儘管目前無人駕駛汽車產業化仍存在各種問題，但無人駕駛汽車實質上是建立在汽車主動安全技術、智慧化技術逐步升級的基礎上的，只要市場對這些技術有持續的需求，就能推動汽車向完全無人化演進。因此，相當多的企業對於其前景表示樂觀。

目前各整車製造企業採取發展的路線是：首先以高速公路為中心實現自動駕駛技術，然後逐漸推廣到主要公路乃至普通公路。人們普遍認為，相比突然推出全自動無人駕駛汽車，循序漸進的引入和推廣自動駕駛技術才是可行之道。

高速公路上的駕駛環境和標誌都較為良好，但是速度很快，而且對於駕駛員來說較為枯燥，運用在這個方向可以很好地解決這個任務 並提高交通效率和安全性。在結構化良好的高速公路上，只要完成車 輛識別和標誌線跟蹤便能實現全自動駕駛。

在城市中，道路上的車輛和人群眾多且環境複雜，對感測器的感知和計算機系統的控制提出了更高的要求，但是駕駛速度較慢，因而 比較安全可靠，很有應用前景。

無人駕駛汽車使用的各種感測器、計算機在效能、技術方面已經取得了很大的進步，價格也將大幅降低，但對於中國而言，無人駕駛汽車目前使用的攝像機、雷達等關鍵裝置幾乎全部依靠進口，導致無人車裝置或裝置的價格仍居高不下，普通消費者無法承受。未來國家應加大投入，加強基礎研究和原材料研究，實現關鍵裝置和技術的突破。隨著中國北斗導航系統的完善，基於導航技術的無人駕駛汽車的研發也將會得到國家以及相關部門的支援，保證中國無人駕駛汽車技術與國際研究水平的接軌。

無人駕駛基於人工智慧帶來的高科技發展，在理論和技術方面應該說已經趨於成熟，並且在一些城市已經進行實驗了。目前看，最適合無人駕駛的是公交系統內的營運車輛。今後的前景也將在諸如——公共交通、物流快遞、同城配送、緊急救護、消防救災、工程強險等眾多領域得到進一步驗證。實際上，無人駕駛除了人工智慧方面的技術保障外，必須和一些公共基礎設施、動態環境監測、緊急事故處理預案等相配套、相結合才能實現。所以短期內還不能大規模進入社會的實際生活當中，但是發展方向已經十分明確了。

首先我們明白一點，無人駕駛汽車發展速度的之快，主要依靠的是汽車智慧化程序的加快。其不僅具有傳統的轉向，加減速等功能，更包括環境感知、高精度定位、決策規劃以及運動控制等功能，都能夠依靠這些先進的技術來達到人類駕駛行為的要求。

就目前看來，遞送和叫車服務似乎是無人駕駛汽車車隊最為明顯的應用，但汽車所有權提供了另一個機會。除了上面這些優勢之外，無人駕駛汽車可能成為獨立的生活部門，尤其是對老年人和殘疾人來說，這可能是一個真正的福音。從食品遞送到電子商務的網際網路服務已經對那些不能開車或在沒有幫助的情況下難以走動的人產生了深遠的影響。

所以綜合看來，無人駕駛技術的發展肯定還會不斷深入，涉及到的方面也會不斷拓展。

雖然說現在新能源汽車滿大街都是，但是新科技的話個人感覺還是不太安全，畢竟人的思維是靈活的，機器永遠取代不了人類。

“人類創造技術的節奏正在加速，技術的力量也正以指數級的速度在增長。指數級的增長是具有迷惑性的，它始於極微小的增長，隨後又以不可思議的速度爆炸式地增長——如果一個人沒有仔細留意它的發展趨勢，這種增長將是完全出乎意料的。”

被稱為“托馬斯·愛迪生的法定繼承人”的雷·庫茲韋爾（Ray Kurzweil）在《奇點臨近》一書中這樣寫道。這位擁有13項榮譽博士頭銜的世界領先的發明家，為人們描繪了未來人工智慧社會圖景。

雷·庫茲韋爾認為，由於摩爾定律的存在，技術會呈指數級增長，而人類社會也將在2045年到達人工智慧的奇點，其次，基於生物形態的人類實質上只不過是一套高度複雜神經網路下的一個算法系統，未來必將被更高階的算法系統替代。

“盲目的樂觀可能是最致命的大規模殺傷性武器。”皮埃羅斯加魯菲認為：“人工智慧並不是一個新概念，它起源於1956年或更久之前，只不過，過去由於計算機處理系統還不夠強大，人工智慧並沒有得到長足快速的發展。”

從現實中人工智慧的應用的程度來看，目前AI無人駕駛領域的進展似乎也印證了皮埃羅斯加魯菲的觀點。回顧人類歷史重大變革節點不難發現，無論是蒸汽機的改良還是內燃機的發明，出行領域一直都是先進技術應用的最前沿。

