无人驾驶(txt+pdf+epub+mobi电子书下载)

作者：(美)胡迪•利普森,梅尔芭•库曼

出版社：文汇出版社

格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT

无人驾驶试读：

普通汽车终将退出历史舞台。

得益于移动机器人技术的快速发展，汽车即将成为我们可以放心托付自己性命的第一代自主式机器人。在经历了数十年不断失败的尝试后，借助速度更快的电脑、可靠的硬件传感器，以及被称为“深度学习”的新一代人工智能软件，汽车可以获得与人类相似的能力，在无法预测的环境中自主安全驾驶。

本书就是为了讲述这场变革。我们之所以对无人驾驶如此关注，原因有两点：

首先，具有巨大影响力的新技术一直是我们的关注重点，而无人驾驶汽车很有可能成为我们在有生之年所接触到的最具颠覆性的新机器之一。第二个原因则更加偏向个人需求。就像大多数人一样，无论天气如何，我们每天都要开上一两个小时汽车，车上经常还载有“贵重物品”——孩子、朋友，或者宠物。但其实若有可能，我们并不想坐在方向盘后面，而是更愿意单纯地享受汽车为我们提供的私密性空间和便利性行程。毫无疑问，当谷歌的无人驾驶汽车在几年之前展现出确凿的技术进步之时，我们就开始紧密关注这个领域了。

未来的几十年里，无人驾驶汽车将逐渐取代由人类驾驶的汽车。当运输行业演化为一种自动化、即时需求的服务时，世界各地的汽车运送人类和货物的方式就会产生翻天覆地的改变。无人驾驶汽车将会转变我们对时间和空间的认知，如何出行去上班、住在哪里、如何购物等都会受到影响。

我们相信这些转变是积极的，因为无人驾驶汽车将会拯救数百万人的生命，自动化的交通管理软件将会顺畅地引导汽车行驶并有助于治理空气污染，父母无须再每天花费几个小时将孩子载到学校或者活动地点，老人和残障人士也将能够便利出行。

每一种影响力巨大的新技术都有其不利的一面，无人驾驶汽车也不例外——无人驾驶汽车出现后，数百万的货车司机和出租车司机将会失业。公共运输行业也会凋零，因为人们都会被按需服务的无人驾驶小巴的强大便利性所吸引，它可以随时随地承载任何人到各种地方，而花费不过是一张车票钱。不过，除非有严格的隐私保护措施实施，无人驾驶汽车的乘客终将会意识到，他们其实是牺牲了自己的隐私以换取出行的安全和便利性，因为引导他们乘坐的无人驾驶汽车的软件系统会追踪并记录他们的每次出行。

在本书中，我会进一步解释汽车是如何转变成智能运输机器人的。我们会评估无人驾驶将对汽车行业产生的影响；讲述在无人驾驶改变人们的每日出行，将其由一种沉闷而危险的活动变成便及每个人且避免冲突的行为之后，城市发生了怎样的变化；还会探究人们在自动化驾驶探索道路上近六十年的失败尝试。最终，我们会引导读者通过对硬件技术和软件技术的清晰而明确的发展性认识，了解现代的无人驾驶汽车是如何诞生的。

我们的目标，就是向读者提供他们在面对即将到来的新世界时所需的见解和认知。在未来，无人驾驶汽车的数量将会远多于由人类驾驶的汽车，我们衷心期望你会享受这趟旅程。导 语机器司机

在不远的将来，全球汽车博物馆里展览的汽车，都会变成21世纪初之前的那些光鲜靓丽的车型。就像历史的痴迷者来到一个历史遗迹后，会闪身钻入精心保存下来的中世纪小屋回廊里，参观博物馆的人也会钻进这些展览车辆的前排座椅里。这些参观者坐在方向盘后面，拨弄着内置GPS的显示器屏幕，游戏似的用他们的脚踩动着刹车，这一切恐怕会让体验者不禁感叹，21世纪初的人类竟然会用如此不便甚至危险的交通方式。

我们当前的汽车是非智能的。它有四个轮子、一个金属机身和一个气动发动机，这样一套标准化的自动系统“平台”，自100年前被引入后就从没有发生过任何本质性改进。而在这100年间，随着越来越多的智能软件，几乎无处不在的通信网络，以及体型不断缩小、价格逐年下降的强大而准确的硬件传感器兴起，世界上其他产业的根基都在发生着根本性的变革。得益于机器人技术和人工智能软件在近期取得的成就，非智能汽车的时代终将结束。普通平凡的汽车即将发展进化成自动化的移动机器人。

在近一个世纪的时间里，由人类驾驶的汽车已经改变了我们的生活。这种无需马匹拉动的“自动”车厢的出现，已经改变了“行走之城”的城市格局。曾经如蜂巢一般，由各种小而弯曲的小巷、庭院、商铺、公共广场交织而成的城市演变成了“汽车之城”，打造出了由广阔街道和停车场组成的整齐的大网格。汽车不仅给人们带来了自由，同时也带来了新的工作机会和社交机会。汽车也给商业贸易带来了便利，商人可以快速地将产品运输到以前从未到达过的市场。

然而，如此宝贵的个人移动便捷性也让人类付出了极高的代价。在近百年的进程中，交通事故已经夺去了数百万人的生命。当汽车赋予人们开车到远方工作的自由时，也催生了一种新的问题——城市交通拥堵。今天，世界上所有城市的人们每天都要出行、上班通勤，或者通过汽车运送货物，这使得城市上方的空气层恶化成一个黄色烟雾似的“油斗篷”。

粗略估计，目前全球有十亿辆由人类驾驶的汽车在陆地上漫游。对汽车的依赖已经使我们在很多方面付出了高昂代价。但归根结底，对于世界上的大多数人而言，汽车仍是目前个人出行中最快速、最廉价、最舒适的方式。不管怎样，汽车仍将是我们现代生活中不可缺少的一部分。

事实上，解决汽车引发系列问题的最好方式就是让它们变得更智能。当人类驾驶者让智能软件接管方向盘的时候，无人驾驶汽车将为全世界数十亿人提供一种更安全、更简洁，甚至更方便的出行方式。在未来的十年，自动驾驶汽车将出现在全世界的大街小巷，它将再次重新编排我们的居住环境以及工作娱乐环境。

不相信？这也难怪。

近百年来，各行各业的专家都在预测人类的霸主地位将会被智能机器所取代。但到目前为止，这些预测仅仅在一些高度细分化的工业岗位上成真了，或者是仅限于虚拟世界中的活动。例如，机械手臂可以完美无瑕地取代曾经由工厂工人实现的操作；在虚拟世界里，人工智能软件的能力已经超越了人类，它们可以玩棋类游戏，可以迅速地进行股票证券交易，或者在复杂的大运量公共客运系统中找出最优路线。

