0:00:00.528,0:00:04.477
在1885年，卡尔本茨发明了汽车。

0:00:04.707,0:00:08.469
那年年末，他把车开出去[br]进行第一次户外测试,

0:00:08.469,0:00:11.844
然后——真实是——他撞墙了。

0:00:12.184,0:00:14.227
在过去的130年里，

0:00:14.227,0:00:18.546
我们一直在为汽车的最薄弱环节，[br]驾驶员，做着努力。

0:00:18.546,0:00:20.210
我们把车做得更坚固,

0:00:20.210,0:00:22.748
我们增加了安全带，增加了安全气囊。

0:00:22.748,0:00:26.719
在过去十年里，[br]我们开始让车变得更智能,

0:00:26.719,0:00:29.657
是为弥补驾驶员方面的缺陷。

0:00:29.657,0:00:32.918
那么，今天我将给大家讲讲，

0:00:32.918,0:00:36.726
用驾驶员辅助系统解决问题，

0:00:36.726,0:00:39.290
和真正使用全面自动驾驶汽车的区别，

0:00:39.290,0:00:41.170
以及它们对世界的贡献。

0:00:41.170,0:00:44.165
我也会介绍一下我们的车，

0:00:44.165,0:00:48.164
让你们了解它是如何观察这个世界的，[br]以及如何应对各种情况，

0:00:48.164,0:00:51.351
但首先我先说说存在的问题。

0:00:51.651,0:00:52.999
这是个很严重的问题，

0:00:52.999,0:00:56.388
每年全世界都有120万人[br]因交通事故丧命。

0:00:56.388,0:01:00.172
仅仅在美国，[br]每年就有3万3千人死于车祸。

0:01:00.172,0:01:02.200
换个方式说,

0:01:02.200,0:01:06.997
等同于每天都有一架737飞机失事。

0:01:07.342,0:01:09.128
有点不可思议。

0:01:09.548,0:01:11.846
汽车卖给我们后应该是这样一番景象，

0:01:11.846,0:01:14.563
但事实上，驾驶过程通常是这样。

0:01:14.563,0:01:16.722
对吧？这不是晴天，是雨天，

0:01:16.722,0:01:19.210
而且除了开车，[br]你还想做点别的事情。

0:01:19.210,0:01:20.832
原因就是：

0:01:20.832,0:01:22.690
交通状况变得越来越糟。

0:01:22.690,0:01:26.196
在美国，从1990年到2010年,

0:01:26.196,0:01:29.700
交通工具的里程数增加了38%。

0:01:30.213,0:01:32.962
而我们只增修了6%的路,

0:01:32.962,0:01:34.564
所以不单单是你的感觉如此。

0:01:34.564,0:01:38.840
交通状况的确比以前糟糕得多。

0:01:38.840,0:01:41.249
所有的这一切也都伴随着人力成本。

0:01:41.529,0:01:45.477
如果你把在美的平均通勤时间，[br]约50分钟，

0:01:45.477,0:01:49.126
乘以我们的1亿2000万工作者,

0:01:49.126,0:01:51.351
结果就是60亿分钟，

0:01:51.351,0:01:53.377
每天会被浪费在路上。

0:01:53.377,0:01:56.204
这是个很大的数字，[br]那么我们换个方式,

0:01:56.204,0:01:57.978
你把这60亿分钟，

0:01:57.978,0:02:01.762
除以人均寿命，

0:02:01.762,0:02:04.897
得出数字是162个生命周期。

0:02:04.897,0:02:07.822
仅仅从A地到B地，每天就有这么多

0:02:07.822,0:02:09.866
生命白白浪费掉了。

0:02:09.866,0:02:11.596
太难以置信了。

0:02:11.596,0:02:14.440
当然，我们当中还有一些人无法享有

0:02:14.440,0:02:16.112
坐到车流中来的权利。

0:02:16.112,0:02:17.180
这个人叫史蒂夫。

0:02:17.180,0:02:19.455
他是个很有才能的人。

0:02:19.455,0:02:21.971
但很不幸，他是盲人，

0:02:21.971,0:02:25.188
这意味着本来早上[br]上班路上的30分钟，

0:02:25.188,0:02:29.167
变成了两个小时的[br]各种转乘公共交通的折磨，

0:02:29.167,0:02:31.552
或者是请求朋友或家人载他一程。

0:02:31.552,0:02:35.221
他并没有像你我一样[br]想去哪儿就去哪儿的自由。

0:02:35.221,0:02:37.911
我们应该改变这种现状。

0:02:37.911,0:02:39.648
现在，传统观点认为,

0:02:39.648,0:02:42.140
我们应该使用驾驶员辅助系统，

0:02:42.140,0:02:45.480
然后不停改进它们,

0:02:45.480,0:02:48.432
总有一天，它们能够实现自动驾驶。

0:02:48.432,0:02:50.841
事实上我今天来就是想告诉你们，[br]这就跟

0:02:50.841,0:02:54.898
如果我努力练习弹跳，[br]有一天我就能飞翔一样不现实。

0:02:54.898,0:02:57.626
我们需要做点不同的东西。

0:02:57.626,0:02:59.737
我会跟你们介绍

0:02:59.737,0:03:03.683
自动驾驶系统和驾驶员辅助系统的[br]三个不同方面。

0:03:03.683,0:03:06.334
我先从自己的经历说起。

0:03:06.334,0:03:08.587
在2013年，

0:03:08.587,0:03:11.250
我们进行了第一次自动驾驶测试，

0:03:11.250,0:03:13.277
让普通人来操作。

0:03:13.277,0:03:15.479
算是普通人吧——[br]他们是100名谷歌员工，

0:03:15.479,0:03:17.482
但他们没有参与开发这个项目。

0:03:17.482,0:03:21.103
我们把车给他们，[br]让他们在日常生活中使用。

0:03:21.103,0:03:24.822
但与真的自动驾驶汽车不同，[br]这一辆得加个星号上去：

0:03:24.822,0:03:26.326
他们得留多个心眼儿，

0:03:26.326,0:03:28.959
因为这只是一辆试验车。

0:03:28.959,0:03:32.484
我们虽然进行了很多测试，[br]但还是有风险。

0:03:32.484,0:03:34.543
我们对他们进行了两个小时的训练，

0:03:34.543,0:03:36.635
然后让他们进行实际操作，

0:03:36.635,0:03:38.762
然后我们得到了一些很好的反馈，

0:03:38.762,0:03:41.136
因为有人把产品带到现实中来了。

0:03:41.136,0:03:43.211
每个人都对它赞不绝口。

0:03:43.211,0:03:46.777
事实上，在第一天[br]有一个保时捷驾驶员进来跟我们说，

0:03:46.777,0:03:49.440
“这实在是太无厘头了。[br]你们到底怎么想的？”

0:03:49.850,0:03:52.480
但最后，他说，“不单是我需要它，

0:03:52.480,0:03:55.865
每个人都需要有一辆，[br]大家的车技都太烂了。”

