为什么考100分这么难呢？难就难在不许出错。就拿美国人的驾驶水平作为参考吧。在美国，差不多每行驶9400万英里65，会出现一次交通死亡事故。如果要证明自动驾驶比人类司机的水平更高，比如高20%，那就得每行驶1.1亿英里才出现一次交通死亡事故。这不是说开够L1亿英里，只出现一次撞死人的事故，就能过关。假如第二天出现了一起死亡事故，那就变成5500万英里一次了。如果按照统计学的要求，在95%的置信度下证明自动驾驶比人类司机好20%，那就需要行驶110亿英里。110亿英里，相当于一家自动驾驶公司，旗下有100台车，这100台车每天24小时不停地开，连续开上500年。
是的，马斯克说过，特斯拉的自动驾驶，400万英里才出一起事故，而不开自动驾驶，两三百万英里就出一起事故。这是在误导。使用特斯拉自动驾驶的场景大多是在高速公路或环线公路上，路况简单，不容易出错，而日常驾驶，则多是在城市的大街小巷，场景要复杂很多。很多特殊的情况，人工智能是预料不到的。过节的时候，街道两旁挂上红灯笼，人工智能会误判为红色交通灯。公交车的车身上张贴大幅广告，人工智能会把广告上的人误判为行人，猛地刹车。通过十字路口时，行人看一眼司机，两人眼神交换，大致就能判断谁会先走。对人类来说很简单的事，人工智能做起来很难。
于是，自动驾驶就被卡死在最后的5分上。从L2到L3，遥遥无期，更不用说直接跳到L4、L5。
虽然已经到了珠穆朗玛峰山脚下的大本营，这里已经海拔5200米，虽然已经训练了很久，准备了很久，虽然在晴朗的天空下，那座山峰显得格外地近，格外地诱人，但就是没有办法登山。
这有技术的原因。自动驾驶暴露了机器学习的弊端。如果仅仅依赖于向机器投喂数据，机器会依样画葫芦，认出人的样子、车的样子，但无法举一反三，推理判断，与人交流。
这也有法律法规的原因。自动驾驶想要上路，就要证明自己是安全的，但如果上不了路，没有在真实的路况上测试，自动驾驶又永远无法证明自己是安全的——这是自动驾驶的第二十二条军规66。
这也有政策监管的原因。监管当然要考虑到安全、可靠，但过分强调安全、可靠，可能会抑制进一步的创新。在汽车刚刚问世的时候，英国通过了一部“红旗法案”。这部法案规定，一辆车必须由三个人来开。一个人在前面摇红旗开道，两个人坐在车里面，一个人开车，另外一个监督开车的人，而且车速不能超过每小时4英里。不管这部法案的初衷是要保护马车产业，还是出于对安全的担心，结果都是导致整个产业的发展落后了。
归根到底，这是因为做自动驾驶的企业把目标定得太高，问题提得太难。做自动驾驶的企业中有一派被称为“火箭派”，它们坚持要在开放而复杂的路况下，让人工智能100%地替代人类司机。它们要像火箭一样，一飞冲天。
一时半会儿上不了山，人却都到齐了，怎么办？
有人站起来，说，来，我们先热热身吧。闲着也是闲着，先踢球。
这就是吴甘沙的做法。先做能做的事，再去图谋终极目标。他喜欢举《隆中对》的例子。诸葛亮帮刘备出主意，最好的策略是“跨有荆、益”67。益州是天府之土，人多，粮多，易守难攻，适合做根据地。荆州地处咽喉地带，是兵家必争之地。吴甘沙的益州就是做商用车，荆州就是做乘用车。
商用车的应用场景是机场、码头、仓库、矿山。这些都是相对封闭的场景，可以更快速地达到L4。劳动力成本一直上涨，再加上新冠肺炎疫情的骚扰，加速了商用车自动驾驶的落地速度，这是一头。国内很多商用车的生产厂商正在发愁没有订单，这是另一头。吴甘沙拿到订单，再去找车厂，带领它们进军自动驾驶，给它们找到了新的出路。这些领域能给吴甘沙带来稳定的收入，支持他继续开发乘用车的自动驾驶。
这算不算走偏了呢？说好的攀登珠峰的目标呢？
无论是商用车的自动驾驶，还是乘用车的自动驾驶，最终会殊途同归。它们都是在积累AI（人工智能）司机的经验。就像人类司机，有的开得快，有的开得稳，有的开山路有经验，有的对市区更熟悉。这都是司机驾驶能力的不同侧面。把这些能力汇集在一起，就能打通各个应用场景，创造出一个全新的平台。这就是驭势科技的最终理想：做AI司机的劳务派遣公司。
吴甘沙说：“我们是被用户拿鞭子赶着往前走的。”乘用车虽然市场广阔，但自动驾驶举步维艰。商用车的市场规模没有那么大，但每天都有新的需求，逼着驭势科技不断创新。比如说，做货车自动驾驶的时候，驭势科技原本想得很简单：不就是解决点对点的问题吗？后来才发现，还要解决装货和卸货的问题。你不能节省了一名司机，却要添加一名装卸工。这就需要解决精准对接的问题。车与装卸平台的对接，误差不能超过一厘米。解决了货场上的精准对接，就能做到机场的精准对接：自动驾驶的货车开到飞机边上，托板把货物推到举升机上，举升机再把货物送进机舱。解决了货场上的精准对接，也就能做到快递的精准对接，比如丰巢这样的快递货柜，就能实现自动送货。用户关心的不是新奇的技术，而是好用的解决方案。
