狂奔的特斯拉，危险的自动驾驶

Mary

深燃（shenrancaijing）原创

作者 | 周继凤

编辑 | 向小园

特斯拉又出事了。

当地时间 3 月 11 日早上，一辆白色特斯拉 Model Y 在美国底特律西南部一个十字路口撞上了一辆白色半挂卡车。现场报道称，特斯拉被卡在了半挂卡车底下，这导致现场很难清理，事发路段也因此交通封闭了几个小时。

截至目前特斯拉官网尚未公布事故原因，但联想起特斯拉此前因自动驾驶引发的多起事故，这一次，不少人猜测事故车辆是否也在自动驾驶状态下。

2016 年，美国佛州的一辆特斯拉 Model S 在 Autolipot 状态下与正在转弯的白色半挂卡车发生碰撞，特斯拉驾驶员不幸身亡；2019 年，一辆特斯拉 Model 3 在 Autolipot 状态下以 110 公里 / 小时的时速径直撞向了一辆正在缓慢横穿马路的白色拖挂卡车 ……

为什么特斯拉总是识别不出白色车辆？特斯拉的自动驾驶技术究竟安不安全？为什么多家车企的 L2 级自动驾驶都出现了安全事故？这些事故的共性是，驾驶员过于信任自动辅助驾驶系统，而放弃汽车控制权或不再时刻关心路况。

自动驾驶目前形成了两大派系，一派是谷歌派，走的是全自动驾驶模式，主要目标是无人驾驶技术完全取代人，所以从一开始就没有考虑刹车、油门、方向盘等问题。另一派是以特斯拉为首的汽车制造商，做法是先实现半自动辅助驾驶，再逐步过渡到完全自动驾驶。

尽管一些传统车企早已研发出、配备上了自动辅助驾驶的功能，但还是比较保守，造车新势力们在这方面似乎更为激进，且有弯道超车的架势。不少专家也指出，由于电气化程度高、动能效率高等特性，新能源车是自动驾驶的最佳载体。

特斯拉的创始人马斯克在 2020 年上海世界人工智能大会发布的视频中说：" 我觉得我们已经非常接近 L5 级自动驾驶了。我有信心，我们将在今年完成开发 L5 级别自动驾驶的基本功能 "。

随着越来越多企业加入并且鼓吹自己具备 L3、L4 级别的自动驾驶技术，越来越多配备着自动辅助驾驶系统的新造车上路，一些现实的问题摆在车企、供应商与消费者面前：如何平衡技术与安全？如何让驾驶者及时且安全地接管控制汽车？最重要的是，人类驾驶员该不该相信自动驾驶系统？

你敢不敢用自动驾驶系统？

你敢不敢开着自动驾驶系统在路上跑？

" 真不敢。" 一位车主在车主群里直言：" 我把有关自动驾驶的一切都关了，因为非常不信任这个系统。"

家里有一辆 Model 3 的车主陈亮一提到自动驾驶就有点儿后怕：" 现在路况还不够完善，自动驾驶技术还不是很成熟，听着有点儿吓人，我不敢用。"

也有极大胆者。特斯拉车主 Monica 就看到有人在车主群里分享这样的经历：由于极度信任自动驾驶，在三环上跑了两圈结果睡着了。" 相当于他跑的这几圈完全没有接管方向盘，不知道他是怎么骗过系统的。"

为了确保驾驶者的警觉性，不少配备了自动辅助驾驶功能的车辆会在方向盘上装设感应器，从而确认在开启自动辅助驾驶系统的时候，驾驶员是否把手放在方向盘上。

但不少车主在网络上分享了抖机灵的做法，比如把矿泉水瓶、橘子绑在方向盘上迷惑系统，让系统误认为是驾驶员的手在方向盘上。

但更多时候，车主们面对自动驾驶技术往往是小心翼翼地试用、体验。常年跑通勤开启特斯拉 Autopilot 功能的车主王盛坦言：" 我其实分不清具体什么是自动驾驶，什么是自动辅助驾驶，潜意识觉得它有点儿危险。后来有朋友一直在用特斯拉的 Autopilot 功能，在他的推荐下我才开始用的。"

