在漫長的歷史進程中，人類很長一段時間的通行工具是馬車。馬車的到來解放了人類的雙腿，動物智能被人類智能充分利用，大大增強了人類的出行能力。與此同時，馬車的到來也引發了意想不到的問題：成千上萬匹馬在道路、社區、學校、工廠等地方隨地大小便，帶來了嚴重的環境污染。1900年左右，倫敦大約有1.1萬輛馬車發揮著類似出租車的作用，還有超過數千輛馬拉軌道車、馬拉巴士和各種各樣的馬拉貨運車。而一匹馬每天要固定產生7—15千克的糞便和1升以上的尿液。可以想象，當時的城市彌漫著一種怎樣的味道，存在著怎樣的瘟疫隱患，每天在城市散步的人要走怎樣的路線，才不會將街道上的垃圾帶回家中。[7]1885年，德國人卡爾·本茨發明了第一輛由蒸汽驅動的現代汽車。汽車的到來宣告了馬車時代的終結，人們不禁感嘆出行效率的大幅提升，并樂觀地認為馬車引發的環境問題將一去不復返，城市的道路和空氣將會煥然一新。然而，100多年過去了，汽車卻帶來了全新的環境問題，甚至比馬車時代更為棘手。

傳統汽車在提高出行效率的同時，帶來了大量的社會問題，如每年高達近100多萬人的傷亡事故、交通擁堵、環境污染等。自動駕駛汽車的出現讓人們看到了零交通事故的可能，但我們應當清醒地認識到自動駕駛汽車做不到絕對安全，同時我們也不應當奢求其能夠解決傳統汽車產生的所有社會問題。相反，就像歷史上傳統汽車取代馬車那樣，自動駕駛汽車作為一種新技術“物種”，會解決一些問題，但必然也會帶來許多新的問題。為此，本章我們將考察自動駕駛汽車的歷史與演變，分析自動駕駛技術帶來的社會價值，對自動駕駛汽車進行界定，梳理和歸納自動駕駛汽車引發的私法挑戰。

第一節 自動駕駛汽車的發展與價值

一、自動駕駛汽車的歷史發展

（一）自動駕駛汽車的域外簡史

人類對于自動駕駛汽車的向往最早可以追溯到文藝復興時期。1478年，列奧納多·達·芬奇（Leonardo da Vinci）曾經嘗試設計了一輛能夠自行驅動的馬車。[8]在2004年的意大利佛羅倫薩市中心，一輛小型自動駕駛三輪車在路人欣喜目光的注視下駛過戶外街道，實現了無人駕駛。設計師仔細研究了這座古城眾多狹窄的單行街路，對車輛的轉向結構進行編程，允許直行和右轉，但不能左轉。車輛沒有駕駛人，行駛路線已經事先規劃好并輸入其中。為了應對可能出現的緊急停車需求，制動裝置可以遙控操作。這次測試并非21世紀自動駕駛汽車的研究成果，而是根據列奧納多·達·芬奇設計的自動行駛車所制作的一個1:3比例模型。這次測試充分證明了列奧納多·達·芬奇當年的發明是可以付諸實踐的，同時告訴我們，人類在很久以前就開始夢想自動駕駛汽車了。[9]

20世紀上半葉，自動駕駛汽車的故事在美國正式拉開序幕。當時，因為汽車引發的交通事故正在快速攀升，每年導致意外死亡的美國公民高達20萬人。而駕駛員的錯誤被認為是事故發生的主要原因，因而發明一輛無須駕駛員就能自主運行的汽車被提上日程。與此同時，航空和無線電工程領域的兩項新技術的發展也為自動駕駛汽車的登場提供了技術條件。1921年8月，由無線電航空服務的工程師打造的第一輛自動駕駛汽車在美國俄亥俄州代頓的McCook空軍測試基地向公眾展示。該自動駕駛汽車長達2.5米，通過無線電由后方30米外的一輛陸軍卡車控制。從技術方面來看，這并非一輛具有自主能力的汽車，而是一輛遠程控制的車輛，只是駕駛員無須在車內而已。[10]

1925年，一款名叫“美國·奇跡”（American Wonder）的自動駕駛汽車在紐約百老匯行駛時引起轟動。它是由霍迪娜無線電設備公司（Houdina Radio Control Company）開發的，應用了不少軍事技術。它的工作原理是：在一款新型錢德勒轎車的后座上安裝了無線電接收天線，用以接收無線電信號并控制車上的幾個小型電動機，實現汽車的行駛和轉向等功能。這輛無線電控制汽車符合字面上的“無人駕駛汽車”的定義，因為這輛車上的確沒有駕駛人，但是它在行駛時需要后面跟隨另一輛汽車，由里面的無線電操作員手控發出無線電指令信號，這個操作員才是真正的駕駛人。[11]因此，雖然這輛車被認為是人類在自動駕駛領域最早的一次嘗試，[12]但本質上仍然是遠程控制汽車。

20世紀30年代，這些遠程控制汽車的各種分支出現在公眾場合。一方面，它們被用作商業廣告車輛，可以吸引人們的注意力。另一方面，遠程控制汽車可以在駕駛安全運動中扮演重要角色，因為它們無須駕駛員，可以確保遵守所有的交通規則。當時，這些遠程控制類汽車被稱為幽靈汽車、機器人汽車、魔術汽車，為自動駕駛汽車的到來打開了想象的大門。[13]

1932年是一個值得記住的年份，當時自學成才的無線電技師J.J.林奇（J.J.Lynch）在弗吉尼亞州漢諾威市的狂熱擁躉面前展示了他的遙控無人駕駛汽車。根據記者布利特·貝克（Brett Berk）的記述，J.J.林奇操控他的自動駕駛汽車在人山人海的觀眾面前行駛多次，無任何瑕疵。J.J.林奇的目的之一就是向人們展示自動駕駛汽車在安全性方面的潛在優勢。然而，在同樣的宣傳推介現場，一輛克萊斯勒的自動駕駛汽車卻出現了失控事故，在行駛中偏離了跑道，徑直沖向了3000多名觀眾，導致至少12人被撞，其中一個16歲的小伙子頭部嚴重受傷。盡管這次事故引發了人們的擔心，但“自動駕駛汽車提高汽車安全性”的理念仍然激勵著一代又一代的汽車開發設計者。[14]

1937年，大型石油公司殼牌邀請貝爾·蓋得斯（Bel Geddes）在一則廣告中，設計了《明日之城》中的一個未來城市的模型。1938年，貝爾成功說服通用汽車公司為1939年的紐約世界博覽會開發這一模型。隨后在1939年的紐約世界博覽會上，貝爾聯手通用汽車公司打造了一個名叫“未來傳奇”（Futurama）的項目，向參觀者展示了未來1960年美國城市的交通系統。在這個近乎烏托邦的交通系統里面，有1萬輛動畫模型車，沿著一條14車道的高速公路行駛，它們通過無線電波保持在各自的車道上運行，展現了未來的自動化交通系統。

然而，第二次世界大戰的爆發中斷了自動駕駛汽車的夢想之旅。20世紀40年代，汽車產業的全部精力都集中在了生產軍用車輛上。待到戰爭結束后，自動駕駛汽車的烏托邦才得以再次回到人們的日常生活中。戰爭中開發的新技術也被用于民用自動駕駛汽車的研發。導線原理在技術上變得更加成熟。人們認為磁鐵探測器可以有助于實現自動駕駛，因為它們已經在第二次世界大戰中被用來探測地雷，同時雷達技術也讓自動駕駛汽車的研發具備了可能。

20世紀60年代至90年代，自動駕駛技術的研發取得了巨大進步，美國、英國、德國、日本等都取得一系列令人矚目的成績。1969年，美國國防先進研究項目局（DARPA）資助的斯坦福大學人工智能研究室開發出一臺名叫“夏凱”（Shakey）的移動式機器人，能夠自主執行導航和探測任務。1973年至1981年，該研究室的漢斯·莫拉維克（Hans Moravec）教授在機器人導航和障礙排除領域上取得突破，并最終研發出一臺名叫“斯坦福”（Stanford）的自動駕駛汽車。盡管“斯坦福”的行駛速度非常慢，每前行1米需要耗費15分鐘左右的時間，但這仍然是一項不可思議的成就。在隨后一次測試中，它更是成為第一臺無須人類干預就可以成功穿越布滿椅子的房間的機器人，雖然整個過程耗時長達5個小時。[15]

