人工智能时代：破解人机共存密码（套装共10册）

在总裁玛丽·巴拉的领导之下，2015年，通用汽车收购了CruiseAutomation公司，向打车服务公司Lyft投资了5亿美元，推出通用汽车第一款长续航、自动驾驶的全电动汽车Bolt。电动车、自动驾驶、共享经济，每一步都时髦且精准。

但迎接通用的是行业内的不理解，明眼人都明白无人车带来的危机和冲击将是前所未有的：无人汽车一旦发生交通事故，将把车企置于极为不利的地位。此外，无人车推动的共享经济很可能大大降低私车拥有率。那时，车企的光环不再，只是作为最基层的硬件提供者而存在。这些远景让巴拉的锐意进取被讽为无人车浪潮下平抚焦虑的“自我安慰”。

最可圈可点的，大概是德国车企戴姆勒了，它与内华达州达成协议，率先获批自动驾驶卡车上路。2016年4月，戴姆勒公司安排旗下三辆自动驾驶卡车车队上路，从德国的斯图加特开到了荷兰的鹿特丹。不过使用场景尚且仅限于高速公路，且车上仍需要有一名驾驶员负责监督。

智能企业的边缘突进

在被通用收购前，Lyft已经和雪佛兰合作研发无人车。就连黑莓也在放弃手机行业后，转而投身于无人驾驶。这些接触汽车行业不久的互联网公司，急不可耐地投入无人车的研究，毫不顾忌行业老大哥的犹豫和踌躇。而更为激进的特斯拉在2016年就有超过10万辆能够超车、躲避障碍、自动进停车位的半自动驾驶汽车上路了。

“年轻人”的“跑酷”自然要付出一些代价，2016年1月，特斯拉自动驾驶汽车的第一起事故被证明在中国发生，尽管目前调查结果未定，但在行车记录中，这辆具有自动驾驶系统的汽车，面对前方明显的清扫车，没有减速迹象，导致追尾。2016年5月，特斯拉在美国发生一起事故，在强烈的日照下，自动驾驶系统未能识别到前方横穿而过的一辆白色集装箱货车，没有及时刹车，而货车车主也违背了操作规范，双手离开了方向盘。撞击致使车主丧生。2016年8月，得克萨斯和北京各有一位车主，或撞向高速护栏或与旁车发生剐蹭。事后分析都指向车辆的感知系统误检。

在撞击集装箱货车的事故中，由于横跨多个车道、车架高于地面，高亮度天空背景下的白色车身被视觉识别系统误认为是“白云”。北京剐蹭事故中，路边静止车辆被识别系统当作围栏，自动驾驶错估了安全距离，导致了近距离摩擦。应该说，这意味着对识别系统的训练还不充分。

优步则在未获得加州政府上路测试牌照的情况下，开始测试无人车。实验过程中因为闯红灯险些撞车而变成了一出闹剧。

在无人驾驶这条道路的同行者中，还有一些搁置了实时更新道路数据的技术路线，主攻嵌入式人工智能的解决方案，目标是让自动驾驶在不联网的情况下实现道路感知等。

这些不断跌倒又前进的尝试，更多地指向L3无人车。而对于下面提到的两位，L4才是雄心所在。

L4准入门槛极高，人工智能和高精地图信息不可或缺。因此，谷歌和百度占据了绝对优势。

2009年，谷歌在DARPA的支持下开始了自己的无人驾驶汽车项目研发。2014年12月，谷歌对外发布了完全自主设计的无人驾驶汽车。外观构造已经与传统汽车截然不同，取消了方向盘与刹车。2015年，这辆原型车已经可以上路测试，乘客只要坐在车中，就可以“坐等”车辆开动。截至2016年10月，这辆许多人用“萌”来形容的白色小车，已经进行了超过320万公里的公共道路测试，相当于人类司机300年的开车经验。

对于谷歌的野心勃勃，百度恐怕是最能理解的。几乎是同一时间，百度无人车也在加速前进。在中国移动互联网一片热闹的几年，百度却埋头无人车开发，来不及向外界解释，只有安全和学习成果演进在我们的注意范围内。那句“3年商用5年量产，要在2021年让无人车出现在地平线上”的宣言，并非媒体所称的“激进”，而是源自自身技术的召唤。

百度想做的也是“完全无人驾驶”，在技术路线上选择了几乎最难走的路：高精地图加传感器。与上述所有涉及L3的自动驾驶车高了几个数量级的难度。为此，“百度大脑”们一头扎进无人驾驶领域。

最初百度对该项目高度保密，直到2015年12月，百度无人车完成北京开放高速路的自动驾驶测试，外界才逐步知道百度在做什么。这次测试首次实现了城市、环路及高速道路混合路况下的全自动驾驶。百度无人车从位于北京中关村软件园的百度大厦附近出发，驶入G7京新高速公路，经五环路，抵达奥林匹克森林公园，随后按原路线返回。全程均自动驾驶，实现了多次跟车、减速、变道、超车、上下匝道、掉头等驾驶动作，完成了进入高速汇入车流到驶出高速离开车流的不同道路场景的切换。测试时行驶速度最高达到100公里/小时。

