「來源： ｜甲子光年 ID：jazzyear」
做不到零事故，但更像“老司機”。
作者 | 喬七
編輯 | 趙健
今年年初，特斯拉和Waymo曾發生過一次口水戰。
時任Waymo CEO的John Krafik在接受德國《經理人》雜誌專訪時表示：“特斯拉還算不上Waymo的競爭對手，
因為特斯拉做的是輔助駕駛系統，而非無人駕駛系統。
”Waymo認為，輔助駕駛系統的能力與無人駕駛系統相差甚遠。
特斯拉CEO馬斯克當然不甘屈居人下，隨即迴應道：“震驚，特斯拉的AI硬體和軟體比Waymo的都要好”。
這在當時引發了一些自動駕駛的路線之爭，不過人們更傾向於爭論的焦點是技術。
7個月後，中國造車新勢力的代表企業蔚來汽車，在瀋海高速涵江段發生交通事故導致車主死亡。蔚來汽車品牌部人士在事故後強調：“領航輔助”（NOP，蔚來汽車的輔助駕駛功能）不是“自動駕駛”。
無獨有偶，就在蔚來事故發生後的第4天（8月16日），美國國家公路交通安全管理局開始對特斯拉的輔助駕駛功能展開調查。
至此，人們逐漸意識到輔助駕駛和自動駕駛不僅僅是一場關乎技術的較量，更是一場關乎安全的討論。
我們一邊聽著科技公司對於自動駕駛的宣揚，一邊為層出不窮的自動駕駛事故而驚恐。自動駕駛的初心是要用科技改變出行，如今我們不禁要問一句：“和人類司機相比，自動駕駛真的更安全嗎？”
本文，「甲子光年」採訪了國汽智控CEO兼CTO、國家智慧網聯汽車創新中心首席技術專家、中國智慧網聯汽車產業創新聯盟基礎軟體工作組組長尚進博士，同濟大學汽車學院朱西產教授，中國電動汽車百人會副理事長董揚等專家，以及元璟資本、輕舟智航、元戎啟行、領駿科技、斯年智駕等數位從業者，來探討自動駕駛安全問題。
1.最危險的場景是未知的場景
“道路千萬條，安全第一條。”
看似一句稀鬆平常的話，對自動駕駛來說卻是最核心、也是最難的工作。很多自動駕駛公司都會把安全作為第一位。據「甲子光年」瞭解，百度Apollo部門的每個週報、月報、季報、年度述職第一條就是跟安全相關。
在傳統汽車領域中，車輛駕駛的安全風險往往來自於整車電子電器的硬體故障或失效。對此，國際標準組織提出了以“功能安全”為中心的車輛安全體系，在百年曆史和經驗沉澱中，這套標準已經相對成熟。
但是自動駕駛的出現，給汽車安全帶來了新的挑戰。
邁入自動駕駛時代之後，車輛感知、決策和執行的任務都交給了自動駕駛系統，即使整車硬體沒有發生故障，自動駕駛車輛依舊可能會因為軟體的不確定因素導致車輛系統失效、功能偏離等。
以這次蔚來汽車事故為例，蔚來官方在NIO Pilot（NOP）的使用者手冊裡明確強調，車輛與前車相對速度大於50公里/小時時，如前車靜止或緩行，Pilot存在無法剎車的風險。
這是一個行業的普遍現象，包括特斯拉在內的所有車企，目前的高階駕駛輔助系統對於相對靜態的障礙物、雪糕筒在內的物體，識別起來都是一個難題。
類似這樣的安全風險，傳統的“功能安全”已經無法滿足車輛的安全保障要求，“預期功能安全（SOTIF）”的概念應運而生。
簡單來說，
“功能安全”解決系統故障原因帶來的安全隱患，“預期功能安全”解決系統非故障原因帶來的安全隱患。
在預期功能安全的定義中，不存在因設計不足或效能侷限引起的危害而導致不合理的風險，也就是將設計不足、效能侷限導致的風險控制在合理可接受的範圍內。
圖片來自《預期功能安全國際標準ISO 21448及中國實踐白皮書》
從安全性和已知性角度，預期功能安全將車輛執行場景分為“已知安全場景、已知不安全場景、未知不安全場景和未知安全場景”4個區域。預期功能安全的工作，就是將已知不安全場景和未知不安全場景轉化為安全場景。
