本來，對自動駕駛的討論正日趨熱烈。國內自動駕駛的商業化落地，在緊鑼密鼓地進行；上海和北京相繼發放路測臨牌；幾乎所有涉足自動駕駛領域的公司都不約而同地提出，2020年將是真正的節點，自動駕駛汽車將實現量產。
但是壞消息隨之而來。3月18日，全球首例自動駕駛汽車在公共道路上撞擊行人并致死事件發生。當日晚10點，一輛Uber無人駕駛車在美國亞利桑那州坦佩市與一名正過馬路的行人相撞，后者不治身亡。受此影響，Uber已全面叫停美國各個州的路測。
幾天后，在美國加州，一輛特斯拉Model X在自動駕駛狀態下高速撞上路邊護欄。事故涉及三輛汽車，特斯拉車體發生爆炸，車主死亡。
影響在繼續擴大。豐田暫停在美自動駕駛測試。英偉達在GTC2018上發布了全球最大的GPU后，也中止公共道路測試——其股價應聲大跌。
在大眾心目中，“無人駕駛汽車”由那個可以帶你飛的老司機，轉身就變成了馬路殺手。
這一連串事故，是否會導致一個行業“變涼”？要“涼”的，會是Uber和特斯拉，還是整個自動駕駛的商業化進程？
官方公布的視頻顯示，Uber車禍發生前，受害者已經推著自行車緩慢橫穿了三條車道，并非傳說中的“鬼探頭”，Uber的自動駕駛汽車沒有第一時間檢測出行人。
故障原因仍然在調查中——車輛能發現行人并且及時采取措施避免事故，是自動駕駛技術的核心。
事發時，該車時速達到了40英里/小時，而那條街道限速35英里/小時。盡管當時是夜間、光線不好，但這不應當成為它沒有采取任何措施的理由——這輛測試車上安裝了7個攝像頭和1個高線束激光雷達，谷歌無人車團隊顧問Brad Templeton認為，對于激光雷達和視覺系統而言，當時情況并不是非常復雜，正常的話，車輛應該在50米處（2.7秒內）檢測到受害者，并且立即強制剎車。最近的情況，車會在距離人2-3米的地方停下。
當前自動駕駛的主流技術方案，往往是激光雷達、毫米波雷達和攝像頭等的融合。車頂的激光雷達和前置雷達識別汽車周圍環境，光學攝像頭通過計算機視覺算法識別圖像、了解汽車行駛場景。傳感器收集到的外部數據傳送給中央計算單元——它是自動駕駛汽車的“大腦”，創建完整的環境圖像，統率整個汽車的避讓流程。避讓方案的設置，需要大量的AI算法做支撐，保障運算的精度和速度。
安全行駛的背后，是芯片、傳感器、AI算法、處理系統、高精地圖乃至車輛自身的系統，任何一點上的能力缺失，都可能釀成一樁令人心驚的事故。
自動駕駛技術自身就形成了長長的產業鏈條，不同類型的創業公司星羅棋布在這條長長的賽道上不同的領域內。近兩年自動駕駛領域持續發生一樁樁天價融資、人才大戰，包括自動駕駛專用芯片的提上日程，背后是對研發的重金投入、對技術專利的重視爭奪。
互聯網時代的“以資本換時間”，在這樣一個產業里，是不存在的。
Uber的事故里，究竟是Uber的雷達故障，還是算法沒有到位，現在還不清楚。但是有一點是被很多人認可的，那就是Uber走得太“急”了。
對于Uber的事故，我們大概可以說上一句：“怎么又是你”。大約一年前，還是Uber的自動駕駛汽車，還是在亞利桑那州坦佩，與一輛人類駕駛汽車相撞并側翻。幸好沒有人傷亡。當時警方認為，Uber的測試車處于正常行駛狀態，另一輛車沒有及時減速，是罪魁禍首。
再追溯到2016年，Uber在舊金山部署了一個自動駕駛汽車車隊，但沒有獲得監管者的批準。在與當地車管局爭論的過程中，上路第一天，Uber的車就闖了紅燈。事后Uber辯稱是駕駛員操作失誤，但《紐約時報》卻指原因是Uber的系統無法有效識別紅綠燈。
總的來看，無論是總里程還是測試中的人工干預次數，Uber與競爭對手之間，都存在較大差距。美國媒體ReCode在去年3月披露的Uber無人車部門內部文件顯示，2016年12月，Uber自動駕駛車輛行駛里程數為20000英里/周，平均每0.8英里(1287米)就會出現問題，每196英里出現一次可能造成傷害的事故，均需要駕駛員干預，平均每1.9英里一次“糟糕的體驗”。
以時速60英里計算，這意味著Uber無人車中的人類司機，不到一分鐘就需要控制一下車輛。而截止到2016年11月，谷歌無人駕駛汽車行駛里程超過300萬公里，能夠查詢到的數據顯示發生了 25次事故，基本都是人為原因撞上谷歌試驗車導致，無重大人員傷亡。其中只有2016年2月發生的一起車禍，谷歌承認由自己的無人駕駛車輛負責。
