其实这次自动驾驶技术想做到彻底没人管、把方向盘交给机器，还是有挺大障碍的。特别是得有足够多的实测数据。目前几家领先的公司已经晒出了成绩单，他们的系统跑的路加起来已经超过70亿英里了，在城市里跑的比例也特别高。不过这也说明技术离真正上路还差得远。这行的老大们直接就说了，要想让车子能在没人看着的情况下开得很安全，估计得攒下100亿英里的数据来训练才行，比之前想的60亿英里要多得多。 这种变化说明路况比预想的要复杂得多。那些平时很少见、但一旦发生就特别危险的事，比如突然下起暴雨、路上冒出来个大石头、人和车挤在一起这些情况，哪怕概率很低，也得靠这些数据来教系统怎么反应。关键问题在于系统是靠真真实实的场景数据来学的。现在虽然能靠模拟软件减少点实地路测的工作量，但没办法完全还原那些意外事件。 这行的分析人士指出，要走数据驱动这条路，公司就得有庞大的车队跑在路上、能高效地收集和处理数据、还得算法更新特别快。这其实就是个很高的门槛，弄不好就会出现“马太效应”：数据越多的公司学得越快，数据少的就会被甩在后面越来越难追上。现在那些先发制人的公司靠着路测积累的大量数据把自己的护城河修得很牢，而后来者往往因为缺数据、迭代慢陷入困境。 研究的人都说光靠仿真和有限的路测根本追不上人家，现在真正的较量就是看谁的数据多、谁的工程能力强、还有谁能把生态系统搞得好。面对这种情况，大家都在想办法解决问题。有的公司想在不同地方多跑跑测试车、让大家的数据共享起来；有的在研究更聪明的算法去预测那些不太常见的情况；还有的在探索“车路协同”的路子，通过让路变得更智能来弥补车上传感器的不足。 以后要想让自动驾驶变成普通老百姓用得起的东西，还得跨过安全、法律还有成本这几道坎。大家预测等测试里程到了百亿级别以后，系统应付各种稀奇古怪情况的本事会慢慢上来，但想让它彻底不用人盯着还是需要很长时间。在发展技术的过程中，数据安全、隐私保护还有伦理规范这些问题也得一起解决好。 这种攻关的过程就像是一场跑马拉松一样要拼命攒数据；也是一项非常复杂的系统工程。它其实很能说明一个道理：科技从理论研究变成实实在在的产品从来不是一下子就能搞定的。只有尊重现实中的复杂情况、不停地用实际场景去验证技术的强弱，才能在保证安全和提高效率之间找到那个平衡点。 这项技术以后不光会改变大家怎么出门坐车；它也能给人工智能怎么帮助实体经济提供一个很重要的样板。它的发展历史告诉我们：前沿科技想要成熟起来从来不是一蹴而就的；而是需要大家在开放协作中不停地修改迭代；还要在守住安全底线的前提下稳稳当当地往前走。