4月28日，北京市智能网联汽车政策先行区正式对外发布《无人化载人示范应用通知书》，首次允许自动驾驶车辆“方向盘后无人”。

这让中国自动驾驶朝着“无人化”迈出一大步。

大洋彼岸的步子迈得更大。

当地时间3月10日，美国监管机构发布了关于自动驾驶（ADS）汽车的最终规定，美国量产无人驾驶汽车从此可以没有方向盘、刹车踏板等控制部件。

在当下这个时间点，中美两国几乎同时在自动驾驶政策上踩下一脚油门，并非出于偶然，而是技术和产业的发展到达了一个临界点。

自动驾驶加速，为什么是现在？

汽车工业用了100多年时间，逐步形成了一个基于燃油技术的成熟产业，不论从技术、产业链，还是从商业模式角度看，都已经非常成熟了。

然而，“百年未有之大变局”的时代引发共振，汽车产业开始了以电动化、智能化、网联化、共享化、低碳化为特征的产业转型，在这一过程中，汽车的技术要素也在变化，从过去的发动机、离合器、变速箱等这样的工程机械要素为主，逐步扩大，囊括了电化学（电池）、半导体芯片、人工智能算法、互联网软件等众多全新技术要素，汽车产业也随之转型成为一个全新的交叉型产业。

中国工程院院士、清华大学智能科学讲席教授、智能产业研究院院长张亚勤指出，让汽车实现自动驾驶的梦想，只有在人工智能发展到一定阶段才能实现。

从人工智能技术自身的发展趋势来看，它和汽车自动驾驶可谓“天作之合”。只有在目前物理世界的数字化的大背景下，我们才可能拥有足够量级的、可供支撑汽车自动驾驶的大数据。城市在数字化、交通也在数字化，大量路侧感知设备，给深度学习提供了丰富的大数据支持。大数据、算法突破、算力大幅提升，这三者完美结合，才使汽车自动驾驶成为可能，从而彻底重塑汽车产业的格局与面貌。

人还是机器？辩证看待安全

生产力的发展与生产关系相互作用，技术的进步从来不只是技术问题，更是复杂的社会问题，公共安全与社会接受度是必需考虑的重要维度。

就在北京市《无人化载人示范应用通知书》发布后不久，一张百度创始人、董事长兼CEO 李彦宏的朋友圈截图在网上流传。

“无人驾驶肯定会出事，甚至会出死亡事故，只是这个概率比有人驾驶低多了。”李彦宏此番表述，或意在影响大众对安全的认知，呼吁重视自动驾驶政策滞后问题。

“要低至少一个数量级”，张亚勤院士跟评，无人驾驶比有人驾驶更安全，这既是统计事实，也是业内共识，但与对公众认识来说，可能还是反直觉的。

去年12月，中汽中心、同济大学、百度三方曾联合《自动驾驶汽车交通安全白皮书》，通过国内最大的道路交通数据库CIDAS，筛选出2011年至2021年因乘用车导致的6967场事故，发现约81.5%的乘用车事故是人为因素导致，其中，约79.9%是主观错误，约20.1%是由于驾驶人能力受限。

具体而言，驾驶人主观错误可分为未按规定让行、车速过快、违规使用车道、酒驾、违反交通信号以及疲劳驾驶。其中，未按规定让行占比高达43.4%。

驾驶人能力受限可细分为未留意其他交通参与者的行为、没有保持安全距离、驾驶熟练度低、其它错误驾驶行为。

由此可以发现，绝大部分事故原因与人的违规紧密相关。

机器不受疲劳和情绪影响的，其相对完善的决策规划能确保车辆按照交规行驶，这意味着能够大幅减少人类驾驶的主观错误，避免80%的事故致因。

另一个重要层面是感知，人类在驾驶中，主要是用双眼来接受信息的。

理论上，多传感器的融合可以获取到比人眼更多、更高维度的数据，可以感知到肉眼不可见的物体。

激光雷达可以直接采集距离信息，实现三维环境匹配及盲点探测；摄像头可以实现物体的快速辨认和车道识别，所采集的信息包含色彩和更多细节；雷达可以进行速度和距离的测量，发出碰撞预警并进行紧急制动。所有传感器联合起来构成对车辆所处环境全方位的立体扫描。

