2016年夏天，美国一辆特斯拉Model S电动汽车在途径十字路口的时候，撞上了一辆正在左转的卡车。Model S的前挡风玻璃撞进了卡车底部，驾驶人也因此死亡。这并不是一起普通的交通事故，科技媒体早已对它进行了铺天盖地的报道：这是特斯拉自动驾驶系统Autopilot系统发布以来的第一起致命事故。

 根据媒体报道，事故发生时的路况良好，路面干燥，天气和环境都不算恶劣。这说明当时的路况没有问题，并不存在因为路面湿滑等客观原因导致的车辆失控。因此，问题只能出在自动驾驶系统上。最后特斯拉的调查发现问题在于Autopilot的识别能力：在强烈的日照条件下，驾驶员和自动驾驶都未能注意到拖挂车的白色车身，因此未能及时启动刹车系统。由于拖挂车正在横穿公路，且车身较高，这一特殊情况导致Model S从挂车底部通过时，其前挡风玻璃与挂车底部发生撞击。

 那么这次事故中的"肇事者"Autopilot自动驾驶系统到底是一个怎样的存在呢？它或者它的小伙伴们又将在不远的将来给我们的生活带来怎样的变化？

 在说自动驾驶前，我们不妨来说一点这方面的背景知识。很多媒体喜欢把 Autopilot 翻译成自动驾驶，其实 Autopilot 这个词来源于飞机、列车、轮船领域的辅助驾驶系统，引用维基百科的定义：An autopilot is a system used to control the trajectory of a vehicle without constant 'hands-on' control by a human operator being required（自动驾驶是一个用来控制载具运行轨道而无须人工一直干预的系统）。而我们常说的自动驾驶汽车，无人驾驶，其实是另一个单词Autonomous car，引用维基百科的定义：An autonomous car is a vehicle that is capable of sensing its environment and navigating without human input（自动驾驶车是能自动感应周围环境并且无需人干预而自动导航的载具）。两者很主要的区别是人的参与度，前者需要人参与，而后者完全不需要人参与。

 所以Tesla 的Autopilot系统事实上是一种辅助驾驶系统，主要目的是节省驾驶员精力，在无须驾驶员连续干预的情况下，自主完成既定的部分航线。让你能够在驾驶过程中放会儿手，休息休息。

 在自动驾驶领域当今的领先者是 Tesla，而Tesla的背后又隐藏着一个重要的功臣—— Mobileye。这是一家创立于以色列的公司，专注于 ADAS（高级辅助驾驶系统）的软硬件开发，其特有的 EyeQ 视觉识别芯片以及 ADAS 软件被应用于多家汽车厂商，其中最近的 EyeQ3 芯片几乎卖给了所有的世界知名汽车厂商。

 Mobileye 技术的独到之处在于：自由空间标记、启发式路径寻找、道路避障和路牌识别。由于Mobileye 的视觉识别芯片被广泛应用于汽车领域，所以 Tesla 在设计第一代自动驾驶系统时便寻求了与 Mobileye 的合作。虽然Tesla向Mobileye采购了专用视觉识别的芯片，但却没有完全采用 Mobileye 的软件，而是通过自己的软件结合 Mobileye 以及 NVIDIA 硬件最终实现了自己的自动辅助驾驶 Autopilot。

 在本文一开头提到的事故中紧急刹车之所以没有及时启动，是因为自动驾驶系统没有发送开启指令，自动驾驶系统没有发送指令是因为给予当时摄像头采集的画面，误判横行而过的卡车是横在路上的路牌。正是这一点暴露了 Mobileye 技术的几个不足：

 （1）Mobileye 的摄像头接受的是光的反射，如果摄像头效果受影响，例如在黑暗场景中没有了光线，那么识别能力大打折扣。

 （2）Mobileye 的摄像头获得的是 2D 平面数据，需要图像识别的加工才能得到有价值的 3D 场景。

 （3）Mobileye 的摄像头方案对道路场景的变化反应有限，全靠即时的系统自主判定。

 （4）Mobileye 的摄像头数据获取是一种被动的方式，它搜集的数据都是已经发生的事，并且还有延迟。

 所以这起车祸时，摄像头刚好遇到太阳下山时强烈的背光导致识别能力不足，收集到的数据不完备，而这不完备的 2D 数据又经过图像识别加工成错误的 3D 场景，让车误判了前方的路况，从而酿成惨祸。

 说完了 Tesla 自动辅助驾驶技术的来源，我们现在来看看 Tesla 的自动辅助驾驶是怎样一种技术，又是如何炼成的。在看之前，我们不妨回顾一下目前汽车界对自动驾驶等级的定义：参照美国的标准，其中 NHTSA 是美国国家公路交通安全管理局，SAE 是美国汽车工程师协会。

 目前 Tesla 的自动辅助驾驶 Autopilot 达到了第二级，部分实现了第三级功能，未来将向完整实现第三级乃至第四级迈进。当前工业界和学术界对自动驾驶的实现方法来说主流是摄像头和激光雷达，再加上微波雷达为辅助使用，通过这三者的综合运用，再通过相应的软件算法去处理这些设备收集而来的数据，最后在得出所需数据。

 这三个探测系统中，微波雷达的穿透力很强，不受雨雾等环境影响，也不受限于光线，但是生成的 3D 环境图精度有限。

 激光雷达的穿透力其次，但是可以生成 3D 影像图，缺点是成本巨大，同时体积也是个需要解决的问题，多为学术界和研究时的标配，在量产路上一直困难重重。

 摄像头没有穿透力，需要光线，只能获取 2D 图像，3D 环境建模只能靠算法理解，一旦获取的图形有误差，会极大的影响最终分析结果，好处当然是成本非常低，而且技术普遍被工业界研究，例如 Mobileye，NVIDIA 等图像识别巨擎。

