人工智能只有同人類命運緊密相連，直面複雜形勢，才能體現出技術的革命性意義。昆德拉說：“負擔越重，我們的生命越貼近大地，它就越真切實在。”無人車是緊貼大地的頂級人工智能工程，“艱難”和“顛覆”是它無法逃避的兩個命題。它比人工智能誕生更早，卻要翻過更多觀念和技術的大山才能走到今天，車轍所及，是自交通工具誕生以來的社會秩序。
無人車也叫自動駕駛汽車，是指在沒有人工參與的情況下，能夠感知環境並進行導航的汽車。1925年第一輛無人車在美國上路時，發明者對它是否需要“智能”還未達成共識。但從此以後，無人車的形象出現在不同種類的科幻小說和電影裡。這個夢想如此具體，可是歷經幾代人的實踐仍然沒有成真。不過值得慶幸的是，每一個逐夢者的挫折都讓無人車的前進之路日漸清晰——這是一條智能進化之路，也是人類社會的變革之路。
在吸引人們踏上征程的未來世界，無人車不再只是通行工具，而是家和辦公室之外的第三空間，移動、安全且舒適。人類以最低的成本穿梭在空間之中，以往由低效帶來的堵車、污染、停車問題都將大為緩解，酒駕、闖紅燈、超速等危及他人人身安全的駕駛行為將不復存在。無人車體系更有望成為全球物聯網體系的血脈，甚至汽車作為一種交通工具的社會地位和符號意義也將發生徹底改變。
2015年世界衛生組織表示，中國每年有超過26萬人死於交通事故，居世界第一，其中90%的事故是人為失誤導致。無人車有望將車禍數量降低到現在的1%。
此外還有巨大的收益。摩根士丹利在一份報告中指出，無人車發展起來以後，僅美國就能夠獲得1.3萬億美元的收入，相當於美國GDP的8%。這其中有1000多億美元來自節省下的燃料、2000多億美元來自減少的堵車成本、5000多億美元來自交通事故銳減而節省的醫療和保險成本、4000多億美元來自工作效率的提高。
這些都還只是一個側面。無人車改變的不單是人與車的關係。一旦車與車、人與人、人與社會都被智能工具連接，帶來的將是對現有物質世界規則的重塑。
在崎嶇的道路上前行
時間回到1925年8月，人類歷史上第一輛無人駕駛汽車正式亮相。這輛名為American Wonder（美國奇跡）的汽車駕駛座上確實沒有人，方向盤、離合器、制動器等部件也是“隨機應變”的。而在車後，工程師Francis P. Houdina（弗朗西斯· P.霍迪尼）坐在另一輛車上靠發射無線電波操控前車。他們穿過紐約擁擠的交通，從百老匯一直開到第五大道。這場幾乎可以被看作是“超大型遙控”的實驗，帶著對無人車機械化的理解，今天依舊不被業界普遍承認。
1939年，摩天大樓開始在美國的土地上不斷出現。“大蕭條”後逐漸恢復信心的人們懷揣著對未來的美好願景。在這一年的紐約世界博覽會上，通用汽車搭建的Futurama（未來世界）展館前排起了長龍，人群爭相湧入，希望一探“未來”的模樣。設計師Norman Bel Geddes（諾曼·貝爾·格迪斯）向當時的人們展示了他想像中的交通：汽車採用無線電控制，電力驅動，由嵌在道路中的電磁場提供能量。
他在自己1940年出版的《Magic Motorways》（神奇的高速公路）一書中進一步解釋：人類應該從駕駛中脫離出來。美國高速公路都會配有類似火車軌的東西，為汽車提供自動駕駛系統。汽車開上高速後就會按照一定的軌跡和程序行進，駛出高速後再恢復到人類駕駛。對這一設想，他給出的時間表是1960年。
圖6-1 1939年紐約世博會通用汽車搭建的Futurama場館
圖6-2 Norman Bel Geddes（1893—1958年）最早提出了無人駕駛的概念
20世紀50年代，研究人員開始按照上述設想進行實驗。或許是實驗讓人認清了困難，預言被延後了，他們說這一切會在1975年發生。
在這之後，試圖利用鋪設在地面上的電線為汽車導航，進而實現無人駕駛的技術探索在各處展開。而英國人把路上的電線改成永磁鐵片組成的引導線，他們認為這樣做能使控制更加精準，車速更快。“地面軌道派”經歷了無數挫折，幾乎所有人都隱隱感到，以軌道引導無人駕駛不具備實際應用價值，而且這已經是當時技術條件的“天花板”。不過，這種應用模式倒是在一些送餐機器人的產品中實現了。
1956年，通用公司造出了無人車的實體。它展出的Firebird II（火鳥二代）概念車，首次提出了安全及自動導航系統。鈦金屬、流線型的車身簡直像是一枚直接從科幻電影中開出來的火箭。這只“火鳥”推出第三代時廣告語是：“想要坐著放鬆一下？好，設定好想要的速度，然後調成自動導航狀態吧。放開手柄，Firebird III會自己搞定。”
