雷达和摄像头遍布全车，为什么自动驾驶依然是期货？

这次全面的梳理一下自动驾驶的相关发展，打算从自动驾驶的行业现状入手，引出自动驾驶的安全性讨论，最后总结自动驾驶商业化落地还需要面对的问题。

自动驾驶的行业现状

再来复习一下最新的SAE J3016 提供了有关于6个驾驶自动化分级具有支持性术语和定义的分类。简单来说，L0-L2都是您在驾驶车辆，您需要时刻监督这些辅助驾驶功能；而L3及以上，当自动驾驶功能启用时，都不是由您在驾驶车辆。

虽然过去吸引了大量的投资，然而目前各家公司的近况都不好。

2022年10月27日，由大众和福特这两家汽车巨头共同投资的自动驾驶初创企业Argo AI宣布倒闭^[1]，这一消息，令人震惊。在该领域无人不知的独角兽，没有坚持到IPO，也没有实现主打L4的自动驾驶的商业化目标。

已经上市的由亚马逊支持的Aurora Innovation，缺乏造血功能，面临生存危机，从每股17.77美元的发行价，曾跌到过每股1.305美元，而Aurora颇为乐观的预计，2027年之前都将亏损和需要更多得资金投入。

另外，来自谷歌的Wamyo和中国的图森未来，都面临颇为相同的窘境。

毫无疑问，高阶的自动驾驶是值得追求的梦想，但是受到技术、政策、商业化前景，尤其是遥遥无期的落地法规，使得车企转向更为实用的技术，即L2+/L3的技术。

这里有一个小结论，那就是：从监管部门的角度，自动驾驶还不能替代人类驾驶员。当然，这个结论并不是否定了自动驾驶汽车的安全性。我们先谈监管部门的担心，再来看自动驾驶汽车在安全方面的过人之处。

边缘案例-自动驾驶的大麻烦

例子一：黑夜里，当人类驾驶员看见声控的路灯突然亮起，我们就知道要当心有人来了。

例子二：突然看到前车在高速上不按车道行驶，我们就会猜测这司机可能疲劳驾驶或者发微信。

例子三：看见一个打开的检修口，我们猜测会有市政维修人员正在作业，也许他们会出来。

类似这样的情况，非常多，而且都是常识性的。而代替常识性的推理，自动驾驶需要预测和编码每一种可能性，而这样的案例也许有数十亿个，而这么多的边缘案例，首先就不一定能够识别出来，更别说进行编码运算了。

边缘案例重建与测试-减少人类驾驶员的事故

那么是不是没有办法去解决？一种有效的方式就是，收集导致事故和未遂事件的证据（由人类驾驶的车辆和支持自动驾驶的车辆）比如美国国家公路交通安全管理局 (NHTSA)列出的36 种应测场景，即在算法模拟中重建这些事件的真实数据和合成数据，并通过测试的方式验证自动驾驶决策的可靠性。

这其中的三个标准即：ISO 26262，用于测试软件错误和硬件故障；ISO 21448，也称为预期功能安全 (SOTIF)；还有UL 4600 专为自动驾驶而设计，可以帮助开发人员列出并测试已知的边缘情况。监管部门则需要承当这样的职责，要求提交安全自评报告，并按照流程评估其充分性，只不过现在各国没有一个全面性的法规可以落地。

拟人的说法-自动驾驶缺乏人情味和同理心^[2]

自动驾驶汽车不会感到无聊、疲倦、路怒、激动或醉酒，有效防止情绪驾驶、酒驾、醉驾、毒驾、疲劳驾驶。尽管如此，自动驾驶汽车还不能像的人类司机直觉而敏感的的预期不确定和模棱两可的情况，并做出最佳操作。

一直有司机在为了他人的利益，无私的牺牲了自己的生命，如同飞行员为了拯救一个村庄，而机毁人亡。对于自动驾驶的人工智能而言，要他以牺牲自己的代价来挽救更多的生命，这不是编码可以处理的甚至难以想象的场景。

在对比自动驾驶汽车和人类驾驶员时，势必要确保两者之间真实的数据比较，要考虑到社会伦理、安全性、稳定性，选择人工智能驾驶，需要对个人和整个社会负责，慎重决定。

自动驾驶汽车-来自黑客和天气的威胁^[3]

还记得《速度与激情》(2017)中成千上万的自动驾驶汽车被黑客入侵并通过热线连接以阻止主角的场景吗？好吧，事实证明这是一个真正的问题！

自动驾驶车辆属于人工智能，也是容易受到网络安全风险的影响，欧盟网络安全局 (ENISA) 发现，自动驾驶车辆被黑客攻击的风险很高。网络攻击也可以使用机器学习来寻找其缺陷，也可以通过传感器过载的方式瘫痪系统。

《速度与激情》(2017)中的场景，成千上万的自动驾驶汽车受到黑客控制，是有可能的，而且在自动驾驶汽车大规模应用前，这种担忧的程度也会越来越高。

另外，依赖于雷达、摄像头等硬件的感知系统，会受到极端天气的干扰，从而物理性的致盲自动驾驶系统，使之瘫痪或出错。

在这里列举了自动驾驶最大的麻烦即边缘案例，不是抹杀自动驾驶的优势，反之其优势可以有效地消除人为失误引起的事故，自动驾驶永远不会疲劳，有效防止情绪驾驶、酒驾、醉驾、毒驾、疲劳驾驶。

自动驾驶商业化问题

正如以上所描述，自动驾驶存在以下限制和不足：

• 自动驾驶汽车在边缘案例下表现更差或不稳定。
• 恶劣的天气会损害汽车的感知系统，使自动驾驶系统出错。
• 监管机构还无法将自动驾驶安全法规标准化和强制化。
• 缺乏人情味和同理心的自动驾驶汽车，也缺乏了人类普遍的直觉和本能。
• 大多数自动驾驶汽车的安全法规都不是强制性的，监管机构也不确定如何使各州/省/府的法律标准化。

除此之外，自动驾驶的商业化问题依然面临着其他的问题，比如：

成本把控与性能指标：自动驾驶的安全冗余必然推高成本，而成本降低，带来的是性能下降，即车辆安全指标降低，反而带来更大的安全隐患。

基础建设和道路环境：正是有上一章节总结的一系列安全、法律法规、伦理问题，是不是在道路基础建设和道路环境中设置专用车道，这对政府的管理和城市运行效率都是极大的挑战。

政策配套支持：一方面，体现在现有非自动驾驶车辆的管理和退出问题，以及如何应对自动和非自动车辆混合驾驶问题；另一方面，自动驾驶车辆的安全指标确定、年检、保险、排放、事故处理、召回等；

售后市场的支持：当自动驾驶汽车出现软硬件的问题，是否需要与之配套不同的维保体系，这对现有的售后市场有着重塑的强驱动。

总结

通过以上的深入讨论，相信大家从行业业态、自动驾驶的不足之处以及商业化遇到的其他问题，有了充分的认识。技术要提升、成本要控制、法律法规要拟定、政策配套要跟上、基础建设要挑战、售后服务要重塑，这些因素集合到一起，这就是即使你软硬件武装到牙齿，自动驾驶依然是期货的原因。

欢迎讨论，聊汽车界的八卦和正儿八经，请关注 @四方樵 。