现代化的软件极大提升了人工智能的能力，先进的机器人还可以执行诸多技巧性的工作，这些都已成为现实。但是如果机器人的身体并非由螺栓插销固定，而是由仿人类的机械躯干组成，使其能在运动过程中与周边环境互动，那么即使是当前最先进的人工智能软件系统也无法顺利地承载这项复杂的管理任务。在后面的章节中，我们会陆续探讨相关的原因，但目前来看，今天那些能够移动的机器人，在身体敏捷性和感知能力上也就相当于蟑螂的水平——或者状态良好的话，可以达到蟾蜍水平。

当机器人学家还在研究移动化智能机器人的道路上步履维艰时，建造一辆踏实可靠的无人驾驶汽车从技术上而言已经触手可及，这同样也是工程学上的一项壮举。因为对于程序员为人工智能写代码操作运动过程来说，汽车相比其他形式的移动化机器人有一个巨大的优势——滚动要比行走或爬行简单得多。

如果人工机器人具备多个肢体部件，那么管理其动作快速运行的软件从体量和复杂性上都要比智能汽车大得多，因为多肢体部件可以演化出数量近乎无限大的不同动作模式和相对位置。相反，一辆汽车的四个轮子、刹车以及方向盘组合出的运动模式几乎全部是可预测的。引导无人驾驶运动的软件所管控的动作组合数量必然相当少，例如多半只是车轮的左右转动，或者监控汽车是在减速还是加速。

驾驶行为可以自动化的第二个原因在于，开车是一个相对刻板重复的反应式活动，无论智力高低都能拿到驾照，因此无人驾驶的智能只需满足以下条件就够了：对清晰可见的路面危险——比如不断靠近的路面坑洼或者缓慢行走的成群结队小学生——做到即时反应，沿着清晰明了的道路或高速行驶，并且遵守相对简单的交通规则。

说到这儿，怀疑论者就会指出这背后一定另有故事。的确，如果只是简单地编辑程序让四个轮子的机器人遵守道路交通规则，那么无人驾驶在几十年前就早已普及了。汽车为什么直到现在才有可能变得智能自动化呢？源于两个原因：

第一是现实因素，也就是它的门槛很高。汽车毕竟是行驶在公共街道上的重达两吨的“铁盒子”。如果引导无人驾驶的软件出现了问题，后果将不堪设想。“人命关天”，这也就解释了为什么今天的第一批自动驾驶车辆会先在人烟稀少的地方使用，因为车辆如果在这种地方出问题、偏离既定的路线，所造成的人员伤亡是最小的。例如，在偏僻的澳大利亚北部矿石公司使用巨大的自动化驾驶卡车来运载矿石；农民使用自动驾驶的拖拉机、联合收割机在广袤而无人的农地里耕作；在配送中心和工厂里，专门的自动化车辆会将货物从房间的一侧运到另一侧；在度假村或机场，名为纳维亚的无人驾驶穿梭车会以既定每小时15英里的速度沿着固定路线往返运送乘客……

制约无人驾驶发展的第二个难点及关键点就是纯粹的技术问题。虽然在99%的时间里，驾驶过程都是思维僵化而且可预测的，但是仍有1%的时间里会产生突发事件。生物有机体会依赖所谓的“本能（Simple）”来应对生活中突发的未知事件。是“本能”，使人类可以在交通的高峰时段自由驾驶，也正是“本能”，蕴含了人类智能中尤为难以复制的大量能力。

机器人学家对这种只在1%的时间内才发生的突发性小概率事件赋予了专门的名称——“极端事件（Corner Cases）”。极端事件并不常见，也难以预测，却可能导致灾难性后果。机器人的人工“本能”在处理极端事件时的效果最终决定了它的可靠性与价值。如果一个机器人的软件无法处理它所遇到的每一个极端事件，那么希望人们不会放任它独自行动，否则最坏的情况就是机器人无法完成交代的任务并造成了严重的破坏。

驾驶也许是最为重复刻板的活动，但同时也充满了数不尽的、潜在的致命性极端事件。管理无人驾驶的软件必须能够本能性对突发情况做出反应，例如跳上汽车引擎盖的鹿，或者向汽车挡风玻璃上喷漆的愤怒乞丐，这些都有可能发生——还要祈祷乘客会为挡风玻璃上的污渍付清洁费——所以，尽管投入了几十年的努力，自动化工程师和机器人专家还是无法编写出一个有效的软件，处理无人驾驶在道路上可能遇到的无数种突发状况。

机器人技术中一条基本的规则就是，环境越是简单、越是容易预测（极端事件越少），构建一个使机器人在这种环境下执行任务的软件就越简单。机器人能在工厂里广泛普及是因为大多数工厂都是一个封闭的世界、一个高度结构化的环境，在那里极端事件是能够预测的，而且会被工业工程师小心地排除。在封闭的环境中，机器人的工作职能会围绕特定任务进行设计。工厂里的机器人知道将会发生什么。指导它们运行的软件会引导机器人进行一系列一成不变的活动，例如冲压金属部件、固定螺栓，或者将箱子从一侧拉到另一侧。

虽然在工厂里可以设计一个整齐划一的封闭式环境，然而在实际环境中，街道和高速公路上是复杂混乱且难以预测的。汽车方向盘后的每个司机不仅要处理新的突发情况，还必须应对其他相关挑战，这些挑战是软件程序难以处理的，由模糊的或者高度情境化的行为规则调控的信息交互问题。人工智能软件尤其会在对安全驾驶有重要影响的两类活动中出现问题，即复杂的非语言信息沟通，和在多种情境中对同一物品进行持续正确识别。

驾驶行为要求司机和行人之间进行复杂的“社交”活动。当人类司机位于方向盘后面时，通常会参与到一场非语言的“社交芭蕾舞剧”中，并用点头、挥手、眼神交流来传达他们的意图。挥手和微笑对于人类而言可能是简单的，但是想要编写一套软件来识别人类的面部表情、身体语言并做出恰当的回应，则异常困难。

无人驾驶汽车，这一移动版机器人不仅在识别复杂的非言语交流上存在困难，当需要应对突发事件时，它们的计算机智能也会捉襟见肘。这些问题均是由知觉缺陷导致的，即它们不具备对所见事物进行感知区分并合理应对的能力。理想情况下，计算机科学家会通过编写一套程序来解决这个问题，为汽车提供一致性、准确的人工意识和情境理解能力。然而直到目前为止，这个问题还没有被解决，这样的软件还没有做出来。自从人工智能领域开辟半个多世纪以来，计算机科学家和机器学家为了实现“知觉”这一神秘技艺的自动化已经尝试了各种方法，但均未能取得突破性进展。

生物有机体的知觉系统包含了一系列广泛的能力。知觉中的一个方面就包含认知识别功能，人或动物因此具有“读取”复杂情境的能力，并知道如何正确地反应。知觉的另一个功能就是加工处理视觉信息。生命体具有高度发达的视觉系统，可以良好地识别一个物体，甚至是从不同的角度、在不同的光线条件以及不熟悉的情境中都可以准确识别同一个物体。

