当前技术：★★★★✰
未来潜力：★★★✰✰
应用落地：★★✰✰✰

自动驾驶是这几年来人工智能的明星领域，是最新人工智能几大技术领域在应用方面的综合体现。

从技术方面讲，主要是计算能力的提高使得机器学习算法可以处理快速大量的模糊数据，摄像头和激光雷达等感知设备技术进步和价格的大幅下降也为自动驾驶领域提供了便利条件。

从市场方面讲，长期以来的能源焦虑和电动车的日渐成熟推动了自动驾驶的发展，同时由于出行交通一直是一个广阔的市场，也是各国国民经济的重要部分，政府的推动也功不可没。

自动驾驶的四种竞争力量

第一种是算法科技类公司, 主要关注自动驾驶的算法（软件），传统科技巨头如Google（子公司Waymo，目前属于Alphabet），苹果，百度 Apollo 都在自动驾驶都投入良多。各类小型科技创业企业也非常多，国内有清华姚班出身的楼天诚的pony.ai；景驰科技旗下三大：中智行Allride.ai，文远知行WeRide，牧月科技（货车无人驾驶），图森科技 (TuSimple) 的主要方向是大型卡车自动驾驶。

第二种是新兴电动车制造企业，把自动驾驶作为重要延申业务，比如电动车Tesla的Autopilot和共享车服务Uber的自动驾驶研发bu'f；

第三种是其他新兴汽车相关企业，比如Uber，滴滴都有无人驾驶项目。

第四种是传统车企。车企有丰富汽车制造经验，一旦自动驾驶技术趋于成熟，也可以通过购买第一类公司技术，或者迅速通过人才引进自主研发而赶上。通用汽车2016年收购了自动驾驶研发公司 Cruise；蔚来汽车是广汽旗下品牌，目前是L2界别，宣传达到L3级别自动驾驶，和 L4 级别自动驾驶还有一定距离。

自动驾驶级别说明

目前新科技公司在自动驾驶上走得更冒险一些。像Google和传统车企这样本身有稳定利润来源的，出于对自身品牌的爱护，商用会相对谨慎，虽然Google的技术领先，但不如Tesla和Uber商用化，而Tesla和Uber也是迫于业务都比较单一，商业上对自动驾驶这块业务的拓展比较迫切。

技术领域

目前自动驾驶的技术主要是传感器（超声波），雷达（激光测距），摄像头和联网数据使用机器学习算法进行综合判断，虽然摄像头也提供了重要数据，但主要判断依据还是传感器数据，所以和视觉识别领域有一定的区别。

由于每种方案都配备有多种传感器和摄像头，并大量使用网络数据，从数据量来讲，不是一个普通的人类驾驶员可以比拟的，人类驾驶员每一秒能感知的信息毕竟有限，而判断也几乎基于是否感知到了危险的信号，大量已有事故的调查报告也表明人为的因素占有很大的比例。

特斯拉公司曾发布了第一份安全报告，发现使用Autopilot的驾驶员每3,434万英里遇到一次事故或坠机事件，而不是在没有自动驾驶的情况下每192万英里发生一起事故或坠机事件。

今时今日，已经可以这样评价地球上最好的自动驾驶，自动驾驶的综合安全性大于普通人类驾驶员。

但我们对自动驾驶的要求是不同的，遇到评价，人很难做到理性，即使对比数据从统计意义上显示目前自动驾驶水平已经优于人类驾驶员。更何况自动驾驶和人类驾驶员感知方式不同和应变方式不同，从单个事故来看，似乎自动驾驶中发生的事故是可以避免的。

自动驾驶事故

2016年1月20日，一位23岁特斯拉中国车主男子驾驶特斯拉在京港澳高速河北邯郸段公路行驶，前车躲避障碍物，该男子躲闪不及撞上道路清扫车发生车祸死亡。这是全球首例自动驾驶致死事故。

2016年5月，一辆特斯拉Model S在美国佛罗里达州发生死亡事故。事发前，车主Joshua Brown打开了Autopilot功能并放弃了对车辆的控制，最终由于没有观察到前方出现的卡车而出现事故身亡。

