每當我們談到自動駕駛汽車，就仿佛未來已經在眼前。
《衛報》2015 年時曾預言稱，「到了 2020 年后排才是駕駛員的專座」。
2016 年，Business Insider 又用到了《2020 年 100 萬臺自動駕駛汽車上路》這樣的大標題。
自動駕駛行業的頭部玩家們也信心滿滿，包括通用、Waymo、豐田在內的巨頭，都曾宣稱要在 2020 年搞定自動駕駛汽車。
跳票王 Elon Musk 更是樂觀異常，預言特斯拉 2018 年就能實現自動駕駛。
2020 年到了，他們集體被打臉。
為什么自動駕駛的理想與現實出現了如此脫節?
自動駕駛的大腦是人工智能，而剛剛過去的十年是這項技術的黃金發展期，我們見證了 AI 在翻譯、語音信號生成、計算機視覺、目標識別和博弈能力上的巨大進步。
曾經，AI 連圖片上的貓貓狗狗都辨認不出。現在，這類任務卻是小菜一碟。
也正是 AI 的迅速發展，讓人類有些飄飄然了，研究人員想當然的認為，我們能將 AI 技術的一些成功復制到其他領域。
但切換到自動駕駛汽車上，當下 AI 技術的局限性馬上就表現出來了。
即使投入了大量時間和金錢，也沒有團隊能讓 AI 得心應手的解決現實問題——即讓自動駕駛汽車獲得高度可靠性。
現在來看，如果有了訓練數據就能迎刃而解，因為當下的機器學習系統需要這些「養料」。
但是，數十億小時的精華駕駛數據去哪兒找?這在時間還是金錢方面都不允許。再者，各種極端狀況都是隨機發生。
為了解決數據荒，各家公司都使上了渾身解數。
他們組建車隊派測試車上路，搞模擬器訓練自動駕駛系統，還不斷通過重復某個場景進行定向提升。
工程師們幾十年前就開始設計自動駕駛原型車，其背后的理念非常簡單，即用攝像頭武裝汽車，使它能對周邊物體進行追蹤并做出相應的反應。
但如此簡單的描述省略了很多復雜的東西，畢竟駕駛是最復雜的人類活動之一。
因為我們在駕駛時還會與其他交通參與者進行眼神交流，以確認到底誰該先行。
同時，人類還能積極應對天氣變化，在關鍵時刻做出判斷，而這些很難編進代碼中。
就拿 Waymo 的自動駕駛汽車來說，Waymo 不但要用上攝像頭和雷達，還得靠昂貴的激光雷達來保駕護航。
有了這些傳感器，車輛才能搭建出周邊實時態勢圖。
在物體探測和追蹤能力的訓練上，自動駕駛公司更是需要投入天量的數據，這也是 Waymo 孜孜不倦積累測試里程的原因。
通過一系列努力，這些公司確實在不斷向成功靠攏。
比如 Waymo 在鳳凰城的自動駕駛出租車已經開始逐步取消安全駕駛員。如果一切順利， Wamyo 今年就會在其他城市開辟新戰場。
但這個過程并非一蹴而就，Waymo 到了新地盤甚至可能要從零開始。
從積極的角度來看，我們其實正在向自動駕駛時代靠近，畢竟 Waymo 在亞利桑那的自動駕駛打車服務已經開始逐步取消安全駕駛員了。
Cruise 的同類服務雖然 2019 年跳票了，但今年有希望真正落地。
今年 2 月初，Cruise 還發布了沒有方向盤和踏板的自動駕駛汽車 Origin，這款車可是為量產而來的。
至于特斯拉，也隨時有可能通過 OTA 推送讓幾十萬輛車擁有自動駕駛能力。
當然，對自動駕駛的未來，業界也不乏質疑的聲音。
最近，大眾集團 CEO Diess 就表示，全自動駕駛可能永遠也實現不了。雖然 Diess 的預測有些「刺耳」，但現實確實如此，我們誰也說不準真正的自動駕駛汽車何時才能落地。
從某種意義上來說，我們現在處在一個尷尬的轉型時刻，理想與現實之間還有差距。
我們可以說自動駕駛今年就能實現，但它實現的前提條件是在限定場景。如果你想要終極版的自動駕駛，也可以說它永遠無法實現。
當然，各家公司在研發上肯定不會放松，因為他們都想通過先發優勢，在出租車、卡車、物流和配送等場景瓜分蛋糕。
在中國，自動駕駛經歷過去幾年的發展，剛剛進入試水部署與小批量產的新階段。
恰逢發改委聯合 10 大部委發布《智能汽車創新發展戰略》，為中國的智能汽車與自動駕駛發展指明了戰略愿景和方向。智能汽車與自動駕駛是大時代的機遇。
2020 年又逢新冠肺炎疫情席卷各地，非常時期各行各業百廢待興。
自動駕駛與無人化的科技奔赴抗擊疫情的一線，低速自動駕駛與限定場景的應用迎來發展的新機遇。
我們也相信，隨著時間的推移，自動駕駛這項技術最終會成為人類生活的一部分。
