哈哈，真正的无人驾驶多年前早已来到，现已渐入佳境，在国防，工业，农业，科技等多个领域正在为人类做出贡献，只不过是在人们的生活岀行方法还没有普及，我相信不久无人驾驶这种高科技的产物进入大众生活指日可待。＇

　　无人驾驶技术是一种即将改变人类未来社会的科学技术，它正在越来越尽力走进我们的生活之中，而且已经有不少无人驾驶车辆在某些区域中走向运营，当5G技术普及的时候，无人驾驶技术全面放开也将随之到来。

　　无人驾驶技术为什么需要5g技术配合呢？这是因为无人驾驶车辆需要处理大量的计时信息，而且需要做到快速和细致，5g网络技术可以满足这一需要，因此当5g技术成熟且普及的时候，无人驾驶技术也将可以普及。

　　无人驾驶技术需要随时处理大量即时信息，非5G网络不可，比如当无人汽车在路上行驶的时候，它对道路的规划、以及道路上车辆的情况等需要随时做出及时处理，因此它的行使地图和路况信息需要实时更新，实时和车辆管理系统沟通，无人驾驶车辆通过传感器、摄像头采集到的信息数据量很大，对网络通道的速度、带宽以及数据传输时效性都很苛刻，而且需要大数据云技术的辅助，4g网络还满足不了，唯有5g网络技术才能有效满足。

　　如果带宽不足的话，那么数据就不能及时传输，无人驾驶车辆就不能对地图和路况信息做出及时调整，那么它在行驶的过程中就很容易出现问题，甚至激发某种事故，所以5g网络技术低延时高带宽的特征，正是无人驾驶技术最需要的，是无人驾驶技术的前提条件。

　　相对4G网络，5G网络的传输速率提升100倍，其峰值传输速率达到10Gbit/s，所以单位数据的传输用时将会非常短，我们用4G网络下载一部1g容量的电影，大致需要半分钟，而使用5g网络技术不到一秒钟就能完成，这样的速率就可以满足车辆在道路上行驶时出现紧急情况的数据处理。

　　比如，当很多车辆在高速路上以极小的车距行驶的时候，那么当最前面的车辆出现事故或紧急刹车的情况时，后面的车辆往往来不及反应就会撞上去，这样车辆就很危险了，但是5g网络技术下的无人驾驶技术可以让后面的车辆瞬时感知前面的路况，进而做出及时的避免措施，这样就能避免事故的发生，车辆也就安全了。

　　随着社会的发展和科学技术的进步，毫无疑问无人驾驶技术终将会大行其道，这是一种可以极大促进社会发展的技术，我国多家人工智能公司在这方面研究多年，已经具有了充足的技术储备，可以说在技术方面已经很成熟，只待5G技术全面普及，那么我们就可以享受无人驾驶技术带来的种种方便和好处了，到时候我们想去哪里，只需要坐上车后说一声到哪里，车辆就像是有司机一样把我们带到目的地，而我们在车上也可以做自己想做的事情，就是睡上一觉也行。

　　在无人驾驶全面落地之前，必须全面解决其面临的各种安全问题。以人工智能技术发展的现状来看，无人驾驶要想全面落地，还有很长的路要走。

　　近年来无人驾驶技术的爆发的技术基础也源自于2006由Hinton在深度学习领域的革命性成果，由此基于神经网络的深度学习算法得以在计算机视觉、语音识别、以及计算机行为决策方面深度应用，从而构成了无人驾驶软体层面的技术基础，而在实现无人驾驶的工程应用上，已经不存在较大的技术障碍，因而，无人驾驶的天花板依旧在于基于深度学习的AI技术的局限性。

　　而另一方面，基于AI技术的L4级别的自动驾驶已经开始进入商业化阶段。目前，google Waymo、特斯拉AutoPilot、百度Apollo以及通用Cruise均已实现L4级别的自动驾驶。

　　然而，2022年的美国，一辆自动行驶中的特斯拉Models撞上了一辆白色拖挂货车，致使驾驶员死亡，这是第一例无人驾驶车祸致死的案例。

　　事后，有专业人士据车祸地点的环境分析后指出，在强光直射下，依赖摄像头的图像识别系统失效，未能及时检测出前方正在穿过道路行驶的白色货车，同时由于毫米波雷达位置较低，而一般的毫米波雷达垂直视角在±5°以内，导致当Tesla靠近拖挂卡车侧面时，雷达波束从下侧穿过了卡车，导致漏检，从而致使事故发生。车祸发生后，特斯拉改进了无人驾驶系统，并修改了官网关于AutoPilot的释义。

　　实际上，无人驾驶技术全面落地的最大障碍是安全问题。以深度学习算法为核心的AI技术构筑的无人驾驶系统至今尚未真正解决由“计算机理解偏差”而带来的驾驶安全性的问题。

　　从AI技术演化的角度来看，深度学习算法为核心的“智能化”实际上并不是真正意义上的智能，而是基于大数据和深度学习算法在“动态规划”原则下对统计意义上“最优解”的达成。因此，当下要想解决无人驾驶的安全性问题，必须在这个框架下将“不安全”的可能性降低到一个低于人类车祸概率的红线之下，才具备无人驾驶走进千家万户的“接受底线”。

