近日，百度公司董事长兼CEO李彦宏宣布其L4级无人车“阿波龙”正式量产，即将发往国内北京、雄安、深圳、平潭、武汉等地进行商业化运营。市场一片惊呼。

自动驾驶，近几年汽车领域最火热的风口之一。麦肯锡最新研究报告显示，至2030年，中国自动驾驶相关的新车销售及出行服务创收将超过5000亿美元。

传统主机厂、互联网巨头、出行公司纷纷拥抱市场、卡位圈地。大量创业者也带着华丽丽的PPT一股脑儿地涌入自动驾驶行业，各自都在说着自己的精彩故事。在他们身后，资本的力量不断加码。根据中国电动汽车百人会的统计，2015年到2017年11月，自动驾驶汽车相关领域的投融资事件共193起，金额达1438亿美元。

无人车量产的消息铺天盖地，市场情绪被不断调动，自动驾驶的时代仿佛明天就要来了。然而，随着今年3月18日，Uber自动驾驶测试车在美国亚利桑那州的一撞，一切似乎都冷静了。

百度无人车量产的消息就像一颗石子投入了水中，又激起了大片水花，赚足了眼球的同时，也引起了业内人士的质疑。按照美国汽车工程师协会（SAE）的定义，汽车自动驾驶系统分为L0～L5共6个级别，在这样的等级划分中，L4级指高度自动驾驶，即在大多数场景下自动驾驶能够实现。“阿波龙”是否真正能达“标”，暂时得打一个问号。

国科嘉和基金管理合伙人王戈最近在第29届国际电气与电子工程师协会（IEEE）智能车大会上的一段话引起了业内的共鸣。他说，对于实现完全自动驾驶的时间，主机厂一般比较保守，至于有人说五年北京街头就能实现全自动驾驶，基本属于“屁股决定脑袋”。

自动驾驶的故事讲了这么久，落地却仍存在诸多困难。未来，自动驾驶将如何驶向远方？

究竟选择撞向哪儿

“在碰撞无可避免的情况下，无人车会撞向一个人的一侧还是撞向一群人的一侧？”“往前行驶会撞到人，往旁边让会撞到栏杆而导致车内乘客受伤，无人车会怎么选择？”

“撞向哪儿”是一个经典的法律伦理问题。在有关智能驾驶的论坛中，业内人士总喜欢拿这个问题来说明智能驾驶技术的不成熟。去年，中科院自动化所复杂系统管理与控制国家重点实验室主任、自动化学会副理事长兼秘书长王飞跃在接受中国青年报·中青在线记者采访时，用“初中生”来形容当时无人车的发展情况。今年，面对同样的问题，他说当时的预估还是高了，“它离（初中）毕业还有很长一段距离。”

很长一段时间，国内对自动驾驶技术的发展都过于乐观与自信，王戈记得，三年前和自动驾驶的创业团队聊天，许多人考虑的是直接往全自动驾驶方向发展还是像传统主机厂一样渐进式发展，全然没考虑底层技术的研发问题。“企业拼命吹气球，也不管吹不吹破，都急于变现，恨不得明天就上路。”王飞跃也一脸激动。随着自动驾驶事故的频发，这样的泡沫总算慢慢消退了。

目前，业内多数专家认为，我们当前的自动驾驶技术基本介于L2级和L3级之间，从整体的研究发展来讲，L2、L3级的研发主要集中在企业，L4、L5级集中在科研机构，其中需要突破的瓶颈还很多。

“无人车关键要解决两大问题，场景理解和自主运动”，西安交通大学人工智能与机器人研究所的崔迪潇博士表示，场景理解的核心是要处理传感的数据，在传感数据融合的基础上给出场景结构化描述，并进行几何、物理及语义层次上的推理，这些将会形成无人车自主运动的时空约束，自主运动则要根据时空约束来适应场景的动态变化，控制车辆。而现在，“无人车的目的性和主动性都不足”，崔迪潇表示，现在的无人车计算效率低、环境适应性差、自学能力不足，在复杂的交通环境中远远不及人类驾驶员。

想让无人车变得更智能，底层技术短时间突破不了，技术人员只能让它不断去学习，积累数据。他们正在不断给无人车加装雷达以期它“看”得更清楚，一幅幅地图也不断被无人车的“大脑”所记忆，但复杂的交通场景根本描述不完，种种突发状况的发生也让无人车手足无措，同时，高昂的路测成本也令数据的收集变得困难。

在本世纪初，王飞跃首次提出了基于社会物理信息系统(CPSS)的平行驾驶框架，在平行驾驶的框架下，当人类司机驾着物理车辆奔驰时，作为“软件机器人”的智能代理，也开着对应的“虚拟车”同时在虚拟世界中奔驰。虚拟场景的构建大大减少了数据收集的成本，但无法主动学习、分析场景做出决策始终是现阶段的无人车迈不过去的坎儿。