特斯拉也一樣。2016年5月，一輛特斯拉Model S型轎車在自動駕駛狀態下撞上一輛拖掛車，駕車人死亡。
2018年3月30日，特斯拉宣布，因為轉向系統零配件缺陷召回12.3萬輛特斯拉Model S，占特斯拉目前全部產量28萬臺的不到一半，大約是過去兩年多的產量。在最近的事故發生后，這次召回的負面影響顯然也更為擴大。
一次次不幸的事件，給我們的最大啟示是，這個領域，具備了技術積累、工程能力等“硬實力”，并且對生命敬畏的玩家，才有資格進入。
Uber內部卡耐基梅隆大學的技術派與Otto系的爭論，Uber和Waymo曠日持久的官司，都顯示出，在自動駕駛上，它操之過急。
近兩年，國內的自動駕駛，也已經走上了“快車道”。這里有傳統汽車廠商和各種解決方案提供商的聯手，有互聯網巨頭的加入，有創新創業公司們在整車解決方案、傳感設備、高精地圖等方面的試水。
無人駕駛帶來的想象空間，巨大。
汽車產業正面臨新的挑戰。新能源汽車在動搖內燃機汽車的地位，Uber和滴滴的打車模式在改變大眾的出行方式，移動和車聯網逐漸成為下一個汽車時代的主題。以此為基礎，自動駕駛蘊含著改變未來商業模式、就業、城市基礎設施等的能量。
2016年，前英特爾中國研究院院長吳甘沙宣布，離開工作了16年的英特爾，成為馭勢科技的聯合創始人、CEO。去年，發布了針對城市空間的無人駕駛電動車后，他曾對黑智表示，自動駕駛的背后，是多個至少萬億規模的市場的疊加。
滴滴、共享單車、阿里和美團點評已經徹底改變了出行市場格局，不過，即使是它們，也遇到了“人貴”、“人缺”的瓶頸。共享經濟能在一定程度上解決這個問題，但又要面對資源使用率和管理成本。而自動駕駛，在提升社會效率、降低人力成本上，前景廣闊。
伴隨著無人駕駛技術的發展，城市空間的變革也可以期待——停車空間節省、加油站空間壓縮，每一輛車，則可以開拓成更新的商業空間。由汽車主機市場和出行拓展開來，零售物流、商業地產、能源市場以及衍生的其他市場，都將因此而改變。
“智能駕駛是鏈接產業最多的賦能技術。”吳甘沙說。
在物聯網時代，車輛不再僅僅是代步工具，能夠被賦予更大的含義，將和電腦、手機一樣，成為新的終端。智行者科技創始人張德兆對黑智說，在未來，智能車輛將靠“服務”來獲得收益。迅雷創始人、松禾遠望資本創始合伙人程浩也曾告訴黑智，這也是滴滴和百度“終有一戰”的原因。
于是就能理解，為何不同領域的巨頭們也爭相切入這個市場。除了BAT和大型車企，滴滴日前也公布了在自動駕駛領域的進程；王興最近也表示，美團會逐步開展自動駕駛的研發；華為代號“RoadReader”的自動駕駛項目剛剛曝光，用Mate10 Pro手機即可操控一輛保時捷。
但Uber的事故，讓走在快車道上的自動駕駛公司們，開始 “降速”。事故發生后，豐田、英偉達、nuTonomy等公司已表示將暫停車輛路測。景馳科技CEO韓旭在朋友圈發言稱：“我們做自動駕駛一定要有敬畏之心。我一直反對大干快上。這也是為什么我在各種場合跟各種咖位的專家吵了無數架：一定要堅持有冗余的多傳感器融合方案。以目前的計算機視覺技術，任何狂吹自己深度學習多么牛，只用攝像頭就可以低成本做自動駕駛的都是耍流氓。”
“整個業界需要從事故中分析原因，使得系統安全性進一步提升。”地平線創始人余凱也表示。 “同時新技術企業一定要對生命安全有敬畏之心，避免過分樂觀，踏踏實實投入技術研發，特別是安全性的測試驗證。”
這是事故帶給大眾的恐慌，也是在自動駕駛上砸進了近百億美元的車企們的擔憂。
事實上，人類的“馬路殺手”也層出不窮，為什么無人駕駛出現事故，會讓我們如此擔心？
斯坦福大學汽車研究中心執行主任Stephen Zoepf曾分析說，在對待無人駕駛時，人們的心態，和看待人類司機完全不同。簡單來說，就是我們無法對機器產生“共情”心理。人類司機發生事故時，我們或許會想“如果是我可能也無法避免”，但對于機器，大多數人只會希望它是完美的、應該比人類做得更好。
只有人類才會“疏忽”，一臺機器出現錯誤，在大眾眼中，那是故障。
當然，還有一層更深的恐懼，來自于人們對汽車避讓規則的“道德感”的不信任。
我們不理解機器，機器也不會對人類產生同情心理。當我們把一切交給機器決策時，在它眼里，每一個生命，都只是一個冷冰冰的與“生存幾率”相關的數字。Uber的車禍令我們擔憂，機器會不會毫不猶豫地做出這類足以令人類良心備受譴責的選擇：在確保車主或者汽車更安全的理由下，犧牲行人的生命。假如你是自動駕駛汽車里的乘客，或者行人，你希望機器按照什么法則來決定“犧牲”的先后順序？