　　今年五月，在宁波举行的第六届中国机器人峰会上，中国工程院院士郑南宁发表了主题为《直觉性AI与无人驾驶》的演讲。郑南宁院士提出，在算法模型下，建立覆盖全部的场景模型是不可能的，但“构造一个基于认知构建的类人自主驾驶，使AI自主驾驶具有类人的决策机制，则能应对高动态和强随机性的交通场景变化。

　　目前来看，基于人类思维决策机制建立算法模型，使AI具有类人的“意识”以当前的技 术条件还无法达成，一方面，人类的决策往往通过自身多方面的经验达成，而并非固定的在驾驶场景下形成单一的决策机制，另一方面，在大多数人的决策过程中，感性因素常常会占主导地位，而算法决策则是百分百的理性决策，而在某些特定情况下理性决策往往不是“最优选择”。

　　

　　放眼未来，无人驾驶必定在未来某一个时刻全面应用至出行领域，届时，现有交通规则甚至道路形态或将出现新的变化。而从无人驾驶的初步应用到无人驾驶时代的来临之间，人们将长期处于一个“人类+AI驾驶”的混合出行时代。而在这个过程中，相应的法律法规也必须与之相适应。

　　如果说安全问题是AI无人驾驶落地的“入场券”那么，无人驾驶与现有交通体系及规则的适应则是一场AI与人类直接的“博弈”。

　　从本质上看，AI无人驾驶的演进过程，是一个在以提高出现便捷性与安全性的前提下，人类逐渐将出行部分逐渐交给AI负责的过程，在这一过程中，人类在出行领域保留主导权的同时，将出行安全与操控权交付至AI，以实现对人力的解放。

　　在这一过程中，作为博弈其中一方的人类又有着十分矛盾的心理。一方面，人们希望通过AI来解放人力，来获得出行体验的“舒适性”，另一方面，人们又担心现有技术条件下，AI的决策会带来安全风险和道德风险。因此，无人驾驶的落地不止是技术层面的落地，也是公众认可度和无人驾驶交通法规等层面系统化适应。

　　

　　在决策层面上，基于深度学习的AI将在很长的一段时间内不会出现“类人”的决策模型，因而，人们可以预期的AI无人驾驶，实质上是低安全风险下的交通辅助工具，从这个意义上来讲，AI无人驾驶的进步反而会增加人类驾驶者陷入“AI安全陷阱”：一方面“非人”的AI并不能真正给与驾驶者安全的保障，另一方，日益进步的AI无人驾驶技术会增加驾驶者的“惰性”从而造成潜在安全风险。

　　无人驾驶跨越“AI安全陷阱”的关键在于是否能够准确判断AI无人驾驶技术进化的奇点，而判断无人驾驶是否达到技术奇点的原则可以从两个方面去考虑：

　　1. AI完全具有作为“人”的分析决策能力（也就是实现独立思考的人工智能）；

　　2. 基于深度学习的AI无人驾驶在实际道路行驶中的事故率要远远低于人类驾驶。

　　其次，从现实的层面来看，软体程序是AI技术不可或缺的构成，在联网状态下，获得车辆控制权的AI也更容易受到网络黑客的攻击，因此，除行驶安全外，网络安全问题也是无人驾驶真正落地需要解决的问题。

　　在现有AI技术以及其成长空间下，未来，无人驾驶的落地将不可避免的分为两个阶段，即封闭场景下的商业化落地，以及作为驾驶辅助功能的商业化落地，而要想真正的实现智能无人驾驶，还有很长的路要走。

　　老友的这个问题，是高科技的前沿问题，对此我可以说一无所知。

　　感于友谊，只能说一个粗略感知。

　　上海的洋山深水港码头，从电视里看到过大卡车装运集装箱，在码头区域内转运集装箱据说是无人驾驶的车辆。有次曾去码头，但只能远观而无法近见。还曾听说出租车也将无人驾驶，只可惜未曾亲见。

　　科技的日新月异，相信无人驾驶时代的到来已经为期不远，只是可能路况的跟进与沿路设施的改进可能成为落后于无人驾驶。

　　让我们以美好的心态迎接“无人驾驶”时代的早日到来。

　　谢谢邀请！

　　无人驾驶 这项技术的推进，需要关注三个方面：

　　1、法律层面

　　无人驾驶技术的推进，首先要看法律层面；

　　先看美国

　　【美国的交通部门把自动驾驶技术分为四级：无自动（0级）、个别功能自动（1级）、多种功能自动（2级）、受限自动驾驶（3级）、完全自动驾驶（4级）。

　　而2022年9月12日出新规规定：最大限度解除了对汽车制造商和自动驾驶技术研究机构的约束，自动驾驶技术将直接受联邦监管，而不是在不同的州要符合不同的需求，这也避免了出现“政出多门”。

