来源：媒体滚动
首发于微信号 酷玩实验室
微信ID：coollabs
特斯拉又撞了。这次受伤的人，是著名演员兼赛车手林志颖。
据台媒报道，今天上午10点50分，林志颖驾驶着Model X带着儿子一起外出，但不料车子突然撞向了道路间的分隔岛，特斯拉严重受损并瞬间烧出了一个火球。
报道中还提到，林志颖被好心路人拖出时，满脸是血，手臂脱臼，甚至一度都没办法说话。
目前事故原因还有待查明。但所幸林志颖的儿子只是受到了惊吓，并无大碍。
可这件事在网上已经炸开锅了。因为过去特斯拉几次事故的原因，大家可能还会觉得确实有可能是驾驶员操作不当，但林志颖作为专业赛车手，你很难去相信他开车会开不明白。
心平气和地讲，现在全世界之所以如此希望能够实现无人驾驶，除了可以解放人力外，最重要的就是为了避免车祸、更加安全。相信大家已经听到过很多次这样的说法了，就是当无人驾驶实现后，94%由人为导致的交通事故将彻底结束，相当于每年帮助全球内135万人避免横尸街头，避免被撞断腿、撞断胳膊、脑震荡的将不计其数。
但这些年来，我们已经听过太多自动驾驶公司出来吹牛B了，把耳朵都给听麻了。可距离无人驾驶第一次被提出都已经超过了80多年，到今天为止，我们还是买不到任何一辆上车输个目的地就能睡大觉的私家车啊。
看了今天出的事情，很多人已经对特斯拉的辅助驾驶失望透顶了，心头的热血被一瓢凉水彻底泼灭，甚至有一些悲观的网友开始预测，无人驾驶根本实现不了，这会成为本世纪最大的资本骗局。
因为我本人之前对无人驾驶也是非常期待的。为了搞明白这个问题，过去两个月，我在网上查阅了大量讲无人驾驶原理的资料和视频，但后来发现还是似懂非懂，于是我又跑去几个车厂实地调研了一番，并请教了几位活跃在自动驾驶一线搞研发的博士。
这篇文章就来跟大家分享下我的看法。文章大约会被分成三个部分：
第一部分讲无人驾驶上路测试的最新情况，包括国内、国外最新的测试视频和数据。
第二部分解释这么多年下来，L5级别的无人驾驶始终没实现的原因是什么，到底是不是骗局？
第三部分会讲在无人驾驶的历史大潮中，中国接下来有哪些机会，普通人找工作、创业又能接触到哪些机会？
01
好的，废话不多说，我们直接开始。
不知道大家发现没有，现在很多搞自动驾驶的公司，动辄一口气能从口袋里掏出几十张、上百张自动驾驶的测试牌照来证明自己技术牛B，有的公司甚至能掏出400多张，但在各种牌照中，国内外到底哪张才是最有含金量的呢？
先抛结论：国外公认的权威是美国加州机动车辆管理局颁发的全无人驾驶测试牌照，而国内从考试难度来看，最难拿的是北京T4路测牌照。
通过这两张牌照的考核内容，我们可以管中窥豹，了解当下自动驾驶落地的技术巅峰大约在哪里。
先来看国外，如何才能拿到一张加州DMV颁发的全无人驾驶测试牌照呢？
首先，光申请就需要先满足8个条件，重点几条是：
无人车在没有安全员的情况下，也能按照L4/L5级自动驾驶标准行驶；在有监管的情况下，车辆已在相关区域进行过测试；缴纳500万美元的保证金或者等价保险证明；向当地政府告知完整测试计划；训练远程安全员等。
具备申请条件只是一个开始，如初审符合加州DMV要求，加州车管局随即会对申请企业展开12项有关自动驾驶核心技术的答辩与多次实地考察，整个评估审核时间，可长达一年之久。
表格中的技术名词看完是不是有点懵？简单点来说，拿到这张牌照就意味着你公司的自动驾驶系统，不仅能在运营域内完全达到L4/L5级自动驾驶的标准，而且还要具备包括处理修路、封路、警车叫停、消防车通行等长尾问题。请注意是“运营域”内，这点很重要，本质上也是达不到拿到牌照后，到世界各地都能实现L4/L5的。
