在被通用收购前，Lyft已经和雪佛兰合作研发无人车。就连黑莓也在放弃手机行业后，转而投身于无人驾驶。这些接触汽车行业不久的互联网公司，急不可耐地投入无人车的研究，毫不顾忌行业老大哥的犹豫和踌躇。而更为激进的特斯拉在2016年就有超过10万辆能够超车、躲避障碍、自动进停车位的半自动驾驶汽车上路了。
“年轻人”的“跑酷”自然要付出一些代价，2016年1月，特斯拉自动驾驶汽车的第一起事故被证明在中国发生，尽管目前调查结果未定，但在行车记录中，这辆具有自动驾驶系统的汽车，面对前方明显的清扫车，没有减速迹象，导致追尾。2016年5月，特斯拉在美国发生一起事故，在强烈的日照下，自动驾驶系统未能识别到前方横穿而过的一辆白色集装箱货车，没有及时刹车，而货车车主也违背了操作规范，双手离开了方向盘。撞击致使车主丧生。2016年8月，得克萨斯和北京各有一位车主，或撞向高速护栏或与旁车发生剐蹭。事后分析都指向车辆的感知系统误检。
在撞击集装箱货车的事故中，由于横跨多个车道、车架高于地面，高亮度天空背景下的白色车身被视觉识别系统误认为是“白云”。北京剐蹭事故中，路边静止车辆被识别系统当作围栏，自动驾驶错估了安全距离，导致了近距离摩擦。应该说，这意味着对识别系统的训练还不充分。
优步则在未获得加州政府上路测试牌照的情况下，开始测试无人车。实验过程中因为闯红灯险些撞车而变成了一出闹剧。
在无人驾驶这条道路的同行者中，还有一些搁置了实时更新道路数据的技术路线，主攻嵌入式人工智能的解决方案，目标是让自动驾驶在不联网的情况下实现道路感知等。
这些不断跌倒又前进的尝试，更多地指向L3无人车。而对于下面提到的两位，L4才是雄心所在。
L4准入门槛极高，人工智能和高精地图信息不可或缺。因此，谷歌和百度占据了绝对优势。
2009年，谷歌在DARPA的支持下开始了自己的无人驾驶汽车项目研发。2014年12月，谷歌对外发布了完全自主设计的无人驾驶汽车。外观构造已经与传统汽车截然不同，取消了方向盘与刹车。2015年，这辆原型车已经可以上路测试，乘客只要坐在车中，就可以“坐等”车辆开动。截至2016年10月，这辆许多人用“萌”来形容的白色小车，已经进行了超过320万公里的公共道路测试，相当于人类司机300年的开车经验。
对于谷歌的野心勃勃，百度恐怕是最能理解的。几乎是同一时间，百度无人车也在加速前进。在中国移动互联网一片热闹的几年，百度却埋头无人车开发，来不及向外界解释，只有安全和学习成果演进在我们的注意范围内。那句“3年商用5年量产，要在2021年让无人车出现在地平线上”的宣言，并非媒体所称的“激进”，而是源自自身技术的召唤。
<img src="/uploads/allimg/200412/1-2004120Q255226.jpg" />
图6-6 谷歌无人车
百度想做的也是“完全无人驾驶”，在技术路线上选择了几乎最难走的路：高精地图加传感器。与上述所有涉及L3的自动驾驶车高了几个数量级的难度。为此，“百度大脑”们一头扎进无人驾驶领域。
最初百度对该项目高度保密，直到2015年12月，百度无人车完成北京开放高速路的自动驾驶测试，外界才逐步知道百度在做什么。这次测试首次实现了城市、环路及高速道路混合路况下的全自动驾驶。百度无人车从位于北京中关村软件园的百度大厦附近出发，驶入G7京新高速公路，经五环路，抵达奥林匹克森林公园，随后按原路线返回。全程均自动驾驶，实现了多次跟车、减速、变道、超车、上下匝道、掉头等驾驶动作，完成了进入高速汇入车流到驶出高速离开车流的不同道路场景的切换。测试时行驶速度最高达到100公里/小时。
