舒適的座椅、特別的手感、廣闊的視野和充滿科技感的外形……曾幾何時，工控小編也幻想過閉著眼睛“駕車”在大路上飛馳。

　　隨著科技的進步和錢多多們的“呵護”，自動駕駛汽車早已經落地了。據工控小編了解，寶馬、沃爾沃、特斯拉等汽車品牌均開展自動駕駛研究并有成果落地，而非汽車行業的百度、蘋果公司也橫插一腳。這很能說明問題：自動駕駛汽車會在不久將來普及。影視劇或平臺上看到全自動駕駛汽車時代，遙遠嗎?

　　遙遠。

　　該存在在影視劇當中的還是存在在影視劇當中，能夠真正體驗到全自動駕駛汽車，估計是“猴年馬月”了。生活在21世紀前半個世紀的我們，只好囑咐下一代：自動駕駛普及日，家祭無忘告乃翁!

　　有人要問了，為什么這么悲觀?

　　本周二，自動駕駛領頭羊Waymo公司CEO John Krafcik在WSJ D.Live技術大會上承認了自動駕駛道路漫長，他說，雖然無人駕駛汽車“真正在這里”，現實中也出現了自動駕駛汽車，但它們還遠遠沒有普及。最主要的原因在于，自動駕駛技術還沒有達到在任何天氣和任何條件下都能駕駛的最高等級L5。無獨有偶，兩天之后另一位硅谷大佬蘋果聯合創始人Steve Wozniak緊跟話茬：自動駕駛汽車不可能在不久的將來實現，并且直言“不相信自動駕駛汽車”。

　　Steve Wozniak

　　事實上，不少公司都把2019年作為全自動駕駛汽車投入運營的關鍵年。一個半月之后就要交作業，心里慌不慌，自己才知道。

　　特拉斯、Uber等品牌為了自動駕駛汽車的普及所做的努力著實讓人感動：

　　2016年，特斯拉一輛Model S車追尾白色拖車，導致駕駛員喪生。當時特斯拉官方稱，拖車側面是白色的，在太陽強光的照射下導致駕駛者和自動駕駛系統都沒有注意到這輛拖車。

　　今年3月，Uber的自動駕駛車撞上了一名過馬路的女子，后期的調查報告顯示，自動駕駛軟件先是錯誤地將該女性識別為一個未知物體，然后是一輛車，最后是一輛自行車，最終女子被撞身亡。

　　細思極恐：自己證明自己是人難，讓機器判斷你是人難上加難。

　　機器可以自己做判斷，這就是技術宅門經常談的深度學習。那我們就從技術層面來談：真的已經成熟到可以完全放開自動駕駛這個地步了嗎?

　　并沒有。舉一個簡單的例子：算法大拿認為他們可以通過正確的算法提高泛化能力，但是，當我們將圖像的幾個像素改變時，算法輸出的結果就大不同，甚至能將北極熊標記為狒狒、貓鼬或黃鼠狼。

　　這也是目前自動駕駛案例多次出現事故的一大原因。

　　實際上腦袋稍稍清楚的人都知道，自動駕駛只能作為輔助功能，對于這一點，汽車品牌特斯拉做得就比較好。據工控小編了解，特斯拉旗下所謂的具有自動駕駛功能的汽車，也只是具有滿足“發現紅燈，識別標志，幫助規避發生交通事故”的輔助駕駛技術。蘋果公司日前雇傭了特斯拉前高級工程副總裁Doug Field，并在今年招募了其他數十名前特斯拉員工。從Steve Wozniak的觀點來看，蘋果公司在其造車計劃中更加關注開發輔助駕駛技術的汽車，而不是追求完全自動駕駛。這在許多專業人士看來，正是自動駕駛近期或中長期需要走的路。

　　特斯拉前高級工程副總裁Doug Field

　　自動駕駛技術是多種技術的結合體：環境感知技術，導航定位技術，路徑規劃技術，決策控制技術。根據SAE自動駕駛分類標準，自動駕駛技術可以分為L0-L5六個層級。

　　目前來看，L5級別的自動駕駛汽車在系統安全性存在較多問題。譬如，自動駕駛汽車軟件系統的長時間(2-3年)運行，垃圾數據增多，影響系統穩定，易引發事故。激光、雷達、超聲波等主動型測距傳感器，驅動電機、電子羅盤、傾角傳感器、陀螺儀等傳感器的使用年限也是很大的問題。另外，站在用戶角度，傳統車輛大約使用10年，L5級別的自動駕駛汽車的使用年限則更短，并不經濟。

　　上圖不難看出，在限定場景中，L4級自動駕駛技術可以實現。這很容易讓人聯想到倉庫中承擔各類人物的AGV。但是在狀況百出的復雜環境下，單靠機器是行不通的。

　　目前來看，所謂的自動駕駛汽車95%的智能功能是通過代碼實現，這一層面實際上對于我們而言并沒有難度，但是真正的智能化依靠的是不需代碼限定的剩下的5%，這才是重點。在這方面，人類目前的技術水平并沒有辦法實現。

　　回過頭來說Waymo公司，其對自動駕駛汽車真正普及的看法如此悲觀，在業內著實會給人一種“班上考第一的同學說這次要掛了”的感覺，畢竟自動駕駛的“螃蟹”，誰吃了誰有話語權。至于資本未來如何發展，還要看2019年到底是怎樣的一份答卷。管中窺豹，我們不妨先看一個圖表：

　　上圖是近四年資本市場對于自動駕駛汽車“送秋波”趨勢。可以看出，14年以來投資上升的趨勢和16年以來投資下降的趨勢在感官上如出一轍。但是自動駕駛小眾市場是否已經被培養出來，目前仍然不得而知。

　　每日一問：

　　你覺得你有生之年能體驗到全自動駕駛汽車嗎?