从百度无人车Apollo RT6看：真正的无人驾驶还有多远？

有一天，假如我们坐在一辆没有方向盘的无人驾驶车内，是否值得憧憬与想象呢？

这样的车会给我们多少安全感呢？

有多少人愿意把自己的生命交托给所谓的无人驾驶呢？

前几天演员兼赛车手林志颖如果搭乘的是无人驾驶车是否会避开此次车祸呢？

……

图片来源：百度Apollo

7月21日，在2022百度世界大会上，百度发布了无方向盘无人车Apollo RT6，成本25万元，量产成本大幅降低至业界的1/10。对此，百度创始人李彦宏表示，2023年百度将在萝卜快跑平台使用RT6，未来可以在全国部署上万辆。他还判断，由于少了驾驶人员这个成本因素，未来打无人车，要比现在打车便宜一半。

实际上，在2022百度世界大会前一天，北京市正式开放国内首个无人化出行服务商业化试点，百度和小马智行成为首批获许企业，将在经开区核心区60平方公里范围内投入30辆主驾无人车辆，开展常态化收费服务。

同时，值得关注的是，6月23日，深圳市第七届人民代表大会常务委员会第十次会议通过了《深圳经济特区智能网联汽车管理条例》，且将于2022年8月1日起施行。该《管理条例》的出台意义重大，其是我国首部规范智能网联汽车管理的法规，明确了很多法律责任划分，特别是交通违法、事故、赔偿方面的责任，为自动驾驶上路提供了法律保障。

2020年1月，谷歌兄弟公司Waymo宣称其公路上的自动驾驶行驶里程数已达到2000万英里，而仿真道路的自动驾驶行驶里程数则超过数百亿英里。今年4月，特斯拉则宣称其车辆的Autopilot半自动驾驶模式行驶里程数已达到30亿英里。

数据显示，百度已经在北上广深等城市开放自动驾驶出行服务，其中北京、武汉、重庆、阳泉实现了商业化出行服务。目前，百度自动驾驶测试总里程数超3200万公里，已获得中国自动驾驶测试牌照672张，其中载人测试牌照498张，商业试点牌照144张，萝卜快跑订单量超100万。

由此可见，无人驾驶从技术开发、测试验证，到商业运营、法律权责归属上，均已实现突破。这是否意味着无人驾驶时代已经到来？关于这一点，李彦宏认为，无人驾驶是人类创造价值最大的创新。当然，这只是互联网大佬的“一家之言”，有看好无人驾驶的，也有否定目前无人驾驶技术可靠性、成熟度的。不过，百度此次发布无方向盘无人车Apollo RT6，确实把无人驾驶的应用往前推了一大步。那么，真正的无人驾驶还有多远？

现阶段无人驾驶是否真的安全？

相信，我们每一个人对无人驾驶最关心的焦点应该是其安全性。

2016年，特斯拉汽车出现了第一起因为使用它的辅助驾驶功能而导致的撞车死亡事件。

2021年8月，31岁的企业家林文钦驾驶蔚来ES8在高速路上行驶,在NOP领航状态下发生交通事故并身亡。

……

再到此次林志颖驾驶特斯拉车祸事件，其智能辅助发挥了什么作用？

以上案例或许会成为我们对无人驾驶的负面认知，也在很大程度上会质疑起现阶段无人驾驶的安全性。

今年4月，一张百度创始人、董事长兼CEO李彦宏的朋友圈截图在网上流传。与反复强调自动驾驶比有人驾驶更安全的马斯克观点类似，李彦宏说“无人驾驶肯定会出事，甚至会出死亡事故，只是这个概率比有人驾驶低多了。”对于李彦宏的说法，中国工程院院士、清华大学智能科学讲席教授、智能产业研究院院长张亚勤跟评道，“要低至少一个数量级。”

对此，有人认为，“以上观点是没有问题，无人驾驶理论上出事故的概率比有人驾驶低多了。但是，重点是但是！这只是理论概率，约等于实验室环境。因为现实中法律是不请允许无人驾驶的。也就是说，现在路上跑的几千万辆汽车里，根本没几辆无人驾驶汽车，在这么小的样本情况下，说明不了任何问题。”

尽管一些科技巨头也测试过其开发的无人驾驶车辆，且行驶了数千万公里，但对于测试里程的问题，相信还是会有很多人会问：1.美国的场景测试数据能说明在中国场景下自动驾驶车的行驶安全性吗？2.封闭测试区、高速公路的行驶测试数据能说明在城市、乡村场景下自动驾驶车的行驶安全性吗？3.事故率/测试行驶里程这一指标，或者现阶段其他指标计算出的概率能说明多大问题？

