自動駕駛終局，該選哪條路？

特斯拉和蔚小理雖然稱自己的系統為“輔助駕駛”，但業界都視為它們自動駕駛產品的前導版本。大膽的消費者更是不顧警告，直接當成無人駕駛系統來體驗。這是大錯特錯！

在自動駕駛的發展思路上，以特斯拉為代表的路徑叫做“漸進派”，我更傾向于稱其為“數據派”。其核心觀點是，有了大數據就有了一切。每臺特斯拉轎車都是一個數據采集者，依靠簡單視覺數據構建龐大神經網絡下的道路認知。

輔助駕駛的事故頻出，顯示出數據派的根本缺陷，無論你數據積累得再多，道路上永遠會有意料之外的情況發生。這個道理跟民航客機始終沒有放任給自動駕駛一樣，因為“天空中總有你看不見的那只鳥”。單純依賴視覺傳感的輔助駕駛系統，就像是聾子開車。誰都知道，按照駕駛執照的體檢標準，聾子是不能上路開車的。鳴笛和警報聲，都是交通信號交互不可或缺的內容。

除了視覺和聽覺，恰恰更多維度的信息獲取才是人類生存和進化的核心資源；也正是人類對復雜工具的創造和使用，才催生了現代工業文明。所以，除了車輛自身的定位精度和靈敏感知以外，及時更新的高精地圖、預見性的決策規劃、智能化的道路設施，都是一套完備的自動駕駛系統所必不可少的組成部分。

輔助駕駛不是無人駕駛，而是人機共駕。交通運輸部意見對此作出了明確的區分，無論有條件自動還是高度自動，它們都還是輔助手段，是為了給司機提供更好的駕乘體驗，不能視之為無人駕駛。

完全的自動駕駛從一開始就是無人的?；蛘哒f，真正的無人駕駛，只能是完全自動的。中國部分城市已經發布了自己區域的自動駕駛全無人商業運營政策，在安全防護、碰撞系統、控制冗余和云端安全都作了全面的要求。并且，完全自動駕駛的考試標準和考試極其嚴苛，其難度遠遠超過人類駕考。這些，都標志著它跟輔助駕駛有天壤之別。

只有基于智慧型AI的自動駕駛才能真正實現無人化。百度曾將自己的自動駕駛定義為“汽車機器人”，評論界一度認為這只是為刻意區別一些流行概念。但在我看來并不是這樣，名稱上的一點點差異恰恰體現了思路上的巨大差異。

無論是特斯拉、蔚小理還是國內眾多造車新勢力，都傾向于向消費者灌輸機器比人更可靠的觀點。這實際上只是科技發展早期的自動機概念，加上大數據加持之后的一次換臉。自動機是按預設條件進行響應的程序化運行機器，大數據和深度學習只是極大地拓展了預設的邊界范圍和響應的復雜程度，并不能從根本上改變其程序化的核心架構。而機器人的發展目標是以人的智慧為模擬目標，與程序化的自動機有著本質的區別。

同行卻殊途，特斯拉、商湯科技等企業是大數據信仰的推崇者，而谷歌和百度則是發展智慧型AI的中堅力量，無論是“AI優先”還是“All in AI”，顯然都是它們共同選擇的前瞻性道路。我們以搜索作類比，大數據AI就像雅虎的人工搜索，依靠無休無止的數據增量來堆砌經驗、支撐結果；而智慧型AI就如同搜索引擎，靠方法論來不斷逼近正確的結果。恰好，這兩家企業的共同點，都發源于搜索引擎技術。大數據最大的弱點就在于對例外情況的束手無策，而真正的機器人擁有類似于人類的基礎智慧，就是依據方法論進行分析和思考的能力。

一味依賴單一系統大數據積累的AI，如同是在均輪上不斷增加本輪的托勒密系統，而不斷發展多維方法論并更新關系架構的AI，才是生命力旺盛的哥白尼體系。AI絕不僅僅是大數據，我們熟知的AlphaGO，它的獲勝顯然不是靠堆砌棋譜大數據換來的；前段時間LaMDA的問答對話，更是讓很多人驚呼“AI覺醒”；還有度曉曉在高考作文當中出色的語言文字表現等……這些都是機器人領域大踏步的進展，同時也是無人駕駛和自動駕駛領域最值得期待的方向和最可預見的前景。

今年，中國自動駕駛領域各類政策和條例頻頻出臺。自動駕駛事故的定義和責任主體的認定一點一點逐步明確，完全自動駕駛的商業化試點已經完成了從主駕安全員到副駕安全員、再到無安全員的快速迭代。除了重慶、武漢，公眾載人服務的城市已經有12個，允許進行自動駕駛測試的城市達到了23個。

中國作為世界最大的汽車消費市場，交通技術發展水平日新月異。認清自動駕駛的發展方向，前瞻性地推動自動駕駛的環境建設和標準制定，不僅是提升產業國際競爭力和萬億級的市場需要，也是老百姓出行效率和品質的需要，更是碳達峰與經濟長遠發展的需要。