“2020年会有100万辆无人驾驶出租车上路。”2019年4月，一向“大嘴巴”的特斯拉CEO伊隆·马斯克，在推特上这样宣称。
　　有趣的是，李开复在这条推特底下评论道，如果届时路上真的有100万辆特斯拉的无人驾驶汽车，“我就把它们全吃了”。
　　如今回过头来看，围绕自动驾驶的各种美丽幻想和狂热乐观正在逐步消退。大家都知道，在汽车工业渐进式的发展进程中，自动驾驶汽车在或远或近的未来终将到来，但在目前，这辆无人驾驶车辆的四个轮子何时真正大规模落地，尚没有明晰的时间表。

狂热“前夜”

　　在不断尝试突破肉体极限的后人类时代，新兴科技在重新“书写”人类本身的同时，也给日常的交通出行场景带来前所未有的变革。
　　过去这一个多世纪，汽车工业的产品，都围绕着以发动机为驱动、以化石燃料为能源的技术核心展开设计。“圈外人”智能电动车的强势切入，在整车、零部件和储能系统等产业链环节上快速布局，成为近年带动全球汽车业巨变的弄潮儿。
　　科技的进步，不断对汽车进行越来越全面的武装。有数据表明，世界经济增长总值里差不多10%和出行、运输相关。2017年，英特尔发布报告称，到2050年，预计全球自动驾驶汽车市场的规模将达到7万亿美元。
　　承载着“技术创造美好生活”的畅想，眼前是如此丰厚的商业潜力，行业内外充满信心。2016年底，苹果和谷歌两大科技巨头相继放弃了筹备已久的造车计划，转而大力投入自动驾驶和智能互联软件业务的研发。
　　彼时的全球汽车市场，看上去像极了自动驾驶汽车量产时代来临的前夜：以特斯拉为代表的新能源车企，在整合自动驾驶技术软硬件上最为积极;传统车企如宝马、大众，利用自身在制造端的深厚优势，联合科技公司加速智能车的研发和技术储备;而英伟达、地平线等人工智能的核心玩家—芯片商们，也在自动驾驶AI芯片的“军备竞赛”中展开激烈角逐。
　　一旦自动驾驶车辆被证实可行，大批无人驾驶出租车上路成为现实，将对生产、销售汽车的固有商业模式造成颠覆性冲击。毕竟在有技术保证的前提下，绝大部分用户都不会选择被安全带系住枯坐在方向盘后。

　　更何况，相比会疲倦、有情绪波动甚至“路怒症”的人类驾驶员，人们更愿意相信，人工智能永远保持稳定，没有“酒驾”的可能性，绝对不会犯下人类重复犯过的错误。

　　热潮迅速铺开，汽车业巨头们陷入了集体焦虑。在从单纯的汽车制造商向移动出行服务商转型的路上，传统车企并没有比“造车新势力”慢多少。2016年3月，通用汽车就以10亿美元的高价，收购了一家从事自动驾驶技术开发的初创公司Cruise。
　　无数家“Cruise”在一夜之间冒了出来，“广撒币”成了常态。传统车企们捏着钱到处找人投资。甚至有消息传出，有自动驾驶相关的初创公司，仅凭其创始人的简历就能拿到一笔可观的融资。
　　愈发盲目的乐观情绪蔓延开来，直到全球第一例自动驾驶致死事故的发生，从业者们才清醒过来。
　　/ 自动驾驶系统在刹停顿挫、提前预判障碍物等操作细节上的表现实属糟糕。 /
　　2018年3月19日，网约车公司Uber的自动驾驶测试车辆在美国亚利桑那州发生车祸，撞死了一名正扶着自行车过马路的女性。事发时，肇事的测试车辆处于自动驾驶状态，车内还配有安全驾驶员。
　　在外界焦急等待两个月后，美国国家运输安全委员会公布了事故调查结果。据其透露，在碰撞发生的前6秒，Uber的这辆处于自动行驶过程中的测试车辆已经监测到了受害者，却先后将其识别为不明物体、汽车和自行车。
　　其后有报道揭露，事发时，Uber主动关闭了测试车辆上的紧急刹车功能，以降低系统操控驾驶行为的突兀性。Uber的管理者辩称，此举也是安全措施的体现：如果无人驾驶的汽车在错误的时间急刹车或急转弯，会严重影响到同路段行驶的其他车辆。
　　但这依然暴露出自动驾驶技术亟须优化的一面。发展至近年，自动驾驶技术远无法做到零失误率识别路上的障碍物体，遑论完美模拟人类平顺的驾驶行为。
　　尝试商用的无人驾驶出租车，在车内依然需要配备安全员，这必然不是人們想象当中招之即来、车况井然有序的高科技场景。在把油门和刹车交给人工智能来处理之后，研发者发现，相比这么多年来已经熟悉到几乎忽略其存在的人类司机，自动驾驶系统在刹停顿挫、提前预判障碍物等操作细节上的表现实属糟糕，导致乘客的乘坐体验难言舒适。无法营造高级的现代化出行环境，这也与发明自动驾驶的初衷背道而驰。
　　倘若实际的技术难题没有得到解决，即使试乘体验良好，带给外界的也只有更多的质疑和不信任。
　　昔日的明星初创出行企业Roadstar，曾在2018年完成A轮1.28亿美元的融资，创下中国自动驾驶公司单笔融资记录。据报道，一位参与A轮融资的资本机构负责人，在硅谷仅试乘体验40分钟后便决定投资。 　　但Roadstar的自动驾驶汽车试乘体验优秀，反而说明了其用以路测的自动驾驶系统，设置的驾驶策略相较日常行驶中的判定更为激进—上述全球首例自动驾驶致死事故，部分原因就是Uber公司为了避免行驶过程中过多不必要的刹车，而将车辆紧急刹车系统关闭。
　　人们逐渐意识到，自动驾驶技术在短期内，还无法实现商业化。资本市场趋冷，大部分瞄准无人驾驶出租车方向的初创公司融资困难，不少已经选择退场。