如果問題是已知的，無論它是否安全，最終都能被解決掉，所以最大的挑戰在於未知且不安全的場景。
同濟大學汽車學院朱西產教授告訴「甲子光年」：“未知不安全場景的存在，使得自動駕駛出現了一個非常難的一個問題，怎麼把Unsafe、UnKown識別出來？這是非常難的。因為對其無法定義需求，也難以量化評價，這成為了全球自動駕駛安全開發領域的痛點。”
不過，很多自動駕駛安全事故的原因並非歸因於單一的技術問題。朱西產教授告訴「甲子光年」：“自動駕駛汽車，技術還不成熟，法律法規、標準都還跟不上技術的發展。使用者已經能夠體會到自動駕駛帶來的體驗，但是在一些邊緣場景下仍然存在事故風險。”
事故風險的發生往往不是單一的技術原因，而是使用者預期與技術能力之間產生了偏差。
輕舟智航創始人於騫告訴「甲子光年」：“機器和人的安全是不同的，從理論上講，即便機器和人達到同樣的安全程度都不夠。因為人犯一個錯誤，可以被理解，可以被寬恕，但是如果機器和人一樣犯錯誤，機器很難被寬恕。
只有自動駕駛系統比人的安全高一個數量級，大家才可能真正接受它。”
一個明顯的例證就是，
蔚來汽車事故之後很多人才第一次知道，原來“輔助駕駛”並不是“自動駕駛”。
「甲子光年」在上一篇討論自動駕駛文章的末尾設計了一個投票，結果顯示有48%的讀者不知道兩者的區別與權責劃分。
雖只有兩字之差，但含義卻大不相同，而這往往是自動駕駛悲劇產生的起點。
2.輔助駕駛和自動駕駛，傻傻分不清？
提到輔助駕駛和自動駕駛，就不得不提SAE（Society of Automotive Engineers，國際汽車工程師學會）的技術分級。
2014年SAE釋出了《SAE駕駛自動化分級》，將自動駕駛分為L0~L5六個分級；2020年3月，工信部發布中國本土的《汽車駕駛自動化分級》檔案，基本沿用了美國SAE的標準。
根據《汽車駕駛自動化分級》的標準，我們可以將L0-L2級系統稱為“輔助駕駛系統”，這三個級別的系統主要提供安全警告、車道居中、自適應巡航控制等功能，仍需要駕駛員不斷監控行車狀態，
駕駛的責任由駕駛員承擔
。
而L3-L5級才被稱為“自動駕駛系統”，根據系統開啟的條件、是否需要駕駛員臨時接管進行了等級劃分，在系統開啟後，
車輛的操控工作將由自動駕駛系統完成
。
簡單來說就是，L0-L2級責任在人，L4級-L5級責任在車。
L3稍微複雜一點，雖然是“自動駕駛”，但是前面加上了“有條件”的字首，系統正常的時候系統接管，系統異常的時候依然需要人來接管。
但L3帶來了一個悖論：在一些緊急情況下，如果系統交出了指揮權，但人類司機沒有來得及接管，這種情況下發生的事故責任在哪一方？
實際上，L3就是一個“硬憋”出來的分級。同濟大學汽車學院教授朱西產告訴「甲子光年」：“早期制定智慧汽車自動化程度分級標準的時候沒有L3——人類駕駛員負責的輔助駕駛就是L2，機器負責駕駛的無人駕駛就是L4。但是大家擔心從‘有人駕駛’一下子到‘無人駕駛’，是不是跨度太大了？所以按照駕駛任務的分配，從輔助駕駛到無人駕駛中間增加了一個L3的級別出來，需要時自動駕駛系統可以將駕駛任務回退給人類駕駛員的‘人機共駕’狀態。”
由於L3法律責任的模糊性，沃爾沃是第一個宣佈放棄L3而直接開發L4的車企。無論是L3還是L4，目前由於環境感知系統還存在感知能力的不足，各國政府都還沒有批准L3/L4等級的自動駕駛汽車上市銷售，所有汽車企業都不能直接宣傳L3/L4自動駕駛功能，而是將採用自動駕駛硬體系統配置開發出來的車型稱為L2+。L2+在智慧汽車自動化程度分級標準裡並沒有定義，有些汽車企業把L2+稱為“自動駕駛輔助”系統。
