無人駕駛時代來臨，汽車保險業又將如何變革？

。文章內容屬作者個人觀點，不代表和訊網立場。投資者據此操作，風險請自擔。

編者註：本文的作者Christopher Kelvin Lee是Albus Insurance的聯合創始人兼CEO。2017年4月25日，他在加州首府薩克拉門托見證了即將實施的無人駕駛車輛監管條例的出台。

早期的無人駕駛車輛與早期快速帆船航運非常類似。帆船的設計架構對外高度保密，不僅如此，海上貿易路線的競爭也異常激烈，每家航運公司往往爭得頭破血流，不可開交。

之後，航運公司不再滿足於現狀，他們希望打造出一艘速度更快，船體更堅固的運輸貨船，以及規模化的造船廠（前身結合了鐵路勞工組織和T型裝配線），而這些方案的設計訣竅恰恰是一個公司需要高度保守的秘密。從航運的方方面面，體現出的都是那個時代久違的時代精神。

早期，西方各國政府在戰爭中取得的勝利，以及通過簽訂各類不平等條約獲取巨額的利益，這都讓這種航海熱情持續發酵。各個國家受誘惑力巨大的經濟利益驅使，大力發展海軍力量，建立海上軍隊執行條約，確保自身在新殖民地經濟貿易的壟斷地位，其中新世界尚未開發的財富更是讓資本主義國家趨之若鶩。

今天，個中收益仍居高不下。就像過去的航海時代一樣，船隻需要通過不斷航行去探索世界，發掘財富，現代無人駕駛汽車亦是如此，必須時刻保持運行，繼續前進，從而最大限度地發掘它的潛力。

當我撰寫這篇文章的過程中，收到了關於知識產權的訴訟，於是基於民營公司的估值以及上市公司的市值的AV戰略也因此受到影響。

在監管體制內，一些體制的盲區尚未得到很好的解決。大體上，基本監管體制的執行由多數社會人群負責，只有很小一部分交由制定基本規則的監管機構執行。

先是由加利福尼亞公路巡邏隊和各種執法機構負責進行監管執行，再交由法院解決糾紛，明確執法解釋，接著工程師須進行執法安全測試，最後的消費者則是監管執行的主體目標。

不過，那些在遊戲中買得起皮膚的玩家最擔心的就是投入的錢打水漂，因此相當關注該遊戲公司的風險管理：公司財務狀況的好壞與商業成功和金融責任方（貸款人，保險公司，投資人）休戚相關。

然而，總結過去的競爭，我發現有兩個重要的非工程發明幫助推動英國公司趕超法國和西班牙同行業公司：一是有金融創新的股份制公司，二是有保險創新的風險集團。

今天，我們面對著同樣的壓力。新形式的融資方式及保險方式需要相互結合，從而做到真正推動自主技術產業發展。同時，也要伴隨著適當的政策制定，這樣一來，便於創始人或公司部門分配獎勵和共擔風險。

但是，儘管人類的進步建立在一系列風險承擔之上，但通過反覆暴富和經濟崩潰的周期之後，政府才專門對此現象做出審慎的回應，做出調控。

著名的「南南海泡沫事件」將英國股份公司的發展帶入了迷途。英國南海公司案發生在1720年，是世界證券市場首例由過度投機引起的經濟事件，「泡沫經濟」一詞也是源於此案。1720年，「泡沫法案」的通過對股份有限公司的設立提出了許多限制條件，從而也遏制了英國股份公司的發展，除非獲得皇家特許經營證。同樣的，為了彌補經濟損失和死亡損失，於1774年勞埃德咖啡館遷入皇家交易所，專營海上保險的勞合社便誕生了。

雖然我們現在正處於了解AVs潛在優勢和缺點的早期階段，不過我們還是希望我們今天的決策者可以根據英國政府的調控手段，從中吸取一些經驗和智慧。

可能的結果

Pontiac散熱器外殼，CA 1937。Pontiac曾是紅極一時的品牌汽車製造商，通用汽車公司旗下品牌之一，1926年到2010年之間銷售火爆，如今已經消失在大眾的視野里。由於這種模式的轉變，今天許多產業的經濟利益瀕臨險境，其中不乏銀行，保險公司，汽車製造商以及其他新興公司。

