編輯導語：雖然如今的輔助駕駛日漸升溫，但是要讓大眾撒手把生命交給冰冷的系統，實現自動駕駛的真正普及，仍是一條漫長的信任架構之路。本文從技術與人的關係來看，自動駕駛落地這一戰，究竟還要打上多久？
想要實現自動駕駛真正普及，除了技術、法規等等硬性門檻之外，今天擺在我們面前的最大問題之一，就是要如何把體驗變成剛需。
而剛需的基礎，第一步是信任。
今天雖然說輔助駕駛日漸升溫，但真正能夠讓大眾撒手把生命交給冰冷的系統，這仍是一條漫長的信任構建之路。
這份反差，有點像談戀愛和結婚，前者重在體驗，後者則需要用信任奠基。
從自動駕駛行業興起至今，已經有太多各方人士從技術、行業等角度來分析其落地可能性，但今天我們不妨換一個視角，從技術與人的關係來看自動駕駛落地這一戰，究竟還要打上多久。
01 無形的大山
劃時代技術與人的關係，大抵都是走著從信任到依賴這樣一條路徑，這樣的路徑遊走，也通常是一劑有望加速技術、法規等等硬性條件快速落地的催化劑。
我們不妨類比網約車行業的發展早期，在當時，其同樣是一塊脫離官方法規約束的灰色地帶，經歷過網約車大戰的朋友們，大抵都看到過早期網約車司機和有關部門在高鐵站、機場等場所的「鬥智斗勇」。
不過網約車行業與自動駕駛之間一個很大的區別就是：雖然網約車當年也是新鮮事物，但很快大量消費者就對其產生了信任和依賴。
消費者對網約車勢不可擋的依賴，其實也是很大程度上在當年倒逼相關法規要快速落地，以幫助新技術普及的一股核心驅動力。
不可否認，網約車和自動駕駛相比，技術要求完全不在同一個維度，低門檻的技術同樣是網約車能夠快速落地的重要因素。
不過關於自動駕駛，今天真正值得我們關注的問題在於，即便是最接近未來終極願景的Robotaxi，在全球範圍內已經經歷了幾年的小規模試運營之後，今天真正能夠對其產生信任的消費者有多少？更不用提依賴。
今天其實很多自動駕駛場景項目，本質上都是一門由B端因成本問題而試圖變革驅動的生意，對於C端消費者而言，我的Taxi到底是不是Robo的？給超市送貨的大卡車有沒有司機？這對於最終體驗而言，幾乎是沒有什麼直接改善的。
即使是Robotaxi，最起碼在車內布局幾乎沒有變化的今天，對打車出行的體驗改善，也並不是很大。
談擎說AI認為，如果技術無法在早期就直接給C端市場帶來體驗升級，那麼法規等硬性條件很大程度上給到技術的權利釋放，其實都會是比較有限的。
除開信任，在技術與人和諧相處的前提里，自動駕駛還有一個非常難忽視的敏感點，那就是倫理問題。
不可否認，自動駕駛對我們的生活存在巨大價值，如果說今天大眾對自動駕駛的普遍認知可以達到：自動駕駛會出事故，但如果人人都用自動駕駛，我們整體的事故率還是會低下來。
那麼很顯然，自動駕駛普及的難度便會大大降低。
不過想要讓這種觀念深入人心，似乎不太可能。
畢竟若真如此，說得好聽些，每個機動車交通參與者便都成為了給自動駕駛做貢獻的一份子，但說得難聽點，大家也都成為了小白鼠，生命由自己把握和給機器把握，是有本質區別的。
更直觀地來講，對於駕車小白來說，相對安全的自動駕駛普及，會是一個福音，但對於幾十年不出事故的老司機來說，這顯然不是一層體驗優化，對於千千萬萬的貨車司機、快遞小哥們而言，亦是如此。
那麼在廣大老司機以及職業司機身後，其實就是導致自動駕駛難推進的一系列倫理問題，這裡主要有兩點，一是機器取代人力的就業問題。
這一點無需過多贅述，宏觀上其實是好的，從社會面來看，職業司機職位消失，背後運維調度等技術崗位卻被創造了出來，不過短期看，推進起來總會有大大小小的阻力。
更重要的一點是，今天人們對自動駕駛相關事故，輿論的關注度非常高，但包容度卻很低。
基於這一點，有兩個直觀例子，一個是賓士全球首發的L3級自動駕駛，要知道在L3限定條件下，如果出了事故責任就將會是系統的。
