中美各踩一腳政策油門，自動駕駛落地會加速嗎？

4月28日，北京市智能網聯汽車政策先行區正式對外發布《無人化載人示範應用通知書》，首次允許自動駕駛車輛“方向盤後無人”。

這讓中國自動駕駛朝着“無人化”邁出一大步。

大洋彼岸的步子邁得更大。

當地時間3月10日，美國監管機構發佈了關於自動駕駛（ADS）汽車的最終規定，美國量產無人駕駛汽車從此可以沒有方向盤、剎車踏板等控制部件。

在當下這個時間點，中美兩國幾乎同時在自動駕駛政策上踩下一腳油門，並非出於偶然，而是技術和產業的發展到達了一個臨界點。

自動駕駛加速，為什麼是現在？

汽車工業用了100多年時間，逐步形成了一個基於燃油技術的成熟產業，不論從技術、產業鏈，還是從商業模式角度看，都已經非常成熟了。

然而，“百年未有之大變局”的時代引發共振，汽車產業開始了以電動化、智能化、網聯化、共享化、低碳化為特徵的產業轉型，在這一過程中，汽車的技術要素也在變化，從過去的發動機、離合器、變速箱等這樣的工程機械要素為主，逐步擴大，囊括了電化學（電池）、半導體芯片、人工智能算法、互聯網軟件等眾多全新技術要素，汽車產業也隨之轉型成為一個全新的交叉型產業。

中國工程院院士、清華大學智能科學講席教授、智能產業研究院院長張亞勤指出，讓汽車實現自動駕駛的夢想，只有在人工智能發展到一定階段才能實現。

從人工智能技術自身的發展趨勢來看，它和汽車自動駕駛可謂“天作之合”。只有在目前物理世界的數字化的大背景下，我們才可能擁有足夠量級的、可供支撐汽車自動駕駛的大數據。城市在數字化、交通也在數字化，大量路側感知設備，給深度學習提供了豐富的大數據支持。大數據、算法突破、算力大幅提升，這三者完美結合，才使汽車自動駕駛成為可能，從而徹底重塑汽車產業的格局與面貌。

人還是機器？辯證看待安全

生產力的發展與生產關係相互作用，技術的進步從來不只是技術問題，更是複雜的社會問題，公共安全與社會接受度是必需考慮的重要維度。

就在北京市《無人化載人示範應用通知書》發佈後不久，一張百度創始人、董事長兼CEO 李彥宏的朋友圈截圖在網上流傳。

“無人駕駛肯定會出事，甚至會出死亡事故，只是這個概率比有人駕駛低多了。”李彥宏此番表述，或意在影響大眾對安全的認知，呼籲重視自動駕駛政策滯後問題。

“要低至少一個數量級”，張亞勤院士跟評，無人駕駛比有人駕駛更安全，這既是統計事實，也是業內共識，但與對公眾認識來説，可能還是反直覺的。

去年12月，中汽中心、同濟大學、百度三方曾聯合《自動駕駛汽車交通安全白皮書》，通過國內最大的道路交通數據庫CIDAS，篩選出2011年至2021年因乘用車導致的6967場事故，發現約81.5%的乘用車事故是人為因素導致，其中，約79.9%是主觀錯誤，約20.1%是由於駕駛人能力受限。

具體而言，駕駛人主觀錯誤可分為未按規定讓行、車速過快、違規使用車道、酒駕、違反交通信號以及疲勞駕駛。其中，未按規定讓行佔比高達43.4%。

駕駛人能力受限可細分為未留意其他交通參與者的行為、沒有保持安全距離、駕駛熟練度低、其它錯誤駕駛行為。

由此可以發現，絕大部分事故原因與人的違規緊密相關。

機器不受疲勞和情緒影響的，其相對完善的決策規劃能確保車輛按照交規行駛，這意味着能夠大幅減少人類駕駛的主觀錯誤，避免80%的事故致因。

另一個重要層面是感知，人類在駕駛中，主要是用雙眼來接受信息的。

理論上，多傳感器的融合可以獲取到比人眼更多、更高維度的數據，可以感知到肉眼不可見的物體。

激光雷達可以直接採集距離信息，實現三維環境匹配及盲點探測；攝像頭可以實現物體的快速辨認和車道識別，所採集的信息包含色彩和更多細節；雷達可以進行速度和距離的測量，發出碰撞預警並進行緊急制動。所有傳感器聯合起來構成對車輛所處環境全方位的立體掃描。

