一辆出租车停在前面但是没有司机也没有安全员。这曾经只出现在科幻片里的场景现在已经进入北京、广州的部分区域。 滴滴无人出租车当天开始对外接单，实际载客的车型是R2。
乘客上车之后，车辆会在规定的区域内自行行驶、避障停车，车内不需要有人坐在驾驶座位随时接管。
最容易引起误解的地方也正处在在这里：这是不是意味着以后在所有的地区都可以随便打到一辆无人车？答案还没有。
目前开放的是官方无人载客测试性质的项目，并不算是全面商业化运营。车辆只会在划定的片区内运行，投放的数量也较少，能否叫到R2要根据所在区域是否开放以及当时是否有车来决定。
这也解释了为什么它和普通网约车里的“智能辅助驾驶”不是一回事。很多家用车虽然装有辅助功能，但是驾驶员仍然要全程观察路况并随时准备接管车辆控制。
R2使用的是L4级自动驾驶方案。在允许运营的特定区域内它可以自己识别出周围的环境、判断出路况、进行避让并完成停车，在离开划定范围之后它就不会再适用这套能力了。
换句话说，普通辅助驾驶的核心是人开车、系统帮忙，而L4无人车在限定场景中则是系统开车、人坐车。二者虽然都带有智能化的标签，但是所处的责任和能力边界却不在一个层次上。
支撑该辆车独立行驶的是一个比较齐全的硬件配置。R2是由滴滴和广汽埃安共同开发出来的车型，并且其自动驾驶部分是基于滴滴自主研发的L4方案而设计出来的。
整车配备了33个感应装置，包括激光雷达、摄像头以及感应雷达等。不同的设备分别负责采集不同的信息，目的不是“看到更远的地方”，而是尽量缩小单一感知方式造成的盲区。
车辆算力大于2000TOPS时，则系统需要在很短时间内处理大量的道路信息。相比之下普通家用车的智能辅助驾驶算力一般只有几十到几百，二者之间的配置差别也不是难以理解的。
更高的算力并不等于可以突破运营边界，却可以让车辆在规定的区域内更快地处理传感器上传的数据。路口、行人、障碍物、周边车辆等情况同时出现的时候，系统必须立即作出判断，这就是无人出租车比一般辅助驾驶更依赖硬件和计算能力的原因。
滴滴所采用的技术思路同市场上另一类路线存在着明显的反差。它把不同的雷达或者传感器一起参与感知，在较高的算力下完成决策。
这种方式可以理解为“多看几眼、多算几遍”。通过增加更多的硬件设备来使道路状况识别更加清楚，再提高车辆操控的精确度。
特斯拉无人车走向另一端，更加重视极简路线。它不依靠雷达，主要依靠摄像头和算法，并且不断迭代数据来提升系统能力。
到底是采用多传感器高冗余的路线更适合普及还是以摄像头、算法为核心的路线更高效目前还没有定论。两种方向仍然在技术上、成本上以及实际运营场景中进行检验。
对于乘客而言，R2的变化不只是驾驶位空出而已。后排配有大屏，乘车途中可以观看视频，等待和通勤时间不再只是盯着窗外或者手机。
车内还有AI语音交互功能。乘客不用动手就可以通过语音核对上车尾号来调整空调、开启氛围灯等功能，并且这些功能并不直接影响到车辆能否自动行驶，但是会影响实际乘坐的便利程度。
另外还有个容易被忽视的细节就是车辆在接待下一位乘客之前会自动开窗换气。上一位乘客留下的气味因此不容易滞留，对经常乘坐网约车的人来说，这种体验上的改善是很明显的。
无人出租车真正值得人关注的不是“车里没有驾驶员”这一画面多么新奇，而是自动驾驶开始由展示技术向面向普通人的出行转变。即使现在的范围小、车辆少，它也是公众第一次以乘客的身份接触L4级无人驾驶的过程。
当然限定区域、测试运营和有限投放也提醒着人们：这项技术还没有达到可以随时随地使用的阶段。能够安全运行的边界依然是无人出租车必须回答的问题。
但是从北京、广州部分区域已经可以接单的那一刻起，完全无人驾驶的出租车就不再是概念演示了。你更愿意优先体验没有司机的网约车，还是等到它覆盖范围更大、运行时间更久再尝试呢？
本文信息来源于凤凰网科技、OFweek智能汽车以及东方网通等平台所发表的文章内容，并不承担任何投资决策的责任。
