信息技術(shù)發(fā)展具有20年的周期律：1970~1990年是發(fā)軔于PC的數(shù)字化，1990~2010年是互聯(lián)網(wǎng)推動的網(wǎng)絡(luò)化，從2010年開始的20年，我們面臨的將是機(jī)器智能的寒武紀(jì)大爆發(fā)。如果物聯(lián)網(wǎng)是機(jī)器的“視覺”，互聯(lián)網(wǎng)就如地殼運動一樣導(dǎo)致“互聯(lián)網(wǎng)+”應(yīng)用的涌現(xiàn)，而大數(shù)據(jù)是鈣元素，演化出機(jī)器智能。

人工智能目前炙手可熱，創(chuàng)業(yè)公司如雨后春筍般涌現(xiàn)。從業(yè)者開始思考，如何讓技術(shù)形成漣漪效應(yīng)，促使產(chǎn)業(yè)非線性、躍遷式增長。有人把人工智能和產(chǎn)業(yè)比喻成葡萄干和面包的關(guān)系，雖然葡萄干離開面包仍是葡萄干，但兩者結(jié)合在一起就能創(chuàng)造出高價值的新品類。筆者近年來一直在探索人工智能的產(chǎn)業(yè)機(jī)會，并得出結(jié)論：最近5~10年，自動駕駛是人工智能帶來的增值最大的產(chǎn)業(yè)，沒有之一。

什么是自動駕駛？

自動駕駛是個籠統(tǒng)的概念，涵蓋駕駛輔助(driving assistance)和自動駕駛。駕駛輔助還是由人開車，智能體現(xiàn)在對環(huán)境的感知，并適時預(yù)警（比如車道線偏離以及與前車碰撞預(yù)警）。

從駕駛輔助到自動駕駛是很大的飛躍。自動駕駛在感知以外，加上了規(guī)劃/決策和控制。駕駛輔助的感知強(qiáng)調(diào)低誤報、低頻觸發(fā)，人是最終的決策者，所以駕駛輔助出錯無傷大雅。自動駕駛的感知有極高的要求，因為把一段時間的控制權(quán)完全交與了機(jī)器，不僅要求低誤報，而且要求零漏報，漏一次就會造成交通事故。

自動駕駛有三種不同的形態(tài)：(1)輔助駕駛或半自動駕駛，特斯拉的autopilot即是此類。在某些場景下汽車可以進(jìn)行自動駕駛，比如緊急剎車，在封閉、結(jié)構(gòu)化道路上的自適應(yīng)巡航和車道保持，自動泊車。必須注意的是，這類技術(shù)目前還有較大的局限性，特斯拉近日的多起事故都是出現(xiàn)在十字路口、入口/出口和雙向路上，這超出了autopilot的處理能力。(2)高度自動駕駛，在大街小巷多數(shù)場景下可以自動駕駛，還能支持多輛車的編隊行駛。這類技術(shù)的環(huán)境感知和駕駛認(rèn)知能力相比輔助駕駛有極大的提升，不僅能處理上述autopilot不會處理的路況，甚至還能在完全沒有車道線的非結(jié)構(gòu)化道路上暢行。高度自動駕駛汽車還能在復(fù)雜路況下與其他智能車輛或人駕駛的車輛共享或競爭路權(quán)。(3)全自主駕駛或無人駕駛，完全由人工智能來駕駛，可以把方向盤、油門和剎車去掉。

未來5年，傳統(tǒng)車廠和零部件供應(yīng)商的主要努力方向是第一類和第二類自動駕駛，但這并不是以代替駕駛員為目的，而是讓駕駛員更加安全和舒適。顯然這是更穩(wěn)妥的漸進(jìn)道路。而一些“野蠻人”直接選擇了無人駕駛作為切入點，劍指2020年。他們認(rèn)為前兩種自動駕駛是危險的，因為機(jī)器失效時，在突現(xiàn)危機(jī)的電光石火中駕駛員不一定能立刻進(jìn)入狀態(tài)，做出清醒的決策。所以終極的辦法是“消滅”駕駛員。這樣的汽車是真正為出行者設(shè)計的，小孩、老人、寵物、殘疾人都能夠開車，出行權(quán)利得到極大釋放。