总体来说，据 Monica 观察，周围 90% 的车主都是非常小心谨慎地尝试自动驾驶系统。" 我个人其实是依靠路况来判断要不要开启。在路况好的时候，上高架、高速都非常有用。市区路况不好时不敢开。即便使用的时候可以稍微解放双手双脚，但也得一直盯着道路，你的手必须是随时处于接管车辆的状态。"

Model X 车主张鹭也持相同的观点，" 还是谨慎点儿好。" 他平日开车上路也不依赖自动驾驶，一般是在城市道路比较拥堵的时候，或者在高速路上驾驶比较疲惫的时候，才开启自动驾驶功能。在他看来，自动驾驶不危险，尽管偶尔会出一些 bug，但随着技术发展，会越来越安全，不过需要谨慎对待。

如今造车新势力包括特斯拉、小鹏等在内，给用户提供的是 " 整体化 " 的辅助驾驶功能，相当于在宣传上没有划分出太多细分功能，而是在场景中融入自动辅助驾驶功能。

经朋友推荐开启自动辅助驾驶功能的王盛，如今只要是跑通勤上高速或者上环线都会开启自动驾驶。" 感觉太方便太省心了，相比于自己亲手开，能省不少事儿，有时候还能接接电话。"

张鹭也发现了自动驾驶的好处。" 平日里开车，我只用手握方向盘，刹车和油门就不用踩了，系统会自动跟车，自动转弯，非常方便。"

" 甚至有几次，自动驾驶救了我的命。" 张鹭回忆，特斯拉的自动驾驶有一些主动预警的措施，比如车道偏离、追尾等，在关键时刻会给他提醒。

但车主们也不是没有遇到过安全事故，不少人曾遇到过 " 惊险时刻 "。

杭州的孟孟刚买特斯拉一个月，就遇到了事故。那天晚上，下了点小雨，人也有点放松，她开启了辅助驾驶系统在高架路上行驶，结果突然撞上了一个修路的指示牌。" 原来是系统完全没有识别出来，万幸修路的工人没有站在中间，现在想想还后怕。"

Monica 有时候会 " 被特斯拉吓一跳 "，它会识别不到车速比较慢的车，比如说停在路边故障车、慢速的清扫车，这时候系统会突然急刹车，它以为前面有障碍物。"

有一次一辆车中途强行并线，王盛下意识踩了一脚刹车，因为开启着 Autopilot 自动辅助驾驶，踩刹车相当于解除自动驾驶了，差点儿被追尾。后来，王盛用自动辅助驾驶系统有经验了，但是还是很怕前方车辆突然强行并线从而导致自己被追尾。

自动驾驶和辅助驾驶

傻傻分不清楚

究竟什么是自动驾驶，自动驾驶与辅助驾驶的区别在哪儿，车主们往往是一头雾水。

Monica 就没有具体了解过系统里有哪些功能，而是直接上手了。在她的视角里，" 需要做什么的时候系统会自动提醒。"

另一位特斯拉车主的理解是，自动驾驶技术就是解放双手双脚，完全不用人了。

还有不少车主是依靠名称来猜。

以特斯拉为例，目前，特斯拉针对自动驾驶推出了不同的软件包，其中，基础标配的功能被称作基础辅助驾驶功能（即 AP），更高阶的软件包 FSD，则被称为完全自动驾驶。由于特斯拉直接把更高阶的自动驾驶软件包取名为完全自动驾驶，不少车主直接把特斯拉 FSD 等同于自动驾驶技术。

对于 FSD，一位车主表示，" 感觉是完全可以放开手脚的那种。" 但实际上，FSD 名称叫完全自动驾驶，实际功能更多是 L2 级别的自动驾驶，再叠加一些结构化、场景化的 L3、L4 级别的自动驾驶，离真正的自动驾驶还很遥远。

直接面向消费者的特斯拉销售，在这点上似乎也没什么帮助。" 销售既没有和我明确解释，特斯拉的 AP 和 FSD 的区别，也没有和我说每个功能如何操作，有什么注意事项，只是提了一句‘有这样的软件包’，我觉得不是很划算所以就没买。" 上述车主回忆。