這是現階段自動駕駛中機器可以超越人的環節。

“基於行業的普遍共識，對自動駕駛的安全性要求至少要高於人類駕駛一個數量級，達到99.99999%的水平”，張亞勤曾在採訪中表示。

實踐中的長尾問題，要到實踐中去解決

但另一方面，自動駕駛最大的挑戰來自於人工智能泛化能力不足。

雖然在日常訓練中能夠解決絕大多數頭部場景中的潛在風險，但各種小概率的突發場景種類繁多。

曾有特斯拉電動汽車曾把前面側翻的大貨車的白色車頂誤認為白雲，毫不猶豫地撞了上去；還有特斯拉把前車排氣管掛的紅繩認作路障，這是自動駛汽車所要解決的無窮無盡認知問題的一個縮影。

技術上，自動駕駛領域通過提升算法和車路協同兩條路徑來解決問題。

利用算法來提升泛化能力，需要算法本身具有更好的透明性、可解釋性，同時利用大量數據，不斷迭代算法。

車路協同意味着在單車之外，從路側開啓一個“全景視角”。像“鬼探頭”這樣無論對於單車智能還是對於人類駕駛員都很難處理好的問題，通過路側設備提供更多維度的信息和數據能得到解決。同時，車路協同也能夠為自動駕駛進行技術上的冗餘備份。

“遇到陌生的交通環境時，自動駕駛系統往往無法提供精準可靠的感知能力。相比之下，人類駕駛員不僅可以解決過往遇到的困難，還能夠應對新的突發問題”，張亞勤指出，“不過，人類的駕駛能力不具備複製性，不同司機的駕駛水平可能相差較大，而可靠的自動駕駛系統則可以任意複製，這是人工智能的優勢所在。”

經過100多年發展，人類駕駛的安全性提升空間已經很小了，而自動駕駛或許剛剛起步。

這需要人類更自信，到實踐中去解決問題。

今年“兩會”期間，全國政協委員、交通運輸部科學研究院副院長兼總工程師王先進提出了關於“推動智能網聯汽車商業化應用合規”的提案，他認為，我國關於自動駕駛、智能網聯汽車應用相關法律法規的制定相對滯後，一定程度上制約了智能網聯汽車的商業化應用。

（這次）北京發測試牌照，是需要的、可行的，應該把握“節奏”二字，王先進指出，在車路協同及數字化、自動化、智能化技術的安全性可靠性取得實質性進展的前提下，在合適的應用場景逐步開放。

清華大學計算機系教授及博士生導師、人工智能專家鄧志東認為，頒發主駕無人的RoboTaxi（無人駕駛出租車）上路牌照，這是北京市在自動駕駛安全監管政策上邁出的重要一步。

鄧志東認為，在自動駕駛的下半場，商業化運營十分關鍵。期待我們的政策規劃與部署，不僅要能夠跟得上美歐自動駕駛快速發展的步伐，而且還要能更加有利於儘早實現全無人車上路和自動駕駛產業的商業化落地，小步快跑，以點帶面實現政策支持層面上的突破，同時又能夠使相應的安全風險可控、可預期。

不發展是最大的不安全

在自動駕駛產業政策開放層面，美、德、日等傳統汽車大國步子更大一些。

美國政府從1998年就頒佈《面向21世紀的運輸平衡法案》到今年3月發佈《無人駕駛汽車乘客保護規定》，已經形成了較為成熟的自動駕駛汽車政策和法律體系。

德國2021年5月通過了《自動駕駛法》草案，已經成為全球首個允許無人駕駛車輛參與日常交通並應用在全國範圍的國家。

日本也走在世界前沿，2019年8月，日本政府正式通過了《道路運輸車輛法》修正案，為日本自動駕駛的實際應用提供了安全標準及責任歸屬，其相關立法非常細緻。

張亞勤指出，在政策法規層面，客觀地説，在全球範圍內，其實都面臨着一個同樣的挑戰——政策與監管滯後於前沿技術的發展。無論是測試、試運營、保險設計、事故責任認定甚至是用户的隱私保護等，政策法規的調整都是相對滯後的。

