在研发基地、在创业空间、在测试场地……那些或简陋或笨拙的“无人驾驶”车辆把我们从想象的美好拉回到了现实的严峻。更为严峻的是，无人驾驶的探索者们都会在L3-L4的阶段面临煎熬，似乎难度曲线陡然提升，过往的成功经历似乎都无法保证必然翻越这座险峰。综合来看，翻阅L3-L4阶段的难题主要体现在以下三个方面：应用技术、生态系统和顶层设计。

“无人驾驶”的大幕在2016年徐徐展开，来自底特律的汽车巨头以及来自硅谷的科技新贵，都不约而同的押注“无人驾驶”这项面向未来的技术。2016年的“无人驾驶”似乎更接近于科幻，一场场概念发布会、一次次声情并茂的演讲，在声光电等各类传播技术的刺激之下，资本、创业者、大企业和媒体的关注点都焦距于此。现实无关紧要，未来似乎清晰可见、触手可及。

斗转星移，站在2017年的末端，那些关于“无人驾驶”的幻象从屏幕和PPT中回到了真实世界。在研发基地、在创业空间、在测试场地……那些或简陋或笨拙的“无人驾驶”车辆把我们从想象的美好拉回到了现实的严峻。触手可及的“无人驾驶”，其实距离我们依然遥远。（备注：根据国际汽车工程师协会（SAE International）的分类标准，L0-L2级属于人工驾驶，L3-L5属于自动驾驶，其中L3在特殊情况下还需要人工干预，而L4就可以依靠系统来应对了。）目前，许多汽车厂商的产品都仅仅处于L1-L2阶段，包涵车道偏离预警（LKW）、碰撞预警（FCW）、自动紧急制动（AEB）等关键技术，属于高级辅助驾驶（ADAS）的范畴。而许多互联网厂商和创业者则希望跳过L3，直接面向L4技术，即将驾驶的决策权基本交给机器，将汽车打造成为下一个“互联网路口”，但目前依然在前期测试和研发阶段。

更为严峻的是，无人驾驶的探索者们都会在L3-L4的阶段面临煎熬，似乎难度曲线陡然提升，过往的成功经历似乎都无法保证必然翻越这座险峰。综合来看，翻阅L3-L4阶段的难题主要体现在以下三个方面：应用技术、生态系统和顶层设计。

应用技术：有限技术能力VS无限的交通路况

从应用技术的角度来说，目前最大的困难在于有限的技术能力以及无限的交通路况之间的矛盾。

目前的无人驾驶技术主要基于感知类的ADAS，即模仿人类的感知反应和判断机制，利用机器智慧进行部分或全部的替代。例如，人类在驾驶的过程中通过五官进行感知，通过人脑进行处理，并最终通过肢体进行执行。类比人类的流程，无人驾驶技术方面应用传感器进行感知系统，通过处理器和算法进行决策，并通过制动控制进行控制。综合当前的实践来看，以激光雷达（LiDAR）、毫米波雷达、红外线夜视、摄像头为代表的传感器领域的研发和创新，主要由1级零部件供应商（Tier 1）和初创企业领衔；科技企业在决策系统中扮演了重要的角色；而执行层面涉及安全领域，目前主要由1级零部件供应商进行驱动。

从技术的角度来说，构成无人驾驶技术的各个组成部分，都会面临瓶颈和极限。举例来说，传感器是无人驾驶技术的输入端口，物体识别的能力很大程度上依赖于不同的传感器，但不同的传感器限于物理状态，都各有利弊。例如：激光雷达对于雨雾的穿透能力受到限制，对于黑色物体的反射率亦有限；毫米波雷达对于物体运动状态的判断、敏感度有限；摄像头同样存在雨雾状态下的限制等问题。

与此同时，无限的交通路况又给无人驾驶技术的发展提出了极大的挑战。交通路况受到区域、天气、基础设施等多种情况的影响，而且交通工具的运行也并非总是按照秩序。加之许多发展中国家快速更新迭代的交通设施，例如车道、标志线等等，经常出现新旧标志同时并存迭代的情况，给识别判断提高了难度。此外，还存在着特殊场景的不可预期性，更加深了技术运用的难度。驭势科技CEO、前英特尔中国研究院院长吴甘沙曾经说过，一台奔驰S级轿车测试软件代码行数是波音787梦想客机的16倍。有那么多行的代码，其中很难避免有bug，有失效的可能性。

当有限的技术能力遇见无限的交通路况，我们发现机器的反应和指令很难做到100%判断正确。当错误无法避免的时候，归责性又成为了新的巨大难题。面对此类问题，无人驾驶技术领域的从业者们更多考虑用低速和封闭场景来应对挑战。例如，百度在11月中旬宣布和金龙汽车合作生产无人驾驶的小巴车，计划再2018年年中实现量产。但明年开始运营的起始点还会选择在封闭的道路上进行运营。