某种程度上，车友群里的普及和使用分享，反而成了车主们了解自动驾驶、辅助驾驶系统的重要渠道。

但因为概念模糊、认知不清晰，已经让一些车主付出了代价。

2016 年 5 月，一名特斯拉 Model S 司机在美国佛罗里达州威利斯顿附近被撞身亡，当时他启动了自动驾驶系统，车辆撞上了一辆拖拉机拖车，电动车车顶被掀开。

2018 年 3 月，美国加州山景城发生一起致命事故，当时一辆运行自动驾驶的 Model X 撞上了混凝土护栏。事后特斯拉调查发现，车辆日志显示，司机收到了需将手放在方向盘上的警告，但司机在事故发生前没有采取任何行动。

2020 年 6 月 1 日，一辆特斯拉 Model 3 行驶在台湾高速公路上时，直接撞向一辆翻倒在公路上的大卡车。据警方介绍，" 司机表示自己在车辆行驶时开启了自动驾驶辅助功能，将车速固定在 110 公里 / 小时，行驶途中自己有些分神，没有将全部注意力集中在车辆和道路上。"

这些悲剧的共性就在于，驾驶员过于信任自动辅助驾驶系统，导致放弃控制汽车控制权、或者不关心路况，在危险来临之时，没有及时接管车辆。

被滥用的 " 自动驾驶 "

为什么原本能够进一步保证行程安全的自动驾驶技术，反而成了马路杀手？我们得从自动驾驶的分级说起。

不少人头脑中的自动驾驶大概是这样的——一辆没有司机没有方向盘的无人车载着乘客在路上狂奔，并完美躲避障碍物。

但实际上，按照美国汽车工程师学会（SAE）的定义，自动驾驶分为从 0 级（完全手动）到 5 级（完全自动）6 个等级，主要看驾驶员的介入程度。最高级别 L5 可以做到全场景全自动，相当于上述人们头脑中、电影中展示的自动驾驶。目前技术水平有限，不过在走向 L5 的路上，每提高一个等级，自动化的程度就晋升一级台阶。

这其中最重要的分界线是 L2 级别。

L2 及以下级别是自动驾驶的初级水平，被划分为 ADAS（Advanced Driving Assistance System）范畴，也就是高级驾驶辅助系统，利用系统和技术来辅助驾驶员完成驾驶。这意味着，这个区间的自动驾驶技术不具备 " 全自动驾驶能力 "，是始终需要人类监管的驾驶辅助系统——事故主要责任人是人类驾驶员。

L3 及以上级别，驾驶员才有机会脱手脱脚，无需全程接管、监管。这时候，系统不仅需要负责从各种传感器和摄像头等设备收集信息，还转变成了需要根据这些信息进行判断并执行的主体——一旦发生事故，技术提供方也就是主机厂，与驾驶员共同承担责任。

因此，分级究竟是 L2 还是 L2 以上至关重要，这决定了事故的责任方究竟是谁，也决定了驾驶员究竟是无需接管还是必须全程监督。

美国高速公路安全保险协会 IIHS 就曾指出，半自动驾驶功能理应是为车主提供额外的一层安全保障，但企业在设计某些功能时的出发点，就是让司机 " 脱离 " 驾驶操作。比如自适应巡航和车道保持，这两个典型的自动驾驶系统的功能，实现了一种近乎是人类司机操作的效果，虽然不同车企开发的功能的有效性不同，但没有一家的系统能实现真正意义上的自动驾驶。

某些时候，车企还出于增加卖点、吸引资本注意的目的，夸大自己的自动驾驶功能，甚至暗示消费者无需接管。

在很长一段时间里，特斯拉就将 AutoPilot（高级辅助驾驶系统），当成 " 自动驾驶 " 对外宣传，直到发生多次安全事故，才不得不改口。而即便现在，特斯拉最高阶的软件包 FSD，也被称为完全自动驾驶。马斯克还声称，这套方案足够实现 " 完全自动驾驶 "，" 完全的意思是，汽车能够从家中开车去工作，在途中几乎不需要驾驶员操作。"

把视角放回国内，蔚来汽车在 Nio Day 上发布了预计在今年四季度交付的首款电动轿车 ET7，同时发布了首个自动驾驶平台系统 NAD（Nio Autonomous Driving），表示将从辅助驾驶（assisted driving）升级为自动驾驶（autonomous driving）。

