英国《卫报》在2015年预测：到2020年，你将成为一个“永久后座司机”。BusinessInsider 2016年一篇头条新闻标题为《2020年，1000辆无人驾驶汽车将会上路》。通用汽车、谷歌的Waymo、丰田和本田曾宣布，2020年将生产出无人驾驶汽车。马斯克也曾放言说，特斯拉将在2018年达成这一目标，如果2018年不能成功，2020年也终会实现。

　　而如今，2020年到了，无人驾驶汽车却没能如约出现。

　　事实上，尽管在科技和汽车制造领域，许多顶尖品牌都做出了非凡的努力，但无人驾驶汽车仍然遥不可及。现在，你可以买到一辆会在发生碰撞时及时为你刹车的汽车，也可以买到一辆帮助你在高速路上自动巡航、平稳运行的汽车，但唯独买不到一辆真正的无人驾驶汽车。

　　这是为什么?或许我们可以从以下九个问题中获得答案。

　　1。为什么无人驾驶汽车上路花的时间比预期更长?

　　无人驾驶汽车依靠人工智能工作。21世纪的前10来年，AI取得的进展堪称“伟大”，我们看到语音生成、计算机视觉和物体识别以及游戏等方面有了巨大的进步：比如过去，AI很难在一张图片中识别出某种动物，但现在这对AI来说简直不值一提。

　　但在无人驾驶汽车领域，AI的局限性依然非常明显。即使投入了大量的时间、金钱和精力，也没有团队真正找到让AI在实际问题中发挥至关重要作用——以高度可靠性和精准度导航前进——的解决方案。训练无人驾驶汽车需要大量培训数据。最理想的办法是向其展示数十亿小时的真实驾驶画面，并以此来教导计算机良好的驾驶行为。

　　但最主要的问题是数据不够，且要获得某些数据时需要付出“昂贵的代价”，比如：目睹前方发生车祸，或在道路上遇到碎屑……只有发生了这些情况，AI才能获得相关数据，得出解决方案。

　　因为数据不足，对无人驾驶计算机的训练就可能会有许多欠缺。汽车制造商试图以多种方式解决这个问题：他们让汽车行驶了更多里程，对汽车进行更多模拟训练，甚至设计特定情况，以便获得更多培训数据。

　　这些行动似乎取得了一定的效果，比如Waymo的汽车确实可以在无人驾驶的情况下在亚利桑那州的街道上漫游，但事实上，这一切进展并不那么顺利(下文会有进一步详述)。

　　2。 无人驾驶汽车投入市场后，世界会变成什么样?

　　尽管遇到挫折，很多企业仍在持续投资无人驾驶，因为无人驾驶汽车一旦成功生产出来，世界将发生翻天覆地的变化，企业也将大赚一笔。

　　而且消费者也会想要一些改变。比如，可以在上班途中进行阅读或者休息;无人驾驶汽车也将给残疾人提供很多便利，毕竟他们中的很多人无法取得驾照，独自一人去商超、医院、公司都太困难了。

　　不过，一些研究人员认为，除非我们对街道进行重大改造，以便更容易地向无人驾驶汽车传达信息，否则无人驾驶汽车不会广泛地存在。而进行大规模的街道改造代价很昂贵，不只需要金钱、人力，还需要一个国家在全国范围的协调。

　　3。 无人驾驶汽车领域的“领头羊”们正在做什么?

　　评价无人驾驶汽车研究的先进性，有两个核心统计数据可以参考。

　　一是它行驶了多少英里，这意味着一家公司拥有多少培训数据，以及为此投入了多少资金。

　　另一个是“自驾脱离”数据，自驾脱离指的是在行驶过程中，因计算机无法处理特殊情况，汽车不得不临时被人类司机接管的情况。

　　在这两个方面，Waymo都无疑是“领头羊”。Waymo前不久宣布，该公司无人驾驶汽车总共行驶了2000万英里：2018年，Waymo 在加利福尼亚州行驶了 120 万英里，每 1000 英里有0.09 英里“自驾脱离”。排在第二位的是通用汽车的Cruise：行驶了约100万英里，每1000英里的“自驾脱离”数据为0.19。

　　4。 无人驾驶真的比人类驾驶更安全吗?

