對不起，自動駕駛做不到零事故_風聞

文/李根 [email protected]

量子位 出品 | 公眾號 QbitAI

自動駕駛＝無事故？

蔚來首例NIO Pilot致死車禍後，關於自動駕駛安全相關的話題討論，愈演愈烈，一場信任危機正在殃及所有玩家。

甚至還形成了兩極代表觀點：

一極認為，“自動駕駛事故”面前，應該對所有的自動駕駛展開重估，因為技術能力有如此明顯缺陷，人命關天。應該叫停研發，禁止推廣，從根本上杜絕類似事故。

另一極強調，輔助駕駛的鍋，不能讓自動駕駛背，“真正的自動駕駛”就會有絕對的安全，自動駕駛＝無事故。

一方限制，另一方辯護。

但對不起，都存在認知偏差，都可能阻礙一項利國利民造福人類的新技術健康發展。

既不能因噎廢食，也不宜把自動駕駛與零事故劃上等號。

不過確實是時候，正本清源，釐清技術野蠻生長期裏遺留的種種歷史問題了。

自動駕駛歷史遺留問題？

最首要的就是自動駕駛技術等級劃分，以及翻譯用語加劇的“誤解”。

就在蔚來事故熱議中，理想汽車創始人李想、投資入局造車的360董事長周鴻禕，以及威馬汽車創始人沈暉，也都是圍繞自動駕駛技術等級相關的問題展開的討論。

有人説他們是作為友商在“落井下石”，但如果深入瞭解了他們口誅筆伐的“專業黑話”和統一用語倡議，就會真切感知——他們這是唇亡齒寒危機感下的自發自救。

因為自動駕駛技術等級相關的歷史遺留問題一日不明，行業野蠻生長、劣幣驅逐良幣的現狀就會始終得不到改變。

所謂的自動駕駛技術等級，核心就是這張圖：

其中的level（水平\等級），就是L幾的“行業技術黑話”。

L2，就是level 2，也就是第二等級水平。

L3，就是level 3，也就是第三等級水平。

這套“等級”標準，跟一家名叫Society of Automotive Engineers的組織有關，簡稱SAE，中文叫美國工程師學會。

在2014年全球自動駕駛研發，開始第一次欣欣向榮之際，SAE牽頭制定了一套自動駕駛技術等級標準。

目標是希望通過劃定不同的等級，可以指引行業針對性發展。

整個等級標準的制定，參考了很多影響因素。

但最核心的可以歸納為一個：

AI系統在汽車駕駛中的參與程度。

整個標準，被分為了6個級別。

0、1、2、3、4、5。

L0，AI參與程度最低，基本就是應急情況下輔助一下。

L5，AI參與程度最高，高到整個駕駛行為完全不需要人類的地步，也被叫做完全無人駕駛。

比如現在常聽到的RoboTaxi無人駕駛出租車，或者是不再搭載剎車油門腳踏板和方向盤的智能車，就是朝着L5方向上的努力。

在這6個等級中，有一個關鍵分水嶺——L4。

L4以下，人類駕駛員都是駕駛行為的最終責任人。

L4及以上，AI系統就是最終責任人。

L4是權責界限的分水嶺。

換而言之，L4以下，無論是L2還是L3，都是人機共駕模式，AI系統提供的都是輔助能力。

區別在於，L2是你操作什麼，AI就執行什麼，比如車道居中保持、自適應巡航控制，以及你命令變道然後AI來伺機變道……都是L2。L2情況下，AI完全不“思考”，也不主動做決策。

而L3，最大的不同就是AI開始能幫司機做決策了。最簡單的例子就是，什麼時候變道，人類司機不用再給指令。

在駕駛過程中，AI會根據你的行程和路況來進行決策，甚至能在高速和環路等非開放路況的場景下，幫助完成絕大部分的駕駛行為。

只是這個階段，人類依然是駕駛行為的核心決策者，所以特殊情況、緊急決策，依然需要人類駕駛員來執行。

所以現階段，各家產品有叫法上的不同。

NOA、NOP、NGP……但基本都是指在高速、環路等路況相對可控的場景的AI駕駛輔助。

援引SAE制定的術語和翻譯用語，他們確實可以被叫作“L2自動駕駛”、“L3自動駕駛”，甚至還有“L2.5自動駕駛”……

但歸根結底，又都是輔助駕駛，都是AI提供輔助能力，最終駕駛的決定權，依然在於車主。

這也意味着，如果發生事故，提供這種“AI輔助”能力的提供方，有“最終駕駛決定權歸車主”的空子可用。

問題是，自動駕駛本身已是新事物，技術等級標準更是“行業黑話”，普通車主和用户，都缺乏完備認知……加之利益相關的技術提供方，還可能在售前只談“自動駕駛”，利用認知偏差造成誤導。

