一直“画饼”的无人驾驶，“标题党”帽子还要带多久？

　　10月10日消息，据《财富》杂志报道，谷歌Waymo正在与一些组织合作开展一项新的自动驾驶教育活动，以帮助回答公众对自动驾驶车辆和技术的问题，提高其认可度。

　　11月16日，2017百度世界大会在北京举行，百度公司创始人李彦宏发表主题演讲。在会间，李彦宏表示目前已有1700多家合作伙伴已经加入Apollo生态，就之前百度无人驾驶被开罚单事件总结：“无人驾驶罚单已经来了，量产还会远吗?”

　　近年来无人驾驶被吵得火热，各大厂商接二连三的报道研发成果，描绘未来。但作为一般用户来说，目前尚未见到实际产品，而且也多有报道无人驾驶汽车测试时出现异常、事故。

　　皮尤研究中心( Pew Research Center )在5月份进行的一项调查显示，39%的人对无人驾驶汽车的发展非常或有些热情，53%的人非常或有点担心。总的来说当下大多数人们依然对无人驾驶心有顾忌，在很多用户眼里无人驾驶技术仍是无法实现的“标题党”，无人驾驶技术真正落地还要多久?

　　“技术+制造”模式琳琅满目，量产落地却难有定数

　　目前的自动驾驶研发企业大致分两种。一种是原本的汽车制造商，继续寻求技术合作，做业务延伸的，像通用、福特、丰田、沃尔沃等。还有一种是互联网科技公司与一些制造商合作进行研发的，像谷歌，苹果，百度等。第一种是自身有汽车研发制造的历史背书，有经营汽车制造的经验与途径，去寻找其他的AI技术伙伴。另一种是有着相对现金的AI技术，以技术为主导再联合相应的制造公司。

　　不难看出目前不管是那种主导方式，大体上都是由技术企业+制造企业合作的一种方式。因为无人驾驶等于再造了一个全新的系统。对于无人驾驶来讲，它的系统和硬件都需要进行全新的测试和研发，而非仅仅依靠当前的互联网技术即可实现。从某种意义上来讲，无人驾驶等于再造了一个全新的系统，仅仅依靠一方无法实现。

　　说起无人驾驶，很多用户都只觉得是单纯的人工智能驾驶汽车，而对具体的细分并不理解。目前的无人驾驶领域级别由国际自动机工程师学会(SAE International)制定，具体可以简单描述为：

　　L2系统是一种先进的驾驶员辅助系统，可以在特定环境下控制方向盘和刹车，但算不上无人驾驶。

　　L3系统确实可以驾驶汽车，但只能在有限的情况下发挥作用，需要有司机随时接过汽车的控制权。

　　L4系统是“高度自动化的系统”。在实践中，它可以完成人类司机能够完成的多数任务，但只在有限的地理区域有效——即地图绘制完善的区域。

　　L5系统是成熟的无人驾驶系统，可以自动开到任何地方，驾驶技术堪比经验丰富的老司机。

　　这些自动驾驶汽车的级别是由系统厂商设定的，目前还没有第三方机构对其进行评估，但已经获得全球广泛接受。

　　其实我们常理上认为的无人驾驶，是无人驾驶领域的最高级别L5，而目前的技术还远远达不到，正是这种实际的技术与大肆宣传形成的落差，才让5成多的用户对无人驾驶仍抱有怀疑的态度。

　　就目前来看，大多数的自动驾驶企业都处在L4的研发期，L3的研发像奥迪、通用、特斯拉等都有不错的成果，但并不是所有的自动驾驶企业都经历了L3的研发。因为L3确实存在争议与问题。L3级别的无人驾驶无法应对突发状况，这就导致在遇到突发状况时，用户能否第一时间取回控制权。因此福特和沃尔沃等公司表示将跳过L3，直接开发L4系统。

　　而对于L4系统，当前的技术还有很多局限性，无法实现真正的量产落地。有消息称丰田计划在2020年投放L4量产车，特斯拉和戴姆勒等将在2020年底推出L4系统，但多数消费者可能都要等到2021或2022年才能买到L4无人驾驶汽车。近日百度与金龙合作，宣布将于2018年7月小批量产合作研发的无人驾驶微循环车，并进行试运营。这将是国内首个实现量产的无人驾驶客车，比百度预计的提前了一年左右。而即使是最快的一则量产落地消息，也要明年再见分晓。

　　政策与人文的“拦路虎”：困扰无人驾驶发展的不仅仅是技术

　　很多人把无人驾驶无法短时间实现落地的原因，只归结于人工智能、大数据、云计算、汽车传感器、地图路线等技术方面的原因。技术因素固然是困扰无人驾驶发展的最大原因，但实际的运用上还有其他阻碍。

　　无人驾驶领域的先驱Bryan Salesky，最近在Medium的一篇帖子里，对于目前无人驾驶的发展提出了一些冷静的看法：

　　“在把无人驾驶汽车变成现实的过程中，我们仍处于初期。那些认为无人驾驶汽车现在或几年内就能全面普及的人，并没有充分了解技术现状，或者没有全面考虑这项技术部署时的安全性。对于那些长期从事这项技术开发的人来说，我们会告诉你这个问题仍然很困难，因为系统非常复杂。”