也正是因为考核非常严格，出了车祸牌照还要被吊销，所以迄今为止全球只剩7家公司还有这张牌照，包括第一个拿到牌照的大名鼎鼎的谷歌子公司Waymo、Apollo、AutoX、Cruise、Nuro、文远知行和Zoox。
值得一提的是，这7张牌照中，Apollo、AutoX和文远知行3家都是中国公司。
那么，这7家公司2021年在加州的全无人驾驶测试的数据情况如何呢？
非常遗憾，没有人能知道完整数据，这属于各家公司的商业机密，加州公布也需要经过车企允许。以Waymo为例，今年2月加州DMV发布的《2021年自动驾驶路测报告》中，显示Waymo共有测试车辆693辆，但具体有多少辆是车内无人的，并不公开。有几家倒是公开了，但因为测试车辆只有几辆，里程数也不长，完全没有说服力。
那如何才能知道美国现阶段无人驾驶的真实实力呢？
说实话还真不难，原因就是今年5月，Waymo获准拿掉了位于美国凤凰城市中心的自动驾驶出租车内的安全员。也就是说，现在你可以在当地打到车内完全没有人的网约车了。实际上，早在2020年10月，Waymo就试运营拿掉了部分位于凤凰城郊区的车内安全员。
Waymo作为起步最早的老大哥，技术领先在业内是被公认的，它的车子在开放路段的真实表现如何？
今年1月，一对情侣在凤凰城乘坐Waymo去13.5公里外的地方买咖啡，全程记录了Waymo的表现。我看完了完整视频，简单给大家描述一下。
当Waymo根据导航来到出发点后，乘车人只需要在APP内点击开门，Waymo就会自动把门打开。到后排坐好，确认出发后，Waymo不仅能自己找到出停车场的路，路上遇到加塞会平缓减速，旁边车道并车过来也能准确识别并进行减速。
在一次与其它车子正面相遇时，它准确地判断了对面车子的动向，毫不犹豫地完成了转向。并且，坐在后排的乘客，还可以全程通过一块屏幕实时看到车子周围的情况。
这段视频中，Waymo没有遇到特别复杂的路况，而在另一位国外网友拍摄的测试视频中，Waymo面对的则是在一个交通状况非常复杂的十字路口进行左转。要知道，复杂十字路口左转对人类驾驶来说也是不小的挑战，结果显示Waymo在恰当的时机果断地进行了左转，表现相当出色。
除了Waymo之外，另一个能代表美国当下无人驾驶能力的就是特斯拉了。很多人可能会说，这不扯吗，特斯拉不行啊，它就是个L2的辅助驾驶，还隔三差五出事故，各种排行榜上跟Waymo的排名没法比。
特斯拉是确实没少出事故。但它目前已经向北美超10万车主推送了特斯拉的“全自动驾驶”的测试版了，即FSD.beta。根据马斯克的说法，到今年年底，会给100万特斯拉车主推送FSD.beta。
油管上同样有不少人测试了特斯拉FSD.beta的表现。比如，6月12号，一位博主就分享了一段从韩国超市开回家，全程无接管，一镜到底的30分钟视频。
视频中，走纯视觉路线的特斯拉，能够从傍晚开到晚上，路上碰到施工可以准确绕行，能识别出自行车和行人，还能处理非常复杂的路况。在一个十字路口时，它面对对面的白车要左转，灰车要右转，同时还有一对行人牵着狗在过红绿灯，特斯拉不仅准确应付了复杂路况，也读懂了信号灯，知道自己什么时候该走。
还有在一处是对面一个行人直走到一半，突然临时转向横穿马路，特斯拉也及时进行了刹车。
当然了，特斯拉FSD.beta并不是在每次测试中都能达到这种水准。比如有位博主发的视频就显示，一辆特斯拉在过一个十字路口时，地图明明显示是直走，它却突然来了个右拐。虽然右拐当时确实没有危险，但这种莫名其妙的决策，肯定无法让人放心。
国外有网友在同一条路线上让Waymo和特斯拉来了次大对决，结果显示特斯拉到达目的地的速度更快，但乘坐体验上Waymo更像是人在开，不会有太多的急刹和突然变道等。