與此同時，20世紀60年代，英國交通道路實驗室（TRRL）研制出一臺以雪鐵龍汽車為基礎改裝的自動駕駛汽車，并進行了路面測試。這臺由雪鐵龍改裝而來的自動駕駛汽車，其路面測試的最高速度達到每小時130公里，被認為是英國的第一輛自動駕駛汽車。[16]1977年，日本筑波大學機械工程研究室開發出一臺能夠處理前方道路影像的汽車，被認為是世界上第一臺真正意義上的自動駕駛汽車。這輛汽車擁有兩個攝像頭和一臺模擬計算機，行駛速度達到每小時30公里，但需要依靠一條高架軌道行駛。1987年，德國奔馳公司與慕尼黑聯邦國防軍大學的厄恩斯特·迪克曼（Ernst Dickmanns）教授合作，推出了一臺能夠以每小時90公里上路行駛的自動駕駛汽車。這一技術的成功，也為厄恩斯特·迪克曼教授贏得了“自動駕駛汽車之父”的頭銜。[17]

進入21世紀，自動駕駛汽車迎來了全新的發展。2001年，美國國會通過了一項法案，計劃于2015年前，美國三分之一的軍用車輛必須實現全自動化。根據這項法案，DARPA資助了一項名叫“自動駕駛汽車大挑戰”（Grand Challenge）的賽事，分別于2004年、2005年以及2007年舉辦了三屆比賽。2004年，有15支隊伍獲得了首輪競賽的決賽資格，冠軍獎勵高達100萬美元。按照賽程要求，參賽車輛需要在內華達州莫哈維沙漠自動行駛241公里，穿越泥土道路、低洼道路和山區道路。最終沒有一輛參賽車輛能夠完成比賽，沙漠地形讓車輛寸步難行，表現最好的車輛也只行駛了11.3公里。2005年，DARPA又舉辦了第二屆大賽，冠軍獎金更是增加到了200萬美元。DARPA根據參賽車隊的資格賽成績，最終選擇了前23名參賽者進入比賽，比賽場地仍然是荒蕪的沙漠，規則與2004年相同：參賽車輛在不借助公路設施和外力幫助的條件下，通過132英里長的越野賽道，最終有5支車隊完成了賽程。[18]

DARPA舉辦的自動駕駛汽車大挑戰賽事標志著自動駕駛技術開始從學術研究向產業開發轉變。2007年賽事結束后，谷歌公司就邀請了當時亞軍車隊的領袖塞巴斯蒂安·特龍（Sebastian Thrun）合作。隨后，塞巴斯蒂安·特龍從斯坦福大學辭職，在谷歌公司全職工作，秘密開展自動駕駛汽車項目的研發。兩年后，谷歌公司宣布了它的自動駕駛汽車計劃。與此同時，奔馳、寶馬、奧迪、大眾、通用、日產、本田、豐田、沃爾沃、福特、現代等傳統汽車制造商開始進入自動駕駛汽車領域，慧摩（Waymo）、克魯斯（Cruise）等初創企業紛紛入局，同時博世、德爾福、大陸和Mobileye等零部件供應商也在發力。[19]

2010年以來，自動駕駛汽車開始進入道路測試階段。2011年，美國內華達州率先通過有關自動駕駛汽車道路測試的法案，并給谷歌公司頒發了首張自動駕駛汽車道路測試的牌照。隨后，美國至少有40個州和華盛頓特區通過了有關自動駕駛汽車的立法，自動駕駛汽車道路測試也隨之遍地開花。與此同時，2016年《維也納道路交通公約》的修訂，打開了歐洲自動駕駛道路測試的大門，德國、英國、法國、意大利等紛紛開始自動駕駛汽車的道路測試。而在亞洲，日本、韓國、新加坡等汽車強國也不甘人后，積極推動自動駕駛汽車的發展。

2016年9月，全球第一輛無人駕駛出租車在新加坡亮相，公眾可以通過手機享受免費叫車服務。這比優步（Uber）公司在美國匹茲堡推出的無人駕駛出租車服務還早了幾個星期。2016年11月，日本在秋田縣仙北市的公路上進行了無人駕駛大客車的載客實驗。[20]此后，行業開始積極探尋自動駕駛汽車商業化落地，自動駕駛出租車、自動駕駛巴士等商業應用日益頻繁，同時大規模量產自動駕駛汽車產品變得日益迫切。2018年11月，慧摩公司推出的自動駕駛載人服務Waymo One在美國亞利桑那州菲尼克斯上線。2020年，慧摩公司的全無人自動駕駛出租車開始在菲尼克斯郊區上路。2021年6月，克魯斯公司獲得加利福尼亞州公用事業委員會（CPUC）頒發的許可證，成為加利福尼亞州首個可以在公共道路提供全無人自動駕駛載客服務的公司。[21]

（二）自動駕駛汽車的本土發展

相較于國外，我國20世紀80年代左右才開始自動駕駛汽車的研發。1978年，清華大學計算機系齊國光教授成立了自動駕駛課題組，當時有3名研究生參加了自動駕駛項目，這是我國在自動駕駛領域播下的第一顆種子。[22]1992年，國防科技大學、哈爾濱工業大學和沈陽自動化研究所3家單位參與了“遙控駕駛的防核化偵察車”項目的研究，并成功研制出了我國第一輛能夠自主行駛的測試樣車ATB-1，行駛速度可以達到21公里每小時。ATB-1的誕生標志著中國自動駕駛汽車行業正式起步并進入探索期，自動駕駛汽車的技術研發正式啟動。

2008年，為了研發具有自然環境感知與智能行為決策能力的自動駕駛車輛驗證平臺，國家自然科學基金委員會啟動了“視聽覺信息的認知計算”這一重大研究項目，并決定自2009年起每年舉辦一屆“中國智能車未來挑戰賽”作為該重大研究項目的重要組成部分，旨在集成創新研發自動駕駛汽車，并通過真實道路環境下的自主行駛來檢驗研究成果。2009年，第一屆“中國智能車未來挑戰賽”在西安舉行，參賽隊伍只有西安交大、北京理工大學、湖南大學等6支車隊，在不足3公里的園區道路上，自動駕駛車輛不時地需要人工干預，并且失控、撞樹等狀況不斷，自動駕駛汽車要實現道路運行似乎還有漫長的距離。隨后，參加比賽的隊伍越來越多，比賽內容也不斷升級。與此同時，中國智能汽車大賽、世界智能駕駛挑戰賽、i-VISTA自動駕駛汽車挑戰賽等同類型的賽事也陸續開辦。

2010年以后，我國自動駕駛汽車開始頻繁地走進公眾的視野。2011年7月，紅旗公司研發的自動駕駛汽車HQ3首次完成了從長沙到武漢286公里的高速全程無人駕駛，全程自主駕駛平均時速87公里，歷時約3個半小時。這是我國自主打造的自動駕駛汽車首次在真實復雜的交通路況下完成測試。

2012年11月，由中國軍事交通學院研制的“軍交猛獅Ⅲ號”完成了114公里的京津高速行駛，全程共耗時85分鐘，平均時速79.06公里，最高時速105公里。根據記錄，這輛自動駕駛汽車完成了自主超車12次，被動超車21次，換道36次，油門操作1816次，剎車操作30次，轉向操作11812次。[23]

2015年12月，百度公司對外宣布其研發的自動駕駛汽車已在國內首次實現城市、環路及高速道路混合路況下的全自動駕駛。根據百度公司公布的道路測試路線顯示，百度自動駕駛汽車從位于北京中關村軟件園的百度大廈附近出發，駛入G7京新高速公路，經五環路，抵達奧林匹克森林公園，并隨后按原路線返回，車輛全程自動駕駛，并實現了多次跟車減速、變道、超車、上下匝道、調頭等復雜駕駛動作以及不同道路場景的切換，最高時速達100公里。

2016年4月，長安公司改裝的兩輛自動駕駛汽車從重慶出發前往北京，整個測試歷時近6天，途經四川、陜西、河南、河北等全國多個省市及地區后，最終抵達北京，完成了2000余公里的長距離自動駕駛測試，讓自動駕駛汽車再次成為熱門話題。[24]

2018年7月，百度公司與廈門金龍公司合作生產的全球首款L4級自動駕駛巴士量產下線。這款L4級自動駕駛巴士名叫“阿波龍”，搭載了百度公司最新的自動駕駛系統“阿波羅”（Apollo），擁有高精定位、智能感知，智能控制等功能。此外，這款自動駕駛巴士既沒有方向盤和駕駛位，也沒有油門和剎車，做到了真正意義上的無人駕駛。