0:03:57.135,0:03:58.870
这番话就是我们的福音，

0:03:58.870,0:04:02.673
然后我们开始观察[br]人们在车里都在做什么，

0:04:02.673,0:04:04.252
真让人大开眼界。

0:04:04.252,0:04:06.690
我最喜欢的故事，是一位先生

0:04:06.690,0:04:10.519
低头看手机，发现手机快没电了，

0:04:10.519,0:04:15.067
然后他在车里这样转过身，[br]在背包里四处摸索着，

0:04:15.067,0:04:16.980
拿出他的笔记本电脑，

0:04:16.980,0:04:18.787
放到副驾驶座位上，

0:04:18.787,0:04:20.551
再转过身，

0:04:20.551,0:04:23.918
又摸了一通，拿出手机充电线，

0:04:23.918,0:04:27.285
理一下线，插进电脑里，连上手机。

0:04:27.285,0:04:29.328
棒极了，手机有电了。

0:04:29.328,0:04:33.322
而他那时正行驶在时速65英里的高速上[br]（约104公里每小时）。

0:04:33.322,0:04:35.806
能想象到吗？太难以置信了。

0:04:35.806,0:04:38.927
所以我们想了想，说，[br]这挺明显的对吧？

0:04:38.927,0:04:41.190
科技越来越发达，

0:04:41.190,0:04:43.311
驾驶员就不需要太负责任。

0:04:43.311,0:04:45.707
所以只是把车变得更加智能，

0:04:45.707,0:04:48.609
并没法让我们看到真正需要的成功。

0:04:48.609,0:04:52.510
我在这里要暂时说一点技术上的东西。

0:04:52.510,0:04:54.948
在这张图上，底部的线

0:04:54.948,0:04:57.999
代表着在不必要的时候[br]制动刹车发生的频率。

0:04:57.999,0:04:59.620
你可以忽略这条轴的大部分.

