難題一：有限的智慧無法替代人類思維

所謂無人駕駛技術，實際上是通過給汽車裝上鐳射探測儀、雷達、3D全景攝像頭、聲音採集裝置、近場感應裝置等，讓汽車具備一定的感知能力，然後配合以影象識別演算法、聲音識別演算法、基於感知的避讓演算法以及緊急預警等一系列高階演算法，讓汽車根據感知到的資訊進行運算並給出適當的決策。最後，通過地理資訊資料庫、使用者指令資料庫、經驗資料庫以及其他資訊資料庫等，讓汽車除了“反應敏捷”、“聰明理性”之外，還能做到“知識淵博”。

無人駕駛技術最直接依賴的是我們當代的計算機技術，脫離不了人工智慧技術的根本——當代計算機技術。而當代計算機技術的根本原理，又是由幾十年前由被稱作“計算機之父”的英中國人阿蘭•麥席森•圖靈提出的一種叫做“有限狀態機”的理論。該理論的大致內容就是，有很多很多但仍然是有限數量的儲存器，儲存器裡邊的狀態可以根據要求被填入並根據給定的規律變化狀態。通俗地說，把儲存器的腦袋填滿規則，然後讓它做什麼，它就只能按照規則去做，多一點都不行。

所以，這種計算機的聰明程度，取決於你告訴了它什麼，它特別能“記憶”，也能根據你給它的規則進行一些簡單的“歸納式”思考。但是，它不具備人類的“聯想”和“演繹”能力。最簡單的例子，沒有人工智慧技術能讓計算機聽了郭德綱的相聲後會開懷大笑，這就是計算機和人的區別。

無人駕駛技術歸根結底，就是建立在這個基本原理之上。我們利用計算機和感測器的各種先進特性，試圖讓無人駕駛技術看起來無所不能。但是，我們實際上在駕駛過程中面臨的很多突發狀況，卻不是可以通過歸納總結能夠規避的。無人駕駛技術不可能代替人來處理“給定規則”以外的事件。比如說，一個行人闖入行進路線，無人駕駛技術會使得車子制動並緩慢停下。但是，如果一個匪徒扛著AK47突然跑進行車路線，用槍瞄準汽車……我勒個去，想不下去了！老王覺得，如果計算機基礎的圖靈理論沒有被顛覆式革新，再聰明的人工智慧技術，也無法描繪出無人駕駛汽車的美好未來。

難題二：系統學終極理論難題無解

無人駕駛技術需要太多自身系統和周邊系統的支援，通過各種感測器界定安全區間、辨別環境、規劃行進路線。然而，從系統學的角度，一些核心原則是不能夠被突破的。

比如說，“依賴越多的系統越脆弱”的系統原理。如果感測器出現問題，行徑路線上數量繁多的區間感應器出現了故障，恰好備份系統也出現故障——馬航370不在了，幾年前甬溫線也是因為訊號區間裝置遭到雷擊以及備份系統失效導致的重大事故。一系列事件說明，系統的智慧是以系統的複雜性為代價的，而複雜性帶來的是風險環節的增多。同理，無人駕駛汽車作為高速行駛的交通工具，依賴太多內、外部的複雜支撐系統，任何一個風險點導致的代價都是不可估量的。

再比如說，“區域性最優，全域性未必最優”的原理。無人駕駛技術目前的重點是在汽車本身的人工智慧程度，但實際上汽車本身的智慧程度僅從單車角度去看，並不能能夠解決所有問題。我們也許遇到這樣的情況，開車去一個地方，基於智慧演算法的導航系統卻放著大路不走，把我們指引到一條顛簸的鄉間小路。原因就是導航系統在它的“視距”範圍內，選取了它認為的“最佳路線”。殊不知，這條路線卻是佈滿了各種坑坑窪窪的小路。可見，空間上的區域性最優無法保證全域性最優。同樣道理，基於交通路況的導航原理，也有這樣的問題。比如，導航儀發現二環前方路段擁堵，而此時三環是暢通的，於是就繞行往三環上引導。時空變幻，等車熬到三環上，三環開始堵車，二環卻暢通了。所以，時間上的區域性最優策略也不能保證全域性最優。

類似這樣的理論，在無人駕駛系統的“避撞演算法”、“自適應尋路演算法”理論上也應該會出現這樣的問題，而且還是系統天生缺陷而不是可克服的短板，而這些缺陷在無人駕駛系統中可能造成危害也是難以預測和估量的。

難題三：商業利益排斥產業歸一

有時候，因為商業利益的問題，人類科技並不見得能夠發揮最優效率。比如，因為商業競爭，不同的電信通訊制式WCDMA、TDS-CDMA、CDMA1X造成了各大運營商的重複建設；還有那句經典的“世界上最遠的不是天涯和海角的距離，而是你的伺服器在網通，而我的電腦接入的卻是電信。” ……

