當北京上海的城市街頭被摩拜、OFO共享單車堆滿，大家還在聊“共享單車”這些話題時，硅谷的路上經常可以看到帶著激光雷達的無人車。在谷歌總部山景城附近，每天早上出門都能看到正在路測的谷歌無人車Waymo，經常有過往的人類司機會戲弄這些正在測試無人車。

通常，這些車上都坐著兩名路測員，一個負責緊急接管，另一個負責記錄。大部分時間，路測員都不會碰方向盤，任由無人車行駛，除非遇到緊急情況。

無人駕駛真的要來了嗎？在硅谷，我體驗了很多公司的無人駕駛車，其中不乏中國公司，感受了不同公司的技術能夠達到的成熟程度。這個問題不同的人給出的答案不一樣，很多車廠、公司說三年，并給出了量產時間表。然而，我也偶爾會在測試車上問那些無人駕駛的測試員，這些測試員有著兩到三年的測試經驗，能看見這些無人車每天每年的進步，我得到的答案是——50年。谷歌之前的無人駕駛負責人Chris Urmson也認為，真正的無人駕駛，至少還有50年的路要走。

到底是兩三年還是50年？現在的無人駕駛是噱頭，還是馬上就來了？這里我將拋開所有的概念，給大家仔細講解不同層級的技術。

園區內自動駕駛

在百度美國硅谷研究院，當我站在他們辦公室門口指定位置，一輛與普通車輛并沒有什么區別的小車向我開來，這次不同的是，司機抱住雙手，并沒有碰方向盤。這輛車將為我演示一段園區內部的自動接人與自動停車。

我上車以后，車在以極低的速度行駛，園區中有少量的行人穿梭，小車看見紅燈也會自動停車。當自動繞過園區以后，達到一個標有自動停車位的地點，我下車了。隨后，這輛小車繼續在司機不碰方向盤的情況下自動行駛，路過一個空停車位后，它在第二個空的停車位主動停下來，自動停車入庫。

百度內部人士告訴我，這個技術并不是很難，對設備要求也不算高。這是百度阿波羅技術與盼達用車合作的自動駕駛的應用場景，對共享汽車來說，找車與找停車位都是影響用戶體驗的痛點，技術可以讓這批汽車在園區中以極低的速度行駛。這項技術目前比較容易實現。未來，讓你家的汽車自己停車、找車位，成為可能。

高速部分自動駕駛

李彥宏在五環上的自動駕駛是作秀嗎？高速上場景單一，無行人穿梭，變量較小，是較容易實現無人駕駛的場景。未來三年內，高速上的跟車、變道技術隨著高精地圖的發展會越來越成熟。

如果在2019年買車，你會發現大量的車已經可以像現在特斯拉一樣在高速上自動跟車，進行簡單無人操控。比起現有很多現有車輛的自動跟車功能，特斯拉的車輛不需要有人完全掌控方向盤，也可以自動泊車。

百度與奇瑞合作的自動駕駛車輛，宣稱將在2019年量產。這款車與特斯拉有什么區別呢？它的特征是除了自動跟車，還可以實現變道，擁更廣泛的自動駕駛能力。這也是近幾年的大勢所趨。

僅僅多了變道功能，為了確保萬無一失，就需要加入高速上的高精地圖。高精地圖與普通地圖不同，普通地圖需要使用地圖車，每次掃描十米的數據就可以把地圖輸入，而高精地圖需要精確到厘米，一輛高精地圖采集車，成本上千萬元，因此高精地圖的成本也居高不下。

比資金成本更難的是，地圖采集是高度管制和需要牌照的行業，如果有了一座城市的高精地圖，導彈可以定位到這個城市的每一棟樓具體的窗子，這也是為什么就算谷歌無人駕駛再先進，也難以進入中國市場。政府不會開放地圖這種核心能力給外資公司。

高速上自動駕駛的難點是，因為車輛行駛速度快，對激光雷達的要求更高。因此安全是一個更需要關注的問題。如果需要量產，車輛并不會配備現在造價高達幾萬的激光雷達體系，受天氣、光線影響較大。