百度无人车的车顶装有一台64线激光雷达，通过持续地圆周旋转，对车身60米半径内的路况进行全景扫描。车辆两端和后方分别装有3个激光雷达，用于扫描邻近区域，弥补车顶雷达的视角盲区。这一连串的高分辨率激光雷达，构成无人车的“复眼”，对整体路况有了透彻的“俯瞰”，有助于实现在复杂交通环境下的自主驾驶。特别是针对交通拥堵、狭窄道路、小区和停车场等特殊场景，实现跟车、换道和交叉路口通行。
有了这些还不够，车顶前方还装有两个视觉识别摄像头，这样一双“眼睛”可以精准地识别交通信号灯、路面交通线和交通标志，弥补了激光雷达在雨、雪、雾等特殊天气条件下的“视力下降”，提高了对路标和信号牌的识别率。
从环境感知、行为预测，到规划控制、高精地图、高精定位，一辆无人车上集纳了当下多个领域最顶尖的技术。百度能在这么多的方向同时迸发，依靠的是在人工智能、深度学习领域的长期积累。当然，从无人驾驶技术的发展历程来看，今天百度无人车也可以说是立足在巨人之肩，每一台硬件设备都有过异想天开的“原型”。每一条技术路线都是全球无人车研究者在反复失败中提炼的“最优解”。
现在百度无人车还在中美两国进行着大量的路测。在百度的时间表里，2018年要实现百度无人驾驶公共汽车上路行驶载客。
一项技术从开始科研到落地使用，这不仅是百度的进步，也是中国制造的成就。从一开始，百度肩上扛的就不仅是“无人驾驶”的“小目标”。
<img src="/uploads/allimg/200412/1-2004120Q2555X.jpg" />
图6-7 百度“云骁”无人车在乌镇亮相
注：用手机百度或智能革命App扫描图片可见AR效果。
<img src="/uploads/allimg/200412/1-2004120Q2553B.jpg" />
图6-8 百度无人车视角下的路面
在2015年的世界互联网大会上，百度展示的无人驾驶车就吸引了习近平主席的注意，习主席在百度公司展台的驻足时间超过10分钟，比原定时间长了3倍。中国工程院院士李德毅曾对无人车行业做出分析，他认为“以无人驾驶车为代表的轮式机器人将成为中国智能制造2025的首张名片”。无人车不仅是“车辆”，也因其自身装载的设备系统，在商业化过程中将直接带动雷达、传感器、导航系统等产业的快速发展，为建立车联网和物联网打下基础。无人车自身的战略价值，已经远远超过了一个交通工具。
中国的交通场景丰富、人口众多、市场庞大。无人车不但能为整个交通模式带来变化，还有可能给中国带来智能地铁、智能公共系统等新事物。智能交通是系统性、革命性、颠覆性的变化，随着技术的狂飙突进，需要改变的可能是人们的思维模式。
陆奇说起过自己的一桩逸事，他玩过一种特殊的自行车，是倒着骑的，方向盘往左拐轮子会倒过来，这其实和人工智能也有点关系。学习有几种方式，有一种是体验式学习，比如学骑自行车会摔跤，但学过就不会忘记，而学了这个特别的自行车就不会骑原来的自行车。在为无人车制定法律时，人类要避免刻舟求剑，继续用有人驾驶时代的思维束缚未来。
<h2>
苦练无人车的内功与外功</h2>
在了解无人车技术的历史和现实背景后，让我们从技术层面深入无人车的“视和听”。
在“视距”上，无人车较之裸眼具有绝对优势，驾驶员的安全视距一般在50米左右，而无人车依靠多种中远距雷达、摄像头等传感器，能实现200米以上的超视距扫描观测。
另外，无人车的“视觉”方面还要克服许多对人类来说不是问题的问题。为了让它能够从不同角度对汽车和周围路况进行判断，我们要教会计算机在动态中识别哪些是车、哪些是天空、哪些是树。深度学习在这一过程中起到了巨大作用。
