾驶汽车才足够安全、可以上路？也许，它并不需要完美得无可挑剔。哥伦比亚大学人工智能实验室主任胡迪·利普森（Hod Lipson）在其2017年出版的《无人驾驶》一书中提出，只要无人驾驶汽车的安全记录能够超过人类驾驶员的平均水平，那它就是足以“造福人类”的。平均来看，每20万英里，人类驾驶员就会出现一次非致命性碰撞，那么只要无人驾驶技术在安全性上优于人类驾驶员两倍，就可以了。

Uber致死事故后，美国加州仍然通过了允许完全无人驾驶汽车测试的规定。技术代替人力的大趋势，不会因为事故停下脚步。

“就像人类推进航空事业也曾付出代价一样，自动驾驶技术的研发进程不会一帆风顺，但人类推进自动驾驶让交通出行更安全更便捷的时代趋势不会改变。自动驾驶既不会像很多人想象的那样像场狂欢，技术成熟一蹴而就，也不会因为出现几次事故就停止前进的步伐。”余凯说。

特斯拉和谷歌为自动驾驶的商业化做出了不懈的努力。

资深撰稿人蒂莫西·李（Timothy B. Lee）曾在国外媒体Vox撰文称，自动驾驶包含了一个重大的隐患：我们会太容易变得依赖新的技术，从而不再留心路况。特斯拉当前对于无人驾驶的处理方式是，让带有半自动化驾驶功能的汽车提醒驾驶者注意路况。2016年的那起撞击事故后，特斯拉更进一步规定，如果司机连续三次忽视警告，在剩余的行程中他就不再能够使用Autopilot功能。

对此，谷歌的结论是：辅助驾驶是个解不开的局。它的解决方案是直奔全自动驾驶——不需要人类司机的干预。Waymo正着手尝试，在没有人类驾驶员看护的情况下，让乘客试乘无人驾驶出租车，先期将于2018年下半年在亚利桑那州Phonix上线。 2017年4月，Waymo推出“早期乘客计划”，让Phonix的真人用户使用应用来打车，当然，为了以防万一，出行过程中还是有真人在操控。同年11月，Waymo的项目升级：无人驾驶的小型空货车被送上了Phonix的街道。

但是，自动驾驶距离乘用车的大规模商用，仍然很远。

在自动驾驶背后的万亿市场商机中，和乘用车并列的商用车，由于环境复杂度相对较低、技术难度较小，成为自动驾驶落地初露曙光的领域。

吴甘沙曾经提出：“两到三年内落地的可能性，只有两个：一个是高速公路的L2、L3级的自动驾驶，还有一个就是限定场景的、低速的无人驾驶。”2017年，驭势科技的无人驾驶电动车在广州白云机场、杭州来福士购物中心等地开始了持续的技术验证和试运营服务。

在环卫清洁领域，autowise.ai（仙途智能）推出了无人驾驶清洁车，包括6米长的中型车以及3米长的小型车。2017年9月，智行者科技联合百度Apollo平台推出的无人驾驶扫路机蜗小白，在北京园区落地运营。这款扫路机采用了Apollo平台的高精地图及定位技术，海德专用汽车提供的扫路机主体，以及智行者无人驾驶整体解决方案，可以在公园内进行常态化作业，实现自动避障、定点起停、自主扫地等功能。

在此之前，智行者还曾发布蜗必达-无人配送物流车，进入物流的“最后一公里”领域。

另外一个重要的切入点是货运。高速公路上的卡车货运，对于人类而言险象环生，但对于自动驾驶系统，“公路驾驶远比城市环境要容易得多。”图森未来创始人陈默曾对黑智表示。高速上路况更为简单，车速稳定，自动驾驶能让长途驾驶的货运司机得到充足的休息，降低事故概率。截至目前，图森未来的L4级无人卡车，已经在河北曹妃甸完成了2万公里的真实环境路测，时速可以达到90公里。

4月3日，图森未来对外公布了一段无人集卡车队在港口内作业的测试视频：在港口码头上，一组由陕汽X6000组成的图森未来无人驾驶集卡，能够在码头吊臂下精准停放，进行装货、卸货，并可以自动避障和变换车道。图森未来向黑智透露，目前已有5辆无人集卡在进行测试，今年年底将达到25辆左右。

不久前，前滴滴研究院院长何晓飞离职，创办了自动驾驶货车公司逐影科技。

自动驾驶在飞速发展，但愿它不再带来“杀人”的消息。