尽管很多车企、自动驾驶技术厂商，都声称自己拥有 L3 以上级别的自动驾驶技术，但实际上可能没有这么乐观。

" 目前国内的自动驾驶水平还没到 L3，主要靠产业吹。" 一位长期研究造车新势力的分析师曾对深燃表示，所谓的 L3，其实是一些结构化道路的 L3 功能，也称为有限的特定场景的 L3 自动驾驶，而一些车企如特斯拉的自动召唤，只算是 L4 中的一个很小的应用场景。

为此，自动驾驶公司 Waymo 首席执行官 John Krafcik 就通过媒体回怼了马斯克：Waymo 研发的是 " 完全自动驾驶系统 "，特斯拉提供了 " 较为出色的驾驶辅助系统 "，两家公司在自动驾驶领域聚焦的并不是同一件事情，根本无法相提并论。

Waymo 还指责自动驾驶一词正在被一些汽车企业滥用，这会使得公众误解辅助驾驶系统功能。最近，德国法院也在禁止特斯拉在其网站及其他广告中使用带有 "Autopilot" 或 " 完全自动驾驶功能 " 的字眼，理由是存在误导倾向。

无法避免的 corner case

除了部分企业对自动驾驶的宣传存在问题外，长期研究 AI 的技术人员李亮还表示，目前自动驾驶的算法本身也存在局限性。" 所有新造车在做自动驾驶的时候，其实靠的是 AI 算法，也就是基于深度学习，或者说深度神经网络的原理去实现的。"

深度学习的工作原理是怎么样的？李亮举了一个例子：你给 AI 机器看猫的照片，这些猫各有各的形态和颜色，给机器看了 100 张之后，系统能够根据概率推算出下一张新的照片是不是一只猫。

因此，深度学习的判断逻辑是基于相关性的，机器会根据概率推导。比如，90% 的概率由 a 推导到 b，10% 的概率由 a 推导到 c，但是深度学习是没有探索环境的因果模型，哪些事件导致了其他事件，以及下一步会发生什么，目前的深度学习是无法判断的。说白了，深度学习还不能理解因果关系，也就意味着，总会出现一些极端情况是机器无法识别的。

" 这在专业领域叫 corner case（边角案例），按照深度学习的逻辑来说，AI 是按照相关性来判断事物的，所以永远无法达到 100% 的准确率。" 李亮进一步解释道，而 AI 的学习原理决定了它只认识之前见过的，而无法识别新接触的事物，" 当面对训练数据中未包含的新情况时，它们没有人类的创造性和灵活性，也很容易出问题 "。

这就涉及到安全问题。" 只有当机器的精确度和安全度，远超于人类驾驶员的时候，也就是说，机器出事故的概率远小于人类驾驶员出事故的概率的时候，也许 L5 全自动驾驶上路才是合适的。" 李亮告诉深燃，" 为了保证安全，技术层面以外，法律法规也需要适配自动驾驶的边界。"

不过，尽管各家的宣传都说自家的技术在 L2 或 L2 级别以上，可实际上研发配置的自动驾驶技术水平参差不齐。

就现阶段来说，新造车阵营的自动驾驶技术更值得关注，比如自动辅助导航驾驶功能（即 Navigate on Autopilot）。其中特斯拉、蔚来、小鹏各家都先后发布了此种功能，只不过名称不同。

所谓自动辅助导航驾驶功能，就是在 L2 辅助驾驶导航的基础上，结合了车机导航的信息，可以根据设置的路段，在高架、高速路上实现自动调节限速、自动变道超车、自动进出匝道等功能。这些功能向更高级别的自动驾驶更近了一步，算是自动驾驶中比较高阶的功能，但仍属于 L2 级别的范畴。

以在高速上出入匝道这一功能为例，李亮称，实现这一功能，需要输入庞大的数据包，包含大量的路况如路牌、出入口的信息等，通过芯片计算出具体的信息，再将信息传导到电机、刹车转向灯等硬件上，也就是说，做到这一功能其实需要强大的数据处理能力、以及相应的硬件支持能力。

" 真正能够做到这些的企业，并不多。" 他表示。