图片来源@视觉中国

文 | 谈擎说AI，作者 | 郑开车

想要实现自动驾驶真正普及，除了技术、法规等等硬性门槛之外，今天摆在我们面前的最大问题之一，就是要如何把体验变成刚需。

而刚需的基础，第一步是信任。

今天虽然说辅助驾驶日渐升温，但真正能够让大众撒手把生命交给冰冷的系统，这仍是一条漫长的信任构建之路。

这份反差，有点像谈恋爱和结婚，前者重在体验，后者则需要用信任奠基。

从自动驾驶行业兴起至今，已经有太多各方人士从技术、行业等角度来分析其落地可能性，但今天我们不妨换一个视角，从技术与人的关系来看自动驾驶落地这一战，究竟还要打上多久。

01 无形的大山

划时代技术与人的关系，大抵都是走着从信任到依赖这样一条路径，这样的路径游走，也通常是一剂有望加速技术、法规等等硬性条件快速落地的催化剂。

我们不妨类比网约车行业的发展早期，在当时，其同样是一块脱离官方法规约束的灰色地带，经历过网约车大战的朋友们，大抵都看到过早期网约车司机和有关部门在高铁站、机场等场所的“斗智斗勇”。

不过网约车行业与自动驾驶之间一个很大的区别就是：虽然网约车当年也是新鲜事物，但很快大量消费者就对其产生了信任和依赖。

消费者对网约车势不可挡的依赖，其实也是很大程度上在当年倒逼相关法规要快速落地，以帮助新技术普及的一股核心驱动力。

不可否认，网约车和自动驾驶相比，技术要求完全不在同一个维度，低门槛的技术同样是网约车能够快速落地的重要因素。

不过关于自动驾驶，今天真正值得我们关注的问题在于，即便是最接近未来终极愿景的Robotaxi，在全球范围内已经经历了几年的小规模试运营之后，今天真正能够对其产生信任的消费者有多少？更不用提依赖。

今天其实很多自动驾驶场景项目，本质上都是一门由B端因成本问题而试图变革驱动的生意，对于C端消费者而言，我的Taxi到底是不是Robo的？给超市送货的大卡车有没有司机？这对于最终体验而言，几乎是没有什么直接改善的。

即使是Robotaxi，最起码在车内布局几乎没有变化的今天，对打车出行的体验改善，也并不是很大。

谈擎说AI认为，如果技术无法在早期就直接给C端市场带来体验升级，那么法规等硬性条件很大程度上给到技术的权利释放，其实都会是比较有限的。

除开信任，在技术与人和谐相处的前提里，自动驾驶还有一个非常难忽视的敏感点，那就是伦理问题。

不可否认，自动驾驶对我们的生活存在巨大价值，如果说今天大众对自动驾驶的普遍认知可以达到：自动驾驶会出事故，但如果人人都用自动驾驶，我们整体的事故率还是会低下来。

那么很显然，自动驾驶普及的难度便会大大降低。

不过想要让这种观念深入人心，似乎不太可能。

毕竟若真如此，说得好听些，每个机动车交通参与者便都成为了给自动驾驶做贡献的一份子，但说得难听点，大家也都成为了小白鼠，生命由自己把握和给机器把握，是有本质区别的。

更直观地来讲，对于驾车小白来说，相对安全的自动驾驶普及，会是一个福音，但对于几十年不出事故的老司机来说，这显然不是一层体验优化，对于千千万万的货车司机、快递小哥们而言，亦是如此。

那么在广大老司机以及职业司机身后，其实就是导致自动驾驶难推进的一系列伦理问题，这里主要有两点，一是机器取代人力的就业问题。

这一点无需过多赘述，宏观上其实是好的，从社会面来看，职业司机职位消失，背后运维调度等技术岗位却被创造了出来，不过短期看，推进起来总会有大大小小的阻力。

更重要的一点是，今天人们对自动驾驶相关事故，舆论的关注度非常高，但包容度却很低。

基于这一点，有两个直观例子，一个是奔驰全球首发的L3级自动驾驶，要知道在L3限定条件下，如果出了事故责任就将会是系统的。

单从此消息来看，这其实是整个自动驾驶发展历程中一个质的突破，不过骨感的是现实，毕竟奔驰L3在一系列限定条件下出了事故才会“背锅”，比如光线条件好，时速要在60km以下，只有12800公里的限制使用区域等等，可谓把体验拿捏得死死的。