朱西產教授表示，L2+是指硬體已經達到L3、L4的級別，比如包含高算力的域控制器、人工智慧演算法、高畫質攝像頭、鐳射雷達、高畫質地圖等等，但軟體能力還是L2的水平，車企希望未來透過OTA的方式逐漸更新來實現L3、L4。
這些技術名詞無形中給消費者提高了理解門檻。當車企鋪天蓋地對自動駕駛展開營銷攻勢，部分消費者很容易誤把“輔助駕駛”當作“自動駕駛”。
比如，今年1月特斯拉CEO馬斯克在財報電話會議上表示：“非常有信心在年底前，讓特斯拉有超過人類的可靠自動駕駛能力。”而在今年5月，特斯拉的法律顧問就被“打臉”了，他表示特斯拉的自動駕駛仍然處於L2級別，需要人類駕駛員的監督。
這種概念混淆會帶來安全隱患，朱西產教授稱之為“恐怖谷效應”。朱西產認為，如今所處的“L2+”時代，是最不讓人放心的階段。“L2+”具備了部分“L3、L4”的功能，但系統能力又達不到“L3、L4”的水平，如果使用者使用過程中不能及時地消除使用者誤用，就有可能帶來安全問題，出現使用者信任危機。
這種潛在的危險很早就有企業意識到了。根據Business Insider的報道，2013年，在谷歌的自動駕駛部門被分拆成Waymo之前，該部門正在研發一種駕駛系統“Auto Pilot”，並徵集了一部分員工進行內部測試。谷歌告訴參與測試的員工，在車上不能分神，注意力必須放在駕駛上————也就是現在的輔助駕駛系統。如果車內的攝像頭髮現他們沒有嚴格遵守這個規定，就會收回車輛。
但谷歌發現一些員工並沒有遵循這些指示，並且有一位員工直接在車上睡著了——他睡著的時候，車輛正以每小時55英里的速度在路上飛奔。在這件事發生以後，谷歌就徹底關閉了Auto Pilot這個專案，並開始專心研發不需要人類司機的無人駕駛技術。
谷歌的這一選擇也讓自動駕駛分化出了兩種不同的演進路線，一派是以特斯拉為代表的車企，選擇從L2做起，並逐漸升級為L4，也被稱為“漸進式”路線；另一派以谷歌旗下的Waymo、百度的Apollo為代表，選擇直接做L4，也被稱為“跨越式”路線。
兩種路線誰才是通往未來自動駕駛的康莊大道？
3. L2與L4誰才是未來？
L2和L4的路線之爭由來已久，其中一個爭議就是，L2是否可以透過升級迭代到L4？
特斯拉確實是這麼計劃的。
按照SAE或工信部的標準，特斯拉的NOA（Navigate on Autopilot）依然處在L2輔助駕駛的範疇，但特斯拉也曾宣佈要在2020年推出Robotaxi計劃，該計劃將改進特斯拉自2016年以來生產的所有車輛的自動駕駛功能，使其具備完全自動駕駛能力。未來特斯拉的車主可以將閒置時間的車輛加入到共享汽車Tesla Network車隊中。
國內尚未有明確表態未來要做“完全自動駕駛”的車企，不過理想汽車CEO李想也曾在汽車之家的一場直播中表示，理想賣車的目的是為了在2025年拿到自動駕駛企業的入場門票。
不過，對於漸進式路線能否做到L4，業內多有質疑。除了上文提到的潛在安全隱患之外，技術上能否實現也要打上一個問號。
領駿科技CEO楊文利博士告訴「甲子光年」：“主機廠L2級別做自動駕駛，這個跨度往上升幾乎是不可能的，L2屬於分型別架構，無論是從感測器感知層到決策層或到它的算力，整體架構是不支援上升的。”
