【為什麼我們要挑選這篇文章】車禍原因中，絕大多數是人為疏失，因此科技大廠發展自駕車，就是期望交由機器駕駛，提升交通安全。然而特斯拉、Waymo 等自駕系統都發生過事故，還有人因此死亡。自駕車真的能夠做到零事故嗎？（責任編輯：郭家宏）
本文經 AI 新媒體量子位（公眾號 ID：QbitAI）授權轉載，轉載請連繫出處
作者：量子位
自動駕駛＝無事故？
蔚來首例 NIO Pilot 致死車禍後，關於自動駕駛安全相關的話題討論愈演愈烈，一場信任危機正在殃及所有玩家。
甚至還形成了兩派觀點：
一派認為，「自動駕駛事故」面前，應該對所有的自動駕駛展開重估，因為技術能力有如此明顯缺陷，人命關天。應該叫停研發，禁止推廣，從根本上杜絶類似事故。
另一派強調，輔助駕駛的鍋，不能讓自動駕駛背，「真正的自動駕駛」就會有絶對的安全，自動駕駛＝無事故。
一方限制，另一方辯護。
但對不起，都存在認知偏差，都可能阻礙一項利國利民造福人類的新技術健康發展。
既不能因噎廢食，也不宜把自動駕駛與零事故劃上等號。
不過確實是時候正本清源，釐清技術野蠻生長期裡遺留的種種歷史問題了。
自動駕駛的分級翻譯，遺留使用者認知的問題
最首要的就是自動駕駛技術等級劃分，以及翻譯用語加劇的「誤解」。
就在蔚來事故熱議中，理想汽車創始人李想、投資入局造車的 360 董事長周鴻禕，以及威馬汽車創始人沈暉，也都是圍繞自動駕駛技術等級相關的問題展開的討論。
有人說他們是作為友商在「落井下石」，但如果深入瞭解了他們口誅筆伐的「專業黑話」和統一用語倡議，就會真切感知——他們這是唇亡齒寒危機感下的自發自救。
因為自動駕駛技術等級相關的歷史遺留問題一日不明，行業野蠻生長、劣幣驅逐良幣的現狀就會始終得不到改變。
所謂的自動駕駛技術等級，核心就是這張圖：
其中的 level（水準／等級），就是 L 幾的「產業技術黑話」。
L2，就是 level 2，也就是第二等級水準。
L3，就是 level 3，也就是第三等級水準。
這套「等級」標準，跟一家名叫 Society of Automotive Engineers 的組織有關，簡稱 SAE，中文叫美國工程師學會。
在 2014 年全球自動駕駛研發，開始第一次欣欣向榮之際，SAE 牽頭制定了一套自動駕駛技術等級標準。目標是希望透過劃定不同的等級，可以指引產業針對性發展。
整個等級標準的制定，參考了很多影響因素。但最核心的可以歸納為一個：
AI 系統在汽車駕駛中的參與程度。
整個標準，被分為了 6 個級別：0、1、2、3、4、5。
L0，AI 參與程度最低，基本就是應急情況下輔助一下。
L5，AI 參與程度最高，高到整個駕駛行為完全不需要人類的地步，也被叫做完全無人駕駛。
例如現在常聽到的 RoboTaxi 無人駕駛計程車，或者是不再搭載剎車油門腳踏板和方向盤的智慧車，就是朝著 L5 方向上的努力。
在這 6 個等級中，有一個關鍵分水嶺：L4。
L4 以下，人類駕駛員都是駕駛行為的最終責任人。
L4 及以上，AI 系統就是最終責任人。
L4 是權責界限的分水嶺。
換而言之，L4 以下，無論是 L2 還是 L3，都是人機共駕模式，AI 系統提供的都是輔助能力。
區別在於，L2 是你操作什麼，AI 就執行什麼，比如車道居中保持、自適應巡航控制，以及你命令變道然後 AI 來伺機變道……都是 L2。L2 情況下，AI 完全不思考，也不主動做決策。
而 L3 最大的不同，就是 AI 開始能幫司機做決策了。最簡單的例子就是，什麼時候變道，人類司機不用再給指令。
在駕駛過程中，AI 會根據你的行程和路況來進行決策，甚至能在高速公路等非開放路況的場景下，幫助完成絶大部分的駕駛行為。
只是這個階段，人類依然是駕駛行為的核心決策者，所以特殊情況、緊急決策，依然需要人類駕駛員來執行。
所以現階段，各家產品有叫法上的不同，有 NOA、NOP、NGP。但基本都是指在高速公路等路況相對可控的場景的 AI 駕駛輔助。
