劉誠／文

人工智能的技術進步及其成本降低推動了DeepSeek等大模型的普及。那么，自動駕駛汽車呢？是否也可以通過技術、成本及社會規則的演進，迎來快速落地的井噴時刻？

技術：從理想照進現實

技術創新是新事物發展的前提，也是根本動力。當前AI技術創新正在經歷顯著轉變，從以內容生成為核心的生成式AI轉向以目標驅動為核心的智能體AI。我們預測，與ChatGPT、DeepSeek等模型在語言領域帶來的跨越式進步類似，在不遠的將來，智能體AI也將在自動駕駛領域呈現爆發式增長，實現感知、決策與控制能力的重大突破，大量新車將會具有高級別輔助及完全的自動駕駛能力。

當前，汽車工業的智能化創新正在如火如荼地發生著。一些車企加速駛入具身智能人形機器人賽道，而拋開外形的“表面”創新不談，自動駕駛技術本身有兩種技術走向。一種是“端到端”技術。它來自深度學習中的概念，英文為“End—to—End（E2E）”，指通過一個AI模型，只要輸入原始數據就可以輸出最終結果。應用到自動駕駛領域，這意味著只需要一個模型，就能把攝像頭、毫米波雷達、激光雷達等傳感器收集到的感知信息，轉換成車輛方向盤的轉動角度、加速踏板的踩踏深度以及制動的力度等具體操作指令，讓汽車實現自動駕駛。但“端到端”需要海量高質量數據“投喂”訓練。與大語言模型可以在互聯網上爬取海量文字數據用于訓練不同，“端到端”智駕需要的視頻數據獲取成本和難度極高。

另外一種是模塊化技術走向。目前市面上絕大部分自動駕駛系統為模塊化方式，即人工和智能的混搭系統：感知依靠神經網絡，規劃控制則使用人類手動設計的算法。該系統的好處在于分工明確，一旦發現缺陷，便于快速定位并分模塊進行檢查和解決。但問題是，這種模塊化的自動駕駛系統在相對簡單的駕駛任務上表現不錯，而在復雜的駕駛任務面前，其天花板顯而易見。

客觀來說，當前各大車企采用的仍是輔助駕駛，而不是完全意義上的自動駕駛，這主要是限于技術能力及其成本。“既要相信系統，又要隨時準備接管”是當前智能駕駛的最大悖論。如果不能實現高效且低成本的技術突破，普遍性的自動駕駛技術將難以上路，或僅存在于諸如無人礦區等特定場景，或囿于小范圍的試驗區。例如，易控智駕公司的無人駕駛礦卡已經進入20多座露天礦山，運行車輛超過1000輛；小馬智行于今年3月正式開通北京南站往返北京亦莊的Robotaxi服務；特斯拉計劃今年在德克薩斯州和加利福尼亞州啟動無人監督的完全自動駕駛（FSD）功能。

成本：從小眾走向普及

再好的技術，倘若只存在于實驗室、無人區或試驗區，都將難以充分發揮技術革新對產業革命的推動作用。馬克思曾將新產品經過商業化和市場化檢驗、實現大規模產業化生產的過程，稱為“驚險一躍”。

筆者認為，“驚險一躍”的關鍵一環是成本。對于新產品，成本的降低，一方面可以提高生產端的積極性，另一方面可以提高消費端的熱情，使其真正走入“尋常百姓家”。

歷史上，降成本有力推動汽車進入千家萬戶。1908年福特公司推出了T型車并采用了移動流水線組裝的生產方式，極大降低了汽車生產成本。當時，大多數汽車的價格約為2000美元，而福特將價格定為850美元。接下來，福特不斷提高產量，同時繼續降價。這使得美國中產階級首次能夠負擔得起機動交通工具，汽車數量急速增長。擁有汽車的美國人比例從1915年的10%提高到1930年的59%。

特別指出的是，中國在AI降成本問題上取得了突破性進展，或將在不久的將來推動自動駕駛領域的爆發式應用。以DeepSeek為例，R1在多個基準測試中與美國OpenAI公司的o1持平，但訓練成本僅為o1的三十分之一。這種技術突破不僅降低了AI大模型的硬件門檻和能源消耗，更重要的是為AI技術普惠化鋪平了道路。

從國內外來看，特斯拉為代表的一些車企也在減成本和降價格上大做文章。馬斯克曾經表示，預計自動駕駛出租車Cybercab的成本將低于30000美元，交通成本約為0.2美元每英里，預計將于2026年投入生產。據華福證券研報，經測算對比，蘿卜快跑Robotaxi的經營成本優勢凸顯，每公里運營成本僅0.81元，較傳統油車節省58%，較傳統電車節省43%。

總體上，隨著時間的推移，自動駕駛技術的成本會降低，使用變得越來越容易，促進商業活動的迸發與繁榮，最終使自動駕駛得以大規模擴散和普及。值得一提的是，蘿卜快跑、小馬智行、文遠知行等自動駕駛企業也在布局海外，蘿卜快跑已于近期落地迪拜和阿布扎比。

