自动驾驶发展的五个层级和立法思考

导读：自动驾驶正在逐渐从科幻走向现实，虽然我们距离自动驾驶全面到来还有相当长的距离，但自动驾驶的周边产业和配套设施已经提上计划日程。

著名社科学者尤瓦尔·赫拉利在其简史系列的最新一作《今日简史》中曾提到：“自动驾驶时代的交通法，可能是人类有史以来唯一被100%精确执行的法律，因为执行它的不是懂得变通的人类，而是完全不懂变通的机器。”

这意味着，在自动驾驶的设计与制造中，法律成为了社会伦理与算法之间的纽带。一些诸如“电车悖论”这样持续数百年的伦理讨论，需要得出一个可以公允的答案落实为法律，再以代码的形式写入算法的“大脑”。

众所周知，业界将自动驾驶分为 L1 - L5 五个等级，而在法律人看来自动驾驶立法对应这 5 个等级的落地也分为四个发展阶段。

2018年9月13日，中国法学会研究部与腾讯研究院共同举办第二期“法律人的互联网思维”系列研修会，问题聚焦自动驾驶汽车的技术、产业和法律维度。

以下为演讲嘉宾厚势汽车创始人、CEO邓煜坤，中国电子信息产业发展研究院（赛迪研究院）政策法规所副所长栾群的分享内容。

01

邓煜坤先生作为产业界的代表，向与会者介绍了全球及我国自动驾驶汽车产业的发展现状与市场展望。

厚势汽车创始人、CEO 邓煜坤

自动驾驶是多种高精尖学科和技术在车辆上的融合。作为近年来科技领域的一门显学，自动驾驶的概念在市场上被炒得火热，今天这里自动驾驶汽车量产，明天那里自动驾驶汽车投入运行。

但就目前来看，这些不用上税的宣传，和实际的情况存在不小差距，普通乘客日常方便地搭乘完全无人驾驶的智能汽车出行，至少在五到十年间是不容易实现的。

多家媒体报道，曾经以宣传“自动驾驶”为卖点的特斯拉，也因为存在误导消费者的嫌疑导致交通事故而不再其中文网站上使用“自动驾驶”来描述其Autopilot功能，因为严格说来，称其为“辅助驾驶”更贴切。

关于自动驾驶的分级，目前国际上普遍认可的是SAE（国际汽车工程师协会）的标准，分为L0-L5，共六级，SAE在2018年6月份对该标准做了最新的修订。

L1之前是L0级，意味着完全为手动人工操作，系统最多只提供一些辅助的警告和信号，比如倒车时候的雷达提醒、行车时候的距离提醒；L1便有一些辅助功能介入驾驶操作，可称为辅助驾驶。

比如自适应巡航、自动紧急刹车等，系统开始对车辆有主动的操控行为；L2系统能自动驾驶车辆，但驾驶员要时刻保持注意力，随时准备接管汽车的驾驶。

L3的自动驾驶实现了较高程度的机器操作，驾驶员可以完全放弃操控，只有在少数情况下需要接管汽车；而L3与L4间存在着巨大的鸿沟，即方向盘完全消失。

L3系统需要考虑人机协同，人类操作和机器操作的切换，L4则不考虑人类介入车辆的操作。到了最高的L5就实现了道路车辆的完全智能化。

与之类似，我们的交通大社会也相应可以分为若干阶段。

L0级智能交通社会，所有的车辆没有任何智能和自动化；L1级智能的交通社会，在局部已经有智能车辆和自动驾驶车辆出现，比如现在的地铁就有自动驾驶的，有些车辆也增加了智能的元素。

L2级智能交通社会，自动驾驶汽车开始批量驶上马路，自动驾驶车辆能很大程度上解决人们的出行问题；到了L3级别，整个社会主要的交通和运输，主要由自动驾驶车辆完成，少数情况需要人类驾驶和干预。

L4是完全自动+智能的交通社会，各种路况都不需要人类干预，没有路就插翅而飞，逢山越过，遇水潜行，人类实现完全自由自在的出行。不过这个时代可能会很遥远，就像数的无穷大。

