自动驾驶如今究竟发展到什么阶段了？下一个风口在哪？万亿市场的背后存在着多少不为人知的博弈？
真格早期项目「驭势科技」的联合创始人兼董事长吴甘沙先生，通过讲述十个实用的冷知识，拉近你与自动驾驶之间的距离~
说到自动驾驶，大家经常用两个成语来描述：一个叫“耳熟能详”，另外一个叫“不明觉厉”。
今天，我想借用十个实用的冷知识来跟大家说清楚自动驾驶到底是什么，自动驾驶到底处在一个什么阶段，明天后天我们又会到达哪里。
冷知识一：今天你看到的自动驾驶，多数不算是自动驾驶在 L0 到 L2 的时候有一个关键词叫做辅助，而只有在 L3 到 L5 的时候这个关键词才叫自动。L0 其实是一种驾驶辅助，L1 才是辅助驾驶。驾驶辅助还是司机在驾驶，系统只辅助性地提供警告。辅助驾驶是系统在驾驶，但司机要随时辅助、并承担安全责任。L1 是单项辅助驾驶，L2 是组合性的辅助驾驶。L3 以上才是自动驾驶，指自动驾驶系统真正能够负起责任，当系统察觉异常的时候，再把控制权交还给人类司机，也就是说，这样的一个系统已经具备了独立的责任能力。到L4 以上，它不仅仅是自动驾驶，而且是无人驾驶，已经没有司机这个角色，当然系统要负起全部的责任。一个比较有意思的现象，在我们的技术的更新迭代过程中，往往会出现一个现象：奇数代混不好、偶数代又比较强。比如说我们的移动通信，1G 大家都没怎么听说，2G 大家广泛使用，3G 是过渡型的，4G 又是比较成熟的。再看我们的自动驾驶 L2 目前大家在广泛使用，L4 是大势所趋，而 L3 许多人倾向于认为会“难产”。L3 是实现从司机负责到系统负责的一个重要节点，但是跨越这一节点需要付出极大成本，需要增加很多的冗余，成本要乘以2。当系统不能实现 L3 的时候，还要要降级到 L2，所以车辆成本至少要乘以 2.5，再加上保险等各方面费用，车辆实际售价可能要高于 2.5 倍，但是功能看上去却和 L2 没有多大差别。另外从技术层面上看，系统负责、司机辅助意味着系统不能承担责任的时候，车辆的控制权需要交还给司机。每一个购买 L3 系统的车主都希望他们在系统运行的时候去看书，甚至去睡觉，当你处于这样的状态之下是否能够实现和系统的交接，这个问题暂时还不能得到一个准确的回答。冷知识三：我们要等很久才能买到 L4 的乘用车
首先，L4 级别的乘用车要达到真正实现意味着要做 100 万张试卷，连续拿 100 万次 100 分，这是一个比较难达到的目标。90/10 原则告诉我们：达到 90% 我们只需要 10% 的时间和努力，最后 10% 可能还需要 90% 的时间和努力。其次，木桶原理告诉我们，一个木桶能够容纳多少水取决于最短的那块木板，在 L4 级别的系统里可能有一千个以上的木板，一个木板短了，影响的就是整个系统的安全性、可靠性。
最后，就是先有鸡还是先有蛋的问题。
今天的 L4 级别车都是很少的试验车，“很少”意味着很贵、无法大规模复制，“无法大规模复制”意味着没有办法大规模地获得数据、验证驾驶的安全性，所以成本降不下来，还是很少，陷入死循环。冷知识四：买不到 L4 级的自动驾驶乘用车，但会先买到自动驾驶出租车的服务首先出租车只需要在一个城市内使用，不需要满世界用，出租车公司对成本不敏感。其次出租车可以实现混合派单模式，如果路线比较简单可以派出自动驾驶出租车，路线比较复杂可以派出有人出租车，在自动驾驶技术没有百分百成熟时，这种方式提高了自动驾驶出租车服务落地的可能性。第一，非载人场景更加高频刚需。比如自动驾驶在物流方面的应用是每周7天、每天24小时全天候的应用，如果需要人类司机操作，则需要一天三个司机，用一个自动驾驶系统取代三个司机显然是个更划算的生意。环卫车往往是在凌晨三点到六点出发，而自动驾驶在这个时间内工作比人类在这个点出发更人性化。第二，非载人的环境下，对于车辆舒适性要求不高，自动驾驶车辆就可以更多地关注在安全上。从算法的角度看，确保不漏检，偶然有误捡也可以接受。从而，降低了技术落地的门槛。冷知识六：非载人场景，看好未必叫好
