（本文作者沈海寅，奇点汽车联合创始人 & CEO，文章有删减）
背景：美国高速公路交通安全委员会 (NHTSA) 周四表示，将对 2.5 万辆特斯拉 Model S 车型展开初步调查。近期，一名 Model S 车主在使用 Autopilot 自动驾驶模式时发生事故死亡。NHTSA 表示，事故车辆是 2015 年款 Model S，事故发生时车辆开启了 Autopilot 自动驾驶模式。该部门将调查「事故发生时驾驶辅助功能的设计和性能」。如果 NHTSA 认为车辆安全性存在问题，那么将会要求车辆召回。
在此次特斯拉 Autopilot 事故之下，我们有机会审慎思考：对于大势所趋的智能汽车而言，自动驾驶到底有什么价值？出于什么位置？这项被热炒的技术走向产业的道路上还有哪些坎儿要迈？
自动驾驶离我们到底有多远？
高成本：自动驾驶商业化的拦路虎
由于市场前景预期向好，自 2010 年谷歌正式开始自动驾驶汽车测试后，各大车企纷纷加入自动驾驶技术研发，自动驾驶成为了车联网之后又一必争领域。但目前，自动驾驶产业化与广泛应用还存在着成本过高的障碍。
目前，谷歌以及科研机构研发的「无人驾驶车」由三大件组成：一是激光雷达，价值近 70 万元人民币；二是高精度的 GPS；三是高精度的惯性导航系统，这两者加起来又要超过 100 万元人民币，最终将一辆车的价格抬高到近 200 万元人民币，这是普通汽车价格的 10 至 20 倍。如此高成本的技术路线，想「立刻」实现自动驾驶的商业化，就现阶段而言，几乎不可能。
与国外相比较，国内的无人驾驶汽车研发主要是从科研院所、高等院校起步的，近年来，高等院校、科研机构与国内汽车生产厂商的合作也日益紧密，推动了我国无人驾驶技术的发展。去年 8 月 29 日，全球第一台无人驾驶大客车，在郑州首次实现全程无人工干预成功运行，这是由中国工程院院士李德毅所在的总参 61 所等与宇通客车联合推出的。智车优行团队也于去年和李德毅院士成立了联合工作站，目的就是打造可靠的「智能驾驶系统」同时，探寻降低成本的最有效方案，共同推进自动驾驶的商业化之路。
安全性：来自技术与心理的双重考验
2016 年 1 月特斯拉推出 Autopilot（半自动驾驶系统）功能，该功能允许驾驶者坐在车内后排或其他地方对车辆进行操控。虽然特斯拉在官方博客中表示，在 Autopilot 模式启用的超过 1.3 亿英里 (约合 2.1 亿公里) 行驶里程中，这是首次发生人员死亡事故，但的确引起发了社会对于「自动驾驶」安全性更多保守的质疑。
但同时，所有创新企业都面临着同样的问题：不能因为现在出现的一些挑战和质疑，就不去拥抱新的变化。的确，自从自动驾驶诞生以来，其安全性一直是人们担忧的一大问题，其实在很多时候机器比人更靠谱，在行驶环境中，驾驶员在很多环境下将不可避免的受到各种不良情绪影响而做出错误判断，90% 交通事故是来自于人的疏忽。目前行驶过程中 80%问题其实可以通过驾驶系统来识别并作出判断。在一些相对稳定的行驶环境下，比如高速路上和低速条件上，智能汽车将可以帮助驾驶员来完成驾驶：识别障碍物、限定行驶车速、自动避障、自动入库和泊车等问题都可以代劳。
虽然，我们需要积极地拥抱「自动驾驶」，但并不意味着眼下动不动就说自己 1~2 年内就能推出商业化无人驾驶汽车的企业就值得赞颂。制造智能汽车的进程中，「立刻实现」实际上在偷换概念，汽车作为无人驾驶层面还需要时间。但同时，汽车作为智能终端的层面可以立刻做到。在用户体验汽车过程中，如果出现 bug，生产商可以立刻搜集数据，进行分析，并立刻解决故障。这样一来，汽车可能完全不需要再次召回。智能汽车作为汽车的属性会朝着无人驾驶方向迈进。但目前由于复杂的逻辑设计等问题的局限性，汽车做到完全无人驾驶还需要 10 年左右的时间。未来不排除 AI 引擎可以学习用户的驾驶习惯，完成个性化驾驶。
法律与伦理困境
此次特斯拉事故背后，对于自动驾驶汽车, 舆论争议最多的一点，可能就是一旦这类车辆出现了交通安全事故，应该如何界定和划分责任，而在遇到道德层面暧昧不清时，我们也主张遵守法律为主。但在复杂的城市道路环境中，自动驾驶汽车因交通事故所带来的责任问题尚没有明确立法，自动驾驶汽车行驶规范与法律法规还基本上是空白，这是影响自动驾驶商业化最重要因素之一。