另一个例子就是这两天被爆料的，特斯拉Autopilot在事故前一秒终止了对车辆的控制。

初得这一消息，不禁让人有些许不寒而栗的绝望感，但无论是奔驰的L3“体验卡”还是特斯拉深陷舆论的Autopilot退出事件，其实都不难理解：

巨大的伦理敏感性，导致舆论对技术失误的低包容度，进一步使得法规保守，行业无法更明朗地对技术担保，最终回归到了消费者对技术心里没底，使得技术一直僵在了小打小闹的辅助驾驶和闭塞的路测恶性循环里。

说白了，自动驾驶走到今天，既无法让人基于百分百的安全对其产生信任，又无法让人对技术产生依赖，继而再有看起来无止境的伦理问题，这就导致其很难走出路测，这一落地议题上最煎熬的过渡区。

02 自动驾驶，如何赢得信任？

如何突破路测的瓶颈？从人的角度来看，自动驾驶首先要做的就是赢得消费者信任。

谈擎说AI认为，基于对信任的破局，大致有三条比较明朗的路径：

第一个，最稳妥，饼也是最大的，即用技术攀峰从而真实现百分百安全。

听起来荡气回肠又决绝，不过技术攀峰有多难？今天越来越多L4企业扎堆涌入辅助驾驶赛道，已经可以让我们窥见一斑。

从技术层面来看，想要真正实现百分百安全的无人驾驶，车路协同大概率是绕不开的，悲观地看，何时能够实现，今天确实是难以预测的。

第二个，委曲求全，把一步到位的愿景退而求其次。

既然自动驾驶在安全、信任及伦理等等问题上，今天仍得不到很好地处理，那L2这样的“体验卡”，自然就是一个很好地商业化方式。

就像是结婚，既然两个人互不信任，索性还是先处着。

如果说十年前一步到位和委曲求全哪个才是正解，行业其实很难有一个精准的判断，但今天我们已经可以确认，特斯拉在一定程度上已经战胜了Waymo。

乘用车ADAS之于自动驾驶，本质上的差异在于，ADAS不是要去解决问题，而是最大化地避免问题，通过从刚需到体验的降维，从而在安全、信任及伦理等问题面前绕道走。

不可否认，在ADAS市场上，“自动驾驶”还仅仅是一个可以锦上添花式的存在，其与自动驾驶的终极愿景还有很大落差的。

不过瘦死的骆驼比马大，就算是在乘用车场景里做“技术降维”，这也已经是今天看来，赛道内最澎湃的一股力量了。

第三个，把安全议题分为量和程度两个思考维度

信任问题的源头归根结底还是安全，但安全并不是自动驾驶路上一头笼统的拦路虎。

谈擎说AI认为，自动驾驶关于安全还是可以有两个划分，一个是量，一个是程度。

举个简单的例子，鲜有人会因事故风险而不坐私家车，但不少人会因为担心飞机不安全而坚决不坐飞机。

这其实就是量和程度的区别，乘用车的事故率比飞机高很多，但对人的伤害程度却比飞机事故低得多。

人之常情告诉我们，大众对前者往往包容度会更高，但对后者的包容度则很低，这样的敏感点放到新技术上，同样会更进一步放大。

到了这里，我们进一步看一个例子，那就是关于自动驾驶落地问题很多人都在推崇的Robotruck。

对干线物流场景的青睐者们认为，干线物流路线相对封闭固定，基于今天的自动驾驶技术，Robotruck发生事故的概率“量”，会较不确定性更多的城市场景低很多。

但谈擎说AI认为，把安全的“量”这一衡量标准优化，对于自动驾驶大规模普及而言，今天能够起到的作用其实是极其有限的。

原因在于，尽管相对封闭，但干线物流本质上还是要在非封闭的高速场景下参与交通，虽说可以把事故从量的层面压低概率，但如果真的发生事故，基于卡车高速、大载重等特点，造成的后果从程度上来讲，很可能是相当惨重的。