警惕自动驾驶中的“马粪问题”

虽然无人车的落地仍困难重重，但不可否认，这几年，智能驾驶的发展取得了相当的进步。王飞跃记得，1997年，加州圣地亚哥举行Demo'97（The NAHSC 1997 Technical Feasibility Demonstration ）无人车集中演示时，一辆车的成本要上百万美金，而现在只要几百万元人民币。国内无人车刚开始路测时，速度还没有人走得快，现在已经能开几十码。技术每天都在变化，有关智能驾驶的各种研究、讨论也多了起来，王飞跃提醒，在讨论问题时要警惕自动驾驶中的“马粪问题”。

100多年前，马是人们出行的主要交通工具，当时在伦敦、纽约这些大城市，有十几万匹马在维持着整个城市的运转。随着人口的增加，人们生活水平的提高，对马的需求也越来越大，随之而来的是城市的马粪该怎么处理的问题。据有关数据显示，当时，伦敦的马每天能产生3000吨马粪，30万升的马尿。1894年，《泰晤士报》预测，在接下来的50年里，伦敦将被高达9英尺的马粪淹没。

一场“马粪危机”成了城市的噩梦。1898年，纽约市主办了首届国际城市规划会议，其中最重要的议题就是马粪问题，因为全球各地的城市经历着同样的“马粪危机”。但经过几天讨论，会议未找出任何解决方案，只能草草收场。后来，随着汽车的普及，“马粪危机”消失了。

“在人工智能时代，当我们研究讨论如何解决车辆的无人驾驶问题时，不断讨论如何让无人车在与有人车混开情况下长久时间内不出现事故，这是否正是当下遇到的‘马粪问题’？”王飞跃表示，当无人车足够智能之后，就把“有人车”代替掉了，“就像汽车把马车代替掉一样，很多问题是不存在的。”

王飞跃告诉中国青年报·中青在线记者，现在有些专家的研究方向是错的，他们用这些错误的假设来告诉自动驾驶的研发团队要注意哪些问题，而“所谓的问题根本不是问题”。这种研究不仅耗费时间而且容易走弯路。

在他的理念中，未来无人车会普及，而“有人车”会慢慢失去路权，只会在一些赛车场见到，整个城市的生态会慢慢改变，无人车本身就会成为一个生活场景。

大海里如何养出“鲸鱼”

在自动驾驶技术全面升级之前，很长一段时间，无人车只能在特定场景下使用，在业内人士看来，这是一片蓝海，也是无人车最快能商用的地方，价值巨大。“找特定场景扎扎实实做下去”也是王飞跃对自动驾驶创业企业的建议。他认为，矿山、物流、市政、码头四个场景是最适合无人车落地的，也是急需无人化的。

慧拓智能机器有限公司副总裁王健曾多次考察露天煤矿，“条件非常艰苦”是他对矿山工作的评价。“人开着矿卡沿着整个山顶盘旋着一圈一圈下到坑底，然后剥离土方，再一圈圈上去，开到排土场再把土倒掉，工作环境很恶劣。”王健说，矿区作业环境比较危险，但工作路线比较单一，这样的场景就很适合无人驾驶，而以现在平行驾驶汽车的技术水平，完全能胜任这样场景下的工作，“国外矿山已经出现无人车应用案例了”。

除了做特定场景的整车，想要在自动驾驶这片大海中养出“鲸鱼”，王戈认为，往自动驾驶的上游找机会也能以点破面。

“如果要创业我们就做单点化，比如信号系统、巡航辅助、光学设备、控制器……这样就避免了跟行业巨头发生直接的竞争。”王戈表示，主机厂关注整体的投入产出比的问题，一个配件想做好至少需要研发两三年时间，耗费的人力物力都很大，这时他们就会选择“拿来主义”，“这是创业非常好的点。”

另外，王戈建议从整体宏观和生态圈的角度考虑创业的项目，做融合的设计方案也很好。随着行业的变迁，工程化和集成化变得越来越重要，“大家做好自己那个部分的同时，别忘了在客厅留几个门和别的地方接口，这很关键。”

除此之外，王戈认为，场景数据是自动驾驶企业制胜的根本，决策算法是企业的核心竞争力，这两个方向都是深海，至于会不会成为其中的巨鲸，就要看谁更愿意沉下心来做了。“讲故事没有关系，很正常，也是促进整个行业和产业成熟的方法，但是别讲故事讲得自己真信了，这就麻烦了。”

来源： 中国青年报