圖6-3 Firebird III（火鳥三代）
通用公司還邀請BBC現場直播了高速公路上的無人駕駛測試，不過，這時的無人車依舊通過接收預埋線纜發送的電子脈衝信號行駛，沒能掙脫“地面軌道派”的思路。
至此，不論是將“遙控器”掌握在人類手裡，還是可行性不高的預鋪電纜，都和人類想像中自由、流暢的無人駕駛體驗相去甚遠。直到20世紀60年代，俄亥俄州立大學的項目負責人Cosgriff（科斯格裡夫）還深信，埋設在道路中的電子導航設備將在15年內推向公共道路。世界各國的實驗室還要在這些“磨盤”的圓周上徘徊多年，唯一的區別是各自走出的半徑大小。
曙光就在前方
當時，影響今天無人車的主流技術已經在各大研究機構中顯露雛形。只不過在那時，這些技術零星分散在各處，也沒有人想到要把它們組合起來。
1966年，智能導航第一次出現在美國斯坦福大學研究所裡，SRI人工智能研究中心研發的Shakey是一個有車輪結構的機器人。它可能要花上數小時才能完成開關燈這樣簡單的動作，但在它身上，內置了傳感器和軟件系統，開創了自動導航功能的先河。
1977年，日本的築波工程研究實驗室開發出了第一個基於攝像頭來檢測前方標記或者導航信息的自動駕駛汽車。這輛車配備兩個攝像頭，在高架軌道的輔助下時速能達到30公里。這意味著，人們開始從“視覺”角度思考無人車的前景。導航與視覺一起，讓“地面軌道派”壽終正寢。
與此同時，GPS系統於1973年開始發展。DARPA（美國國防高級研究計劃局）在1984年啟動了“ALV自主陸上車輛”計劃，目標是通過攝像頭來檢測地形，由計算機系統計算出導航和行駛路線等。當時，這一機器人採用激光雷達來識別道路，依靠GPS進行導航，並通過小型化的短波雷達來發現前方突然出現的障礙物並自動剎車。在這些描述中，已經不難看出無人車研究路徑的成熟，但遺憾的是ALV項目研究持續了5年，由於成果有限，國會削減經費，被迫終止。這一停，又將無人車的誕生推遲了若干年。
同樣在軍事領域投入無人車研究的還有德國。德國軍方科研機構從1987年開始和奔馳合作，開發無人駕駛車輛，其技術甚至比DARPA的ALV項目更為成熟，採用攝像頭和計算機圖像處理系統對道路進行識別。這項研究同樣沒有取得太多成果。
在今天我們已經知道，要讓無人車具備敏銳的“視覺”，中間還隔著運算速度、大數據、深度學習等數不清的技術鴻溝。
1993—1994年，來自德國慕尼黑聯邦國防軍大學的Ernst Dickmanns（恩斯特·狄克曼斯）教授團隊改裝了一輛奔馳S500轎車，讓其配備攝像頭和其他多種傳感器，用來實時監測道路周圍的環境和變化。這是那個年代最成功的“動態視覺”實驗。這一次，這輛奔馳S500在普通交通環境下自動駕駛了1000多公里。
幾乎同時，從1984年就開始投入無人駕駛探索的美國卡內基梅隆大學，率先在1989年使用神經網絡來引導自動駕駛汽車，即便那輛行駛在匹茲堡的翻新軍用急救車的服務器有冰箱這麼大，且運算能力只有Apple Watch（蘋果智能手錶）的1/10。但從原理上來看，這項技術和今天無人車控制策略一脈相承。
這所大學的NavLab項目在1995年發展到了第五代。一輛1990年款的Pontiac Trans Sport（運動跑車）經過改裝後，配備了包括便攜式計算機、擋風玻璃攝像頭、GPS接收器以及一些其他輔助設備。成功完成了從匹茲堡到洛杉磯的無人車跨越國土之旅。從現在的意義上，可以算作“半自動駕駛”。它們的研究成果對於現在的無人駕駛技術提供了很大的借鑒意義。
和全球的發展節奏相近，從20世紀80年代起，我國開始了針對智能移動裝置的研究，起始項目同樣源於軍用。1980年國家立項了“遙控駕駛的防核化偵察車”項目，哈爾濱工業大學、瀋陽自動化研究所和國防科技大學三家單位參與了該項目的研究製造。20世紀90年代初，中國也研製出了第一輛真正意義上的無人駕駛汽車。
在“863計劃”支持下，很多大學與機構開始研究無人車。歷經“八五計劃”“九五計劃”“十五計劃”，北京理工大學、國防科技大學等五家單位研發的ATB（Autonomous Test Bed）系列三代無人車依次問世，ATB-2直線行駛速度最高可達到21米/秒，ATB-3在環境認知和軌跡跟蹤能力上得到進一步加強。