2021年，我们知道的是，很多人要来攀登自动驾驶的珠穆朗玛峰。大本营里人头攒动，还有更多人通过各种渠道关注着这场登山。我们知道的是，来的都是高手。他们已经准备了很长时间，每个人都很兴奋。我们知道的是，来的不止一支队伍，走的不止一条道路——有走北坡的，也有走南坡的。我们知道的是，自动驾驶技术水平最高的两支队伍，一支来自美国，一支来自中国，它们的差距并不大，各擅胜场。我们不知道的是，什么时候可以登山。我们不知道的是，山上的天气会怎么变化。我们不知道哪支队伍会先登顶。我们不知道他们会走哪一条路。我们不知道有谁会在登山的过程中遇难。
不，这个比喻是不对的。自动驾驶远比攀登珠峰更激动人心。
自动驾驶并不像登山一样，只是展示一下实力，而是会改变世界，创造出新的产业生态系统。如果自动驾驶出现了突破性的技术创新，那就意味着在交通、通讯和能源三大领域，同时出现了技术革命。这将是我们有生之年会经历的最为波澜壮阔的新技术革命。
看不清楚，不要着急。这套丛书接着还会再出26本。我还有20多年的时间，为你继续做现场直播。
5.6 思想道路
保罗·克鲁格曼是当代最有影响力的经济学家之一。有人曾问过他的成功秘诀。克鲁格曼说，我的秘诀就是不要害怕简单。
克鲁格曼的学术贡献之一，是指出了哪怕没有比较优势，只有规模经济，也会出现国际贸易。说起来，这不算什么原创性的观点。在他之前，有很多学者早就注意到了规模经济的重要性。那么，是他的模型很宏大，需要高难度的技术吗？也不是。恰恰相反，克鲁格曼的风格是擅长把模型做得很简单，简单得让很多同事感到诧异：原来你就这水平啊！真正的区别在于，在克鲁格曼之前注意到规模经济的那些学者都只是说说而已，没有人静下心把模型做出来，而那些一心想要做出宏大理论的经济学家，又看不上一个仅仅能够证明规模经济存在的模型。于是，克鲁格曼就脱颖而出了。
并非只有克鲁格曼才是这样的风格。另一位极有影响力的当代经济学家约瑟夫·斯蒂格利茨，也很擅长把复杂的经济现象用简洁的模型讲出来。当耶鲁大学考虑授予斯蒂格利茨终身教职时，一位年长的经济学家看不起他的成果，说那些基本上都是不起眼的模型，而非深刻的定理。支持斯蒂格利茨的经济学家反唇相讥：“对保罗·萨缪尔森是不是也能做同样的评判？”68——保罗·萨缪尔森是公认的现代经济学的奠基人。
克鲁格曼总结说：“最终我认识到，处理复杂课题的一个办法是改变问题，尤其是调整思考层次。”他还说：“一般而言，当某个领域的工作者陷入难度极大的问题时，反思一下他们是否找对了问题应该是个好主意。很多时候存在其他一些问题，不仅更容易解答，而且更有意义。但这一技巧的缺陷是，往往会惹人们生气。面对一位把多年光阴用于思考某个难题的学者，你说绕开这个问题反而有利于激活那个研究领域，他很少会表达感激。”69
这给我们一个启发。很多人不屑回答简单的问题，总是痴迷于最难的挑战。正是由于这种执念，这个世界上到处都是奋斗终生却一事无成的聪明人。
我们不妨试试克鲁格曼的思路。自动驾驶之所以步履维艰，不单是因为技术问题，还有很复杂的法律问题、伦理问题，甚至心理问题。那我们再想想，问题究竟出在哪里？有没有可能是做自动驾驶的企业走错路了？它们原来给自己出的题目是：怎么才能在开放的道路条件下、复杂的道路情况下，让人工智能完全替代人类司机？把题目出得这么难，当然答不出来了。
那怎么办？能不能换个思路？比如说，先不去研究聪明的车，而是去研究聪明的路？啥意思？在自动驾驶领域，有一个思路叫车路协同，也就是不仅要有智慧的车，而且要有智慧的路。
顺着这样的思路，能不能把题目改一下呢？假如我们现在的目标不是在开放的道路条件下、复杂的道路情况下，让人工智能完全替代人类司机，而是先定个小目标，先修一条新的高速公路，这条高速公路上只走自动驾驶的货车，行不行呢？从技术上来说，这太行了。这个题目的难度一下子降低了几个层级。高速公路上路况多简单啊，走的都是货车，就不用担心人类司机出交通事故了。再具体点说，可以采取两种模式。一种是让司机一直在车上，上了高速公路就开启自动驾驶模式，下了高速公路就司机自己来开。还有一种模式更有创意。行驶在高速公路上的货车没有司机，司机都在高速公路出口的服务区待命。高速公路上的自动驾驶货车相当于一辆拖车，可以挂很多车厢。在普通的高速公路上，两辆大货车之间总要保持200米的距离。但是，在这条自动驾驶的高速公路上，货车和货车可以挨得很近，这已经不是人们过去理解的公路货车了，而是变成了一辆永不停息的火车，一节车厢连着一节车厢。等这些自动货车编队下了高速，再由司机把一个个货厢开走，负责拉货厢的挂车，可以甩在专用服务区。