雖然每家公司對未來市場都會有自己獨到的預測及看法，不過許多投資者還是傾向於公司的制勝之道，即必殺技，以及公司未來的願景。同時，一些公司董事會成員和市場專家也有自己的主觀想法，決策者需要衡量這些意見，統籌兼顧，因此決策過程變得難上加難。

以下是經過篩選的三個主要的主題路徑。每個主題獨立存在，但並不會相互排斥：

1. 軟體木馬

現有的製造商可能會希望在無人駕駛車輛上部署所需的硬體技術，簡單地「關閉」以前及未來的硬體建構的功能。

此項策略便於人類輔助巡航控制或是駕駛系統（2級）基本上繞開車輛監管制度的監督，利用那段時間升級成熟的軟體系統。當所有的監管制度以及軟體系統準備就緒時，簡簡單單的軟體更新都可以使得4級自主駕駛車輛擁有完美穿過川流不息的車流的能力，達到目的地。

不過，在此之前，這項技術將最有可能切換至2級或是3級狀態，而保險和訴訟則更多的是體現在人機交互測試或是適宜的驅動程序參與程度。

2. 現金充裕

大公司基本的融資渠道有：通過單獨的生產線獲得收入；向私人投資者提供股權融資渠道或公共募股或是借貸融資。這些公司將自己的現金儲備和風險自留能力作為自己的競爭優勢，然而，這些優勢留存並不長久，稍縱即逝。

不過說到底，研發部門還是有著100億美元的預算上限。如果公司後來真的找到一個可再生能源的基金補助，將其轉化成自身的創收，那麼預算上限將會大幅度縮水。

投資的另類回報是將研發成果商業化以及通過運營robotaxi或是車隊產生臨時流動收入獲取資金而形成的壓力。最終對任何人來說，虧本生意就是調研的失敗，尚未在市場里取得成功。

3. AV獎章

一些管理大型車隊（救護車、公共汽車、卡車、計程車和豪華轎車等）的商業化車隊運營商，慢慢開始地進化成為經過認證且有著自身特色的AV運營商。這些現存的車隊運營商通過融資及投保等方式滿足他們的運營需求，從而獲得一些有明確的需求的最終客戶。

一些現金充裕的公司往往在經過研發過程后，開始出現資金短缺的危機。所以他們希望通過向商業化車隊運營商銷售或租賃自主汽車來獲得一定資金，從而改變現狀。

政策制定者提出駕駛自主車輛的司機需要經過專業的訓練，拿到特定執照，或者擁有對應的獎章。條款中認為自主車輛首先會被商業公司所應用採納，然後隨著車輛的普及，再慢慢轉向消費者群體。

車隊運營商自掏腰包支付安全培訓、保險、融資和駕駛許可證的費用，只是為了吸引第一波消費者，從而實現經濟效率最大化。這種勢頭將引領潮流，甚至可以強大到足以讓消費者以後沒有任何興趣去購買自己的個人汽車，同樣的，他們也不想再支付救護車的費用。

這類新型汽車的成本可能是普通汽車的510倍，值得一提的是，它的市場營銷策略是先培養出一批專業化的人才，隨著車輛的普及再進行收費，放長線釣大魚。

或者在未來某一天，我們可以很容易地看到Path 1出現在大街小巷，隨著自主駕駛技術的成本慢慢下降，消費者將放棄購置汽車的念頭，而是更願意去租一輛，在第二年再換一輛新的。

這種營銷模式和蘋果公司推出的iPhone升級程序的套路差不多，通過完成簡單的融資和簽訂保修合同幾個步驟，之後每年你都可以得到一個嶄新且升級iPhone。

投資專家

包括巴菲特在內的一些投資者，已公開表示自動駕駛汽車的到來對汽車保險公司Geico造成了不小的負面影響。還有一些投資人則設想自主駕駛車輛在未來或許可以取代公共巴士系統。

權威人發表講話時說道：「一天工作結束時，消費者和企業老闆將會找到回家的最為通暢的絕佳路徑，無論這條路是不是單一路線，還是組合路徑。」

不論如何，自主駕駛車輛都擁有巨大的潛在利益：當地政府可以用更高效的運輸工具取代空巴士，提升載客效率；在每一個火車站旁邊設置一個robotaxi站點，能大大增加乘客運載量；愈加方便的運輸方式以及更加低廉的價格可能是最終緩解加利福尼亞高速公路擁堵的關鍵。