从法律层面来讲，目前可以参照的惟有美国加州去年 9 月份开始实施的自动驾驶车测试法规，其中有一条规定：如果因为自动驾驶车的操作等原因，而使其被牵扯到发生在公共道路的交通事故当中，造成了任何的财产损失或者人身伤害、乃至致死，应该在十天之内将事故报告（包括每次碰撞发生前 30 秒所有传感器采集到的数据）给 DMV（Department of Motor Vehicles，机动车管理部门）。这样做的目的在于精准地还原事故场景，了解决策因何发生。知道自动驾驶系统背后的逻辑、教会机器如何作出合理的判断是关键。
其实，自动驾驶汽车完全可以在不违规的情况下，机智地做出很多安全的决策，而做到这点，就离不开与人工智能技术的深入结合。这里我们可以举一下 AlphaGo 例子，TA 突破了传统程序，搭建了两套模仿人类思维的深度卷积神经网络：value networks 承担棋局态势评估， police networks 选择如何落子。向人类棋手学习， 从海量样本的胜局和败局中学，并自动提取规则，进行推理。
而自动驾驶让车辆做出合理判断的关键也同样在 AI 技术，智能系统是否可以利用人工智能技术让驾驶认知的形式化、并通过数据积累不断学习驾驶技能，最终替代驾驶员的感知、认知和行为。同时，像李德毅院士经常讲的一样：真正能够教机器人开车的应该是有丰富驾驶经验的驾驶员，而不是程序员。这样，智能驾驶系统的判断才能通过熟练经验和技巧的积累变得比大多数驾驶者更优秀。
最后，自动驾驶真正广泛应用还要依托于智慧交通，需要对现有交通基础设施进行重新规划与建设，目前只有美国、日本等少数国家开展了有关规划。
以辅助驾驶切入，以「智能安全」为核心
自动驾驶技术本身，就是为了让我们变得更安全。90%的交通事故，都是人为造成的，我们需要思考的是如何通过智能驾驶解决掉这 90%的交通事故。纵观全球自动驾驶发展现状，可以看出以事故预防为目的的「智能安全技术」是未来汽车安全技术的趋势，也是自动驾驶商用的重要阶段。以辅助驾驶切入，以「智能安全」为核心去落地智能驾驶，并逐渐建立人们对自动驾驶技术的信任。
据预测，2013 至 2017 年智能化辅助驾驶市场规模将以每年 33%的速度增长。目前，车道偏离报警、驾驶员疲劳检测、夜视系统、倒车辅助、紧急避撞和自动泊车等已开始广泛使用且得到了认可，正在向更加自动、安全的智能化方向发展。未来，大数据技术将使得汽车与环境之间的实时信息交互成为可能，车载系统实时识别行驶环境并迅速处理，为自动驾驶开辟更广阔的市场空间。
同时，以「智能安全」为核心，我们就会发现，要解决的问题就不仅是实现自动驾驶这项了。比如，特斯拉汽车应用程序曾多次被曝出存在设计缺陷，攻击者利用这个漏洞可远程控制车辆，实现开锁、鸣笛、闪灯等操作，并且能够在车辆行驶中开启天窗。
其实我们仔细想想什么是安全，安全到底包含哪些方面？在中文里面安全涵盖两个意义：一个是 safety，一个是 security。万物互联时代下，我认为应该从三方面理解全新得到汽车安全：一个是被动安全，一个是主动安全，最后则是 security 层面的网络安全。
汽车已有了百年机械工艺的积淀，我们需要在被动安全层面上积极和主机厂合作，将传统继承下来，但更重要的是面向未来的主动安全和网络安全方面。
自动驾驶是终极目标吗？
最后，我们要讨论一个本质问题：自动驾驶是智能汽车发展的终极目标吗？
我想，无论是互联网企业还是传统车企，不以「人」出发的闭门造车，就都会面临价值错位，而终将被历史淘汰。智能汽车诞生的最终目的毋庸置疑是为用户带来「 更大的出行乐趣」，而不是单纯的炫技。
85 后年轻人群，他们是互联网原住民，让他们没有汽车是可以的，但是没有网络的确不行，同时，相比于 70 后对汽车动力性能的青睐，年轻一代更追求驾驶感受上的：时尚、有趣、酷。面对这样的需求，我们就可以更清晰的为目前的智能汽车找到好的落脚点：100 年来汽车一直充当着单一的 「交通工具」 职能，处于硬件封闭更新状态，因此换代更新及人性化速度极为缓慢。智能汽车作为汽车开放系统的 「智能移动终端」，将有能力使汽车成为像智能手机一样的开放平台。海量的软件及个性服务系统，使用户不再受限于汽车的古老概念束缚，享受汽车向外开放的第一波福利所带来的 出行乐趣 。
欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）&极市 （微信号：geeket）。
