2018年7月4日，李彦宏在百度AI开发者大会上宣布，首款量产的Level 4级自动驾驶巴士“阿波龙”正式下线，并已签下来自日本的订单，国产自动驾驶电动车走向世界。
全球首款、Level 4级自动驾驶、量产，这些抓人眼球的关键词，让大家为之一振。Level 4级自动驾驶到底是什么样的自动驾驶水平？自动驾驶汽车的时代已经到来了吗？
目前业界最通用的自动驾驶技术水平的分类来自美国汽车工程师学会（Society of Automotive Engineers,简称SAE）的五级分类体系，即Level 1至Level 5。
美国交通部发布的这个五级自动驾驶分类体系中，Level 1和Level 2的区别，在于是否同时控制油门/刹车和方向盘。到了Level 3，自动驾驶系统可以采集到驾驶所需绝大部分外界的信息，但仍需驾驶员保持关注，且能够几秒内进行人工操纵接管。
路测经验严重不足
Level 3到Level 4是自动驾驶系统的一个重要分水岭。从Level 4开始，自动驾驶系统不再需要驾驶员保持关注。系统只是在特定情况下需要人工介入，且这个介入过程是非实时的，比如，驾驶员可以几分钟后再介入。
Level 5是自动驾驶的最高水平，完全无需人工介入。自动驾驶系统可以应付任何路况和条件下的操纵挑战。
最近几年频出事故的特斯拉Autopilot系统只是介于Level 2和Level 3的水平。Autopilot还没有完全达到Level 3。
真正的Level 3是可以无需驾驶员保持关注，只需要保证在提示下能够以秒级速度接管驾驶操纵就可以了。但目前的特斯拉Autopilot系统不光需要驾驶员要随时把手放在方向盘上保持接管能力，而且还需要驾驶员随时关注外界情况并做出判断，决定是否需要主动接管。
从没有驾驶员，没有方向盘、油门、刹车踏板的设计来看，“阿波龙”已经超越了Level 3的水平，即不需要驾驶员实时接管操纵。但这是否意味着“阿波龙”已经达到Level 4的水平呢？
既然宣称“全球首款量产L4级自动驾驶巴士”并开始投入商用的乘用车，自然需要满足以下要求：技术成熟、风险可控、满足监管许可。
如何确定这款L4级自动驾驶系统已经成熟到可以商用呢？只有扎实的测试数据能够加以验证。
在美国自动驾驶路测最活跃的加州，根据加州机动车管理部门提供的官方数据，从2016年12月到2017年11月整整一年的时间，百度完成的路测不到2000英里，占加州自动驾驶汽车路测总距离的0.39％。而Google和通用汽车的路测距离分别是百度的180倍和67倍。
百度是从2016年8月开始获得加州的自动驾驶汽车的测试牌照，而加州机动车管理局公布的数据刚好涵盖了百度获得测试牌照的大部分时间段。所以可以推断，百度在美国的路测里程应该是几千英里的量级。
几千英里的路测距离是远远不能满足技术成熟性的验证的。要知道，Google从2012年开始拿到加州的路测牌照到2017年底，一共完成了超过400万英里的路测。单单在2017年就完成了35万英里的路测。
在国内，2018年3月，上海和北京才开始发放首批自动驾驶汽车的路测牌照。刚过去短短四个月，显然百度的自动驾驶系统在国内的路测距离也应该是非常有限的。
自动驾驶作为一个全新的高科技应用系统，应该需要大量的路测数据验证，其中的时间跨度起码要以年为单位，路测距离起码要以10万公里为单位，这才能够满足基本的系统成熟稳定的验证要求。
仿真系统不能取代路测
那么，百度自动驾驶系统的可靠性又如何呢？
根据百度美国公司于2017年12月底向加州机动车管理局提交的路测报告显示，路测的结果也不尽如人意。
从2016年10月份开始到2017年11月份，百度完成了1971.74英里的路测。在测试中共计人工干预（即“系统脱离”）48次，平均每41英里就出现一次人工干预。尤其是测试初期的2016年11月，每行驶不到4英里就出现一次“系统失败”。
