2015年的时候，我第一次目光开始正式关注到无人驾驶，并且做过一些调研，当时国内外已经有了一批公司或研究机构正在投身于相关技术的开发甚至已经进入到产业化的前期工作。
就当时视野来看，国外谷歌旗下的Waymo实际上早在2009年开始研发自动驾驶技术，以及我们现在熟悉的特斯拉，在2014年也介入相关研究开发工作。从国内来看，华为开始涉足自动驾驶领域的时间可以追溯到2012年，在2012实验室下成立了车联网实验室。虽然当时还没有自动驾驶的明确概念，但华为已经开始关注电动汽车及其相关技术。国内的百度，自动驾驶研发工作也在2013年的时候从公司前瞻性研究机构IDL（Institute of Deep Learning，深度学习研究院）下脱胎诞生，并且在2015年12月率先实现了在国内首次城市、环路及高速道路混合路况下的全自动驾驶。
可以说，自动驾驶或者说无人驾驶并不是个天降神兵。但在当时，作为一个局外人，完成初步调研之后，给出的判断是：自动驾驶画的“饼”很美好，但在可预见的几十年全面无人驾驶很难落实，因为无人驾驶无法保证绝对安全。当时我给出的一种设想是：要大规模推广无人驾驶，必然要涉及到对路面的智能化改造，因为你必须得确保无人驾驶的安全系数无限接近100%；而要对所有路面的大规模智能化改造，这应该是一个国家层面去推动的大基建工程。并且大基建工程推动，必然要在特殊时期才是恰宜（可参考国内外各种以工代赈、经济萧条后的危机处理策略等等历史事件）。当时还草算了下，这样一种大规模基建的成本和后期维护成本，早晚会入不敷出。出于这样一种朴素想法，秉承了看懂了再出手的原则，放弃了对无人驾驶的进一步押注。
然而，时也命也，短短几年之后，情况就超出预期。误判的一点是，没有想到AI重新塑造人类生活和生产方式会来的这么快。以ChatGPT为代表的生成式AI的迅速崛起，表面上看是让AI能够撰写复杂的叙事文章、编排交响乐，还推动了多模态技术的发展，让AI能融合处理文本、声音、视觉信号等多种信息；但更深层次、更为重要的一点是，人类已经开始逐步掌握了掌控AI的一些精髓：更为完善的数据+更富智慧的算法+更加充分的炼丹。“更为完善的数据”和“更加充分的炼丹”固然需要智慧（也就是技术层面），但更多倾向于一种“力大飞砖”的长期积累和更为完善的硬件设备积累。“更富智慧的算法”需要一小撮绝顶聪明的人在偶然情况下的灵光一闪和一批聪明人的不断优化改进。
时代巧合就巧合在这里，以上精髓包含的三个层次在这短短几年得到全面突破。第一是数据，这十余年来，激光雷达、摄像头等硬件设备的不断升级，成千上万辆普通人开车积累的地图导航数据，为自动驾驶技术提供了更强大的数据支持。其次是算法，深度学习、强化学习算法得到了极大的优化和改进。深度学习算法的应用显著提升了自动驾驶系统的感知能力和决策水平，使得车辆能够更准确地识别道路环境、预测交通状况，并做出实时决策。也就是说，我们现在能够使无人驾驶汽车更为准确地识别道路标志、行人、车辆等障碍物，并且提前预判各种运动，算法在想尽各种办法去无限逼近安全100%这个终极目标。最后是炼丹，炼丹就需要丹炉，幸运的是，人类拥有的炼丹炉不断取得突破。自2015年以来，英伟达GPU的架构就经历了多次重要更新，包括Volta、Turing、Ampere以及最新的Hopper和Blackwell等。这些架构的演进极大地提升了GPU的计算能力和能效比，也不断推动了GPU在深度学习、高性能计算和图形渲染等领域的广泛应用，简而言之，就是我们训练AI的能力更厉害了。
也就是说，世界变了，无人驾驶的时代已经到来。上面提到的无人驾驶技术层面上的三个关键维度已经几乎完全被攻克，现在也几乎完全不需要考虑对路面进行智能化改造，全面铺开只是时间问题（并且这个时间不会太长）。
那怎么去看待无人驾驶在全面推开前可能会遇到的问题呢？无人驾驶之后万一出事故之后又该怎么定责？我给出我的几个论点：