援引 SAE 制定的術語和翻譯用語，他們確實可以被叫作「L2 自動駕駛」、「L3 自動駕駛」，甚至還有「L2.5 自動駕駛」。
但歸根究底，又都是輔助駕駛，都是 AI 提供輔助能力，最終駕駛的決定權，依然在於車主。這也意味著，如果發生事故，提供這種 AI 輔助能力的提供者，有最終駕駛決定權歸車主的擋箭牌可用。
問題是，自動駕駛本身已是新事物，技術等級標準更是行業黑話，普通車主和用戶，都缺乏完備認知。加之利益相關的技術提供者，還可能在售前只談自動駕駛，利用認知偏差造成誤導。
這是為什麼會出現「買前自動駕駛，出事輔助駕駛」，以及「車主未能正確使用」之類的神調侃、神回覆。
所以現在出了事故，這套 SAE 技術等級標準和翻譯問題，確實難辭其咎。
這也是為什麼到了產業需要統一用語的時候，用戶的信任和監管信心，經不起類似事故挑戰了。
但客觀來說，鍋也不全在SAE。因為就在 2014 年制定等級標準時，他們看到了 RoboTaxi 的終極目標，卻難以預料，圍繞自動駕駛技術發展，會走出不同主張的兩條路線。
自動駕駛的兩大路線：特斯拉、Waymo
特斯拉路線和 Waymo 路線。
最初 SAE 制定標準時，這兩大路線，只是推進自動駕駛的不同主張。還沒到開花結果，產生實際影響的階段。而這兩大路線，本質就是以 L4 作為分水嶺來實踐的。
剛才也說了，L4 是一個人類是否在駕駛行為中起決定性作用的分界線。
其中以特斯拉為代表，希望從 L4 以下疊代到 L4 以上，後來被稱為量產自動駕駛。
以 Google 集團中的 Waymo 為代表，則認定只有直接從 L4 開始，才是符合「安全初心」的做法，後來進一步作為區分，被稱為完全無人駕駛。
兩大主張和路線之間，也時常你攻我伐，口水仗一直未間斷。而且這兩大路線的開創者和最早實踐者，其實都是 Google；但後來，Google 認定不能走後來被稱為「特斯拉路線」的方案。
因為特斯拉路線認為自動駕駛可以在人機共駕的狀態下、在駕駛數據疊代下，不斷向上升級，最終從 L2 一直升級到 L5。
特斯拉所謂的影子模式，就是在這種人機共駕的狀態下，讓 AI 學習人類的駕駛行為。比如處於 AI 駕駛狀態時，忽然遭遇了困難，由人類接管完成了挑戰，就會被系統標記，其後由 AI 模型訓練和學習類似的問題，然後得到模型提升。
實際上，特斯拉路線也不斷展現其可能性和可行性。從這幾年來看，特斯拉的自動駕駛能力，進步確實有目共睹。而且特斯拉路線的優勢，集中體現在成本和規模化數據疊代上。車賣到的地方，就是它開啟自動駕駛道路測試的地方。核心要求是能賣更多車，並且自動駕駛方案的軟硬體成本在用戶可承受範圍內。
另外，特斯拉路線也存在明顯的悖論。
一方面，量產自動駕駛可以替代人類車主在一些場景下駕駛，但另一方面又要求司機在緊急情況下接管汽車。這就要求一個長時間放鬆的人，必須還要時刻專注在車程中。
換一個更多人有過的經驗，上課允許恍神，但只要老師點名提問，就能馬上給出答案。
很多車主的血淚經歷說明，處於放鬆狀態的司機，會看影片、會睡著，而且過度信任特斯拉視覺感知系統的能力。於是當老師點名提問，他們往往措手不及。
然而，開車上路，事關生命安全，代價有時是極其慘重的。
之前馬斯克說，車主用了自動駕駛就回不去了。被吐槽說，有些車主確實「回不去了」。
而且這個悖論下，特斯拉不是個例。只要是人機共駕狀態下，你不能要求所有司機一邊狀態，另一邊還能隨時接管。人，一直是駕駛行為中最不確定的因素。
也正是出於人性和悖論的洞察，Google（Waymo）主動改弦更張，決定挑戰更難的完全無人駕駛路線。
作為全球這一波自動駕駛商用浪潮的開創者，Google 最初也是希望打造一套人機共駕的系統，逐步實現 RoboTaxi 的 L5 終極目標。
但後來研發和測試階段，就發現駕駛決策中只要有最大不可控因素「人類」存在，就沒有真正的安全保障可言。
當時隨著研發的系統越來越完善，測試車上路後被接管的次數越來越少，導致有些工程師乾脆跑到後座去。於是 Google 開始重新思考自動駕駛的推進路線。