自動駕駛的前世：科研開道

大眾帕薩特研發(fā)無人駕駛汽車，該車成功進(jìn)入DARPA城區(qū)挑戰(zhàn)賽

自動駕駛最早的原型可能要算“斯坦福車”，這個20世紀(jì)60年代獲得美國國家航空航天局(NASA)資助的項目在漢斯·莫拉維克(Hans Moravec)——被譽為“人工智能最堅定的支持者”——的努力下取得了巨大進(jìn)展。莫拉維克通過遠(yuǎn)程圖像來操控“斯坦福車”的運行，然而它逃脫了控制，直接駛上了繁忙的道路，追捕“叛逃機(jī)器人”成為無人車歷史上詼諧的一筆。莫拉維克在機(jī)器視覺的探索中遭遇了很多挫折，后來有了著名的莫拉維克悖論(Moravec’s Paradox)——人類的高階智能，比如推理、規(guī)劃和下棋，計算機(jī)都能夠輕易實現(xiàn)。而只有幾個月大的嬰兒就能駕輕就熟的低階智能，如感知和運動配合，計算機(jī)都遙不可及。

美國國防部高級研究計劃署(DARPA)為降低未來戰(zhàn)爭中士兵的傷亡，在2004年舉辦了第一屆無人車“大挑戰(zhàn)(Grand Challenge)”，可惜在沙漠中全軍覆沒。而隨后的2005年成為了一段光輝歲月?？▋?nèi)基梅隆大學(xué)的Red隊是奪冠熱門，其老大、機(jī)器人專家雷德·惠塔克(Red Whittaker)志在必得。在挑戰(zhàn)者中，斯坦福大學(xué)的Stanley并不起眼，可是領(lǐng)隊塞巴斯蒂安·特龍(Sebastian Thrun)矢志奪魁，這位同步定位與地圖創(chuàng)建(SLAM)的先驅(qū)者從卡內(nèi)基梅隆大學(xué)失意出走，試圖在這場比賽中奪回尊嚴(yán)?？▋?nèi)基梅隆大學(xué)的兩輛車一路領(lǐng)先，可下半程幾個松動的零件導(dǎo)致兩輛車大幅減速，只獲得第二和第三。Stanley雖然在比賽中出了幾次事故，但未傷筋動骨，在刪除了一些無關(guān)緊要的代碼后竟然越跑越快，最終斬獲200萬美元獎金。在這次比賽中，很多車輛都使用了激光雷達(dá)、高精度的地理信息系統(tǒng)和慣性導(dǎo)航系統(tǒng)，直到今天仍然是很多無人車的標(biāo)準(zhǔn)配置。

2007年“城市挑戰(zhàn)賽(Urban Challenge)”在卡內(nèi)基梅隆大學(xué)卷土重來，這次他們準(zhǔn)備充分，40人的隊伍，除了兩輛參賽的車輛，還有一輛補給車提供充足的零件替換?；菟私K于摘得桂冠。在他的裝備庫里，第一次出現(xiàn)了一種新型的64線激光雷達(dá)，為了讓這件裝備投入使用，卡內(nèi)基梅隆大學(xué)的工程師寫了大量的驅(qū)動程序。這是由一家音箱廠商Velodyne的極客老板做出的，價值7~8萬美元。在其后的近10年間，64線激光雷達(dá)成為全世界絕大多數(shù)無人車必須配置的組件。

自動駕駛的今生：企業(yè)精耕

谷歌無人車

谷歌的第一輛無人車是基于混電車Prius改裝的，頂上裝著64線激光雷達(dá)，以此建立高分辨率的三維環(huán)境模型或高精度地圖。

谷歌的第二代無人駕駛車來自叫510 SYSTEMS的一個創(chuàng)業(yè)公司，其核心技術(shù)是Anthony Levandowski，是加州大學(xué)伯克利分校開發(fā)的，并非出自無人駕駛車三強(qiáng)（卡內(nèi)基梅隆大學(xué)、斯坦福大學(xué)和麻省理工學(xué)院）。這家創(chuàng)業(yè)公司做的東西非常好，于是谷歌悄悄把這家公司買了下來，在其基礎(chǔ)上開發(fā)出基于豐田L(fēng)exus的平臺，一直到現(xiàn)在Lexus仍然是谷歌車隊的主流車型，現(xiàn)在常在路上行駛的有20多輛。

谷歌的第三代無人駕駛車是真正的躍遷，這款車是完全重新設(shè)計的，做了很多思考和改進(jìn)，比如移除了雨刷，因為并不需要有駕駛員在雨中看清路況。按照設(shè)計，這種車是沒有方向盤的，但由于加州法律的限制，車?yán)镞€是安裝了一個游戲操縱桿作為方向盤。目前在路上行駛的這種車已有30多輛，同時谷歌還在進(jìn)行大量的制造。

