对不起，自动驾驶做不到零事故

编者按：本文来自微信公众号量子位（ID：QbitAI），作者：量子位，创业邦经授权转载，图源：摄图网。

自动驾驶＝无事故？

蔚来首例NIO Pilot致死车祸后，关于自动驾驶安全相关的话题讨论，愈演愈烈，一场信任危机正在殃及所有玩家。

甚至还形成了两极代表观点：

一极认为，“自动驾驶事故”面前，应该对所有的自动驾驶展开重估，因为技术能力有如此明显缺陷，人命关天。应该叫停研发，禁止推广，从根本上杜绝类似事故。

另一极强调，辅助驾驶的锅，不能让自动驾驶背，“真正的自动驾驶”就会有绝对的安全，自动驾驶＝无事故。

一方限制，另一方辩护。

但对不起，都存在认知偏差，都可能阻碍一项利国利民造福人类的新技术健康发展。

既不能因噎废食，也不宜把自动驾驶与零事故划上等号。

不过确实是时候，正本清源，厘清技术野蛮生长期里遗留的种种历史问题了。

自动驾驶历史遗留问题？

最首要的就是自动驾驶技术等级划分，以及翻译用语加剧的“误解”。

就在蔚来事故热议中，理想汽车创始人李想、投资入局造车的360董事长周鸿祎，以及威马汽车创始人沈晖，也都是围绕自动驾驶技术等级相关的问题展开的讨论。

有人说他们是作为友商在“落井下石”，但如果深入了解了他们口诛笔伐的“专业黑话”和统一用语倡议，就会真切感知——他们这是唇亡齿寒危机感下的自发自救。

因为自动驾驶技术等级相关的历史遗留问题一日不明，行业野蛮生长、劣币驱逐良币的现状就会始终得不到改变。

所谓的自动驾驶技术等级，其中的level（水平等级），就是L几的“行业技术黑话”。

L2，就是level 2，也就是第二等级水平。

L3，就是level 3，也就是第三等级水平。

这套“等级”标准，跟一家名叫Society of Automotive Engineers的组织有关，简称SAE，中文叫美国工程师学会。

在2014年全球自动驾驶研发，开始第一次欣欣向荣之际，SAE牵头制定了一套自动驾驶技术等级标准。

目标是希望通过划定不同的等级，可以指引行业针对性发展。

整个等级标准的制定，参考了很多影响因素。

但最核心的可以归纳为一个：

AI系统在汽车驾驶中的参与程度。

整个标准，被分为了6个级别。

0、1、2、3、4、5。

L0，AI参与程度最低，基本就是应急情况下辅助一下。

L5，AI参与程度最高，高到整个驾驶行为完全不需要人类的地步，也被叫做完全无人驾驶。

比如现在常听到的RoboTaxi无人驾驶出租车，或者是不再搭载刹车油门脚踏板和方向盘的智能车，就是朝着L5方向上的努力。

在这6个等级中，有一个关键分水岭——L4。

L4以下，人类驾驶员都是驾驶行为的最终责任人。

L4及以上，AI系统就是最终责任人。

L4是权责界限的分水岭。

换而言之，L4以下，无论是L2还是L3，都是人机共驾模式，AI系统提供的都是辅助能力。

区别在于，L2是你操作什么，AI就执行什么，比如车道居中保持、自适应巡航控制，以及你命令变道然后AI来伺机变道……都是L2。L2情况下，AI完全不“思考”，也不主动做决策。

而L3，最大的不同就是AI开始能帮司机做决策了。最简单的例子就是，什么时候变道，人类司机不用再给指令。

在驾驶过程中，AI会根据你的行程和路况来进行决策，甚至能在高速和环路等非开放路况的场景下，帮助完成绝大部分的驾驶行为。

只是这个阶段，人类依然是驾驶行为的核心决策者，所以特殊情况、紧急决策，依然需要人类驾驶员来执行。

所以现阶段，各家产品有叫法上的不同。

NOA、NOP、NGP……但基本都是指在高速、环路等路况相对可控的场景的AI驾驶辅助。

援引SAE制定的术语和翻译用语，他们确实可以被叫作“L2自动驾驶”、“L3自动驾驶”，甚至还有“L2.5自动驾驶”……

但归根结底，又都是辅助驾驶，都是AI提供辅助能力，最终驾驶的决定权，依然在于车主。

这也意味着，如果发生事故，提供这种“AI辅助”能力的提供方，有“最终驾驶决定权归车主”的空子可用。

问题是，自动驾驶本身已是新事物，技术等级标准更是“行业黑话”，普通车主和用户，都缺乏完备认知……加之利益相关的技术提供方，还可能在售前只谈“自动驾驶”，利用认知偏差造成误导。