视觉感知需要对视觉信息进行正确识别并进行归类，人类在进行这样的过程时，纯粹依靠本能，而且几乎能够做到完美无误。然而，我们这种感知所见事物的能力似乎拒绝被自动化。几十年来，机器视觉领域的研究者一直在努力研发能够快速而准确地“理解”环境中视觉信息的软件，但均以失败告终。

在机器人发展史的大部分进程里，它们都难以处理视觉信息。工业机器人应对这一缺点的方式就是在全封闭、黑暗无光的工厂环境中纯机械化地辛勤工作。而对于那些工作中涉及某些视觉活动的机器人，它们的工作方式则被设定为绝不去分类或检查它们不熟悉的事物。

阻碍机器视觉软件发展的另一因素就是计算能力的不足。由于处理图像是一项数据密集型活动，所以第一代机器视觉系统只能采取一种结构化路径的方式来实现这一流程，即用一系列“规则”来解析视觉信息。这些早期机器视觉系统的工作原理是想尝试将识别的物体与机器人内部储存的已知物体小型样例库做匹配，但显然这是一个缓慢、不准确也不灵活的过程。

早期机器视觉软件的最大缺陷之一，就是它们在应对新鲜事物或情境时表现不佳。即便是很熟悉的物体，只要在略微不同的场景中出现，任何借助这类软件引导的机器人（或汽车）都无法进行准确识别。鉴于准确识别邻近物体这一能力对于安全驾驶至关重要，机器视觉软件的差劲表现数十年来一直阻碍着无人驾驶汽车的发展。然而，最近在人工智能领域的一项突破进展可能会彻底改变这一切。

在人工智能研究领域原地踏步多年之后，一种被称为“深度学习（Deep Learning）”的新型软件于2012年诞生了，它可以对随机的数千个数码图像信息进行准确分类，并达到人类水平的精准度。虽然对随机物体的图像进行准确分类的能力听起来无足轻重，但这一能力的确是人工知觉（Artificial Perception）的基础。一旦某个物体可以被精准识别，它的信息会被“转化”给其他类型的人工智能软件，而那些软件就可以发挥其传统优势：利用统计分析或某种逻辑、规则推导出最佳反应。

深度学习软件对于无人驾驶如此有价值，就是因为它可以在开阔公路这种非结构化的环境中充分发挥作用。深度学习隶属于“机器学习（Machine Learning）”这一类人工智能软件。这类软件的突破创新并非由人类程序员来设计，机器学习软件并不会去建立一个现实世界的模型，再用正常的逻辑和规则来处理其中的问题，相反机器是通过大量的训练数据后被“喂养”出来的。例如，为了开发无人驾驶所用的深度学习软件，程序员每天会用几千兆字节（Gigabyte，即GB）的原始视觉素材来“喂养”这个软件，而这些视觉素材都是通过车载摄像头在真实道路环境下的行驶中拍摄收集的。

深度学习软件通过观察世界来“学习”，这一点赋予了它另一巨大优势——不依赖规则（not rule-bound）。人类的婴儿学会依照物体的突出可识别性特征来识别物体，同理，深度学习软件在对物体分类时也是依据物体的视觉特征。使用规则依赖的传统途径编制的软件，遇到坐在自行车上的猫的图片时，就会陷入困惑。相反，深度学习软件会关注猫身上可供识别的视觉特征——尖耳朵和尾巴，然后不管这只猫是出现在一个多么奇怪的情境中，软件都会迅速而准确地推测出它只是一只猫。

深度学习软件已经彻底改进了对人工知觉的研究，并极其成功地应用到语言识别领域，以及其他需要软件来处理古怪异常信息的活动中。过去的几年里，为了寻求深度学习的专业技术支持，很多汽车公司都在硅谷设立了分部。谷歌和百度这些软件巨头本身已经具备了管理巨量信息和构建智能软件的能力，再加上深度学习领域的专业优势，足以支撑它们与曾经不可一世的汽车巨头在无人驾驶领域展开角逐。

深度学习对于人工智能领域的影响极其深远，甚至在我们写作本书时，其影响还在逐步拓展，而且未来几年可能会持续扩大。深度学习所引领的技术领域并不只是汽车一隅。我们预计，深度学习将会对移动类机器人的总体发展轨迹产生变革性影响。当机器人获得了通过视觉理解周遭环境的能力时，人工生命形态的发展可能会开始延续5亿多年前有机体生命发展的路径——化石显示大约在寒武纪以前，所有形态的有机体生命都是近乎眼盲的。当5亿多年前寒武纪开启时，那些近乎眼盲的有机体突然神秘地演化出了复杂的新型视觉系统，要知道先前它们的“眼睛”只是些光感性的原始细胞集。一旦它们具备了看的能力，这些简单的有机体随之演化出了复杂的身体形态，以便实现快速的反应和移动。反过来，新的身体机能又会需要发展一个更大号的大脑来监管这些新生肢体的协调。当装备上视觉系统、快速响应的身体以及更大的大脑时，曾经不起眼的细胞集演化出了种类繁杂的复杂生物，它们从最初生命的泥沼中爬出，并努力在陆地上寻求属于自己的一块领地。

关于寒武纪生命大爆发——发生在寒武纪时期的生命大量快速演化，有一个有趣假设，即“光开关理论（Light Switch Theory）”。这个理论是由安德鲁·帕克（Andrew Parker）提出的，该理论认为正是眼睛的进化，引发了生命体之间的进化竞赛，使得那些具备最佳视觉的生物才最有可能生存下来。也许“光开关理论”理论对于机器人也是适用的。

曾经“眼盲”的机器获得了知觉的能力，它们也会从原始的禁锢中爬出，摆脱现今我们为其设计的结构化的、黑暗的工厂环境。健全的机器视觉将使得机器人可以充分利用其新添加的身体部件——轮子、四肢或踏板，而那些部件能为它们提供更高水平的灵敏度。想要控制复杂的机械新“四肢”，它们的机器大脑也会随之扩张。当我们目睹机器人掌握了新的技能并找到可以发挥功效的新应用场景时，我们也终将见证机器人形态和功能的“寒武纪大爆发”。迎接无人驾驶

一群热带鱼的行动过程十分值得观赏。它们组成紧凑而均匀的队形，扭动着明亮鲜艳的身体在水中游弋。这几十条不同的鱼可以一瞬间同时转向掉头，动作一致犹如一个整体。如果有个障碍物突然出现在鱼群的行进路线上，鱼群会分开绕过，然后迅速重新建立起它们先前的队形。鱼群彼此之间从不相撞，也不会触碰到浪涛裹卷而来堵在路上的异物——枝条、石子或珊瑚礁。

在理想的将来，我们的街道和高速公路上会充满成群的、紧密分布的无人驾驶汽车。与鱼群一样，无人驾驶汽车的车流会展现出惊人的防冲撞能力，在充满行人的城市街道上机智而快速地穿梭，在漫长而空旷的高速公路上以经济油耗的形式灵活停靠。有些车会携带一两名乘客，还有些车是完全没有乘客的，那是因为它们要去送外卖或者去幼儿园接小朋友。