同时，如果出现事故之后，谁来承担这个责任？特斯拉、百度愿意承担这个责任吗？当然，此次深圳出台《深圳经济特区智能网联汽车管理条例》，算是对智能网联车辆所出现的各类型的情形做了责任划分，至少也有了相关的标准与依据，但无人驾驶未来还会遇到太多类型的责任情形，还需不断更新与完善。

目前，比较权威的是美国加州机动车辆管理局（DMV）颁发的全无人驾驶测试牌照，以及国内的北京T4路测牌照。

以美国加州机动车辆管理局（DMV）颁发的全无人驾驶测试牌照为例，光申请就需要先满足8个条件，其中比较重要的几条是：一是无人车在没有安全员的情况下，也能按照L4/L5级自动驾驶标准行驶；二是在有监管的情况下，车辆已在相关区域进行过测试；三是缴纳500万美元的保证金或者等价保险证明；四是向当地政府告知完整测试计划；五是训练远程安全员等。

而且，具备申请条件只是一个开始，如初审符合加州DMV要求，加州车管局随即会对申请企业展开12项有关自动驾驶核心技术的答辩与多次实地考察，整个评估审核时间，可长达一年之久。

不过，即使某家公司获得全无人驾驶测试牌照，但也只能在特定的区域测试与运营，所测试的驾驶情形无疑相对更单一。换句话说，也就是该公司仍然不具备在特定区域之外进行L4/L5级自动驾驶资格，也必然不能处理一些特殊情形的问题。

据悉，全无人驾驶测试牌照考核非常严格，出了车祸牌照还要被吊销。迄今为止，全球只剩7家公司还拥有这张牌照，包括大名鼎鼎的谷歌兄弟公司Waymo、百度Apollo、AutoX、Cruise、Nuro、文远知行和Zoox。

值得一提的是，这7张牌照中，百度Apollo、AutoX和文远知行3家都是中国公司。

不过，即使7家公司获得了全无人驾驶测试牌照，但真实数据怎么样呢？尽管相关测试数据属于商业机密，但有一点可以肯定，7家公司应该都没有太大数量的无人驾驶车辆进行测试，而且测试里程数也不长。正如上文提到的，如此小的测试样本，如何对标几千万辆汽车这个真实的“大数据库”呢？又如何证明现阶段无人驾驶的真实实力呢？

因此，综合上文，我们可以得出一个结论：无人驾驶虽好，但现阶段还远不能让我们安心搭乘。当然，也有人认为，任何新事物都有一个成长与发展的过程，而我们也应该接受成长的“阵痛”。

无人驾驶发展到哪个阶段？

我们再想象一个场景：在北上广深这样一线城市的拥堵时间或路段，如果有几辆无人驾驶车辆因无法识别此时的路况，在保守智能机制控制下，其直接刹停不走，那会有多少司机会“骂车”了？大家能接受在马路上到处急刹车的无人车横行的未来吗？

没有人希望遇到这样的状况，但有理由相信现阶段的无人驾驶很大可能就是这样的状态。尽管无人驾驶可以实现一些特殊路段的行驶要求，但在复杂路段必然要懵圈。

那么，我们有必要提一下无人驾驶的等级。根据《SAE驾驶自动化分级》定义的6个无人驾驶等级，目前L2 级（部分自动驾驶）、L3 级（受条件制约的自动驾驶）还需要人的参与，L4 级（高度自动驾驶）基本上还处于“喊口号”阶段，更不用说L5 级（完全自动驾驶）。

自动驾驶的分级    图片来源：SAE官网

在此，我们也要弄清无人驾驶的本质。无人驾驶，本质上是让机器来学习人类开车的方式，也是一种人工智能，类似让AlphaGo来学习人类下围棋一样。

人类驾驶基本可分为三个步骤：眼睛来感知，大脑做决策，手、脚去执行。而无人驾驶类比了这个过程，感知部分用的是摄像头、雷达，决策是电脑，执行则是油门、制动等。

从硬件来说，我们早已有成熟的自动驾驶汽车的硬件，激光雷达、摄像头、传感器等，但在“深度学习算法”成熟之后，也就是深度学习算法补齐了最后一块软件上的短板之后，无人驾驶才实现大跨步发展。就如AlphaGo结合数百万人类围棋专家的棋谱，以及不断强化学习且进行自我训练、自我博弈，才得以轻松击败人类棋手。