這是為什麼會出現“買前自動駕駛，出事輔助駕駛”，以及“車主未能正確使用”之類的神調侃、神回覆。

所以現在出了事故，這套SAE技術等級標準和翻譯問題，確實難辭其咎。

這也是為什麼到了行業需要統一用語的時候——用户的信任和監管信心，經不起類似事故挑戰了。

但客觀來説，鍋也不全在SAE。

因為就在2014年制定等級標準時，他們看到了RoboTaxi的終極目標，卻難以預料，圍繞自動駕駛技術發展，會走出不同主張的兩條路線。

自動駕駛的兩大路線？

特斯拉路線和Waymo路線。

最初SAE制定標準時，這兩大路線，只是推進自動駕駛的不同主張。

還沒到開花結果，產生實際影響的階段。

而這兩大路線，本質就是以L4作為分水嶺來實踐的。

剛才也説了，L4是一個——人類是否在駕駛行為中起決定性作用——的分界線。

其中，以特斯拉為代表，希望從L4以下迭代到L4以上，後來被稱為量產自動駕駛。

以谷歌集團中的Waymo為代表，則認定只有直接從L4開始，才是符合“安全初心”的做法，後來進一步作為區分被稱為完全無人駕駛。

兩大主張和路線之間，也時常你攻我伐，口水仗一直未間斷。

而且這兩大路線的開創者和最早實踐者，其實都是谷歌。

但後來，谷歌認定不能走後來被稱為“特斯拉路線”的方案。

因為特斯拉路線，認為自動駕駛可以在人機共駕的狀態下、在駕駛數據迭代下，不斷向上升級，最終從L2一直升級到L5。

特斯拉所謂的“影子模式”，就是在這種人機共駕的狀態下，讓AI學習人類的駕駛行為。

比如處於AI駕駛狀態時，忽然遭遇了困難，由人類接管完成了挑戰，就會被系統標記，其後由AI模型訓練和學習類似的問題，然後得到模型提升。

實際上，特斯拉路線也不斷展現其可能性和可行性。

從這幾年來看，特斯拉的自動駕駛能力，進步確實有目共睹。

而且特斯拉路線的優勢，集中體現在成本和規模化數據迭代上。

車賣到的地方，就是它開啓自動駕駛“路測”的地方。核心要求是能賣更多車，並且“自動駕駛”方案的軟硬件成本，在用户可承受範圍內。

另外，特斯拉路線也存在明顯的悖論。

一方面，量產自動駕駛可以替代人類車主在一些場景下駕駛，但另一方面又要求司機在緊急情況下接管汽車。

這就要求一個長時間放鬆的人，必須還要時刻專注在車程中。

換一個更多人有過的經驗，上課允許走神，但只要老師點名提問，就能馬上給出答案。

很多車主的血淚經歷説明，處於放鬆狀態的司機，會看視頻、會睡着，而且過度信任特斯拉視覺感知系統的能力。

於是當“老師點名提問”來臨，他們往往措手不及。

然而，開車上路，事關生命安全，代價有時是極其慘重的。

之前馬斯克説，車主用了自動駕駛就回不去了。

被吐槽説，有些車主確實“回不去了”。

而且這個悖論下，特斯拉不是個例。

只要是人機共駕狀態下，你不能要求所有司機，一邊狀態放鬆，另一邊還能隨時接管。

人，一直是駕駛行為中最不確定的因素。

也正是出於人性和“悖論”的洞察，谷歌（Waymo）主動改弦更張，決定挑戰更難的完全無人駕駛路線。

作為全球這一波自動駕駛商用浪潮的開創者，谷歌最初也是希望打造一套人機共駕的系統，逐步實現RoboTaxi的L5終極目標。

但後來研發和測試階段，就發現駕駛決策中只要有最大不可控因素——人類——存在，就沒有真正的安全保障可言。

當時隨着研發的系統越來越完善，測試車上路後被接管的次數越來越少，導致有些工程師乾脆跑到後座去……

於是谷歌開始重新思考自動駕駛的推進路線。

因為從初心來講，谷歌決定重金砸向自動駕駛，就是為了用穩定嫺熟的AI駕駛，提高人類整體駕駛水平，有效減少大量的交通事故。

安全既是出發點，也是最終歸宿。

但如果無法100%控制全局，比如即便相對成熟的AI駕駛系統給了一個不太負責任的人類司機，最後由於司機過度信任，在遭遇極端場景時無法有效接管，就會造成安全事故。