國防科技大學與一汽集團合作研發的紅旗CA7460無人車，可以根據前方障礙車輛的情況自動進行車道變換，行駛速度最高可以達到47米/秒；清華大學研製的THMR-V無人車，最高行駛速度也可以達到42米/秒，還可以根據不同駕駛場景選擇高速公路和城區公路兩種駕駛模式；由西安交通大學研製的Springrobot也是我國著名的無人車平台之一，具有較高的車道線檢測能力和行人檢測能力；國家自然科學基金委員會於2008年啟動了“視聽覺信息的認知計算”重大研究計劃項目；2009年，首屆中國“智能車未來挑戰賽”在西安舉行，此後幾年裡，吸引了名牌院校和科研機構的數十輛無人駕駛車輛參加該項比賽。
這樣的賽事國外開始得更早。2004—2007年的DARPA系列競賽，讓“無人車”展露出高速發展的苗頭。
2003年，美國發動伊拉克戰爭，也點燃了無人車技術爆發的導火索。穿越沙漠運送彈藥補給成了美軍的常態行動，但即便有裝甲車和直升機保護，輜重車隊仍會經常受到攻擊。加之美軍人員經常遭遇路邊炸彈或地雷襲擊，傷亡慘重。因此，曾經孕育互聯網的DARPA重啟了擱置十多年的自動駕駛技術研究。在美國政府和軍方的計劃中，10年後至少有1/3的軍用車輛能夠自動駕駛。
2004年，美國國會撥款設立100萬美元獎金，後又加碼到200萬美元，由DARPA牽頭舉辦無人駕駛大賽，廣發英雄帖。儘管相對無人車的軟硬件成本獎金並不算高，但仍然吸引了來自企業、科研機構、大學教育機構，甚至個人在內的不少參賽者。
應戰時需要，第一屆無人車挑戰賽在沙漠中進行。這條從加州Barstow（巴斯托）到內華達州Primm（普裡姆）的賽道，長約230公里，大多數是行駛難度頗大的沙漠地形。比賽要求在10個小時之內完成，只能依靠GPS來引導駕駛，依靠傳感器或攝像頭繞開天然障礙物。軍方預測一定會有一個隊贏得比賽的勝利。
不知軍方是低估了無人車技術的難度，還是高估了參賽者的水平。這一年，不僅沒有一支隊伍抵達終點，即便是比賽的第一名，卡內基梅隆大學“紅”隊的Sandstorm（沙塵暴），也只開出了11公里，因為拐錯了一個彎，陷進溝裡動彈不得。多半參賽車輛在比賽剛開始就結束了，剎車鎖死、車軸斷裂、翻車、衛星接收器失靈等故障頻出。
結果令人沮喪，人們的預期急轉直下，悲觀者說能在沙漠裡行駛的無人車或許永遠都造不出來。然而，這場不盡如人意的比賽沒有止步於此，還成了無人車發展史上的拐點。
2005年，第二屆無人車挑戰大賽依舊在沙漠中舉行，賽場依舊設在加州和內華達州交界處，賽程212公里，難度也是有增無減，3個狹窄的隧道，100多個急轉彎。最艱險的一段狹窄彎路，一邊是60多米的深溝，另一邊則是懸崖峭壁。然而這一年，絕大多數參賽車都超過了上屆11公里的最高行駛紀錄。儘管依舊有不少參賽車輛中途退出，但有5輛車完成了全部賽程。
前三名分別來自斯坦福大學、卡內基梅隆大學和一家美國私企。這一屆比賽中的冠軍車輛已經搭載了攝像頭、激光測距儀、雷達遠程測距、GPS等今天無人車必不可少的裝備。
2007年，DARPA把賽場搬到了城市裡，開始從軍用轉為民用。新賽場內有交通燈、汽車等複雜環境，與未來無人車實際使用的環境更接近。比賽結束，卡內基梅隆大學、斯坦福大學、佐治亞理工大學奪得前三名。無人車研究領域的格局似乎開始穩定下來，DARPA的賽事卻戛然而止。由於各種原因，美軍至今未將無人車技術用於後勤運輸。但是，技術的發動機一經啟動，就沒有人能讓它停下。
圖6-4是2007年DARPA無人車挑戰賽的冠軍車——卡內基梅隆大學的“Boss”，車頂及車頭加裝的設備體積和複雜程度遠超今日進行路試的各類無人車。DARPA發掘了無人車研究者的潛力，也孵化了無人車的基礎技術路線。
比賽中車隊普遍通過攝像頭、雷達、激光設備來探測周圍的地形和障礙物。將結果與GPS和傳感器的信息整合為一體，做出加速、減速、轉彎等操作決定。十多年後，後人所做的，無非是在這條“無人車智能路線”的基礎上，進行技術迭代，更加深入和精細化。
圖6-4 卡內基梅隆大學的無人車“Boss”
資料來源：http://mt.sohu.com/20160805/n462676928.shtml
比賽促生了一個由發明家、工程師、程序員、開發商組成的無人車生態圈，也促成了無人車技術投資熱潮的興起。谷歌、蘋果、特斯拉、優步、百度陸續宣佈研發無人車的計劃。各家都毫不掩飾自己在無人車領域的野心，僅谷歌而言，不僅挖走了斯坦福團隊的領軍人物塞巴斯蒂安·史朗，還把該校研究無人車的人員幾乎一起攬入門下。2007年冠軍團隊的核心人物惠特克在卡內基梅隆大學的很多學生和同事都成為美國無人車行業的中堅力量。