雖然谷歌的幾十輛無人駕駛車?yán)鄯e的行程已達(dá)200多萬英里，然而在實用性上面臨著一定的問題：一是激光雷達(dá)等傳感器太過昂貴，二是區(qū)區(qū)200多萬英里不能證明無人駕駛足夠安全或比人駕駛得更好。

另一條路線逐漸成為主流，他們從駕駛輔助和輔助駕駛開始，主攻以視覺為主的低價方案，試圖實現(xiàn)快速商業(yè)化。其中翹楚是Mobileye和特斯拉，Mobileye的駕駛輔助系統(tǒng)已經(jīng)安裝在1000多萬輛汽車上，而特斯拉的autopilot在短短7個月積累了1.3億英里的自動駕駛里程。

Mobileye采用視覺地圖，從視覺中提取的地圖特別小，適合實時上傳、通過眾包的方式更新。事實上基于視覺的定位更接近于人的工作方式。我們根據(jù)道路上的標(biāo)志來評估大致的位置，并且根據(jù)路面線條的變化做實時的決策（選哪一條車道，是否上匝道等）。那么，只須從視覺中提取出那些標(biāo)志和線條，眾包上傳到地圖（每公里只需10KB級別的數(shù)據(jù)），而行駛時可以通過視覺匹配來獲得定位。

在視覺技術(shù)狂飆猛進(jìn)的同時，其他技術(shù)也在飛速發(fā)展，比如視覺加雷達(dá)的多傳感器融合，在很多場合下能夠獲得更好的感知能力。視覺的優(yōu)勢是分辨率高，包含豐富的語義，缺點是容易受天氣和光照影響；毫米波雷達(dá)只能跟蹤對象，而無法獲知其大小形狀，但受環(huán)境影響小。兩者的融合已經(jīng)成為目前輔助駕駛的標(biāo)配，特斯拉的autopilot即是如此（它還有短距離的超聲波雷達(dá)）。

值得一提的是，特斯拉出現(xiàn)了致死事故。在事故中縱然有Mobileye視覺未能識別出拖車橫側(cè)面的緣故，但也有雷達(dá)識別失誤的問題。雷達(dá)安裝較低，垂直掃描角度小，只能在較遠(yuǎn)的距離看到拖車（拖車底盤高，所以近距離時無法掃描到），在這起事故中拖車被認(rèn)成“龍門”或橫跨馬路的交通標(biāo)志。目前，各個傳感器通常只能在各自識別完成后融合，而這時候的融合邏輯變得非常困難，因此，多傳感器的底層、深層融合非常值得探索。目前已經(jīng)實現(xiàn)雷達(dá)和攝像頭的合體RACAM，以及激光雷達(dá)和攝像頭的“混血”版。

除了感知，在規(guī)劃和控制方面也有了長足的發(fā)展。傳統(tǒng)的規(guī)劃考慮的是安全和舒適性，而現(xiàn)在把競爭性也加入了考量。自動駕駛的車輛如何預(yù)測行人和其他車輛的動機(jī)和動作？如何積極地并線來獲得路權(quán)？谷歌和Mobileye等都在嘗試新的算法，比如采用強(qiáng)化學(xué)習(xí)和遞歸神經(jīng)網(wǎng)絡(luò)，試圖用深度學(xué)習(xí)的端到端學(xué)習(xí)，整體解決感知-規(guī)劃-控制的所有問題。必須指出，機(jī)器學(xué)習(xí)和專家知識是可以互補的。年初曾發(fā)生谷歌自動駕駛車撞上大巴的事故，如果在規(guī)劃中融入對大巴駕駛員判斷的經(jīng)驗，則可能規(guī)避此事故。

網(wǎng)聯(lián)的未來

在相當(dāng)長的一段時間里，自動駕駛車將與有人駕駛車共享路權(quán)，單車智能是必要的基礎(chǔ)。但自動駕駛的未來不是一輛車在戰(zhàn)斗。隨著5G通信網(wǎng)絡(luò)的普及，V2X（包括車對車和車與基礎(chǔ)設(shè)施的通信）將豐富自動駕駛的技術(shù)內(nèi)涵和生態(tài)，并放大其作用。V2X能做什么？首先是安全。假設(shè)車車之間有通信，第一輛車發(fā)生制動的瞬間，后車連續(xù)接到指令，自動剎車，就可以將大禍消弭于無形。