單從此消息來看，這其實是整個自動駕駛發展歷程中一個質的突破，不過骨感的是現實，畢竟賓士L3在一系列限定條件下出了事故才會「背鍋」，比如光線條件好，時速要在60km以下，只有12800公里的限制使用區域等等，可謂把體驗拿捏得死死的。
另一個例子就是這兩天被爆料的，特斯拉Autopilot在事故前一秒終止了對車輛的控制。
初得這一消息，不禁讓人有些許不寒而慄的絕望感，但無論是賓士的L3「體驗卡」還是特斯拉深陷輿論的Autopilot退出事件，其實都不難理解：
巨大的倫理敏感性，導致輿論對技術失誤的低包容度，進一步使得法規保守，行業無法更明朗地對技術擔保，最終回歸到了消費者對技術心裡沒底，使得技術一直僵在了小打小鬧的輔助駕駛和閉塞的路測惡性循環里。
說白了，自動駕駛走到今天，既無法讓人基於百分百的安全對其產生信任，又無法讓人對技術產生依賴，繼而再有看起來無止境的倫理問題，這就導致其很難走出路測，這一落地議題上最煎熬的過渡區。
02 自動駕駛，如何贏得信任？
如何突破路測的瓶頸？從人的角度來看，自動駕駛首先要做的就是贏得消費者信任。
談擎說AI認為，基於對信任的破局，大致有三條比較明朗的路徑：
1）最穩妥，餅也是最大的，即用技術攀峰從而真實現百分百安全
聽起來蕩氣迴腸又決絕，不過技術攀峰有多難？今天越來越多L4企業扎堆湧入輔助駕駛賽道，已經可以讓我們窺見一斑。
從技術層面來看，想要真正實現百分百安全的無人駕駛，車路協同大概率是繞不開的，悲觀地看，何時能夠實現，今天確實是難以預測的。
2）委曲求全，把一步到位的願景退而求其次
既然自動駕駛在安全、信任及倫理等等問題上，今天仍得不到很好地處理，那L2這樣的「體驗卡」，自然就是一個很好地商業化方式。
就像是結婚，既然兩個人互不信任，索性還是先處著。
如果說十年前一步到位和委曲求全哪個才是正解，行業其實很難有一個精準的判斷，但今天我們已經可以確認，特斯拉在一定程度上已經戰勝了Waymo。
乘用車ADAS之於自動駕駛，本質上的差異在於，ADAS不是要去解決問題，而是最大化地避免問題，通過從剛需到體驗的降維，從而在安全、信任及倫理等問題面前繞道走。
不可否認，在ADAS市場上，「自動駕駛」還僅僅是一個可以錦上添花式的存在，其與自動駕駛的終極願景還有很大落差的。
不過瘦死的駱駝比馬大，就算是在乘用車場景里做「技術降維」，這也已經是今天看來，賽道內最澎湃的一股力量了。
3）把安全議題分為量和程度兩個思考維度
信任問題的源頭歸根結底還是安全，但安全並不是自動駕駛路上一頭籠統的攔路虎。
談擎說AI認為，自動駕駛關於安全還是可以有兩個劃分，一個是量，一個是程度。
舉個簡單的例子，鮮有人會因事故風險而不坐私家車，但不少人會因為擔心飛機不安全而堅決不坐飛機。
這其實就是量和程度的區別，乘用車的事故率比飛機高很多，但對人的傷害程度卻比飛機事故低得多。
人之常情告訴我們，大眾對前者往往包容度會更高，但對後者的包容度則很低，這樣的敏感點放到新技術上，同樣會更進一步放大。
到了這裡，我們進一步看一個例子，那就是關於自動駕駛落地問題很多人都在推崇的Robotruck。
對幹線物流場景的青睞者們認為，幹線物流路線相對封閉固定，基於今天的自動駕駛技術，Robotruck發生事故的概率「量」，會較不確定性更多的城市場景低很多。
但談擎說AI認為，把安全的「量」這一衡量標準優化，對於自動駕駛大規模普及而言，今天能夠起到的作用其實是極其有限的。
原因在於，儘管相對封閉，但幹線物流本質上還是要在非封閉的高速場景下參與交通，雖說可以把事故從量的層面壓低概率，但如果真的發生事故，基於卡車高速、大載重等特點，造成的後果從程度上來講，很可能是相當慘重的。