这是为什么会出现“买前自动驾驶，出事辅助驾驶”，以及“车主未能正确使用”之类的神调侃、神回复。

所以现在出了事故，这套SAE技术等级标准和翻译问题，确实难辞其咎。

这也是为什么到了行业需要统一用语的时候——用户的信任和监管信心，经不起类似事故挑战了。

但客观来说，锅也不全在SAE。

因为就在2014年制定等级标准时，他们看到了RoboTaxi的终极目标，却难以预料，围绕自动驾驶技术发展，会走出不同主张的两条路线。

自动驾驶的两大路线？

特斯拉路线和Waymo路线。

最初SAE制定标准时，这两大路线，只是推进自动驾驶的不同主张。

还没到开花结果，产生实际影响的阶段。

而这两大路线，本质就是以L4作为分水岭来实践的。

刚才也说了，L4是一个——人类是否在驾驶行为中起决定性作用——的分界线。

其中，以特斯拉为代表，希望从L4以下迭代到L4以上，后来被称为量产自动驾驶。

以谷歌集团中的Waymo为代表，则认定只有直接从L4开始，才是符合“安全初心”的做法，后来进一步作为区分被称为完全无人驾驶。

两大主张和路线之间，也时常你攻我伐，口水仗一直未间断。

而且这两大路线的开创者和最早实践者，其实都是谷歌。

但后来，谷歌认定不能走后来被称为“特斯拉路线”的方案。

因为特斯拉路线，认为自动驾驶可以在人机共驾的状态下、在驾驶数据迭代下，不断向上升级，最终从L2一直升级到L5。

特斯拉所谓的“影子模式”，就是在这种人机共驾的状态下，让AI学习人类的驾驶行为。

比如处于AI驾驶状态时，忽然遭遇了困难，由人类接管完成了挑战，就会被系统标记，其后由AI模型训练和学习类似的问题，然后得到模型提升。

实际上，特斯拉路线也不断展现其可能性和可行性。

从这几年来看，特斯拉的自动驾驶能力，进步确实有目共睹。

而且特斯拉路线的优势，集中体现在成本和规模化数据迭代上。

车卖到的地方，就是它开启自动驾驶“路测”的地方。核心要求是能卖更多车，并且“自动驾驶”方案的软硬件成本，在用户可承受范围内。

另外，特斯拉路线也存在明显的悖论。

一方面，量产自动驾驶可以替代人类车主在一些场景下驾驶，但另一方面又要求司机在紧急情况下接管汽车。

这就要求一个长时间放松的人，必须还要时刻专注在车程中。

换一个更多人有过的经验，上课允许走神，但只要老师点名提问，就能马上给出答案。

很多车主的血泪经历说明，处于放松状态的司机，会看视频、会睡着，而且过度信任特斯拉视觉感知系统的能力。

于是当“老师点名提问”来临，他们往往措手不及。

然而，开车上路，事关生命安全，代价有时是极其惨重的。

之前马斯克说，车主用了自动驾驶就回不去了。

被吐槽说，有些车主确实“回不去了”。

而且这个悖论下，特斯拉不是个例。

只要是人机共驾状态下，你不能要求所有司机，一边状态放松，另一边还能随时接管。

人，一直是驾驶行为中最不确定的因素。

也正是出于人性和“悖论”的洞察，谷歌（Waymo）主动改弦更张，决定挑战更难的完全无人驾驶路线。

作为全球这一波自动驾驶商用浪潮的开创者，谷歌最初也是希望打造一套人机共驾的系统，逐步实现RoboTaxi的L5终极目标。

但后来研发和测试阶段，就发现驾驶决策中只要有最大不可控因素——人类——存在，就没有真正的安全保障可言。

当时随着研发的系统越来越完善，测试车上路后被接管的次数越来越少，导致有些工程师干脆跑到后座去……

于是谷歌开始重新思考自动驾驶的推进路线。

因为从初心来讲，谷歌决定重金砸向自动驾驶，就是为了用稳定娴熟的AI驾驶，提高人类整体驾驶水平，有效减少大量的交通事故。

安全既是出发点，也是最终归宿。

但如果无法100%控制全局，比如即便相对成熟的AI驾驶系统给了一个不太负责任的人类司机，最后由于司机过度信任，在遭遇极端场景时无法有效接管，就会造成安全事故。

