自动驾驶汽车已经是大家耳熟能详的热门话题，很多高科技企业也看好它的未来。那么我们距离自动驾驶汽车究竟还有多远？自动驾驶又面临着哪些技术挑战？关于自动驾驶，你不知道、想知道的，都在这里！

（左）段玉龙

北京广播电视台主持人

（中）李慧云

中国科学院深圳先进技术研究院研究员

（右）李升波

清华大学车辆与运载学院长聘教授

**段玉龙：**无理性不真相，各位观众朋友大家好，欢迎收看理性派对，我是主持人段玉龙。本期节目将和大家聊一聊自动驾驶。

为什么我们还没用上无人驾驶？

**段玉龙：**眼下自动驾驶的概念非常火，但为什么这么多年过去了，自动驾驶汽车还没有来到我们的身边，仅仅只是停留在纸面上或者一些封闭的测试道路中呢？

**李慧云：**我认为它发展得其实不慢。作为囊括方方面面的复杂系统工程技术，包括了汽车运载、道路还有通信等等，它发展得还是挺迅速的。

事实上大家在这次疫情中可能也听到一些新闻，说我们的无人车已经参与了物资包括防疫物资的配送，还有一些人员的运载。大家可能不知道的还有一些无人矿用卡车的运行。所以说其实在一些特定区域内，它已经逐渐地走入了我们人类的生活。

**段玉龙：**但是对于我们普通老百姓来说，什么时候上下班、接孩子能开上无人驾驶汽车？甚至都不用开这个词，车就能够帮我来完成这些任务？

**李升波：**其实这是个非常复杂的问题，一般媒体谈无人驾驶就是在讲替代驾驶员、替代人类，这是个非常理想的目标。但就目前来看，这样的纯无人驾驶技术还有很多瓶颈和难题难以解决。从智能的角度来看，人类这个生命体从一个单细胞开始，在大概四五十亿年的时间中，历经单细胞低等生物、多细胞低等生物、鱼类、爬行类、哺乳类的进化过程，最终进化为人类的。在这个过程中，我们的智能也在不断地进化。人类是目前我们所知的地球上最复杂、最智能的生命体，我们的大脑大概有800亿个神经元，只有这个生命体才能去真正地驾驶。目前来看，我们自动驾驶技术所用的机器神经网络，如果按照神经元的规模大概在千万到亿这个级别。对等到一个生命体上，这大概是青蛙的水平。

**段玉龙：**您是指现在的无人驾驶技术相当于一只青蛙在开车？

**李升波：**对。我们科学家把自动驾驶或者叫智能汽车分为五个级别，**从L1级到L5级，级别越高，智能性越高。**无人驾驶实际上是指L5级的自动驾驶，这是比较难以实现的。

L5级自动驾驶想象图

L1级是驾驶员辅助系统，它能自动帮驾驶员打方向盘或是踩油门、刹车。L2级是L1级的增强版，可以同时实现打方向盘和踩油门、刹车，但是它的工况一般局限在高速公路这种比较简单的，没有行人、自行车，只有机动车的道路场景。L3级和L4级则是在L2级的基础上的增强版，它们进入了交通参与者较多、复杂度较高的道路场景。

L3-L4级与L1-L2级的区别在于安全事故的责任主体不一样。按照目前的规定，如果L1-L2级出了事故，由于这是驾驶员辅助的自动驾驶，所以是由驾驶员承担责任；如果L3-L4级出了事故，准确说是L4级，就应该由系统负责。这就变得非常复杂了。要是系统的安全性不如人类，那给它保险的话，保费就要比人类高。此外，这种系统要进行事故责任主体的认定也比较复杂。所以目前进入商业化运营的自动驾驶汽车，基本还是L1-L2级的。L2级到L3级之间是一个跨越式的分级。