自動駕駛汽車行業的迅速發展引起了監管部門的高度重視，為自動駕駛汽車打開道路測試的大門成為迫在眉睫的事情。2018年4月，工業和信息化部、公安部、交通運輸部三部委聯合出臺《智能網聯汽車道路測試管理規范（試行）》，我國自動駕駛汽車產業正式進入道路測試階段。隨后，自動駕駛汽車道路測試在全國各地全面鋪開，北京、上海、重慶、深圳、長沙等幾十個城市都發放了自動駕駛汽車道路測試牌照，自動駕駛汽車產業發展進入快車道。

自2019年下半年開始，我國自動駕駛汽車行業開始尋求商業化落地。2020年10月，百度公司在北京推出自動駕駛出租車服務，市民可在北京經濟技術開發區、海淀區、順義區的數十個自動駕駛出租車站點，直接下單免費試乘自動駕駛出租車服務。2021年10月，北京市智能網聯汽車政策先行區正式開放無人化測試場景，隨后又開放了全國首個自動駕駛出行服務商業化試點。2022年4月，百度在北京取得無人化載人示范應用許可，推出了主駕無人的自動駕駛出租車。2022年8月，重慶、武漢兩地率先發布自動駕駛全無人商業化試點政策，并向百度公司頒發了全國首批無人化示范運營資格，允許車內無安全員的自動駕駛車輛在社會道路上開展商業化服務。這標志著我國自動駕駛汽車商業化落地進入新的階段。

二、自動駕駛汽車的社會價值

如果有人告訴你有這么一項發明：它每年可以幫助你節省幾千元甚至數萬元，可以減輕所有人的稅負，可以讓你和鄰居家都能有更多空間，可以減少空氣和噪聲污染，可以讓老人、小孩還有殘障人士都能安全地外出走動，還可以節省你的通勤時間，甚至可以將每年導致成千上萬人死亡的車禍消滅掉90%，那么這聽上去是否好得有些令人難以置信呢？好消息是，這些都未必那么令人難以置信。[25]自動駕駛汽車正在將這些好處一一變為現實，帶來一個全新的社會面貌。對此，我們將自動駕駛汽車的社會價值做一個歸納。

（一）提高出行安全

汽車的到來解放了人類的雙腿，但同時也帶來了嚴重的交通事故。據報告，全球每年有近100多萬人因為交通事故而失去生命，這是非?？植赖臄底帧Ｎ覈瞧嚧髧彩侨丝诖髧?，交通事故每天都在上演。根據國家統計局的數據，2020年我國交通事故發生數總計244674起，交通事故造成的死亡人數為61703人，造成受傷人數為250723人，直接財產損失總計131361萬元。[26]對于交通事故發生的原因，絕大多數可以歸咎于駕駛員的原因，只有小部分是因為技術和環境的問題。既然由人來駕駛汽車并不安全，那么自動駕駛取代人類手動駕駛后，就可以大幅減少交通事故的發生。雖然，自動駕駛汽車很難實現零交通事故，但有可能消除90%的人為交通事故，這對于提高交通安全和出行服務來說，已經具有里程碑意義。[27]

相較于人類駕駛員，自動駕駛汽車將更加安全。一方面，自動駕駛汽車更加自律?，F代汽車在很大程度上把人們同外面的公路隔離開，并創造了一個封閉的環境，車內的人們常常會無視交通法規，而一心關注自己想要去的地方。[28]人類是情感豐富的動物，人們在駕駛汽車的過程中很難做到完全遵守交通規則，醉酒、打電話、超速、路怒、疲勞等情況時有發生，嚴重危害駕駛活動的安全。例如，人們常常會因為分心玩手機而導致事故的發生。根據美國交通部國家公路交通安全管理局（NHTSA）的數據，在美國的任何一個白天，大約有66萬名司機在駕駛汽車時使用手機。在駕駛期間，司機的眼睛會不自覺地離開路面2—3秒，去查看短信或者自拍。僅在2015年，因司機分心發生的交通事故就有3477例死亡和39.1萬人受傷。[29]相較于人類駕駛員，自動駕駛汽車是理性的機器，不會像人類那樣產生負面的情緒，可以確保全心全意投入駕駛活動，完全遵守交通法規。

另一方面，自動駕駛汽車也更加適合駕駛活動。人類駕駛員囿于生理原因，對于道路環境的感知存在很大的局限，同時應對突發事件的能力也是有限的。有研究顯示，在汽車以每小時50公里的速度行駛時，如果能夠早半秒剎車的話，就能減少50%的事故，但39%的駕駛者在事故發生前根本沒有剎車，而40%的駕駛者則沒有有效剎車。[30]相較于人類駕駛者，自動駕駛汽車擁有極快的反應速度，能有效減少交通事故的發生。此外，自動駕駛汽車還擁有360度的視野，全天候精準分析駕駛環境，這些都是人類駕駛者無法比擬的。[31]對此，谷歌公司的自動駕駛汽車項目的負責人德米特里·多爾戈夫（Dmitri Dolgov）先生曾提到一個小插曲：“某天，我路過一片茂林區，汽車緩緩停了下來。我心中正納悶，一定是自動駕駛系統出了問題。結果沒一會，一頭鹿從汽車身邊走過。顯然，與我們不同，自動駕駛汽車晚上也能看見?！盵32]

（二）優化出行效率

自動駕駛汽車對于人類生活產生的影響最不為人全面認識的一點，就是對于交通擁堵產生的影響。一種樂觀的看法是自動駕駛汽車可以提升城市交通系統的效率，致使私家車數量減少，進而減少擁堵，降低城市中交通出行產生的碳排放量。有研究表明，如果城市居民不再乘坐私家車和公共交通，而是以共享的方式使用自動化出租車，那么城市道路上的機動車數量會減少90%。自動駕駛汽車可以讓每個家庭平均保有的車輛減少到一輛，因為自動駕駛汽車在送完一個家庭成員上班后會啟動回家模式，這樣其他家庭成員也可以使用這輛車來接送自己外出辦事或者參加活動。[33]

雖然汽車的發明是工業史上的巨大成就，但由于汽車的廣泛普及而導致的城市交通擁堵也成為許多大都市現代化、城市化和機動化過程中難以逾越的階段。[34]我國許多城市都飽受擁堵之苦。根據高德地圖聯合國家信息中心大數據發展部、清華大學交通研究所等多家權威機構共同發布的《2021年度中國主要城市交通分析報告》顯示，同比2020年，2021年全國50個主要城市中有60%的城市內路網高峰行程延時指數上升，24%的城市基本持平，16%的城市擁堵下降。截至2021年3月，中國私家車保有量超過200萬輛的城市達33個。巨大的汽車保有量以及大量的出行需求，造成了道路擁堵。早高峰、晚高峰、節假日、惡劣天氣等，讓交通擁堵成為城市化過程中最大的弊病之一。[35]

在過去幾十年里，增加道路容量是消除這種交通擁擠的老辦法。然而，對于當前的絕大部分城市來說，這種辦法從物理上、財政上、政治上都變得越來越不現實了。[36]唯有提高現有道路利用效率，才能破解交通擁堵的難題。事實上，交通擁堵的原因，除汽車保有量的不斷上漲外，與道路的利用效率有很大關系。人類駕駛的車輛無法充分利用道路，出于安全的考慮，人類駕駛汽車不得不與前后車輛保持數十米的距離，而且在變道時我們也做不到平滑熟練。對此，自動駕駛汽車結隊行駛后可以更加有效地利用路面空間，讓通常會堵塞的地方變得更加通暢，因為交通擁堵通常發生在公路的駛入駛出匝道的位置、變換車道的位置，以及交叉路口等地。[37]假如車行道的總寬度是10米，按現在的汽車性能來設計，只能劃分為3車道，而如果通行的是自動駕駛汽車，則可以劃分為4車道或者5車道，可以使交通容量提升三分之一或者三分之二，而改造的成本僅僅是為道路重新畫線。[38]此外，自動駕駛汽車還可以減少交通事故的發生，這也有助于解決交通擁堵的問題。有數據認為，自動駕駛汽車整體上能夠將道路利用率提升至驚人的273%。[39]

