无人驾驶 可能很长时间都跟人工智能没什么关系

互联网人喜欢说风口，更喜欢把风口放到一起，好像这样能造成1加1大于2的效果。

而且有些被寄予厚望的技术可能确实有内在联系，于是就更可能被看做有相互刺激的合力产业来对待，期待协同爆发能产生天翻地覆的效果。

比如人工智能和无人驾驶。

确实，人类利用人工智能技术来处理比如机械操作、驾驶、勘测等工作是毫无疑问的必然。

但是必然不等于马上实现，我们现在所处的只是众多技术在研发和商业化的开端而已。从0进化到10，1和9都是不能迈过的。目前的人工智能和无人驾驶，可能就处在这样一个关系里。

【无人驾驶的第一级形态，必然是低速和固定场景应用】

首先要知道，到底什么是无人驾驶。

无人驾驶的核心判断点，在于从自动驾驶的人力合力和传统汽车操作方式中解脱出来，变成车辆根据设置目标主动完成驾驶的全过程。

而从技术成熟和应用可能性的过程上来说，无人驾驶绝不可能是一蹴而就，直接在城市交通的复杂路况上行驶的。

由于对安全的担忧和对数据积累的需要，初期无人驾驶，必然有两点制约：

首先是速度。无人驾驶开始投放应用时，必然无法很快就像跟正常机动车一样的高速行驶。而是要从时速五十公里以下的低速车开始应用，逐步检测和完善无人驾驶系统的可靠程度。

其次是应用场景。初始阶段的无人驾驶，基本不可能马上在复杂路况中投放使用。我们更可能看到的可能是校园、景区、企业园区、机场，这样的场景中使用无人驾驶车辆。一方面是这些场景中路况简单，无人驾驶要处理的问题很少，而且可以整体更换无人驾驶车辆，保证车辆间交互的可行性。另一方面这些场景对运力的要求低，使用时间少，从而满足初级阶段无人驾驶低速度、强监控的特点。

所以说，无人驾驶初期要淘汰的一定是低速电动摆渡车，而这一阶段，人工智能的的参与感并没有那么强烈。

【相比深度学习，更重要的是避险保障、精准行驶和人机交互】

人工智能管理无人驾驶车辆，逻辑是通过深度学习和应对机制分析体系，来解决车辆行驶中的各种问题，保障行驶安全。

但是车辆在真实交通场景中遇到的问题是千变万化的，每一个问题都可能是新问题，很多甚至执法者难以分析责权，更别提基于对以往案例学习的人工智能体系了。尤其是在交通方案选择上，在复杂路况和拥堵路况上，目前的人工智能算法很难完全代替经验和人工的判断能力。

而低速的无人驾驶，人工智能的应用点也不够多。这种场景中，主要确保行驶安全和运营流畅的技术是三种：避险保障技术，精准行驶技术和新型的人机交互。

避险保障是保证无人驾驶车辆安全的先觉因素，目前看来最佳的解决方案是通过硬件判断车辆与他物的距离和可能碰撞速度，从而指挥驾驶体系完成躲避。因此感知硬件类是核心。

精准行驶是保证车辆可以完成交通目的的技术和硬件体系，主要的是基于地图和GPS、车辆感知的路线判定。此外智能变速，地形模块也很重要。

经常被人忽视的，是无人驾驶模式下的人车交互。自动驾驶技术下，人车交互方式并没有多大改变。但无人驾驶模式下，人的指令方式要从全程操作变为应急指挥和命令下达，需要全套的操作体系来适应这一需求。

反观这些无人驾驶的需求，会发现人工智能目前还很难区别其中任何一项，因此初级阶段的人工智能更可能作为辅助技术加入无人驾驶技术群里，而非真正成为中枢指挥者。

当然未来人工智能一定会成为人类完成交通的方式，但那需要人工智能本身的大幅度进化以及人工驾驶底层技术和硬件的完善，距离二者不期而遇，目前来看还有一些距离。

【初级无人驾驶，这些技术最重要】