V2X能提高能源利用效率。歐洲已經(jīng)開始嘗試大貨車的編隊行駛，領(lǐng)航車的執(zhí)行動作通過V2X指令傳播到跟隨車輛，使整個車隊的隊形和操控保持一致，這樣做最大的好處是后車風(fēng)阻減少，可大大節(jié)省能源。

V2X還能提升通行效率?，F(xiàn)在高速公路上的一大問題是，只要有一輛車突然剎車，就將如地震波一般連綿傳播數(shù)公里，使整條道路的通行效率劇減。麻省理工學(xué)院的教授發(fā)現(xiàn)，假設(shè)V2X允許每輛車的速度控制在前后車速度的平均值，某車瞬間減速的影響會向其前后兩側(cè)傳播，并且迅速消失。如果V2X能夠掌握路口各個方向的車輛運行狀況，并且計算出每一輛車的通行順序和速度，那么完全可以把紅綠燈去掉，各車按序行駛，完全不用擔(dān)心撞車。當(dāng)這一天實現(xiàn)時，城區(qū)的通行速度將至少提升1~2倍。

自動駕駛產(chǎn)業(yè)和社會變革

自動駕駛風(fēng)起汽車產(chǎn)業(yè)，這個被稱為“工業(yè)之王”的產(chǎn)業(yè)過去100年在競爭格局上并沒有大的變化，一輛車需要3萬多零件，價值鏈和資金周轉(zhuǎn)周期長，巨頭林立，后來者只能知難而退。然而過去5年產(chǎn)生的四個趨勢完全顛覆了這一格局：新能源化，像特斯拉這樣的電動車將零件數(shù)降到了1萬個，進(jìn)入者的門檻極大地降低；出行多樣化，尤其共享出行改變了汽車的消費模式；智能化和網(wǎng)聯(lián)化改變了汽車的定義，電子和軟件壓倒傳統(tǒng)機(jī)械和電氣，汽車成為移動的智能化空間，在這里人與信息和服務(wù)產(chǎn)生無數(shù)的觸點。

自動駕駛產(chǎn)業(yè)涉及三個萬億美元的市場：全球汽車市場萬億美元，出行市場萬億美元；在實際產(chǎn)業(yè)之外，自動駕駛為社會經(jīng)濟(jì)帶來的額外收益也將是萬億美元。摩根斯坦利的研究報告[1]指出，自動駕駛每年將為美國帶來1.3萬億美元的收益，分別來自燃油節(jié)省、擁堵減緩、事故減少和生產(chǎn)力提升。

競爭格局的改變并不只是有利于后來者。傳統(tǒng)的汽車產(chǎn)業(yè)巨頭比以往任何時候都更勇于擁抱新趨勢：通用汽車投資出行服務(wù)提供商Lyft，擲下10多億美元買下創(chuàng)業(yè)公司Cruise Automation；國內(nèi)長安汽車已有具有輔助駕駛功能的汽車行駛2000公里進(jìn)京，并與谷歌等國外巨頭積極接觸。從這些都可以看出他們直面挑戰(zhàn)的決心。

自動駕駛帶來的變化遠(yuǎn)遠(yuǎn)不止是汽車產(chǎn)業(yè)，它的高級形態(tài)——無人駕駛——將徹底改變出行。10年后，路上川流不息的出租車大多數(shù)是無人駕駛，汽車數(shù)量減少一半，但汽車的利用率得到極大提升，堵車將成為過去，天空重歸于藍(lán)，停車位被改成公園、活動空間和住所，車禍幾近于零。

交通流、信息流、能源流三流合一，所有與人或物相關(guān)的交通將被重新定義，保險需要涅槃重生，而服務(wù)業(yè)將找到新的爆發(fā)點——上述的無人駕駛出租車是除了家和辦公室的第三空間，是移動的商業(yè)地產(chǎn)、移動的影院、移動的辦公空間、移動的咖啡館。