2018年3月18日，Uber的自动驾驶测试车刚刚在亚利桑那州撞上了一位行人，49岁的Elaine Herzberg在推着她的自行车横穿马路时，被Uber正在测试的无人驾驶车撞伤，不治身亡。

2018年3月23日，一辆Model X SUV在美国101号高速公路向南行驶途中突然撞上了道路中间的水泥隔离墙，随后又先后被一辆马自达和奥迪撞上并引起火灾，驾驶员被送入医院后不治身亡。当时苹果工程师Walter Huang驾驶他的Model X行驶在加州山景城附近的101高速公路上，车辆撞向了高速公路的护栏并起火，38岁的车主Walter Huang不久后去世。

2016年Tesla的宣传中有夸大自动驾驶的能力，而在2年事件中不断的事故和致命车祸事件后，特斯拉取消了完全自动驾驶功能，Autopilot上导航不会将您的特斯拉变成自动驾驶汽车，与其他自动驾驶仪功能一样，驾驶员始终对汽车负责。并且特斯拉官方承认承认，有些情况下人类驾驶比自动驾驶导航更有效。

Google自动驾驶系统2015年开始路测，主要是为Google地图进行扫街收集数据，目前没有报告出大的事故但几年下来Google也没有决定投入商用，可能用一个不差钱不差赛道的大公司更有操守吧。

这些事故用血的教训告诉我们，现有传感设备和算法还不足以预判到所有道路环境状况，Google不投入商用的做法不失为一种好策略。

商业前途

在所有人工智能的商业应用上，自动驾驶领域我不太看好，尤其短期内，主要在于人类对于对自动驾驶技术0出错的要求。

人对自动驾驶的正确率要求和大部分领域不一样，大部分领域做到可能做到一个不错的数值，比如90%，就可以接受，或者可以和人类的结果比较，和人类结果相当甚至低一点但成本低，都可以接受。

但自动驾驶领域由于涉及“性命”这个终极命题，人们对此的要求几乎是0出错。而目前自动驾驶使用的机器学习算法的特点就是是求“最优解”而不是绝对的正确解，0出错是不符合机器学习算法的本性的。

互联网创业最常见的成长模式是提供一个稍不成熟的但价格便宜的产品，总有一些“尝鲜”的消费者因为价格或者好奇而率先进入市场，创业者们可以快速收集消费者数据，改进产品，进一步培育市场，“快速迭代”是消费领域最常见的成长模式。但在自动驾驶领域，如果这种渐进迭代的方式可能以性命为代价的时候，所有之前消费市场上的经验可能都不适用，需要重新思考。

自动驾驶的可能机会

其实自动驾驶最大的障碍是人驾驶行为的不确定性，而且环境总避免不了“黑天鹅”事件。

假设有一个交通系统，里面没有人类驾驶者，所有都是自动驾驶车辆，这种系统里的驾驶安全性几乎是可以保证的（但这种自动驾驶也用不上机器学习，符号派的规划算法就可以）。

扩展来说，可以考虑把货运系统率先自动驾驶化，因为货车如果自身出事故，不涉及性命，结果大部分人也是可以接受的，不会有太多伦理道德问题。但由于目前货运和普通客运使用同样的交通系统，还是无法完全摆脱可能撞到其他人或客车的情况，可以在这个方面上下些功夫。

比如在某个进出封闭的高速公路上，货车自动驾驶只在晚上实行（晚上高速公路上货车居多，而且驾驶员本身深夜驾驶容易出注意力问题），而非自动驾驶车辆进入都会领取雷达发送装置，和道路雷达全程监控，等于是一个系统规划系统。

个人职业选择建议

如果是机器学习算法出身，目前自动驾驶领域几乎集中了最优秀的技术官，不是特别优秀的拼不过。机器学习算法当前还有很多其他领域可以率先实现，不必要进入自动驾驶领域。

如果是创业者或者商业背景，自动驾驶最热的时期已经过去，如果有其他选择不要随便进入这个行业。

如果本身是传统汽车行业，能做自动驾驶相关不失为一个好的出路，不过做电动车相关更实际一点。