在互聯網企業的灼熱展望中，就連保守的傳統汽車製造廠也“被迫”加入了“無人車軍備競賽”。
雖然當年實驗成本居高不下制約了量產和商業化，讓無人車陷入瓶頸，不過2007年依舊值得記憶，不僅是因為它開啟了無人車的新篇章，更是因為這一年深度學習研究重獲新生。這個節點過後，相關領域也呈現井噴之勢，大數據革命、雲計算興起、移動互聯網浪潮、數據採集渠道的多樣化……
更多的變化不斷將無人車從傳統汽車行業的束縛中解脫出來，讓它走出大學實驗室。
多年來，內燃發動機、變速箱以及複雜的生產工藝，構成了傳統汽車行業的高牆壁壘。但是，新能源車或者說電動車技術的日益成熟，在這座高牆上打開了一個缺口。讓汽車的製造門檻大幅度下降，因為，過去最難造的發動機、傳動器、離合器，在電動車裡面都不需要了。這不僅給了一些科技企業長驅直入這一領域的機會，也使得一些長期受困於核心技術差距，只能在較低端跟隨的國家（比如中國）的汽車製造業，贏來了彎道超車的機會。
老牌車企“車到山前”
2013年，智能駕駛方興未艾，美國高速公路安全局（NHTSA）就為智能汽車正式劃分了等級。
根據給出的定義，智能汽車的發展可以分為4個階段：第一階段（L1）是“高級輔助駕駛系統”，特點是為司機提供碰撞警示，緊急情況制動，盲區監測和彌補夜間行車的視力弱勢。第二階段（L2）被翻譯為“特定環境的自動駕駛”，接近於通用公司的設想，車輛能在高速公路或是堵車這種相對規律的環境中自動駕駛。從第三階段（L3）開始，我們對無人駕駛的期待有了一些輪廓，L3即為“多種環境中的自動駕駛”，車輛能適應所有路況，但在特殊情況下需要轉交給人類駕駛員。到了第四階段（L4），即“全自動駕駛”階段，智能汽車真正做到了自主駕車。至於L3和L4的區別，從外形上看，L4智能車將在L3的基礎上，撤掉方向盤和剎車。
分類可以說是對汽車行業的一次重新洗牌。在無人車的江湖裡，傳統車企、互聯網企業、出租車行業巨頭三分天下。傳統汽車生產商的興趣點在於L1和L2，L3和L4則聚集了包括谷歌、百度、優步、特斯拉在內的巨頭。
今天，起著決定性因素的不再是資本和歷史，而是各家企業的內在基因。L2和L3之間，有著老牌車企難以跨越的技術鴻溝。包括百度在內的互聯網企業在技術、數據和人才上的積累，佔領了傳統車企短時間內無法企及的技術制高點。不過即便使用相似的設備，如攝像頭、傳感器、深度學習、激光雷達等，也會因為軟件數據庫的全面程度不同，而達成不同等級的無人駕駛效果。
寶馬I3在車身上安裝了4個IBEO（激光感應器），具備躲開立柱障礙、緊急剎車等功能。遺憾的是，使用場景尚且停留在多層的停車場環境中。沃爾沃推出的XC90，配置有城市安全系統（City Safety），新增衝出路面防護系統和十字路口自動制動系統，能幫助司機避免常見的追尾事故。
2015年初，奔馳推出了F015概念無人駕駛汽車，車內佈滿了各種顯示屏以及可旋轉的座椅，儼然一個可移動的娛樂中心。但落到實處，奔馳的S500仍然沒有擺脫窠臼，Intelligent Drive（智能駕駛）系統專攻的依舊是防碰撞、保持車道、自動剎車和堵車時自動跟車功能。
圖6-5 奔馳的超現實概念無人駕駛汽車F015
資料來源：http://www.diseno-art.com/news_content/2015/01/autonomous-driving-mercedes-benz-f-015-luxury-in-motion-concept/
在總裁瑪麗·巴拉的領導之下，2015年，通用汽車收購了Cruise Automation公司，向打車服務公司Lyft投資了5億美元，推出通用汽車第一款長續航、自動駕駛的全電動汽車Bolt。電動車、自動駕駛、共享經濟，每一步都時髦且精準。
但迎接通用的是行業內的不理解，明眼人都明白無人車帶來的危機和衝擊將是前所未有的：無人汽車一旦發生交通事故，將把車企置於極為不利的地位。此外，無人車推動的共享經濟很可能大大降低私車擁有率。那時，車企的光環不再，只是作為最基層的硬件提供者而存在。這些遠景讓巴拉的銳意進取被諷為無人車浪潮下平撫焦慮的“自我安慰”。
最可圈可點的，大概是德國車企戴姆勒了，它與內華達州達成協議，率先獲批自動駕駛卡車上路。2016年4月，戴姆勒公司安排旗下三輛自動駕駛卡車車隊上路，從德國的斯圖加特開到了荷蘭的鹿特丹。不過使用場景尚且僅限於高速公路，且車上仍需要有一名駕駛員負責監督。
智能企業的邊緣突進