**段玉龙：**我们已经实现了L1和L2两个级别的自动驾驶这么多年了，但为什么到L3级的这个鸿沟就一直跨不过去？除了您刚才提到的责任认定之外，在技术方面有没有遇到什么挑战？这个挑战应该怎么解决？

**李慧云：**刚才李教授提到了在算法算力上，自动驾驶目前与人类驾驶有很大区别。从自动驾驶替代人的手脚眼脑的角度来看，除了在手和脚的制动这一块做得让人满意外，从感知到决策、规划、定位，这几大技术方面都做得不尽人意。

车载传感器示意图

我举两个例子。在感知的部分，我们大家可能听到有激光雷达和视觉流派之争，当然也有说多传感融合的。但是现在发生的事故都倒在了这一关。不过，如果我们加很多的传感器，又有很多测试案例的话，能否把这块做好其实也不一定。因为它又牵涉到后面的规划、决策与人工智能的发展程度，所以这是一个环环相扣的问题。

然后在定位的部分，我们正在跟香港理工大学合作，香港是个很典型的城市峡谷，不管是隧道还是高楼遮挡，它产生的多径反射一般会导致GNSS（全球定位系统）达到几十米的误差，就没有办法来导航了。当然使用一些技术手段比如说选特定的卫星、在做标定的时候加一些先验知识，现在最好的还是到十几米的误差。所以现在虽然说高精地图已经能达到厘米级，但是如果定位还有十几米的误差，这显然还是不行的。这也就能回答为什么L3-L4级还达不到商用的水平。

**段玉龙：**接下来这个问题该怎么解决呢？近年人工智能、大数据、云计算这些技术的进步，对于无人驾驶汽车技术的提升能够起到多大的作用？

**李升波：**无人驾驶要实现功能，就得像人一样。首先，要有眼睛观察周围的环境；其次，要用大脑进行判断、决策；最后把命令输出到手和脚，完成打方向盘、踩油门和刹车等工作。自动驾驶汽车的整个系统都是由算法完成的，但算法必须依赖于两点。第一，需要有算力或是计算机去承载它，第二，需要有数据去训练它。所以自动驾驶与人工智能类似，算法、数据和算力是它的三个基本支柱。目前我们的算力还不能满足高级别算法的要求。原因很简单，即便在车上装一台服务器，它能够承载的神经网络也就是亿级别的神经元的规模。人类的大脑大约只有八瓦到十瓦的功率，但它能够运行800亿个神经元，而且每一个神经元的性能都比机器的要好很多。所以按照这个类比，我们的算力还是不够的。

深度神经网络（DNN）示意图。它运作方式与人脑相似，通过互联的神经元组成的结构层传递输入的数据，然后进行处理。

接下来是算法，目前的主流算法是深度学习，我认为将来深度神经网络可能变成更加主流的自动驾驶算法。目前也有很多人质疑它的可解释性不好，安全性不一定能得到有效保障。但是人类也是神经网络构成的智能体，人类的大脑就一定具有可解释性吗？它也不是每次都能够判断准确的。因此，只要算法的安全程度足够好，我们还是可以信赖它的有效性的。至于网络本身是否具有可解释性，是否有足够的安全保障，则需要根据效果进行判断。

**李慧云：**我也赞同神经网络正在快速发展，它能在自动驾驶的感知、人机共驾语音识别等多个领域大放光芒。但是我认为还有一部分是现在的深度学习缺乏的：它没有人类的推理、归纳、演绎、类比等能力，而这些能力是青蛙和人的很大的区别。我认为如果要从青蛙过渡到人，数学、人工智能这两个领域还需要有很大的突破。

但我也赞同要看疗效。现在我们看疗效的通用方案是对产品的设计运行域（ODD）进行清晰地划分**。**比如说在低速情况下规定好时速、道路模型，那么就有一个选定的路线，这个路线将由乘客、运营商和信息通信的提供商共同确认。在这样的区域内，按照我们的方案如果能够完成感觉、决策、控制、执行、避障、紧急停靠等功能，我们就能够很好地让产品在区域内工作。

思想晚餐

已完成：30% //////////********

为什么数据是新时代的石油？

**段玉龙：**刚才您提到数据是自动驾驶三个基本支柱之一，数据的采集、使用、分析都十分重要。关于数据，您怎么看？

**李升波：**现在数据已经变成了新时代的石油这样的基础生产资料，重要性不言而喻，尤其是在自动驾驶领域。我们每天开车都能产生大量的数据，但这些数据存在哪、怎么用好是一个非常核心的问题。

人类驾驶员是一种类似于强化学习过程的智能性提升手段。用于自动驾驶的强化学习原理是指不断地累积虚拟的或真实的数据，然后运用数据训练感知算法、计算算法和控制算法，以提高算法的性能，使自动驾驶逐渐从低级别过渡到高级别。