當然，也有一種説法，“事故”也是AI系統debug的過程。

但用這樣的方式來推進自動駕駛，一將功成萬骨枯，是不是太過冷酷無情？

所以谷歌之所以是谷歌，並非沒有原因，他們決定選擇更難的一條路：

直接L4。

直接把代表不確定因素的人類，從駕駛位上趕下來。最終產品形態，就是RoboTaxi。

於是這條直接L4的路線，也就被叫做Waymo路線。

這是一條先路測，在一個足夠安全有保障的成熟系統之後，再開啓量產和商用的路線。

這條路線優點顯而易見，安全至上，成本優先級不算高，可以用最冗餘的傳感器方案來保障安全——畢竟車不面向C端銷售。

但缺點也很明顯，推進起來沒那麼快，商業化和規模化的速度，也嚴格受限。

在Waymo路線上，所有的研發、落地成本，都需要自己承擔，規模化盈利，更是遙遙無期。

所以這2年來，特斯拉和Waymo在資本市場遭遇了兩極待遇。

特斯拉市值股價節節高升，Waymo的估值被一而再下調。

而也是這種此消彼長之間，還長出第三種路線：

Cruise路線。

直白講就是**“融合路線”**，把Waymo的“L4級自動駕駛技術”，兼顧成本之後，落在量產車上使用。

總之，一方面是看到了特斯拉路線的“數據迭代”之力，另一方面又希望通過Waymo路線來增強安全保障。

但即便如此，只要沒有擺脱“人機共駕”模式，人性悖論和權責歸屬的問題，就始終沒有消除。

安全隱患，也就無法根治。

所以問題也就來了，既然現階段的自動駕駛無法根治安全問題，為什麼還要發展？

還是燒那麼多錢、給那麼多有利政策來支持發展？

自動駕駛≠無事故，但只有自動駕駛才能根本上減少事故

是的，確實有理想化觀點這樣認為：

發展自動駕駛，讓天下沒有交通事故。

也對，但也不對。

對，是因為如果果真達到了理想化情況，路上皆自動駕駛車輛，或許就不會有“加塞”、“不文明駕駛”、“違規違掌”的行為了，車車都文明，車車都上路穩妥又認慫，交通秩序跟自動化流水線一樣井然有序。

但之所以也不對，是因為這種理想化觀點，不符合數學和技術規律。

於本質來看，自動駕駛，機器開車，是一個計算機問題，更是一個數學問題，在這道題中，始終存在一些細微的變量，讓事故概率不可能完全為0。

更何況，自動駕駛面對的複雜長尾場景和狀況，事故概率，也不可能為0。

所以自動駕駛=無事故，並不成立，也沒有誰能打包票。

然而即便如此，自動駕駛依然有着更高的安全性，也是目前消解人類交通事故最接近本質的方法。

人類駕駛為主的交通安全，有着怎樣的現狀？

援引去年12月“第九個全球交通安全日”的數據，在機動車保有量超過3.6億、機動車駕駛人達到4.5億的中國，每年就有數萬人喪生於交通事故。

更直觀的換算，平均每8分鐘就有1人因車禍死亡。

全球範圍內，按照WHO在2018年披露的數據，全球每年因道路交通死亡人數高達135萬人，意味着每25秒就有一人在交通中喪生。

其中，發生交通事故的主要原因，是最大的不確定性因素——人類司機。

無論中外，按照數據統計，肇事突出的10大交通違法行為分別為：未按規定讓行、超速行駛、無證駕駛、醉酒駕駛、未與前車保持安全距離、逆行、違反交通信號、酒後駕駛、違法超車、違法會車。

同時，還有酒駕醉駕、“三超一疲勞”、闖紅燈等交通違法違規行為。

但如果替換成AI司機，這些隱患行為和因素，就會從根本上被杜絕。

AI司機不僅不會有人類司機的疲勞駕駛、醉駕酒駕、情緒化，以及各種危險駕駛和不文明駕駛行為。

而且還擁有人類無法“規模化複製”的優勢，一個AI老司機養成，即意味着成千上百“AI老司機”ready——相對應的是，人類從新手上路到老司機養成，繞不開線性時間和路上的磨礪。