總之，不管AVs屬於誰，它都是最好的公共財產。

消費者對於AV技術的需求逐漸上升，意味著加利福尼亞可能登頂交通排行榜榜首，甚至超過一些像新加坡一樣以最有效的交通基礎設施聞名於世界的城市，以及像京津冀這樣吸收了大量投資的大型地區。

儘管一個城邦在建立專向性經濟補貼方面可能更加靈活，一個中央黨政府也更有權利向單一的目標傾注數百億美元，然而加利福尼亞作為一個州，卻以其獨有的創新性和實驗性繼續蓬勃發展。但我們同時也必須留心，我們的行動會對其餘50個州以及更大的聯邦制度產生影響。

CalSTA和DMV必須對商業利益保持中立態度，這有利於根據監管條例提前得出可能的結果，然後在2017第四季度或2018第一季度進一步實施。如果企業和消費者在滿足消費者對於燃料研發需求的過程中，遇到障礙或是想到其他切換戰略，從而另闢蹊徑來提升效率。對此，我們也不會感到意外。

當電車難題遇上模擬法庭

有一個哲學問題流行一時：人工智慧在拯救乘客生命與拯救非乘客財產之間，如何進行抉擇。

還有一個在法律界流傳頗廣的一個問題就是：演算法失誤要如何承擔後果。然而，沒有事故原因，相應原告律師，以及作為參考的實際案例法，一切都是摸著石頭過河，可能多年之後，我們才能找到真正的答案。在那之前，行之有效的方法可以是藉助「深度學習」或「神經網路」相關的演算法，運用數學策略來推演解決方案。

而大規模數學問題的自主演算必將導向機器學習。 機器學習需要大量收集數據的支持，自動駕駛汽車背後的這些技術必須經過大量訓練才能有所成效。此外，許多神經網路或深度學習演算法通常是NP完備性質的，這意味著解決這些演算法所需的時間將隨著問題規模的增長而快速增長。

即使擁有最先進GPU的超級計算機，也無法確定的處理一些決策。 從法律學者的角度來看，這需要當事人來進行決定，因為他們才是決策的責任者。畢竟，機器只能進行概率推算，做出不確定性的決定。

最終，專註於演算法甚至可能是一個錯誤。人們可能不需要找到完美的解決方案。找到比感測器數據更精確的解決方案可能實質上並無必要。如果用戶知道車輛位置還差1毫米距離達到停車完美方案，他們會選擇執行么？不會，人們往往會選擇立即停下。

許多人認為，NYC四級自主駕駛是智能自駕的最高標準，這一等級要求實現與駕駛員的眼睛接觸，同時理解行人的身體語言。

「最安全」的自主技術可能並不一定意味著「最佳」自主技術。在某些情況下，我們希望實現自主駕駛員與人類駕駛員無差別化。

雖然這些問題很有意思，但不一定利於解決頭年存在的安全、法律責任和保險方面等問題。雖然在CalSTA和車管局的評測中，可能會進行有關里程和脫離接觸的檢測，但這種程度的安全預防措施僅僅是表面的。

系統故障或代碼故障隨時可能發生。而除了工程師本身或最終的駕駛人外，沒有人會考慮到監測潛在的風險。只有在公眾意外事故發生之後，產品責任專家才會將這些「缺陷」分享給公眾所知。

機器培訓

自主駕駛領域所食的最大苦果就是在制度決策者與投資者選擇了相同的投資方式。

「自治」一詞混淆了公職人員。我們都想實現車輛的自主駕駛，但是所有研發車輛從一開始就不是「自主」的，也不能簡單地將這些研發車標記為自動駕駛車。

如今，只需要研發、測試程序和一台原型車就可以進行大量機器培訓。深入學習和神經網路框架的成長必須經曆數億公里模擬駕駛的訓練。感測器布置和線控驅動系統必須經過大量的測試。此外，每個製造商都需要嚴格測試邊緣案例，並修復可能由於天氣條件、新的運營領域和道路狀況變化引起的錯誤，以及由人類駕駛員或人類行為造成的各種未知情況。