追本溯源，近年來無人駕駛技術的爆發的技術基礎也源自於2006由Hinton在深度學習領域的革命性成果，由此基於神經網路的深度學習演算法得以在計算機視覺、語音識別、以及計算機行為決策方面深度應用，從而構成了無人駕駛軟體層面的技術基礎，而在實現無人駕駛的工程應用上，已經不存在較大的技術障礙，因而，無人駕駛的天花板依舊在於基於深度學習的AI技術的侷限性。

而另一方面，基於AI技術的L4級別的自動駕駛已經開始進入商業化階段。目前，google Waymo、特斯拉AutoPilot、百度Apollo以及通用Cruise均已實現L4級別的自動駕駛。

無人駕駛的阿喀琉斯之踵

2016年的美國，一輛自動行駛中的特斯拉Models撞上了一輛白色拖掛貨車，致使駕駛員死亡，這是第一例無人駕駛車禍致死的案例。

事後，有專業人士據車禍地點的環境分析後指出，在強光直射下，依賴攝像頭的影象識別系統失效，未能及時檢測出前方正在穿過道路行駛的白色貨車，同時由於毫米波雷達位置較低，而一般的毫米波雷達垂直視角在±5°以內，導致當Tesla靠近拖掛卡車側面時，雷達波束從下側穿過了卡車，導致漏檢，從而致使事故發生。車禍發生後，特斯拉改進了無人駕駛系統，並修改了官網關於AutoPilot的釋義。

實際上，安全問題確實是無人駕駛技術全面落地的阿喀琉斯之踵。以深度學習演算法為核心的AI技術構築的無人駕駛系統至今尚未真正解決由“計算機理解偏差”而帶來的駕駛安全性的問題。

從AI技術演化的角度來看，深度學習演算法為核心的“智慧化”實際上並不是真正意義上的智慧，而是基於大資料和深度學習演算法在“動態規劃”原則下對統計意義上“最優解”的達成。因此，當下要想解決無人駕駛的安全性問題，必須在這個框架下將“不安全”的可能性降低到一個低於人類車禍機率的紅線之下，才具備無人駕駛走進千家萬戶的“接受底線”。

今年五月，在寧波舉行的第六屆中國機器人峰會上，中國工程院院士鄭南寧發表了主題為《直覺性AI與無人駕駛》的演講。鄭南寧院士提出，在演算法模型下，建立覆蓋全部的場景模型是不可能的，但“構造一個基於認知構建的類人自主駕駛，使AI自主駕駛具有類人的決策機制，則能應對高動態和強隨機性的交通場景變化。

在小編看來，基於人類思維決策機制建立演算法模型，使AI具有類人的“意識”以當前的技術條件還無法達成，一方面，人類的決策往往透過自身多方面的經驗達成，而並非固定的在駕駛場景下形成單一的決策機制，另一方面，在大多數人的決策過程中，感性因素常常會佔主導地位，而演算法決策則是百分百的理性決策，而在某些特定情況下理性決策往往不是“最優選擇”。

在電影《機械公敵》（又名《我，機器人》）中，由威爾史密斯主演的戴爾·史普納在一場車禍中與一位小女孩一同掉入水中，而在人工智慧機器人經過計算後選擇就起生產率更高的戴爾·史普納而放棄了小女孩的生命，而假如現實中發生類似的事件，作為人類的救援人員顯然會優先選擇拯救女孩，因為這才人性約束下的“最優解”。

“AI安全陷阱”下，AI駕駛技術的“奇點”

放眼未來，無人駕駛必定在未來某一個時刻全面應用至出行領域，屆時，現有交通規則甚至道路形態或將出現新的變化。而從無人駕駛的初步應用到無人駕駛時代的來臨之間，人們將長期處於一個“人類+AI駕駛”的混合出行時代。而在這個過程中，相應的法律法規也必須與之相適應。

如果說安全問題是AI無人駕駛落地的“入場券”那麼，無人駕駛與現有交通體系及規則的適應則是一場AI與人類直接的“博弈”。

從本質上看，AI無人駕駛的演進過程，是一個在以提高出現便捷性與安全性的前提下，人類逐漸將出行部分逐漸交給AI負責的過程，在這一過程中，人類在出行領域保留主導權的同時，將出行安全與操控權交付至AI，以實現對人力的解放。

在這一過程中，作為博弈其中一方的人類又有著十分矛盾的心理。一方面，人們希望透過AI來解放人力，來獲得出行體驗的“舒適性”，另一方面，人們又擔心現有技術條件下，AI的決策會帶來安全風險和道德風險。因此，無人駕駛的落地不止是技術層面的落地，也是公眾認可度和無人駕駛交通法規等層面系統化適應。

在決策層面上，基於深度學習的AI將在很長的一段時間內不會出現“類人”的決策模型，因而，人們可以預期的AI無人駕駛，實質上是低安全風險下的交通輔助工具，從這個意義上來講，AI無人駕駛的進步反而會增加人類駕駛者陷入“AI安全陷阱”：一方面“非人”的AI並不能真正給與駕駛者安全的保障，另一方，日益進步的AI無人駕駛技術會增加駕駛者的“惰性”從而造成潛在安全風險。

