上善若水投资管理公司创始人、意统天下餐饮管理公司创始人、美一好品牌管理公司创始人林文钦（昵称“萌剑客”）逝世后的第4天，虽然警方并未公布引发交通事故的具体原因，但围绕蔚来汽车NOP领航辅助（Navigate on Pilot）功能，以及整个造车新势力自动驾驶系统安全性的争议却愈演愈烈。
据多方信源和蔚来汽车官方消息，确认车主林文钦在交通事故发生时，NOP领航辅助功能处于启用的状态下。此外，事故现场流出的图片和视频显示，林文钦驾驶的蔚来ES8可能是因为不慎撞上了高速公路左侧道路上的桩筒和作业车辆，碰撞发生后蔚来ES8左侧车头毁坏严重，左侧车轮脱落，A柱断裂损毁，前舱顶棚严重挤压变形，车辆左前门变形严重，并将作业车辆顶翻倒地。事故发生后，林文钦不幸遇难。
“无论是硬件还是软件，当前汽车的自动驾驶系统还非常的不完善。但是由于企业和自媒体的过度宣传，导致用户过于信任和依赖这套系统，这是悲剧发生的根源。”某车企自动驾驶部门负责人李可向记者表示：“在高速公路上，我不会使用自动驾驶系统。”
除了对自动驾驶辅助系统安全性的质疑，争议还扩大到造车新势力的产品开发理念和企业运营模式上。一家造车新势力公司自动驾驶专家黄刚表示，随着互联网背景的公司涌入汽车制造业以及智能电动汽车的兴起，快速迭代、“MVP”（最小可行性产品）等理念也被带入汽车行业，越来越多的企业将还没有开发完成的产品交付给用户，通过后续不断的更新迭代来优化和完善。
“但一个现实的问题是，公司高层出于宣传的需要或者是生存的压力，会催促研发部门加快迭代速度，本来是百万公里的测试，领导要求你一周更新一个版本，测试会打折扣。一旦测试有折扣之后，就会有潜在的威胁在里面。”黄刚说。
一家传统车企高管认为，传统车企与互联网科技公司最大的区别就是对待产品安全、可靠性和耐久性等方面的重视程度，“手机死机了可以重启，汽车死机了可是人命关天的大事。”
文 | 杨海艳 唐柳杨
本文转载自微信公众号“ 第一财经”（ID：cbn-yicai），原文首发于2021年8月16日，原标题为《自动驾驶到了反思时刻：死亡铺就成功之路？》，不代表瞭望智库观点。
1
车辆为何没能识别前方障碍？
针对林文钦事件，用户热议的焦点集中在于两个方面。一是目前众多车企处于L2级别的驾驶辅助系统，都可以根据前方的车辆速度进行自动跟车和减速刹车，但此次事件中，当前方有障碍物时，为何车辆没能及时识别？二是目前具备驾驶辅助系统的车辆，基本上都配置了AEB紧急制动功能，为何在碰撞即将发生时，这一功能没有被激发？
李可向记者介绍道，自动驾驶技术可以分为三大模块，分别是感知、认知和控制。当前主流的辅助驾驶系统主要使用摄像头和毫米波雷达作为传感器来感知环境信息，少部分车企声称将装备激光雷达。
根据官网信息，蔚来的NOP领航辅助功能，是一种导航系统与Pilot自动辅助驾驶深度融合的功能，允许车辆在特定条件下按照高精地图导航规划的路径自动巡航行驶，其使用的是毫米波雷达+摄像头+高精地图的组合方案，这也是目前多家车企都在使用的融合方案。在具体的配备上，蔚来ES8采用NIO Pilot自动辅助驾驶硬件系统，拥有1个三目前向摄像头、4个环视摄像头、5个毫米波雷达和12个超声波传感器。
李可向记者表示，之所以采用上述视觉融合方案，是因为无论是摄像头还是毫米波雷达，都有其擅长的领域和短板所在。摄像头是传感器中最重要的环境物体感知器件，通过图像对目标进行识别，双目摄像头还具备一定的测距能力。
毫米波雷达利用目标对电磁波的反射来发现和测定目标位置，可以在测距的同时计算出目标物体的速度，是汽车上仅有的能够同时探测目标物体距离和速度的感知硬件。激光雷达可以生成三维的位置信息，快速确定物体的位置、大小、外貌和材质，同时还能获得数据形成精确地数字模型。同时，摄像头和毫米波雷达都有自己的应用原理和适用场景，摄像头成像，其视域范围基本上在100-150米左右，此外，摄像头识别的精准度比较低，比如说其对黄色和白色等与天空颜色比较接近的物体识别率就比较低。毫米波雷达的视域范围能达到150米乃至更广，但是因为毫米波雷达本身的成像原理是多谱勒效应，对移动物体的识别度比较高，对相对静止的物体识别度并不高。
