圖片來自“123rf.com.cn”

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?！钡芸上У氖沁@場軍備戰(zhàn)爭似乎還要打很久。

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

無人駕駛的三個“彷徨”

自動駕駛屬于技術于硬件碰撞的產(chǎn)物，是在物聯(lián)網(wǎng)、云計算、大數(shù)據(jù)、人工智能等技術與傳統(tǒng)汽車制造工業(yè)深度融合下產(chǎn)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(fā)展的風向標，成為全世界級的持久風口。

全球汽車行業(yè)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。

(SAE自動駕駛分級)

從L0到L5，其中的細分判斷點有很多，但總的來說最大的特征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干預，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于L3階段中，國內自主品牌L3級量產(chǎn)車預計都在今年以后上市，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(chǎn)車型。而L4級別的車輛的場景更加苛刻，只能局限在少數(shù)特定的測試地點才能達到L4級別。

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

是否允許路測的彷徨

這第一個彷徨來自于監(jiān)管層。作為技術導向的自動駕駛，本身的研究及發(fā)展都需要大量的實測數(shù)據(jù)進行支撐，但對于很多自動駕駛落地的汽車產(chǎn)品而言，本身的不確定性使得其在路測階段存在發(fā)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，難點就在于如何處理可能出現(xiàn)的突發(fā)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(fā)生交通事故，也因此大多數(shù)地方對于自動駕駛的路測都有著嚴格的規(guī)定。

不過自動駕駛始終是未來確切的發(fā)展方向，無論是國內外，只要是一流的汽車企業(yè)或者像谷歌、百度等互聯(lián)網(wǎng)企業(yè)，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(guī)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，并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(tǒng)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，并積極開展道路測試。

在國內隨著2017年12月北京交通委正式印發(fā)《北京市關于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)》，標志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里程超過了15萬公里。

大量的造車先鋒軍與互聯(lián)網(wǎng)科技公司的用戶無疑可以帶動當?shù)谿DP的增長，促進就業(yè)與消費的良性發(fā)展，這實際就與可能發(fā)生的車禍形成了一種矛盾，也促使了監(jiān)管方為了促進自動駕駛的發(fā)展，必須投入更多的精力與資源去規(guī)范自動駕駛的路測環(huán)境。

普及難度與數(shù)量才能引發(fā)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(chǎn)生，這些年來自動駕駛發(fā)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(fā)生在2016年5月7日，一輛2015款特斯拉 Model S 在佛羅里達州高速公路上與一輛垂直方向開來的掛車發(fā)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(tǒng)都未能注意到拖掛車的白色車身，因此未能及時啟動剎車系統(tǒng)。

第二起發(fā)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(fā)生了碰撞。這一事故是由人類司機并未讓行直行的自動駕駛車輛所致。

第三起發(fā)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(fā)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(jīng)從最開始的技術不成熟發(fā)展到了行人或其他車輛的不規(guī)范交通行為導致。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(guī)范駕駛的行為，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(tài)中，要做到的是全方位的車聯(lián)網(wǎng)，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(wěn)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，真正在乎軟件的人，應該去制造屬于自己的硬件。這句話后來被喬布斯用于表達蘋果的產(chǎn)品開發(fā)理念。

但手機畢竟是個相對價值較低的智能硬件，all in進去的成本較低，而自動駕駛汽車單價與研發(fā)成本遠遠超過手機，不僅前期投入大，而且生產(chǎn)周期長，很難在短時間內取得產(chǎn)品上的成績。這與互聯(lián)網(wǎng)商業(yè)中資本投入與產(chǎn)值之間的正比例關系相悖。

對于一個完整的汽車產(chǎn)業(yè)鏈周期，從上游的源材料采集、技術開發(fā);到中游的配件制造組裝;再到下游的產(chǎn)品銷售，這一整條的產(chǎn)業(yè)結構都不是短時間內能堆砌的。這也導致著產(chǎn)品最終定價會帶著研究開發(fā)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(huán)境且符合未來交通發(fā)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。