然而，恐懼歸恐懼，我們還是不得不面對這樣一個事實：交通部長趙小蘭幾乎在每次關于無人駕駛的公開演講中都要提到，美國每年持續增長的交通事故量，以及94%的事故是由于駕駛員的失誤。
技術達到何等水平，無人駕駛汽車才足夠安全、可以上路？也許，它并不需要完美得無可挑剔。哥倫比亞大學人工智能實驗室主任胡迪·利普森（Hod Lipson）在其2017年出版的《無人駕駛》一書中提出，只要無人駕駛汽車的安全記錄能夠超過人類駕駛員的平均水平，那它就是足以“造福人類”的。平均來看，每20萬英里，人類駕駛員就會出現一次非致命性碰撞，那么只要無人駕駛技術在安全性上優于人類駕駛員兩倍，就可以了。
Uber致死事故后，美國加州仍然通過了允許完全無人駕駛汽車測試的規定。技術代替人力的大趨勢，不會因為事故停下腳步。
“就像人類推進航空事業也曾付出代價一樣，自動駕駛技術的研發進程不會一帆風順，但人類推進自動駕駛讓交通出行更安全更便捷的時代趨勢不會改變。自動駕駛既不會像很多人想象的那樣像場狂歡，技術成熟一蹴而就，也不會因為出現幾次事故就停止前進的步伐。”余凱說。
特斯拉和谷歌為自動駕駛的商業化做出了不懈的努力。
資深撰稿人蒂莫西·李（Timothy B. Lee）曾在國外媒體Vox撰文稱，自動駕駛包含了一個重大的隱患：我們會太容易變得依賴新的技術，從而不再留心路況。特斯拉當前對于無人駕駛的處理方式是，讓帶有半自動化駕駛功能的汽車提醒駕駛者注意路況。2016年的那起撞擊事故后，特斯拉更進一步規定，如果司機連續三次忽視警告，在剩余的行程中他就不再能夠使用Autopilot功能。
對此，谷歌的結論是：輔助駕駛是個解不開的局。它的解決方案是直奔全自動駕駛——不需要人類司機的干預。Waymo正著手嘗試，在沒有人類駕駛員看護的情況下，讓乘客試乘無人駕駛出租車，先期將于2018年下半年在亞利桑那州Phonix上線。 2017年4月，Waymo推出“早期乘客計劃”，讓Phonix的真人用戶使用應用來打車，當然，為了以防萬一，出行過程中還是有真人在操控。同年11月，Waymo的項目升級：無人駕駛的小型空貨車被送上了Phonix的街道。
但是，自動駕駛距離乘用車的大規模商用，仍然很遠。
在自動駕駛背后的萬億市場商機中，和乘用車并列的商用車，由于環境復雜度相對較低、技術難度較小，成為自動駕駛落地初露曙光的領域。
吳甘沙曾經提出：“兩到三年內落地的可能性，只有兩個：一個是高速公路的L2、L3級的自動駕駛，還有一個就是限定場景的、低速的無人駕駛。”2017年，馭勢科技的無人駕駛電動車在廣州白云機場、杭州來福士購物中心等地開始了持續的技術驗證和試運營服務。
在環衛清潔領域，autowise.ai（仙途智能）推出了無人駕駛清潔車，包括6米長的中型車以及3米長的小型車。2017年9月，智行者科技聯合百度Apollo平臺推出的無人駕駛掃路機蝸小白，在北京園區落地運營。這款掃路機采用了Apollo平臺的高精地圖及定位技術，海德專用汽車提供的掃路機主體，以及智行者無人駕駛整體解決方案，可以在公園內進行常態化作業，實現自動避障、定點起停、自主掃地等功能。
在此之前，智行者還曾發布蝸必達-無人配送物流車，進入物流的“最后一公里”領域。
另外一個重要的切入點是貨運。高速公路上的卡車貨運，對于人類而言險象環生，但對于自動駕駛系統，“公路駕駛遠比城市環境要容易得多。”圖森未來創始人陳默曾對黑智表示。高速上路況更為簡單，車速穩定，自動駕駛能讓長途駕駛的貨運司機得到充足的休息，降低事故概率。截至目前，圖森未來的L4級無人卡車，已經在河北曹妃甸完成了2萬公里的真實環境路測，時速可以達到90公里。
4月3日，圖森未來對外公布了一段無人集卡車隊在港口內作業的測試視頻：在港口碼頭上，一組由陜汽X6000組成的圖森未來無人駕駛集卡，能夠在碼頭吊臂下精準停放，進行裝貨、卸貨，并可以自動避障和變換車道。圖森未來向黑智透露，目前已有5輛無人集卡在進行測試，今年年底將達到25輛左右。
不久前，前滴滴研究院院長何曉飛離職，創辦了自動駕駛貨車公司逐影科技。
自動駕駛在飛速發展，但愿它不再帶來“殺人”的消息。