那么，从今天人类掌控的这种糟糕交通状况，到实现理想的未来——各种形状、大小的无人驾驶汽车井然有序而安全地填充在道路上，我们应该如何着手呢？在欧内斯特·海明威（Ernest Hemingway）1926年的小说《太阳照常升起》（The Sun Also Rises）中，主人公比尔问麦克：“你是怎么破产的？”麦克回答：“两种方式，慢慢地，且突然地。”

实际上，技术的发展是迅速的。目前为止，读过本书的绝大多数人还是熟悉摩尔定律的。摩尔定律指出当计算机芯片的表现以幂次方提升增长时，芯片的价格和尺寸也会以幂次方的速度大幅降低。正如摩尔定律反映的，构成无人驾驶汽车的传感器、海量数据以及处理和计算所有信息的处理芯片，这些技术已经变得相当成熟可靠、物美价廉了。无人驾驶汽车的具体配置可能千差万别，但大多数无人驾驶汽车都会装载几个数码镜头、一个雷达传感器以及一个激光雷达装置来“看看”它们现在在哪里。数字化的汽车在配置全球定位系统（GPS）的同时还会匹配另一个称为惯性测量单元（inertial measurement unit，IMU）的定位装置，用以弥补GPS的误差。还会有一个车载电脑负责将各个传感器和GPS的信息汇总，将数据传递到一个包含各个交叉路口和红绿灯信息的高精度数字地图上，然后将所有这些信息生成一个汽车外世界的数字模型，被称为占据栅格（Occupancy Grid）。

无人驾驶技术几近成熟。埃隆·马斯克（Elon Musk）是特斯拉汽车公司的CEO，十分推崇全自动化的汽车，他对当前形式的总结是：“问题比人们想象的要简单……但也不是一个人苦干三个月就能解决的，它更有可能是需要数千人共同奋斗两年才能实现。”虽然这种技术几近准备就绪，但是这一独特技术所依存的社会环境可能还未准备妥当。

诸多社会因素制约了无人驾驶的推广应用。软件开发人员不得不面对的一个问题就是用户本身。当新的软件引入到一个组织中时，影响软件普及的最大阻碍通常不是软件自身的工作表现，而是人们对之前产品的依赖。由于这些用户的组织文化和工作流程都建立在之前的软件产品上，而改变人们的工作习惯就会引发阻抗。一旦工作流程改变，有些人就会失去地盘，有些人会被迫重新思考如何做事，诸如此类。人员问题通常是隐藏在海平面下的冰山，它会阻挠一个组织成功吸收新技术，尽管这一技术可以节省组织的时间、金钱，并提高生产力。

在对无人驾驶汽车的接纳上，人员问题可能有来自消费者一方的对抗，但我们预计事实并不尽然。虽然汽车公司的高管们曾大胆地坚持认为人们喜爱驾乘的体验，而且会继续偏爱自己驾驶汽车，但是我们认为消费者的接受度并不能成为一种阻碍。

毕马威会计事务所（KPMG）的调研指出，当技术成熟且没有人身安全的风险时，更多消费者乐于乘坐无人驾驶汽车。当调研人员要求人们从1到10评估他们使用自动驾驶汽车来日常出行的意愿时，访谈小组成员的平均意愿程度是6分；而且如果无人驾驶汽车能减少人们一半的出行时间，并在预定时间内将人们送到目的地，那么受访者的意愿将会提高到8分。波士顿咨询公司（Boston Consulting Group）的调研结果也反映出了人们对无人驾驶技术的热情。在针对1500多名美国司机的调研后，波士顿咨询公司发现：有55%的受访者“愿意”或者“十分愿意”在5年内购买一辆半自动化的智能汽车；有44%的受访者表示只要经济允许，他们“十分愿意”在十年内购置一辆全自动化驾驶的汽车。报告中预计，第一代可家用的自动化汽车将会在2025年左右上市。到2035年时，市场上销售的汽车中将有10%是完全自动化的，占据价值380亿美元的全球市场。

平均来看，消费者越年轻，他对于无人驾驶汽车的热情越大。哈里斯民意调查（Harris Poll）项目对四个年龄段人群使用无人驾驶汽车的态度进行了调查，他们分别是千禧一代（18～37岁）、被遗忘的一代（38～49岁）、婴儿潮一代（50～68岁）以及老去的一代（69岁以上）。老去的一代人中有一半以上的人强烈反对：“我绝不会购买或租用自动驾驶汽车。”相比之下，千禧一代中只有20%的人做此反应。千禧一代中有25%的人表示只要确信“漏洞”已经被解决且价格合理，他们就会购置一辆无人驾驶汽车。

所以，我们认为只要证明无人驾驶汽车的驾驶安全性比人类驾驶更高，人们就会比现在更容易接纳无人驾驶汽车。

年轻一代的驾乘人员并不像他们祖辈那样迷恋驾驶，他们很乐意让机器人来开车。我们曾参加过2014年的无人驾驶汽车大会，会上来自咨询公司JD Powers的一名高管分享了他们公司的调研结果，即人们对于汽车和驾驶的态度存在代际变化：30岁以下的人群，在人口学领域被称为“Y世代”，他们认为开车属于浪费时间，是需要他们被迫从社交媒体和互联网的享受中挤出时间来做的事情。这位主管对这一情形做了总结：“生于Y世代的这群年轻人对于这种想法——能够驾驶汽车是我们应该珍惜享受的一种生活方式——已经越来越不以为然。他们的主要目的是到达想要去的地方，他们更想让自己的时间以自己喜欢的方式发挥作用。”

事实上，制约无人驾驶广泛普及的最主要人为因素是政府的监督与管理措施，对于美国而言，就是州政府和联邦政府的交通法规、责任法以及保险承保范围。目前来看，无人驾驶发展道路上最大的推动力来自企业，而美国联邦政府对无人驾驶的监管和限制条例也开始缓慢地实施和制定。尽管如此，2016年美国交通运输部（USDOT）还是对无人驾驶的应用前景释放了积极信号，宣布对各个州的机动车管理局在无人驾驶管理方面提供指导建议。截至本书开始写作之时，美国已经有四个州——加利福尼亚州、内华达州、佛罗里达州和密歇根州——会颁发官方的无人驾驶许可证，同时也有几个州在考虑效仿。

无人驾驶许可证是一个良好的开端，但是监管应以何种方式进行还需要进行大量的研究和探索。理想情况下，政府的最高层应该制定前瞻性策略，而不是被动响应。例如，法律专家应该重新检视责任法，以明确当无人驾驶造成事故时，谁应该承担什么样的责任。可能的话，甚至有必要修订相应法规。汽车保险业也将需要进行类似的重新定义；立法者需要明确一辆汽车要达到何种程度的“安全”，才能在无人驾驶的情况下上路，以及如何检验这种安全性。监管上的这些疑虑最终可以完全解决，但鉴于它们目前还存在着，由人类驾驶的汽车还将继续发挥余热，同时人类要咽下苦果——承担生命的失去、时间的浪费以及油料燃烧对环境的破坏。