比如大家比较看好的干线物流，但是适用于干线物流的 L4 级重载卡车却没有在中国实现大规模投入。
首先，在出错成本上，重载卡车的刹车距离长，一旦出现事故就很有可能是一个重大恶性安全事故，在中国重载卡车还没有办法大批量上高速。其次，重载卡车数量少导致了产业链相对不成熟，重载卡车稳定性与可靠性就保证不了。第三，就是技术适应度的问题，小概率事件背后有着巨大的出错成本，使得法律法规暂时还没有对自动驾驶放开。总体来说，整个逻辑链首先是技术要胜任，其次对于重型、高速的车辆要确保产业链成熟，然后要看出错成本。如果这些都不是问题，法律法规就会水到渠成。首先是成本，最近十年交通、运输、仓储、邮政从业人员工资上涨了许多，对于两班、三班倒，淡季和旺季的需求弹性非常大，或未来几年有显著扩产的客户，非常适合导入无人驾驶。在工资之外，很大的一块是管理成本。过去10年适龄劳动力减少了大几千万，招人越来越难，春节、疫情或从业人员生病都会造成劳动力缺失，而培训新人又要花费极大成本，这时候自动驾驶就可以抓住客户的需求。其次是效率，制造业的数字化转型、精益生产和准时生产，常常因为某些环节人的不确定性导致无法闭环，无人驾驶可以极大提高系统运作的效率。第三是安全，不仅仅是减少交通事故，还存在很多其他的安全需求，比如化工厂司机的安全保障、机场和口岸的新冠疫情防控、畜牧业生物疫情防控、保税区和海关的防偷等都有极大的价值。首先，社会的接受度不一样，中国的消费者对自动驾驶兴趣更为浓厚，中国消费者中 49% 认为自动驾驶非常重要，只有 2% 不想拥有，而德国和美国的消费者只有 16% 认为自动驾驶非常重要，有 30% 的消费者不想拥有。第二，交通的复杂程度不同，中国的交通复杂程度远远比美国高很多，车辆数量多，道路情况复杂，可以看见神出鬼没的外卖小哥、穿马路的行人、越过黄线超车的汽车，总有你所预测不到的新场景出现，这要求自动驾驶拥有更好的算法。第三，自动驾驶涉及到地理信息数据等一些敏感数据，必须要中国公司管理这些数据。
第四，自动驾驶技术还需要许多年才能大规模成熟，车路协同可能是中国可以弯道超车的路线。当然，现阶段标准还没形成，生态还在建立，商业模式还需要进行探索。
冷知识九：自动驾驶对社会的巨大涟漪效应将远超我们的想象自动驾驶可以应用在个人出行、机场、公交、出租、干线、物流、城市环卫等多个场景。包括一节一节连接起来的车厢所组成的公交车队；无人快递车可以挨家挨户送快递，也可以直接快递到你正在行驶的车子身边；无人超市可以开到你的家门口，降低冷链物流成本；你也可以享受到无人驾驶鞋店、卫生间、冷饮车、垃圾车等等，甚至人类都可以直接在自动驾驶安家，这会大大影响房价，自动驾驶未来有着无限可能。
这个问题不止自动驾驶算法无法解决，摆在真人面前也无法解决，因此不能奢求自动驾驶算法做出正确判断。这个问题有个前提是刹车失灵，但是自动驾驶的工程师勇于对刹车失灵说“不”，把自动驾驶的性能做到最高级。同时未来有人驾驶车也会和现在的赛马、赛车一样远离公共道路，这样更能保证自动驾驶的安全落地。