这是现阶段自动驾驶中机器可以超越人的环节。

“基于行业的普遍共识，对自动驾驶的安全性要求至少要高于人类驾驶一个数量级，达到99.99999%的水平”，张亚勤曾在采访中表示。

实践中的长尾问题，要到实践中去解决

但另一方面，自动驾驶最大的挑战来自于人工智能泛化能力不足。

虽然在日常训练中能够解决绝大多数头部场景中的潜在风险，但各种小概率的突发场景种类繁多。

曾有特斯拉电动汽车曾把前面侧翻的大货车的白色车顶误认为白云，毫不犹豫地撞了上去；还有特斯拉把前车排气管挂的红绳认作路障，这是自动驶汽车所要解决的无穷无尽认知问题的一个缩影。

技术上，自动驾驶领域通过提升算法和车路协同两条路径来解决问题。

利用算法来提升泛化能力，需要算法本身具有更好的透明性、可解释性，同时利用大量数据，不断迭代算法。

车路协同意味着在单车之外，从路侧开启一个“全景视角”。像“鬼探头”这样无论对于单车智能还是对于人类驾驶员都很难处理好的问题，通过路侧设备提供更多维度的信息和数据能得到解决。同时，车路协同也能够为自动驾驶进行技术上的冗余备份。

“遇到陌生的交通环境时，自动驾驶系统往往无法提供精准可靠的感知能力。相比之下，人类驾驶员不仅可以解决过往遇到的困难，还能够应对新的突发问题”，张亚勤指出，“不过，人类的驾驶能力不具备复制性，不同司机的驾驶水平可能相差较大，而可靠的自动驾驶系统则可以任意复制，这是人工智能的优势所在。”

经过100多年发展，人类驾驶的安全性提升空间已经很小了，而自动驾驶或许刚刚起步。

这需要人类更自信，到实践中去解决问题。

今年“两会”期间，全国政协委员、交通运输部科学研究院副院长兼总工程师王先进提出了关于“推动智能网联汽车商业化应用合规”的提案，他认为，我国关于自动驾驶、智能网联汽车应用相关法律法规的制定相对滞后，一定程度上制约了智能网联汽车的商业化应用。

（这次）北京发测试牌照，是需要的、可行的，应该把握“节奏”二字，王先进指出，在车路协同及数字化、自动化、智能化技术的安全性可靠性取得实质性进展的前提下，在合适的应用场景逐步开放。

清华大学计算机系教授及博士生导师、人工智能专家邓志东认为，颁发主驾无人的RoboTaxi（无人驾驶出租车）上路牌照，这是北京市在自动驾驶安全监管政策上迈出的重要一步。

邓志东认为，在自动驾驶的下半场，商业化运营十分关键。期待我们的政策规划与部署，不仅要能够跟得上美欧自动驾驶快速发展的步伐，而且还要能更加有利于尽早实现全无人车上路和自动驾驶产业的商业化落地，小步快跑，以点带面实现政策支持层面上的突破，同时又能够使相应的安全风险可控、可预期。

不发展是最大的不安全

在自动驾驶产业政策开放层面，美、德、日等传统汽车大国步子更大一些。

美国政府从1998年就颁布《面向21世纪的运输平衡法案》到今年3月发布《无人驾驶汽车乘客保护规定》，已经形成了较为成熟的自动驾驶汽车政策和法律体系。

德国2021年5月通过了《自动驾驶法》草案，已经成为全球首个允许无人驾驶车辆参与日常交通并应用在全国范围的国家。

日本也走在世界前沿，2019年8月，日本政府正式通过了《道路运输车辆法》修正案，为日本自动驾驶的实际应用提供了安全标准及责任归属，其相关立法非常细致。

张亚勤指出，在政策法规层面，客观地说，在全球范围内，其实都面临着一个同样的挑战——政策与监管滞后于前沿技术的发展。无论是测试、试运营、保险设计、事故责任认定甚至是用户的隐私保护等，政策法规的调整都是相对滞后的。