在被通用收購前，Lyft已經和雪佛蘭合作研發無人車。就連黑莓也在放棄手機行業後，轉而投身於無人駕駛。這些接觸汽車行業不久的互聯網公司，急不可耐地投入無人車的研究，毫不顧忌行業老大哥的猶豫和躊躇。而更為激進的特斯拉在2016年就有超過10萬輛能夠超車、躲避障礙、自動進停車位的半自動駕駛汽車上路了。
“年輕人”的“跑酷”自然要付出一些代價，2016年1月，特斯拉自動駕駛汽車的第一起事故被證明在中國發生，儘管目前調查結果未定，但在行車記錄中，這輛具有自動駕駛系統的汽車，面對前方明顯的清掃車，沒有減速跡象，導致追尾。2016年5月，特斯拉在美國發生一起事故，在強烈的日照下，自動駕駛系統未能識別到前方橫穿而過的一輛白色集裝箱貨車，沒有及時剎車，而貨車車主也違背了操作規範，雙手離開了方向盤。撞擊致使車主喪生。2016年8月，得克薩斯和北京各有一位車主，或撞向高速護欄或與旁車發生剮蹭。事後分析都指向車輛的感知系統誤檢。
在撞擊集裝箱貨車的事故中，由於橫跨多個車道、車架高於地面，高亮度天空背景下的白色車身被視覺識別系統誤認為是“白雲”。北京剮蹭事故中，路邊靜止車輛被識別系統當作圍欄，自動駕駛錯估了安全距離，導致了近距離摩擦。應該說，這意味著對識別系統的訓練還不充分。
優步則在未獲得加州政府上路測試牌照的情況下，開始測試無人車。實驗過程中因為闖紅燈險些撞車而變成了一出鬧劇。
在無人駕駛這條道路的同行者中，還有一些擱置了實時更新道路數據的技術路線，主攻嵌入式人工智能的解決方案，目標是讓自動駕駛在不聯網的情況下實現道路感知等。
這些不斷跌倒又前進的嘗試，更多地指向L3無人車。而對於下面提到的兩位，L4才是雄心所在。
L4准入門檻極高，人工智能和高精地圖信息不可或缺。因此，谷歌和百度佔據了絕對優勢。
2009年，谷歌在DARPA的支持下開始了自己的無人駕駛汽車項目研發。2014年12月，谷歌對外發佈了完全自主設計的無人駕駛汽車。外觀構造已經與傳統汽車截然不同，取消了方向盤與剎車。2015年，這輛原型車已經可以上路測試，乘客只要坐在車中，就可以“坐等”車輛開動。截至2016年10月，這輛許多人用“萌”來形容的白色小車，已經進行了超過320萬公里的公共道路測試，相當於人類司機300年的開車經驗。
對於谷歌的野心勃勃，百度恐怕是最能理解的。幾乎是同一時間，百度無人車也在加速前進。在中國移動互聯網一片熱鬧的幾年，百度卻埋頭無人車開發，來不及向外界解釋，只有安全和學習成果演進在我們的注意範圍內。那句“3年商用5年量產，要在2021年讓無人車出現在地平線上”的宣言，並非媒體所稱的“激進”，而是源自自身技術的召喚。
圖6-6 谷歌無人車
百度想做的也是“完全無人駕駛”，在技術路線上選擇了幾乎最難走的路：高精地圖加傳感器。與上述所有涉及L3的自動駕駛車高了幾個數量級的難度。為此，“百度大腦”們一頭扎進無人駕駛領域。
最初百度對該項目高度保密，直到2015年12月，百度無人車完成北京開放高速路的自動駕駛測試，外界才逐步知道百度在做什麼。這次測試首次實現了城市、環路及高速道路混合路況下的全自動駕駛。百度無人車從位於北京中關村軟件園的百度大廈附近出發，駛入G7京新高速公路，經五環路，抵達奧林匹克森林公園，隨後按原路線返回。全程均自動駕駛，實現了多次跟車、減速、變道、超車、上下匝道、掉頭等駕駛動作，完成了進入高速匯入車流到駛出高速離開車流的不同道路場景的切換。測試時行駛速度最高達到100公里/小時。
百度無人車的車頂裝有一台64線激光雷達，通過持續地圓周旋轉，對車身60米半徑內的路況進行全景掃瞄。車輛兩端和後方分別裝有3個激光雷達，用於掃瞄鄰近區域，彌補車頂雷達的視角盲區。這一連串的高分辨率激光雷達，構成無人車的“複眼”，對整體路況有了透徹的“俯瞰”，有助於實現在複雜交通環境下的自主駕駛。特別是針對交通擁堵、狹窄道路、小區和停車場等特殊場景，實現跟車、換道和交叉路口通行。
有了這些還不夠，車頂前方還裝有兩個視覺識別攝像頭，這樣一雙“眼睛”可以精準地識別交通信號燈、路面交通線和交通標誌，彌補了激光雷達在雨、雪、霧等特殊天氣條件下的“視力下降”，提高了對路標和信號牌的識別率。
從環境感知、行為預測，到規劃控制、高精地圖、高精定位，一輛無人車上集納了當下多個領域最頂尖的技術。百度能在這麼多的方向同時迸發，依靠的是在人工智能、深度學習領域的長期積累。當然，從無人駕駛技術的發展歷程來看，今天百度無人車也可以說是立足在巨人之肩，每一台硬件設備都有過異想天開的“原型”。每一條技術路線都是全球無人車研究者在反覆失敗中提煉的“最優解”。
