我们为什么要发展无人驾驶车辆？

美国曾于2004、2005和2007年举办了三届无人驾驶比赛，即DARPA大奖赛，不仅激发了业界与高校的极大热情，被公认为无人驾驶的里程碑事件，还使无人驾驶车辆走进大众的视野，成为公众谈论的话题。

在这些谈论中，有些问题需要认真回答：为什么要发展无人驾驶车辆？无人驾驶车辆到底有什么好处？这是实实在在的社会问题，也是商业问题，需要有清晰的答案来帮助无人驾驶车辆可持续发展，避免产生不切实际的期望。最近几年，这个问题得到了准确的回答，一些最初的误区也得以理清。

很多人认为，无人驾驶技术一旦成熟，会像现在的汽车一样进入寻常家庭。其实，如果仔细测算下无人驾驶的成本，这样的模式不会是其技术成熟后的主要商业模式。达到全自动的无人驾驶车辆，应该不会在你我的采购清单里，至少在看得见的未来是如此，业界对于这一点已形成共识。

无人驾驶车辆分为两大块，一块是传统车辆组成的包（vehicle package），另一块是自动驾驶包（autonomous package）。传统的车辆也许只要一二十万元人民币，但如果加上自动驾驶包，成本会飙升数倍，甚至达到上百万元。除此以外，自动驾驶包里的精密仪器需要经常保养和调校，对连机油都不会加、轮胎都不会换的私家车主来讲，无人驾驶汽车日常的保养和调校费用恐怕无力承担，也不划算。

因此，全自动的无人驾驶车辆应用对象并不是私家车主，而是通常说的商用营运车辆，譬如物流公司、出租车公司等。近几年，在运输领域飞速发展的“出行即服务”（MaaS）及共享汽车概念已经逐步落地。对商用营运车辆来讲，无人驾驶可以节省人工成本，足以摊销自动驾驶包带来的成本，这也是共享汽车企业，如Uber、Lyft，投入巨资研发无人驾驶车辆的原因。

对于无人驾驶车辆能带来的好处，Dr. Emilio Frazzoli以美国市场为例，给出了一系列数据来证明无人驾驶车辆将在安全、减少拥堵、改善健康、提高生产力、共享汽车五个方面带来巨大好处，其每年能产生的效益大致如下：

• 安全方面会有约8710亿美元效益；

• 减少拥堵带来约1000亿美元的效益；

• 改善健康带来约500亿美元效益；

• 提高生产力产生约12000亿美元效益；

• 汽车共享则能达到惊人的18000亿美元效益。

这些数据足以回答为什么发展无人驾驶车辆的问题。人们虽有不同看法，但大多数仍然赞同其结论，只是对其安全考量有异议。在一些研究者看来，其在减少事故方面所带来的效益及对社会的贡献足以成为投资的理由，但提高生产力和共享汽车的效益不能完全确定。

图2：Dr. Emilio Frazzoli给出了无人驾驶的好处衡量数据（来源：Self-Driving Cars and Artificial Intelligence, Dr. Emilio Frazzoli, 2016, http://peatix.com/event/188419/）

为推动无人驾驶车辆发展，美国道路交通安全管理局（NHTSA）曾在2013年给出了无人驾驶的分级方式，一共分为L0-L5六级。然而，国际汽车工程师联合会（SAE）认为这样的分级方式不够专业，在2014年推出了仍是L0-L5六级的更为专业的分级表，并于2018年更新到了第三版——SAE J3016-2018，其在2016年也得到了NHTSA的接受。目前，无人驾驶汽车企业在介绍自己的产品时，一般都会引用SAE的分级表来为产品定位。

图3：国际汽车工程师联合会的无人驾驶分级表SAE J3016-2018（来源：https://www.sae.org/ ，注：由于技术仍在发展，业界未有共识，本文不区分无人驾驶的一些名词，如无人驾驶、自动驾驶，也不区分Autonomous Cars、Driverless Cars、Self Driving Cars等名词）

不过，有个区别很重要，就是不同分级代表的驾驶人责任不同。在图3所示的分级表中，L0-L1是纯粹的人工驾驶，意味着驾驶人对驾驶负全责；L2-L3是机器辅助人工驾驶，仍是驾驶人对驾驶负全主责，但有机器辅助，机器会承担一部分责任，一般称这个级别为辅助驾驶；L4-L5是自动驾驶，驾驶人不用负责驾驶，而由车辆自行驾驶。L4和L5的区别是区域之别，L4为有限范围，譬如只在一些省市里，而L5则不限区域，全球通用。