　　2018年3月18日，无人驾驶汽车首次发生严重事故：在美国亚利桑那州坦佩市，Uber一辆配有安全驾驶员的无人驾驶汽车撞死了一位49岁的女子，当时她正骑着自行车穿过街道。

　　这一事件让人思考，无人驾驶真的比人类驾驶更安全吗?

　　Waymo行驶了2000万英里尚未发生致命事故，但考虑到其汽车行驶的里程数远远无法与人类相比，因此要证明它们比人类驾驶员更安全还为时过早。

　　Uber无人驾驶汽车在不多的行驶里程数里发生了一起致命事故。虽然该公司没有公布相关数据，但根据去年的首次公开募股(IPO)文件，它行驶了“数百万英里”，这个数字与人类行驶里程数相差甚远。此外，对首例无人驾驶汽车致死案件的调查表明，Uber无人驾驶犯了很多可预防的错误。

　　美国国家运输安全委员会(NTSB)于2019年12月发布的事故报告显示，事故发生时，“近程摄像头”和“超声波传感器”并未被使用。

　　NTSB报告还显示，系统存在错误警报的问题。比如，在安全的情况下检测到危险，并根据其检测到的危险重新编程——无人驾驶系统在一秒钟内抑制刹车，同时计算出替代路径。因此，即使重新编程后的汽车突然反应过来接下来的动作将会有危险，它也不会立即刹车，而是根据替代路径继续行驶。本该避免的碰撞，计算机却“精准地”让汽车继续行驶了整整一秒钟，从而酿成大祸。

　　Uber无人驾驶汽车的系统设计是，假定行人只会在人行道上过马路，所以当行人没有使用人行道时，它就无法识别其身份。更糟糕的是，当系统无法识别前方运行物体是人还是自行车时，它就无法保留任何有关物体移动的信息。

　　所以，在Uber的致死案件中，系统在撞击前六秒钟感觉到了行人的存在，但在以致命的速度与行人相撞之前，它什么也没做。

　　5。 无人驾驶汽车对环境有利吗?

　　拥护者认为，无人驾驶汽车对环境有好处。

　　他们声称，有了无人驾驶汽车后，很多人可能不会再想买车，转而使用共享汽车，从而减少不必要的出行次数。此外，也有人认为，人类司机“用力加速、紧急制动”等行为会使发动机空转，加速燃油消耗，而这些是无人驾驶汽车可以避免的。

　　但随着无人驾驶汽车越来越近，这些所谓的好处开始变得不那么现实。没有太多证据表明，计算机驾驶比人类驾驶更省油。

　　一项小型研究显示，自适应巡航控制可以将燃油效率提高5%到7%，但除此之外没有什么其他意义。此外，研究人员研究了节油能力更高的汽车对行驶里程的影响，发现在大多情况下，具有更高燃油效率的无人驾驶汽车并不意味着会降低排放。

　　一项旨在“估算无人驾驶汽车对汽车使用行为的影响”的研究表明，拥有无人驾驶汽车后，人们可能会更多地使用汽车出行。研究者为一个家庭提供了使用一周无人驾驶汽车服务的费用。他们试图用这种方式来模拟拥有无人驾驶汽车的家庭生活。结果让人失望：出行次数变多了。

　　当然，仅仅研究一个星期的驾驶习惯不足以证明什么。目前，研究人员正在准备更多的数据进行未来研究，扩大样本与时间轴线后的结果令人期待。

　　6。 如果无人驾驶汽车不一定更安全，也不一定更环保，为什么还要研发?

