2015 年八月开始，国际金融市场动荡不停。出于对全球经济放缓的担忧，大宗商品市价不断创新低。大多数发展中国家货币兑美元创新低，巴西债务评级被降为垃圾级别。九月份美联储没有像预期那样加息，美国的短期利率已经六年多保持在零利率的水平了.

全球经济是否又将陷入通缩和衰退？下一个经济增长的动力，究竟来自何方?

如果你还记得我的文章：有些事，往回看四十年就清楚了

你一定还记得1974年下半年西方世界金融市场一片恐慌担忧的情绪，你也许还记得1975年第一台微电脑的诞生，促成了微软的成立，第一台数字照相机也在1975年出现.

四十年后的今天，也有一个新的平台型的技术才露尖尖角. 虽然还未正式投放市场，但这将是个跨越几十年，每年经济效益高达几千亿美元的机会。这是和八十年代个人电脑，九十年代互联网和过去十年的移动互联网比肩的大平台的技术革命.

这个技术，就是无人驾驶汽车.

2015年三月，谷歌的自动驾驶汽车的项目主管，Chris Urmson, 预测谷歌的无人驾驶车将在五年内投放市场。谷歌从2009年就开始无人驾驶技术的研发，其软件系统已积累接近两百万公里的驾驶测试经验.

无人驾驶汽车如果普及，其经济效益究竟有多大?

以美国为例，每年全国发生五百多万起汽车交通事故，2012年一年死亡人数就高达三万六千人。这些事故，90%是人为操作失误所致，理论上完全可以被自动驾驶技术所避免。在全世界，一年由于车祸死亡的人数，估计高达一百二十万.

美国的汽车保险市场，一年缴纳的汽车保险费，更是高达两千两百亿美元，如果可以通过无人驾驶技术削减掉大部分这类开支的话，社会效益惊人.

德州大学有分析报告指出，如果道路上的行驶车辆90%都是无人车的话，由此导致的更少的车祸和人员伤亡，道路上的拥堵减少，能源的节省，一年经济效益高达四千五百亿美元。与之相比，美国联邦政府2014年的财政赤字还不到五千亿美元.

如果说每个在路上的人，不用自己开车，可以在旅途中做些有经济价值的事情，假设每个人一天可以多出一个小时，保守地估计每个小时平均价值5美元，一亿上班族，一年两百天，其经济效益至少一千亿美元.

在许多大都市中心，白天高达30%的车流，都是在寻找停车位。如果无人驾驶技术实现，可以减少对市中心停车位的需求，并且减少大部分无效的车流，使交通更加顺畅.

现有的无人驾驶汽车的技术内核是怎么样的呢?

无人驾驶技术是一个系统，包含摄像机，计算机，传感器，地图软件和雷达，来完成一个司机驾驶车辆的功能。不同模块的系统彼此沟通协调，每秒钟做上百万的运算，来完成下述功能:

1.控制车辆加速，刹车和转向。 
       2. 监控周边障碍物。
       3. 遵守当地交通法规，把车辆运送到目的地.

一个完整的无人驾驶系统，主要包括下面三大模块:

GPS  (全球定位系统) 和地图信息。地图信息包含道路上各种静止物体精确位置，比如电线杆，人行道，消防水龙头，等等。地图数据必须精确到厘米量级.

摄像机和传感器：传感器不断进行360度的扫描，雷达用来监控道路上的车辆和障碍物，可以看到两百米外的物体。摄像机用来识别路标和交通信号。LIDAR(激光照明探测识别仪)通过激光每秒钟进行上百万次的测量.

处理器：分析收集来的海量实时数据，然后指导车辆的操作。处理器将根据长期积累的驾驶经验选择最优化的解决方案。未来更多的车辆将彼此沟通, 实时共享各类路况和方位数据，以优化行驶路线，减少车祸可能性.

普通人，对无人驾驶汽车，实际上还有不少误解.

来自德国的计算机博士Alexander Hars 总结了人们对于无人驾驶汽车发展的六大思维误区.

第一个误区，目前的各类驾驶辅助系统，会渐进式地发展，逐步演变成全自动驾驶的系统.

过去十几年新车不断增加各类新功能，从自动停车，换道警示，紧急刹车，等等。一个很自然的思想误区是，这些功能慢慢完善，我们会渐进式地进入自动驾驶时代.

谷歌有位产品经理把这种想法比喻为“如果我每天不断跳，那么终将可以飞起来”.

这种想法的错误在于各类辅助驾驶功能，都只是在很短的时间，非常有限的场景下才可以发挥作用。如果放手让车自动行驶，哪怕就是几分钟，这将没有任何犯错误的空间，驾驶系统必须有能力完全自动的应付各种突如其来的危险情况.

有人认为可以让司机监控一个半自动驾驶系统，但是在谷歌内部的实际测试经验看，这是行不通的。谷歌把自动驾驶样车交给员工上路测试，并在车内安装监控摄像机观察员工表现. 有的员工，居然大摇大摆的跑到车的后排，大吃大喝，打开手提电脑玩游戏，完全没有注意监视车辆的行驶。如果车辆不具备完全自动驾驶的功能，车祸将不可避免.

辅助驾驶系统不可能渐进式变成全自动的系统。如果乘客要依赖车辆连续数小时自动行驶，这必须是一个全自动，可处理各类紧急情况的系统.