在无人驾驶技术成熟和人为制约因素初见端倪的这段时间里，延误这项技术发展的代价几乎可以直接以人命数量计算。根据世界卫生组织的报告，车祸是导致全世界15～29岁的青年人早逝的最高因素，同时也是造成各年龄组人群死亡的第二关键因素。这些车祸中的大部分并不是汽车某部件失灵造成的，而是由本可杜绝的人为因素导致的，或者称为“4D”因素——醉酒、吸毒、瞌睡以及走神（Drunk, Drugged, Drowsy, Distracted）。只要方向盘还掌握在人类手中，车祸造成的死亡率就可能持续上升。新兴经济体中的人群刚刚尝到拥有私家车的乐趣——在中国、印度、俄罗斯以及巴西这样的新崛起国家里，随着更多汽车上路，车祸造成伤害或谋害的人员数量将会继续攀升。

此外，人类驾驶汽车还有一个风险因素——分心驾驶也在持续增长，在2013年，因为分心驾驶，全美国有超过42.4万人在车祸中受伤，这一数据相比2011年增长了近10%。致命病症的特效药

关于汽车，有一个奇妙的讽刺，虽然汽车自从发明以来已经“谋害了”数百万人的生命，但我们的社会对于它造成的死亡人数仍视而不见，这或许是一种冷漠的默许。每年，全世界都有将近120万人死于车祸，这个死亡率相当于每年释放10个广岛级别的原子弹爆炸。

与战争、暴力、毒品一样，汽车对人而言也有着致命危害。谋杀、自杀以及战争每年预计会造成160万人死亡；由毒品导致的死亡人数每年约有18.3万人。尽管全球死亡人数有很大一部分来源于本可避免的汽车事故，但是仍没有哪个政府支持“向汽车宣战”之类的活动，或者说呼吁人们停止开车。尽管高速公路上一再发生连环相撞事故导致数十甚至上百人进了医院，但是公众仍然没有对汽车公司发起持续的质疑和谴责。

如果有一种方法能减少每年死于车祸的人数，又会怎样？如果这种方法存在，那么联邦政府、州政府以及市政府就应该联合起来全面推行这个方法，减少车祸死亡人数将成为政府的头等大事。对这一方案的推广将会吸引大量资金募集，并对做出显著成果的单位或个人颁发奖章以大力表扬。类似于对乳腺癌研究作出贡献的人会颁发粉丝带徽章，联邦政府也要慷慨地为大学提供科研基金。

事实上，这种方法是存在的。它需要的就是将人类驾驶员从方向盘后面移开，并用智能软件和传感器来替代。如果我们的社会能齐心协力地将无人驾驶发展成为类似于“阿波罗计划”的下一个文明里程碑，那么我们将拯救数百万人的生命。伊诺运输中心（Eno Center for Transportation）的研究曾作出预测，如果路面上的汽车能有90%变成自动化驾驶的，单单在美国，就可以将一年里死于车祸的人数从32,400人减少到11,300人。

然而讲到此处，我们必须负责任地指出，用机器人替换人类驾驶员并不会一劳永逸地解决所有问题。

人类可能会轻而易举地找出新的方式来伤害自身。有些分析师就指出，自动化汽车提供更多安全性的同时，也可能招来新的风险，例如黑客入侵、网络病毒。还有恰恰因为乘客觉得安全，他们可能会做出新的冒险行为，例如不系安全带，或者纯粹为了好玩而在成队列行进的自动驾驶汽车之间来回穿梭。

但即使将可能出现的新型行为问题纳入考虑中，无人驾驶汽车依旧会使路面更安全。而且，安全因素并不是无人驾驶所带来的全部收益。如果人们能获得安全便利的私人交通工具，那么他们在选择到何处定居、工作和游玩的机会也会增多。无人驾驶会使出行变得更加高效，这样一来，交通拥堵和伴随的空气污染问题将会相应地得以缓解。不用再束缚于沉闷的上下班时间，可以说是无人驾驶应用后最直观的益处之一。另一个益处就是有更多的人可以享受便利的个人出行。

据美国运输部数据显示，每天都有586个老年司机在汽车事故中受伤。不幸的是，由于生活质量与个人出行紧密挂钩，所以禁止驾驶的决策常常会招致人们的抵制。实际上，老年人、视力受损的人或因其他身体原因不能亲自驾驶汽车的人，都可以通过无人驾驶技术获得按自己意愿出行的能力。阻碍无人驾驶技术发展的7个误区

如果不积极响应无人驾驶技术的发展，我们就会继续付出生命和时间的代价，继续承担污染的危害，继续丧失机遇。然而，并不是每个人都认识到了无人驾驶汽车的价值。在写作本书时，我们发现有些针对无人驾驶的误解还在广泛肆意传播，并且这些信息会被反对者拿来对抗无人驾驶的推广政策。我们将这些误解谣传总结成7个误区。具体如下：

1. 自动化驾驶技术会脱胎于当今的驾驶员辅助技术。

有些人认为，汽车的自动化转变会体现在驾驶过程中分阶段进行，而这些阶段只是逐步拓展驾驶员辅助技术的应用范围，例如自适应巡航控制（adaptive cruise control，ACC）和车道保持辅助系统（lane keeping assist system，LKAS）。实际上，这种分阶段操控不仅存在技术难题，而且还是不安全的。研究发现，当人类和机器共享方向盘的操控权时，如果要求人类在紧急状态下突然掌握方向盘，他们反而会无法胜任，表现为注意力无法集中。另外，完全自动化驾驶所需的技术并不是当今驾驶员辅助技术的派生，而是有着独立的技术发展路径。

2. 技术的进步是线性推进的。

在预测无人驾驶的发展态势时，有些人认为机器人技术在将来的发展速度会继续延续过去十年的步调。可是，无人驾驶技术的发展只会更加迅速，因为它们所利用的使能技术（Enabling Technology）会遵循摩尔定律，即硬件性能提升的同时价格大幅下降。结果就是，随着无人驾驶汽车各组成部件价格的降低，它们的性能会迅猛提升。加速无人驾驶发展的另一力量则来源于“车队学习（fleet learning）”。由于无人驾驶汽车会将它们的驾驶“经验”数据进行汇总共享，所以每辆汽车都能从其他车辆提供的共享经验中获益。用不了几年，引导无人驾驶的操作系统就会积累起丰富的驾驶经验，其丰富程度不亚于数千个人类驾驶员的综合。

3. 公众会抵制无人驾驶。

汽车巨头们的广告部门都乐于强调人们喜爱驾驶的体验。事实上，大多数人的驾驶体验中都会涉及每天通勤上班，或外出办事时烦闷的开车时光，即在拥挤的道路上一步步挪动。绝大多数人都十分愿意将花在开车上的时间用来做点别的事。一旦技术成熟，无人驾驶汽车可以被安全使用时，消费者将会无比渴望得到它们。