目前，在用摄像头来判断物体这项指标上，百度无人车准确率达到90.13%，2016年同期为89.6%。看似只有0.53%的提高，但对于无人车乘坐者的安危，每一点进步都值得坚持。在判断行人方面，百度无人车的准确率达到95%，判断红绿灯的准确率达到99.9%。而它的未来目标是，判断红绿灯的准确率必须达到100%。
当然，对无人车来说，光会“看”是不够的，要保证安全，还要有敏捷的反应，要能“刹得住”。人类驾驶员，从遇到紧急状况到踩下刹车需要0.6秒。而汽车的刹车要发生作用，其油压系统传导还需要0.6秒。也就是说，一般的人类驾驶员需要1.2秒的时间把车刹住。而百度无人车从“发现”紧急情况到做出刹车动作只需要0.2秒。未来，如果电动刹车取代液压刹车，百度无人车有能力做到在0.2秒内紧急制动，这将比人类平均的1.2秒快了整整1秒，高速驾驶中，1秒可能就是救命的时间。
不论是静、是动，还是“表面”招数，在绝大多数的行驶过程中，车载的雷达、传感器、摄像头等要实时收集数据，在行车途中反馈到“百度汽车大脑”的服务器上，辅以GPS高精度地图，指导汽车以最佳路径行进。
在定位层面，百度地图2015年达到WiFi定位精度30米，室内高精定位精度1~3米，定位速度0.2秒。2016年，百度无人车使用的高精地图精度是10厘米级，实际行驶中对路况判断的误差小到一根车道线的宽度，相比GPS定位，精度提升了两个数量级。
这一切也要归功于无数百度产品的使用者，包括那些调用百度地图API的用户。使用者在调取时，无形中就帮无人车刷新了数据，增加了一点“智慧”。
<img src="/uploads/allimg/200412/1-2004120Q255H1.jpg" />
图6-9 比普通GPS定位高两个数量级的高精定位示意图
顺利推进无人车的研发，关键在于构建合理的技术布局。随着技术的升级与革新，以往推广应用的“死结”都会逐渐被化解。业界对无人车是否应该采用激光雷达的争论就是如此。
由于激光雷达造价高昂，外界有人唱衰无人车，正如多年前很多人因为价格而不看好“大哥大”。百度不仅对降价抱有信心，还做出了前瞻性的战略投资。
2015年底，无人车普遍采用的LiDar激光雷达的价格高达70万元，半年后同款批发价已经降为50万元，下降了30%。随着生产工艺的成熟及无人车行业发展带来的规模化效应，激光雷达将有更大的降价空间——毕竟“大哥大”刚面世时售价高达2万元，而今国产的“国民”智能手机只要600元左右。
2016年8月17日，百度与福特公司以1.5亿美元联合投资激光雷达公司Velodyne LiDar。Velodyne预计，如果2017年拿到100万个订单，百度无人车使用的64线激光雷达单价就会直线下降到500美元，2020年激光雷达价格会降到300美元左右，2025年会降到200美元左右。
在无人车的研发势头下，64线激光雷达目前非常紧俏，这项投资确保了百度的传感器供应。但如此巨大的投入，并非只为一时的器件供应，而是以行业带头人撬动整个产业，以利于整个无人车行业的发展。
除此以外，为了改进硬件计算能力，百度自主研发了由48台服务器组成的小集群，计算能力超过了中国超级计算机神威太湖之光。
从百度地图十多年的运营，到百度大脑感知和决策能力的全面开花，再到对激光雷达供应商Velodyne公司的投资，与其说是百度选择了无人车，不如说是百度的专业逻辑将自己推到了必须承担起责任的这一步。
仅有技术层面的可行性是不够的，为了积累路测经验，百度无人车在国内外的试验场上奋力奔跑。在美国加州，百度是第15个获得无人车测试执照的公司。就在2016年底，百度在加州部署了100多名无人车的研究人员和工程师。在国内，百度也要全力做好“中国定制”。鉴于选择测试和初期商业化，在考量道路设施、行人密集度、政府（相关部门）支持力度，甚至当地天气等多方面情况后，百度无人驾驶团队入驻北京、上海和深圳，分别和安徽芜湖市政府、上海国际汽车城、浙江乌镇旅游景区、北京亦庄开发区签署了测试的合作协议。