李升波教授

一种典型解决方案是我国的科学家提出的。既然车上的算力比较小，或者说车上能运行的算法规模有限，不妨将一部分算力挪到路侧甚至是云端服务器上去计算。我们称之为云控驾驶，或者是车路协同的智能驾驶，这是一个全新的概念。通过这个方案，我们可能能够解决算力不足、单车数据累积不足的问题。

在可以预期的未来，如果将大部分车辆的数据都累积到云端的“大脑”上去，这个“大脑”能够自我学习、自我更新、自我进化。举个例子，假如北京地区有200万辆联网的汽车，它就可以同时学习200万辆汽车的驾驶员所采集的数据进行自我学习与更新，进而实现自己智能的进化，这就有可能加速自动驾驶算法的演进。总而言之，数据是基础的生产力，它能够推进算力的演化。

**段玉龙：**最近自动驾驶汽车上数据的来源成为人们关注的焦点。比如某公司就强调自己坚决不用激光雷达，只用视觉雷达，但是一些厂商却认为激光雷达的效率更高，您怎么看？

**李慧云：**这个需要分阶段和目标来看待。某公司的初衷是做辅助驾驶，那么要低成本地实现商业化落地，采用视觉的方案无疑是达到它的目标的途径。现在大部分造车新势力要做的是更高级别的自动驾驶，那么激光雷达在大部分场景是不可或缺的。它在目标检测甚至定位建图方面都是视觉不可替代的，因为它有深度的信息。如果要达到L3-L4级别，那两方的目标最终将殊途同归，达到多传感融合。

**段玉龙：**路面上能够装载自动驾驶相关系统的车毕竟数量有限，只依赖这些车获取数据，是否足够支撑整个自动驾驶系统的升级呢？

**李慧云：**所以在未来，车路协同将成为必然。因为单车智能有它的局限：如果每个车都依赖于累积传感器数量、种类以及算力资源，成本将会很高；另外也有一些物理局限，比如前方车道车辆或右转道路遮挡导致的“鬼探头”现象。通过车路协同的方法，显然能够低成本地解决单车智能的局限带来的问题。

车路协同示意图

从另一个角度讲，单车智能并不能很好地完成数据采集以及解决整个城市的拥堵。因为如果以速度或者是行驶的舒适性为考量，单车的优化势必会造成多车之间的竞争，这就带来了博弈。如果要达到一个总体作用，那么就要考虑城市交通，这时车路协同就自然而然地引入了。从这个层面讲，有道路旁边的传感器、算力以及调动能力的辅助，将会使自动驾驶时代的交通整体达到最优，包括事故数、平均通行速度以及舒适程度。

**李升波：**现在自动驾驶有单车智能与车路云协同这两个不同的方向。单车智能相当于是每个人都追求自己的智能化，比如更快、更敏捷、更节能、更高效。开车的时候单车智能可能频繁地超车换道，最快地从A点到B点。但这有可能会影响其他人，所以它有一些全局上的局限。而车路云协同相当于有一个上帝视角，去告诉所有人如何做性能会更好，以及解决一些如城市拥堵、通行效率提升的全局性的问题。

尽管目前对于自动驾驶需要多少数据没有统一的标准，但是一些研究机构预测，能够达到人类水平的自动驾驶大概需要100多亿公里的数据累积。这相当一个驾驶员24小时全程开车开7000年。因此，单靠道路的数据累积要想达到这个规模还是比较困难的。

对此目前有两个解决思路，第一个思路是依赖多辆汽车一起累积数据、训练策略并进行共享，由参与者共同使用。第二个思路是除了使用实车数据之外，还可以使用仿真软件模拟驾驶过程，并累积虚拟的数据。很多高校和企业就在着力于开发自动驾驶软件，然后让虚拟驾驶员进行驾驶。这样虚拟软件开一个小时的车，就相当于实际开了一天、一周甚至一个月。

思想晚餐

已完成：60% ///****///**********////**

国有国法，“车有车规”

