top of page

自動駕駛與「話事人」

Updated: Apr 28

美國最近發生一宗嚴重車禍,休斯敦市郊的住宅區道路上,一輛特斯拉(Tesla)Model S汽車轉彎時撞上路邊一棵樹後起火,車上兩人死亡。當地警方調查後表示,事故發生時無人坐在駕駛座上,意味着這輛車可能處於「自動駕駛」模式。但特斯拉很快否認這一說法,強調從已修復的數據日誌顯示,肇事車輛並沒有啟用自動駕駛功能,因為車主根本沒有購買「全自動駕駛」服務,而且特斯拉「自動駕駛」功能的標準,需要在劃定行車線的道路上才能開啟,發生事故的街道是住宅區小路,根本沒有行車線。

一時之間各執其詞,恐怕需要特斯拉主動向相關部門披露更多的數據才能解決。在此之前值得大家先理解的是,自動駕駛定義也有不同的級別:

  • 0級──無自動化司機執行所有操作任務,例如轉向、掣動、加速或減速等。

  • 1級──司機輔助車輛可以配備一些輔助功能,但司機仍然可處理所有加速、掣動和周邊環境的監控。

  • 2級──部分自動化目前大多數汽車製造商都在開發這種級別的汽車,可以設置轉向或加速功能,並允許司機的一些操作釋放出來。司機必須隨時準備好掌控車輛,並且仍負責大多數「安全關鍵」功能和所有環境監測。

  • 3級──有條件式自動化從2級到3級及以上的最大差別是,從第3級開始,車輛安裝了各類傳感器監測環境的所有變化。司機的注意力在這個水平上仍然很重要,但可以脫離掣動等「安全關鍵」功能,在條件安全的情況下把駕駛交給自動化技術處理。

  • 4級──高度自動化在4級和5級,車輛本體能夠自動轉向、掣動、加速、監控車輛和道路以及作出即時應變,確定何時變道、轉彎和使用訊號。在第4級,自動駕駛系統在安全情況下通知司機,然後司機才可把車輛切換至自動模式。

  • 5級──完全自動化司機的參與已經不重要,這種程度的自動駕駛模式已毋須踏油門、煞車或手握軚盤,因為自動駕駛系統控制所有關鍵任務、監測環境和識別獨特的駕駛狀況,如交通擠塞。

最後有一個小插曲,2016年河北發生一宗涉及特斯拉的致命車禍後,特斯拉把Autopilot的中文翻譯從「自動駕駛」改為「自動輔助駕駛」,可能暗示司機是汽車「話事人」。至於第5級自動駕駛什麼時候能實現,目前還是眾說紛紜。

車品覺_紅杉資本中國專家合夥人、阿里巴巴商學院特聘教授暨學術委員會委員

Recent Posts

See All
選擇胖模型還是胖鞍具?

打開任何人工智能(AI)方案,你會看到兩種完全不同的產品策略在較量:一種叫做胖模型(Fat Model),另一種叫做胖鞍具(Fat Harness)。 胖模型的信念很直白:以更大的大腦解決更多的問題。參數多、數據龐大、算力強,模型自然顯得聰明。這驅動了ChatGPT、Claude和Grok之間的競賽──每一代都宣稱新產品比上一代更強,而企業只要付費就能直接使用,代價是你的AI能力完全綁定在供應商的

 
 
慎防智能代理「無聲」脫軌

試想想,人工智能(AI)系統已在生產環境中完成部署,但究竟要如何防止AI「悄然失靈」?過去3個月,全球超大規模企業在AI基礎設施上的資本支出達到一個前所未有的量級。單憑這一數據,人們或許會得出結論:AI的生產化部署正在全力推進,市場充滿信心。 然而,7月份第一周,來自不同領域的幾個訊號同時浮現,揭示出一個更為複雜的真相。一邊是史無前例的基礎設施投資;另一邊是一群深諳「系統可靠性」的專家──那些專門

 
 
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
bottom of page