現在百度無人車還在中美兩國進行著大量的路測。在百度的時間表裡，2018年要實現百度無人駕駛公共汽車上路行駛載客。
一項技術從開始科研到落地使用，這不僅是百度的進步，也是中國製造的成就。從一開始，百度肩上扛的就不僅是“無人駕駛”的“小目標”。
圖6-7 百度“雲驍”無人車在烏鎮亮相
註：用手機百度或智能革命App掃瞄圖片可見AR效果。
圖6-8 百度無人車視角下的路面
在2015年的世界互聯網大會上，百度展示的無人駕駛車就吸引了習近平主席的注意，習主席在百度公司展台的駐足時間超過10分鐘，比原定時間長了3倍。中國工程院院士李德毅曾對無人車行業做出分析，他認為“以無人駕駛車為代表的輪式機器人將成為中國智能製造2025的首張名片”。無人車不僅是“車輛”，也因其自身裝載的設備系統，在商業化過程中將直接帶動雷達、傳感器、導航系統等產業的快速發展，為建立車聯網和物聯網打下基礎。無人車自身的戰略價值，已經遠遠超過了一個交通工具。
中國的交通場景豐富、人口眾多、市場龐大。無人車不但能為整個交通模式帶來變化，還有可能給中國帶來智能地鐵、智能公共系統等新事物。智能交通是系統性、革命性、顛覆性的變化，隨著技術的狂飆突進，需要改變的可能是人們的思維模式。
陸奇說起過自己的一樁逸事，他玩過一種特殊的自行車，是倒著騎的，方向盤往左拐輪子會倒過來，這其實和人工智能也有點關係。學習有幾種方式，有一種是體驗式學習，比如學騎自行車會摔跤，但學過就不會忘記，而學了這個特別的自行車就不會騎原來的自行車。在為無人車制定法律時，人類要避免刻舟求劍，繼續用有人駕駛時代的思維束縛未來。
苦練無人車的內功與外功
在瞭解無人車技術的歷史和現實背景後，讓我們從技術層面深入無人車的“視和聽”。
在“視距”上，無人車較之裸眼具有絕對優勢，駕駛員的安全視距一般在50米左右，而無人車依靠多種中遠距雷達、攝像頭等傳感器，能實現200米以上的超視距掃瞄觀測。
另外，無人車的“視覺”方面還要克服許多對人類來說不是問題的問題。為了讓它能夠從不同角度對汽車和周圍路況進行判斷，我們要教會計算機在動態中識別哪些是車、哪些是天空、哪些是樹。深度學習在這一過程中起到了巨大作用。
目前，在用攝像頭來判斷物體這項指標上，百度無人車準確率達到90.13%，2016年同期為89.6%。看似只有0.53%的提高，但對於無人車乘坐者的安危，每一點進步都值得堅持。在判斷行人方面，百度無人車的準確率達到95%，判斷紅綠燈的準確率達到99.9%。而它的未來目標是，判斷紅綠燈的準確率必須達到100%。
當然，對無人車來說，光會“看”是不夠的，要保證安全，還要有敏捷的反應，要能“剎得住”。人類駕駛員，從遇到緊急狀況到踩下剎車需要0.6秒。而汽車的剎車要發生作用，其油壓系統傳導還需要0.6秒。也就是說，一般的人類駕駛員需要1.2秒的時間把車剎住。而百度無人車從“發現”緊急情況到做出剎車動作只需要0.2秒。未來，如果電動剎車取代液壓剎車，百度無人車有能力做到在0.2秒內緊急制動，這將比人類平均的1.2秒快了整整1秒，高速駕駛中，1秒可能就是救命的時間。
不論是靜、是動，還是“表面”招數，在絕大多數的行駛過程中，車載的雷達、傳感器、攝像頭等要實時收集數據，在行車途中反饋到“百度汽車大腦”的服務器上，輔以GPS高精度地圖，指導汽車以最佳路徑行進。
在定位層面，百度地圖2015年達到WiFi定位精度30米，室內高精定位精度1~3米，定位速度0.2秒。2016年，百度無人車使用的高精地圖精度是10厘米級，實際行駛中對路況判斷的誤差小到一根車道線的寬度，相比GPS定位，精度提升了兩個數量級。
這一切也要歸功於無數百度產品的使用者，包括那些調用百度地圖API的用戶。使用者在調取時，無形中就幫無人車刷新了數據，增加了一點“智慧”。
圖6-9 比普通GPS定位高兩個數量級的高精定位示意圖
順利推進無人車的研發，關鍵在於構建合理的技術佈局。隨著技術的升級與革新，以往推廣應用的“死結”都會逐漸被化解。業界對無人車是否應該採用激光雷達的爭論就是如此。
由於激光雷達造價高昂，外界有人唱衰無人車，正如多年前很多人因為價格而不看好“大哥大”。百度不僅對降價抱有信心，還做出了前瞻性的戰略投資。