因此對于自動駕駛而言，自己本身就是一個普及數(shù)量會引發(fā)質變的行業(yè)，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(lián)網(wǎng)之上的，依托于大數(shù)據(jù)與AI分析，提升整個交通大環(huán)境的安全性，但同樣的聯(lián)網(wǎng)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(xiàn)黑客“控制”自動駕駛的汽車向對手發(fā)起攻擊的情節(jié)時自動駕駛安全問題就已經(jīng)廣泛的引發(fā)了用戶熱議。而對于自動駕駛來說，本身就是從車內網(wǎng)、車際網(wǎng)等網(wǎng)絡主導的形式，數(shù)據(jù)與網(wǎng)絡是其運行的血液與血管，也就是從骨子里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、啟動并成功開走，此外還能向Model S發(fā)送“自殺”命令，在車輛正常行駛中突然關閉系統(tǒng)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(tài)存在信息數(shù)據(jù)丟失或泄露、病毒木馬摧毀網(wǎng)絡、服務攻擊造成云計算平臺服務中斷等可能，因此在自動駕駛的發(fā)展進程中，絲毫不能放松對安全方面的深耕。

從宏觀上來說，近年來監(jiān)管部門也在積極規(guī)范標準，2017年頒布了《工業(yè)控制系統(tǒng)信息安全防護指南》，2018年印發(fā)了《國家無人駕駛產(chǎn)業(yè)標準體系建設指南》、《國家無人駕駛產(chǎn)業(yè)標準體系建設指南》和《國家無人駕駛產(chǎn)業(yè)標準體系建設指南》。規(guī)定自動駕駛系統(tǒng)運營企業(yè)應從安全軟件選擇與管理、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(yè)者來說，自動駕駛的構成是多個點到線到面的過程，那么自動駕駛的安全性也應該是多角度、多維度的堆砌。對于自動駕駛系統(tǒng)需要不停地及時進行補丁與維護，沒有牢不可破的墻，但能有不斷加固的盾，而對于追智能汽車內部來說，像中控門鎖系統(tǒng)CDLS、輪胎壓力監(jiān)測系統(tǒng)TPMS等內部硬件系統(tǒng)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(fā)展而不斷升級，并且對于萬物互聯(lián)的Iot生態(tài)中，自動駕駛的車聯(lián)網(wǎng)生態(tài)也是少數(shù)能直接威脅到用戶人身安全的點，這也是自動駕駛未來發(fā)展的彷徨之一。

自動駕駛的5G“吶喊”

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

毛竹這種植物在其栽種后的最初五年中，你根本看不到它的生長?？墒?，五年之后，它就像被施了魔法，在半年時間里就會躥到30多厘米。原因就在于毛竹5年中把所有的努力放在基層建筑下，其根部可以延伸幾英里遠。

自動駕駛的技術研究是一個長遠且持續(xù)的深耕，但如果一旦成熟，其改變社會生態(tài)的速度也將是難以想象的。從PC到智能手機、從出租車到網(wǎng)約車等一系列生活習慣的改變都是在短短數(shù)年甚至數(shù)月內發(fā)生的，而自動駕駛在未來全面上線后，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(jīng)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(增強移動寬帶)、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(yōu)勢將賦能自動駕駛的進一步發(fā)展，自動駕駛的終極目標就是應用AI+IOT+5G的無人駕駛汽車。不管是目前的激光雷達還是攝像頭采集，在復雜道路環(huán)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(fā)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(wǎng)速，也需要龐大的數(shù)據(jù)庫支撐。隨著5G的應用，會加速其數(shù)據(jù)采集的過程。大量的數(shù)據(jù)累計，就可以不只是在遇到突發(fā)狀況后快速的反應，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(lián)網(wǎng)深入到中后期的重要舉措，從B端的服務中可以給像VR、AI、大數(shù)據(jù)、云計算、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(yè)者一些信心與回報，盈利點也是持續(xù)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，像旅游景點的游覽車、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、出租車、公交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》里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”。

對于每一個技術與產(chǎn)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(fā)展成為主流，再看著其被更新的技術所替代，每個技術與產(chǎn)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(fā)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(yè)者也謹需銘記，循序而不急躁，等待并心懷希望，只要能夠在逆境堅持，在困境中吶喊，屬于自動駕駛的未來也會是璀璨的。