0:04:59.620,0:05:03.339
因为如果你在城里开车，[br]然后车时不时自己停下来。

0:05:03.339,0:05:05.040
你永远都不会买这辆车。

0:05:05.040,0:05:08.415
竖直的轴线表示车会[br]在你需要避免事故时

0:05:08.415,0:05:11.464
采取制动刹车的频率。

0:05:11.464,0:05:13.685
如果我们看左下角,

0:05:13.685,0:05:15.530
这是你们正在开的普通汽车。

0:05:15.530,0:05:18.663
它不会自动为你刹车，[br]也不至于刹车失灵，

0:05:18.663,0:05:21.442
但它无法为你避免事故。

0:05:21.442,0:05:24.090
如果我们把驾驶员辅助系统[br]装进车里，

0:05:24.090,0:05:25.988
比如说撞击缓冲刹车系统，

0:05:25.988,0:05:28.240
我们会导入一系列的科技，

0:05:28.240,0:05:31.428
也就是这条曲线，[br]它有了一些操作属性，

0:05:31.428,0:05:33.708
但也不会完全规避事故，

0:05:33.708,0:05:35.727
因为它没有这个能力。

0:05:35.727,0:05:37.796
但我们会在曲线上取某个点，

0:05:37.796,0:05:41.370
也许它可以避免一半[br]因驾驶员失误引起的事故。

0:05:41.370,0:05:42.697
挺赞的，对吧？

0:05:42.697,0:05:46.394
我们可以减少一半的交通事故。

0:05:46.394,0:05:50.381
这样每年在美国就有1万7千人[br]幸免于难。

0:05:50.381,0:05:52.401
但如果我们想要一辆自动驾驶汽车，

0:05:52.401,0:05:54.708
我们需要一条这样的曲线。

0:05:54.708,0:05:57.307
我们得在车里加装更多的传感器，

0:05:57.307,0:05:59.138
然后在这里挑某个操作点，

0:05:59.138,0:06:01.347
在这个点上基本[br]永远不会有事故发生。

0:06:01.347,0:06:03.790
多少还是会发生，但概率极低。

0:06:03.790,0:06:05.751
现在我们可以看看这里，

0:06:05.751,0:06:09.076
探讨一下是否有所增加，[br]我会提到比方说“80-20规则”，

0:06:09.076,0:06:11.594
而且很难再上升了。

0:06:11.594,0:06:14.628
但让我们暂时从另一个角度看一看。

0:06:14.628,0:06:18.870
我们看看这种科技应用的频率多高。

0:06:18.870,0:06:22.376
这个绿点表示驾驶员辅助系统。

0:06:22.376,0:06:24.861
调查发现人类驾驶员

0:06:24.861,0:06:27.508
因为自身错误导致的交通事故，

0:06:27.508,0:06:30.680
在美国是每10万英里（约16万公里）[br]发生一次。

0:06:30.680,0:06:35.227
对比之下，自动驾驶系统约在每秒

0:06:35.227,0:06:37.220
会自行做10次决定。

0:06:37.220,0:06:38.932
所以就数量级而言，

0:06:38.932,0:06:41.764
约是每英里（1.6公里）1000次。

0:06:41.764,0:06:44.249
如果你对比一下两者的差距，

0:06:44.249,0:06:46.849
就是10的八次方，对吧？

0:06:46.849,0:06:48.614
8个数量级，

0:06:48.614,0:06:51.423
这就像拿我跑步的速度

0:06:51.423,0:06:53.629
和光速比较，

0:06:53.629,0:06:57.414
即便我再刻苦训练，[br]也永远达不到光速。

0:06:57.414,0:06:59.852
所以这个跨度非常大。

0:06:59.852,0:07:03.581
最后，就是这个系统如何[br]处理不确定性。

0:07:03.581,0:07:06.904
那么这个行人可能会走到路上，[br]也可能不会。