斯年智駕的CEO何貝也告訴「甲子光年」：“當你辛辛苦苦地把某個問題解決了，過段時間後，演算法升級了或者感測器改變了，曾經辛苦積累的資料就沒用了，資料也需要有意義。”
當然也有謹慎看好的一方。元戎啟行合夥人兼副總裁劉軒告訴「甲子光年」：“漸進式路線理論上是有可能達到L4的，但其週期可能比直接做L4更長，因為採集資料的感測器不夠強大，演算法也不成熟，需要解決的Corner Case會更多，難度更大。”
國汽智控CEO兼CTO、國家智慧網聯汽車創新中心首席技術專家、中國智慧網聯汽車產業創新聯盟基礎軟體工作組組長尚進博士告訴「甲子光年」：“這其實是一個較老的話題，今天大家討論的已經比較少了，因為特斯拉的成功表明了前裝量產、車輛設計創新落地是最有力的證明。”的確，特斯拉在今年第二季度的銷量就超過了20萬輛，而L4自動駕駛的大規模商業化還遙遙無期，兩者不同的商業模式決定了商業化程序的不一。
“漸進式”的路線主要面向to C的私家車市場，而跨越式路線主要是to B的智慧出行服務，比如我們經常聽到的無人出租Robotaxi，以及無人巴士RoboBus等等。從這個角度來說，L2和L4就是兩個不同的產品。
輕舟智航創始人於騫告訴「甲子光年」，L2、L3輔助駕駛的目標是體驗好，是不是“無人化”不重要，車賣的好，體驗好，這件事就夠了，但它還沒有觸碰到無人駕駛最核心最難的部分；但是L4自動駕駛的最終目的是要實現無人化，是要把司機從駕駛員的位置去掉。
元璟資本投資副總裁劉昕告訴「甲子光年」：“
L2是一個功能，L4是一個服務
。L2是一項基於車的硬體和軟體升級而來的功能，來讓駕駛員有更便利、更安全的體驗。未來，L2有望成為智慧汽車的標配功能。”
值得一提的是，9月4日，在第十七屆中國汽車產業發展（泰達）國際論壇開幕大會上，工業和資訊化部副部長辛國斌表示，今年1-8月L2級智慧網聯乘用車市場佔比已經達到20%。市場分析機構IHS Markit曾預測搭載L2+和L3級自動駕駛功能的新車銷量在2025年將達到50%以上，2030年將達到70%以上。
劉昕認為，L4其實是一個“智慧司機”，未來可以在你不想開車的時候幫你開車，可能會按駕駛里程或時間收費。因此，L4更像一個增值服務，可能只會在一些商業運營車輛或者中高階私家車型配備。
如果說過去5年自動駕駛的爭議之一是“L2能否做到L4”，現在市場上也出現了一種相反的打法：L4降維做L2。
尚進博士告訴「甲子光年」：“智慧汽車就是四個輪子上的‘資料中心’，現在的行業趨勢是聚焦以L3-L4級別和‘軟體定義’為目標的資料中心基礎軟硬體架構或中央域控制器，基於此集中實現L0-L4以及擴充套件功能。當然今天量產功能以車規級保障高安全等級的L2或更多自動駕駛場景為主。”
百度、Momenta、輕舟智航就是這種“高配低打”路線的嘗試者。百度除了L4級別的Robotaxi業務之外，也為車企提供自動駕駛解決方案，比如威馬汽車就採用百度Apollo的方案實現部分場景下的自主泊車AVP（Apollo Valet Parking）。
放眼未來，L2成為基礎功能，L4成為選配功能，會是一個長期共存的局面。
4.做不到零事故，但比人類更安全
蔚來事件給L2輔助駕駛安全敲響了警鐘，也為尚未大規模落地的L4自動駕駛提了一個醒。
中國電動汽車百人會副理事長董揚告訴「甲子光年」，對於高等級智慧駕駛技術，各國政府採取的辦法是，在“豁免”條件下，或“沙盒”管理下，允許有條件使用。之所以採用這樣的管理方法，原因有三：一是高等級智慧駕駛技術，在多數情況下是可用的、有效的、安全的；二是該技術成熟需要很長的時間和很長的實驗里程；三是為了加快技術進步，允許一部分使用者在有條件的情況下使用，並且透過這類使用者的使用積累經驗和資料，最終完善技術。