当然，也有一种说法，“事故”也是AI系统debug的过程。

但用这样的方式来推进自动驾驶，一将功成万骨枯，是不是太过冷酷无情？

所以谷歌之所以是谷歌，并非没有原因，他们决定选择更难的一条路：

直接L4。

直接把代表不确定因素的人类，从驾驶位上赶下来。最终产品形态，就是RoboTaxi。

于是这条直接L4的路线，也就被叫做Waymo路线。

这是一条先路测，在一个足够安全有保障的成熟系统之后，再开启量产和商用的路线。

这条路线优点显而易见，安全至上，成本优先级不算高，可以用最冗余的传感器方案来保障安全——毕竟车不面向C端销售。

但缺点也很明显，推进起来没那么快，商业化和规模化的速度，也严格受限。

在Waymo路线上，所有的研发、落地成本，都需要自己承担，规模化盈利，更是遥遥无期。

所以这2年来，特斯拉和Waymo在资本市场遭遇了两极待遇。

特斯拉市值股价节节高升，Waymo的估值被一而再下调。

而也是这种此消彼长之间，还长出第三种路线：

Cruise路线。

直白讲就是“融合路线”，把Waymo的“L4级自动驾驶技术”，兼顾成本之后，落在量产车上使用。

总之，一方面是看到了特斯拉路线的“数据迭代”之力，另一方面又希望通过Waymo路线来增强安全保障。

但即便如此，只要没有摆脱“人机共驾”模式，人性悖论和权责归属的问题，就始终没有消除。

安全隐患，也就无法根治。

所以问题也就来了，既然现阶段的自动驾驶无法根治安全问题，为什么还要发展？

还是烧那么多钱、给那么多有利政策来支持发展？

自动驾驶≠无事故，但只有自动驾驶才能根本上减少事故

是的，确实有理想化观点这样认为：

发展自动驾驶，让天下没有交通事故。

也对，但也不对。

对，是因为如果果真达到了理想化情况，路上皆自动驾驶车辆，或许就不会有“加塞”、“不文明驾驶”、“违规违掌”的行为了，车车都文明，车车都上路稳妥又认怂，交通秩序跟自动化流水线一样井然有序。

但之所以也不对，是因为这种理想化观点，不符合数学和技术规律。

于本质来看，自动驾驶，机器开车，是一个计算机问题，更是一个数学问题，在这道题中，始终存在一些细微的变量，让事故概率不可能完全为0。

更何况，自动驾驶面对的复杂长尾场景和状况，事故概率，也不可能为0。

所以自动驾驶=无事故，并不成立，也没有谁能打包票。

然而即便如此，自动驾驶依然有着更高的安全性，也是目前消解人类交通事故最接近本质的方法。

人类驾驶为主的交通安全，有着怎样的现状？

援引去年12月“第九个全球交通安全日”的数据，在机动车保有量超过3.6亿、机动车驾驶人达到4.5亿的中国，每年就有数万人丧生于交通事故。

更直观的换算，平均每8分钟就有1人因车祸死亡。

全球范围内，按照WHO在2018年披露的数据，全球每年因道路交通死亡人数高达135万人，意味着每25秒就有一人在交通中丧生。

其中，发生交通事故的主要原因，是最大的不确定性因素——人类司机。

无论中外，按照数据统计，肇事突出的10大交通违法行为分别为：未按规定让行、超速行驶、无证驾驶、醉酒驾驶、未与前车保持安全距离、逆行、违反交通信号、酒后驾驶、违法超车、违法会车。

同时，还有酒驾醉驾、“三超一疲劳”、闯红灯等交通违法违规行为。

但如果替换成AI司机，这些隐患行为和因素，就会从根本上被杜绝。

AI司机不仅不会有人类司机的疲劳驾驶、醉驾酒驾、情绪化，以及各种危险驾驶和不文明驾驶行为。

而且还拥有人类无法“规模化复制”的优势，一个AI老司机养成，即意味着成千上百“AI老司机”ready——相对应的是，人类从新手上路到老司机养成，绕不开线性时间和路上的磨砺。