這似乎也就是為何早在2017年前後，基於業務成本驅動，阿里、京東等電商巨頭都風風火火入局L4幹線物流，被譽為「自動駕駛第一股」的圖森未來，天眼查APP信息顯示，其中國公司北京圖森未來科技有限公司也早於2016年就已成立，這幾年一路高歌，但到了今天，大家的結果大抵和Robotaxi一樣，絕大多數還是困在路測里。
不難發現，Robotaxi也好，Robotruck也罷，本質上兩者在做的事情沒有區別，想要實現都還是得去解決問題，而不是避免問題。
這也就意味著，在無法保證道路上沒有人這一要素參與，或者無法保證百分百能避免事故發生之前，Robotruck想讓法律法規真正放權大規模商業化，難度很可能並不會較Robotaxi小太多。
03 從「硬剛」到「避免」：L4寒冬里的火絨
基於以上分析，談擎說AI認為，如果有場景可以把跟安全、信任及倫理等等問題正面剛，轉化為巧妙避免這些問題，其將會有望成為助力現階段自動駕駛破局的關鍵場景。
那麼除了乘用車ADAS，行業今天還可能有哪些機遇？
其實不難發現，符合「避免」要素的細分場景並非沒有，雖說前景可能沒有Robotaxi大，但較乘用車ADAS，卻有望讓相對原汁原味的L4或L5上車，以持續供養技術攀峰：
首先是非參與交通的封閉場景，如礦區、港口等等。
封閉場景無需過多贅述，就像是在工廠里引進自動化器械，只要人的要素能夠完美摘除，剩下的其實就是相對單純的成本博弈。
比如無人礦車，雖說前景沒有乘用車市場大，但今天已有不少玩家在此聚集，沒有了道路法規約束，路測其實一定程度上就是實戰，這對於規模化應用而言，已經算是有了得天獨厚的優勢。
其次，是能把安全在「程度」方面拉低的一些交通參與場景，如無人環衛、無人配送。
其可行性的核心同封閉場景其實是相通的，封閉場景是摘除風險，無人配送等的核心優勢則是可以有效弱化風險。
接下來，我們不妨以前景和難度都更大，爭議也很高的無人配送場景為例，簡單分析一波。
這兩年無人配送熱度不低，外賣、電商等平台都有很大的鬥志，但不看好無人配送的聲音也非常多。
因為客觀來看，無人配送在「上門」這一問題上今天確實走得不那麼順利，比方說配送車在樓下等候，會很大程度上犧牲消費者今天既有的上門送貨體驗，「航母」式放無人機等天馬行空的方案也多少有些架空現實，因此很多人認為不可行。
不過被很多人一棒子打死的上門問題，也不是沒有解法。
談擎說AI認為，無論是快遞還是外賣，在需要上樓、上門送貨等末端配送場景里，其實均可參照今天的菜鳥驛站模式，由無人配送車將貨物分發到終端網點，從而用更少且可以攤薄成本的人力資源在終端驛站進行調度，滿足有上門送貨需求的客戶意願。
至於外賣場景，非標準化的取貨挑戰無人車如何攻破？今天仍有待探討。不過我們重點要說的還是上路后的安全，這是一切自動駕駛場景想要落地的前提。
談擎說AI認為，之所以說無人配送落地有更快的可能性，就是因為其最大的優勢在於運力終端有著低速、體積小這些特點，使得物理撞擊「程度」風險更低，演算法遇到極端情況的概率也會更低。
基於理論上的可行性，我們不妨復盤一下近期無人配送的相關事故，這一年裡，美團無人車給我們貢獻了兩個較火的案例，一是同私家車相撞，一是同公交車相撞。
從結果來看也是如此，雖然均為直接碰撞，但事故最終結果都相對較輕微，也算是一定程度上印證了其「程度」方面的安全性。
但儘管如此，兩則事故還是把無人配送一時間裡推向了風口浪尖。究其原因，談擎說AI認為，其中很大的一個爭議點在於，無人配送車給其他參與交通的主流機動車添加了額外風險因素。
儘管無人配送車可以低速，小體積，甚至後續還能在外部給車武裝上氣囊，把直接碰撞的致傷風險最大化降低，但比如因A車輛對無人車進行閃避，撞到了B車輛，安全風險便會再度不可控。
雖然囿於技術，今天任何有一定規模的自動駕駛項目都還無法保證百分百零事故，但最起碼在比如降低事故程度這樣的安全規避的思路上，今天已經有了些許可能性。
這樣的可能性在僵局面前，也許就是冬夜裡的一簇火絨。
作者：鄭開車；公眾號：談擎說AI