不知道大家看完美国无人驾驶的实战表现是怎么想的，我反正觉得好像在落地方面确实领先中国还挺多的。
再来看看国内的情况吧，先来介绍下北京的T4路测驾照。形象点来说，通过了T4，就意味着几乎能在京津冀地区的85%以上的城市交通通行场景中实现无人驾驶了。
具体来说，T4技术要求能够通过隧道、学校等区域，可以应对行人违章通行、施工路段绕行等复杂场景，还要能准确识别多种交通要素如潮汐车道、可变导向车道、路口左转待转、临时红绿灯等特殊交通标志、标线和信号灯，并可以正确实现无障碍通行。
在考试中，车辆需要100%通过103项场景的覆盖度测试，不允许有一点差错。还要具备超车能力、坡路行驶能力、坡道停车能力和起步能力，误差要严格小于15cm。
不仅如此，在停车入库和侧方停车等泊车能力上也需要进行考核，车辆需要应对车库内行人和障碍物识别等细节场景。
即使你顺利通过 ，获得了牌照的车辆也只有三个月的期限，牌照期满后还需要再次进行季度考试。
难度如此之大，在T4驾照之上的也就只有北京T5驾照了，T5驾照对应的就是L5级自动驾驶了，也就是在任何条件下都可以实现无人驾驶。大家可以留意看新闻，目前国内还没有任何一家公司拿到T5驾照，如果哪天有新闻报道哪家公司拿到了，那么无人驾驶的时代也就到来了。现在T4驾照，国内也只有一家公司拿到了，就是Apollo。
今年7月，北京开放了国内首个无人化出行服务商业化试点，同样由Apollo获得了，首批25辆无人化自动驾驶车已经开在了北京亦庄的路上。也就是说，现在你也能在北京亦庄打到方向盘后无人的车了。
但政策上，说实话差距依然很大。
我们允许真正撤掉安全员的无人驾驶出租车上路，不仅比国外晚了将近两年，从开放程度上，Apollo也仅是被允许在亦庄高级自动驾驶示范区60平方公里内进行，而Waymo现在已经在美国凤凰城的市中心乱跑了。
比较下来，国内无论是在上路测试的开放程度，还是在具体的落地应用中，都要落后于美国。这是因为中国各大公司的自动驾驶技术跟美国公司比差距太大吗？
每个人都在说电动车是中国弯道超车的好机会，可假如电动车的自动驾驶远落后于美国，那不就嗝屁了吗？难道说这次我们又要输了？
02
要搞清楚这个问题，首先得先了解无人驾驶的本质是什么。
无人驾驶，本质上是让机器来学习人类开车的方式，是一种人工智能，就像让阿尔法狗来学习人类下围棋一样。
从下图中能看出，人类驾驶基本可分为三个步骤：眼睛来感知，大脑做决策，手、脚去执行。无人驾驶类比了这个过程，感知部分用的是摄像头、雷达，决策是电脑，执行则是油门、制动等。
根据感知硬件的不同，又可以把无人驾驶分为两条基本路线：一条是以特斯拉为代表的纯视觉路线，即只用摄像头；另一条是以国外Waymo、国内Apollo为代表的雷达+摄像头路线。
但不管是哪条路线，都是基于人工智能算法尤其是“深度学习算法”成熟后，才大跨步发展的。这个很好理解，组成自动驾驶汽车的硬件，激光雷达、摄像头这些东西早就有了，但为啥近10年才热火朝天地干起来呢？
有人说是过去像激光雷达这些东西太贵了，但这并不是理由，只要进入了大规模化量产，这几年大家肉眼可见这些硬件成本下降的有多快。真正原因还是被深度学习算法补齐了最后一块软件上的短板。
但是，L5现在迟迟无法商用落地，也是因为目前深度学习有局限性。
深度学习是基于特征的归纳分类，该如何理解它呢？比如说你想让AI通过深度学习认出猫这种动物，那就去找几万张甚至几十万张猫的图片，让AI来学习，AI会分别提取每只猫在不同光线、背景下的眼睛、耳朵、鼻子、身材、花色等等部位的特征，在归纳分类完成后，以后你再给它看一张新的猫的图片时，它就会把这只猫的特征跟自己过去的分类结果做比对，对上了的话就会告诉你这是只猫。