所以大道直白，雖然自動駕駛無法保證天下再無事故，但有自動駕駛，替代了交通中最大的不確定因素，一定能讓交通更安全。

此外，還有一組數據也可對比。

量產自動駕駛路線中，事故曝光率最高的特斯拉，凡有事故幾乎無處隱藏。

所以也有好事者，統計了特斯拉及AutoPilot造成的事故和傷亡情況。

統計顯示，從特斯拉2013年第一起曝光的事故至今，全球因特斯拉事故造成的死亡人數達201人，其中9人與AutoPilot相關。

Waymo路線上，全球唯一一起無人車致死車禍，由Uber測試時造成。

而對比起來，全球每年有135萬人在道路交通中喪生。

雖然這幾年中，自動駕駛依然是一個新業態，方興未艾，還遠未達到數量上的普及，但上述兩組數據和頻率，依然能見微知著。

所以即便自動駕駛≠無事故，但只有自動駕駛才能根本上減少事故。

更何況，現如今正在有越來越多冗餘來加強安全。

比如車端的傳感器冗餘、安全冗餘，運營過程中的冗餘，以及中國正在高速推進的路端基建——車路協同帶來的更高維度的冗餘。

在這些多重冗餘保障之下，如果真正來到“全部自動駕駛”狀態，事故中的不確定性，還將進一步趨近於0。

有設想是，這些基礎設施完善後，可以保障所有上路的車輛都由自動駕駛，不再有人機共駕，也不再有人類駕駛的車輛和自動駕駛車輛混行。

人類司機，這個道路交通上最大的不確定性因素，也就沒有了。

甚至跟汽車替代馬車一樣，人類駕駛行為就跟騎馬行為一樣，變成了一種娛樂活動，甚至如果不是特許的道路，人類駕駛行為還會違規違法。

自動駕駛將完全接管城市出行網絡。

這個網絡中，電動車（新能源）、共享出行、車聯網，以及智能化都實現了串聯。

車隨用隨叫，可以不再需要停車，沒電了自動規劃去充電。

真正實現了高效、綠色、安全和低碳環保可持續，車真正變成了“使用載體”，而不是“擁有主體”，私家車從此退出歷史舞台。

這個網絡之下，自動駕駛車輛可以一體化運營、調度，就像現在的通信運營模式一樣。

所以這也是為什麼，業內還有另一個隱而未宣的觀點，認為自動駕駛背後，也有5G一樣的“標準”之爭。

因為自動駕駛不是單一的一項技術，是一個從無到有、從個例到規模化落地的系統生態。

而且這不是一個地區、一個國家才需要的系統，是全球各地都需要的系統。

對於這個系統，誰最先擁有完備的方案和技術能力，就能成為標準的制定者，就能主導整個落地生態的發展。

也正是如此，在美國“奇貨可居”的先進技術限制出口中，自動駕駛地位很高。

但自動駕駛的技術發展和迭代，離不開大規模的數據和豐富的場景。

這也是中國在自動駕駛落地上，越來越展現出優勢的關鍵原因。

原本就跟全球處於同一起跑線，現在還有豐富和最具挑戰的路況數據、場景。

所以這也是為何自動駕駛的發展，更加不能因噎廢食。

因噎廢食不僅無法根本上解決問題，而且還誤國誤民，流弊千秋。

根本上，自動駕駛不僅是一項先進技術，還事關智慧交通、智慧城市等面向未來的全球標準和話語權，甚至是經濟發展和GDP的新動力引擎之一。

不過，現階段自動駕駛發展，也不是沒有安全路徑上的可完善之處。

更安全發展自動駕駛，還能做什麼？

既然問題已經出現，就是時候在熱議中推動形成共識。

實際上，在監管和政策層面，中國可能已經是全球最謹慎的國家。

特別是在之前自動駕駛和RoboTaxi測試的資質和牌照發放中，從程序到過程，比美國加州DMV，嚴格太多。

根據中國目前官方唯一的自動駕駛路測報告：《北京市自動駕駛車輛道路測試報告》披露，考核標準相當嚴苛。

無論從公開道路的長度、還是標準制定程度上來看，都堪稱細緻。

還專門設置了64827公里的無人化測試驗證，確認了測試技術的可行性、及測試方法和參數的可靠性。

而更早之前，有安全員的自動駕駛路測，也從牌照發放和運營等多重維度作出明確要求。

也是這種監管之下，國內路測里程最多的百度Apollo，完成多個城市RoboTaxi落地運營，有1400萬公里的實路路測後，能夠做到零事故。

國外，Waymo再次開行業風氣之先，在去年發佈了**“事故報告”**。

披露了從2019年初到2020年9月，RoboTaxi落地期間的事故情況。

顯示在Waymo的610萬英里（982萬公里）路程中，包含沒有安全員的完全無人駕駛的測試里程也有65000英里（10萬公里），總共出現過18次事故，另外還有29次被安全員干涉得以避免的潛在事故。

