虽然2018年上半年出现了多起无人驾驶致死事故，但是随着4月16日阿里巴巴宣称正在进行自动驾驶研究，BAT三巨头已经悉数入局无人驾驶，国内无人驾驶正开展得如火如荼，部分人甚至放言无人驾驶在五年内将会量产商用化落地，但是我只想说不可能。

细节的技术问题影响全局

技术实现不成问题但是难点在于信号传输。现在的无人驾驶系统具备定速巡航、激光测距、车道保持、立体视觉以及GPS/惯性导航系统等功能，并且通过近年来的自动驾驶车辆上路测试活动的不断进行，给人们一种自动驾驶即将走进我们生活的感觉，但是2018年上半年的自动驾驶事故无疑告诉了我们这只是一种错觉，自动驾驶走进我们的生活仍然道阻且长。在地图技术、障碍物探测以及通讯延迟方面，无人驾驶技术仍然有着一定的改良空间，现行的无人驾驶技术对道路和地区的要求仍然较高，不能很好的适应大部分情况。

并且一辆自动驾驶汽车其背后集成的技术越多越先进，相应的价格定位也将会更高，软件方面将会很大程度依赖系统的升级，并且硬件方面的传感器、监控摄像等相关设备后期维护费用也会较高，相比传统汽车的价格和定位，搭载诸多设备和传感器的无人驾驶车辆如何控制成本并且量产来满足需求是一个大问题。

无人驾驶使突发状况更难应对

无人驾驶造成的驾驶员松懈使突发状况更难应对。传统驾驶活动中驾驶员一般是保持着高度的意识集中状态，并且结合长期驾驶经验的积累进行预判，在视野范围内存在的问题可以提前应对，而即便是突发状况，也可以凭借紧张的神经和驾驶经验做出应对。但是使用无人驾驶系统的目的即是为了给驾驶员带来轻松的驾驶体验，无人驾驶系统遇到的问题大多是不可预料的盲区，例如在弯道中，可能存在对障碍的识别错误等问题而并没有转弯，而对于驾驶员来说，直到应该转弯前他是无法预料系统会发生错误的，而处于放松状态的驾驶员更是没有时间和思考去做出应对，所以一旦发生事故往往是无法挽回的。

自动驾驶带给我们的本应是安全性的提高和更舒适的体验，而对于无人驾驶的现状来说，过于相信无人驾驶技术将会导致驾驶员的放松警惕，使得出现意外事故时难以应对；而随时准备着接管无人驾驶系统又将造成驾驶员的过度疲惫和枯燥，将会使无人驾驶的体验大大降低，甚至不如手动驾驶。

机器不会变通 复杂情况搞不定

基于数据分析处理的安全是否足够安全？如果在一条狭窄路况上，一辆卡车逆行超车迎面而来，无人驾驶系统可能判定刹车规避，驾驶员则可能选择撞坏隔离带冲出道路。我们在驾驶中，还是需要驾驶员的判断和分析，因为发生交通事故时往往原因是多发性的、不可预料的，生死一瞬间可能考验的是驾驶员基于经验的判断，而基于数据分析决定的结果可能并不正确。

机器之所以还不能够称之为真正的人工智能，终究是因为他不具备可观的学习能力，一个成年司机经过时间积累下的经验，是机器永远不能够模仿也无法实现的，简单来说，当我们发现了潜在的危险后，我们的经验让我们本能的选择提前避免，而机器只有在危险确实即将发生的时候才能做出应对。而这一点，别说五年，恐怕就连十年也难以实现并量产。

而另一方面，复杂情况不仅仅是更危险的情况，还包括各种日常形式的环境，我们生活中的每一个场景都是复杂而多元的，正因为我们能够具有判断力能够变通才能够应对。世纪的路况可能有突然飞驰到路上捡球的孩子，也有人眼都不易发觉的小猫小狗跑过；有可能会出现低空高速飞过的鸟类，甚至仅仅是一张被风卷过的纸或是塑料袋。在这些复杂的情况下，机器会做出怎样的识别和反应，并且是否正确和合理，都是无法演算和预知的。

同样复杂的还有路径规划和交通状况，路标和路况以及不同地方的交通法规区别，乡村道路和国道蕴含的更加复杂的道路情况。如何应对红绿灯失效以及交警临时指挥的情况？临时的交通管制下如何识别和做出规避？主要依靠GPS的路径规划怎么应对小区中曲折的小路，以及大片林荫遮挡导致GPS失效的地段和临时修理的道路与改道换道情况，在这些时候系统又将做出怎样的判断，是否会出现大量的弯路错路情况，造成更多的交通拥堵和事故，同时气候的多变性对驾驶的要求更复杂，机器又应该如何应对？