但以上三种传感器都有着其固有的短板，如摄像头受日照、阴暗交替等环境因素干扰，激光雷达在雨雾风沙等天气下无法正常工作，毫米波雷达虽然不受雨、雾、灰尘和雪等环境条件的影响，但是它对静止的物体不敏感，并且会穿透塑料、墙板和衣服等特定材料。
此外受制于成本，车载毫米波雷达一般仅涉及平面的角分辨率，垂直方向上则不做区分，因而也无法判断识别到的目标距离地面的高度。
此外，车载毫米波雷达还会对大量静态目标产生反射，包括路上很低的路灯、车道上的金属栏杆以及隧道顶等，“所以企业要从中间抽取有用的信息，都会或多或少在算法上过滤掉静态物体，因为你过滤少了，会导致频繁误刹车，在高速上同样很危险，但过滤多了，就会漏检，造成撞车事故。”李可表示。
蔚来方面明确表示，目前版本下的蔚来NIO Pilot还没办法识别雪糕筒，以及停驻在前方的障碍物，比如动物、行人、摩托车等。据记者梳理，包括小鹏以及特斯拉在内的车企，目前的高阶驾驶辅助系统对于上述包括相对静态的障碍物、雪糕筒在内的物体，几乎都没办法识别，这在业内是一个普遍存在的问题，也正因如此，上述车企在用户手册中，都会将类似于蔚来NOP功能所无法实现的场景单独进行罗列。
据遇难车主林文钦的朋友随后公布给媒体的车辆行驶数据显示，在时长113分钟的行驶过程中，当事车辆平均速度为45.1公里/时、最高速度为114.6公里/时。在数据图中也可以看到，车辆突然从在114公里/时左右的时速降为0，可能就是发生撞击的时刻。在事发的行驶过程中，当事车辆急加速1次，并未出现急减速的行为。该数据在侧面说明，蔚来的NOP在事发时并没有采取紧急制动。冠盖科技CEO刘坡告诉记者，没有采取紧急制动，可能因为车辆并没有识别到前方的相对静止的障碍物，也可能因为距离太短，系统来不及进行反馈并作出决策。
“在高速公路上，110km/h时速下车辆1秒钟移动距离大约是30米。自动驾驶系统要在这么短的时间内做感知、判断，这么多的数据软件来不来得及处理，即使来得及处理，来不来得及做刹车的动作，都是问题。”李可表示：“在高速公路上，我不会使用自动驾驶系统。”
2
“现阶段所有的自动驾驶系统都不能被信赖”
值得注意的是，这是蔚来汽车过去半个多月以来第二起重大交通事故。今年7月30日，上海市浦东新区临港大道发生一起严重交通事故，一辆蔚来EC6撞击石墩后车辆损毁严重，车辆起火剧烈燃烧，冒出浓浓黑烟，车主不幸遇难。但目前尚不明确这起事故发生时，车辆是否开启了驾驶辅助系统。
此外，不仅仅是蔚来，在此之前，特斯拉的自动驾驶FSD系统也曾经多次导致安全事故。2016年1月20日，一辆特斯拉轿车在京港澳高速河北段撞上前方道路清扫车，23岁的男性驾驶员不幸身亡。在经历了一年多的调查后，特斯拉终于承认案发时车辆处于“自动驾驶状态”。同年5月份，美国车主布朗在启用特斯拉自动驾驶系统功能时撞上了一台正在转弯的厢式货车，最终不治身亡。特斯拉CEO埃隆·马斯克发布的信息称，原因是雷达将前方的车辆当做了高速公路上横跨道路的标牌，所以没有进行刹车。
2018年、2019年、2020年，特斯拉类似的事故重复发生，它们的典型特征是无法识别低速运动或静止状态下的车辆。今年5月，美国加利福利亚洲，一辆特斯拉Model 3径直撞上侧翻在路中央的白色货车，Model 3车主当场身亡，事发时Model 3处于Autopilot自动驾驶状态。调查结果显示车辆将白色的货车识别为天空和云，因而未做出避让或减速反应。这起事故显示出摄像头对物体进行了错误的识别，以及在两套传感器信息的融合中系统选择了错误的信息，给出了错误的指令。