（三）增強出行能力

相較于馬車，汽車大幅增強了人們的出行能力，可以在更少的時間內讓人們到達更遠的距離。同時，擁有汽車也讓人們更加的自由，可以隨時隨地享受出行的便利。然而，與駕駛馬車一樣，駕駛汽車也需要經過專業的訓練，必須拿到駕照才能真正享受汽車帶來的出行好處。而要想拿到駕照并不容易，需要付出很多的時間和精力。同時，拿到駕照也并不意味著你就是一名經驗豐富的司機，相反，你還需要長年累月地積累出行里程，在長期的實戰中增長駕駛經驗。事實上，駕駛大概是我們大多數人日常生活里最復雜的事情。駕駛這項技能包含了至少1500個子技能。大多數人似乎都認為開車是相當容易的一件事，但實際上開車是一項極其復雜且要求很高的任務：我們要處理一堆令人眼花繚亂的信息，要持續做出預測和計算，并實時判斷風險和做出回應，還要參與大量的感覺和認知活動。[40]此外，囿于生理原因，有些特殊群體無法取得駕照，不能親自駕駛汽車，只能依仗司機或者公共交通。例如，根據我國《機動車駕駛證申領和使用規定》第14條的規定，申請小型汽車的駕照需年滿18周歲，沒有紅綠色盲，雙手拇指健全，雙下肢健全且運動功能正常。此外，第15條還明確規定，有器質性心臟病、癲癇病、美尼爾氏癥、眩暈癥、癔病、震顫麻痹、精神病、癡呆以及影響肢體活動的神經系統疾病等妨礙安全駕駛疾病的，不得申請駕照。對于這部分群體來說，汽車帶來的出行自由只能停留在羨慕當中。

自動駕駛汽車的到來可以顯著緩解上述問題。與傳統汽車不同，自動駕駛汽車對于使用人的要求并不會過分嚴格，使用人未來只需要經過簡單的培訓即可取得駕照，不需要學習如何手動操作方向盤、油門、踏板等復雜的駕駛技能，只要能夠了解自動駕駛模式的開啟以及緊急情況下的應對即可。與此同時，自動駕駛汽車在出廠之時已經是身經百戰的“司機”，算法系統也經過了成萬上億公里的訓練，能夠提供更加安全穩定的駕駛感受。同時，一輛自動駕駛汽車“學會”了某種新技能，所有的自動駕駛汽車的都能掌握這一技能，這種技能的疊加升級也是人類駕駛員所不具備的。

此外，更為重要的是，自動駕駛汽車可以解決部分殘疾人等特殊群體出行的問題，算法系統通過語音、按鍵等方式接收他們的指令，即可帶他們回家或者到達目的地，生理因素的限制被機器智能徹底補足。我們甚至可以期待，那些原先只能枯坐在家的人可以借助這種新型交通工具重新變得靈活起來。[41]2017年2月，歐洲議會向歐盟委員會提出立法建議的決議《機器人技術民事法律規則》就指出，應當關注自動駕駛汽車為殘疾人帶來的高附加值，因為這類車輛能夠幫助他們更有效地參與到交通運輸當中，從而為他們的日常生活提供便利。

（四）增加利用時間

駕駛汽車是一項非常消耗時間的事情，特別是對于那些住所遠離工作地點的家庭。20世紀40年代至50年代，美國有85%的家庭都住在郊區。由于每日的通勤，大多數的父親幾乎沒有時間去參與家庭活動。盡管城市化讓更多的家庭住進了城市，但通勤時間依然占據著很大的比重。

例如，我國許多中大型城市中的人群也飽受通勤之苦。2022年7月，中國城市規劃設計研究院發布的《2022年度中國主要城市通勤監測報告》顯示，44個國內主要城市中單程平均通勤時耗為36分鐘，超過1400萬人承受著“極端通勤”，單程時間60分鐘以上的通勤比重占13%。其中，北京60分鐘以上的通勤比重為30%，是全國極端通勤人口最多的城市。自動駕駛汽車到來后，駕駛活動占用人們寶貴時間的比例將大幅縮小，人們可以利用在車上的時間工作或者休息。[42]這一部分寶貴的時間將被有效地利用起來。與此同時，自動駕駛汽車對于交通擁堵的積極影響，也會減少通勤所需要的時間，讓人們有更多的時間投入生活和工作。此外，自動駕駛汽車還能讓工作更加準時，提升時間利用的整體效率。[43]

毫無疑問，自動駕駛汽車是一臺時間機器，它們生產的是最難以捉摸的資源——可供人們消費的新的時間，而時間就是金錢。[44]這也是自動駕駛汽車非常重要的一項價值。當自動駕駛汽車將人們從繁重的駕駛任務中解放出來后，人們將擁有更多的自由時間。1956年，美國獨立電子電力公司在《生活》（LIFE）雜志上投放了一則廣告，一輛自動駕駛汽車正在公路上行駛，車內的一家四口則坐在桌子旁邊，汽車仿佛變成了一個客廳。父親坐在駕駛位上，但他的雙手已經離開了方向盤。母親和女兒正在玩著多米諾骨牌，一旁的兒子則在把玩手中的飛機模型。這則廣告充分體現了這樣一個主題，即自動駕駛汽車是一個可以用來構建和諧家庭生活的理想平臺。人們可以將浪費在駕駛上的時間節省下來，轉而花在陪伴家人身上。[45]與此同時，這些多出來的空閑時間能夠很好地轉化為經濟價值。在一篇討論谷歌公司的自動駕駛汽車項目收入潛力的文章中，一位專業人士就提到，只要有1%的美國汽車使用谷歌公司提供支持的軟件，那么每年由自動駕駛汽車所創造的因谷歌服務的額外使用所帶來的收入就有可能達到14000億美元。這就不難理解為何谷歌公司要投資自動駕駛汽車，也就可以理解為什么其他公司同樣要保證自己不會錯失良機。[46]在日益激烈的注意力經濟的爭奪戰中，自動駕駛汽車將會開辟廣闊的新戰場。

（五）助力環境保護

除上述價值外，自動駕駛汽車還有助于環境保護。一個有著相當數量自動駕駛汽車的運輸系統將主要通過三種方式減少能源消耗：更有效率地駕駛；更輕量也更省油的車輛；高效的基礎設施。[47]

傳統汽車燃油效率十分低下，只有不到30%的能量是用于驅動汽車，以及少量能量被用來給車燈、收音機和空調等設備供電，其余大部分能量都以熱、噪聲等方式浪費掉了。一輛小汽車動輒一兩噸，而人體不過一兩百斤，驅動汽車的能量只有約5%是用于運送乘客，僅占燃油總能量的1.5%。[48]自動駕駛汽車可以提升駕駛效率，減少能源消耗。例如，由于風阻的影響，卡車尤其容易發生燃油效率低下的問題，如果將自動駕駛卡車編組，相距不超過3英尺，那么行駛時每輛卡車的油耗將減少15%到20%。[49]再如，人類司機會迷路、會發怒，還很難找到停車位。自動駕駛汽車的駕駛風格可以被設定成高效、冷靜而流暢。一名激進的司機使用的燃料比一般司機要多33%，而一般司機使用的燃料比最高效的駕駛要多10%。因此，有理由認為，與普通人類司機相比，自動駕駛汽車能夠多節省10%—20%的燃油。[50]

與此同時，自動駕駛汽車的安全性可以讓汽車設計得更加經濟。現代汽車設計的一個重要考量是增加防撞的空間，需要給可能發生的交通事故預留足夠的緩沖，在車身結構以及尺寸上都采取的是又重又長的設計。既然自動駕駛汽車能夠顯著降低交通事故的發生，那么汽車就可以設計得更加輕巧，這也會更加省油。[51]此外，自動駕駛汽車常常與新能源聯系在一起。汽車在無人自動化改進過程中一個核心變化就是它們的驅動能源。自動駕駛汽車更有可能采用電力驅動，同時一旦自動駕駛技術成熟，汽車變得智能化，能夠自動計劃路線，并適時地將充電站納入行程，電動汽車充電的問題也會得到緩解。[52]