无人驾驶的主要工作原理也是“深度学习”。比如，北京T4路测牌照要求能够通过隧道、学校等区域，可以应对行人违章通行、施工路段绕行等复杂场景，还要能准确识别多种交通要素如潮汐车道、可变导向车道、路口左转待转、临时红绿灯等特殊交通标志、标线和信号灯，并可以正确实现无障碍通行。

在考试中，车辆需要100%通过103项场景的覆盖度测试，不允许有一点差错，还要具备超车能力、坡路行驶能力、坡道停车能力和起步能力，误差要严格小于15cm。不仅如此，在停车入库和侧方停车等泊车能力上也需要进行考核，车辆需要应对车库内行人和障碍物识别等细节场景。

因此，无人驾驶要通过“硬件感知”，不断进行“AI软件深度学习”，对每一个场景数十万不同图片进行归纳类别，需要基于庞大、复杂且丰富的自动驾驶车的测试场景数据，才能真正实现安全、高效率的无人驾驶。

因此，无人驾驶根本没有任何捷径可走，只能依靠大量的数据来学习。根据美国兰德智库的研究，如果想让自动驾驶几乎达到人类驾驶的水平，至少需要大约累计177亿公里的驾驶数据来完善算法。

在人工智能时代，数据就像工业时代的“石油”，数据驱动决定产品竞争力。谁掌握了最多的数据，谁理论上就能在自动驾驶研发上占有绝对的优势。那么，在无人驾驶数据收集上，特斯拉无疑最具优势。

截至今年7月18日，特斯拉已经累计在全球卖出300万辆车。特斯拉将通过每辆车上安装的传感器，搜集每位用户的驾驶场景相关数据并传回，帮助特斯拉进行算法训练。这相当于买了特斯拉的新能源车，还帮其丰富数据库。

不过，有一点要特别注意，AI软件系统一定是可靠的吗？相信很多“AI码农”都清楚，只要是程序就不可能完全避免bug，只要有人参与的系统就不会是完美的。同时，未经良好完善的车机系统会不会提高局部事故率呢？系统如何识别一些交通参与者的怪异行为呢？

图片来源：《绝密飞行》电影剧照

相信很多人也看过一部美国电影《绝密飞行》。该电影出现了AI无人驾驶战斗机，其在发现轰炸目标会伤害很多无辜平民后，依旧执行任务，投掷“脏弹”，导致十几万人暴露在核辐射中，但人类驾驶的战斗机就很快做出判断，请求取消任务。这就是人类与AI的最大区别，人类可以做出很多看似不符合逻辑但正确的决定，但AI只会执行一系列“冰冷指令”。

近日，在莫斯科举行的国际象棋公开赛上，国际象棋机器人Chessrobot折断了一位7岁男孩的手指。在比赛中，机器人“吃掉”该参赛男孩的一枚棋子，并把自己的棋子放在空位上，但小男孩未等机器人完成动作便急忙回击。随后，机器人捏住男孩手指。工作人员急忙帮助小男孩将手指从机器人的“虎钳”中挣脱出来，并送往医院，但小男孩的手指骨折了。

所以，我们可以再延伸想象一下，人工智能会突然“变脸”攻击人类吗？电影《终结者》和《我机器人》里机器人大战人类的桥段是否会成真？

正因为如此，Waymo前CEO约翰·克拉夫西克也曾说过，“L5级自动驾驶就像一个神话，这种技术可能永远无法实现。”

而北京市此次开放的无人化出行服务，虽然实现了“主驾无人”的商业化试点，但毕竟车辆安全员还是被设置在副驾驶位置上。

从技术发展进程来看，无人驾驶技术本身没有问题。L4级自动驾驶要想达到比人类驾驶的事故率低也只是时间问题。结合百度发布的无方向盘无人车Apollo RT6，现阶段无人驾驶技术最多接近L4级自动驾驶水平。而L5级自动驾驶，这种被赋予类似人类的合理性判断与辨识能力，还需借助一些“外力”来实现。

车路协同时代将到来

毫无疑问，L4级自动驾驶仍然不完美，L5级自动驾驶在实际应用上不可能实现。那么，上文所提到的“外力”是指什么呢？

智能车路协同系统！

根据百度百科的概念释义，智能车路协同系统是采用先进的无线通信和新一代互联网等技术，全方位实施车车、车路动态实时信息交互，并在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理，充分实现人车路的有效协同，保证交通安全，提高通行效率，从而形成的安全、高效和环保的道路交通系统。