生态系统：陌生的伙伴和未来的城市

除却应用技术层面的挑战，无人驾驶技术的发展同样受到生态系统的制约。

汽车行业和互联网科技企业原本并行发展的两条平行线，由于无人驾驶的兴起而开始渐行渐近，但是双方互相之间的了解和交流却需要更多的提升和深入。无人驾驶技术是一项系统工程，包括硬件、软件、算法、汽车生产、汽车维护等众多子系统集合构成。从目前的行业发展现状来看，几乎没有一家企业可以同时在大部分子系统中获得领先地位。那意味着，不同行业的参与者需要共同携手，以开放式创新的态度和思路，促进无人驾驶技术领域的进一步发展。在这方面，已经有部分成功的案例，例如，2017年7月百度开放无人驾驶技术平台Apollo，目前已经与一汽、奇瑞、长安、长城等汽车企业达成战略合作，有1700多家合作伙伴加入并开始使用开放代码。戴姆勒在2017年也把欧洲成功运行的Autobahn带到中国，通过和Plug and Play中国团队和合作，促进无人驾驶技术在中国的应用。（备注：Autobahn是戴姆勒于2016年5月创建的技术革新和合作平台，目前已经吸引了保时捷、采埃孚、巴斯夫、村田制作所、斯图加特大学、美国Plug and Play等机构加入。）而中国吉利控股拥有的沃尔沃也在2017年与瑞典汽车安全供应商Autoliv、美国图形技术专家Nvidia合作，为无人驾驶汽车开发软件。

目前，我们欣喜地看到汽车行业、互联网科技等行业逐步加强互相之间的合作和共享互惠，虽然面对陌生的合作伙伴，双方之间的交流还存在隔阂、频道不一致，但随着时间的推移以及双方优势的深度互补，我们期待双方的合作迸发出更加精彩的火花。

除了陌生的伙伴外，当汽车企业逐步加快相对老迈的步伐，开始追赶新兴的无人驾驶技术的时候，我们还不禁思考，我们所在的城市，是否已经做好了迎接无人驾驶技术的到来？“城市”这个高度概括浓缩的词组背后，包含着更加通用性的基础设施、法律法规的配套措施，以及政府的管理和服务能力。2017年，美国国家城市交通协会（NACTO）发布了一份关于未来无人驾驶城市蓝图的报告，提出了包括“安全、移动性、平衡路权、实时街道管理、更少车辆运行更多人群、公共利益指导个人行动”等六大准则，并给出了过渡时期的十二个要点，已经具有操作性。但是从全球的角度来看，对于城市如何应对无人驾驶技术的讨论和行动依然亟待加强。笔者认为，城市和汽车自从工业革命以来，已经形成密不可分的有机体。无人驾驶技术将带来更安全、更加有效率的移动，是对于城市生活的极大提升。但这样的提升同时也需要城市的设计、运行和管理进行呼应和更新迭代。互联网科技企业一马当先，刺激和激发了传统汽车企业进行创新和升级，但之后的发展将是互联网企业和汽车企业一起拉着更加老迈的城市进入未来。但至少当下，前两者是否可以带动城市管理者的快速自我提升，城市自身又是否可以以面向未来的姿态为无人驾驶创造基础设施、法律法规，甚至个人教育等方面的条件，我们依然充满疑惑。

顶层设计：法律法规难题和公众接受度的演变

无人驾驶的真正应用还没有来到，但“无人驾驶”的第一张交通罚单已经在2017年诞生。李彦宏驾驶车辆上了五环，在与现场连线时候双手没有触碰方向盘，依靠机器的指令指挥汽车前行（估计应该是L3级别的自动驾驶），随后当然吃到了罚单。目前无人驾驶汽车测试仍然要配备驾驶员，而且驾驶员需要专门的“自动驾驶汽车”驾驶证。但是工信部已经对外发布了《关于征求<国家车联网产业标准体系建设指南（智能网联汽车）（2017年）>（征求意见稿）意见的通知》。现阶段我国对于无人驾驶问题的法律法条，依然处于研究状态，而且在全世界都是一个难题。

最后，汽车终究是和人发生直接的关联，公众是否接受无人驾驶技术、是否愿意应用无人驾驶技术，同样是企业和城市管理者需要共同思考的话题。虽然根据多家专业公司的调查研究，许多受访者对于无人驾驶技术表示欢迎，并且也愿意尝试，但是从有意愿尝试到真正“实践”尝试，依然有一段距离。科特在《领导变革》中提到，当人类不得不改变自己以适应环境变化时，痛苦必然会相伴而生。当我们嘲笑慈禧太后第一次坐火车时候提出的诸多“奇葩”要求时，可能我们需要回忆一下自己第一次坐飞机时候的复杂情感。正如德国交通部智能交通系统与自动驾驶司处长Christine Greulich在媒体访问中表示，“无人驾驶还面临着许多挑战，需要考虑公众的接受度，并与社会保持对话。”

列举以上种种问题和挑战，不是为了唱衰无人驾驶的未来，而是为探索者和创新者的勇气鼓掌叫好。套用罗曼罗兰的名言，，当创新者们认清了无人驾驶技术发展的种种难题之后，还依然热爱并投身其中，那才是真正的英雄主义。正如Gartner的技术成熟度曲线所展现的那样，科技诞生之初受到追捧，很快达到过高期望的峰值，从而进入了泡沫化的低谷期，之后，伴随从业者和创新者辛勤耕耘，逐渐稳步爬升，最终实现可持续的发展。