　　美国有22个州通过了自动驾驶相关法律，或颁布自动驾驶相关行政命令；包括内华达州、纽约州、密歇根州在内的美国多个地区允许无人驾驶汽车上路测试。但其中最有代表性的，当属加利福尼亚州。现在有来自全球36家企业在加州做自动驾驶技术测试。

　　在来看看国内的：

　　【17年12月21日北京市关于加快推进自动驾驶车辆道路测试有关工作的指导意见(试行)》和《北京市自动驾驶车辆道路测试管理实施细则(试行)》。对于自动驾驶车辆的测试和上路有了明确规定】具体细节如下：

　　首先申请道路测试的车辆必须符合国家机动车运行安全技术条件，并且具备自动、人工两种驾驶模式，可在两种模式间随时切换。上路测试期间，车辆必须是属于“有人驾驶”状态，每辆车都要配备有一定驾龄经验、熟悉自动驾驶系统的测试驾驶员。不能搭乘无关人员。出现事故后，按照交管规定处理，需要由测试员承担相应的法律责任。

　　其次测试车辆需要申请专用的测试牌照并张贴，并需要先经过通过封闭场地的一定公里数的实验，经过第三方认证测试后才能进行公开道路测试。每台测试车需要购买不低于500万的交通事故责任保险。

　　所以，法律层面是自动驾驶技术普及的第一个门槛，现行的交通法律和法规对于自动驾驶都不适用，这需要各国政府重新研究并立法，而在自动驾驶技术立法之前，先要确定技术的发展成熟程度。纵使谷歌在全美路测已经超过30万英里的情况下，在美国这种支持创新的国家，立法现在来看也依旧遥遥无期。毕竟一旦自动驾驶技术在行驶中出问题，将涉及到大量的法规和道德评判风险。举例：当自动驾驶情况下出现紧急事件，自动驾驶技术判断撞一个人的风险要低于撞树的风险，那可能就会直接撞人；从科学角度来说自动驾驶技术的判断没错，但会使该技术承担巨大的道德风险。

　　2、技术层面

　　目前全球对于自动驾驶技术的分级分为下图：

　　可以看到的是，目前市场上能够具备自动驾驶功能且量产的车辆大部分的水准也就是L1 和 L2 水准，特斯拉也是在L2 的水准上，但特斯拉自己号称是2.5水准；而奥迪去年的A8 主打的也只是L3 级自动驾驶。其实客观来讲，低于L4 级别的自动驾驶更适合被称之为 辅助驾驶。因为他跟大家想象的自动驾驶形态相差比较大。

　　自动驾驶技术说起来简单，就是一个汽车加上几个传感器然后进行资料信息处理，电脑做分析并实施操控。但这里边几个难点在于：

　　1、传感器； 主要分为 光学雷达，传统雷达、镜头三类；镜头便宜但不具备光线穿透力和需要光线辅助；传统雷达在于覆盖范围小而且难以对物体精准判断；光学雷达虽然覆盖大精度高，但受雨、雾、尘埃的影响，而且造价高昂。

　　2、信息处理 ；自动驾驶技术的处理核心就是道路规划、躲避障碍等；虽然不是什么黑科技，毕竟很多无人机、扫地机器人也在用；但自动驾驶汽车需要收集汽车周围数据，对资讯进行实时动态处理并最终做出决策，这整个过程与真人驾驶所要完成的过程几乎毫无差异。所以训练自动驾驶汽车的过程，其实就是个从新手到老驾驶的过程。

　　在人工智能技术的训练上，试错（Trial and error）是极为重要的方式之一，人工智能透过不断的试错与纠正得到进步。但这一个方式在自动驾驶技术上却不可行，因为一旦出事，轻则损失成千上万费用，重则是生命的陨落。

　　所以自动驾驶技术核心不是能够做到，而是能否做好；这也是现在的自动驾驶技术主要是用来辅助司机降低风险为主。

　　3、市场层面

　　这主要取决于市场用户对于自动驾驶的需求强烈程度，以目前的接受程度来看；最合理的方式是逐步推进，也就是说让大家能够接受并使用到L2 级别的自动驾驶技术，等到市场反馈、技术沉淀、司机习惯都适应后，可以逐步推进。

　　毕竟市场及用户目前对于自动驾驶的认知和自动驾驶技术的发展阶段不一致的，我们希望的是如同科幻电影一样，完全不需要操作；但现实是在复杂路况下，纵使自动跟车这样的辅助技术也不能完全放心；更何况完全在高速上启动辅助驾驶。

　　特斯拉在出了几次这样的事故之后，也将对外宣传时候写的自动驾驶技术改为了辅助驾驶技术。并提示司机在开启的情况下需要对车辆操控及路面情况保持一定的注意力。

　　从个人角度而言，还是希望能够在未来二十年后自动驾驶技术成熟，从立法到技术、在到市场上用户的认知、熟悉、车企的研发等。

　　以上供参考！