在小編看來，無人駕駛跨越“AI安全陷阱”的關鍵在於是否能夠準確判斷AI無人駕駛技術進化的奇點，而判斷無人駕駛是否達到技術奇點的原則可以從兩個方面去考慮：一、AI完全具有作為“人”的分析決策能力（也就是實現獨立思考的人工智慧）；二、基於深度學習的AI無人駕駛在實際道路行駛中的事故率要遠遠低於人類駕駛。

其次，從現實的層面來看，軟體程式是AI技術不可或缺的構成，在聯網狀態下，獲得車輛控制權的AI也更容易受到網路駭客的攻擊，因此，除行駛安全外，網路安全問題也是無人駕駛真正落地需要解決的問題。

那麼，真正的無人駕駛落地還需要多久？

從AI技術的發展來看，自2006年深度學習領域取得突破以來，基於神經網路的深度學習快速發展，大資料、深度學習演算法與算力成為AI領域的三大核心技術，就目前而言，AI技術三要素中的算力依然依靠強大的計算機作為物流支援，但隨著摩爾定律的失效，傳統半導體產業逐漸迎來技術瓶頸，AI技術進步或將面臨新的停滯。

摩爾定律的失效，意味著在現有尺寸下，計算機算力也面臨著物理瓶頸，而AI技術的增長又需要大量算力的支援，由此可以預見的是，AI技術增長將陷入新的困境期，同時，AI技術發展的停滯也將進一步限制在無人駕駛領域AI技術的應用。

在現有AI技術以及其成長空間下，未來，無人駕駛的落地將不可避免的分為兩個階段，即封閉場景下的商業化落地，以及作為駕駛輔助功能的商業化落地，而要想真正的實現智慧無人駕駛，還有很長的路要走。

小結

雷·庫茲韋爾的《奇點臨近》讓人們感嘆人工智慧時代似乎近在咫尺，但也正如他在書中所寫：“人們總是高估短期內能達到的目標，卻容易低估那些需要較長時間才能達到的目標。”也許，真正的人工智慧對人類社會影響之深遠我們還知之甚少，但人們也應對於如今AI的現實應用給予更加理性的認知，而這也是AI技術得以長盛不衰的關鍵所在。

汽車無人駕駛技術其實就是汽車智慧網聯技術。隨著汽車的普及，人們對於汽車的要求從效能、外觀、排量等功能性問題，向自動泊車、自動避障、無人駕駛等“智慧化”方向靠攏。目前，汽車“智慧化”雖然已廣泛應用於汽車，許多汽車智慧功能已經為人們熟悉與使用，但人們對“汽車智慧網路”的概念還是相對模糊。

什麼是智慧網聯汽車?

智慧網聯汽車是指搭載先進的車載感測器、控制器、執行器等裝置，並融合現代通訊與網路技術，實現車與車、路、人、雲等智慧資訊交換、共享。具備複雜環境感知、智慧決策、協同控制等功能，達到安全、高效、舒適、節能行駛，並最終實現替代人來操作的新一代汽車。

用通俗的話來講，現在汽車功能中的倒車雷達、倒車影像、自動泊車、自動避障、遠端遙控等等功能，都屬於智慧網聯的範疇。而智慧網聯的最終方向則是實現汽車的無人駕駛。

中國智慧網聯汽車智慧化分級標準與國外有一定區別，但在智慧化層面幾乎也是大同小異，共分為兩個層級：

人監控駕駛環境（駕駛輔助、部分自動駕駛）和自動駕駛系統監控駕駛環境（有條件自動駕駛、高度自動駕駛和完全自動駕駛）。

智慧網聯汽車核心技術

環境感知技術、無線通訊技術、智聯互動技術、車載網路技術、先進駕駛輔助技術、資訊融合技術、資訊保安與隱私保護技術、人機介面技術等；

中國智慧網聯環境現狀

中國是世界上汽車保有量最大的國家，龐大的汽車使用者群體為智慧網聯汽車發展創造巨大的潛在市場。中國汽車使用者對於智慧網聯技術的接受程度相較國外汽車使用者好很多，對於智慧化汽車所具備的各項功能。相關資料調查顯示：無人駕駛功能接受度為75%，新能源（電動或混合動力）汽車接受度為79%。智慧網聯技術為汽車行業增添生機，作為新興行業，智慧化汽車還在不斷研發的階段，需要更多人才。

湖南萬通技工學校汽車運用與智慧網聯專業：

學制三年，核心課程涵蓋汽車發動機系統、汽車底盤系統、汽車電路電控、汽車美容、汽車快修快保、汽車鈑金、新能源汽車結緣及故障診斷處理、智慧網聯汽車核心技術（環境感知、無線通訊等）。該專業涵蓋燃油車、新能源車及智慧網聯汽車的系統學習，就業面十分廣闊。

汽車智慧化技術層面的突破，需要吸收大批相關技術人才，其發展前景也呈現良好態勢。抓住智慧網聯汽車的風口，你就是下一個智慧型人才。