2016年，在获批的“国家智能网联汽车（上海）试点示范区”封闭测试区内，模拟了城市交通场景，有隧道、林荫道、加油/充电站、地下停车场、十字路口、丁字路口、圆形环岛，还有6个智能红绿灯和40个各类摄像头。整个园区道路实现了北斗系统的厘米级定位和WiFi全覆盖，可以为智能驾驶提供29种场景的测试。
百度在2017年推出了高级自动驾驶人工智能模型Road Hackers，并将基于此模型开放百度自动驾驶训练数据，首期就包含1万公里的L3数据。这部分涉及一线、二线城市等十几个城市的封闭道路的高速、环路、快速公路的数据。今后还会有一些人车混搭的道路数据公开，并逐步开放所有大数据资源。这当中不单是道路数据，还有中国司机的开车习惯，这可能是更为感性和宝贵的数据。这一模型能够在真实的道路情况下，利用深度学习等技术，将L3无人车的摄像头、传感器等输入的信息转变为车速、路径、方向等最优的驾驶指令。
Road Hackers的推出表明，百度在L3和L4双路径并行突进。对百度来说，L3的数据也可以用到L4，当收集了足够多的公路数据、场景数据、用户数据、车的数据，并将这些数据和激光雷达的数据结合起来，可以让L4更快地实现。
更重要的是，相较于L4，L3能更快地与传统汽车行业对接。
百度联手北汽，推出搭载车联网解决方案的车型，计划在2017年底进行北汽L3车型的路测。百度无人车奇瑞EQ参加了驾照考试，已经通过了第一个考试科目，希望2017年能考过两个科目，3年内能把5个科目都考完，实现商用目标。
未来，无人车还要走上开放路面进行测试，在具有代表性的城市区域进行测试，最终融入城市交通系统。美好的前景正在实现，但还有数不尽的用户体验需要去完善。
自动驾驶不应该只是少数人的专属，而应该成为每辆车的标配功能。无人车承载了中国汽车产业很多的希望，这一点绝对不是百度一家公司能够完成的，而是需要整个产业，包括各级政府、汽车制造企业、科研机构、银行、保险公司的共同努力，才能把中国的无人车真正推向社会，真正落到实处。
中国电信在全球5G标准竞争中取得的成果令人兴奋。无人车是物联网中极具意义的应用，可以共享设定区域内的位置信息、外部环境信息、自身驾驶信息等，每辆车都会成为信息的接收者和发出者，实现整个区域内的协同驾驶，进而实现车与车、车与人、车与万物的相连。而无人车和物联网的实现正依赖于5G时代的到来。
<h2>
“老司机”驶向何方</h2>
尽管无人车还远没有达到大批商用的阶段，但作为新事物，已经面临来自各方的怀疑，这是技术之外的另一道关卡。无人车上的联网设备会侵犯个人隐私吗？数据被黑客窃取会产生不良后果吗？无人车出了事故如何认定责任？
人们常用一个形而上学的伦理问题来问无人车：路边突然窜出一个小孩，如果无人车打方向盘，就会撞到另一边的一个行人，无人车该怎样选择？进阶版问题还有：如果一边是一个人，另一边是一群人，无人车要怎么选？对此，技术性的回答通常是：采取“让速不让道”的方式，尽可能快地减速，以避免、缓解悲剧的发生。但真正的关键在于，这个伦理问题即使是人类老司机也回答不好。对待无人车，人类可以多一分理解。
谷歌无人车在实验阶段就应对过各种情况：一个坐着电动轮椅的女人在路上追赶一群鸭子、一群人在马路上排成一行做青蛙跳、一个人毫无预兆地突然靠近并滚过无人车的前盖，甚至有人在车子前面裸奔。有人问怎样看待百度无人车程序有3000多个场景，1万多个“if”。这个数据百度没有真实统计过，但这些“if”显然是为了众多诸如“撞人还是撞狗”的场景而预备的，至少保证对于普通人能够想到的特殊情境，无人车都能做出最有利于交通参与者人身安全的选择。