　　无人驾驶的实际运用相当于一个新的交通系统，它不仅局限于科学技术，还牵扯到政策与人文。

　　就像之前马车到汽车一样，汽车的出现改变了整个事件的交通规则，无人驾驶技术的实际运用，也会有相应的政策进行限制。

　　中国科技部9月8日发布消息称，德国联邦交通部的伦理委员会率先研究提交了世界上第一份自动驾驶指导原则。

　　这份报告共包括20条意见，核心要点包括“当系统引发的事故少于人类司机时，常理上需要应用自动与互联驾驶”、“财物损失优于人身损失：在危险情况下，保护人类生命始终是第一要务”、“发生不可避免的事故时，不得根据行车者的个人特征(年龄、性别、身体或精神状况)做出判定”、“所有的驾驶情况必须被记录存储，并能明确驾驶责任方是人或电脑”。

　　除此之外，各国也有相应的具体政策。比如我国的《中国智能网联汽车标准体系建设方案》，美国的《美国自动驾驶汽车政策指南》，英国的《汽车技术与航空法案》等等，都有涉及到无人驾驶的相关条例。

　　这些条例的具体事宜可能不同，但都有一个共同界定：无人驾驶出事了谁来负责?这个问题很难处理，研发公司?乘客?保险公司?很不好界定。一般给出的解决都是调查事故原因，要求必须车辆内布置“黑匣子”，记录事故情况。但不管如何具体如何处理，都阻碍了无人驾驶的落地，同时一些安全顾虑，也会给无人驾驶的技术方面提供新的难点。

　　此外还有用户方面的顾虑。据调查当前的用户仍有五成以上对无人驾驶抱有不好的期望或者怀疑，如何改观这部分人的态度，以及如何能被用户普遍的接受，都是摆在无人驾驶面前的拦路虎。

　　不止如此，无人驾驶由于是需要连接互联网的科技产品。它的系统存在被入侵的可能，如果无人驾驶在普及之后安全保护做的不足，很可能被一些不法分子攻击利用，侵害用户与社会的安全。

　　无人驾驶未来的发展不止是有阳光的一面，也有不得不面对的问题。对无人驾驶来说，未来需要攻克的难题还有很多，但当下需要解决的落地问题，也迫在眉睫。

　　2C不如2B：场景化落地是无人驾驶“先锋军”

　　对于无人驾驶来说，先落地比什么都重要。

　　首先，无人驾驶的核心技术是AI，AI的本质是一项依赖于大数据的积累分析，不断进步的技术。从AlphaGo Zero自己与自己对弈，不断积累数据，完虐前辈AlphaGo就可以了解到，AI这项技术是越用越活的。每一次的使用都是一次新数据的积累，每一次的分析运算都是为了得出更好的运算方式，所以能率先落地就意味着可以更早的进行新的数据积累，更容易取得技术进步。

　　其次，落地可以挽回一部分用户眼中“虚浮”的形象。很多用户觉得自动驾驶“标题党”就是因为如此。用户看不到实际的产品，即使再怎样推广宣传，都事倍功半。同时在实际的运行下，也能让一部分对自动驾驶不放心的用户看到真正的实际体验，通过实际表现，让这部分用户对自动驾驶产生改观。

　　最后，落地还能产生一定的盈利，反哺研发带来的经济压力。自动驾驶的研发是技术+传统制造业的融合，同时汽车本身就属于高档消费品，研发成本大，周期长。落地就意味着可以产生盈利，缓解企业的经济压力，同时还能给投资方看到信心，更好的进行下一轮的融资。对一些上市公司也能起到提升股价的作用。

　　而对于无人驾驶，想要尽早的实现产品落地，B端的场景与难度要远远低于C端。

　　当下很多企业仍局限于C端的家用无人驾驶，碍于技术等多方面局限，这样的研发需要很漫长的过程。而针对B端的话，一方面B端商家更容易接受新技术，收到阻碍小，另一方面自动驾驶B端的场景对技术需求相对较小，更容易实现。

　　无人驾驶最难以突破的技术是对突发的路况的处理。在不确定的路线行驶，以及周边交通环境的不稳定性，是非常难以攻克的痛点。而对于B端，使用场景或路线往往是很固定的，避免了突发情况，而且B端一些场景没有人员参与，少了很多人身安全的顾虑。

　　比如说已经有企业在切的自动驾驶卡车。11月17日特斯拉将于今天12点第一次揭开公司首款无人电动卡车的面纱，沃尔沃也宣布即将首发半封闭工作的自动驾驶卡车。

　　在当下电商、快递业火热的环境下，无人驾驶卡车很容易切入，市场很大。卡车的场景主要用于运输。而一般比如快递业，需要运输的路线一般是固定的，而且很多都在高速路线上。这种路线固定，切相对突发事件很小的应用场景，当下的无人驾驶技术很容易攻克。

　　此外还有旅游业，旅游中的观光车和一些景区交通设施，非常适合无人驾驶的运用。旅游场景的路线固定，且几乎不存在突发事件。旅游观光车辆一般速度慢，更安全也更容易为人接受，而且配备无人驾驶观光车也可以作为噱头刺激本景点的发展，一举两得。

　　总之，无人驾驶这项技术仍在研发期，但过多的宣传与推广导致部分用户期望值过高，进而产生对当下无法落地实用的心理落差。无人驾驶的发展要着眼于当下和未来两个部分，一方面要着眼于当下的落地，与实际场景结合，给予用户对技术的信心，挽回大众评价，摘掉“标题党”帽子;另一方面也要布局未来，不断攻克技术，比如未来与共享汽车融合，真正实现L5的“老司机”模式，改变人们的出行方式，才是对社会的一份完美答卷。