实践中的长尾问题，要到实践中去解决

但另一方面，自动驾驶最大的挑战来自于人工智能泛化能力不足。

虽然在日常训练中能够解决绝大多数头部场景中的潜在风险，但各种小概率的突发场景种类繁多。

曾有特斯拉电动汽车曾把前面侧翻的大货车的白色车顶误认为白云，毫不犹豫地撞了上去；还有特斯拉把前车排气管挂的红绳认作路障，这是自动驶汽车所要解决的无穷无尽认知问题的一个缩影。

技术上，自动驾驶领域通过提升算法和车路协同两条路径来解决问题。

利用算法来提升泛化能力，需要算法本身具有更好的透明性、可解释性，同时利用大量数据，不断迭代算法。

车路协同意味着在单车之外，从路侧开启一个“全景视角”。像“鬼探头”这样无论对于单车智能还是对于人类驾驶员都很难处理好的问题，通过路侧设备提供更多维度的信息和数据能得到解决。同时，车路协同也能够为自动驾驶进行技术上的冗余备份。

“遇到陌生的交通环境时，自动驾驶系统往往无法提供精准可靠的感知能力。相比之下，人类驾驶员不仅可以解决过往遇到的困难，还能够应对新的突发问题”，张亚勤指出，“不过，人类的驾驶能力不具备复制性，不同司机的驾驶水平可能相差较大，而可靠的自动驾驶系统则可以任意复制，这是人工智能的优势所在。”

经过100多年发展，人类驾驶的安全性提升空间已经很小了，而自动驾驶或许刚刚起步。

这需要人类更自信，到实践中去解决问题。

今年“两会”期间，全国政协委员、交通运输部科学研究院副院长兼总工程师王先进提出了关于“推动智能网联汽车商业化应用合规”的提案，他认为，我国关于自动驾驶、智能网联汽车应用相关法律法规的制定相对滞后，一定程度上制约了智能网联汽车的商业化应用。

（这次）北京发测试牌照，是需要的、可行的，应该把握“节奏”二字，王先进指出，在车路协同及数字化、自动化、智能化技术的安全性可靠性取得实质性进展的前提下，在合适的应用场景逐步开放。

清华大学计算机系教授及博士生导师、人工智能专家邓志东认为，颁发主驾无人的RoboTaxi（无人驾驶出租车）上路牌照，这是北京市在自动驾驶安全监管政策上迈出的重要一步。

邓志东认为，在自动驾驶的下半场，商业化运营十分关键。期待我们的政策规划与部署，不仅要能够跟得上美欧自动驾驶快速发展的步伐，而且还要能更加有利于尽早实现全无人车上路和自动驾驶产业的商业化落地，小步快跑，以点带面实现政策支持层面上的突破，同时又能够使相应的安全风险可控、可预期。

不发展是最大的不安全

在自动驾驶产业政策开放层面，美、德、日等传统汽车大国步子更大一些。

美国政府从1998年就颁布《面向21世纪的运输平衡法案》到今年3月发布《无人驾驶汽车乘客保护规定》，已经形成了较为成熟的自动驾驶汽车政策和法律体系。

德国2021年5月通过了《自动驾驶法》草案，已经成为全球首个允许无人驾驶车辆参与日常交通并应用在全国范围的国家。

日本也走在世界前沿，2019年8月，日本政府正式通过了《道路运输车辆法》修正案，为日本自动驾驶的实际应用提供了安全标准及责任归属，其相关立法非常细致。

张亚勤指出，在政策法规层面，客观地说，在全球范围内，其实都面临着一个同样的挑战——政策与监管滞后于前沿技术的发展。无论是测试、试运营、保险设计、事故责任认定甚至是用户的隐私保护等，政策法规的调整都是相对滞后的。

“但是，我倾向认为，自动驾驶事关生命安全，政策层面的谨慎应该远胜于激进”，张亚勤表示，而在这一方面，中国的政策环境是比较好的，中国用户对于包括自动驾驶在内的新技术应用普遍具有更开放心态，愿意拥抱新技术，愿意尝试。

中国优势：车路协同路线与丰富场景

当前，在自动驾驶方面，美国拥有强大先发优势，中国基于5G、算力等新型基础设施，以及丰富应用场景，正在奋起追赶，两国走在全球第一梯队，但路径、产业组织、开发模式并不相同。

美国在自动驾驶领域的研发是企业主导的，例如谷歌旗下的Waymo，通用汽车旗下的Cruise，特斯拉，以及大量的初创企业；其次，美国基本聚焦于单车智能；第三，美国自动驾驶在垂直领域的应用比较多。

张亚勤认为，差异的部分原因是美国各级政府对道路、交通等城市基础设施建设的影响力比较弱。中国能够进行车路协同是他们所羡慕的。

中国在自动驾驶领域既有类似百度、滴滴这样的头部科技互联网企业，也有大量的初创企业活跃。但值得指出的是，中国较早确定了车路协同作为智能网联的路径方向。

从系统的角度看，自动驾驶不单纯是汽车产业的问题，更需要与城市、交通、能源有效联动。这是中国的优势，这不仅对未来的自动驾驶有利，同时也可赋能存量的在用车辆，让整体交通更高效。

另一方面，丰富的应用场景为中国相关产业落地提供了广阔的市场空间。

头豹研究院汽车行业分析师张诗悦指出，中国自动驾驶当前正处于量产落地期，在乘用车和商用车两个领域落地，乘用车主要关注自动泊车和Robotaxi两赛道，商用车主要应用的场景包括港口、矿区、干线物流、末端物流、市政环卫和园区。

除了普通大众能够亲身感知的Robotaxi之外，商用车领域正在吸引大量行业关注，其场景大多为矿区、环卫、物流等劳动密集型行业。

在劳动人口减少的背景下，仅以“快递小哥”主要覆盖的末端物流场景为例，2021年快递业务量超过1000亿件，末端配送工作强度大，人员招聘困难，企业提升工资水平，致使快递员的平均工资远高于城镇私营单位的平均工资，出现“年轻人不愿进工厂”等社会现象。

自动驾驶可以解决物流行业劳动力供给不足的问题，在疫情等特殊场景下还有独特的社会价值。干线物流、港口码头、城市环卫等领域的情况基本相似。

头豹研究院预计，到2026年自动驾驶软硬件市场规模将达到2万亿元，年复合增长率超过16%，运营服务市场的规模将达到5.8万亿元，年复合增长率为6.6%。自动驾驶商用车合计市场规模近8万亿元。

张亚勤指出，无论是美国的谷歌（Waymo）、中国的百度，这些头部的企业之所以领先，就是因为他们进行了大量测试，成为进步的基础，而尽早扩大规模进行商业化推广运营，则意味着商业模式的成熟，也才能够支撑技术不断地进步。

我们应该看到，越是在生态整体迁移、重构的过程中，越是有大量的机会。由于汽车工业率先产生在欧美，这些国家、地区具有极大的先发优势，中国此前一直处在跟随者的地位，而在技术要素构成发生重大变化之后，中国的汽车工业和其他先发国家站到了同一个起跑线上，甚至在某些方面，中国更具优势。

人工智能不仅仅是自动驾驶，更是第四次工业革命的引擎，在前三次工业革命中，中国都是旁观者或者是跟随者，但这一次，我们有可能成为领导者，应当把握住这种战略机遇。