但在实际应用中，会遇到一些问题，比如说碰到一些它之前从没见过的在特殊光线下的猫或者是有的猫发生了基因突变，导致一些特征和分类结果比对不上，这时就会出现认错的情况。我身边就有同事用iPhone查看自己儿子照片分类的时候，看到了里面被混进了一张兔子的照片。
这也是现阶段人工智能和人类的本质区别，算法决定了现阶段AI并不具备推理能力，并不能像人一样在任何光线下或者猫发生基因突变后，依靠推理认出那仍是一只猫。
我们知道现阶段AI识别图片已经被大规模商用了，但这是因为应用场景中偶尔出现错误是可以被接受的，把一张兔子照片混进我同事儿子的相片集中，并不会产生严重的后果，但用在车上关系到人的安全时识别错了，就完全是两码事儿了。
也正是基于此，有些业界大佬认为实现L5级别无人驾驶需要AI理论完成新的突破，即实现“通用人工智能”才行。
所谓的“通用人工智能”，要求非常高，可以简单理解为“能够完成人类可以完成的任何相关任务的人工智能”。但迄今为止，通用人工智能仍被认为是非常遥远的未来技术。
持这种观点的专家，认为实现L5是痴人说梦，比如前华为智能驾驶总裁苏菁在出席2021年世界人工智能大会时，就直接表示L5级的自动驾驶这辈子可能是看不到了。
“从现在开始计算，在一百年之内机器的智商是不可能超越人类的，而L5作为目前自动驾驶的最高级别，将是一个灯塔，这辈子估计看不到了。”苏菁说道。
Waymo前CEO约翰·克拉夫西克也说过，L5级自动驾驶就像一个神话，这种技术可能永远无法实现。
看到这里，很多同学可能已经绝望了，原来完全自动驾驶就是一个美好的愿望，压根实现不了啊？
但我要说的是，大家先不要急着失望，什么是L5级别？ L5是完全超越了人啊，它意味着你可以驾驶任何车辆、在任何天气条件下、前往任何一个地方，只需要按下开始键就行了，但实际上这是人类驾驶也达不到的。
问题的关键是，能不能出现一辆几乎能达到人一样水平的车来载我呢？就是说我完全能接受它偶尔不如我，需要我来接手，比如这辆车大约一年会有一两次碰到没见过的情景出现“发呆”但并不危险的情况，需要我帮它开过去，那我可以接受。我觉得就算一年出现10次，也应该会有大把的人愿意接受，因为这相当于一年只需要我动手开10次车，其它时候坐在车里看电影玩手机就行了啊。
这种水平的自动驾驶到底能不能实现呢？
上面我们提到过，现在AI应用在车上是有可能认不出或者认错一些东西的，但大家有没有思考过一个问题？
我的车本质是要开往目的地啊，就算我路上碰见了不认识、认不清的东西，那我也没必要认识它，我就直接在决策时选择绕开它不就完了吗？
事实上当然可以这样，不仅可以，应该也已经应用在某些特殊场景了。利用当下的雷达、摄像头等技术，完全可以做到识别所有的障碍物，坐在这辆车里，你大可以像好莱坞大片里一个被追杀的人一样闪转腾挪，避开各种障碍物一路往前开。
当然了，如果路况特别复杂，同时出现多个障碍物避无可避时，并不能保证百分比百不撞，但绝对可以通过代价函数让你撞的最合理。比如当被左右夹击，前面只有两条车道，一条有辆大卡车，另一条有辆扔在那不动的自行车，那我可以通过代价函数快速计算，去撞自行车逃跑就完了嘛。
正常人类的反应时间在300ms，自动驾驶车辆想要做到安全可靠，其反应时间必须短于100ms。理论上只要我算力足够强，我就可以迅速决策，避开所有障碍物或者撞最合理的。
