自動駕駛汽車的行駛范圍將不再局限于測試跑道或是平靜的郊區街道，它們出現在美國的紐約、舊金山以及匹茲堡等地，參與到真實世界的交通中去，也進駐歐洲、韓國、新加坡和日本等國家，在人類的包圍中磨練自身的技能，還準備用它們的機器人系統完善混亂、無秩序的街道交通。

　　在類似波士頓這樣的城市學會如何開車是非常具有挑戰性的，那里有頗具創意的左轉彎以及貌似隨意的讓行規則。不過，與發展中國家中司機的侵略性駕駛方式以及城市錯綜復雜的道路相比，這些都不足為懼了。跟那些對交通信號、警示和限速標志沒有一點尊重意識的司機比起來，Patriots 橄欖球隊(球隊以橫沖直撞的打法著稱)的球迷看起來都算是正常人了。

　　全世界范圍內，有許多道路沒有車道，交叉路巨大而混亂。在這樣的地方，行人的動作支配著道路的交通狀況，每個司機都需要根據其他人的行為當場調整自己的駕駛策略，根本不會考慮到交通規則對自己的約束。

　　這些不正規的交通系統存在于許多地區，造成了嚴重損失。根據2013年世界衛生組織的最新數據，全世界有 50 個國家擁有這種極度危險的道路，其中有 44 個國家位于非洲或中東地區。2013 年，這些國家的交通事故死亡人數接近 25 萬，占當年世界交通事故死亡人口總量的五分之一。

　　然而，事實是這些可以受益于自動駕駛汽車的地區不可能在短期內獲得這種技術。

　　「很多我們現在正在自動駕駛領域做的工作可能并不會在第三世界國家成功落地。」密歇根大學福特自動駕駛汽車中心主任 Ram Vasudevan 說道。

　　自動駕駛技術需要理解道路上每一個人和每一樣事物的行動意圖和行駛軌跡，包括車輛、自行車、行人、建筑工人、玩耍的孩童、寵物，甚至是玩具槍意外發出的飛鏢。在駕駛環境中，人們遵循著一套既定的規則，而自動駕駛汽車在環境中的期望行為則需要受到法律的約束。

　　所制定的交通規則越少，意圖的預測能力就越重要。因為有人可能會做出一些意想不到的舉動，所以汽車不能單純地依賴共通的準則支配自己的行為。例如，只有在道路上其他人都遵守車道線規則的情況下，司機把車輛停放在車道線內才有用，如若不然，還是會存在危險。

　　與郊區以及美國城市相比，中東和非洲國家的駕駛環境是比較隨意的。在黎巴嫩，看到車輛行駛在錯誤的車道上，闖紅燈，甚至是出于惡作劇的心理，無視交通法規在寬闊的馬路上呈「Z 字」前行，這些都是很常見的。

　　「這里沒有規矩，一切都是可能的。」美國貝魯特大學的計算機視覺專家及工程教授 Daniel Asmar 說道，「人們可以很好地應對這樣的情況，哪怕他們也會因此變得沮喪或是向對方狂按喇叭?！苟鴮τ陔娔X來說，這樣混亂的情況是非常巨大的挑戰。

　　Vasudevan 認為，即便是在相對有序的環境中，突發混亂也會造成交通堵塞甚至事故的發生，例如自動駕駛汽車在高速公路上并道的時候猶豫的時間過長。這可能是汽車軟件的原因，為了安全起見不愿在超速車的前面合并，或是需要更多的時間掌握周圍場景及其他車輛的意圖。如果把車放在一條不存在或是可以忽略指示路牌、交通信號以及讓車規則的道路上，通常需要一定的反應時間來提升系統的性能以應對當前境遇。

　　更重要的是，自動駕駛汽車還需要地圖數據的支持，而世界上許多地區都還無法提供這樣的信息。自動駕駛技術需要覆蓋一切街道信息的詳細地圖，包括通過街道的限制高度、因臨時施工而設置的繞行道路以及街道標志與交通信號在三維空間中的精確位置。自動駕駛車隊已經在一些城市中行駛，不斷捕獲數據，并對其進行更新升級，研制了這樣的地圖。