自動駕駛：安全第一

漢語“安全”在自動駕駛語境里有兩層意思。第一層是Safety（安全）。例如傳感器360度無死角覆蓋、多種傳感器融合、感知算法精準(zhǔn)、感知-控制反饋實時、軟硬件多層冗余、溫度范圍大、防震、防塵等。汽車行業(yè)對功能安全也有ISO 26262標(biāo)準(zhǔn)，整個流程執(zhí)行下來會讓IT工程師“易筋洗髓”、脫一層皮。第二層是Security（保密）。一方面，日益復(fù)雜的算法和功能要求通用操作系統(tǒng)能夠在車上使用；另一方面，聯(lián)網(wǎng)的需求使汽車直接暴露在網(wǎng)絡(luò)上，黑客通過車載聯(lián)網(wǎng)娛樂系統(tǒng)可以輕松攻破并控制汽車。

如何破解安全風(fēng)險？第一，要仔細(xì)梳理和定義自動駕駛系統(tǒng)的安全需求，進(jìn)行風(fēng)險分析，建立具有可信計算基礎(chǔ)的軟硬件平臺，采用分域、虛擬化等機(jī)制隔離關(guān)鍵模塊，通過加密保護(hù)端到端的數(shù)據(jù)通路。第二，要實踐全新的安全設(shè)計方法學(xué)，安全始于設(shè)計，從確認(rèn)設(shè)計到驗證實現(xiàn)，都要考量安全性；在運行時，是否足夠安全，能否抵御攻擊，能否在線升級、保證軟件最新，系統(tǒng)出現(xiàn)單點故障是否有足夠的冗余？萬一系統(tǒng)淪陷，有沒有辦法強(qiáng)力終止攻擊，或重獲控制權(quán)。第三，如果未來存在一個安全信息市場，安全研究人員或白帽黑客發(fā)現(xiàn)安全缺陷，可以通過市場將該信息賣給主機(jī)廠商或技術(shù)供應(yīng)商。

特斯拉在致命車禍的抗辯中指出，autopilot已經(jīng)行駛1.3億英里，這是第一起致死事故，而世界范圍內(nèi)每行駛6000萬英里就有一次致死事故，全美的平均數(shù)字是9400萬英里，因此自動駕駛更加安全。雖然筆者是自動駕駛的擁躉，但必須指出，這一論據(jù)并不充分。1.3億英里、不到1年的上路時間、10萬輛左右的數(shù)量，這是非常小的數(shù)據(jù)樣本。換言之，只要特斯拉明天再出一起致死事故，拿美國均值做標(biāo)準(zhǔn)就不及格了。

著名智庫蘭德公司的研究報告[2]指出，要在數(shù)學(xué)意義上證明自動駕駛比人駕駛更安全，需要測試上百億英里、幾百年的時間。這是全世界任何一個車廠都無法完成的任務(wù)。人們不會因為某家車廠沒有達(dá)到理論上的低死亡率而不嘗試自動駕駛。但如果某家車廠能夠用更多的里程來證明自動駕駛更安全，則毫無疑問將獲得更多的青睞。谷歌的自動駕駛團(tuán)隊開發(fā)出模擬器，1天能夠虛擬行駛300多萬英里，這可能是達(dá)到蘭德公司目標(biāo)的唯一途徑。

法律、法規(guī)和政策是桎梏嗎？

制約自動駕駛迅速普及的因素包括技術(shù)成熟度、成本和法律法規(guī)，而第三者是最大的攔路虎。在美國和歐洲，巨大的游說力量在推動改革。美國交通部及國家公路交通安全管理局(NHTSA)已經(jīng)開始建議無人駕駛的合法化。他們采用了一個絕妙的方法，在所有交通相關(guān)的法律里，“駕駛員”都可以用具有人工智能的機(jī)器替換，使整個法律體系為無人駕駛敞開大門。當(dāng)然，各州需要各自制定可操作的法律法規(guī)框架。目前，美國有四個州和一個特區(qū)已經(jīng)允許自動駕駛汽車上路，但多數(shù)仍然要求駕駛員在位?？傮w而言，未來走勢非常樂觀。

在世界范圍內(nèi)，《維也納道路公約》也有了歷史性的突破，原來《公約》要求駕駛員時刻保持對車輛的控制，而在2014年，《公約》批準(zhǔn)了有關(guān)自動駕駛的修改，只要其能夠“被駕駛員權(quán)限否決或接管”。修改的生效仍需時日，歐洲沒有美國激進(jìn)（因為歐洲的大車廠在短期內(nèi)都回避無人駕駛）。中國并非《公約》的締約國，但中央和地方政府都對自動駕駛寄予了厚望，對于法律法規(guī)的進(jìn)展，我們的判斷是先慢后快。