具体来说，智能车路协同系统主要包括三大部分：一是具备一定自动驾驶能力的“聪明车”，二是由摄像头、雷达、通信设施等组成的“智慧路”，三是由计算平台和云控平台组成的“强大云”。

从这个角度来看，无人驾驶将是一个非常大的系统工程。正如有人认为，要实现无人驾驶上路，起码要先一步建设符合无人驾驶的“智能公路”。

由此，这一个庞大的智能系统，让无人驾驶车成为“移动数据收集点”，而“智能公路”两侧的摄像头、雷达、通信设施等也通过不同观测视角，为无人驾驶车辆“补充”一些类似人类的合理性判断与辨识能力（或者说可以通过系统提前感知、预警特殊情形，然后基于5G网络，人为判断、干预），以及车辆视角观测、感知不到的信息，然后无人驾驶车辆与“智能公路”两侧的设备设施等均把各自观测、感知的信息发送给云计算平台，再由云计算平台统筹、融合所有信息，绘制出一张整体交通态势图，以实现进一步提升无人驾驶的安全性。

车路协同示意图    图片来源：酷玩实验室

在这个系统的支持下，无人驾驶车辆、“智慧公路”、云计算平台高度互联，可以提前获知行人“鬼探头”、路口有车辆突然窜出、前方高速上连环撞等一些从车辆的视角无法提前预判的现象。因此，智能车路协同系统在很大程度上就是“智能交通”的重要组成部分。可以说，未来一些不太智能的运行车辆也将受益于智能车路协同。

根据百度的测算，以车路协同系统为基础的智能交通，将能够提升15%-30%的通行效率，5年之内，中国的一线城市将不再需要“限购”“限行”；10年之内，靠交通效率的提升，基本上拥堵问题就可以解决了。

同样，智能车路协同系统也将成为“智慧城市”重要组成部分，包括低空无人机物流、地面机器人运输配送等也将融入其中。

目前，BAT和华为都已经入场智能车路协同。比如，2020年9月，由百度Apollo支持建设的中国首条支持高级别自动驾驶车路协同的高速公路G5517长常北线高速长益段正式通车。

不过，真的无人驾驶不会一蹴而就，而是一步一步慢慢实现。虽然中国没有最先进的芯片，但有两项关键的优势技术：5G和云计算。

在5G技术普及上，工信部日前披露的数据显示，截至目前5G基站已累计开通185.4万个，其中二季度新增基站近30万个，实现“县县通5G、村村通宽带”。同时，融合应用赋能提速，5G和千兆光网融合应用加速向工业、医疗、教育、交通等领域推广落地，5G应用案例数超过2万个。而《数字中国发展报告(2021年)》也显示，在数字技术创新方面，中国人工智能、云计算、大数据、区块链、量子信息等新兴技术跻身全球第一梯队。可以说，在无人驾驶汽车的竞争中，中国除了政策法规之外，也拥有产业与技术优势。

当然，我们也可以预测，尽管无人驾驶车配备了数目众多的传感器，包括激光雷达、摄像机、毫米波雷达、超声波雷达、GPS、IMU等，成本昂贵，但百度无人车Apollo RT6已经下探到25万元，伴随无人驾驶车辆的普及（预计从无人驾驶出行服务开始），硬件成本将大幅下降，加上“智慧交通”“智慧城市”建设所需的软硬件，将是一个巨大新兴市场。

无人驾驶车硬件组成   图片来源：知乎

今年6月，在中国宏观经济论坛（CMF）季度论坛上，重庆市原市长、复旦大学特聘教授黄奇帆表示，今后二三十年，能够形成万亿美元级别市场的“五大件”，出现五个方向：一是无人驾驶的新能源汽车；二是家用机器人；三是头戴式AR/VR眼镜或头盔；四是柔性显示；五是3D打印设备。因此，用美国科技新闻网站VentureBeat报道作总结：在自动驾驶汽车的研发竞争中，美国和欧洲一直是领先者。不过，作为世界大国，中国也正奋起直追，将通过政策调控实现弯道超车。未来，中国在自动驾驶汽车的普及率上可能超越欧美等技术强国。

2022年8月16-17日，全球领先的专业电子机构媒体AspenCore将在南京国际博览中心举办2022国际集成电路展览会暨研讨会（IIC 2022），聚焦IC 设计、SoC设计、碳中和 、元宇宙/AR/VR、物联网、新能源汽车和自动驾驶、智能家居/家电、新能源发电与传输、汽车电动化、第三代半导体、东数西算等行业热点。【一键报名】现场与行业资深人士交流与互动！点击这里了解大会详情。