　　在類似黎巴嫩這樣的地方，谷歌地圖和蘋果地圖都有一些基本的錯，而數據缺失又是一個巨大的劣勢。就算這個世界上存在無比詳盡的地圖，也需要極其密集的維護。Asmar 說，「在一個結構化的環境中，你無需經常進行維護，因為發生改變的東西不會太多。然而在一個非結構化的、萬事萬物都在改變的環境中，你可以想象需要多少次重建這個平臺。這是一項非常艱巨的任務?！?/p>

　　少數幾個中東的富裕國家已經開始走向自動駕駛。在以色列，一些公司主持開發了極為重要的一些自動駕駛軟件，而這個國家在上個月開放了第一條供無人車測試的公路。在迪拜，一趟低速十座無人班車從去年開始在城市的沿河商業區運行。市政府官員稱，目標是在 2030 年讓 1/4 的本地交通無需司機。另外，迪拜的警察也計劃在今年年底推出小型無人駕駛自動巡邏車。

　　但印度和中國應該是兩個同時存在駕駛亂局和致力于研發自動駕駛車輛的本地公司的國家。無疑，他們的努力需要跨越更多障礙。據彭博社報道，印度公司 Tata 在班加羅爾城外修建了一段測試公路，用來模仿本地的路況，自動駕駛車輛需要和無所畏懼的行人與迷路的牛爭搶路權。

　　公司要走的路還很長：一位 Tata 公司的高級副總裁告訴彭博社，由于印度道路上的「車輛」千奇百怪的形狀和尺寸，Tata 的計算機視覺系統目前無法對其中的 15% 進行有效識別。(去年，Uber 前 CEO Travis Kalanick 訪問印度的時候曾經開玩笑說印度會是「地球上最后一個實現自動駕駛的國家」，因為「你見過當地人是怎么開車的嗎?」)

　　中國的百度，也在公開進行自動駕駛開發計劃。百度與全世界超過 50 家公司進行合作開發自動駕駛軟件系統。在此前的一個演示視頻里，百度 CEO 李彥宏坐在一輛自動駕駛汽車中，行駛在北京的馬路上，一路上作出了一些不安全操作。

　　由于現階段自動駕駛汽車在中國還不能合法上路，中國警方稱，會調查李先生的行為是否觸犯了任何法律法規。(出于工作流失考慮，印度也在考慮出臺類似的對自動駕駛車上路的禁令。)盡管面臨重重監管屏障，百度總裁張亞琴仍然向彭博社表達了他的信心，稱公司的無人駕駛汽車「最早明年就能上路」。

　　中國的網約車公司滴滴出行采取了更為審慎的做法。盡管公司今年在加州開設了開發無人駕駛技術的辦公室，公司總裁柳青最近在接受 Charlie Rose 的采訪時出人意表地說，「顛覆性」地切換到自動駕駛是十分危險的?！肝艺J為，人們應該更關注這項技術有多安全而不是有多快能落地?！沽嗾f。

　　在中國，自動駕駛汽車不僅要學會處理與其他車之間的關系，還要學會與電動車以及視交通規則為無物的行人相處，一位滴滴發言人稱，自動駕駛汽車需要理解不同區域的交通標志與交通信號的區別，尤其是在中國，這些標志不像在美國或者歐洲那么規范。因此，滴滴的規模為公司帶來了很大優勢。公司表示，人類司機每天提供 2500 萬車次的服務，生成超過 70 TB 可用于自動駕駛技術開發的數據。

　　不同地區駕駛環境不同，自動駕駛公司提供的卻是相同的數據和軟件

　　目前，大多數公司測試無人駕駛車輛的方法還是在可控路段上給汽車設置很多意外情景。例如 Waymo 就在自己的神秘基地 Castle 里訓練它們的車，人類測試員會惡意阻擋高速行駛的汽車、從視野盲區的車道里并道、向車輛扔籃球等等，用各種測試方式改善車輛的反應。