（六）優化城市設計

汽車不同于家電產品，它的消費需要一系列外部配套條件才能實現，除能源耗費外，還需要道路、停車場等基礎設施。汽車所到之處，瀝青也隨之掃蕩著腳下的土地，農田變成了道路，森林變成了停車場。[53]自動駕駛汽車的出現會影響城市土地的規劃利用，如停車場的設計。一個城市停車場的設計規劃對于城市的個性韻味有著驚人的顯著影響。[54]盡管人們表面上購買汽車的原因是他們需要四處走動，但實際上他們真正使用汽車的時間是很少的。一輛汽車大部分時間都停在那里等著我們再次需要它，而這種需要往往是很短暫的活動。通常情況下，我們使用汽車的間隔時間能夠達到12個小時，而大部分時間汽車都在那一動不動，它們需要在不同的地方有多個停放空間：家里需要一個停車位，辦公場所需要一個停車位，購物中心或者迪士尼樂園等休閑場所也是如此。大量的土地被修成了停車場和車庫，成了都市的“死亡地帶”，逐漸消耗著城市街道的生氣和活力。[55]與此同時，停車位似乎永遠趕不上需求。人們駕駛傳統汽車的一個痛點就是尋找停車場，駕駛汽車到達目的地并不意味著駕駛活動的結束，還需要為汽車尋找一個“安身之所”，這對于許多城市來說都是極其困難的，也讓駕駛活動徒增煩惱，影響駕駛人的心情，同時加劇能源的消耗。

自動駕駛汽車到來后，對于停車場的設計將會產生重要影響，人們并不需要自己開車去尋找車位，自動駕駛汽車既可以自己尋找車位，也可以選擇回家供其他家庭成員使用。如此一來，在提升人們出行體驗的同時，還可以減少一筆停車費用的開支。同時，停車位的減少還會減少房屋的成本，人們購買停車位的需求會大幅降低，開發商將會重新考慮房屋或者社區的設計，是否需要配套那么多的車位。屆時，法律可能取消對新建商圈或者住宅必須配備一定數量新車位的要求，而多出來的土地可以用在其他更有意義的地方，如可以將停車場改造成公園、運動場或者路邊咖啡館等公共領域，為彌漫低沉之氣的市中心注入活力，還可能帶來許多新的工作需求。此外，城市將變得更加干凈、美麗，沒有停車道，街道立馬變成了寬闊的林蔭大道。[56]

（七）其他價值

自動駕駛汽車還會對法律系統產生影響。20世紀，汽車日益成為生活的中心，產生了許多積極的影響，但也引發了相當一部分犯罪。2016年，車輛盜竊案件占舊金山警察局登記犯罪事件的21%以上，還有很多與機動車相關的犯罪，如交通肇事等。如果自動駕駛汽車普及開來，相關的犯罪將會大幅下降，進而可以解放警力，用以偵查其他犯罪，同時還可以減少昂貴的訴訟資源浪費，提升司法系統的效率。與此同時，自動駕駛汽車取代人類駕駛員后，違反交通規則的情況將會變少，圍繞交通巡邏組織的警務工作也將被解放，可以用于其他更有意義的工作當中。[57]

此外，自動駕駛汽車還對現有社會的各行各業產生影響，如醫療、教育、金融、零售、制造、安防等。想要精準預測自動駕駛汽車的影響是不可能的，很多預設的好處可能不會很順利地如約而至。與此同時，自動駕駛汽車還會帶來巨大的、復雜的和不確定的社會風險，有可能打亂或者替代現有的社會和經濟體系，甚至將重新定義和重新分配個人自由和責任。[58]故此，在暢想自動駕駛汽車積極影響的同時，我們也應該去關注其可能帶來的各種挑戰。

第二節 自動駕駛汽車的界定與分級

一、自動駕駛汽車的界定

（一）自動駕駛汽車的概念

當前，對于自動駕駛汽車并沒有一個達成共識的概念。各國對于自動駕駛汽車的定義各有側重。

2011年，美國內華達州頒布了“第511號法案”，其中第8條對于人工智能和自動駕駛汽車下了一個定義：所謂的人工智能，是指使用計算機和相關設備使機器能夠復制或模仿人類的行為。而自動駕駛汽車，是指無須人類操作者主動干預，通過使用人工智能、傳感器和全球定位系統來實現自動駕駛的機動車輛。其中，傳感器包括但不限于攝像頭、激光和雷達。內華達州“第511號法案”的定義將自動駕駛汽車與人工智能的概念結合在一起，看到了人工智能對于自動駕駛汽車的重要作用，抓住了自動駕駛汽車的技術關鍵。

2016年9月，美國交通部國家公路交通安全管理局發布《聯邦自動駕駛政策：加速道路安全變革》（Federal Automated Vehicles Policy：Accelerating the Next Revolution in Roadway Safety，AV 1.0），使用了高度自動駕駛汽車（Highly Automated Vehicles，HAVs）的概念，將高度自動駕駛汽車界定為裝有高度自動駕駛系統的車輛，具體包括國際自動機工程師學會（SAE）發布的分級指南中的有條件自動駕駛（L3）、高度自動駕駛（L4）以及完全自動駕駛（L5）三個階段。根據文件給出的定義，所謂的高度自動駕駛系統（Highly Automated Vehicle Systems），是指為駕駛員提供安全、舒適和便利功能的硬件和軟件的組合，通過控制和組合制動、油門和轉向功能來執行駕駛功能（如高速公路駕駛、自動出租車、自動泊車）的系統。

2018年10月，美國交通部國家公路交通安全管理局發布《為未來交通做準備：自動駕駛汽車3.0》（Preparing for the Future of Transportation：Automated Vehicles 3.0，AV 3.0），重新使用了自動駕駛汽車（Automated Vehicle）的概念，并將其界定為任何裝有自動駕駛系統（Automated Driving System）的車輛，而自動駕駛系統是指能夠共同持續執行整個動態駕駛任務的硬件和軟件，無論它是否僅限于特定的操作設計域，具體包括SAE分級指南中的L3級、L4級和L5級自動駕駛。這一定義延續《聯邦自動駕駛政策：加速道路安全變革》（AV 1.0）的做法，主要依靠SAE分級指南來界定自動駕駛汽車。

2017年6月，德國通過了《道路交通法第八修正案》（Eight Act Amending the Road Traffic Act），第1a條對高度或者完全自動駕駛功能的機動車作出了規定，具體對應SAE分級指南中的L3級與L4級。根據該條規定，裝有高度或者完全自動駕駛功能的機動車意味著機動車需具備如下技術：第一，當開啟后，能夠控制機動車，包括執行駕駛任務（汽車控制）；第二，當汽車處于高度或者完全自動駕駛模式中，能夠遵守相關交通規則和法規；第三，能夠隨時被駕駛人接管或者中止；第四，能夠確定需要駕駛人重新人工操作機動車的情形；第五，具備能夠通知駕駛人——通過視頻、音頻、觸覺等其他可知方式——重新人工控制機動車的能力，同時有足夠的時間緩沖完成這一接管；第六，汽車使用與系統說明是一致的。相較于美國法的定義，德國對于自動駕駛汽車的界定更加細致，突出了自動駕駛汽車的自主性以及隨時被人類駕駛員接管的技術特征。

2022年1月，英國法律委員會發布《自動駕駛汽車：聯合報告》（Automated Vehicles：joint report），其中對自動駕駛汽車的概念作出了界定。報告指出，自動駕駛是指一系列汽車技術，我們可以將自動駕駛汽車描述成一種設計為能夠自行駕駛的汽車，在自動駕駛汽車模式下，汽車至少可以在一段旅程內不需要人類的控制和監督。因此，自動駕駛汽車的重點是自動駕駛系統至少需要在部分旅程中取代人類駕駛員，而不是僅僅提供駕駛輔助。[59]從這一定義可以看出，英國對自動駕駛與駕駛輔助做了嚴格區分，后者并不屬于自動駕駛汽車的范疇。

2018年4月，我國工業和信息化部、公安部、交通運輸部聯合發布《智能網聯汽車道路測試管理規范（試行）》，對于自動駕駛汽車的概念下了一個定義。根據該規范第28條的規定，自動駕駛汽車，又可稱為智能網聯汽車或智能汽車，主要指“搭載先進的車載傳感器、控制器、執行器等裝置，并融合現代通信與網絡技術，實現車與X（人、車、路、云端等）智能信息交換、共享，具備復雜環境感知、智能決策、協同控制等功能，可實現安全、高效、舒適、節能行駛，并最終可實現替代人來操作的新一代汽車”。隨后，2021年的《智能網聯汽車道路測試與示范應用管理規范（試行）》繼續沿用這一概念。相較于美國、德國以及英國有關自動駕駛汽車的定義，我國對于自動駕駛汽車的界定同時強調網聯性與自主性兩個技術特征。

德國學者埃里克·希爾根多夫認為，當其他人想知道這里談論的究竟為何物時，術語問題自然十分重要。但是，由于科技發展十分迅速，如果一開始就嘗試將概念定義壓制在一定的界限內，顯然不太合適。[60]為此，自動駕駛汽車的概念應當具有開放性。筆者認為，所謂的自動駕駛汽車，又可以稱為無人駕駛汽車、智能汽車、智能網聯汽車，簡單來說就是由機器智能執行駕駛任務的汽車，是一個與依靠人類智能執行駕駛任務的傳統汽車相對的概念。[61]