固定區域自動駕駛

在硅谷的Sunnyvale小鎮，這里分布著很多無人車的駕駛公司，道路較為簡單，少有行人穿梭，很多無人駕駛公司都會在此區域路測。在這里體驗了百度的無人車之后，很多記者分不清阿波羅2.0與1.0的區別，這次硅谷的試駕與半年以前百度在烏鎮大會的試駕有什么區別。

核心不同是烏鎮互聯網大會是在封閉環境中進行的無人駕駛測試，硅谷是在開放的真實道路上實現的，可變因素更多。這次技術升級，可以讓百度的無人車在簡單的城市道路上實現無人駕駛。百度無人駕駛的速度有多快？6個月以前，阿波羅系統需要30分鐘設置好，現在，只需要30秒就可以設置該系統。

百度總裁兼首席執行官陸奇在CES上也展示了一輛沒有方向盤的金龍客車，沒有方向盤的車真的會在兩三年內進入道路行駛嗎？百度副總裁鄔學斌認為，2018年在一些限定的場景下，這種限定場景，介于園區與簡單開放的城市道路之間，小規模的量產可以出來。

谷歌無人車也在美國第五大城市鳳凰城附近的郊區開始免費搭載人了，這個城市氣候溫和，常年陽光明媚少雨，但只是局限在鳳凰城附近的一些小鎮Chandler。這次載客司機座椅上沒有人，只需要乘客在APP上叫車以后，在車上點擊開始按鈕，遇到緊急情況點擊結束按鈕即可。中國雄安在做城市規劃的時候，已經將為無人駕駛設計的道路考慮到藍圖里，景馳也將在安慶投放50輛車做測試。

未來，無人駕駛的實現不是一蹴而就的，而是一個個限定區域、限定路線、限定城市實現的。這與高精地圖的投入密切相關，在汽車機器人占領城市以前，會有一個混合時期，無人車與人駕駛共同上路。這期間，會出現專門為無人駕駛道路規劃的城市設計。從城市規劃的角度，需要政府部門的大力參與，中國無人

駕駛很可能彎道超車。類似于谷歌這種在個別城市固定路段投放的無人駕駛車，也會越來越多。

完全無人駕駛

可以把這個無人駕駛理解成為司機座椅上不用坐人，在開放的道路上可以自由行駛，這個技術可能5年內到來，也可能50年才能到來。

如果把無人駕駛技術拆分來看，需要車有能夠識別路面情況的激光雷達和攝像頭，拋開激光雷達高昂的成本不提，還需要能夠在大量的樣本中知道，哪些是樹、哪些是人，哪些是卡車。曾有一位無人駕駛的頂級技術人員告訴我：“無人駕駛首先要能看見，所有感知出了問題，都是大問題。”

谷歌無人駕駛做了8年，當它到美國南部州的時候，發現車輛不會識別紅綠燈，原因是加州紅綠燈是豎著排列的，而南部的紅綠燈是橫著排列的。更難的是，曾經一家做視覺識別的美國公司，當把它的算法引入中國時，不能識別路上的卡車。美國的卡車后面是完整的大車箱，而中國卡車的樣子各不相同，有的是用一塊布把貨物罩上的，還有開放式的。美國的高速公路上經常會有鹿這類動物竄出，能不能識別動物與人，各個地方的鹿長的不一樣，都會成為無人駕駛的考驗。

如果無人車無法在開放環境中“看到”路上的情況，更不用說根據路面情況去做“決策”來處理分析。這些突發情況的識別與處理，都需要大量的數據去訓練模型和算法，因此，數據成為無人駕駛公司們最核心的資產。

無人駕駛技術最先進的公司谷歌正在研發完全無人駕駛，已經增加無人車的投放，通過一些局部地區的測試來收集數據，百度也希望通過阿波羅平臺與其他公司的合作收集數據。科技公司終極目標都是實現完全無人駕駛，盡管它的實現還處于理想狀態，但這些中間形態的無人車，很快就會走進我們的生活。