　　但是，由于人工智能的訓練基于許多假設條件，所以換一個場景時常會失敗。研究發現，在白種人測試對象上訓練的面部識別算法，應用到非裔美國人的面部識別時效果不佳，而在東亞人測試對象上訓練的算法應用到白種人上同樣表現不佳。這種差異可能在自動駕駛汽車領域也存在，所以相關軟件的測試總是小心翼翼，也考慮到多種極端的情況。

　　不過，盡管人們駕駛的方式存在一些地區差異，但制造商可不太可能為各個地區配置特定的驅動軟件。「目前而言，在不同的文化背景下，使用的確實是相同的數據公式和軟件。」密歇根大學教授、福特中心聯席董事 Matthew johnson - Roberson 說。

　　最重要的是，訓練中的汽車會對所有從外界收集到的信息都作出回應。一位優步發言人表示，為了提升軟件的適應性，優步正在多個城市進行測試，收集不同條件不同時段下的測試信息，目前行駛里程已經超過 100 萬英里。

　　但是，即使自動駕駛軟件能夠理解不守規矩的司機，也能預測他們如何觸犯法律，自動駕駛汽車也有可能受到限制。一位發言人表示，優步的汽車將始終遵守當地的交通規范。

　　博世自動駕駛的高級副總裁 Stephan Hoenle 對此表示贊同：「在不違反當地交通規則的情況下，自動駕駛的部署會更加順暢?！挂惠v自動駕駛汽車的行車風格可能因需求和期望有所不同，但違反法律并不是一種正確的選擇——對于制造商來說，這是一項巨大的責任。

　　問題在于，在某些地方，嚴格遵循法律條文可能比模仿違法的人類司機更危險。當急性子的通勤者在高峰時段變道時，后面的車輛沒有及時調整的話，就會導致接連的追尾。

　　北美、歐洲和新加坡會遠遠甩開迫切需要自動駕駛的發展中國家

　　對于那些每天努力提升自動駕駛性能的人而言，似乎并不急著探尋自動駕駛汽車的終極能力?！傅侥壳盀橹?，完全自動駕駛的汽車沒有出現，對吧?」密歇根大學的 Johnson-Roberson 說，「從工程學的角度來看，我不知道有誰在研究這個問題，因為一些基本原理還沒有實現?！?/p>

　　推遲這些問題的探索，可能會讓那些最需要自動駕駛技術的地區進展緩慢。Hoenle 聲稱，自動駕駛汽車將在世界各地都得到大規模應用，但他同時也承認，這還需要一段時間的發展。他還表示：「與美國和歐洲相比，其他地區的技術增長速度通常較慢。」

　　但 MIT 感應城市實驗室的主任 Carlo Ratti 預測，發展中國家最終將迎頭趕上。他在一封電子郵件中寫道:「每一項前沿的技術都可能會增加現有的社會差距。但是，隨后的技術傳播可能會引起有趣的『彎道超車』效應，從而減少這點差距?！?/p>

　　例如，手機最初只面向富裕的西方人，但現在在非洲也非常普遍。如今，非洲的創業公司正在為移動銀行和醫療服務提供新的想法，Ratti 說：「沒有理由認為自動駕駛汽車會走不同的道路?！?/p>

　　自動駕駛汽車的出現與「彎道超車」階段之間的過渡區可能會有些長，因為它們必須適應周圍環境，需要收集每條街道的特定的數據，如果設計不當，發展也有可能被遏制。

　　開發商們回避了有關地區差異的問題，把問題留給了市場之外「增長曲線」。隨著自動駕駛的核心技術在北美、歐洲和新加坡等地的快速發展，它可能會遠遠甩開那些最迫切需要這項技術的發展中國家。