显而易见的思路，总是看起来很傻。
有的人说，建聪明的路比造聪明的车更费钱。你不能让各地用不同的标准吧？那就要全国一盘棋。既然全国一盘棋，岂不是要把现有的道路全部重建？岂不是要把现有的标准都改掉？怎么可能完成如此浩大的工程呢？
事实上，我们并不需要全部重建，只需要新建。如果新建一条从北京到深圳，或是从上海到成都的自动驾驶货运高速路造价太高，那先造一条从广州到深圳，或是从上海到杭州的“示范路”如何？
有人说，技术条件并不成熟。如果车速要在100公里/小时以上，就需要低延迟的网络技术，也就是5G中的NR-V2X（新空口一车用无线通信）技术。现在的5G虽然实现了高带宽，但还做不到高可靠和稳定的低延迟。有了NR-V2X，才能让路侧单元和车载单元实现车路信息的实时交互。这个新的标准，据说要到2025年才能推出。还有，即使是在高速公路上无人驾驶的货车，也很难实现真正的L4。人在开车的时候，遇到拐弯，会不断微调，但现在的线控技术，很难让无人驾驶实现像人类司机一样精准的微调。让货车一辆接一辆开，需要编队技术，而编队技术也依赖于网络的高可靠、低延迟。
2025年，我们等得起。再者说，在起步阶段，未必需要车速那么快。把车速放慢一些行不行？在特殊的路段，给自动驾驶货车多一些提示行不行？
有人说，就算在专门的高速公路上实现了货车的自动驾驶，还是实现不了终极目标，也就是在开放、复杂的道路上让人工智能100%替代人类司机。但是，通过试错和积累，有些技术进步能不能从货车迁移到乘用车呢？再说，凭什么说无法解决城市里的无人驾驶问题，货车自动驾驶高速公路就没有意义呢？有了这样的新型高速公路，陆地运输的物流成本是不是就会大幅度下降呢？生产布局是不是就会发生改变呢？更关键的是，有了这样的项目落地，就能跑出数据，就能迅速迭代技术。或许，我们就能更快地迎来新一轮的技术革命。
其实，这样的思路早就有人提过。美国人早就想修这样的高速公路。一方面，美国的货车司机工资更高，用自动驾驶代替人类司机更节省成本。另一方面，美国国土面积辽阔，但地势平坦，修专门的高速公路更容易一些。那么，为什么说这样的高速公路，美国很难修得起来，而中国更有可能先修出来呢？
这是因为，基础设施能力是中国的一个破局点。基础设施能力的背后，不仅仅是中国的建造技术，也体现了中国独特的体制、独特的执政理念。中国并不接受自由放任的经济理念，中国政府希望成为“有为政府”，给市场经济提供“支援的手”。中国经历过传统的计划体制，不愿意回到“大锅饭”的年代，不愿意直接给民众“发红包”。中国政府关注的是提供基础设施。
基础设施能力强调的是公平而非平等。路修好了，谁去用，那是市场自己决定的。有人利用得好，就能有更多的机会。有人利用得不好，就会失去机会。跑道修好了，谁去跑步，那是民众自己决定的。愿意去跑的人，身体更健康；不愿意去跑的人，也不会有人勉强。机会就摆在那儿，能抓住的人就有更强的竞争力。
基础设施能力强调的是引导而非主导。政府过去喜欢出台产业政策，事无巨细，全部都管，但效果并不理想。新型的产业政策是在实践中摸索出的一套办法，可以提供投资环境，可以提供配套资金，可以帮助建设产业链。有了基础设施，才有引导的条件。
基础设施能力强调的是监控而非管制。我在《变量3》里预言，政府将向电商平台学习，为民众提供量身定制的服务。能够做到这一点，是因为政府通过监控拥有了大数据，打通了大数据，学会了怎么用大数据。这和传统的管制思路很不一样。管制更像是法官判案，监控更像是警察巡逻。比起管制，监控能更方便地做到事前防范、事中监督和事后处理。
修不修这样一条示范性的自动驾驶高速公路并不重要。重要的是，我们用这个案例讲了一个道理。基础设施能力是中国的破局点。在推动技术创新时，我们可以换另一种思路，“你打你的，我打我的”。当一个难题看似无解的时候，通过改变约束条件，用泡脚的办法也能治好头痛。
这样一条示范性的高速公路，其实是一条示范性的思想道路。