4. 无人驾驶的发展需要在基础设施上进行大量投资。

实际上，引导无人驾驶软件的只是清晰的道路标志线，除此以外，无人驾驶并不需要什么特殊的基础设施建设。导致这一误解的原因已经有数十年的历史，早先美国运输部集中了大量资源来提升互联网汽车（Connected Car）的视觉识别能力，所用的方式就是在汽车和路边建筑上加装昂贵的无线信号发射器来分享数据。这种视觉识别系统不仅是无效的，还是造价高昂的。相反，无人驾驶汽车会利用机器人技术中的机器视觉，将数字地图储存到汽车中，而不是路面上，这样就将智能赋予了汽车。事实上，无人驾驶需要的基础建设投资很少，因为它们连路标和信号灯都不需要。

5. 无人驾驶会造成道德困境。

实际上，无人驾驶在道德判断方面与人类并无二致。而反对者之所以宣称无人驾驶造成了道德难题，只是源于一个令人不舒服的事实——引导汽车的智能软件在必要时会对人类和动物的生命价值进行量化比较，以便于无人驾驶汽车在应对将要发生的事故时做出恰当的反应。无论出于什么原因，在车祸发生前的一刹那，我们人类都还是偏向于由人类而非机器来做出快速的、非正式的成本收益分析。可是，在面对这种驾驶过程中的瞬间决策时，人类驾驶员早已本能地估量出“谁可以牺牲掉”了。保险公司也早已对我们身体的各个部分出现问题时所需支付的潜在费用做出了量化。

6. 无人驾驶汽车需要有近乎完美的驾驶记录才能确保足够安全。

其实，只要无人驾驶汽车的安全驾驶记录超出人类驾驶员的平均水平，它们就能造福人类。平均来看，每20万英里，人类驾驶员就会出现一次非致命性碰撞。既然很多人可能对于无人驾驶汽车的这种“异型”智能持有偏见，也有很多人认为自己的驾驶技术在平均水平之上，那么我们认为，只要无人驾驶技术在安全性上优于人类驾驶员两倍，就该让它自行驾驶，乘客可以忙些别的事情或者睡觉就好了。这样就可以说安全系数达到了2.0，或者说“每发生一次碰撞的平均距离”达到了40万英里。

7. 无人驾驶汽车的应用将会突然大量爆发。

有些人喜欢问到底“哪年”无人驾驶汽车会完全接管道路。其实，无人驾驶汽车的应用是逐步发展的。自动化的汽车会首先应用于一些限定的区域，比如度假区、大学校园，以及封闭性的市中心区域。在公共道路上，无人驾驶的“入侵”是逐步化的，随着由人类驾驶的汽车逐渐退役，无人驾驶汽车的应用比率每年也只会增长几个百分点。无人驾驶技术发展的时间表

无人驾驶汽车的推广并没有一个简单明确的时间表。实际上，向无人驾驶汽车世界的转变将是逐步推进的。汽车并不会在某个特定的年份一下子都变成无人驾驶。有两个原因：首先，无人驾驶汽车的应用会先发生在某些场所或某些国家；再者，汽车公司目前正在采取的策略分阶段自主化。如果他们成功了，人们可能需要在行驶过程中某段时间来驾驶，这也使得汽车向无人化的转变不可能存在一个明确的时间节点。

第一代自主化驾驶汽车在行驶上普通街道前，会先应用到某些特殊场景环境中。矿场和农场已经开始使用自动化汽车了；货运卡车也将是早期的应用领域之一。

最初，人们对无人驾驶汽车的应用非常谨慎，主要是以低速行驶的穿梭车形式存在，应用于封闭的、固定化的环境中，如机场和度假村里。英国的米尔顿·凯恩斯镇（Milton Keynes）正在测试自动化的双座电动出租车，它将会在人行道和乡间小道上运输乘客。随着时间的流逝，如果这些自动化汽车表现良好，并且安全性得以验证之后，它们的运行速度和行驶区域将会逐步扩展。我们预计谷歌公司销售的第一代无人驾驶汽车并不会成为消费者的日常代步工具，反而更有可能成为企业或小城市的补充性运输方案。在某一时刻终将会迎来平稳的过渡，自动化穿梭车会驶出封闭的区域，踏上城市公路。

向无人驾驶汽车过渡过程中的另一个方面就是区域位置，即究竟哪个地区会率先将无人驾驶汽车应用到日常生活中。有些国家会早于其他国家推广无人驾驶汽车。在同一个国家里，有些州或省份又会早于其他地区先对无人驾驶汽车进行立法管理。

想要明确无人驾驶汽车的“完全成熟”时期，那就要明确什么是“完全的自动化”。完全的自动化是指道路上100%的汽车都是全自动化的，并且是全天候的。以这种方式来定义完全自动化就意味着这个过程会持续至少一个世纪之久。因为无人驾驶的应用领域很多，人们对孰先孰后并没有形成一致观点。

应用时间表中的诸多变数，有一部分源于现实的考虑。因为汽车必须满足严格的安全标准和排放标准，所以汽车领域的新技术在普及应用时要比其他领域的技术缓慢得多。另外，汽车价值不菲，因此人们对汽车的留恋会持续数年。人们添置或舍弃汽车的速度要比更换智能手机的速度慢很多，这也就导致从人类驾驶向无人驾驶的转变将会跨越数十年。

总之，汽车公司和运输部官员也会用更长远的眼光看待这件事，他们预计无人驾驶汽车想要成为公路上的主流至少也要在2025年之后。根据汽车市场研究公司IHS的预测，第一代面向市场销售的自动化汽车将在2025年前后出现。IHS公司估计到2035年时，销售的新车中将有大约10%是自动驾驶的，每年产量总数可达到1180万辆。2050年之后，售卖的所有新车将几乎都是自动驾驶的。

通常，汽车公司也偏爱以分阶段的方式逐步推广自动化驾驶，这也是我们无法准确界定无人驾驶汽车全面应用日期的另一个影响因素。汽车公司为了推广驾驶员辅助技术，会在新闻稿的标题上吹嘘“某某汽车公司将在2020年发布无人驾驶汽车新产品”。然而，仔细阅读后会发现这个公司所宣传的产品，实际上只是具备了一些使汽车可以在某项特定的任务中自行完成的功能，例如在某些条件下自动泊车，或者只是对巡航定速控制和车道保持技术结合后产物的过分美化。

对于汽车能够在各种环境下全自动化驾驶的时间表，科技公司会作出相对乐观的预计。谷歌和特斯拉公司都十分坚定地相信未来的驾驶工具一定是全自动化的，尽管确切的时间和细节还有待确认。2014年10月，特斯拉公司的埃隆·马斯克在接受彭博电视台（Bloomberg TV）采访时就讲道：“从现在起五六年内，我们就能造出真正的自动化驾驶汽车，那时你就可以直接上车睡觉，醒来时就到目的地了。”但他也强调：“想要得到监管部门的审批认可，可能还需要再花上两三年。”