但是，如果按照这个思路来设计自动驾驶系统的话，现阶段车子上路会面临一个问题，就是会出现很多非常滑稽的场面。比如说当一个人在开车时，他看到前面有个小朋友吃完方便面把袋子随手一扔，人类司机会判断这个袋子不会对我的车造成什么伤害，我可以直接开过去，但视觉或雷达却会把它识别为障碍物，并根据汽车周围情况，进行停车或者绕行的躲避操作。
同样的滑稽的场面还有，如果有人在马路旁边吹泡泡飘过来了，车子要不要躲？沙尘暴刮来了一只袜子，车要不要躲？如果说都要躲，那马路上只有你自己开车还好，假如你恰好停在一个十字路口等红灯，这时候变绿灯的同时前方飘来了一只破袜子，你的车就停在这等了2分钟袜子被吹走，后面车的司机会怎么想？会不会觉得你是个神经病？把喇叭按到炸？
其实上面提到的那个在凤凰城打Waymo去买咖啡的视频结尾，就出现过一个滑稽场面，在车子快要到达目的地的时候，道路前方出现了一处施工需要绕行，但Waymo没有识别出来，最后非常保守地选择右转把俩人送进了一个停车场。
无人驾驶到来，一定是要提高效率的，假如效率变低了，那就毫无意义了。如何才能解决类似这种车子“发呆”的问题呢？
根本没有任何捷径可走，只能依靠大量的数据来学习。整个学习过程可以用这样一张函数图来解释：
只需要看顶部直线和图中黄色那条曲线
最上面的那条横线代表了可以商业化落地的理想驾驶水平，曲线代表了车子随着学习不断提高的自动驾驶能力，当车子几乎学习了所有路上会面临的场景，到达某一个临界点时，它就会开始慢慢逼近并达到这个标准。
根据美国兰德智库的研究，如果想让自动驾驶几乎达到人类驾驶的水平，至少需要大约累计177亿公里的驾驶数据来完善算法。但商业化落地并不需要完全达到人类驾驶水平，就像我上面说的，人们是完全可以接受车子一年发几次呆的，这个过程会快很多。
所以，数据就是人工智能时代的燃烧“石油”啊！谁掌握了最多的数据，谁理论上就能在自动驾驶研发上占有绝对的优势。
那么，现在谁最具有数据优势呢？
非常遗憾 ，就是特斯拉。截至今年7月18日，特斯拉已经累计在全球卖出300万辆车了。特斯拉收集数据的方式被称作“影子模式”，它在每辆车上安装了传感器，会搜集每位用户的驾驶场景相关数据并传回，帮助特斯拉进行算法训练。
相当于你既花钱买了它的车，还要为它提供各种驾驶场景丰富的数据，大大摊薄了它的研发成本。而像Waymo、这样车是自己出钱造的，还要依赖政策允许可以开到哪里去测，收集数据的成本是很高的。
看到这里，一些朋友可能会恍然大悟：那我们得抓紧放开了啊，赶快像美国一样，让符合条件的无人驾驶车在市中心跑起来，再不让这些公司收集数据优化算法，可就来不及了。
说实话，最开始我也是这么想的。直到有天我把这个问题抛给一位在搞自动驾驶的博士，他问我，你去过美国吗？我说没去过，老哥说去了你就知道了，美国那交通状况，除了纽约其它地方都算是郊区，凤凰城市中心那地儿可能还不如咱们一些郊区堵。
太麻了，这又是美国相对我们的一个天然优势，交通状况太好了，可以允许一些车子“发呆”。
我根本不敢想象北京晚高峰的时候，如果有几辆无人驾驶车趴在路上发呆，或者莫名其妙地给你随便找个停车场停，会是怎样辣眼睛的场面，恐怕得引起史诗级大堵车吧？
无人驾驶在中国由于复杂的交通状况，是最难实现的，这在业界公认。
而中国自动驾驶公司起步本来就比西方晚，现在能允许它们测试收集数据的范围又很小，这该怎么办呢？
难道中国压根不适合自己搞无人驾驶，只能躺平认输了吗？
03
如果只能躺平认输的话，那文章到这里也就结束了。
事实上，中国有一套系统的完整解决方案。并且，这套方案可供想象的空间要远比无人驾驶大得多。很多人可能已经听说过它的名字了，是的，就是“车路协同”。