“但是，我傾向認為，自動駕駛事關生命安全，政策層面的謹慎應該遠勝於激進”，張亞勤表示，而在這一方面，中國的政策環境是比較好的，中國用户對於包括自動駕駛在內的新技術應用普遍具有更開放心態，願意擁抱新技術，願意嘗試。

中國優勢：車路協同路線與豐富場景

當前，在自動駕駛方面，美國擁有強大先發優勢，中國基於5G、算力等新型基礎設施，以及豐富應用場景，正在奮起追趕，兩國走在全球第一梯隊，但路徑、產業組織、開發模式並不相同。

美國在自動駕駛領域的研發是企業主導的，例如谷歌旗下的Waymo，通用汽車旗下的Cruise，特斯拉，以及大量的初創企業；其次，美國基本聚焦於單車智能；第三，美國自動駕駛在垂直領域的應用比較多。

張亞勤認為，差異的部分原因是美國各級政府對道路、交通等城市基礎設施建設的影響力比較弱。中國能夠進行車路協同是他們所羨慕的。

中國在自動駕駛領域既有類似百度、滴滴這樣的頭部科技互聯網企業，也有大量的初創企業活躍。但值得指出的是，中國較早確定了車路協同作為智能網聯的路徑方向。

從系統的角度看，自動駕駛不單純是汽車產業的問題，更需要與城市、交通、能源有效聯動。這是中國的優勢，這不僅對未來的自動駕駛有利，同時也可賦能存量的在用車輛，讓整體交通更高效。

另一方面，豐富的應用場景為中國相關產業落地提供了廣闊的市場空間。

頭豹研究院汽車行業分析師張詩悦指出，中國自動駕駛當前正處於量產落地期，在乘用車和商用車兩個領域落地，乘用車主要關注自動泊車和Robotaxi兩賽道，商用車主要應用的場景包括港口、礦區、幹線物流、末端物流、市政環衞和園區。

除了普通大眾能夠親身感知的Robotaxi之外，商用車領域正在吸引大量行業關注，其場景大多為礦區、環衞、物流等勞動密集型行業。

在勞動人口減少的背景下，僅以“快遞小哥”主要覆蓋的末端物流場景為例，2021年快遞業務量超過1000億件，末端配送工作強度大，人員招聘困難，企業提升工資水平，致使快遞員的平均工資遠高於城鎮私營單位的平均工資，出現“年輕人不願進工廠”等社會現象。

自動駕駛可以解決物流行業勞動力供給不足的問題，在疫情等特殊場景下還有獨特的社會價值。幹線物流、港口碼頭、城市環衞等領域的情況基本相似。

頭豹研究院預計，到2026年自動駕駛軟硬件市場規模將達到2萬億元，年複合增長率超過16%，運營服務市場的規模將達到5.8萬億元，年複合增長率為6.6%。自動駕駛商用車合計市場規模近8萬億元。

張亞勤指出，無論是美國的谷歌（Waymo）、中國的百度，這些頭部的企業之所以領先，就是因為他們進行了大量測試，成為進步的基礎，而儘早擴大規模進行商業化推廣運營，則意味着商業模式的成熟，也才能夠支撐技術不斷地進步。

我們應該看到，越是在生態整體遷移、重構的過程中，越是有大量的機會。由於汽車工業率先產生在歐美，這些國家、地區具有極大的先發優勢，中國此前一直處在跟隨者的地位，而在技術要素構成發生重大變化之後，中國的汽車工業和其他先發國家站到了同一個起跑線上，甚至在某些方面，中國更具優勢。

人工智能不僅僅是自動駕駛，更是第四次工業革命的引擎，在前三次工業革命中，中國都是旁觀者或者是跟隨者，但這一次，我們有可能成為領導者，應當把握住這種戰略機遇。