这似乎也就是为何早在2017年前后，基于业务成本驱动，阿里、京东等电商巨头都风风火火入局L4干线物流，被誉为“自动驾驶第一股”的图森未来，天眼查APP信息显示，其中国公司北京图森未来科技有限公司也早于2016年就已成立，这几年一路高歌，但到了今天，大家的结果大抵和Robotaxi一样，绝大多数还是困在路测里。

不难发现，Robotaxi也好，Robotruck也罢，本质上两者在做的事情没有区别，想要实现都还是得去解决问题，而不是避免问题。

这也就意味着，在无法保证道路上没有人这一要素参与，或者无法保证百分百能避免事故发生之前，Robotruck想让法律法规真正放权大规模商业化，难度很可能并不会较Robotaxi小太多。

03 从“硬刚”到“避免”：L4寒冬里的火绒

基于以上分析，谈擎说AI认为，如果有场景可以把跟安全、信任及伦理等等问题正面刚，转化为巧妙避免这些问题，其将会有望成为助力现阶段自动驾驶破局的关键场景。

那么除了乘用车ADAS，行业今天还可能有哪些机遇？

其实不难发现，符合“避免”要素的细分场景并非没有，虽说前景可能没有Robotaxi大，但较乘用车ADAS，却有望让相对原汁原味的L4或L5上车，以持续供养技术攀峰：

首先是非参与交通的封闭场景，如矿区、港口等等。

封闭场景无需过多赘述，就像是在工厂里引进自动化器械，只要人的要素能够完美摘除，剩下的其实就是相对单纯的成本博弈。

比如无人矿车，虽说前景没有乘用车市场大，但今天已有不少玩家在此聚集，没有了道路法规约束，路测其实一定程度上就是实战，这对于规模化应用而言，已经算是有了得天独厚的优势。

其次，是能把安全在“程度”方面拉低的一些交通参与场景，如无人环卫、无人配送。

其可行性的核心同封闭场景其实是相通的，封闭场景是摘除风险，无人配送等的核心优势则是可以有效弱化风险。

接下来，我们不妨以前景和难度都更大，争议也很高的无人配送场景为例，简单分析一波。

这两年无人配送热度不低，外卖、电商等平台都有很大的斗志，但不看好无人配送的声音也非常多。

因为客观来看，无人配送在“上门”这一问题上今天确实走得不那么顺利，比方说配送车在楼下等候，会很大程度上牺牲消费者今天既有的上门送货体验，“航母”式放无人机等天马行空的方案也多少有些架空现实，因此很多人认为不可行。

不过被很多人一棒子打死的上门问题，也不是没有解法。

谈擎说AI认为，无论是快递还是外卖，在需要上楼、上门送货等末端配送场景里，其实均可参照今天的菜鸟驿站模式，由无人配送车将货物分发到终端网点，从而用更少且可以摊薄成本的人力资源在终端驿站进行调度，满足有上门送货需求的客户意愿。

至于外卖场景，非标准化的取货挑战无人车如何攻破？今天仍有待探讨。不过我们重点要说的还是上路后的安全，这是一切自动驾驶场景想要落地的前提。

谈擎说AI认为，之所以说无人配送落地有更快的可能性，就是因为其最大的优势在于运力终端有着低速、体积小这些特点，使得物理撞击“程度”风险更低，算法遇到极端情况的概率也会更低。

基于理论上的可行性，我们不妨复盘一下近期无人配送的相关事故，这一年里，美团无人车给我们贡献了两个较火的案例，一是同私家车相撞，一是同公交车相撞。

从结果来看也是如此，虽然均为直接碰撞，但事故最终结果都相对较轻微，也算是一定程度上印证了其“程度”方面的安全性。

但尽管如此，两则事故还是把无人配送一时间里推向了风口浪尖。究其原因，谈擎说AI认为，其中很大的一个争议点在于，无人配送车给其他参与交通的主流机动车添加了额外风险因素。

尽管无人配送车可以低速，小体积，甚至后续还能在外部给车武装上气囊，把直接碰撞的致伤风险最大化降低，但比如因A车辆对无人车进行闪避，撞到了B车辆，安全风险便会再度不可控。

虽然囿于技术，今天任何有一定规模的自动驾驶项目都还无法保证百分百零事故，但最起码在比如降低事故程度这样的安全规避的思路上，今天已经有了些许可能性。

这样的可能性在僵局面前，也许就是冬夜里的一簇火绒。