（二）自動駕駛汽車的特征

自動駕駛汽車是不同于傳統汽車的新一代汽車。對此，我們可以從如下四個方面來理解自動駕駛汽車。

第一，自動駕駛汽車是一種人工智能。自動駕駛汽車是人工智能技術在交通領域的具體應用，其內核是機器智能。從人類歷史發展來看，出行工具不斷發生變化，從早期的馬車到了現代汽車。汽車的發明讓人們不需要馬匹的幫助就能享受出行的便利。然而，汽車在取代馬匹的同時，也失去了某種形式的自主權。通過訓練和馴馬技術，拉馬車的馬可以自行學會保持在一些簡單的規則范圍內。在此情景之下，馬車具有一定程度的自主性。從馬車到汽車的過渡中，人們看似收獲了更強的出行能力，卻失去了重要的障礙物規避能力，這毫無疑問是執行“自主任務”的一種必備的臨時能力。在馬車行駛的很多時候，即便馬夫不再完全接管旅途，馬兒自己也能將馬車安全地帶回家。即使馬兒無法認識回家的路，但它們至少會讓馬車處于安全的狀態，然后停在路邊吃草。從這個角度來看，自動駕駛汽車的目的就是恢復傳統汽車失去的自主性并且超越其歷史形式。[62]換言之，自動駕駛汽車想要實現的是汽車的自主運行，但這種自主性不是依靠動物智能和人類智能，而是依靠機器智能來實現的。

第二，自動駕駛汽車運行包括感知、決策和行動三個階段。依靠機器智能，自動駕駛汽車能夠實現自主性，實現了自動駕駛對手動駕駛的取代，算法對人類駕駛員的取代。對于自動駕駛技術的運行邏輯，本質上與人工智能的運行邏輯是一樣的，主要依靠感知、決策和行動三種能力，自動駕駛汽車的行駛過程自然也可以分為這三個階段。[63]第一階段是感知，即自動駕駛汽車通過各類傳感器感知周圍環境，繪制汽車行駛的周邊環境圖。感知階段是自動駕駛汽車性能最基本、最重要的信息來源和體驗保障。[64]對于人類駕駛員來說，我們主要依賴眼睛完成信息的輸入，而自動駕駛汽車則主要借助攝像頭、激光雷達、毫米波雷達等傳感器來觀察四周的環境。單獨依靠一種傳感器很難提供像人眼一樣高效的信息輸入，因此大多數自動駕駛汽車依賴于多種類型傳感器的融合。第二階段是決策，即自動駕駛系統對第一階段收集的數據進行處理，生成可以到達目的地的最優路線，做出駕駛決策。在這一階段，自動駕駛系統需要借助強大的算力，對前一階段收集的數據進行快速處理，以便選擇最佳的行動方案。第三階段就是行動，在自動駕駛系統的指令下，自動駕駛汽車執行器驅動汽車行駛，執行第二階段的指令，包括加速、剎車、轉向等。

第三，自動駕駛汽車強調自主性與網聯性。自動駕駛汽車的發展存在兩個不同方向，分別是智能模式與網聯模式。[65]產業界將其稱為單車智能和車路協同的“路線之爭”。單車智能主要依靠車輛自身的視覺、毫米波雷達、激光雷達等傳感器，計算單元以及線控系統進行環境感知、計算決策和控制執行。而車路協同，則是將路端升級到與車端智能化同等的水平，通過車聯網將人—車—路—云這些交通參與要素有機地聯系在一起，從而保證自動駕駛安全，加快自動駕駛應用的成熟。[66]這兩種路徑并非由技術本身的邏輯導致的，而是由自動駕駛技術研發和商業化的主要參與者的既有優勢和利益所決定的，是一種“路徑依賴”或“鎖定效應”。更符合技術邏輯的發展方向當然是“智能化+網聯化”相融合，最終使系統能夠替代人類執行全部駕駛任務。[67]從理論上看，車路協同的加入，可以讓自動駕駛汽車不再是單個的智能體。具言之，車聯網技術可以讓自動駕駛汽車實現信息與網絡的共享，通過車與車（V2V）、車與基礎設施（V2I）、車與人（V2P）等交互實現信息共享，收集車輛、道路和環境的信息，由此可以大大降低交通事故的發生率。[68]故此，自動駕駛汽車不僅要具備自主能力，能夠自主識別駕駛環境、規劃路線和執行決策，還應當具備網聯能力，實現車與各方互聯互通。[69]

第四，自動駕駛汽車是一種機器人。自動駕駛汽車是一種人工智能，也可以被定義為一種機器人。嚴格來說，人工智能與機器人并非同一事物。從歷史來看，機器人概念的產生要早于人工智能。機器人（Robot）一詞由捷克作家卡雷爾·恰佩克（Karel ?apek）于1921年首次提出，而人工智能術語的產生晚了近40年。[70]從概念本身來看，機器人通常是指能夠像人類一樣行動的機器裝置，其模仿的是人類的軀體，并不必然要求智能，如傳統工業生產線上的生產機器臂等。而人工智能的核心是智能，至于是否有物理載體并非必需，模仿的是人類的大腦，如智能推薦系統、醫療診斷系統等。隨著機器人與人工智能技術的發展，兩者結合的概念智能機器人由此誕生。歐盟《機器人技術民事法律規則》認為，智能機器人通常具備如下特征：通過傳感器與/或通過與所處環境交換數據（內部連接）及分析數據實現自動化的能力；通過經驗積累及互動方式進行學習的能力；機器人的物理支持形式；根據環境調適自己行為的能力。簡言之，機器人以及智能機器人都要求具備物理載體，能夠物理地作用于現實環境與世界，而人工智能并沒有這一要求。自動駕駛汽車既是一種人工智能，也是一種機器人，屬于兩者的結合體，即智能機器人。

二、自動駕駛汽車的分級

當前，國內外有關自動駕駛汽車分級存在不同做法，許多國家都有自己的分級方法，如德國汽車工業協會（VDA）的六級法、美國國家公路交通安全管理局（NHTSA）的五級法等。

（一）國際層面

國際上，通用的是國際自動機工程師學會（SAE）發布的“六階段分級法”。2014年1月，SAE首次發布了汽車自動化分級指南。隨后，SAE分別于2016年9月、2018年6月、2021年4月三次更新分級指南。

根據2021年版的指南，汽車自動化分為六個階段：L0，無駕駛自動化，由駕駛員執行整個動態駕駛任務（dynamic driving task，DDT）；L1，駕駛輔助，系統持續專門地提供DDT中橫向或縱向運動控制子任務，其余部分由駕駛員承擔；L2，部分駕駛自動化，系統持續專門地提供DDT中橫向與縱向運行控制子任務，駕駛員執行目標與意外監測與響應任務（object and event detection and response，OEDR）；L3，有條件駕駛自動化，系統執行整個DDT任務，用戶在必要時接管；L4，高度駕駛自動化，系統執行整個DDT任務，用戶無須接管，但系統存在設計運行范圍（operational design domain，ODD）；L5，完全駕駛自動化，系統執行整個DDT任務，用戶無須接管，且系統不存在ODD限制。

（二）國內層面

2021年8月，我國正式發布推薦性國標《汽車駕駛自動化分級》（GB/T 40429—2021），并于2022年3月1日開始實施。

根據《汽車駕駛自動化分級》，駕駛自動化可以分為六個階段：0級駕駛自動化，又稱應急輔助，系統不能持續執行DDT中的車輛橫向或縱向運動控制，但具備持續執行DDT中部分OEDR能力，如車道偏離預警、前向碰撞預警、自動緊急制動、車道偏離抑制等功能；1級駕駛自動化，又稱部分駕駛輔助，系統在ODD內持續地執行DDT中的車輛橫向或縱向運動控制，且具備相應的部分OEDR能力，如車道居中控制、自適應巡航控制等功能；2級駕駛自動化，又稱組合駕駛輔助，系統在ODD內持續地執行DDT中的車輛橫向和縱向運動控制，且具備相應的部分OEDR能力；3級駕駛自動化，又稱有條件自動駕駛，系統在ODD內持續地執行全部DDT，用戶必要時需要接管；4級駕駛自動化，又稱高度自動駕駛，系統在ODD內持續執行全部DDT，并自動執行最小風險策略（minimal risk maneuver，MRM）；5級駕駛自動化，又稱完全自動駕駛，系統持續執行全部DDT，并自動執行MRM，且沒有ODD限制。