2020年9月，一名理想车主在山东青岛驾驶理想ONE的过程中，右前侧与向左并道的大货车发生追尾，事故中，理想ONE的“自动辅助驾驶系统”开启、却未识别到正在向左变道的大货车，从而未及时做出减速或警告。仅仅一个月之后，10月20日京港澳高速湖南郴州段又发生了一起理想ONE追尾大货车的事故。这起事故几乎是之前理想ONE青岛事故的翻版，同样是在开启了自动辅助驾驶系统的情况下，系统未识别前方大货车变道而追尾，同时安全气囊也没有弹出。
虽然作为车企自动驾驶部门的负责人，但李可对记者坦言，“现阶段所有的自动驾驶系统都不能被信赖。”李可表示，目前的所谓自动驾驶操作系统或者是高阶驾驶辅助系统，都存在上述特殊场景识别能力不足的问题，而识别的精准度并不是单纯的硬件所能决定的，也不意味着，有了激光雷达，这些问题就能引刃而解。自动驾驶是一个流程化、复杂的综合系统，涉及到众多流程和领域。其在流程上包括感知层、认知层、决策规划层、控制层和执行层几个层面。而识别的准确度是上述几个流程共同作用的结果，其一方面依赖于硬件设备的检测精准度，比如说，在摄像头和毫米波雷达的视觉融合方案中，摄像头和雷达都在执行检测，但对于同样的物体，不同的硬件设别检测的精准度不同，这就需要对硬件进行视觉技术训练。
“一般来说，红色、蓝色和黑色比较好训练，而比如说工程车这种，更加多样化，同时很多车辆可能会有改装等，训练起来就不太容易。”李可说，除此之外，还要提升机器的自学习能力，不能仅仅依靠图像训练。
检测精准度之外，要准确识别还依赖于决策的执行度，如何去做出决策，取决于机器更相信哪种检测设备的反馈结果，这就需要算法策略的介入。而算法策略的背后，需要大量的数据积累和测试验证以及优化，“大量的路试以及场景实验，不断测试并进行优化。”
“相对来说，如果能够实现激光雷达的量产，那么机器的视觉识别准确度将会得到提升，但即便这样也无法做到100%。”李可告诉记者，他之前在自动驾驶测试中遇到一个非常危险的场景，当时路边出现了一个穿着恐龙衣服的儿童，而车辆将这名儿童识别成了不会移动的物体。
“怕就怕Corner Case（边界情况），库里没有这个场景，系统不知道该做出什么指令。蔚来泉州这起车祸，锥形桶加静止的异形车辆（高速公路作业车辆）就是一个典型的边界情况。”李可表示，类似于雪糕筒这样的比较小的物体，目前的硬件设备识别率本身就不高，加上如果路上有上下坡、有阳光干涉，识别度就会更低。而在现实中，这种边界情况层出不穷，没有车企能够做到足够完善的数据采集和标注。
在此之前，第一财经就报道过一辆特斯拉在开启Autopilot自动辅助驾驶的情况下，未能发现前方道路上的一块铁皮，继而进行直接碾压导致车底被划破的情况。
“这种场景对于汽车公司来说，可能也是一个并非经常能够出现的场景，非自动辅助驾驶的车辆，驾驶员在遇到这样的问题可能也无法避免，所以特斯拉未能避开这样的障碍物，也并不奇怪。”刘坡认为。
他谈到，这样的情况，简单的依赖于硬件和算法，也并不是完全能够避免，对于车企来说，还是要更多的去在实际路况中采集场景信息，然后在系统里进行建模，才能进一步避免。所以对于高阶的自动驾驶来说，要更加完善和安全，必须要更多的有效的数据积累，以及更加高效的算法。
蔚来无人驾驶系统工程部负责人章建勇早在2020年就公开表示，蔚来在NOP的开发工作上，投入了非常多的资源在测试方面，在测试中拥有超过200万公里实测的数据，NOP在路测时，所有的特殊场景都会做好标记。章建勇表示，彼时已经被标记的特殊场景数已经超过32300个，光上海就已经覆盖14902个特殊场景。蔚来在全国30多个重点测试城市做了测试覆盖，整个测试软件迭代了43次。
从数据上看，蔚来NOP在测试上确实做了大量的投入。不过，刘坡告诉记者，即便是车企在测试上用足了功夫，并对特殊场景进行了标记，但特殊路况和场景在实际的道路行驶中仍然层出不穷。
但是随着竞争的加剧，车企在自动驾驶硬件方面展开了军备竞赛，如小鹏、北汽先后配备了激光雷达，蔚来ET7则上了800万像素的摄像头。李可指出，“堆砌硬件会给人一种错误的认知，认为传感器越多自动驾驶的能力就越高，但如果测试和算法跟不上，硬件堆砌再多也没用。”