0:07:06.904,0:07:09.929
我不确定，也没有任何算法能确定，

0:07:09.929,0:07:12.594
但对于驾驶员辅助系统来说，

0:07:12.594,0:07:14.720
这意味着它无法采取措施，

0:07:14.720,0:07:18.739
因为如果它在预期之外采取制动，[br]是完全不合适的。

0:07:18.739,0:07:21.872
但自动驾驶系统则会观察行人，

0:07:21.872,0:07:23.762
然后说我不知道他们要做什么，

0:07:23.762,0:07:27.524
于是减速，再仔细观察，[br]然后采取适当措施。

0:07:27.524,0:07:31.226
所以这就比驾驶员辅助系统[br]要安全得多，

0:07:31.226,0:07:33.956
那么以上的例子就[br]足以体现这两者的区别了。

0:07:33.956,0:07:37.140
现在我们再花点时间聊聊[br]车是如何观察环境的。

0:07:37.140,0:07:38.692
这是我们的车。

0:07:38.692,0:07:40.890
它从识别自己的位置开始，

0:07:40.890,0:07:43.917
通过将它的地图和[br]传感器数据进行叠加，

0:07:43.917,0:07:46.865
然后我们再加上它当时看到的东西，

0:07:46.865,0:07:50.520
所以在这里所有你能看到的紫色盒子[br]是路上的其他车辆，

0:07:50.520,0:07:53.048
旁边红色的物体则是一位骑单车的人，

0:07:53.048,0:07:55.450
如果你再仔细点看，在远处，

0:07:55.450,0:07:57.244
你能看到一些锥形路障。

0:07:57.244,0:08:00.017
这样我们就能知道汽车现在的位置了，

0:08:00.017,0:08:03.130
但我们还得再改善：[br]我们得预测将发生的事情。

0:08:03.130,0:08:06.698
这里右上角的小卡车正准备换到左道,

0:08:06.698,0:08:08.961
因为前面的路被封了，

0:08:08.961,0:08:11.292
所以它得驶离原车道。

0:08:11.292,0:08:13.155
能知道一辆小卡车的轨迹确实不错,

0:08:13.155,0:08:15.634
但我们真正需要的是[br]了解每个人的想法,

0:08:15.634,0:08:18.141
所以问题就变得十分复杂了。

0:08:18.141,0:08:22.460
了解这些之后，[br]我们就可以算出汽车该如何应对，

0:08:22.460,0:08:26.756
该跟随哪条线路，[br]要多快实现减速或者加速。

0:08:26.756,0:08:29.821
所有的这一切最终都会[br]变成跟随一条路径：

0:08:29.821,0:08:33.018
向左或还是右打方向盘，[br]踩刹车还是油门。

0:08:33.018,0:08:35.482
所有的一切最终都[br]简化成了两个数值，

0:08:35.482,0:08:37.723
那这能有多难呢？

0:08:38.433,0:08:40.385
在2009年我们刚开始测试的时候，

0:08:40.385,0:08:41.983
我们的系统看起来是这样的。

0:08:41.983,0:08:44.714
你能看到我们的车在中间，[br]路上还有其他盒子，

0:08:44.714,0:08:46.075
同时在高速上行驶着。

0:08:46.075,0:08:49.503
这辆车需要知道自己的位置[br]以及其他车辆的大概方位。

0:08:49.503,0:08:53.092
基本上就是一种几何的分析方式。

0:08:53.092,0:08:56.040
当我们开始在社区和[br]城市道路上行驶时，

0:08:56.040,0:08:58.485
问题又上升到了一个新的难度。

0:08:58.485,0:09:01.979
你能看到行人在我们面前穿梭，[br]还有汽车,

0:09:01.979,0:09:03.460
横纵交错，

0:09:03.460,0:09:05.317
还有红绿灯，人行横道。

0:09:05.317,0:09:08.114
相比之下问题变得极度复杂。

0:09:08.114,0:09:10.217
当你把这个问题解决后，