目前市面上商用无人驾驶能达到的最高级别都没有超过L3，至多帮助驾驶人做些诸如跟车行驶、自动泊车的工作，稍有复杂的环境，辅助驾驶就难以控制车辆，必须由驾驶人来接管，毕竟，一旦出了事故，机器不会承担责任。对普通人而言，如果搞不清辅助驾驶和自动驾驶的区别，只要记住这些责任区别就可以。

之前有媒体报道，辅助驾驶和自动驾驶的区别在于外部环境的支撑，无法做到自动驾驶是因为没有智能网联或智能运输系统支撑，如果有支撑，就能做到自动驾驶。这其实是一种误区：无论用什么样的外部支撑，辅助驾驶都无法达到自动驾驶级别，L3到L4是个门槛，能否跨越这个门槛取决于车辆本身。自动驾驶的含义在于独立完成各种场景下的行驶，独立是指没有任何外部助力，这和驾驶人驾驶车辆一样，取得驾驶证的驾驶人应该能自己一个人开车，需要教练员的驾驶人是不合格的驾驶人。

这几年，全世界发展无人驾驶车辆的厂商很多，也形成了不同的发展路径。目前的发展路径大致可归为两类：

• 从L0到L1，再到L2，虽然有些车辆也会被纳入无人驾驶车辆，但实质上是辅助驾驶车辆，利用辅助驾驶设备给司机提供建议，或在简单环境下实现明确的操作；

• 直接切入L4全自动驾驶阶段，在这个阶段逐步成熟，该阶段下的全自动驾驶车辆，是指只要输入目的地就能自动将乘客送达目的地的车辆。

图4：无人驾驶两条不同的发展路径，图中黄箭头为从全人工驾驶到辅助驾驶逐步爬升的发展路径，蓝箭头是直接从自动驾驶发展，逐步稳定成熟的发展路径，白圈是参考资料作者认为目前最为领先者现在所处的阶段（来源：Deep Learning for Self-Driving Cars, 2018 version, Dr. Emilio Frazzoli, CTO, nuTonomy）

这两条发展路径和商业模式有关，也和初始投入有关。图4中蓝箭头发展路径所需投入大、时间长、成本高，且期间无收入；黄箭头发展路径是边销售边研发的模式，成本压力较前者小许多，是现在汽车厂商喜欢的模式，不过，它也可能面临难以逾越L4，只能停留在L2-L3层面的障碍。

截止目前，这两类不同的发展路径都出现了足够证明其可行性的实例。行驶里程数和同时投放车辆数是判断可行性的指标，几家领先企业都已过了公认的及格线。辅助驾驶车辆，以特斯拉为例，行驶里程数已超过10亿公里，从深度学习技术的角度看，积累数据相当丰富，同时投放车辆数早已突破1万辆的门槛，达到了50万辆；自动驾驶车辆，以谷歌相关的Waymo为例，行驶里程数已过1千万公里的门槛，也有计划要投放超过2万辆；同为L4自动驾驶级别的Uber，正在加速追赶谷歌的步伐，很快就将越过这些门槛，因此，目前看来，行业前景比较乐观，可继续向前测试或商用。

对普通人来讲，可以通过上述两个指标来了解无人驾驶车辆的实际能力；对监管部门来讲，会比普通人多些观察、了解的方式，譬如要求各企业及时上报遇到的情况或意外，以此来观察产品能力。监管部门很难做到对无人驾驶车辆的事先监管，因为路上可能出现的场景过多，难以一一检测，甚至连主要场景也很难覆盖，所以只能把监管放在事中或事后。因此，无人驾驶车辆是否合格，并不能通过组织鉴定会或在试验场进行试验的方式得出结论。监管部门至多在邀请专家评测实地测试后，发一些要求有限的测试资格，至于车辆是否合格，只能在实践中才能慢慢得到检验。如果接受测试的无人驾驶车辆在试验场都会发生意外或无法跑完全程，其面临的挑战会很大。

以上这些过程，仍有许多技术和法律上的细节需要仔细琢磨。