为什么我们还不敢用自动驾驶？

人工智能未来会取代哪些行业和岗位？

从前的人工智能，是有多少人工、就有多少智能。但随着ChatGPT横空出世，成为历史上最快达到一亿日活的应用，颠覆了人们的认知，也引发人们对人工智能未来潜力的重新思考。其中人们最常问的问题是，人工智能未来会取代哪些岗位呢？

我真的问了一下ChatGPT，它给了我四个“高危”岗位，分别是传统的工厂工人、金融和保险领域的分析师、职业司机和送货员、以及电话销售员和客服。

我能理解人工智能会取代一些劳动力密集的岗位，比如我们现在接到的绝大部分骚扰电话都是用AI模仿人的声音打的。但我真的不确定，人工智能是否能在短期内取代司机。我拿着这个结果问了很多周围的朋友，他们认为自动驾驶最大的“问题”就是我们不敢用——起码在老百姓眼中，我们其实连辅助驾驶都不敢用，更不用说自动驾驶了。

所以问题就来了，要取代人类司机，自动驾驶技术真的准备好了吗？一个靠谱的自动驾驶或者辅助驾驶系统，到底应该包含哪些部分？今天这篇文章，我们就从算法和硬件两个角度一起来看一下。

算法篇：自动驾驶的大脑

自动驾驶，是人工智能在汽车领域的最重要的应用。一方面，自动驾驶可以说是各种人工智能技术的集大成者，另一方面，自动驾驶对于中国来说有着重要意义，我们一个一个说。

从技术的角度来看，自动驾驶包含三大系统：感知、决策和执行，分别对应着我们人的眼睛、大脑和四肢。具体来说，通过加装摄像头、激光雷达、毫米波雷达等传感器设备，让汽车能自动感知周围的环境，并收集大量的数据。决策层通过把这些感知到的数据进行分析，判断当前应该执行哪些操作，并且规划最合理的行驶路线。最后把决策传递给执行层，完成转向、加油、刹车等实际的行驶动作。

从人工智能算法的角度分析，感知算法包括图像分类、目标检测、图像分割、目标测量等；决策算法包括定位建图、以及各种规划导航和控制算法等等。每个其实都是典型的人工智能算法大类中的一个个点技术，就像一个大圈里的一个个小点，然后这些AI的点技术汇聚起来，就构成了自动驾驶的技术体系。所以我们说，自动驾驶是各种人工智能技术的集大成者。

再看另一方面，自动驾驶和智能汽车对于中国来说有着特殊而重要的意义，那就是为中国的新能源车企提供了换道超车的机会。注意不是弯道超车，而是换道超车。之前我们说过，会开车的人是不会在弯道超车的，除非你去送豆腐，否则只能翻车，但换道就不一样了。

之所以智能汽车是机会，主要有两个原因，一个是它在根本上颠覆了西方车企几十年构建的技术护城河，人们发现传统的内燃机、变速箱这些积累了几十年上百年的技术，在新能源车里被扔掉了、用不上了。另一方面是智能车里的自动驾驶技术、电池技术这些东西，国内外几乎站在同一条起跑线、或者差距也没有几十年那么多。换道超车的好处，就是跑道换了，之前的先发优势就不存在了，拼的就是谁现在跑的更快。

说了这么多重要性和好处，什么是制约自动驾驶应用落地的最大挑战呢？答案就是：安全和稳定。

为什么我们可以允许ChatGPT一本正经的胡说八道，却不太敢用自动驾驶、甚至是辅助驾驶，就是因为ChatGPT出错了没什么大不了的，但自动驾驶的AI出错了，那可就是人命的代价。

再回到技术的角度来看自动驾驶系统，它其实分成五个级别：从L1到L5，无人的等级不断提升。其中L1到L2是辅助驾驶，L3到L5是自动驾驶。每个等级对安全的要求也各不相同。

在L1级别，自动驾驶系统开始介入，这也被称为“驾驶员辅助”级别。很多车辆都配备自适应巡航系统，能够自动跟车并保持安全距离，这些都属于L1级辅助驾驶。L2被称为“部分自动驾驶”，此时自动驾驶系统可以控制汽车的加速、减速和转向等操作，但是其他操作仍需要驾驶员进行控制。目前绝大部分智能车辆都处于这一级别。

L3级别是“有条件的自动化”，此时无人驾驶系统能够接管所有驾驶操作，并能够检测环境并做出相应决策。但是驾驶员仍需要进行实时反馈。L4级别是“高度自动驾驶”，在大多数情况下无需人工干预，自动驾驶系统可以进行判断和决策。最高级别是L5，也被称为“无人驾驶”，此时汽车可以自主决策，甚至没有方向盘和踏板，就像科幻电影里那样，汽车能带我们去想去的任何地方。

其实从这里能看出来，L1和L2是当前市场最大的自动驾驶领域，也是各大车企在重点发力的。这主要有三个原因：第一，也是比较现实的原因，就是更高级别的自动驾驶技术还远没有成熟，就算有L5级的无方向盘车辆进行路试，也只局限在比较固定的区域，让它满世界撒丫子跑还不太现实。