所以大道直白，虽然自动驾驶无法保证天下再无事故，但有自动驾驶，替代了交通中最大的不确定因素，一定能让交通更安全。

此外，还有一组数据也可对比。

量产自动驾驶路线中，事故曝光率最高的特斯拉，凡有事故几乎无处隐藏。

所以也有好事者，统计了特斯拉及AutoPilot造成的事故和伤亡情况。

统计显示，从特斯拉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数达201人，其中9人与AutoPilot相关。

Waymo路线上，全球唯一一起无人车致死车祸，由Uber测试时造成。

而对比起来，全球每年有135万人在道路交通中丧生。

虽然这几年中，自动驾驶依然是一个新业态，方兴未艾，还远未达到数量上的普及，但上述两组数据和频率，依然能见微知著。

所以即便自动驾驶≠无事故，但只有自动驾驶才能根本上减少事故。

更何况，现如今正在有越来越多冗余来加强安全。

比如车端的传感器冗余、安全冗余，运营过程中的冗余，以及中国正在高速推进的路端基建——车路协同带来的更高维度的冗余。

在这些多重冗余保障之下，如果真正来到“全部自动驾驶”状态，事故中的不确定性，还将进一步趋近于0。

有设想是，这些基础设施完善后，可以保障所有上路的车辆都由自动驾驶，不再有人机共驾，也不再有人类驾驶的车辆和自动驾驶车辆混行。

人类司机，这个道路交通上最大的不确定性因素，也就没有了。

甚至跟汽车替代马车一样，人类驾驶行为就跟骑马行为一样，变成了一种娱乐活动，甚至如果不是特许的道路，人类驾驶行为还会违规违法。

自动驾驶将完全接管城市出行网络。

这个网络中，电动车（新能源）、共享出行、车联网，以及智能化都实现了串联。

车随用随叫，可以不再需要停车，没电了自动规划去充电。

真正实现了高效、绿色、安全和低碳环保可持续，车真正变成了“使用载体”，而不是“拥有主体”，私家车从此退出历史舞台。

这个网络之下，自动驾驶车辆可以一体化运营、调度，就像现在的通信运营模式一样。

所以这也是为什么，业内还有另一个隐而未宣的观点，认为自动驾驶背后，也有5G一样的“标准”之争。

因为自动驾驶不是单一的一项技术，是一个从无到有、从个例到规模化落地的系统生态。

而且这不是一个地区、一个国家才需要的系统，是全球各地都需要的系统。

对于这个系统，谁最先拥有完备的方案和技术能力，就能成为标准的制定者，就能主导整个落地生态的发展。

也正是如此，在美国“奇货可居”的先进技术限制出口中，自动驾驶地位很高。

但自动驾驶的技术发展和迭代，离不开大规模的数据和丰富的场景。

这也是中国在自动驾驶落地上，越来越展现出优势的关键原因。

原本就跟全球处于同一起跑线，现在还有丰富和最具挑战的路况数据、场景。

所以这也是为何自动驾驶的发展，更加不能因噎废食。

因噎废食不仅无法根本上解决问题，而且还误国误民，流弊千秋。

根本上，自动驾驶不仅是一项先进技术，还事关智慧交通、智慧城市等面向未来的全球标准和话语权，甚至是经济发展和GDP的新动力引擎之一。

不过，现阶段自动驾驶发展，也不是没有安全路径上的可完善之处。

更安全发展自动驾驶，还能做什么？

既然问题已经出现，就是时候在热议中推动形成共识。

实际上，在监管和政策层面，中国可能已经是全球最谨慎的国家。

特别是在之前自动驾驶和RoboTaxi测试的资质和牌照发放中，从程序到过程，比美国加州DMV，严格太多。

根据中国目前官方唯一的自动驾驶路测报告：《北京市自动驾驶车辆道路测试报告》披露，考核标准相当严苛。

无论从公开道路的长度、还是标准制定程度上来看，都堪称细致。

还专门设置了64827公里的无人化测试验证，确认了测试技术的可行性、及测试方法和参数的可靠性。

而更早之前，有安全员的自动驾驶路测，也从牌照发放和运营等多重维度作出明确要求。

也是这种监管之下，国内路测里程最多的百度Apollo，完成多个城市RoboTaxi落地运营，有1400万公里的实路路测后，能够做到零事故。

国外，Waymo再次开行业风气之先，在去年发布了“事故报告”。

披露了从2019年初到2020年9月，RoboTaxi落地期间的事故情况。

显示在Waymo的610万英里（982万公里）路程中，包含没有安全员的完全无人驾驶的测试里程也有65000英里（10万公里），总共出现过18次事故，另外还有29次被安全员干涉得以避免的潜在事故。