第二个误区：最先销售的自动驾驶车是直接面对大众消费者的.

大众消费者购买无人驾驶汽车，希望可以全天候，在绝大多数区域都可以使用。但实际情况下这是一个巨大的挑战，短期内一步到位很困难。自动驾驶技术需要地图数据的精度到厘米量级，面对大雪大雨恶劣天气时要能够自动调整计算处理，这是需要长时间提高成熟的一个过程。

但是，这并不妨碍无人驾驶技术在特定区域，特定路线上的应用。美国西南部从加州到内华达，亚利桑那，新墨西哥州和德州，大部分区域常年干燥少雨无雪，适合早期无人驾驶技术的推广。在人口密度高的城区的路线上，积累地图数据，也比收集整个北美大陆的数据要简单得多。无人驾驶汽车面向出租汽车公司和 uber 一样的汽车共享服务公司，将极大降低运营的人力费用，马上产生巨大经济效益.

随着技术的发展和数据的积累，这类服务可以慢慢扩展到雨雪较多的区域。

租车公司作为最初客户的另一个好处是，他们可以集中管控车辆，维护和更新也更加便利. 这对于一个新兴产品的发展非常重要,也降低了黑客破坏车辆的可能性。

第三个误区，社会要花几十年的时间，才能够完成往全自动驾驶汽车的过渡。

传统的汽车设备的革新，比如 ABS (防抱死制动系统)，空气袋，安全带，从发明到普及都是花了几十年的功夫。其根本原因在于这类革新，对于消费者的好处不是那么显而易见. 但是全自动无人驾驶车的推广普及，可能速度要快得多.

无人驾驶汽车，大大降低事故发生几率，同时把司机在路上的时间完全解放出来，一旦跨越最初的心理障碍，在消费者中普及的速度很可能几年就完成。

原本不能自己开车的残疾人或者老年人，很可能会是无人车的最初的积极使用者.

无人驾驶汽车，也会成为商家降低物流成本，国家提高竞争力的重要工具，市场竞争动力和国家立法的努力会大力推动无人驾驶车辆的迅速普及.

第四个误区，自动驾驶汽车的算法，是传统的 if  – then  (如果– 就) 的算法

普通人可能认为，自动驾驶汽车的算法，是几百万条精确的预先设定的规则，和相应的(如果– 就) 的计算代码，来引导汽车的行驶.

实际情况是，这类车辆运用大量机器学习和图像识别的技术，通过数百万英里驾驶里程的各类实际交通情况的学习，来获得自动驾驶的技能。机器学习的好处是，单个车辆在道路上积累的驾驶经验，可以综合集成为其它所有车辆使用.

以谷歌为例，过去五六年它的车队已经积累了将近两百万公里的驾驶经验，而且还有二十多辆车的车队，每个月增加七万公里以上的新的驾驶经验.

软件系统不可能事前预测所有可能的情况，谷歌的处理方法是建立了一个“意外检测”的状态。如果在路上发现一个物体的行为不能按照以前的模型归类，那么就采取非常保守的方法控制车辆.

有一次谷歌的自驾车在大街上遇到一个坐在轮椅上的妇女，手持扫帚，驱赶一只火鸡。这是软件系统第一次遇到这类情况。像所有的好司机一样，自驾车减速，等待情况演变，直到轮椅上的妇女离开.

和普通人不一样的是，自驾车没有把实况录下来，传到脸书或者微信朋友圈内.

第五个误区是，一个公司在公众场合演示自动驾驶技术，就代表他们实际的自动驾驶研发的水平

过去几年除了谷歌以外，许多公司包括奔驰，奥迪，丰田，本田等公司，不断发布消息，公开演示自己的无人驾驶车辆。

现有技术，可以让一个小团队，几个月时间内造出一个原型车，在一个熟悉的小区域内开几十公里进行自动驾驶的演示。但是，这个和谷歌上百万公里的驾驶经验，见识过各种千奇百怪的交通状况，接近真正投放到消费市场还有天壤之别.

第六个误区是，自动驾驶技术必须做出正确的道德上的选择.

伦理学家爱从道德角度挑战自动驾驶汽车技术。他们会问，假如车辆行驶时，突然前方左右两边各跳出一个人来，不管你朝哪个方向转弯规避，都势必撞到一个人。那么无人驾驶的车辆该如何正确处理这种道德困境？

最简单的回答是，这是一个错误的问题，这种诱导型的问题，假设司机提前有足够的信息，足够的时间，进行道德的判断，这是不现实的。

在一个正常人都无法瞬间反应，规避险情的路况下，要求自动驾驶车辆做出”正确的”选择是不可能的。这根本就不是一个道德的问题。

为什么过去几年，无人驾驶汽车的研发才开始迅速进步，见诸报端？

无人驾驶汽车技术应用实现的时间表和路线图，又将如何展开？

面对各类挑战，诸如恶劣天气，人工指挥交通，病毒或者黑客威胁等情况，无人驾驶又将如何应对？

谁将是这场技术革命的输家和赢家？谁将占据这场技术革命的食物链的上端？

这将如何改变我们的生活方式?  且听下回分解.

友情提示：<王川自选集> 第一卷电子书，现可在百度云盘上免费下载，网址是  
  http://pan.baidu.com/s/1hq30Dqk
总共收录我过去一年五十多篇原创的财经科技评论文章，近三百页，欢迎下载传阅！