每當我們談到自動駕駛汽車，就仿佛未來已經在眼前。

《衛報》2015 年時曾預言稱，「到了 2020 年后排才是駕駛員的專座」。

2016 年，Business Insider 又用到了《2020 年 100 萬臺自動駕駛汽車上路》這樣的大標題。自動駕駛行業的頭部玩家們也信心滿滿，包括通用、Waymo、豐田在內的巨頭，都曾宣稱要在 2020 年搞定自動駕駛汽車。

跳票王 Elon Musk 更是樂觀異常，預言特斯拉 2018 年就能實現自動駕駛。

2020 年到了，他們集體被打臉。為什么自動駕駛的理想與現實出現了如此脫節？

自動駕駛的大腦是人工智能，而剛剛過去的十年是這項技術的黃金發展期，我們見證了 AI 在翻譯、語音信號生成、計算機視覺、目標識別和博弈能力上的巨大進步。曾經，AI 連圖片上的貓貓狗狗都辨認不出。

現在，這類任務卻是小菜一碟。也正是 AI 的迅速發展，讓人類有些飄飄然了，研究人員想當然的認為，我們能將 AI 技術的一些成功復制到其他領域。但切換到自動駕駛汽車上，當下 AI 技術的局限性馬上就表現出來了。即使投入了大量時間和金錢，也沒有團隊能讓 AI 得心應手的解決現實問題——即讓自動駕駛汽車獲得高度可靠性。現在來看，如果有了訓練數據就能迎刃而解，因為當下的機器學習系統需要這些「養料」。

但是，數十億小時的精華駕駛數據去哪兒找？這在時間還是金錢方面都不允許。再者，各種極端狀況都是隨機發生。

為了解決數據荒，各家公司都使上了渾身解數。他們組建車隊派測試車上路，搞模擬器訓練自動駕駛系統，還不斷通過重復某個場景進行定向提升。

工程師們幾十年前就開始設計自動駕駛原型車，其背后的理念非常簡單，即用攝像頭武裝汽車，使它能對周邊物體進行追蹤并做出相應的反應。但如此簡單的描述省略了很多復雜的東西，畢竟駕駛是最復雜的人類活動之一。

因為我們在駕駛時還會與其他交通參與者進行眼神交流，以確認到底誰該先行。同時，人類還能積極應對天氣變化，在關鍵時刻做出判斷，而這些很難編進代碼中。

就拿 Waymo 的自動駕駛汽車來說，Waymo 不但要用上攝像頭和雷達，還得靠昂貴的激光雷達來保駕護航。有了這些傳感器，車輛才能搭建出周邊實時態勢圖。

在物體探測和追蹤能力的訓練上，自動駕駛公司更是需要投入天量的數據，這也是 Waymo 孜孜不倦積累測試里程的原因。通過一系列努力，這些公司確實在不斷向成功靠攏。

比如 Waymo 在鳳凰城的自動駕駛出租車已經開始逐步取消安全駕駛員。如果一切順利， Wamyo 今年就會在其他城市開辟新戰場。但這個過程并非一蹴而就，Waymo 到了新地盤甚至可能要從零開始。

從積極的角度來看，我們其實正在向自動駕駛時代靠近，畢竟 Waymo 在亞利桑那的自動駕駛打車服務已經開始逐步取消安全駕駛員了。Cruise 的同類服務雖然 2019 年跳票了，但今年有希望真正落地。

今年 2 月初，Cruise 還發布了沒有方向盤和踏板的自動駕駛汽車 Origin，這款車可是為量產而來的。至于特斯拉，也隨時有可能通過 OTA 推送讓幾十萬輛車擁有自動駕駛能力。

當然，對自動駕駛的未來，業界也不乏質疑的聲音。最近，大眾集團 CEO Diess 就表示，全自動駕駛可能永遠也實現不了。雖然 Diess 的預測有些「刺耳」，但現實確實如此，我們誰也說不準真正的自動駕駛汽車何時才能落地。從某種意義上來說，我們現在處在一個尷尬的轉型時刻，理想與現實之間還有差距。

我們可以說自動駕駛今年就能實現，但它實現的前提條件是在限定場景。如果你想要終極版的自動駕駛，也可以說它永遠無法實現。

當然，各家公司在研發上肯定不會放松，因為他們都想通過先發優勢，在出租車、卡車、物流和配送等場景瓜分蛋糕。

返回第一電動網首頁 >