總的來說，我國對于自動駕駛汽車的分級與SAE的做法是一致的，自動駕駛僅指L3級至L5級，具體包括有條件自動駕駛（L3）、高度自動駕駛（L4）與完全自動駕駛（L5）三個階段。至于應急輔助、部分駕駛輔助、組合駕駛輔助均不屬于自動駕駛，不能歸入自動駕駛的范疇。自動駕駛汽車的分級指南對于引導企業準確使用相關概念，如區分輔助駕駛與自動駕駛，避免誤導消費者有重要作用。[71]當然，概念的界定本身并不能解決法律問題。從自動駕駛汽車的特定定義或者自動化駕駛的分級階段中并不能輕易地推導出法律義務或是其他的法律后果。只有當立法者將法律后果與特定的定義或者分級銜接起來時，該定義和分級才是重要的。[72]基于此，我們需要在自動駕駛分級的基礎上，進一步探討分級對于相關主體的法律影響。

第三節 自動駕駛汽車的私法挑戰

一場革命正在進行，它將從根本上改變汽車行業，對現有的經濟和社會產生巨大影響，相當于當年從馬匹運輸過渡到燃油動力車輛所帶來的變化。[73]無論我們是否準備好，自動駕駛汽車都正在向我們快速駛來。為了更加從容地迎接自動駕駛汽車的時代，讓技術更好地服務人們和造福社會，我們需要提前準備大量的應對工作，其中就包括歸納自動駕駛汽車引發的法律挑戰，找出最為值得公眾關注和討論的話題。

一、法律挑戰的原因剖析

自動駕駛汽車代表著下一代汽車技術的變革方向，帶來的影響是全方位的，包括四個方面：一是互聯互通；二是自動駕駛；三是交通即服務；四是共享經濟。一言蔽之，汽車行業的未來就是網聯化、智能化、共享化的未來。[74]由此可見，自動駕駛汽車的影響并非單一的技術體，而是技術群帶來的全方位沖擊。其中，自動駕駛汽車的智能化、數據化直接引發了一系列法律和倫理問題。

（一）自動駕駛汽車的智能化

自動駕駛汽車區別于傳統汽車的地方在于是否實現智能化，這種智能體現為機器智能對于人類智能的取代，自動駕駛系統對人類駕駛員的取代。自動駕駛汽車的智能化對應著自主性這一特征，凸顯了自動駕駛汽車的關鍵技術特征。在實現自主性的過程中，自動駕駛汽車需要像人類一樣解決駕駛活動所面臨的問題，自動駕駛系統需要像人類駕駛員那樣去思考和行動，執行原本由人類駕駛員執行的任務。由此一來，人機之間的沖突也隨之顯現出來。

具體來說，現有法律制度預設的規則是只有人才能作出決策、執行決策，法律只調整人的行為，法律主體、法律關系、法律行為、法律責任、法律監管都是圍繞人來展開的。傳統汽車僅僅是出行工具，并無任何自主性，不過是人類駕駛員行為的延伸，由汽車引發的任何行為都被評價為其背后人類駕駛員的行為。然而，自動駕駛汽車到來后，現有法律制度預設的前提將被徹底打破。自動駕駛汽車不再是人類駕駛員行為的簡單延伸，汽車運行的一舉一動也不在人類駕駛員的決策范圍之內，算法的自主性直接沖擊著現有的法律主體、法律責任、法律監管等制度。例如，我國《道路交通安全法》第22條規定：“機動車駕駛人應當遵守道路交通安全法律、法規的規定，按照操作規范安全駕駛、文明駕駛。飲酒、服用國家管制的精神藥品或者麻醉藥品，或者患有妨礙安全駕駛機動車的疾病，或者過度疲勞影響安全駕駛的，不得駕駛機動車。任何人不得強迫、指使、縱容駕駛人違反道路交通安全法律、法規和機動車安全駕駛要求駕駛機動車。”《道路交通安全法實施條例》第62條規定：“駕駛機動車不得有下列行為：……（三）撥打接聽手持電話、觀看電視等妨礙安全駕駛的行為；……（七）連續駕駛機動車超過4小時未停車休息或者停車休息時間少于20分鐘；……”自動駕駛汽車到來后，駕駛人安全駕駛、文明駕駛、不得飲酒以及疲勞駕駛的規則顯然會難以為繼。再如，根據我國《民法典》以及《道路交通安全法》的規定，機動車引發的交通事故，受害人可以請求有過錯的使用人承擔賠償責任。對此，自動駕駛汽車引發交通事故造成損害，使用人一方如何承擔責任便隨之成為了難題。簡言之，以機器智能為核心的自動駕駛汽車沖擊著現行以人類智能為中心構造的法律秩序，人機之間的較量即將出現在法律王國的每一個角落。

（二）自動駕駛汽車的數據化

自動駕駛汽車的智能化趨勢與數據化趨勢是密切相關的，沒有數據化就不會有智能化。機器智能的背后體現的是人工智能的力量，自動駕駛系統之所以高度智能，實際上是海量數據學習的結果。人工智能技術對于自動駕駛汽車而言十分重要，在感知、認知和決策等方面的大量應用，尤其是基于深度學習的算法，在提高視覺技術、自然語言處理、傳感器融合、目標識別、規劃和決策方面都有非常重要的應用。[75]而在自動駕駛系統高度智能的背后，需要的是海量數據的喂養。沒有數據，算法就不能學習迭代，自動駕駛系統也隨之成為無源之水。對于自動駕駛汽車來說，本質上是將駕駛活動轉化為數據處理活動。可以說，正是自動駕駛汽車的數據化，才成就了自動駕駛汽車的智能化。沒有自動駕駛汽車的網聯性，就不會有自動駕駛汽車的自主性。

自動駕駛汽車的數據化意味著互聯互通至關重要，車聯網將扮演非常重要的角色。與此同時，自動駕駛汽車的數據化也與自動駕駛汽車的服務化趨勢密切相關。交通即服務，意味著自動駕駛汽車不再僅僅是單一的出行工具，而是能夠給用戶提供各種服務的移動空間。為了給用戶提供更為優質的服務，自動駕駛汽車需要盡可能地收集更多的數據，反過來又將推動自動駕駛汽車的數據化程度。這些都是傳統汽車所沒有的特征，由此也帶來了全新的法律挑戰。作為一名普通用戶，我們能夠想到的第一個問題便是自動駕駛汽車可能產生嚴重的隱私和個人信息保護問題。既然自動駕駛汽車會大量收集用戶的數據，那么用戶的住所、工作地點、喜歡的超市、心儀的商場、家庭成員結構等私密信息都將暴露無遺，自動駕駛汽車無疑是一臺大型監視器。特別是自動駕駛汽車的數據處理、利用過程涉及主體繁多、數據種類復雜，而且事關交通安全，從而具有強烈的公共利益屬性，這些都對通用的個人數據保護規則在該新興領域的具體適用提出了新的挑戰。[76]此外，自動駕駛汽車的數據化還會引來網絡安全問題，互聯互通給了黑客可乘之機。2015年，美國兩名黑客就利用遠程方式入侵汽車電腦，導致上百輛汽車被召回。[77]

二、私法挑戰的類型梳理

自動駕駛汽車帶來的好處是如此顯著巨大，但這項發明的代價同樣是高昂的，并且這個代價不單是金錢上的。它會擾亂許多我們原本認為理所當然的事情，也會挑戰許多有權勢的既得利益者，還可能引起大規模的失業，或者至少可能引起像農業和工業革命那種程度的劇變。[78]這種巨大沖擊力同樣體現在法律領域。對于自動駕駛汽車究竟引發了哪些法律挑戰，存在不同的觀察角度。德國學者埃里克·希爾根多夫認為，自動駕駛汽車的法律挑戰包括準入與運營、民事法律責任、刑事責任、生產商責任、數據保護以及保險法等問題。[79]我國有學者認為，自動駕駛汽車對于現行法律的挑戰包括自動駕駛的法律地位、自動駕駛的民事歸責、刑事歸責、隱私與數據保護、自動駕駛與網絡安全。[80]筆者認為，從自動駕駛汽車的技術特征出發，可以將其引發的私法挑戰歸納為以下三大板塊。