不知道你们有没有注意到，在中国“十四五”现代综合交通运输体系发展规划中，写了这样一句话：推动车联网部署和应用，支持构建“车-路-交通管理”一体化协作单智能管理系统。
到底什么是“车路协同”呢？
为了搞明白这套系统，我专程跑去和华为的车路协同基地参观研究了一波。
形象点来说，车路协同主要包括三大部分：一是具备一定自动驾驶能力的“聪明车”，二是由摄像头、雷达、通信设施等组成的“智慧路”，三是由计算平台和云控平台组成的“强大云”。
用我在郑州华为测试基地的亲身经历，来给大家详细介绍下这套系统是如何运作的吧。
首先是摆在道路旁边的终端设备，在一根像红绿灯一样的杆子上，分别架着摄像头、激光雷达和毫米波雷达，下面的设备箱里有的放了通信设备，有的放了边缘计算服务器。
我坐在车里，当前面出现一个行人“鬼探头”的时候，车内中控大屏上马上标出了提醒。
这个过程是怎么实现的呢？
首先是架在路边的各种摄像头和雷达先感知到了这个信息，然后经过边缘计算服务器处理后，认定是紧急事件，于是通过通信设备直接下发给了我坐的车。当然了，它其实感知到的不仅有鬼探头那个行人，还有旁边的停车、路况等信息，只不过因为这些信息我的车子也能感知到，也没有那么紧急，所以就不会下发。
但所有这些信息都会被上传到云端，以及车子本身感知到的信息也会被上传到云端，让中心云来统筹做信息融合，绘制出一张整体交通态势图。
这张密密麻麻的图是在实时动态变化的，大概长这个样子。
如果说单车智能最大的想象，无非就是解放了人力，能让车子像老司机那样为你服务的话，那车路协同的格局就彻底打开了，它比老司机要靠谱得多，甚至可以解决掉一些人类驾驶根本处理不了的难题。
就比如上面提到的行人“鬼探头”，以及路口有车辆突然窜出等，这种情况过去高度依赖司机视线是否被遮挡，根本没法提前做出预测。但车路协同后就完全不一样了，你的车子可能在百米之外，就收到了“智慧的路”发来的高能预警。
另外像高速上的连环撞，这在当下也几乎是个无解的难题。因为高速上的车速实在太快了，等眼睛能看到的时候再刹车，经常就来不及了，但引入车路协同后，就可以在更远的距离收到车祸提醒，及早进行刹车。
除此之外，车路协同还能帮助构建“智能交通”，让每一条路都可以根据车流实时吞吐量，动态调整自己红绿灯的时长，大大提高交通效率。
根据的测算，以车路协同为基础的智能交通，将能够提升15%-30%的通行效率，5年之内，中国的一线城市将不再需要“限购”、“限行”；10年之内，靠交通效率的提升，基本上拥堵问题就可以解决了。
当然了，车路协同也并不是一蹴而就的，它有点像特斯拉层层迭进的路线，也会经历大约三个发展阶段。简单来总结一下：
第一阶段，是只支持辅助驾驶安全、提高交通效率，主要应用在智能公交和智能高速上。这一阶段只需要常规4G网络支持。
第二阶段，是在封闭园区和封闭道路中商用车的中低速自动驾驶。这一阶段需要局部5G网络支持。
第三阶段，可以理解为全面成熟的车路协同系统。这一阶段既需要5G网络支持，还需要针对5G的车用无线通信技术NR-V2X的支持。
是不是有点看不太懂？没关系，大家只需要留意听这样一个新闻：假如哪天有个叫 3GPP 的国际组织宣布侧重于万物互联的 5G R17 标准正式落地，那就意味着车路协同也要落地成熟了。
再来解释下车路协同对中国实现无人驾驶的帮助吧。
前面我们说过，制约中国自动驾驶公司算法进步的最大一点，就是我们的路太复杂，不允许无人驾驶车到处开收集数据。但车路协同就意味着你每条道路上都有摄像头、雷达了，可以一刻不停地采集交通数据。
像特斯拉那300万辆车采集到的数据量，与这个数据相比，简直就不在一个数量级上了。与此同时，车路协同融合后还会形成更高维度的数据。比如，在空间维度上，范围和视角就会变得更加丰富。