因為從初心來講，Google 決定重金砸向自動駕駛，就是為了用穩定嫻熟的 AI 駕駛，提高人類整體駕駛水平，有效減少大量的交通事故。
安全既是出發點，也是最終歸宿。
但如果無法 100% 控制全局，例如相對成熟的 AI 駕駛系統給了一個不太負責任的人類司機，最後由於司機過度信任，在遭遇極端場景時無法有效接管，就會造成安全事故。
當然，也有一種說法，事故也是 AI 系統 debug 的過程。但用這樣的方式來推進自動駕駛，一將功成萬骨枯，是不是太過冷酷無情？
所以 Google 之所以是 Google，並非沒有原因，他們決定選擇更難的一條路：直接 L4。直接把代表不確定因素的人類，從駕駛位上趕下來。最終產品形態，就是 RoboTaxi。
於是這條直接 L4 的路線，也就被叫做 Waymo 路線。這是一條先道路測試，在一個足夠安全有保障的成熟系統之後，再開啟量產和商用的路線。
這條路線優點顯而易見，安全至上，成本優先級不算高，可以用最冗餘的感測器方案來保障安全，畢竟車不向 C 端銷售。但缺點也很明顯，推進起來沒那麼快，商業化和規模化的速度也嚴格受限。
在 Waymo 路線上，所有的研發、落地成本都需要自己承擔，規模化獲利更是遙遙無期。所以這 2 年來，特斯拉和 Waymo 在資本市場遭遇了兩極待遇，特斯拉市值股價節節高昇，Waymo 的估值被一而再下調。
而也是這種此消彼長之間，還長出第三種路線：Cruise 路線。
直白講就是「融合路線」，把 Waymo 的 L4 級自動駕駛技術，兼顧成本之後，落在量產車上使用。總之，一方面是看到了特斯拉路線的數據疊代之力，另一方面又希望透過 Waymo 路線來增強安全保障。
但即便如此，只要沒有擺脫人機共駕模式，人性悖論和權責歸屬的問題，就始終沒有消除。安全隱憂，也就無法根治。
所以問題也就來了，既然現階段的自動駕駛無法根治安全問題，為什麼還要發展？還是燒那麼多錢、給那麼多有利政策來支持發展？
自動駕駛≠無事故，但只有自動駕駛才能根本上減少事故
是的，確實有理想化觀點這樣認為：
發展自動駕駛，讓天下沒有交通事故。
也對，但也不對。
對，是因為如果果真達到了理想化情況，路上皆自動駕駛車輛，或許就不會有不文明駕駛、違規的行為了，車車都文明，車車上路都穩妥，交通秩序跟自動化流水線一樣井然有序。
但之所以也不對，是因為這種理想化觀點，不符合數學和技術規律。
於本質來看，自動駕駛，機器開車，是一個電腦問題，更是一個數學問題，在這道題中，始終存在一些細微的變數，讓事故機率不可能完全為 0。更何況，自動駕駛面對的複雜長尾場景和狀況，事故機率也不可能為 0。所以自動駕駛 = 無事故並不成立，也沒有誰能打包票。
然而即便如此，自動駕駛依然有著更高的安全性，也是目前消解人類交通事故最接近本質的方法。
人類駕駛為主的交通安全，有著怎樣的現狀？
援引去年 12 月「第九個全球交通安全日」的數據，在機動車保有量超過 3.6 億、機動車駕駛人達到 4.5 億的中國，每年就有數萬人喪生於交通事故。更直觀的換算，平均每 8 分鐘就有 1 人因車禍死亡。
全球範圍內，按照 WHO 在 2018 年披露的數據，全球每年因道路交通死亡人數高達 135 萬人，意味著每 25 秒就有一人在交通中喪生。
其中，發生交通事故的主要原因，是最大的不確定性因素：人類司機。
無論中外，按照數據統計，肇事突出的 10 大交通違法行為分別為：未按規定讓行、超速行駛、無照駕駛、醉酒駕駛、未與前車保持安全距離、逆向行駛、違反交通號誌、酒後駕駛、違法超車、違法會車。
同時，還有酒駕醉駕、三超一疲勞（超速、人員超載、貨物超載、疲勞駕駛）、闖紅燈等交通違法違規行為。
但如果替換成 AI 司機，這些隱患行為和因素，就會從根本上被杜絶。AI 司機不僅不會有人類司機的疲勞駕駛、醉駕酒駕、情緒化，以及各種危險駕駛和不文明駕駛行為，而且還擁有人類無法「規模化複製」的優勢。一個 AI 老司機養成，即意味著成千上百 AI 老司機 ready。相對應的是，人類從新手上路到老司機養成，繞不開線性時間和路上的磨練。