那么什么樣的自動駕駛車可以上路測試和銷售呢？在美國加州，車廠或技術(shù)公司如果要申請自動駕駛汽車上路測試，只須提交一些申請材料，準(zhǔn)備500萬美元的保險額度，以及有司機(jī)/操作員培訓(xùn)計劃綱要即可。對于銷售，美國國家公路交通安全管理局通常采取事后認(rèn)證方式，自動駕駛汽車先入市，再頒布標(biāo)準(zhǔn)，如果事后發(fā)現(xiàn)產(chǎn)品有重大缺陷，管理局則要求召回。而歐洲和亞洲更加保守，在自動駕駛車型進(jìn)入市場之前就需要認(rèn)證，也就是說，自動駕駛汽車需要“考駕照”。歐洲和日本已經(jīng)致力于建立統(tǒng)一的自動駕駛車型測試標(biāo)準(zhǔn)。但是特斯拉的汽車在銷售時是沒有自動駕駛功能的，所以并沒有經(jīng)過相關(guān)認(rèn)證，但有一天這個車突然通過遠(yuǎn)程軟件升級能自動駕駛了，那要不要召回并認(rèn)證？這是擺在歐日管理當(dāng)局面前的新問題。

自動駕駛的道德倫理問題

當(dāng)我們談?wù)摰赖潞蛡惱淼臅r候，經(jīng)常有這樣的辯論。你說自動駕駛能夠帶來效率提升、事故減少，他說自動駕駛存在道德和倫理問題。面臨危險時，自動駕駛汽車是撞左面的三個人還是右面的一個人，是撞老人還是小孩，是選擇戴頭盔的摩托車手還是不戴頭盔的，是選擇犧牲車外的人還是犧牲車?yán)锏娜?？這些問題都有一些邏輯上的陷阱，比如你說撞戴頭盔的，原因是戴頭盔的比不戴頭盔的生存的可能性更大，而別人就會質(zhì)疑你歧視守法公民。

而對于從業(yè)者來說，有更重要的倫理和道德問題需要考慮，比如要正視潛在的利益沖突方和反對者。對于這樣一種統(tǒng)計上更安全，但仍有可能犯低級錯誤的技術(shù)，一定有人贊成、有人反對。多數(shù)人對“更安全”并沒有直接的感受，但只要有一次事故就有可能變?yōu)榉磳φ摺?/p>

1975年，芝加哥大學(xué)教授薩姆·佩茲曼(Sam Peltzman)研究指出，安全帶和安全氣囊實際上導(dǎo)致了更多的交通事故。在新技術(shù)發(fā)展初期，無論是汽車廠商還是消費者都要有勇氣和耐心。對于汽車廠商來說，還需要敬畏和盡責(zé)。技術(shù)不必完美，先讓用戶試用，在迭代中慢慢改善。特斯拉是具有極大勇氣的先行者，第一次嘗試了通過遠(yuǎn)程升級賦予汽車自動駕駛功能，但是在盡責(zé)上可以做得更好，比如在宣傳上區(qū)分autopilot和無人駕駛，在告知義務(wù)上強(qiáng)調(diào)beta版軟件的不可靠性，在告警義務(wù)上更加嚴(yán)格——將注意力不在路上的司機(jī)拉回決策環(huán)等。

大數(shù)據(jù)時代，所有企業(yè)都會有數(shù)據(jù)饑餓感，但是收集數(shù)據(jù)對用戶要有告知義務(wù)，不能以用戶的隱私為代價。這一點特斯拉做了有益的嘗試，對于每一段旅程，開始5分鐘和最后5分鐘的數(shù)據(jù)是不記錄的，這涉及到用戶的準(zhǔn)確住址或去處。當(dāng)然不排除在某些地區(qū)因為監(jiān)管需要或不可說的原因而存在軟硬件后門，但廠商必須守住底線，有所為有所不為。

自動駕駛是智能感知與傳統(tǒng)汽車相結(jié)合的創(chuàng)新產(chǎn)物，是汽車行業(yè)發(fā)展的未來。作為一項變革性的技術(shù)，自動駕駛既是創(chuàng)業(yè)創(chuàng)新又是社會創(chuàng)新，感知手段和人工智能將是自動駕駛技術(shù)決勝的關(guān)鍵。無論是法律、法規(guī)和政策，還是道德倫理爭論，我們都要有勇氣和耐心，呵護(hù)無人駕駛的健康發(fā)展。熱切期待道路不堵、天空很藍(lán)、自由出行的那一天早日到來。