车变聪明了，人却更慌了，谁该为“思考”的车负责？

以前开车，人得靠眼睛看路况，还得动脑子判断，现在自动驾驶就不一样了，它不光要看见周围的东西，还要像人一样思考，这种思考其实是依靠背后的世界模型在支撑，它不是简单加个摄像头或者雷达就完事了，而是把外面的真实世界变成一个可以动的数字副本，让车能提前在里面推演各种可能情况，比如你前面有辆车被挡住了，系统不会干等着，它会根据那辆车之前的速度和道路情况，推测出它大概在哪里，接着再决定自己该怎么走。

这个东西现在分两条路走，一条是把路上所有东西都标出来，比如汽车、行人、红绿灯，再给它们记上速度和方向，像画地图那样清楚，另一条是用格子铺满路面，每个格子记录状态，哪个位置有东西、往哪边移动，就算被挡住了也能大致猜出来，实际用的时候，两种方法一起使用，加上一些物理规则，再用数据调整一下，比完全靠人工智能自己硬学要靠谱得多。

它负责的事情很多，首先能够保持系统稳定，不会由于传感器被遮挡就出现混乱，其次可以预测接下来几秒的情况，不只是简单提示前方有行人，还会分析出行人直行的概率有六成，减速的可能性占两成半，突然加速的概率约一成五，再就是它能提前模拟各种行车场景，车辆还没启动就已经在系统中运行上百种可能，比如考虑变道时旁边车辆会不会紧急刹车，最后它还弥补了实际路测的不足，真实道路上很难遇到暴雨夜里小孩追球冲出来的极端状况，这套系统就在虚拟环境中反复训练这类场景，避免实际遇到时操作慌乱。

好处确实有，紧急刹车次数少了，路上开车更顺畅，不用太依赖高精地图，很多城市没有地图也能用，出了事也容易查，可以回放当时模型是怎么判断的，但我总觉得有点悬，比如预测三秒后的位置，误差超过1.5米的情况占了17%，这在高速上非常危险，还有训练数据的问题，如果没见过拖拉机进城或者节日游行，碰到真事就懵了，更麻烦的是，这东西像个黑盒子，你说它安全，没法证明，ISO标准那套根本验不了。

芯片也是一个难关，要运行这么复杂的模型，至少需要30TOPS的算力，现在很多汽车用的芯片根本达不到这个水平，特斯拉去年底做了个闭环更新，车辆在路上遇到特殊状况会自动上传到云端，模型再根据数据做些调整，这算是一个折中的办法，华为和小鹏的做法也有区别，华为习惯同时用两种方式，既识别物体也分析场景网格，更看重物理规律，适合交通拥堵多的城市，小鹏的方案更轻便，主要是为了节省算力，方便推广，不过他们都放弃了纯粹的端到端视觉方案，这说明世界模型并不是可有可无的东西，而是必须要有的。

我自己开车的时候,偶尔会感到这辆车太聪明了,反而让人心里没底,它清楚什么时候应该让行,什么时候可以加速,但它不明白意外这两个字的分量有多重,比如一个老人站在路边,系统计算出他有八成可能不会移动,可剩下那两成呢,它愿意去赌这个概率吗,我们又敢让它去赌吗,现在技术还在发展当中,计算能力、数据积累和验证手段都还没完全成熟,但市场已经急着要往前冲了,汽车厂商不敢放慢脚步,用户也不敢完全相信这些功能。

说到底，这辆车并不是在模仿人类开车的方式，而是在重新定义“驾驶”这个行为，它不依赖经验积累，而是依靠逻辑推演，不依赖本能反应，而是通过提前预判，但人类驾驶员在开车时总会有一些直觉感受，比如风大了就减速，路边有小孩就按喇叭，这些细微之处能否被模型捕捉到还是个未知数，我倒是觉得目前最好的办法是让车辆提供建议，由人来做出最终决定，模型负责分析各种可能性，人类则从中选择最稳妥的方案，这样既能让车变得更智能，也能让人感到更安心。