2015年底，無人車普遍採用的LiDar激光雷達的價格高達70萬元，半年後同款批發價已經降為50萬元，下降了30%。隨著生產工藝的成熟及無人車行業發展帶來的規模化效應，激光雷達將有更大的降價空間——畢竟“大哥大”剛面世時售價高達2萬元，而今國產的“國民”智能手機只要600元左右。
2016年8月17日，百度與福特公司以1.5億美元聯合投資激光雷達公司Velodyne LiDar。Velodyne預計，如果2017年拿到100萬個訂單，百度無人車使用的64線激光雷達單價就會直線下降到500美元，2020年激光雷達價格會降到300美元左右，2025年會降到200美元左右。
在無人車的研發勢頭下，64線激光雷達目前非常緊俏，這項投資確保了百度的傳感器供應。但如此巨大的投入，並非只為一時的器件供應，而是以行業帶頭人撬動整個產業，以利於整個無人車行業的發展。
除此以外，為了改進硬件計算能力，百度自主研發了由48台服務器組成的小集群，計算能力超過了中國超級計算機神威太湖之光。
從百度地圖十多年的運營，到百度大腦感知和決策能力的全面開花，再到對激光雷達供應商Velodyne公司的投資，與其說是百度選擇了無人車，不如說是百度的專業邏輯將自己推到了必須承擔起責任的這一步。
僅有技術層面的可行性是不夠的，為了積累路測經驗，百度無人車在國內外的試驗場上奮力奔跑。在美國加州，百度是第15個獲得無人車測試執照的公司。就在2016年底，百度在加州部署了100多名無人車的研究人員和工程師。在國內，百度也要全力做好“中國定制”。鑒於選擇測試和初期商業化，在考量道路設施、行人密集度、政府（相關部門）支持力度，甚至當地天氣等多方面情況後，百度無人駕駛團隊入駐北京、上海和深圳，分別和安徽蕪湖市政府、上海國際汽車城、浙江烏鎮旅遊景區、北京亦莊開發區簽署了測試的合作協議。
2016年，在獲批的“國家智能網聯汽車（上海）試點示範區”封閉測試區內，模擬了城市交通場景，有隧道、林蔭道、加油/充電站、地下停車場、十字路口、丁字路口、圓形環島，還有6個智能紅綠燈和40個各類攝像頭。整個園區道路實現了北斗系統的厘米級定位和WiFi全覆蓋，可以為智能駕駛提供29種場景的測試。
百度在2017年推出了高級自動駕駛人工智能模型Road Hackers，並將基於此模型開放百度自動駕駛訓練數據，首期就包含1萬公里的L3數據。這部分涉及一線、二線城市等十幾個城市的封閉道路的高速、環路、快速公路的數據。今後還會有一些人車混搭的道路數據公開，並逐步開放所有大數據資源。這當中不單是道路數據，還有中國司機的開車習慣，這可能是更為感性和寶貴的數據。這一模型能夠在真實的道路情況下，利用深度學習等技術，將L3無人車的攝像頭、傳感器等輸入的信息轉變為車速、路徑、方向等最優的駕駛指令。
Road Hackers的推出表明，百度在L3和L4雙路徑並行突進。對百度來說，L3的數據也可以用到L4，當收集了足夠多的公路數據、場景數據、用戶數據、車的數據，並將這些數據和激光雷達的數據結合起來，可以讓L4更快地實現。
更重要的是，相較於L4，L3能更快地與傳統汽車行業對接。
百度聯手北汽，推出搭載車聯網解決方案的車型，計劃在2017年底進行北汽L3車型的路測。百度無人車奇瑞EQ參加了駕照考試，已經通過了第一個考試科目，希望2017年能考過兩個科目，3年內能把5個科目都考完，實現商用目標。
未來，無人車還要走上開放路面進行測試，在具有代表性的城市區域進行測試，最終融入城市交通系統。美好的前景正在實現，但還有數不盡的用戶體驗需要去完善。
自動駕駛不應該只是少數人的專屬，而應該成為每輛車的標配功能。無人車承載了中國汽車產業很多的希望，這一點絕對不是百度一家公司能夠完成的，而是需要整個產業，包括各級政府、汽車製造企業、科研機構、銀行、保險公司的共同努力，才能把中國的無人車真正推向社會，真正落到實處。
中國電信在全球5G標準競爭中取得的成果令人興奮。無人車是物聯網中極具意義的應用，可以共享設定區域內的位置信息、外部環境信息、自身駕駛信息等，每輛車都會成為信息的接收者和發出者，實現整個區域內的協同駕駛，進而實現車與車、車與人、車與萬物的相連。而無人車和物聯網的實現正依賴於5G時代的到來。
“老司機”駛向何方
儘管無人車還遠沒有達到大批商用的階段，但作為新事物，已經面臨來自各方的懷疑，這是技術之外的另一道關卡。無人車上的聯網設備會侵犯個人隱私嗎？數據被黑客竊取會產生不良後果嗎？無人車出了事故如何認定責任？
