最近，自动驾驶无论是在政策扶持层面，还是企业层面，都在不断升温。
在政策层面，我国一直持鼓励态度。今年8月，交通运输部发布《自动驾驶汽车运输安全服务指南（试行）》（征求意见稿），向社会公开征求意见。业内人士判断，近期的政策动作，都围绕着同一个词——商业化落地。
近日，百度在其2022百度世界大会上发布了第六代量产无人车Apollo RT6。而在自动驾驶领域，最为核心的一点，其实是达到什么样水平的车辆才可以商用。笔者认为，不应该一上来就允许无安全员的自动驾驶商业化运行。
自动驾驶竞争的核心焦点在L4等级上
自动驾驶的功能效果可以分为6个等级：从L0至L6。目前主要是集中在从L3向L4等级迈进的阶段，竞争的核心焦点就是L4。所谓L3是指有条件自动驾驶。例如在外部环境比较稳定的高速公路，驾驶员可以完全放开方向盘。但L3需要人类驾驶员在必要时候随时接管，所以依然需要人类驾驶员在驾驶室。而L4是高度自动驾驶。L4可以认为是限定区域内的无人驾驶，在自动驾驶感知信息来源比较充分的区域，可以没有司机，汽车可以自动运行，甚至不再需要装方向盘。L5是完全自动驾驶。在所有路段完全无人驾驶。
L3是自动驾驶，但L3有个大难题：L3需要人类驾驶员在必要时候随时接管，那么，什么时候是必要时候？由于现实道路路况复杂，人类驾驶员对于L3，存在过度信赖和完全不信赖两极分化的心态。完全不信赖让L3技术毫无意义，而过度信赖L3又会导致大量交通事故的发生。
L4是在限定区域内实现无人驾驶技术，由此，自动驾驶未来数年的应用限定在几个领域，包括：出租车、公交车、干线物流（高速无人卡车）、末端配送（无人配送车）、园区景区（低速游览车）、矿区（无人特种车）、港口（港口无人车辆）、环卫安防（清洁车）、机场（无人引导车）等。所有的应用本质上都在限定区域。而实现这些L4应用，从技术上看有以下三种路径：
其一，无人、封闭区域运行。园区景区低速游览车、工业物流园区、矿区、港口、机场等，这方面的L4实现较为简单，自动驾驶可以在轨道车和传送带的基础上优化实现，当前物流领域无人仓储已经非常成熟。
其二，单车智能。视觉神经网络下的弱智能+包含激光雷达的强感知+高精地图。同样是单车智能，特斯拉是异类，想要打造强智能的视觉神经网络，不肯用激光雷达和高精度地图，实践证明特斯拉的自动驾驶停留在L3阶段，最乐观的看法，也需要10年才能达到L4的门槛。
其三，车路协同辅助下的自动驾驶。单车智能整套系统很昂贵，但也仅仅是扫描周边环境，并不能了解100米外的情况，于是就有了车路协同系统，通过通信基站，在一些道路布置专网通信，实现车与人、车与车、车与路通信。车路协同下的自动驾驶将车辆内部昂贵的感知系统放到道路两侧，让车辆可以更加充分地接收环境信息，这的确使自动驾驶实现的难度降低了。笔者认为，未来车路协同可能是城市智慧交通升级的一部分，是基建，但对于自动驾驶的作用主要还是辅助。
看似顺利，技术层面实则充斥各类风险
一切看似顺利，但实际上在技术层面充斥着各类风险，总结这些风险，结合中国现状，大约存在以下四个层面的问题：
其一，自动驾驶依然是“薛定谔的安全”。美国加州有一个自动驾驶路测，路测中有一个每10万公里安全员干预次数，至今依然没有0次干预的自动驾驶技术，安全员干预的问题包括：高精度地图问题、视觉感知障碍、软件稳定性问题、感知系统问题导致紧急刹车、运动轨迹需要优化、未正确识别红绿灯、车道错误、误识别等。自动驾驶技术似乎到达了一个瓶颈。
其二，迷雾中的高精度地图。高精度地图是自动驾驶技术的标配，但当前高精度地图依然是一个高壁垒的领域，采集数据的成本很高，而随着道路的变化，高精度地图还要不断修正地图信息。即便是这些问题都解决了，政策上对一些高精度地图数据的开放是有限制的，这就使得自动驾驶车辆往往无法量产。不过Robotaxi业务对于高精度地图数据的要求确实有所降低，因为是在一定城市区域内运行，高精度地图企业只要采集本地高精度地图信息即可，并保证高精度地图数据及时更新，但这方面就需要政府对某块地区的高精度地图信息的完全开放。
其三，仿真路测和现实路测。在技术上，可以参考美国加州的做法，通过路测数据来发放运行许可，路测数据应该由官方确定。从理论上说，自动驾驶需要上百亿公里的路测数据才能达到安全门槛。但现实中并非如此。2021年8月，谷歌Waymo的数据里程是3600万公里，仿真里程是320亿公里。2022年7月百度的Apollo测试里程达到2700万公里，仿真里程也达到10亿公里级别。现实路测里程不足，则仿真模拟里程来凑。仿真里程说到底还是在一个虚拟环境中的驾驶数据。由于自动驾驶的核心是单车智能中的AI视觉神经网络，而深度学习神经网络是AI机器学习的一种，所以自动驾驶的发展依赖于行驶数据的积累。仿真虚拟环境还是不能替代现实路测，因为现实远比仿真环境更不可测、问题更多。
其四，测试环境和开放环境并不相同。量产的自动驾驶车辆面临的环境更加复杂，用户并非专业人士，他们不知道何时要去接管自动驾驶车辆，也不会去维护系统，保持系统的稳定性。工业上有个词汇，叫鲁棒性，指在异常和危险情况下系统生存的能力。测试往往在稳定环境中运行，而现实并不存在所谓的稳定环境。
综上，Robotaxi下的自动驾驶正在趋于完善，但真的到能够量产和全面铺开的地步了吗？笔者认为，我们首先需要一套自动驾驶系统能力的评测体系，各地需要开展路测来验证各家自动驾驶技术的成熟度，而不应该一上来就允许无安全员的自动驾驶商业化运行。
（作者盘和林，系浙江大学国际联合商学院数字经济与金融创新研究中心联席主任、研究员，工信部信息通信经济专家委员会委员）
原标题：自动驾驶“加速走来”？技术层面仍充斥着各类风险