“但是，我倾向认为，自动驾驶事关生命安全，政策层面的谨慎应该远胜于激进”，张亚勤表示，而在这一方面，中国的政策环境是比较好的，中国用户对于包括自动驾驶在内的新技术应用普遍具有更开放心态，愿意拥抱新技术，愿意尝试。

中国优势：车路协同路线与丰富场景

当前，在自动驾驶方面，美国拥有强大先发优势，中国基于5G、算力等新型基础设施，以及丰富应用场景，正在奋起追赶，两国走在全球第一梯队，但路径、产业组织、开发模式并不相同。

美国在自动驾驶领域的研发是企业主导的，例如谷歌旗下的Waymo，通用汽车旗下的Cruise，特斯拉，以及大量的初创企业；其次，美国基本聚焦于单车智能；第三，美国自动驾驶在垂直领域的应用比较多。

张亚勤认为，差异的部分原因是美国各级政府对道路、交通等城市基础设施建设的影响力比较弱。中国能够进行车路协同是他们所羡慕的。

中国在自动驾驶领域既有类似百度、滴滴这样的头部科技互联网企业，也有大量的初创企业活跃。但值得指出的是，中国较早确定了车路协同作为智能网联的路径方向。

从系统的角度看，自动驾驶不单纯是汽车产业的问题，更需要与城市、交通、能源有效联动。这是中国的优势，这不仅对未来的自动驾驶有利，同时也可赋能存量的在用车辆，让整体交通更高效。

另一方面，丰富的应用场景为中国相关产业落地提供了广阔的市场空间。

头豹研究院汽车行业分析师张诗悦指出，中国自动驾驶当前正处于量产落地期，在乘用车和商用车两个领域落地，乘用车主要关注自动泊车和Robotaxi两赛道，商用车主要应用的场景包括港口、矿区、干线物流、末端物流、市政环卫和园区。

除了普通大众能够亲身感知的Robotaxi之外，商用车领域正在吸引大量行业关注，其场景大多为矿区、环卫、物流等劳动密集型行业。

在劳动人口减少的背景下，仅以“快递小哥”主要覆盖的末端物流场景为例，2021年快递业务量超过1000亿件，末端配送工作强度大，人员招聘困难，企业提升工资水平，致使快递员的平均工资远高于城镇私营单位的平均工资，出现“年轻人不愿进工厂”等社会现象。

自动驾驶可以解决物流行业劳动力供给不足的问题，在疫情等特殊场景下还有独特的社会价值。干线物流、港口码头、城市环卫等领域的情况基本相似。

头豹研究院预计，到2026年自动驾驶软硬件市场规模将达到2万亿元，年复合增长率超过16%，运营服务市场的规模将达到5.8万亿元，年复合增长率为6.6%。自动驾驶商用车合计市场规模近8万亿元。

张亚勤指出，无论是美国的谷歌（Waymo）、中国的百度，这些头部的企业之所以领先，就是因为他们进行了大量测试，成为进步的基础，而尽早扩大规模进行商业化推广运营，则意味着商业模式的成熟，也才能够支撑技术不断地进步。

我们应该看到，越是在生态整体迁移、重构的过程中，越是有大量的机会。由于汽车工业率先产生在欧美，这些国家、地区具有极大的先发优势，中国此前一直处在跟随者的地位，而在技术要素构成发生重大变化之后，中国的汽车工业和其他先发国家站到了同一个起跑线上，甚至在某些方面，中国更具优势。

人工智能不仅仅是自动驾驶，更是第四次工业革命的引擎，在前三次工业革命中，中国都是旁观者或者是跟随者，但这一次，我们有可能成为领导者，应当把握住这种战略机遇。