第二，L1和L2仍然依靠驾驶员的判断和控制，并不完全依赖人工智能做决策，所以安全性相对来说和人工驾驶没有本质区别，大家接受程度会更高。第三，对于车企来说，这两个级别的投入产出比会更高，既能快速切入、让车主能获得辅助驾驶的体验，又不至于承担太多安全风险。正因为这三个原因，各大车企现在这两个级别、特别是L2级自动驾驶卷的飞起。

如果我们再看细一点，辅助驾驶还可以分成低速和高速两部分。低速辅助驾驶包括各种自动停车辅助，一般适合速度很低的情况。这个可能比较适合新手司机，像我这种被英国各种小路窄路摧残过七八年的老司机，早就练成了只看后视镜就能各种倒车的本领。高速的辅助驾驶适用范围就更广些，比如自适应巡航、车道保持、还有高速公路智能驾驶辅助HWA技术等。虽然这里说的是高速，但并不是非要开到一百迈以上，平时正常开车、40公里以上时速的时候就能用上。

拿自适应巡航举例，它主要由装在车辆风挡玻璃上的智能前视传感器构成，智能前视传模块通过分析和处理前方目标的图像信息，计算出相对速度、距离及角度信息，自动控制自身车速并与前车保持设定的安全距离。在交通拥堵的时候，还可以设定跟随前车进行移动，减少驾驶员对方向盘的控制，降低疲劳。

在自适应巡航的基础上，还有更高阶的高速智能驾驶辅助HWA技术，可以实现车辆智能跟随、智能变道等操作。也能结合车道偏离预警、智能远光辅助、智能过弯、智能超车这些技术，本质上都是为了提升「安全」。

硬件篇：如无必要，勿增实体

前面说的都是算法，接下来再说说硬件。刚才我们说到，自动驾驶系统分感知、决策、执行三个环节，每个环节最底层都要靠芯片和硬件支撑。最前线的感知环节，首先要通过传感器不断探查车辆的外部环境。现在在智能车上最常见的传感器有两种：雷达和摄像头，再进一步细分，又包括激光雷达、毫米波雷达、超声波雷达等等。

其中激光雷达最精确，但成本最高；超声波雷达成本较低，适合静态或缓慢移动的物体测量，但受周围环境影响较大；毫米波雷达对周围环境变化不敏感，适合高速和复杂环境的测量，但系统复杂、成本也相对较高。所以，通常在一个智能车有各种雷达进行组合和互补。希望达到的自动程度越高，需要的雷达和摄像头种类和数量就要越多，当然这样成本也就越高、产生的数据量就越大，对芯片算力的需求也就越高。

这些雷达和摄像头采集的数据，被转换成0和1的数字信号送到车载计算机里进行处理，这就需要自动驾驶芯片了。比如Mobileye的EyeQ4芯片，它采用了多核架构，包括四个高性能CPU核心和六个Mobileye视觉处理核心；集成了多个深度学习加速器，用来提升场景解析、物体识别和路径规划等关键任务的处理速度。这个芯片还有一个主要特点就是在设计时融合了数据感知算法，能够将来自不同传感器的信息整合在一起，提供更准确环境感知能力，并在毫秒级别内完成复杂的车道检测、行人识别和自适应巡航控制任务。安全性方面，EyeQ4芯片采用了冗余处理和错误检测与纠正（ECC）内存。当然，除了Mobileye之外，国内的地平线、黑芝麻等公司也有自己的自动驾驶芯片方案。

靠谱的自动驾驶，具备哪些特点？

回到开头的那个问题，如果人工智能和自动驾驶真的能够广泛应用、甚至解放人类驾驶员，那么这个靠谱的自动驾驶或者辅助驾驶系统需要具备哪些特点呢？

根据前面说的算法和硬件的讨论，不难看到我们需要这个系统首先安全可靠，这个是不可逾越的红线，并且会一直贯穿整个算法与硬件设计的始终。第二就要有高算力，不管是感知、决策、执行，还是智能座舱，都离不开高算力芯片的支撑。第三，也是很多人都忽视的，就是低成本。汽车本身就是对成本非常敏感的行业，如何能在保证安全和算力的情况下尽量降低成本，而不是只在高端车型上作为选配出现，才能让这些技术更好的走进和服务更广大老百姓的生活。

最近在看Paypal创始人写的一本很有名的书《从0到1》，里面专门有一章讨论人类与机器的差别与关系。特别是现在ChatGPT横空出世，很多人对大模型技术的发展既期待又焦虑，担心人工智能会造成大量失业甚至取代人类。但这本书其实明确写到，计算机是工具，并不是竞争对手。虽然它越来越强大，但计算机并不能取代人类，而是只起到补充作用。

人类文明的进步，本身就是生产工具的变革，从最初的刀耕火种到工业革命，再到现在的信息与智能革命，与其担心人工智能是否会取代自己，不如思考如何利用好这些先进的工具，并且为自己和社会创造更多价值，这才是人类擅长的事情。

用书中的话说：科技是在这个全球化的世界中逃避竞争的唯一方式。