人工智能領域的火熱，促使很多傳統技術升級，比如說無人駕駛——這個需要結合傳統工程學、計算機視覺感知、深度學習模型的技術聚集型產業。
近一段時間，不少廠商紛紛大力加碼無人駕駛產業——這里有傳統車廠的規模性轉型，也有互聯網科技廠商講出的新故事。即使是供應商、某些技術型初創公司，或是我們自己的汽車品牌都要或多或少的提到了無人駕駛將要到來。越來越多的企業都開始宣布2020年或之后的幾年無人駕駛時代就會到來，甚至還做了分步的規劃。
我們常常會高估某個新技術在近幾年所能帶來的影響，又常常低估那些已經存在的技術會給我們帶來那些突然性的改變。其實我是想要給無人駕駛這個行當潑一盆冷水的——現在和大眾談無人駕駛是不是還太早了？
當然有一些理論佐證。
無人駕駛的軌道交通實現了沒？
不少企業將2020年后（一兩年）定義為完全自動駕駛時代。簡單舉一個例子，比如Lyft去年在無人駕駛（自動駕駛）概念最火熱的時候就提出了這樣一個分布走計劃：
2017年，Lyft可能會進入第一階段。在該階段Lyft將提供給用戶半自動駕駛汽車，不過這些車輛只能沿著固定的路線行駛。
第二階段，自動駕駛汽車將可以自主導航行駛，而不僅僅是沿著固定路線行駛，而且最高速度僅限于每小時25英里。
第三階段，預計將在2021年到2022年進入，屆時所有Lyft的服務都由全自動駕駛汽車完成，汽車也將獲得更快的行駛速度。進入該階段之后，個人汽車保有量將迅速下降。
實際上，不少企業都有類似的觀點，即——我們可能先會進入封閉道路的半自動駕駛測試——封閉道路的完全自動駕駛（無人駕駛）——最后可能是開放道路的無人駕駛階段。而所有的此類規劃大多預計在5 年內，可以讓最終階段的無人駕駛車在純自然道路上開放行駛。
但其實仔細分析，僅僅是前兩個階段現在目前遇到的困難都不是在他們的預期內可以解決的。而從第二階段到第三階段的突破則需要更長的時間。
在大多數規劃的第一階段規劃中，無人駕駛最好在一個特定的路線和環境內行走，比如無人駕駛公交車在特定的車道線行走。但即使技術上已經可以實現了，為什么無人駕駛在地鐵這種在特定環境和路線中還沒有大規模實現？
知乎上還真有軌道交通工程師探討這個問題，有幾個觀點：1、地鐵自動駕駛其實可以實現，但確實還有很多更現實的問題——事故發生、乘客求助等，還是需要有人維護，至少要控制開關門；2、地鐵軌道交通依賴的是信號通訊，背后是有調度中心。
仔細想，其實無人駕駛軌道交通與無人駕駛地面交通有概念上的不同——一方面無人駕駛軌道交通對行駛路線已做限制，另一方面兩者所遭遇的交通安全環境也不同。可以這樣說，軌道交通用調度中心實現的無人駕駛應該被稱為機器自動化還是真正的無人駕駛呢？
或許，光是自動化是不夠的，必須得搞人工智能和認知計算。
我們說的真正的無人駕駛汽車，依靠的是計算機視覺，V2V通信、自動化決策控制，最起碼要是一個具備認知決策的工具。所以更多的時候無人駕駛想要超越人駕駛，就應該像AlphaGo打敗人類，它應該有一定的代替人決策的能力。
自動駕駛的基本問題是要解決車的問題，還是解決人的問題？
感知與認知，汽車與馬
如果是解決車的問題，就把車做好就行。但自動駕駛更多的是一個軟件上的問題，其實是在搭建出一個“人”的模型。