無人駕駛汽車系統是一個需要全社會統籌的共享和共贏型系統，以使整體系統達到最優價值。但是，目前參與這項科技競賽的角色太多，為了各自的商業利益最大化，各自為政。在這種商業利益割據的狀態下，無人駕駛技術的成果共享、規範共循就難以達成，這是一種必然，同時也意味著路面上的無人駕駛汽車，在成熟度、安全度上各自不一，能夠獲得服務的區域也是各自不同，甚至還可能會因為制式差異以及協議互擾導致風險。無人駕駛技術要實現商業化應用，恐怕還有很長的路要走。

難題四：人類本性抗拒無人駕駛

無人駕駛汽車將強調車與人的配合，但最終控制權在於人。拋開人類對汽車的駕馭樂趣追尋不談，人類本能的不安全感也使得無人駕駛技術從根本上不會被完全信賴。

比如，老王和老婆一起開車，每回老王開車，老婆就在一旁唧唧歪歪，一會兒說剎車太猛，一會兒又說並道太危險……可老王自己一點都沒覺得。反過來，輪到老婆開車時，老王同樣戰戰兢兢，覺得老婆開車居然如此彪悍，忽然發現身邊這姑娘真是條女漢子……其實，我們倆人誰開車都沒問題，只是方向盤和油門不在自己手裡，“不安全感”預警系統就會啟動，這是大自然通過千年萬年的進化規律留在動物體內保命的本能，沒有人能夠抗拒。如今，把方向盤和油門交給一個不知道是誰的鋼鐵傢伙，開在各種情況變化多端的路上……親，你真的放心麼？在老王看來，人類本能的不安全感是無人駕駛汽車未來能夠真正使用或者被信任過程需要面臨的最大障礙。此外，無人駕駛汽車在城市、山區等路況複雜的道路，在下雪、大雨、霧霾等極端天氣下，以及缺乏資料的路段，無人車的感測器和資料處理能力有限，也還是需要進行人工干預的。

難題五：法律倫理問題待解

計算機能多大程度上代替人腦的決策，多年來在科學界與產業界一直是莫衷一是。人們擔心未來的機器真的“智慧”後，會脫離人類的控制，甚至與人類為敵，所以，科學家對機器人提出了三定律：第一定律——機器人不得傷害人，也不得見人受到傷害而袖手旁觀；第二定律——機器人應服從人的一切命令，但不得違反第一定律；第三定律——機器人應保護自身的安全，但不得違反第一、第二定律。

無人駕駛技術實質上就是讓汽車更具有向機器人方向靠近。那麼，機器人界所面臨的一切問題，都是無人駕駛技術發展過程中所面對的，甚至更多地涉及倫理和法律的問題。一旦無人駕駛汽車發生了交通事故，誰該承擔相應責任，是車上乘客、是汽車生產商、還是軟體公司呢？

目前，無人駕駛汽車在美國社會已引起相關法律方面的爭議，主要集中在兩點。其一，如果無人駕駛汽車遭遇交通事故，是由汽車製造商還是無人駕駛系統供應商承擔責任？與此相關，無人駕駛汽車的汽車保險適用何種法律，也將是一個有待解決的問題。其二，如何保護無人駕駛汽車使用者的行駛資料，使使用者在駕駛過程中不被黑客入侵或者遠端控制 ，同時保障使用者行蹤等個人隱私。老王認為，這些法律和倫理問題和技術問題一樣難解決。

雖然，真正的無人駕駛汽車的普及還有一段很長的路要走，但是無人駕駛技術已經重新定義了未來的駕駛概念。對於完全無人駕駛，老王更看好利用無人駕駛技術輔助有人駕駛，用於彌補人類在反應速度和處理突發能力經驗上的不足。我們有理由相信，隨著電腦處理能力、感測器感應能力的不斷加強，各地道路和天氣資料庫越來越完備，自動輔助駕駛技術將會更好的提升駕駛的樂趣。

無人駕駛汽車目前還處於研究階段，在特殊場景已經能夠實現無人駕駛。在大規模商用之前需要解決一下幾個方面的問題:

1、定位問題。這個問題主要受到成本的限制。我們要在HDMAP中確定自身所處的位置，可以通過一下幾種方式，GNSS，IMU，LIDAR，CAMERA等感測器資料融合。當然想要達到釐米級別的定位，這些感測器精度是有要求的，所以導致感測器的價格十分昂貴。如何實現低成本，高精度定位將是一個值得研究的技術性問題。

2、可靠性問題。舉一個例子，目前HDMAP資料量十分龐大，在大規模商用的場景下無法使用本地地圖的模式，因此必須使用雲端。這就導致與雲端通訊是否可靠，如果進入訊號弱或者沒有訊號的場景，定位得不到更新。類似的可靠性問題還有很多，比如定位源失效，硬體掛掉了等等。這些需要無人駕駛工程師去一一解決的技術問題。

3、預測未來。