很多場(chǎng)合，“智能駕駛”和“無(wú)人駕駛”被混為一談，而后者顯然更為大眾所喜聞樂(lè)見(jiàn)。更加專(zhuān)業(yè)的群眾，愿意用“L4”、“L5”來(lái)說(shuō)事?！癓5”的車(chē)就像變形金剛汽車(chē)人，降落到世界任何一個(gè)地方，馬上能熟練地匯入滾滾車(chē)流，這顯然仍是遙遠(yuǎn)的傳奇。于是“L4”成了圈子里所有人的寄托。當(dāng)然，每個(gè)圈子里都有所謂的鄙視鏈，比如這個(gè)圈子里：

　　L4的看不起L3，殊不知L3的極限能力與L4相差無(wú)幾，從L3出現(xiàn)意外狀況、到駕駛員接管前的10幾秒，需要無(wú)人狀態(tài)的fail operation(比如減速靠邊、停到安全區(qū)域)，這種能力已經(jīng)非常接近L4。

　　在大馬路上練的L4，看不起各種特殊場(chǎng)景的L4。這里也有幾個(gè)誤解：

　　第一，如果跑來(lái)跑去只在幾條大馬路上，那幾條大馬路也與“限定場(chǎng)景”無(wú)異(機(jī)器學(xué)習(xí)里叫overfit)。你馬上挑出幾條新的馬路來(lái)，估計(jì)谷歌Waymo也夠嗆。

　　第二，很多特殊場(chǎng)景也是開(kāi)放環(huán)境。比如大商場(chǎng)的停車(chē)場(chǎng)有社會(huì)車(chē)輛、出沒(méi)不定的行人和擁擠的十字路口，與大馬路相比，主體算法的難度是類(lèi)似的，差別只是在于訓(xùn)練數(shù)據(jù)和反應(yīng)速度(這又取決于傳感器的工作距離、分辨率和計(jì)算芯片的處理速度)。

　　第三，很多特殊場(chǎng)景是需要A照司機(jī)的，這些場(chǎng)景需要“C照馬路小白”所不具備的駕駛技巧。

　　第四，很多人看好的大馬路L4，卻是在3、5年內(nèi)很難真正無(wú)人駕駛的(需要坐安全測(cè)試員)，而很多特殊場(chǎng)景的L4，卻是在1、2年內(nèi)可以商業(yè)化的。

　　更要命的是，今天的L4算法(包括大馬路和特殊場(chǎng)景)，很可能都無(wú)法到達(dá)終局。換言之，滿城盡跑無(wú)人車(chē)時(shí)，他們大概率是不同的物種，跑不同的人工智能算法。

　　最后一點(diǎn)似乎是故作驚人之語(yǔ)，這里不妨科學(xué)論證一下。

　　且看這張圖。

　　圖中X軸是需要干預(yù)或出現(xiàn)事故的平均里程數(shù)。Waymo在2017年的水平是每自動(dòng)駕駛5596英里(9006公里)才有1次人的干預(yù)，遙遙領(lǐng)先于其他選手。然而再推敲下去，細(xì)思極恐。

　　第一，Waymo的水平離美國(guó)人類(lèi)駕駛員的平均水平，差距巨大。后者是每16.5萬(wàn)英里出一次普通事故，每9000萬(wàn)英里才出一次致命事故。這個(gè)數(shù)據(jù)是基于加州城郊公路的30多萬(wàn)英里，交通場(chǎng)景總體不算特別難。

　　第二，Waymo的提升速度在減緩。其2015年的水準(zhǔn)是1300英里一次干預(yù)，到2016年提升了近3倍，但2017年相較去年只提升了10%出頭。再看月度的數(shù)據(jù)，2017年除了年底出現(xiàn)了令人驚異的增長(zhǎng)，其他月度還是起伏不定。年底出現(xiàn)躍升，前年也有過(guò)，也許跟假期車(chē)少有關(guān)?無(wú)論怎樣，2018年是否能有顯著增長(zhǎng)，還不好說(shuō)。

　　第三，Waymo的算法(以及今天幾乎所有L4的算法)都是數(shù)據(jù)驅(qū)動(dòng)的，見(jiàn)過(guò)的大概率會(huì)，沒(méi)見(jiàn)過(guò)的大概率不會(huì)，所以Waymo領(lǐng)先主要是領(lǐng)先在數(shù)據(jù)積累，去年底的時(shí)候已經(jīng)有640萬(wàn)公里的實(shí)測(cè)數(shù)據(jù)。然而，對(duì)Waymo來(lái)說(shuō)，通過(guò)路測(cè)方法收集數(shù)據(jù)已經(jīng)變得異常昂貴：2017年的63次干預(yù)中大致有2/3是因?yàn)樗惴▎?wèn)題，而針對(duì)每個(gè)問(wèn)題，要花1萬(wàn)多公里的油費(fèi)和測(cè)試駕駛員人工費(fèi)用，才能獲得1個(gè)高價(jià)值數(shù)據(jù)。