所以大道直白，雖然自動駕駛無法保證天下再無事故，但有自動駕駛，替代了交通中最大的不確定因素，一定能讓交通更安全。
此外，還有一組數據也可對比。
量產自動駕駛路線中，事故曝光率最高的特斯拉，凡有事故幾乎無處隱藏。所以也有好事者，統計了特斯拉及 AutoPilot 造成的事故和傷亡情況。
統計顯示，從特斯拉 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數達 201 人，其中 9 人與 AutoPilot 相關。Waymo 路線上，全球唯一一起無人車致死車禍，由 Uber 測試時造成。而對比起來，全球每年有 135 萬人在道路交通中喪生。
雖然這幾年中，自動駕駛依然是一個新業態，方興未艾，還遠未達到數量上的普及，但上述兩組數據和頻率，依然能見微知著。
所以即便自動駕駛≠無事故，但只有自動駕駛才能根本上減少事故。更何況，現今正在有越來越多冗餘來加強安全，例如車端的感測器冗餘、安全冗餘，運營過程中的冗餘，以及中國正在高速推進的路端基建，車路協同帶來的更高維度的冗餘。
在這些多重冗餘保障之下，如果真正來到全部自動駕駛狀態，事故中的不確定性，還將進一步趨近於 0。
有設想是，這些基礎設施完善後，可以保障所有上路的車輛都由自動駕駛，不再有人機共駕，也不再有人類駕駛的車輛和自動駕駛車輛混行。人類司機，這個道路交通上最大的不確定性因素，也就沒有了。
甚至跟汽車替代馬車一樣，人類駕駛行為就跟騎馬行為一樣，變成了一種娛樂活動，甚至如果不是特許的道路，人類駕駛行為還會違規違法。自動駕駛將完全接管城市出行網絡。
這個網絡中，電動車（新能源）、共享出行、車聯網，以及智慧化都實現了串聯。車隨用隨叫，可以不再需要停車，沒電了自動規劃去充電，真正實現了高效、綠色、安全和低碳環保可持續，車真正變成了使用載體，而不是擁有主體，私家車從此退出歷史舞台。
這個網絡之下，自動駕駛車輛可以一體化運營、調度，就像現在的通訊運營模式一樣。所以這也是為什麼，業內還有另一個隱而未宣的觀點，認為自動駕駛背後，也有 5G 一樣的「標準」之爭。因為自動駕駛不是單一的一項技術，是一個從無到有、從個例到規模化落地的系統生態。而且這不是一個地區、一個國家才需要的系統，是全球各地都需要的系統。
對於這個系統，誰最先擁有完備的方案和技術能力，就能成為標準的制定者，就能主導整個落地生態的發展。也正是如此，在美國奇貨可居的先進技術限製出口中，自動駕駛地位很高。
但自動駕駛的技術發展和疊代，離不開大規模的數據和豐富的場景。這也是中國在自動駕駛落地上，越來越展現出優勢的關鍵原因。
原本就跟全球處於同一起跑線，現在還有豐富和最具挑戰的路況數據、場景。所以這也是為何自動駕駛的發展，更加不能因噎廢食。因噎廢食不僅無法根本上解決問題，而且還誤國誤民，流弊千秋。
根本上，自動駕駛不僅是一項先進技術，還事關智慧交通、智慧城市等面向未來的全球標準和話語權，甚至是經濟發展和 GDP 的新動力引擎之一。
不過，現階段自動駕駛發展，也不是沒有安全路徑上的可完善之處。
更安全發展自動駕駛，還能做什麼？
既然問題已經出現，就是時候在熱議中推動形成共識。
實際上，在監管和政策層面，中國可能已經是全球最謹慎的國家。特別是在之前自動駕駛和 RoboTaxi 測試的資質和牌照發放中，從程序到過程，比美國加州 DMV 嚴格太多。
根據中國目前官方唯一的自動駕駛路測報告：《北京市自動駕駛車輛道路測試報告》披露，考核標準相當嚴苛，無論從公開道路的長度、還是標準制定程度上來看，都堪稱細緻。還專門設置了 64,827 公里的無人化測試驗證，確認了測試技術的可行性、及測試方法和參數的可靠性。
而更早之前，有安全員的自動駕駛路測，也從牌照發放和運營等多重維度作出明確要求。
也是這種監管之下，中國路測里程最多的百度 Apollo，完成多個城市 RoboTaxi 落地營運，有 1,400 萬公里的實路路測後，能夠做到零事故。