百度无人车的车顶装有一台64线激光雷达，通过持续地圆周旋转，对车身60米半径内的路况进行全景扫描。车辆两端和后方分别装有3个激光雷达，用于扫描邻近区域，弥补车顶雷达的视角盲区。这一连串的高分辨率激光雷达，构成无人车的“复眼”，对整体路况有了透彻的“俯瞰”，有助于实现在复杂交通环境下的自主驾驶。特别是针对交通拥堵、狭窄道路、小区和停车场等特殊场景，实现跟车、换道和交叉路口通行。

有了这些还不够，车顶前方还装有两个视觉识别摄像头，这样一双“眼睛”可以精准地识别交通信号灯、路面交通线和交通标志，弥补了激光雷达在雨、雪、雾等特殊天气条件下的“视力下降”，提高了对路标和信号牌的识别率。

从环境感知、行为预测，到规划控制、高精地图、高精定位，一辆无人车上集纳了当下多个领域最顶尖的技术。百度能在这么多的方向同时迸发，依靠的是在人工智能、深度学习领域的长期积累。当然，从无人驾驶技术的发展历程来看，今天百度无人车也可以说是立足在巨人之肩，每一台硬件设备都有过异想天开的“原型”。每一条技术路线都是全球无人车研究者在反复失败中提炼的“最优解”。

现在百度无人车还在中美两国进行着大量的路测。在百度的时间表里，2018年要实现百度无人驾驶公共汽车上路行驶载客。

一项技术从开始科研到落地使用，这不仅是百度的进步，也是中国制造的成就。从一开始，百度肩上扛的就不仅是“无人驾驶”的“小目标”。

在2015年的世界互联网大会上，百度展示的无人驾驶车就吸引了习近平主席的注意，习主席在百度公司展台的驻足时间超过10分钟，比原定时间长了3倍。中国工程院院士李德毅曾对无人车行业做出分析，他认为“以无人驾驶车为代表的轮式机器人将成为中国智能制造

2025的首张名片”。无人车不仅是“车辆”，也因其自身装载的设备系统，在商业化过程中将直接带动雷达、传感器、导航系统等产业的快速发展，为建立车联网和物联网打下基础。无人车自身的战略价值，已经远远超过了一个交通工具。

中国的交通场景丰富、人口众多、市场庞大。无人车不但能为整个交通模式带来变化，还有可能给中国带来智能地铁、智能公共系统等新事物。智能交通是系统性、革命性、颠覆性的变化，随着技术的狂飙突进，需要改变的可能是人们的思维模式。

陆奇说起过自己的一桩逸事，他玩过一种特殊的自行车，是倒着骑的，方向盘往左拐轮子会倒过来，这其实和人工智能也有点关系。学习有几种方式，有一种是体验式学习，比如学骑自行车会摔跤，但学过就不会忘记，而学了这个特别的自行车就不会骑原来的自行车。在为无人车制定法律时，人类要避免刻舟求剑，继续用有人驾驶时代的思维束缚未来。

苦练无人车的内功与外功

在了解无人车技术的历史和现实背景后，让我们从技术层面深入无人车的“视和听”。

在“视距”上，无人车较之裸眼具有绝对优势，驾驶员的安全视距一般在50米左右，而无人车依靠多种中远距雷达、摄像头等传感器，能实现200米以上的超视距扫描观测。

另外，无人车的“视觉”方面还要克服许多对人类来说不是问题的问题。为了让它能够从不同角度对汽车和周围路况进行判断，我们要教会计算机在动态中识别哪些是车、哪些是天空、哪些是树。深度学习在这一过程中起到了巨大作用。

目前，在用摄像头来判断物体这项指标上，百度无人车准确率达到90.13%，2016年同期为89.6%。看似只有0.53%的提高，但对于无人车乘坐者的安危，每一点进步都值得坚持。在判断行人方面，百度无人车的准确率达到95%，判断红绿灯的准确率达到99.9%。而它的未来目标是，判断红绿灯的准确率必须达到100%。

当然，对无人车来说，光会“看”是不够的，要保证安全，还要有敏捷的反应，要能“刹得住”。人类驾驶员，从遇到紧急状况到踩下刹车需要0.6秒。而汽车的刹车要发生作用，其油压系统传导还需要0.6秒。也就是说，一般的人类驾驶员需要1.2秒的时间把车刹住。而百度无人车从“发现”紧急情况到做出刹车动作只需要0.2秒。未来，如果电动刹车取代液压刹车，百度无人车有能力做到在0.2秒内紧急制动，这将比人类平均的1.2秒快了整整1秒，高速驾驶中，1秒可能就是救命的时间。

不论是静、是动，还是“表面”招数，在绝大多数的行驶过程中，车载的雷达、传感器、摄像头等要实时收集数据，在行车途中反馈到“百度汽车大脑”的服务器上，辅以GPS高精度地图，指导汽车以最佳路径行进。

在定位层面，百度地图2015年达到WiFi定位精度30米，室内高精定位精度1\~3米，定位速度0.2秒。2016年，百度无人车使用的高精地图精度是10厘米级，实际行驶中对路况判断的误差小到一根车道线的宽度，相比GPS定位，精度提升了两个数量级。

这一切也要归功于无数百度产品的使用者，包括那些调用百度地图API的用户。使用者在调取时，无形中就帮无人车刷新了数据，增加了一点“智慧”。