因此，模擬測試和真實道路測試就必不可少。以百度為例，百度Apollo擁有國內最豐富的自動駕駛測試經驗，已獲得336張自動駕駛測試牌照，路測里程超過1400萬公里，截止2021年上半年，已累計接待乘客40萬+人次，尚未出現一例事故。
為了防止意外發生，自動駕駛車輛需要很多的冗餘設計：底層的車輛控制冗餘、硬體的感測器冗餘、計算的冗餘設計、整個演算法冗餘的設計，以及整個系統的穩定性。
這需要對自動駕駛進行長期投入。百度2013年無人車專案起步，2015年底宣佈正式成立自動駕駛事業部，如今已入局自動駕駛八年。
除了單車智慧技術的成熟，車路協同系統的成熟也為自動駕駛安全保駕護航。
清華大學車輛與運載學院創院院長、中國汽車工程學會會士楊殿閣教授認為，智慧汽車發展道路上，中國採用跟美國不太一樣的技術路線，美國更強調的是單車智慧，而中國更側重智慧網聯汽車。除車之外，藉助路測的計算能力來提升感知和決策，這樣即便不是高級別的車也能夠實現高級別自動駕駛，這就為整個量產汽車的智慧化，包括高級別自動駕駛的落地找到了一個新的方案。
比如，百度已經在保定84個路口部署了AI智慧信控系統，形成了一條條“綠波帶”，這是專門為了解決擁堵的典型案例，原理是由“人看燈”轉化為“燈看人”，能有效控制車流量，將車輛行程時間平均縮短約20%。
除此之外，百度、元戎啟行等公司都提出在5G網路下遠端接管的方式來面對臨時道路變更或交通管制的情況，元戎啟行稱為“遠端監管”，百度稱為“5G雲代駕”。百度5G雲代駕的雲端駕駛員訓練均超過1000小時且無事故發生，可以確保非自動駕駛狀態車內乘客和車外行人的絕對安全。
在商業化落地上，自動駕駛也在慢慢走上正軌，百度、文遠知行、元戎啟行、AutoX等公司紛紛開展運營服務。在前不久的百度世界大會上，百度推出自動駕出行服務平臺蘿蔔快跑，已經正式落地北京通州。
除了技術上的挑戰，人的觀念對於自動駕駛的接受程度，也需要時間。元戎啟行合夥人兼副總裁劉軒告訴「甲子光年」：“使用者心理對自動駕駛的接受過程肯定也是漸進式的。如果一個人沒體驗過自適應巡航、車道保持、自動泊車、自動變道等功能，讓他一下子去接受無人駕駛，我相信他其實也比較難去接受。”
2018年，Waymo在鳳凰城等地路測、試運營時，一些擔心車禍和失業的居民朝Waymo路測車輛扔石頭、割車輛輪胎，甚至端起槍口對準車上的安全員。
不過，一些資料可以給自動駕駛行業帶來積極的訊號。
特斯拉在4月釋出了《2021年第一季度汽車安全報告》，資料顯示第一季度那些使用了AutoPilot功能的特斯拉，平均每行駛419萬英里會發生一次事故，比普通車的事故機率低了10倍。
Waymo也曾公開從2019年1月至2020年9月的資料，在鳳凰城累積了610萬英里（約980萬公里）自動駕駛里程，一共發生了18次真實事故，還有29次潛在事故，總計47起事故中，都沒有危及到生命，只有8起略微嚴重，而這8起嚴重事故中，責任都不在Waymo，而是其他人類司機。
同濟大學朱西產教授告訴「甲子光年」：“100年前汽車代替了馬車，死於交通事故的人數肯定是大大上升的。但是，交通事故沒有成為汽車普及化的障礙，在汽車安全標準不斷推動安全能力提升的背景下，全社會接納了存在交通事故風險的汽車。”
自動駕駛雖然不能做到零事故，但它依然會成為比人類駕駛更安全的出行方式。
END。
歡迎大家在評論區留下自己的觀點。