**段玉龙：**既然不能依靠个体数据的累积，需要大家互相协同、彼此配合，这样就需要有规矩。在自动驾驶这一部分，国内与国际法规的进展如何呢？

**李慧云：**这个事情比较复杂。传统的燃油车与新能源汽车是一种运载工具，它们的测试和标准体系主要关心的是动力系统、续航能力、舒适性、燃油经济性排放、能耗、噪音等等。**现在的智能网联汽车除了是一种运载工具之外，还是一个大型的移动终端数据空间和计算平台。**在这个过程中我们引入了软件，包括软件定义汽车、软件的功能安全与OTA升级、通信与信息的安全以及其他各类的软件硬件。在这样的情况下，测试、准入标准以及法规体系就应该做相应的变换。

李慧云研究员

目前国内外纷纷为此发力。七月份ISO（国际标准化组织）就针对低速自动驾驶车发布了一个叫ISO 22737的国际标准。国内的汽标委也正在组织标准的制定，听说已经完成了术语定义，接下来两年应该就会陆续发布，内容将包括功能、零部件、通信等方面的安全规范。因为只有在规范的支持下，各方才能够发力投入，才能限定责任和权利，所以我们都非常期待国内标准体系的落地。

**李升波：**我国在这方面也有一些谋划和布局，我们的标准化组织希望能够打造数据的通用化平台，一方面是希望在一个公共的平台上共同存储所收集的数据，另一方面则是在分析的过程中保证数据格式的统一。所以这个标准是很关键的。

**段玉龙：**事关国计民生的数据，一定是全民所有制的。

**李升波：**全民所有制这个概念好，应该是这样。

思想晚餐

已完成：70% ///////****///********

我们能够信任自动驾驶吗？

**段玉龙：**虽然说眼下有很多困难制约着自动驾驶汽车的商用，但我们都知道人类技术的发展速度以及某些节点的到来会超过我们的想象。假设自动驾驶汽车几年之后来到了我们的身边，它真的会有我们想象中的那么香吗？在2018年，就有一辆测试中的无人驾驶汽车撞死了一个行人。两位老师怎么看无人驾驶汽车在具体应用时所出现的安全性问题？

**李慧云：**我觉得可以参考一下我们工业发展中的几个突破。比如说对于基本能够实现自动驾驶的飞机和地铁，我们有一个常规的方案就是划分好一个得到各方确认的限定的运行区域。只要没有擅自进行更改，那么一旦出了差错就可以比较清晰地确定各方责任。这个思路不一定对，但是确实是需要法律界、心理界以及政府部门共同制定的。

**李升波：**你讲的出了事故谁来负责的问题，是自动驾驶发展到今天面临的一个重要难题。之前我们讨论过智能汽车的分级问题，其中L1-L2级的定位是驾驶员辅助系统，这不是说它只是辅助驾驶员，它也可以完成一定的自动驾驶功能。但是出了任何事情还是由驾驶员来负责，这是我们的工程中的一个解决手段。

自动辅助驾驶可以使车辆在车道内自动辅助转向、加速和制动，但仍需要驾驶员进行主动监控，车辆尚未实现完全自动驾驶

**段玉龙：**某公司的车过去出过很多在自动辅助驾驶模式下的事故，所以按照您分享的知识，这种事故是要由汽车驾驶员自己负责？

李升波**：**对，因为它的定位只是驾驶员辅助系统。在它的功能设计里面有一些要求，比如说开了自动驾驶系统之后，你的手不能脱离方向盘；另外在应用这个系统的过程中，你的眼睛的视线必须朝向前方，大脑还必须思考，这样一旦出了紧急的事情，你才能够接管车辆。

但是对于L3-L4别而言，难度就比较高了。L3-L4级要求，出事故时如果系统没启动，责任归人；如果系统已经启动了，责任归系统。这个难度到底是在哪？我还是按照经济去核算。人类驾驶每百万公里可能有三到五次的事故，这是人类驾驶员的平均水平，不同国家有高有低。这个事故数决定了保费的多少。如果事故数高的话，保费也会高。如果想让保费降低，就需要提高安全性。因此真正的高级别自动驾驶，核心问题就是假如人类和自动驾驶系统都能投保，系统的安全性必须比人类高，保费才能低。目前，多数学者、研究人员和工程师主要还是在解决技术这一更为关键的难题。但从长远来看，它会变成一个哲学的、社会学的、法律法规的问题。