規則：從現象倒閉制度

有一些天真的技術解決主義者認為，技術可以解決世界上的所有問題。然而，單靠技術本身并不足以解決所有難題。技術的創造、使用、所有權和管理方式都會產生深遠的影響，這需要規則做出適應和調整。

一方面，自動駕駛走入社會是大勢所趨。未來已經來到我們中間，只是還沒有均勻地分布到生活的各個角落。人類對改善的追求，無論是在個體、環境、能力方面，還是在對周遭世界的影響方面，都在推動著思想與創造力的不斷演進。正如馬車車主和馬車制造商無法阻止汽車崛起一樣，只要存在需求，技術總會找到突破點，贏得用戶的青睞和支持。

在規則上，不宜以現行規則“一刀切”地否定新事物。歷史上，科技進步和機器崛起曾多次帶來社會結構和文化習俗的劇變，促使人們重新思考自己的定位和價值觀，并引發人們內心的迷茫和情感的無所依托。但此時，我們不應保守地否定新事物，而應以開放的心態去包容甚至迎合新事物，從而更快地找到人類生產生活的價值歸屬。

環境的大勢就好像隆起的山峰，有著坡峰與坡道，系統中的功能單位或組織就像一堆石頭，它們順著大勢而動。在以往的層級制管理思維中，我們總是想控制。就像西西弗斯的神話，西西弗斯老是想按照自己的想法把石頭推到一個高點上，然而石頭卻總在高點滾下來，最后他的一生就是在那里不斷地推石頭，而石頭在不斷地向下滾。

另一方面，我們要積極進行制度建構，為自動駕駛確立長效規則。我們生活在一個由規則，尤其是法律規則指導著生活方方面面的世界里。每當社會面臨危害或風險時，我們就會繼續擴充規則，并將其納入法律條款。關于損害和風險是指什么，是什么原因造成的，什么可能是立法上最好的回應，眾人時而會莫衷一是。可一旦有了足夠的共識和政治支持，我們就會建立新的法律規則來應對我們的社會、市場和環境所面臨的風險。

經濟理論表明，創新體系具有路徑依賴性，表現出明顯的“因果積累”特征，早期制度選擇可能會通過正反饋機制鎖定技術發展方向。換言之，一種方興未艾或者正在獲得越來越多人支持的規范或慣例，即使還沒有得到大多數人的支持，也可以發揮出強大的助推作用。因此，對于自動駕駛的一些基本規則對今后的產業發展至關重要，如人機關系、責任分配等。

特別是需要優先關注自動駕駛的安全問題。有研究表明，90%的交通事故都是人為原因造成的，例如情緒不佳、酒后駕車、疲勞駕駛等，但把駕駛的任務交給算法，算法沒有情緒，也永遠不會疲勞，據保守估計，人為原因導致的交通事故將下降80%，這不僅能夠減少社會損失、提高人類的生命安全，也將重構未來的保險行業。馬斯克也認為，自動駕駛會越來越安全，未來甚至能比人類駕駛安全100倍。但是，2025年3月在安徽銅陵發生一起車禍致使3人身亡，事故發生前車輛處于智能輔助駕駛狀態，以116km/h時速持續行駛，引發社會各界對自動駕駛技術安全性能及責任歸屬的關注。自動駕駛的安全性能到底如何，需要社會各界加緊研究。

進一步地，自動駕駛汽車是保護誰的安全，乘客、路人還是財產安全？麻省理工學院部署了在線實驗平臺“道德機器”（MoralMachine），了解公民希望自動駕駛汽車在不可避免的事故情況下如何解決道德難題。結果顯示，參與者呈現出3種十分強烈的偏好：保護人類而不是保護動物，保護更多的生命，保護年輕的生命。自動駕駛事故中的道德選擇只是人工智能系統可能面臨的道德選擇中的一個案例。

再者，怎樣提高安全性？這需要人工智能技術的提高和訓練樣本的擴大。可以說，自動駕駛汽車在大規模商業化應用前需要進行大量的測試，相關研究報告指出，在不犯錯誤的情況下，自動駕駛汽車需要行駛4.4億公里，才能證明其在車禍致死率上和人類駕駛員的水平相當。

最后，發生事故如何追責？若由AI承擔駕駛責任，進一步的問題是由哪個AI子系統及其供應商負責？因為在接下來的幾年里，我們的世界會有越來越多的系統，這些系統根據來自不同子系統和數十家公司硬件、軟件的數據基礎自主做出決策。如何追溯一起交通事故中需要負責的AI子系統是非常困難的。

此外，還有車企、運營商、乘客、保險公司等利益關系等問題，也需要從社會底層規則上做出一定的探索。中國智能駕駛革命已經到了突破時刻，但這一系列圍繞安全問題的社會規則都亟待研究。