 从这个仅仅用于探测的路况识别系统我们就可以发现自动驾驶其实是一整套套件的合集。Tesla在实现自动驾驶的过程中采取了逐步开放的策略，每次开放一点，最后完整成一体才有了我们现在看到的自动辅助驾驶系统。这其中每一次更新都经过了内部测试，封测，路测，验证以及更新到实际 Tesla 车队，再通过车队反馈数据进一步加强自动辅助驾驶。

 所以不同于 Google、Apple公司的做法，Tesla抛弃了闭门造车搞无人驾驶的做法，转而采用的是一种迭代和渐进式的方式。有几个重要的数据：从自动辅助驾驶硬件开始收集道路数据开始到 2016 年 5 月，Tesla 收集了 12.5 亿公里的数据，从自动辅助驾驶激活到 2016 年 5 月，Tesla 收集了 1.6 亿公里的数据，每天会记录 420 万公里的数据（现在这个数据已经扩大到 500 万公里），只需要大约 6 小时便可以收集 100 万公里数据。Google 的自动驾驶汽车，从立项到现在 4 年一共也就积累了不到 250 万公里的数据。Tesla 只需要 15 个小时便达到了…… 这指数级的差别注定了多家公司在自动驾驶领域的技术迭代速度。数据积淀的优势或许会令Tesla长时间的走在无人驾驶领域的前列。

  从技术层面上来说，自动驾驶汽车要想安全、自由地行动，除了作为"腿"的机械部分作为执行层以外，更需要拥有自己的"脑"和"眼"，即实现运算控制的软件部分（控制层）和实时定位、障碍物检测的硬件部分（感知层）。其中，负责位置与环境信息输入的硬件设备是其他两个层面的基础，但是，现有的技术还远远无法满足市场的要求。

 正如上文提到的特斯拉采用的也还是毫米波雷达+摄像头的方案。由毫米波雷达探测障碍物，并由摄像机通过深度学习进行判断。然而，廉价的毫米波雷达精度不够，甚至无法对行人进行感知。作为补充，由光学摄像头对周围环境进行二维拍照，再通过算法生成物体的形状、距离。然而受限于光线等因素，其判断并不可靠，2016年夏天的事故也印证了这一点。

 但这块技术上的"坚冰"似乎在被慢慢溶解，一个颠覆者正在出现。2016年8月，一家名叫Quanergy的公司在完成B轮融资后，估值超过15亿美金，一跃加入新晋独角兽的行列，更是被评为2017年CES智能汽车类最佳创新大奖。与此同时，其最大竞争对手、行业的开山鼻祖Velodyne则完成了1.5亿美元融资。他们都在生产一种叫做"激光雷达（LIDAR）"的产品——自动驾驶的核心技术之一。

 激光雷达的穿透力其次，激光雷达与普通雷达工作原理相似，均是发送电磁波，再记录下电磁波被反射回来时的时间与角度，对周遭物体进行感知。与普通雷达主要的不同是，激光雷达使用几百至一千纳米左右的激光，远远低于普通雷达的波长。而雷达的精度与波长息息相关，波长越短，精度越高。

 这一技术的源头来自于航天以及军事领域，因此成本巨大，甚至达到整车的成本，同时体积也是个需要解决的问题。此前该技术在自动驾驶领域，多为学术界和研究时的标配，且被认为在量产路上还需要很长的时间。

 如果激光雷达想要赢得市场，其价格必须下降到100美金的级别，而且，必须可以量产。几万美金到几百美金，成本想要下降1000倍就必须改变传统激光雷达系统里最复杂的部分：精密又需要人工调试的机械旋转结构。这一过程被称为激光雷达的"固态化"。类似于硬盘从HDD到SSD的进化，这里的固态化所指的并不是把什么液体变成固体，而是将激光雷达中复杂的机械结构变成芯片一样的静止、且可以大量生产的结构以降低成本。

 激烈的市场竞争之下，通常技术的变革会来的更快，就在2016年，初创明星公司Quanergy发布了"世界第一款面向自动驾驶汽车的固态激光雷达"，其售价只有250美金左右。与使用机械结构进行旋转不同，Quanergy使用的是另一条思路：用可以调节激光相位的发射器阵列来改变激光的角度，用电磁的方法实现扫描。核心技术原理就是军迷们耳熟能详的相控阵雷达的思路。

 多数行业分析师认为最近的两年将会成为激光雷达成为低成本、可靠的大规模产品的转折点。事实上，在这个方兴未艾的蓝海里，玩家还有许多。美国的TriLumina、Princeton Lightwave，德国的IBEO和Osram，以色列的Innoviz，荷兰的Innoluce以及加拿大的Leddartech等一干公司也分别在100美元级别各显神通，激烈厮杀。在这场游戏中，中国也不甘落后。除了积极布局的百度，以镭神智能、思岚科技创业型公司以及巨星科技、大族激光等为代表的中国企业也在苦苦追赶。或许鉴于技术人员人力成本等优势，在未来上演后来居上的戏码也未尝不可能。

 从科学上自动驾驶已经被证明能提供比手动驾驶更高的安全性，这样的系统只比人工好1%，那么一年车祸导致的 120 万人里面，新系统也能拯救一万两千人。虽然这个新事物正在毁誉参半中一步步前行，但相信它所经历的一次次苦痛，正是为了迎来化蝶而出的那一刻。