分析师托德·利特曼（Todd Litman）预言，如果没有联邦政府的推动应用，无人驾驶汽车的普及将会延续自动挡变速器的推广进程，那个过程则要耗费将近50年。利特曼估计即使无人驾驶汽车在2020年时就合法化了，它的普及应用也还是需要几十年的时间。他预计到2050年时，无人驾驶汽车将占据新车销售数量中的80%~100%。可即便如此，路面上行驶的汽车中仍有40%~60%是由人类驾驶的。

即便是无人驾驶汽车明天就面市了，将世界上所有人类驾驶的汽车淘汰也不是一件小事。在美国，有大约2.5亿辆汽车在路面上跑着，因此很多分析师将美国称为“活动的停车场”。每年，这个活动的停车场中有1300万到1400万辆的汽车会被淘汰掉，扔到垃圾场里。即使人们可以直接购买一辆经过充分测试并合法认证的自动化汽车，但由于现在汽车的平均寿命是10~15年，所以想要将所有老式的、人类驾驶的汽车撤离道路仍需大约20年的时间。

无论谁的预言成真，有一件事是始终确定的，那就是向完全自动化驾驶汽车时代的演变将历时几十年。尽管谁负责驾驶什么样的工具，以及在何时何地行驶等细节还有待明确，但可以确定的是人类和机器人在未来的几十年里会共同掌控道路。

在后面的章节里，我们会从多个角度探索无人驾驶汽车，揭露那些挡在无人驾驶汽车发展道路上的谣言。我们会重新打造城市格局，将停车场改造为人们休闲的空间，通勤也不再那么痛苦。对于赋予无人驾驶汽车“看、反应、思考”能力的机器人技术，我们会深度剖析。我们会探究汽车、媒体以及零售业将因此迎来怎样的变化。今天的自动化驾驶汽车是人工智能和机器学习领域研究者们数十年科研的成果汇聚，对于前人这段漫长而丰富的研究过程我们也会一起重新领略。第一章 无人驾驶的世界

如果将世界各地街道上行驶的数十亿辆汽车都奇迹般地转换成可靠的无人驾驶汽车，你首先会注意到的事情是世界变得安静了。毕竟，咆哮的警笛声和刺耳的喇叭声只有在方向盘前坐着人类驾驶员时才能发挥作用。那时街道上遍布的，也多是类似高尔夫球场上代步车的小型车，有的搭载一两名乘客，有的完全是没人的。时不时有类似房车的车辆堂而皇之地驶过，那可能是供上班族使用的设施齐全的移动办公室。偶尔，也会有一两辆人类驾驶员开着的车出现。当人类驾驶的车辆出现时，其他车辆会收到提醒，变得谨慎起来，与人类驾驶车辆保持很宽的安全距离。

想要叫出租车，你只需在手机上按一下。几分钟后，一辆无人驾驶移动座舱就停到你的身边。如果你同意共享行程，那么你呼叫的座舱里可能已经有一两名跟你去往相同方向的乘客，这种轻微的行程打扰却能大大减少你的乘坐费用。

就像电梯的内部一样，这个移动座舱里光秃秃的，一切简化，只有坚硬并易于打扫的陈设，几乎没什么能移动的部件。与高峰时段过后的破旧地铁列车类似，无人出租车的地面上也常常散落着食品袋子和各种烟头。出租车的座椅上还粘着嚼过的口香糖残渣，覆盖着肆意的涂鸦乱画。出租车里的安防摄像头完全看不到这些乱丢的废物和受到破坏的车内环境，因为它的镜头早就被一个廉价的针织帽盖住了，也就一直处于眼盲状态。图1.1 个人定制化的移动办公室座舱（概念图）

来源：IDEO设计公司

在这个新时代里，乘客给人类司机付现金的行为早已不复存在，那种不具名的出租出行也已成为过去技术低端的代表。现代的移动座舱在你进入的那一刻，就知道你是谁了。既然你允许身份识别，移动座舱就会迅速检查你的网页浏览记录、购物历史以及最近的行踪，并向你提示在去往目的地的路上会经过两个你喜欢的商店。

除去车内不停播放的广告娱乐信息有些烦人外，整个行程还算是放松的，无需什么人际交流。正如在地铁里一样，乘客之间会尽量避免眼神交流。因而，也就无须再像从前那样与人类司机闲谈。既然你相信车载软件会规划出最便捷的路径送你到目的地，你也无须偷偷地在手机上查看地图比较路线。

到达目的地时，车费会自动从你账户上扣除。没有司机，也就不用额外支付小费。还因为你与其他人共享乘车，承受广告的无尽骚扰，车费更是便宜。鉴于出租车内陈设简单，虽然车内并不是很干净，行程也不是很舒服，但整个过程却很简便。就像是乘坐电梯一样，乘坐出租车出行不再有各种冲突麻烦。便利的个人移动性

无人驾驶汽车对人类生活产生的影响中最不为人全面认识的一点，就是对于交通拥堵产生的影响，以及随之而来的弊端。一种乐观的局面是无人驾驶汽车可以提升城市交通系统的效率，致使私家车数量减少，进而减少拥堵，降低城市中交通出行产生的碳排放量。另一种对环境不利的局面是，在人们享受着个人移动性的便利的时候，平均而言，无人驾驶汽车实际上每年将会刷新出更高的车辆行驶里程，也就导致了更多的碳排放。

出行的便利是把双刃剑。人们就像铁屑被磁铁吸引一样，为出行的便利性所吸引。然而，随之而来的还有一些代价以及未曾预料到的负面效应。无人驾驶提供的个人出行便利性也许能解决现代汽车技术加于我们身上的资源严重过剩问题。另一方面，它可能会带来隐藏成本——越来越多的人会在不经意间突破他们原本的出行行驶里程。这种新技术应用所带来的期望效益不增反减，是源于效率提升反而促进了使用率，经济学家将这种现象称为“回弹效应（Rebound Effect）”。

无人驾驶汽车的出现是否会对交通状况产生“回弹效应”，即增加了人们每年乘车出行的里程数，并导致道路上的汽车数量不减反增，这一点还尚未得以明确。不过有些研究给出了一个乐观的场景，那就是在未来的几十年里，城市街道上的车会越来越少。国际交通论坛（International Transport Forum）是专门提供交通政策建议的一个智囊团。智囊团成员路易斯·马丁内斯（Luis Martinez）在接受《经济学人》（The Economist）杂志采访时预测，将来自动驾驶车辆组成的车队会取代城市中所有以车辆为载体的公共交通，如出租车和公交车，我们可以用更少的车辆为人们提供更多的出行便利。

为了验证这个理论，国际交通论坛的研究者创建了一个以个体为基础的模型，用来模拟欧洲一个中等大小城市的日常出行模式。通过将先前交通状况调查所积累的数年真实数据导入模型，研究者计算出一个结果——如果城市居民不再乘坐私家车和公共交通，都是以共享的方式使用自动化出租车出行，那么城市道路上的机动车数量会减少90%；虽然成群出动的自动化汽车会极大减少路面上汽车的数量，但是模型计算后还发现每辆车的出行总里程会略微增加，这是因为自动驾驶的出租车会更频繁地穿梭于道路上以接送不同乘客。