但这些事故有两大共同特点：

第一，没有一起严重到危及生命。

第二，无一起主动事故，都是其他人类驾驶车辆造成的被动事故。

所以对于RoboTaxi方向上的自动驾驶，从监管到测试，一直有数据支撑的安全可信印象。

但量产自动驾驶——或者更准确来说，需要人机共驾的辅助驾驶，之前有灰色地带可走，处于野蛮生长。

一度只有道德标准，没有严格的监管法规。

但这种日子也正在成为过去时。

国内，8月12日，工信部印发了《关于加强智能网联汽车生产企业及产品准入管理的意见》，对智能车在数据和安全方面，作出了明确规定。

其中最引人注目的，就是针对涉及自动驾驶功能的产品管理，按照使用前后做了不同层级的要求明确，强化车企在安全方面的责任。

并且明确规定，自动驾驶相关的功能OTA要先过审批。

国外，特斯拉AutoPilot相关的事故，也开始被美国管理机构立案调查。

所以即便是擦边球路径上的“量产自动驾驶”，野蛮生长期也到头了。

只不过蔚来事故之前，“完全无人驾驶”和“量产自动驾驶”两大路线之间，有争论有口水仗，双方以为可以各自为战。

然而谁能想到，在事故后的不信任危机里，舆论不分“路线”，所有人都被同一条船视之。

一荣俱荣，一损俱损。没有谁能独善其身。

不管是L几的技术，不管是量产自动驾驶路线，还是完全自动驾驶路线。

不管是车厂、供应商，还是系统技术玩家。

所以一切是时候了。

是时候以这次事故为鉴，直面一直存在的认知和信任危机。

而且只有所有玩家团结一致，达成公约，才能让发展更安全、可持续。

至少是时候改变，且有三件事可以从我做起：

第一，规范使用行业用语，统一表达，明确权责归属。

但凡人机共驾，需要司机、车主紧急接管的，一律都叫辅助驾驶。

否则出现事故，无论是不是“车主未能及时接管”，都应由能力提供方承担责任。

无需司机、车主紧急接管，或者责任明确就是技术服务提供方，才能以自动驾驶作为宣传。

第二，辅助驾驶的上车，还要有多重安全冗余配合。

不仅需要在使用前，明确向车主表明辅助驾驶系统的利弊，加强功能使用端的准入考核和监管。

还需要防止不靠谱车主，轻而易举就可以绕过“辅助驾驶”开启的必要规则，以及双手离开方向盘、注意力不集中等危险驾驶行为。

此外，DMS等驾驶行为监测，应该成为辅助驾驶的标配，不仅是保护车主安全，也是保障其他路上交通参与者的安全。

私自加装“作弊器”等行为，应该要与危险驾驶行为一样被对待。还有必要主动呼吁打击销售“作弊器”的行为，呼吁立法监管，由各大零售平台打击，不能让如此等同谋财害命的行为，大行其道。

第三，定期主动披露安全机制和数据。

安全机制可以增进行业信任，“安全事故报告”能够让一切更公开透明，唯有摆脱“谈事故色变”、“讳莫如深”的心态，行业才能真正健康良性发展。

这也是不断科普，帮助公众更加准确了解自动驾驶能力、状态和阶段的必要手段。

总之，事故当前，信任危机当前，警钟为所有自动驾驶玩家而鸣。

如果此时此地，还不能用更具公约的方式，发展和推动自动驾驶安全和信任，等到更大危机到来，没有人能置身事外。

如果依然要在“辅助驾驶”、“自动驾驶”等行业话语上争论不休，如果让每一次“自动驾驶事故”成为舆论焦点，如果行业玩家都不得不“夸张宣传”才能不显得落后……

雪崩到来，没有一片雪花无辜。

一切是时候了。