**段玉龙：**自动驾驶汽车已经出现了一些让人警醒的问题。比如某公司的智能汽车就出现过一起惨烈的交通事故，事故原因是车辆误把前方货车车身上喷涂的蓝天白云图像当成了真实的蓝天白云，径直往前行驶，于是就酿成了事故，驾驶员当场身亡。这让人们非常担心和害怕，您认为人们可以克服这种恐惧吗？

**李慧云：**我觉得可以。我自己就非常信赖飞机和地铁等智能化、电脑化、共享化的公共运载工具，我相信我也能够很快地适应智能网联汽车带给我们的便利。

**李升波：**我个人的一个判断是，自动驾驶最后能否真正被大众接受，取决于其安全性或者说事故数。如果它的事故数能够降到跟人类差不多的水平，我们就应该能够认可这个系统。

**段玉龙：**未来有一天，出租车、地铁甚至飞机都是无人驾驶的，那么交通运输行业的从业者如驾驶员又该何去何从？您认为该如何解决这些人的问题？

**李慧云：****社会发展能够提供更多的职业空间与方式。**现在我们看到的很多职业以前的人可能都无法想象，比如说直播带货。所以随着社会的进步，有一些职业会消失，但是势必又会带来更多、更个性的职业，我还是挺乐观的。

**李升波：**对于每一个行业的发展而言，改变与转化不是一瞬间就能够实现的，它是一个很长的、逐步的替代过程，可能需要三四十年甚至更长的一段时间，也可能会变成两三代人的问题。在这个过程中，原先被替代的工种会有一些其他的出口，像刚才李老师讲的，也会有一些新的工种出现，大家会涌到新的领域里去。

**段玉龙：**那您觉得在我们的有生之年，是可以看到的全自动驾驶出现的吗？

**李升波：**我是个乐观派，我认为有生之年应该能有幸看到。

思想晚餐

已完成：90% /////////****/

还有哪些问题阻挡了自动驾驶前进的步伐？

**段玉龙：**最后一个问题，在两位看来，还有哪些问题会在短时间内制约自动驾驶汽车的大范围商用？

**李慧云：**我举个例子：大家都觉得车路协同是个非常好的发展方向，能够很好地弥补自动驾驶单车智能的各种不足。然而车路协同带来的成本造价问题已经实打实地摆在了我们面前。我的一个朋友在做智慧道路标的的时候，股东方就问了一个很实际的问题：在工程造价从以前的每公里1个亿发展到现在的1.2甚至1.5个亿的情况下，这多出来的部分如何收回成本？是由每一辆经过的车辆还是由经过的自动驾驶车辆承担呢？对于经过的自动驾驶车辆，又根据什么方式来收费呢？这一下就把这大家问倒了。所以在商业模式、成本以及政府的组织模式上，我们还需要共同来解决这个问题。

**李升波：**其实不同的技术方案之间都有一些成本的比较。比如对于刚才讲的单车智能与车路云的协同智能而言，到底哪一种成本更低、哪一种自动驾驶的效果做得更好，这些问题都有经济方面的考量。除了经济以外，还有一些外围的问题构成的挑战。因为汽车智能化之后，我们会引入网联技术，这将使车与外界的接口增多。以前的车是一个封闭的系统，外界想命令它或者多输入一点额外的信息都不容易。但是有了车联网和各种各样的对外的传感器，可以输送的信息就增多了。从这个角度来说，自动驾驶汽车真正要上路的话，还有一些外围的问题要处理，这些问题都会制约它们能否真正普及、上路。

**段玉龙：**我们今天在这里和大家一起勾勒了未来无人驾驶汽车的美好图景，当这个图景到来时，我相信全社会的生活方式与每一个人的生活状态，都会有大幅度的、革命性的提升。我们也相信这一天迟早都会来到我们的身边。

无理性不真相，本次的理性派对到这里就要告一段落了。再次感谢两位老师的做客，也感谢各位观众朋友的收看！

原题：《自动驾驶相当于一只青蛙在开车？要让蛙进化到人，还需付出多少努力 | 理性派对第三季》

来源：格致论道讲坛

来源: 格致论道讲坛