经典误判：是车还是云

　　自动驾驶汽车落地受阻，大规模问世的时间要继续延后，原因就在于其技术难度超出过往预期。要知道，一套可靠的自动驾驶系统，必须有智能芯片、算法以及低延时的通信作为技术支撑，简单来说，就是要做到“智能”和“网联”。
　　要想让自主控制的汽车像科幻电影里一般，安全高速地驰骋在湍急的车流中，从目前的技术出发，需要通过在车体安装雷达、摄像头等智能硬件，来对路况、障碍物和位置等信息进行感知，再通过核心算法进行图像识别与分析，选择执行方案，最后才进行减速、刹车或转向等车辆控制与操作动作。
　　得到巨头青睐的Cruise曾被业内寄予厚望，也在2019年7月宣布推迟原定于该年度登场的无人驾驶出租车商业计划。

　　路测是构建无人驾驶深度学习模型的关键。路测里程越长，测试车辆经历的驾驶场景越丰富，也就意味着可供系统学习的驾驶经验数据就越多。但Cruise的无人车在2018年进行路测时，无法准确判断路边物体状态的技术瓶颈至今难解。
　　在经过路边停放的一排摩托车或自行车时，Cruise的测试车辆会发生犹豫，不知道是否该在行进过程中停下;有时其无法识别行人;有时误认为前方有自行车而采取刹停行为。
　　Cruise研发自动驾驶系统时所遇到的技术瓶颈并非偶然。在当下，阻碍自动驾驶汽车发展的最大限制仍是感知。
　　如今车辆通用装备的感知硬件，包括激光雷达、毫米波雷达和摄像头。它们极易受到外在环境如天气和光线等因素的干扰，遑论自动驾驶系统还需要将不同的传感器采集到的信息进行综合判别。
　　2020年6月1日清晨，在中国台湾嘉义的高速公路上，一辆货车发生了侧翻。就当货车司机在路边等待救援时，后向一辆疾驰而来的特斯拉Model 3径直撞向了货车箱体，轿车的车头直至A柱部分几乎全部没入货车车厢内。

　　在此之前，开启了Autopilot驾驶辅助的特斯拉车辆，已发生过数起类似的交通事故。这类事故一个非常耐人寻味的共同点在于，被撞的静止车辆其受损面都是大面积白色的，而底部几乎都是悬空的。在特斯拉的传感器眼里，这像极了蓝天白云下前方通畅无阻的道路。
　　面对大面积白色的车身，加上白天的强光反射，摄像头很难提取到前方障碍物被模糊的有效特征点，在毫米波雷达也无法做到精细化识别的时候，系统就很容易将前方横踞在马路中央的白色货车判别为无障碍。
　　也正是如此，即使是在天气条件晴朗、可见度高的背景下，尽管摄像头能够正常工作，系统的算力充足，其本身也经过了长时间的机器学习，但出现识别故障，依然是无法排除的概率事件。这是所有采用视觉方案为主的自动驾驶系统无法避开的极端情况。尽管其可能性会在系统进行机器学习的过程中不断甚至无限降低，但只要发生一次，就很难让人们完全放心地把自己的身家性命，托付给机器本身。

穷尽极限场景

　　通俗来说，只要机器以前没有学习过，就有概率会发生事故。但在现实中，各种极限场景几乎无法被穷尽。在行业内，一般认为需要80亿英里的驾驶测试，才能保证无人驾驶系统比人更安全。如果以一列100辆的车队来计算，需要每天24小时运营100年才能达到目标，这是个在近期不可能完成的任务。
　　/ 只要机器以前没有学习过，就有概率会发生事故。 /
　　但乐观者认为，未来一定会有某个阶段，5G技术和无人驾驶的车辆交互存在，汽车企业主导的逐级递进路线也將成为推动自动驾驶技术真正落地的主要动力。其逻辑就在于，自动驾驶不能等到一切都准备完美后才投入使用，只有循序渐进才能推动技术迭代发展。
　　但需要攻克的技术难关不止一个。自动驾驶系统的感知技术，除了在辨识率上有着高要求外，还需具备处理多元信息的能力。最起码，其反应速度不得比人类驾驶员慢。
　　除此以外，更有是否该牺牲少部分人以拯救更多的人的“电车问题”等伦理情境下的待解难题，等待着汽车业界和政策制定者来回答。自动驾驶似乎距离现实生活并不遥远，但在落地前，还有厚厚的一叠考卷等待填空。这也是目前人类驾驶员依然是车辆最稳妥的决策者的原因。