國外，Waymo 再次開行業風氣之先，在去年發佈了事故報告，披露從 2019 年初到 2020 年 9 月，RoboTaxi 落地期間的事故情況。
顯示在 Waymo 的 610 萬英里（982 萬公里）路程中，包含沒有安全員的完全無人駕駛的測試里程也有 65,000 英里（10 萬公里），總共出現過 18 次事故，另外還有 29 次被安全員干涉得以避免的潛在事故。
但這些事故有兩大共同特點：
第一，沒有一起嚴重到危及生命。
第二，無一起主動事故，都是其他人類駕駛車輛造成的被動事故。
所以對於 RoboTaxi 方向上的自動駕駛，從監管到測試，一直有數據支撐的安全可信印象。
但量產自動駕駛——或者更準確來說，需要人機共駕的輔助駕駛，之前有灰色地帶可走，處於野蠻生長。一度只有道德標準，沒有嚴格的監管法規，但這種日子也正在成為過去時。
8 月 12 日，中國工信部印發了《關於加強智能網聯汽車生產企業及產品準入管理的意見》，對智慧車在數據和安全方面，作出了明確規定。
其中最引人注目的，就是針對涉及自動駕駛功能的產品管理，按照使用前後做了不同層級的要求明確，強化車企在安全方面的責任。並且明確規定，自動駕駛相關的功能 OTA 要先過審批。
國外，特斯拉 AutoPilot 相關的事故，也開始被美國管理機構立案調查。所以即便是擦邊球路徑上的「量產自動駕駛」，野蠻生長期也到頭了。
只不過蔚來事故之前，「完全無人駕駛」和「量產自動駕駛」兩大路線之間，有爭論有口水仗，雙方以為可以各自為戰。
然而誰能想到，在事故後的不信任危機裡，輿論不分路線，所有人都被同一條船視之。一榮俱榮，一損俱損，沒有誰能獨善其身。
不管是 L 幾的技術，不管是量產自動駕駛路線，還是完全自動駕駛路線。不管是車廠、供應商，還是系統技術玩家。一切是時候了，是時候以這次事故為鑒，直面一直存在的認知和信任危機。而且只有所有玩家團結一致，達成公約，才能讓發展更安全、可持續。
至少是時候改變，且有三件事可以從我做起：
第一，規範使用產業用語，統一表達，明確權責歸屬。
但凡人機共駕，需要司機、車主緊急接管的，一律都叫輔助駕駛。否則出現事故，無論是不是車主未能及時接管，都應由能力提供方承擔責任。無需司機、車主緊急接管，或者責任明確就是技術服務提供方，才能以自動駕駛作為宣傳。
第二，輔助駕駛的上車，還要有多重安全冗餘配合。
不僅需要在使用前，明確向車主表明輔助駕駛系統的利弊，加強功能使用端的準入考核和監管。還需要防止不靠譜車主，輕而易舉就可以繞過輔助駕駛開啟的必要規則，以及雙手離開方向盤、注意力不集中等危險駕駛行為。
此外，DMS 等駕駛行為監測，應該成為輔助駕駛的標配，不僅是保護車主安全，也是保障其他路上交通參與者的安全。
私自加裝作弊器等行為，應該要與危險駕駛行為一樣被對待。還有必要主動呼籲打擊銷售作弊器的行為，呼籲立法監管，由各大零售平台打擊，不能讓如此等同謀財害命的行為，大行其道。
第三，定期主動披露安全機制和數據。
安全機制可以增進產業信任，安全／事故報告能夠讓一切更公開透明，唯有擺脫談事故色變、諱莫如深的心態，產業才能真正健康良性發展。這也是不斷科普，幫助大眾更加準確了解自動駕駛能力、狀態和階段的必要手段。
總之，事故當前，信任危機當前，警鐘為所有自動駕駛玩家而鳴。
如果此時此地，還不能用更具公約的方式，發展和推動自動駕駛安全和信任，等到更大危機到來，沒有人能置身事外。
如果依然要在輔助駕駛、自動駕駛等行業話語上爭論不休，如果讓每一次自動駕駛事故成為輿論焦點，如果行業玩家都不得不誇張宣傳才能不顯得落後，雪崩到來，沒有一片雪花無辜。
一切是時候了。
（註：作者為量子位主編，專欄僅代表個人觀點）
參考資料：特斯拉事故統計、Waymo 自動駕駛報告、WHO 道路交通死亡人數報告
（本文經 AI 新媒體量子位 授權轉載，並同意 TechOrange 編寫導讀與修訂標題，原文標題為〈对不起，自动驾驶做不到零事故〉。首圖來源：Shutterstock）