密歇根大学的交通研究所（University of Michigan Transportation Research Institute）给出的一份报告就支持了上述模型的结果。报告指出，自动驾驶汽车可以减少美国家庭平均占有的车辆数量，从每个家庭两辆以上减少到只需一辆车。根据报告所言，一个家庭拥有一辆车之所以成为可能，是因为自动驾驶汽车在送一个家庭成员去上班后会启动“回家”模式，这样其他家庭成员也可以使用这辆车来接送自己外出办事或参加活动。

然而，还是存在一个问题。虽然一台家用无人驾驶汽车可以来来回回高效率运送家庭成员，但事实是一辆车服务的人员越多，它的行驶里程也就越多。尽管未来每个家庭平均占有的车辆更少了，可是留下来的无人驾驶汽车在使用频率上要增加75%，累加起来就是每年每辆车平均里程达到了20,406英里。这一事实的积极面在于，即使一辆无人驾驶汽车平均而言要多跑75%的里程，但整个家庭的总行驶里程还是要比家中有两辆人类驾驶车辆使用时的里程更少。但这个更有效的交通出行会引发未曾预料的负面结果，即：一辆无人驾驶汽车的行驶里程数要远远高于一辆人类驾驶的汽车。召唤一辆无人驾驶汽车来接送你，无疑会带来极大的便利。然而，这也可能意味着召唤来的汽车要大费周折地多跑两倍里程来接你。

理想状态下，一辆自动驾驶汽车在空车状态时会驶离交通干道找一个安全的地方停泊，等待下一次的召唤。可是，如果这个安全区离街道有几英里远，那么相比就近停靠而言，无人驾驶汽车就要被迫空载来回行驶很长一段距离。它的行驶里程会增加，而那些浪费的折返行程加剧交通拥堵和空气污染状况。

如果人们在获得便利的个人移动性的同时会导致每年个人出行里程的大幅增加，那么无人驾驶汽车的出行就会对环境产生破坏性影响。今天，交通出行已经成为空气污染的最主要来源之一。单单是在美国，汽车和卡车排放的尾气就占到了每年人类活动产生温室气体排放量的大约29%。如果无人驾驶汽车会导致人均车辆里程数的增加，那么发展中国家里人口稠密的“特大城市”所面临的问题会更加严重。

尽管美国的汽车发展已经有将近100年历史，其他的高速发展国家也在积极地迎头追赶。中国就在追赶美国的脚步，逐渐建立自己的汽车文化。随着越来越多的中产阶级新贵享受汽车出行的便利，类似北京、郑州等城市不得不忍受那惊人的八车道交通拥堵和日益严重的雾霾。

时至今日，中国的人均车辆占有率还是要比美国或欧洲低不少。在中国，平均每1000人拥有85辆汽车，而美国则是797辆。然而，中国汽车行业每年制造和销售的新车比率还在不断刷新纪录，自2013年以来已经达到7%的年均增长率。通过尽早应用无人驾驶技术，也许中国的汽车文化能规避某些资源的严重过剩问题。为了改善交通状况，被誉为“中国谷歌”的搜索引擎公司百度已经发表声明，称会与宝马公司联合开发专门适合于中国道路的自动驾驶汽车。

无论是在发展中国家还是发达国家，交通拥堵都是空气污染的主要来源。在美国，由于上班族在交通拥堵中寸步难行，他们汽车的发动机空转每年会浪费29亿加仑的汽油，覆盖的面积足以填满4个足球场。无人驾驶汽车可能会行驶得更有效率，产生更少的污染，但也可能促使人们每年行驶更多里程，使得空气质量更加恶化，城市交通拥堵更加严重。

汽车每年行驶里程总数的增加对环境产生的另一方面影响可能来源于无人驾驶汽车有着更短的使用寿命。一辆汽车的寿命可以由其里程表预测，根据《消费者杂志》（Consumer Reports）的报道，现在一辆私家车的通常寿命大约是15万英里，也就是说以8年使用期计算，每年平均可以行驶18,750英里。相比而言，纽约的出租车一年要行驶大约7万公里，那么它们的平均寿命只有3.3年。

如果密歇根大学的研究结果是正确的，而一辆无人驾驶汽车每年要累计行驶20,406英里，那么私家车的使用寿命会更快“用光”，即只用7年的时间就达到了预期的15万英里寿命。将来更为糟糕的情况可能是，废弃的无人驾驶汽车四处散落，垃圾场和家庭后院里堆砌着退役的汽车机身和破旧的引擎。无人驾驶的引入是否会减轻汽车现在施加在我们身上的负面影响，这一点还需要时间来验证。如果无人驾驶汽车反而加大了交通量和汽车行驶里程，那么产生的结果可能是加剧交通堵塞，以及随之而来的空气质量恶化。然而，历史已经告诉我们，新技术绝不会仅仅对从前的状态做片面延伸。我们相信无人驾驶汽车的独特性使其能够避免可能出现的不利局面和对环境的破坏。

如果要求20世纪90年代的因特网立即承载今天的数据通信，那么它一定会卡死在加载过程中。但因特网经历了几年的发展后，很多新增功能使得现在的它可以持续吸收新用户并管理大量增长的数据，这些新增功能包括更高效的压缩技术、更好的光纤电缆，以及更为智能化的路由器。那么，无人驾驶汽车应用可能导致的负面的回弹效应，技术的进步也能适当将其缓解。这种乐观的观点已经得到一些学术研究的支持。

首先，让我们来解决车辆的寿命问题。

根据麦肯锡咨询公司的报告，无人驾驶汽车在刹车和加速方面会更加柔和，这会使汽车的燃油使用量降低15%到20%，同时二氧化碳的排放量每年减少2000万吨到1亿吨。如果麦肯锡的研究是正确的，那么更加平稳的驾驶行为会使无人驾驶汽车的寿命得以延长。

无人驾驶汽车不仅可以通过上面的方式使用更久，它们还能通过专门的设计来延长寿命。其实，15万英里的使用寿命并不是什么不可攻破的神话。只要有市场需求，汽车公司完全可以设计能轻松行驶几十万英里的无人驾驶汽车。交通管理部将他们采购的公交车使用寿命预计为至少是12年或25万英里。半挂车则设计成能行驶100万英里，而且它们的引擎实际上可以无间断运转。轨道车辆的寿命甚至可以更长，例如旧金山市的某些海湾快速通行列车（Bay Area Rapid Transit，BART）制造于1968年，时至今日还在运行。

即使无人驾驶汽车的寿命仅与今天的人类驾驶车辆持平，它还是能在现有道路上腾出更多的空间——为了减少风阻，骑自行车的人会彼此靠得很近，这种能量节省策略被称为风拽或者弹弓效应（Drafting）。多亏了传感器、无线通信技术的出现，而且人类也不必

试读结束[说明：试读内容隐藏了图片]

下载完整电子书