就算到了路测最后的2017年11月份，平均人工干预距离也只是147英里。而Google在2017年的测试中，平均每行驶超过5500英里才需要人工干预一次，通用汽车则是平均每1200英里需要人工干预一次。
2017年4月百度才开始“Apollo”（阿波龙）项目，一年前，百度才发布Apollo 1.0系统，半年前百度的路测表现还大大落后于Google和通用汽车。百度现在率先发布了全球第一个Level 4自动驾驶系统，这个进步速度实在是有点太快了。
当然，百度在官方的发布材料中解释了进步神速的原因：多样化仿真实现“日行百万公里”。恰恰是这一点，让笔者对百度的L4自动驾驶系统的安全性有一定的担心。
我们知道，判断一个系统的稳定性，往往借鉴的不是正常运行状态下的数据，而是特殊状态下的稳定性。自动驾驶系统也一样，称为极端案例下的操控性。
2016年5月，一辆在Autopilot状态下的特斯拉撞伤横过马路的一辆银色货车，造成首例自动驾驶系统引起的致死车祸。究其原因，是因为雷达和摄像头在特定条件影响下对于较高的银色物体都出现了误判。
2018年3月，Uber的自动驾驶路测车在遇见横穿马路的行人时出现系统误判，造成第一例自动驾驶系统车祸导致行人死亡案。
以上两起车祸致死，都是在特定条件下发生的极端案例。
而引起极端案例发生的特殊条件，往往是在机缘巧合下产生的，也是在实验室里难以模仿和构建的。
在人工智能还不够发达的今天，任何系统仿真都是在人为设置下对于真实环境简单粗暴的模仿。仿真系统的设计者没有想到的极端案例，仿真系统内通常也不会出现。这就是为什么自动驾驶系统必须依赖大量的路测演练，包括在各种道路环境、各种气候条件、各种紧急情况下的系统自动应对策略。
Google 2017年1月的自动驾驶系统路测报告中详细列明了过往一年“系统脱离”次数和原因。我们可以看到，从路面障碍物、施工区域到遭遇优先车辆，都有可能是导致系统脱离的原因。
只有依赖在真实环境中的长时间测试，才能够逐步提高自动驾驶系统的成熟度和可靠性。
成熟度和可靠性缺乏依据
百度的“阿波龙”客车是否达到Level 4级的自动驾驶水平，从已经公布的路测数据来看，其成熟度和可靠性还无法证实。1年－2年后的商用最终可以证实这一点，但如果百度的自动驾驶系统的成熟度和可靠性离Level 4级还有距离，那仓促商用的结果有可能会带来不必要的损失，也会让大众对自动驾驶技术产生疑虑。
还有一点需要指出的是，Level 4级的自动驾驶系统并不是Level 5那样的全智能，必须且一定会需要在特定条件下的人工干预。
阿波龙客车既然是开始量产并面向商用的汽车，必定需要相应的人工干预系统对商用车辆进行监控、必要时接管和进行相应的服务支撑。
从目前百度公布的信息来看，这部分后台干预支撑和监控服务的内容基本没有涉及，这也是本人对于百度目前的Level 4级自动驾驶汽车运营保障的一个疑问。
以百度为首的Level 4级自动驾驶汽车已经量产了，难题开始摆在汽车行业制造、道路交通管理等各个行政管理部门的面前。
工信部作为汽车制造行业的主管部门，目前尚未出台任何自动驾驶汽车领域在测试验证、技术评价、质量认证等方面的行业标准。换句话说，现在的“阿波龙”客车还没有“准生证”，甚至连“准生证”的官方标准也没有。
另一方面，道路交通管理部门对于量产自动驾驶汽车上路的准备也不够充分。目前只有北京、上海、广州等部分地区开放了自动驾驶的“路测牌照”。这就是说，“阿波龙”客车如果想要在公开路面行驶，只能挂上“路测牌照”，要严格遵守“路测规定”的各项要求并随时向监管部门上报路测数据。
所以，从制造监管到交通监管，我们对自动驾驶汽车正式上路还远远没有做好准备。从这个角度来说，百度“阿波龙”客车的正式量产可以成为自动驾驶应用的立法、监管和行政准备的重要推动力。
来源：《财经》李军