（一）自動駕駛汽車的法律地位

經過幾千年的發展，人類法治文明已經非常完備，發展出一系列部門法。然而，無論是何種部門法，也無論是部門法中的任何規則制度，其背后基本的假設前提都是法律只能調整人的行為，即只有人才能作出決定，擁有自主人格的人基于自己意識進行的行為而產生的責任歸屬于此人。在這個前提下，構建起了權利能力、法人、基本人權等作為法律秩序基礎的概念，以及私人自治、過失責任主義等基本原理原則。[81]例如，《民法典》第2條明確規定：“民法調整平等主體的自然人、法人和非法人組織之間的人身關系和財產關系。”據此，現有民事主體類型僅包括自然人、法人和非法人組織三種，唯有他們才能享受民事權利，承擔民事義務與責任。

作為科技發展的產物，人工智能既造福于人類，又給人類帶來了前所未有的沖擊。在各種沖擊之中，最根本的是對人之主體性的挑戰。[82]換言之，人工智能究竟應當作為法律關系的主體還是客體出現？應當將其等同于普通的機器或者動物對待，抑或將其作為“人”來看待？[83]背后的原因在于，與以往的任何科技都不同，人工智能是模擬人類理性的技術，這使得人工智能具有人類獨有的智能屬性，進而引發法律地位的困惑。早在20世紀70年代，美國就有學者曾經通過一系列思想實驗，探討人工智能是否能夠取得法律人格的問題，其在考察反對意見的基礎上，最終認為如果認知科學證實產生這些行為的基本過程與人類精神的過程相對相似，我們就有充分的理由將人工智能視為人，從而表明是否賦予人工智能以民事主體資格建立在我們對“人”的理解這一基礎上。[84]近年來，人工智能有了進一步的發展，展現出了前所未有的智能屬性，能夠像人類一樣從事下圍棋、駕駛汽車、看病、創作作品等活動，這使得人與物之間的界限出現模糊，引發了人工智能法律地位的爭議。對此，我國有關人工智能法律地位的學說層出不窮，肯定說與否定說也是針鋒相對。[85]

自動駕駛汽車是人工智能法律地位爭論的主戰場之一，因為這直接關乎自動駕駛汽車法律責任的承擔，也是檢驗這一命題實踐價值的最佳樣本。有學者認為，“基于自動駕駛汽車侵權責任的獨特性，應該確立自動駕駛汽車工具性人格，從而確定相應主體的責任，這是自動駕駛汽車立法的基礎，也是確定相關責任的前提與關鍵”[86]。有學者則主張，“智能機器無法理解和響應法律的行止要求、無法接受法律的調整、無法理解財產之于自身的意義，旨在通過賦予其法律人格以達到的責任限定效果不符合正義的基本要求，并且與法人的類比論證忽略了自然人之于法人的重要意義，因而賦予智能機器以法律人格，從理論上看是無法成立的”[87]。顯然，人工智能法律地位問題是自動駕駛汽車私法規制無法繞開的話題，其直接影響著自動駕駛汽車責任規則的構建。

（二）自動駕駛汽車的法律責任

當談論語音助手、聊天機器人等人工智能形式時，大多數人都不會擔心責任問題。但是，當話題轉向即將到來的令人興奮的人工智能形式——自動駕駛汽車！自主外科醫生！機器人保姆！——責任問題立馬成為一個焦點問題。“誰會想要一輛自動駕駛的汽車？如果它撞人怎么辦？”“沒有人會去制造一臺機器人保姆——想象一下滿天飛的官司！”“難道律師給醫生制造的麻煩還不夠多嗎？你認為醫生會對這類訴訟視而不見？”[88]對于自動駕駛汽車來說，法律責任如何分擔是最為關鍵也是最為迫切需要解決的課題。從責任性質來看，自動駕駛汽車的法律責任問題可以細分為民事責任、刑事責任與行政責任。[89]其中，民事責任是更為緊迫的課題，因為不解決好生產者一方與使用人一方的民事責任問題，自動駕駛汽車可能都不會有機會上路。

對于使用人一方來說，傳統汽車屬于純粹的工具，汽車的運行操作全系于背后使用人的自由意志與自主行為，使用人自然需要承擔機動車交通事故責任。對此，我國《道路交通安全法》第76條第1款規定：“……（一）機動車之間發生交通事故的，由有過錯的一方承擔賠償責任；雙方都有過錯的，按照各自過錯的比例分擔責任。（二）機動車與非機動車駕駛人、行人之間發生交通事故，非機動車駕駛人、行人沒有過錯的，由機動車一方承擔賠償責任；有證據證明非機動車駕駛人、行人有過錯的，根據過錯程度適當減輕機動車一方的賠償責任；機動車一方沒有過錯的，承擔不超過百分之十的賠償責任。”然而，當自動駕駛汽車到來后，使用人不再需要手動駕駛汽車，沒有駕駛行為又何來駕駛過錯？如此一來，使用人一方是否需要以及如何承擔責任就成了難題。此時，現行交通事故侵權責任規則能否繼續適用？如果不適用，新的責任規則又該如何構建？這些現實詰難是自動駕駛汽車發展過程中必須回應的問題。

與此同時，自動駕駛汽車也讓產品責任的承擔更加復雜。傳統產品責任意義上的“產品”，通常系經過加工、制作用于銷售的各類有形動產，原則上不動產和無形動產不能作為《產品質量法》規范的產品。從比較法上看，有些國家將部分不動產、電力以及軟件作為產品對待。自動駕駛汽車的一大特征是由軟件或程序代替駕駛員作出駕駛決策，并且因為人工智能的發展使其可以基于其算法而具有自主學習和決策能力。[90]此種背景下，自動駕駛汽車能否歸入產品范疇都不無疑問。在此基礎上，自動駕駛汽車產品缺陷、因果關系的認定都將面臨諸多困難。雖然產品責任聲稱是一種嚴格責任，但是由于需要證明產品存在缺陷，對于受害人來說，求償的便利性遠遠低于機動車道路交通事故責任。更何況，自動駕駛汽車的自主性與學習能力也給現行產品責任法律框架帶來了新的挑戰。[91]

此外，如何為自動駕駛汽車配置適當的責任保險規則也至關重要。相較于機動車交通事故責任、產品責任，責任保險在救濟受害人、分散風險、促進新技術商業化落地等方面有獨特的優勢。特別是對于自動駕駛汽車來說，由于潛在的損失和責任可能很大，而各種參與者之間的責任往往難以確定，因此除非能夠通過保險轉移分散，否則自動駕駛汽車技術的商業市場難以形成。[92]與此同時，自動駕駛汽車對于現行責任保險體系也提出了挑戰，現行以機動車使用人為主體構建的責任保險規則難以為繼，需要重新構建一套適應自動駕駛技術的責任保險規則。

（三）自動駕駛汽車的數據治理

從某種程度上講，自動駕駛汽車更像是一臺裝有輪子的電腦，而不是一臺裝有電腦的汽車，它們隨時隨地都在收集、利用和傳輸數據。[93]這與我們擁有的智能手機越發相似。而隨著汽車越來越像帶著座位的巨型手機和移動電腦，它們就越依賴數據的喂養和網絡的支持，同時更容易受到高科技的攻擊。至此，如何確保自動駕駛汽車的數據和網絡安全就成了頭等大事。其中，最讓個體擔心的便是隱私和個人信息保護問題。對于自動駕駛汽車而言，無論是私人所有，還是臨時租賃，汽車與個人的交互不可避免，需要不停地收集處理海量的個人信息，如用戶的姓名、家庭地址、電話、通信錄、位置信息等，這些數據組合起來就可以對個人進行精準畫像。未來，自動駕駛汽車將和飛機一樣配備黑匣子來記錄數據，同時各種攝像頭、傳感器全方位開啟，各種有關部門可以獲知車主的一舉一動。作為車主的你，想想這一切就可能如坐針氈。[94]

此外，汽車數據還具有重要的經濟價值，汽車行業是大數據的富礦。數據之所以被視為資源，原因就在于其分析價值，單個數據可以直接描述對象的某個或某類特征，但海量數據相互聯系，就能夠抽象出數據對象背后的普遍特征，并通過其透析客觀世界或分析對象的規律、特征，預測未來。[95]世界上每天有數以億計的人在使用汽車去上班、回家、購物以及娛樂等，每個人都有各自的生活。這些數據可以聚合、排序和打包，如果從他們使用汽車的習慣來研究出某些規律，那將非常具有價值。[96]這些極具經濟價值的汽車數據，如何界定它們的產權和利用邊界也是擺在我們面前亟需解決的問題。