“对于车企来说，多视觉方案的融合、算法确实是在自动驾驶领域的最核心的竞争力之一，也是最大的挑战。”一位车企的内部人士告诉记者，虽然现在自动驾驶技术有多家供应商，但比如蔚来、小鹏这样的企业，还是更希望将算法等软件能力掌握在自己手中，但在算法上的技术水平、软件能力的差异以及综合策略的准确度，将从根本上导致不同的车辆在面对同样的场景时，不同的执行表现，而其执行表现则从根本上决定这一技术的安全性。
3
“MVP”的边界在哪里？
但是，“自从有了网联盒之后，车厂突然发现能像互联网公司那样实施‘MVP’（最小可行性产品），有什么BUG不重要，车能跑就行了，出了问题咱后面再修，车厂升级越来越随意了。”黄刚向记者表示。
“MVP”是“Minimum Viable Product”的首字母缩写，即“最小可行性产品”。
“MVP”最早由《精益创业》作者Eric Ries提出，其核心理念是企业用最小的成本开发出可用、且能表达出核心理念的产品版本，功能极简但能够帮助企业快速验证对产品的构思，以便于企业在获取用户反馈后持续迭代优化产品。
随着特斯拉和更多互联网为背景的造车新势力公司入局，“MVP”策略也被应用到汽车产品设计的实践中。“许多新势力公司的第一代车，看起来很厉害，但是很多功能都不开放，因为还没有开发完。他的理念是等开发好，BUG修复完了，才给用户更新。”某造车新势力公司自动驾驶专家黄刚向记者表示，但一个现实的问题是，公司高层出于宣传或者是生存的压力，会催促研发部门加快迭代速度，“本来是百万公里的测试，领导要求你一周更新一个版本，测试会打折扣。一旦测试有折扣之后，就会有潜在的威胁在里面。”
“车厂不能盲目地模仿互联网公司，随意地拿不完整的产品交给用户，汽车毕竟和生命密切相关，至少得有一个完整度。”黄刚表示，按照行业惯例，一项技术被推出之前，除了做模拟仿真的测试之外，在公共道路的测试里程应该在100万公里左右。
随着互联网企业进入汽车行业的竞争赛道，互联网公司短、平、快的竞争逻辑也被带入，比如过去车企开发一款新车，通常需要4~5年的时间。但随着竞争节奏的加快，现在一款新车的上市节奏，已经被压缩至2年左右，有部分企业甚至提速到了一年半的时间，在这么短的时间内，如何去更加充分的进行必要的实验和认证，这也是一个问题？黄刚认为，如果得不到充分的测试验证，存在安全隐患也并不奇怪。
相对于造车新势力，传统车企对这一技术的应用更加谨慎。记者了解到，通用汽车此前在凯迪拉克CT6上搭载的super cruise高级辅助驾驶系统，从2014年开始便进行研发，但在中国市场，其至今仍仅仅搭载于上述一款车型上，推广的节奏确实更加缓慢。而且据记者了解，在这项技术进入中国市场前，通用的技术测试团队用了10余辆车，历时一年多，在中国的高速公路上做了30万公里的路测，并解决了很多专属于中国市场特有的场景挑战。
文静谈到，这种缓慢推进的方式，一方面可能与成本以及车型推出节奏有关，但她认为更关键的，还是车企的经营逻辑和价值观的不同。
“现在很多自动驾驶公司，给出的数据都是累积了100万公里的行驶里程，但是这些行驶里程是怎么做的，是不是在全国的高速路上都跑了一圈，场景的丰富程度到底如何，其实外界很难知道。”李可也谈到，脱离场景谈行驶里程，对于驾驶技术的成熟，其实意义并不算大。
4
部分车企存过度宣传误导
“无论是硬件还是软件，当前汽车的自动驾驶系统还非常的不完善。但是由于企业和自媒体的过度宣传，导致用户过于信任和依赖这套系统。”李可表示，“很多悲剧都是因为车主过度信任辅助驾驶系统，很少有用户明白现阶段所有的自动驾驶系统都是不完善的，没有一个完美的雷达可以解决所有问题。”