當前新一代自動駕駛汽車的研發、測試和原型車與前幾代的差異在於：前者需要在實地道路條件下進行機器學習，而後者可以在閉路訓練設施中完成。

然而，研發、測試和原型車優化的這一階段的測試很少被製造商自己定義，更不用說監管機構。為了更多的引起投資者興趣和消費需求，每個製造商都會強作鎮定，對測試階段保有信心。

事實上，每個製造商在操作設計領域都有一定的信心。高信任度得分的樣本將被列出,但這種抽樣並沒有統計意義。

我們應該知道，即使在未來5年，在自動駕駛汽車商業部署的最後階段，所有的這些機器仍需要繼續訓練和完善。製造商可能想會選用人類駕駛員來充分訓練自動駕駛技術。最重要的是，在培訓機器期間，必須有人對該訓練負責。在自動駕駛中，工作人員可能採取的操作形式有：在測試車後座上、在跟進車輛上或在遠程指揮塔中等。

儘管如此，即使是有人控制這些系統，在在終端監控系統或是單位功能屏幕處仍將有空閑工程師進行輔助控制，他們將擔負在駕駛責任方面的責任。如果公眾和政府官員明白這一點，那麼我們可以提出一個非常務實的解決方案，實現政策制定者、製造商和消費者共贏。在商業環境下，保險可能在商業汽車和個人汽車之間轉移。

在經驗豐富的業內人士眼中，他們既看到了網路風險的上漲，也看到了技術變革對整個保險生產線和價值鏈產生的影響。

我們認為，保險和貸款行業對此了解得更快，我們就可以越快地擴展測試。

向航空業取經

務實的解決方案來自航空業，因為目前的商業航空公司大都是自動飛行的，儘管航空業沒有人向公眾宣傳這種「自主飛行模式」。如果飛機從天空掉下來，監管機構很容易發現安全問題，相較而言，設定道路規則比設定航空駕駛規則要難得多。因為航空只需規範國內兩個主要飛機製造商，而汽車行業製造商數量繁多，而且還在日益增長中，規範難度更大。如果業主不自覺報告缺陷，那麼將沒有人會知道在測試中會有嚴重的安全缺陷。

而在航空方面，這一行業趨向成熟，在排除安全系統故障、冗餘、確保安全程序后，飛機才能出售給商業運營商。更不用說航空飛機早已實現商業化，為顧客服務了。

儘管政策制定者很容易搭上創新機會，並遵循安撫矽谷或底特律的規則，但對於那些投保方面的財務負責人來說，這是一場噩夢。責任承擔的問題很難解決，但不妨參考航空工業的明智立法，通過試點和龐大的航空案例法和立法來解決。明確地向客戶中劃定製造商、車主和測試員擔負的財務責任。

簡單地說，像波音公司這樣的公司承擔製造航空飛機的責任，而例如美國聯合航空公司則實施了「運輸合同」，確保航空駕駛員訓練有素，有正確的訓練和超越機制。

雖然可以從航空中獲得更多的經驗和教訓，但這裡想說明限制自動駕駛發展的不應該是人的智商或機器學習能力的不足，也不應該是監管或缺乏保險，而應是制定好首個遊戲規則，向合作共同安全標準方面和目標邁進。

我們需要確保決策者、金融家、保險公司、消費者和新聞界能與製造商攜手工作，將10倍的速度加快自動駕駛的發展。

CalSTA和DMV的主要問題是擴大問題解決的方法，並採取FAA和NASA的理念。后兩個機構在防止災難性事件上投入了大量精力。「關鍵事件控制」，這一來自英國律師的術語，可能對我們實現目的具有重大實際意義。

對於航空而言，飛機目前有水平、垂直、橫向和射流之間等的距離要求，而目前的傳統車輛還沒有。航空與道路之間的區別在於，當在空中出現問題時，錯誤報警和安全系統會給飛行員幾分鐘的時間進行恢復。即使飛機突然發生災難性的故障，航空航天工業努力合作制定程序和標準也將派上用場。而在道路上，事故就發生在幾秒鐘之內。解決關鍵事件控制對於保險公司而言至關重要，公共安全的監管機構應對這方面有所考慮。

在這裡，我們以航空業做個結論，當賴特兄弟開始研發飛機的時候，那是一個沒有監管、沒有保險的時代，但確實他們確實在美國土地上取得了巨大成就，而處於同一夢想起飛沃土的自動駕駛業，也必將同樣獲得成功。