车路协同从路端着手，帮助自动驾驶一起来解决最后10%的长尾问题，这将使得单车智能大大加快实现无人驾驶的进程。
不仅如此，在车路协同第三阶段，因为道路旁边会建有大量的边缘计算服务器，以及还有强大的中心云，原则上只要通信设备足够可靠，就可以把大量的计算丢给这些服务器了，车子等着收到运算结果做决策就可以了，这将大大减轻对私家车的算力要求。
对每一个人来说，这都是一件实实在在的好事，因为这意味着你可以不用花那么多钱，哪怕买一辆芯片算力没那么强的车，也可以享受到无人驾驶了，这就是科技平权啊。
写到这里让我们先暂停一下，再来复盘一遍特斯拉和Waymo的核心竞争力到底是什么，其实不管是特斯拉还是Waymo，背后的核心竞争力都是人工智能算法和决策芯片，中国复杂的交通导致车企没有那么多数据来训练算法，落后就不足为奇了；同时芯片上的差距，大家也都懂，这属于上个时代的遗留问题。
但大家发现了没有，在车路协同中最关键的两项技术：5G和云计算，正是我们的强项啊。
5G中国的领先显而易见。截至 2021 年 7 月，中国已建成 5G 基站 91.6 万个，占全球总量的70%，5G连接设备数超过3.65亿个，占全球总量的80%。车用无线通信网络LTE-V2X等实现了区域覆盖，新一代车用无线通信网络5G-V2X也在部分城市、高速公路逐步开展应用了。
云计算中国也在全球名列前茅，相关数据显示，2021年全球云计算排名前10的公司中，有5家都是中国公司，妥妥地占据了半壁江山。
所以，不论从中国复杂交通状况的基本国情出发，还是从我们的技术储备、未来不会被西方卡脖子的角度出发，车路协同都是更适合我们的选择。
尾声
总结下来，站在一个消费者角度，接下来大家大概率会经历这样三件事：
一是你买的电动车随着不断学习新数据，不停地解决掉那些长尾问题，接下来肯定会越来越智能，人开车会变得越来越轻松了。
二是一定会有更多地方，将能够打到无人驾驶的车。在刚刚过去的世界大会上，刚发布了一辆没有配备方向盘的无人车，这与它刚在北京获准拿掉安全员进行自动驾驶出行服务遥相呼应，相信随着政策放松，接下来国内肯定会有更多城市能够打到的无人驾驶车。
我看了下这辆车的成本，已经下探到了25万一辆，基本也就是辆普通新能源车的钱。这样的车一旦投入到网约车运营，据报道打车费只需要现在市场价格的一半。李彦宏在大会上说，将在全国布局上万辆这种车上路。
三是假如你所在的城市，未来引入了车路协同的运营商，你开的恰好也是电车，那将会大大减少你每天上下班的通勤时间，并减少你可能遭遇的车祸等情况。
当然了，在实现无人驾驶的道路上，也会面临一些问题。
就比如说软硬件的可靠度问题。假如林志颖作为专业赛车手今天没有出现操作不当的话，我相信再换一辆特斯拉开到林志颖事故的同一路段上，它应该是能感知到那个非常明显的道路分割岛的。那么，林志颖今天开这辆特斯拉到底是软硬件哪里出了问题呢？如果出问题的话，它设计的安全冗余为什么没发挥作用？这是产品上出了很大问题啊。
另外一个值得思考的问题是，其实现在在一些矿上、港口、干线物流、园区等固定路线的固定场景中，已经落地了无人驾驶，矿场、物流等也确实节省了成本，但同时也造成了很多司机的失业。
中国有3000万货车司机，同时也有大量靠开出租车、网约车赚钱养家的人，如何在发展的过程中，保证有新的工作岗位完成对这些基础劳动岗位的替代，让这些人有工作、有钱赚，是需要被认真对待的。
虽然历史的进步不以个人意志力为转移，但如何保证科技进步的同时让更少的人付出代价，是摆在每一位决策者面前的阿克琉斯之踵。