中國工程院院士、人工智能學會理事長李德毅在GTIC 上對無人駕駛有一個理論——汽車和馬的理論。“我們認為，我們要把駕駛員的工作用機器人替代是有自主決策和行為能力的認知主體，實現自主駕駛，有個性。”
汽車從馬車演變而來，作為動力工具，汽車的馬力可以達到 100 匹，但是現在汽車遠不如馬，因為不同的負荷、不同天氣、不同路面、不同的曲率、不同速度、不同車輛情況下的適應能力。
最主要的是汽車的感知和認知能力都還遠遠不如馬這個認知主體。比如你可以叫馬過來，它能聽懂，你叫汽車，它就不能過來。院士提到——重點在于自動駕駛過程中，駕駛員與環境和周邊車輛的交互認知在哪，駕駛員和經驗和臨場處置能力由誰來替代？
也就是說，很多汽車品牌談到的自動駕駛或許也更應該被叫做汽車自動化，在今天成為一個可以自動剎車、跟車的工具，而不是一個有判斷力的駕駛機器。
即使，汽車自動駕駛時，有時候釋放人的腳，有時候釋放人的手，甚至可以同時釋放人的手和腳，但能不能釋放人的主力——釋放人的駕駛認知實現全自動駕駛，“如果不能釋放人的注意力的自動駕駛，都是談不上真正的自動駕駛（無人駕駛）。”
無人駕駛應該是有腦子的輪式機器人
輪式機器人，或者退一步說掃地機器人就有非常有趣的參考意義。
掃地機器人一般解決的問題是：本身要質量過硬，類比到汽車，這是汽車制造的方面；掃干凈以及掃到位，這是最少要讓它看到路。所以在掃地機器人方面的智能化升級，我們看到的是機器自動化的升級——它被賦予更多雷達、SLAM 功能，但它還會笨成一個“亂撞”的機器，這本身其實是暴力的窮舉算法。就算是最先進的掃地機器人，也要先撞一遍探出路來才能在以后的工作中提高效率。
啟動計算機程序，讓汽車自動開；如果程序不合適，則由人來調程序；本質上這應該是程序員通過程序教機器人開車，汽車成為軟件定義的機器，實現自動駕駛。
這點用自動泊車的原理也可以解釋，比如泊車有正面泊車、垂直泊車、側方泊車，還有最難的老舊小區私家車位泊車，各種角度的泊車。目前雖然已經有很多量產車型已經搭載了自動泊車，但其實在現實中面對刁鉆的地形和位置，自動泊車依然不能完全脫離駕駛員的主觀判斷和干預：這個停車位置有限，在地下又沒有GPS，怎么辦？于是，怎么把自動泊車的模式重新設計，有沒有高精度的地圖信息，沒有，也沒有衛星導航信息，有沒有結構化的道路信息，有沒有路徑信息？沒有，有沒有路口信息，也沒有。
在李德毅看來，現在的自動駕駛正在暴力的加上各種窮舉算法。但即使加了越來越多的傳感器——紅外的不行就換視覺算法加攝像頭，再不行就換激光雷達，價格又一下攀升。退一萬步講，就算實現了良好的視覺算法，也只是解決了汽車產業中真正駕駛員眼睛看+自動化控制的問題。人的駕駛理論和技巧卻一點沒學會，或許還是要回到用人工智能模仿人思路的問題上？
媒體們都說無人駕駛是一個交通產業通力合作的結果，有法律法規，交通網絡升級，汽車工業的迭代。這是現實的因素，因為無人駕駛產業的核心部件還依然很貴，但其實功能還只能實現五六成，更別說讓消費者買單了。
李德毅同樣認為，全自動泊車取決于是否可以窮舉泊車的所有窗口條件——“我們都停過車，你認為需要多少條件？這是一個人工智能的缺失，自動化技術的缺失，這個天花板怎么解決？”
如果連自動泊車都做不到，就更別提自動駕駛了；完全自動駕駛還都沒有，也就更別提無人駕駛了。雖然，對于汽車的認知計算是有人和企業正在做的，但我們從目前在做認知計算的企業所能實現的效果來看，任重而道遠？