　　读到这里，你可能产生了一些悲观情绪，但无人驾驶领域也不乏更人振奋的消息：无人驾驶车的研发可能会使老年人和残疾人的生活更加便利，并为人们提供更好、更安全、更经济的选择。未来的研发将使无人驾驶汽车更安全——也许其安全性会超过人类司机。

　　从某种意义上说，我们正处在一个尴尬的过渡时刻，我们渴望无人驾驶汽车的到来，但同时又知道这条路上困难重重。

　　每一项新技术在发明初期都伴随危险，但成熟之后可能会为人类带来极大便利。这样的例子其实并不罕见，比如飞机在刚发明时，如今却日益成为日常生活中不可缺少的交通工具。

　　7。 法律与政策在无人驾驶汽车的发展中扮演了什么角色?

　　目前，全世界还没有关于无人驾驶汽车的统一法律。在国外，大部分政策行动主要发生在州一级，且各州围绕无人驾驶汽车的法律差异很大。这些政策将会影响无人驾驶汽车的使用，也决定着它对环境的影响是好是坏。

　　例如，在高额汽油税下，碳排放的社会成本可能会反映在无人驾驶汽车的价格上。但是，目前的交通政策对驾车的社会成本并没有起到多大作用，而这个问题在无人驾驶汽车上路后只会变得更加严重。

　　8。 我们何时可以拥有无人驾驶汽车?

　　人类从未停止对无人驾驶汽车的研究。

　　Waymo自2017年以来一直在进行无人驾驶汽车的测试。通用Cruise此前推迟了2019年的自动出租车服务，但其认为该服务可能在2020年成为现实。今年早些时候，该公司推出了一款没有方向盘和时间表的汽车，但尚未对外销售。特斯拉的高速公路自动驾驶的性能很好，但远未达到真正的无人驾驶的水平。

　　当然也有不同意见。大众汽车公司首席执行官就表示，可能“永远不会有”无人驾驶汽车。

　　就目前的情况而言，预测无人驾驶汽车究竟何时真正面世还有一定难度。很多公司在公布研发进展的同时，也会隐瞒遭遇的不幸，因为他们知道，像Uber那样严重的交通事故不仅可怕，还会给他们未来的研发带来厄运。

　　无论如何，无人驾驶的研究还在进行，无人驾驶汽车肯定比去年更接近我们，但距真正投放市场还有相当长的路要走。也许，三四年后我们才能更清晰地知道，人类何时能真正用上无人驾驶汽车。

　　9。 无人驾驶汽车到底是如何工作的?

　　无人驾驶汽车背后的理念非常简单：在汽车上安装摄像头，摄像头可以跟踪周围的所有物体，并在汽车要转向时做出反应;另外，人类教会车载计算机道路规则，并让它们借助导航能到达目的地。

　　然而，以上简单的描述回避了背后隐藏的一大堆复杂问题。

　　驾驶是人类经常做的复杂活动之一。事实上，车载计算机可以遵循道路规则，但仍然无法像人类那样开车，比如与他人进行眼神交流以确认谁有权通行，对天气状况做出判断性反应等等。

　　甚至是一些简单的驾驶操作，比如跟踪汽车周围的物体，实际上也比听起来要棘手得多。以无人驾驶汽车的行业领导者、谷歌的姊妹公司Waymo为例。Waymo的汽车是无人驾驶汽车中的“模范生”：它们使用高分辨率的摄像头和激光雷达的方法(原理是通过使物体反射光线和声音来估计与物体之间距离)来让汽车计算机感知与其他汽车、自行车、行人和障碍物的位置以及移动位置。

　　实现这些功能需要大量的训练数据。也就是说，汽车必须利用Waymo收集的数百万英里的行驶数据，来形成对其他物体可能如何运动的预判。

　　因此，工程师必须确保其AI系统能够正确地将模拟数据(由于很难在真实道路上获得足够的训练数据，因此不得不采用模拟数据)推广到现实世界。

　　以上这些还远远不是对无人驾驶汽车上路工作时整个系统的完整描述。

　　但这说明了非常重要的一点：研发无人驾驶汽车的过程中，很多即使是“简单”的事也隐藏了令人惊讶的复杂性。