人們常用一個形而上學的倫理問題來問無人車：路邊突然竄出一個小孩，如果無人車打方向盤，就會撞到另一邊的一個行人，無人車該怎樣選擇？進階版問題還有：如果一邊是一個人，另一邊是一群人，無人車要怎麼選？對此，技術性的回答通常是：採取“讓速不讓道”的方式，盡可能快地減速，以避免、緩解悲劇的發生。但真正的關鍵在於，這個倫理問題即使是人類老司機也回答不好。對待無人車，人類可以多一分理解。
谷歌無人車在實驗階段就應對過各種情況：一個坐著電動輪椅的女人在路上追趕一群鴨子、一群人在馬路上排成一行做青蛙跳、一個人毫無預兆地突然靠近並滾過無人車的前蓋，甚至有人在車子前面裸奔。有人問怎樣看待百度無人車程序有3000多個場景，1萬多個“if”。這個數據百度沒有真實統計過，但這些“if”顯然是為了眾多諸如“撞人還是撞狗”的場景而預備的，至少保證對於普通人能夠想到的特殊情境，無人車都能做出最有利於交通參與者人身安全的選擇。
不妨再大膽想像一下。在萬物互聯的條件下，未來面對人類也難以決斷的緊急情況時，人工智能的反應速度、聯網效應很可能會給出比人類更好的解決方案。車聯網系統將把無人車連成整體，每輛車在行駛時“腦海中”都有著“大局觀”。一輛車緊急剎車就會緊急“告知”一定範圍內的無人車也做出對應的措施，從而避免追尾事故。
相比民眾對無人車太“凶”的擔心，工程師們擔心的反而是無人車在與人的相處中太“慫”了。在谷歌的實驗中，無人車在右道行駛時發現前方有沙袋，它試著減速繞過沙袋開向左車道，本以為後方的公交車會減速讓行，不料公交車卻在其變道時加速超車，導致了兩車相撞。在這起事故中，反而是遵守交通規則的無人車被人類“欺負”。無人車的訓練中不可能允許違法行為的出現，那麼它要怎樣和靈活應變的人類相處，遇到實際駕駛中的模糊區域要怎樣做出決策？目前仍是無人車集中攻克的一門“學科”。這實在要比圍棋棋盤複雜得多。由此可見，擔心一個以防禦為主的無人車主動傷害人類，可能還為時過早。
上面這些還是“假設”層面的問題，針對無人車的法律法規、自動駕駛汽車監管、事故時的責任界定等問題可以說就近在眼前。
目前，無人駕駛技術在歐盟以及美國一些州都存在法律障礙。歐盟交通法律規定，汽車必須由持有相應駕照的司機駕駛，任何人不得以任何理由接管駕駛權。美國只有四個州支持自動駕駛汽車上路。
但在法律層面上的“舉步維艱”不會持續太久了。2015年，根據谷歌所描述的車輛設計，“美國國家高速公路交通安全管理局把這種車的‘司機’理解為自動駕駛系統，而不是車上的人”。即接受了谷歌的說法，認可了谷歌無人駕駛汽車將不會有傳統意義上的司機。
2016年初，聯合國歐洲經濟委員會對《維也納道路交通公約》進行了修改，從原先“駕駛車輛的職責必須由人類駕駛員負責”改為“在全面符合聯合國車輛管理條例或者駕駛員可以選擇關閉該技術的情況下，將駕駛車輛的職責交給自動駕駛技術可以被允許應用到交通運輸當中。”
雖然中國還沒有具體的法律法規面世，但中國人“摸著石頭過河”的傳統讓無人車企業感到放心。業內人士並沒有太擔心法律的阻礙，畢竟法律總是在追趕現實，在算法可能代替律法的時代，技術才是發展的核心驅動力。中國的無人車一旦啟動，其加速度十分可期。
歸根結底，無人車是服務於人的。無人車這位“老司機”不斷學習，技藝日臻完善。科學家夢想有一天，無人車能夠使得路怒不再，擁堵不再，更少的車和更高的用車效率或許將讓霧霾也不再。呼之則來的無人車，為我們每一個行程規劃完美的路徑，精準計算路上時間，在這個空間裡，我們可以休息、工作、學習、娛樂、休閒，甚至旅行。充分利用路上的時間使居住在市中心與郊區的差別將不再巨大，由此影響城市佈局和地價均衡，進一步影響年輕人的工作與生活。人類將有更多時間和空間發展自身的技能，提高健康水平，彌補對家人陪伴的不足。讓無人車盡情打開我們的想像空間吧！
當然，在樂觀場景的另一面，我們或許會感受到另一重孤寂。為效率而產生的更多單座、雙座無人出租車，默默無語的旅途，或許會讓我們嚮往拼車帶來的交際溫暖。過去與司機胡侃的夜晚，可能會變成一項收費服務。車禍少了，一旦出現交通意外反而容易上頭條，相比技術進步，人性的進步速度是緩慢的，我們的易怒和敏感或許會轉移到其他議題上。
汽車文明是現代工業文明的化身。縱覽大地，從上古時期的百獸競走，到今日億萬輛汽車奔馳，再到未來無人車自在湧動，堪稱生命的進化之路。從此汽車將不僅是汽車，公路也不只是公路。文明就是“在路上”，生生不息。知道更多，做到更多，體驗更多，願無人車讓我們變成更好的人類。