下面我们简要回顾了自动驾驶的发展历史。

最早的自动驾驶尝试，来自于军事需求。

1984年，美国国防高级研究计划局（Defense Advanced Research Projects Agency，简称DARPA）与陆军合作研发自动驾驶车辆，DARPA从2004年开始推出无人驾驶挑战赛，将自动驾驶推向一个社会（主要是各计算机顶尖高校，如斯坦福、伯克利、CMU）多方参与的新台阶。

近年来，随着人工智能技术的发展，自动驾驶概念获得了商业机构的疯狂追捧。

包括特斯拉、通用汽车、Uber（优步）、Google（谷歌）在内的汽车、互联网公司，纷纷重金投入自动驾驶方面的研究与开发。

厚势汽车团队通过比较Waymo公司（谷歌母公司旗下的自动驾驶公司，即传统叫法“谷歌自动驾驶部门”）与国内同类企业的专门研究发现，在自动驾驶技术综合水平和能力来说，国内企业与Waymo仍存在着量级差别，当然这也可以说着国内企业拥有巨大的发展潜力和上升空间。

接下来，我们从技术、成本和投入、信息安全、法律法规和社会伦理、民众接受度等维度分析一下自动驾驶技术当下面临的问题，简单说来，实现完全意义的自动驾驶，任重道远。

首先，相较于人类最初对自动驾驶的幻想，当下技术虽然取得很多长足进步，但是仍缺乏根本性的突破。

在环境感知层面，汽车需要通过摄像机、雷达等传感器模拟人的耳朵和眼睛；在决策与规划层面，智能的高性能计算机系统相当于人类驾驶员的大脑，成为掌控驾驶的中枢；在控制与执行层面，未来方向盘的消失预示着传统的手脚操作将转化为智能化线控。

而目前，这些技术离大规模商业化还有不小距离，抑或是商业化成本太高。

从谷歌公布的资料来看，谷歌Waymo的自动驾驶测试都是在道路比较规范，标记比较清晰，人口相对稀疏的规范街道中进行的。

而现实的驾驶，面临的环境是千变万化、非常复杂的。自动驾驶现有的数据库根本无法记录、匹配所有的情况。信息的获取和处理仍存在很多问题。

在目前“弱人工智能”的背景下，相对于围棋一类游戏的规则清晰，道路交通的场景复杂多变，特别是面对生命体意识和行为的不确定性，使得自动驾驶的判断还是很低效和困难的，比如，在拥挤车流中如何判断人类驾驶员是否要并道、判断行人是否要从前方加速穿越还是退回去。

不仅仅是中国，包括美国、加拿大在内等发达国家在这个领域目前也没有特别大的突破。

当前人工智能还是弱智能，人工智能下一个大的飞跃不知道什么时候能到来，甚至有学者认为，强人工智能时代永远不会到来。

在AlphaGo打败韩国围棋高手李世石之前，上一次人工智能带给人类社会的惊喜，已经是上个世纪90年代“深蓝”打败国际象棋大师卡斯帕罗夫之远了。

无论是传感器、算法、高精地图，抑或是整体集成，各个层面都还有很多问题需要突破。面对信息安全亦然，汽车越智能、自动化程度越高，被黑客攻击的危险就越大。

腾讯科恩实验室在汽车网联安全方面很早就开始了专门的研究。

以智能技术著称的特斯拉，每出一款新车，腾讯科恩实验室就能很快找出其若干漏洞，破解系统，直接远程控制车辆。他们将系统安全漏洞报告给特斯拉，多次获得特斯拉的高度认可和马斯克亲笔信的感谢。

设想某一天，自动驾驶的系统崩溃了或是被恐怖主义黑客劫持了，整座城市就有可能陷入瘫痪和灾难之中，这些都是对技术的巨大的考验。

但即使我们的技术可以实现真正意义上的自动驾驶，目前来看成本还是非常高的。

第一，车体本身，包括车身、激光雷达、摄像头、计算芯片等高精尖部件。若干车企宣布了2020-2021年左右实现L3自动驾驶车辆量产计划，从目前来看，整套自动驾驶系统最便宜也要3万美元以上，相当于一辆中级车的价格。

第二，基建，我们的道路要符合自动驾驶的标准，需要众多通讯设备的建设，类似手机通讯的基站。

第三，功耗，所谓功耗就是自动驾驶系统在感知环境、定位和构建地图、路径规划以及决策过程中进行数据处理、传输的能源消耗，这个功耗需求对车载电池是个巨大的挑战。