第一、常规场景下的无人驾驶技术上已经全面成熟，极端场景下的无人驾驶运营数据飞速完善
从现有的无人驾驶运营数据来看，在安全第一的原则下，无人驾驶在涉及99.99%（是个约数，无客观统计数据，只是为了形容无人驾驶的安全性）的常规行驶场景，毫无问题，正常等待红灯、避让行人等等常规化车辆运行场景，完美运行。而极端运行场景（主要指的是极端天气或者一些即使是十分熟练的老司机也无法准确判断的极端路况）牵涉安全的最后一道防线，虽然目前无人驾驶会犯错，比如之前见到有报道说无人驾驶为避让道路前方蛇皮袋而只能停车无限等候的情况，但有理由相信，随着极端路况、极特殊情况的数据运营数据得到不断完善，我们能够训练出合格的AI去做出更为合理的判断，这种信念的形成还是基于前述关于如何掌控AI的3个精髓的理解。
第二、意外事故的责任分配问题可以被制度设计来解决
科技产业的发展必然会带来新的权责分配问题，但只要明确责任分配秉承“谁受益谁负责”这一基本原则，就可以通过制度设计来解决。我认为，需要依据技术成熟度界定制造商、开发者与用户的责任，同时完善法律法规以明确责任归属，创新保险制度以覆盖多方责任，并考虑伦理道德因素以平衡各方利益。
首先要考虑到技术成熟度与责任划分，我认为需要明确的是，无人驾驶技术的成熟度和可靠性将直接影响责任分配的讨论。在技术尚未完全成熟之前，制造商、软件开发者以及车辆所有者或使用者都可能承担不同程度的责任。随着技术的不断发展和完善，责任可能会逐渐向制造商和软件开发者集中，因为他们有责任确保产品的安全性和可靠性。那怎么去定责呢，我认为需要加快相关法律法规的制定和完善。这些法规应明确界定在不同情况下（如系统故障、人为干预、恶劣天气等）各方应承担的责任。例如，如果事故是由于车辆自身缺陷导致的，那么制造商可能需要承担主要责任；如果是由于乘客的不当操作或外部不可抗力因素导致的，则需另行考虑。其次，保险制度也亟待创新。无人驾驶技术的普及必然会推动传统车险制度做出相应的调整和创新。新的保险模式可能需要涵盖制造商、软件开发者、车辆所有者以及可能的第三方（如道路基础设施提供者）等多方责任。同时，还需要考虑如何制定合理的保费标准和赔付机制，以确保事故受害者能够得到及时、充分的赔偿。最后就是伦理与道德考量，在责任分配的过程中，还需要充分考虑伦理和道德因素。例如，在紧急情况下，无人驾驶车辆是否应该优先保护乘客还是行人？如果车辆做出了导致事故的决策，那么这种决策是否应该被视为“合理”或“可接受”的？这些问题都需要在伦理和法律层面进行深入探讨，但我认为这并未脱离现有制度的基本逻辑，完全可以把这种极端情况下的决策当做紧急避险等特殊情况下的权责分配问题来定。
第三、失业等阵痛不会阻挡生产力发展的历史大趋势
网上不断见到一些小作文，举例武汉的萝卜快跑等无人驾驶导致武汉出租司机挣不到钱。这个也不用怀疑，无人驾驶全面推广必然会引发司机大规模失业。但这显然是一个涉及生产力与生产关系变革的经典议题。从历史上来看，工业革命初期，蒸汽机的广泛应用极大地提高了生产效率，但也导致了传统手工业者的失业。但是，长期来看，这一技术革新推动了整个社会的工业化进程，创造了大量新的就业机会，如工厂工人、工程师等。这表明技术进步虽然会带来短期的就业冲击，但也会催生新的产业和岗位。福特汽车引入流水线生产模式，极大地提高了汽车生产效率，降低了成本，但也导致了对熟练工匠需求的减少。然而，这一变革促进了汽车工业的蓬勃发展，带动了相关产业链的增长，如零部件供应商、维修服务等，从而创造了更多的就业机会。阵痛必然会经历的，这点无法避免，阵痛过程中也必然也会牺牲一批人，但只要社会总体生产力在提高，那历史的巨轮就必然会朝着它应该去的方向轰隆碾过去。从个体层面，要减轻阵痛，就得未雨绸缪，找好3年或者5年的保底退路和前进方向。从顶层设计来说，要完善分配机制，给即将经历阵痛的那些人进行兜底和提供改变的机会。
2015至2024，十年一瞬，世上唯一不变的是永远在变。拥抱时代洪流，迎接变化！