但這些事故有兩大共同特點：

第一，沒有一起嚴重到危及生命。

第二，無一起主動事故，都是其他人類駕駛車輛造成的被動事故。

所以對於RoboTaxi方向上的自動駕駛，從監管到測試，一直有數據支撐的安全可信印象。

但量產自動駕駛——或者更準確來説，需要人機共駕的輔助駕駛，之前有灰色地帶可走，處於野蠻生長。

一度只有道德標準，沒有嚴格的監管法規。

但這種日子也正在成為過去時。

國內，8月12日，工信部印發了《關於加強智能網聯汽車生產企業及產品准入管理的意見》，對智能車在數據和安全方面，作出了明確規定。

其中最引人注目的，就是針對涉及自動駕駛功能的產品管理，按照使用前後做了不同層級的要求明確，強化車企在安全方面的責任。

並且明確規定，自動駕駛相關的功能OTA要先過審批。

國外，特斯拉AutoPilot相關的事故，也開始被美國管理機構立案調查。

所以即便是擦邊球路徑上的“量產自動駕駛”，野蠻生長期也到頭了。

只不過蔚來事故之前，“完全無人駕駛”和“量產自動駕駛”兩大路線之間，有爭論有口水仗，雙方以為可以各自為戰。

然而誰能想到，在事故後的不信任危機裏，輿論不分“路線”，所有人都被同一條船視之。

一榮俱榮，一損俱損。沒有誰能獨善其身。

不管是L幾的技術，不管是量產自動駕駛路線，還是完全自動駕駛路線。

不管是車廠、供應商，還是系統技術玩家。

所以一切是時候了。

是時候以這次事故為鑑，直面一直存在的認知和信任危機。

而且只有所有玩家團結一致，達成公約，才能讓發展更安全、可持續。

至少是時候改變，且有三件事可以從我做起：

第一，規範使用行業用語，統一表達，明確權責歸屬。

但凡人機共駕，需要司機、車主緊急接管的，一律都叫輔助駕駛。

否則出現事故，無論是不是“車主未能及時接管”，都應由能力提供方承擔責任。

無需司機、車主緊急接管，或者責任明確就是技術服務提供方，才能以自動駕駛作為宣傳。

第二，輔助駕駛的上車，還要有多重安全冗餘配合。

不僅需要在使用前，明確向車主表明輔助駕駛系統的利弊，加強功能使用端的准入考核和監管。

還需要防止不靠譜車主，輕而易舉就可以繞過“輔助駕駛”開啓的必要規則，以及雙手離開方向盤、注意力不集中等危險駕駛行為。

此外，DMS等駕駛行為監測，應該成為輔助駕駛的標配，不僅是保護車主安全，也是保障其他路上交通參與者的安全。

私自加裝“作弊器”等行為，應該要與危險駕駛行為一樣被對待。還有必要主動呼籲打擊銷售“作弊器”的行為，呼籲立法監管，由各大零售平台打擊，不能讓如此等同謀財害命的行為，大行其道。

第三，定期主動披露安全機制和數據。

安全機制可以增進行業信任，“安全\事故報告”能夠讓一切更公開透明，唯有擺脱**“談事故色變”、“諱莫如深”**的心態，行業才能真正健康良性發展。

這也是不斷科普，幫助公眾更加準確瞭解自動駕駛能力、狀態和階段的必要手段。

總之，事故當前，信任危機當前，警鐘為所有自動駕駛玩家而鳴。

如果此時此地，還不能用更具公約的方式，發展和推動自動駕駛安全和信任，等到更大危機到來，沒有人能置身事外。

如果依然要在“輔助駕駛”、“自動駕駛”等行業話語上爭論不休，如果讓每一次“自動駕駛事故”成為輿論焦點，如果行業玩家都不得不“誇張宣傳”才能不顯得落後……

雪崩到來，沒有一片雪花無辜。

一切是時候了。

（注：作者為量子位主編，專欄僅代表個人觀點）

參考：

特斯拉事故統計：https://www.tesladeaths.com/

Waymo自動駕駛報告：平均21萬公里一次事故，嚴重事故都是人類司機的鍋https://storage.googleapis.com/sdc-prod/v1/safety-report/Waymo-Public-Road-Safety-Performance-Data.pdf

WHO道路交通死亡人數報告https://news.un.org/zh/story/2018/12/1024371