蔚来此次事件发生后，全行业掀起了车企是否过度宣传自动驾驶系统的讨论，其中首当其冲的是特斯拉、蔚来、理想、小鹏为代表的造车新势力公司。原因之一是相比起传统车企，造车新势力公司是最早鼓吹自动驾驶系统和量产装机的车企，作为全球智能电动汽车的“鼻祖”，特斯拉一直将自动驾驶系统当做其核心卖点，同时特斯拉在美国和中国已经发生了多起自动驾驶系统相关的致命车祸。
华为前任智能驾驶产品部部长苏箐表示，机器从被应用到生产中开始，事故率就始终是一个无法逃避的问题。“客观地说，机器产生事故是不可避免的，只能够尽力去降低。如果我们的自动驾驶变得更高级，普通用户对于新科技产品会有一个倾向性，一开始他们会完全不信任，一旦试过觉得很好后就会非常非常信任，这其实就是出事故的开始”。苏菁说。
在国内外一些视频网站上，不时有一些车主发布双手脱离方向盘，任车辆在自动驾驶系统状态下自行行驶的视频。一些车主甚至会在车辆高速行驶过程中躺在后排或者副驾驶，拍摄驾驶座空无一人的场景。
“用户过于相信辅助驾驶系统，一方面是在他们日常使用的场景中还没有遇到问题，另一方面是车企和自媒体的宣传都在诱导脱手，加重了用户的信赖感。”国内某车企研发部门负责人熊明表示。
最早“鼓吹”自动驾驶技术的是特斯拉。在其中国官网中，特斯拉一直将“Autopilot”翻译成“自动驾驶”，直到2016年发生多起事故后，特斯拉中国官网上才将其Autopilot功能的翻译改为“辅助自动驾驶”。
2020年，在接连交通事故发生后，理想汽车把官网上关于“自动辅助驾驶”系统改名为“辅助驾驶”系统，但在页面上打出了“放心开，有我在”的宣传词语。
小鹏汽车已经下架的一个宣传视频，也展现了驾驶员双手脱离方向盘一边喝咖啡一边开车的场景。
泉州事故发生后有消费者质疑，此前蔚来汽车在其NOP技术的宣传过程中，也存在诱导和鼓励用户脱手的行为。如2019年时蔚来副总裁沈斐曾在微博晒出一段脱手驾驶的视频，七秒钟的视频中，沈斐驾驶的ES8开启了NIO Pilot功能，速度超过100km/h，还有一个食品袋出现在方向盘上。
记者了解到，蔚来在将车辆交付给用户时，针对NIO Pilot功能会进行“常规告知”，包括驾驶辅助及泊车辅助并不等于自动驾驶，驾驶员始终负有控制车辆的最终责任，在一些特定场景下车主需要立即接管车辆等。据蔚来汽车方面提供给记者的信息，车主在首次激活蔚来NOP功能激活时，弹窗也会弹出相关的使用须知和安全确认信息。
“从流程和规范上看，这些提醒并没有漏洞。但在目前的情况之下，要规避风险，车企除了强制提醒，还要考虑对车主行为进行约束的问题。”一家传统车企人士文静表示。
“比如通用汽车推出的super cruise高级驾驶辅助系统，它在开启的时候，会有一个结合红外线监测的面部检测系统，会在驾驶员的视线离开前方时作出提醒，如果驾驶员再不接管车辆，将会被包括座椅震动在内的‘强势’提醒。”文静告诉记者。
记者也从蔚来汽车的车主处获悉，车辆在NOP状态之下，如果车主长时间不手握方向盘，汽车也会通过发出警报等方式进行提醒，“除非你喝醉了，不然你不可能感觉不到。”这位车主告诉记者。
文静谈到，包括通用super cruise等在内的传统车企使用的辅助驾驶系统，在技术和功能上与蔚来的NOP和小鹏的NGP相比并不落后，“但传统车企在安全上确实更加重视，对于一项事涉安全的技术，一般不会一下子大规模的去铺开进行应用和搭载，可能会采取缓慢迭代的方式，先在一款车上进行搭载，然后逐渐发现问题并完善。”
多名新势力车企自动驾驶领域管理岗职员告诉记者，新势力车企由于生存压力大，为了突出产品的差异化卖点，会存在夸大的成分。“无论是1000公里续航的电池还是自动驾驶，这个宣传出来一定不是研发部门决策的，而是内部讨论了很多次，公司高层拍板决策的。我碰到这种情况越来越多，无论是自动驾驶系统还是其他的电子系统方面的功能。如果是10分吹成12分也还能接受，但现在是10分吹成20分。”一名自动驾驶工程师表示，普通用户只看得到有没有功能，他们看不到功能背后的性能到底稳不稳定，“自动驾驶一旦出事就是大问题。”