不妨再大胆想象一下。在万物互联的条件下，未来面对人类也难以决断的紧急情况时，人工智能的反应速度、联网效应很可能会给出比人类更好的解决方案。车联网系统将把无人车连成整体，每辆车在行驶时“脑海中”都有着“大局观”。一辆车紧急刹车就会紧急“告知”一定范围内的无人车也做出对应的措施，从而避免追尾事故。
相比民众对无人车太“凶”的担心，工程师们担心的反而是无人车在与人的相处中太“怂”了。在谷歌的实验中，无人车在右道行驶时发现前方有沙袋，它试着减速绕过沙袋开向左车道，本以为后方的公交车会减速让行，不料公交车却在其变道时加速超车，导致了两车相撞。在这起事故中，反而是遵守交通规则的无人车被人类“欺负”。无人车的训练中不可能允许违法行为的出现，那么它要怎样和灵活应变的人类相处，遇到实际驾驶中的模糊区域要怎样做出决策？目前仍是无人车集中攻克的一门“学科”。这实在要比围棋棋盘复杂得多。由此可见，担心一个以防御为主的无人车主动伤害人类，可能还为时过早。
上面这些还是“假设”层面的问题，针对无人车的法律法规、自动驾驶汽车监管、事故时的责任界定等问题可以说就近在眼前。
目前，无人驾驶技术在欧盟以及美国一些州都存在法律障碍。欧盟交通法律规定，汽车必须由持有相应驾照的司机驾驶，任何人不得以任何理由接管驾驶权。美国只有四个州支持自动驾驶汽车上路。
但在法律层面上的“举步维艰”不会持续太久了。2015年，根据谷歌所描述的车辆设计，“美国国家高速公路交通安全管理局把这种车的‘司机’理解为自动驾驶系统，而不是车上的人”。即接受了谷歌的说法，认可了谷歌无人驾驶汽车将不会有传统意义上的司机。
2016年初，联合国欧洲经济委员会对《维也纳道路交通公约》进行了修改，从原先“驾驶车辆的职责必须由人类驾驶员负责”改为“在全面符合联合国车辆管理条例或者驾驶员可以选择关闭该技术的情况下，将驾驶车辆的职责交给自动驾驶技术可以被允许应用到交通运输当中。”
虽然中国还没有具体的法律法规面世，但中国人“摸着石头过河”的传统让无人车企业感到放心。业内人士并没有太担心法律的阻碍，毕竟法律总是在追赶现实，在算法可能代替律法的时代，技术才是发展的核心驱动力。中国的无人车一旦启动，其加速度十分可期。
归根结底，无人车是服务于人的。无人车这位“老司机”不断学习，技艺日臻完善。科学家梦想有一天，无人车能够使得路怒不再，拥堵不再，更少的车和更高的用车效率或许将让雾霾也不再。呼之则来的无人车，为我们每一个行程规划完美的路径，精准计算路上时间，在这个空间里，我们可以休息、工作、学习、娱乐、休闲，甚至旅行。充分利用路上的时间使居住在市中心与郊区的差别将不再巨大，由此影响城市布局和地价均衡，进一步影响年轻人的工作与生活。人类将有更多时间和空间发展自身的技能，提高健康水平，弥补对家人陪伴的不足。让无人车尽情打开我们的想象空间吧！
当然，在乐观场景的另一面，我们或许会感受到另一重孤寂。为效率而产生的更多单座、双座无人出租车，默默无语的旅途，或许会让我们向往拼车带来的交际温暖。过去与司机胡侃的夜晚，可能会变成一项收费服务。车祸少了，一旦出现交通意外反而容易上头条，相比技术进步，人性的进步速度是缓慢的，我们的易怒和敏感或许会转移到其他议题上。
汽车文明是现代工业文明的化身。纵览大地，从上古时期的百兽竞走，到今日亿万辆汽车奔驰，再到未来无人车自在涌动，堪称生命的进化之路。从此汽车将不仅是汽车，公路也不只是公路。文明就是“在路上”，生生不息。知道更多，做到更多，体验更多，愿无人车让我们变成更好的人类。