0:09:10.217,0:09:12.729
接下来汽车还得能应付建筑施工。

0:09:12.729,0:09:15.880
所以左边的锥形路障会[br]迫使汽车开到右边，

0:09:15.880,0:09:18.282
当然不仅需要避开施工区域，

0:09:18.282,0:09:22.005
它还得应付在其间走动的其他人。

0:09:22.005,0:09:24.808
当然，如果有人违规了，[br]有警察在那里，

0:09:24.808,0:09:28.070
汽车就得明白车上闪着灯

0:09:28.070,0:09:31.385
意味着这不仅仅是一辆车，[br]还有一位警官。

0:09:31.385,0:09:33.577
类似的，这里路边橘黄色的盒子，

0:09:33.577,0:09:35.136
是校车，

0:09:35.136,0:09:37.656
我们也得分开来处理。

0:09:38.576,0:09:41.369
当我们在路上时，[br]其他人会表达各种意图：

0:09:41.369,0:09:43.149
当骑单车的人举起他们的手臂，

0:09:43.149,0:09:46.667
这就意味着他们希望有车能[br]让给他们点空间

0:09:46.667,0:09:48.720
以便进行换道。

0:09:49.030,0:09:51.203
当路中间站着一位警官，

0:09:51.203,0:09:53.943
我们的车得明白这手势是要你停下来，

0:09:53.943,0:09:57.449
当他们示意我们可以走了，[br]我们才能继续。

0:09:57.449,0:10:01.210
我们达成这些目标，[br]是通过和其他车辆分享数据。

0:10:01.210,0:10:02.906
首先，最简单粗制的模型,

0:10:02.906,0:10:05.019
就是当一辆车看到建筑施工地带时,

0:10:05.019,0:10:08.081
告知另一辆车，让它驶上正确的车道

0:10:08.081,0:10:09.651
以避免麻烦。

0:10:09.651,0:10:12.315
但我们对此有更深的认识。

0:10:12.315,0:10:15.324
我们可以搜集车辆在一段时间内[br]看到的数据，

0:10:15.324,0:10:17.700
数以千计在路上的行人，骑单车的人，

0:10:17.700,0:10:19.487
以及其他车辆，

0:10:19.487,0:10:21.182
了解他们的外形，

0:10:21.182,0:10:23.823
再用之去推理其他车辆

0:10:23.823,0:10:25.939
以及其他行人的外形。

0:10:25.939,0:10:28.960
然后，更重要的是，[br]我们可以从中得出一个模型,

0:10:28.960,0:10:31.290
预测所有交通参与者的去向。

0:10:31.290,0:10:34.253
这里的黄色盒子是[br]我们面前过马路的行人。

0:10:34.253,0:10:36.503
这个蓝色盒子是个骑单车的人，[br]而且我们预测

0:10:36.503,0:10:39.815
他会一直保持在车辆右侧。

0:10:40.115,0:10:42.207
这里有个在路上骑单车的人，

0:10:42.207,0:10:44.813
我们知道他会沿着路一直骑下去。

0:10:44.813,0:10:47.160
这里有人右转了,

0:10:47.160,0:10:50.290
而在这里，有人会在我们面前调头，

0:10:50.290,0:10:53.324
我们可以预测这个行为并安全应对。

0:10:53.324,0:10:55.922
目前为止，对于我们见过的场景[br]都没什么问题，

0:10:55.922,0:10:57.927
但当然，你还会遇见很多

0:10:57.927,0:10:59.698
之前没见过的东西。

0:10:59.698,0:11:01.439
几个月前，

0:11:01.439,0:11:03.484
我们的车辆在通过Mountain View[br]（硅谷地名）的时候，

0:11:03.484,0:11:04.848
就遇到了这样的情景。

0:11:04.848,0:11:07.220
这是个坐着电动轮椅的女士,

0:11:07.220,0:11:10.677
在路中央绕着圈追赶一只鸭子。[br]（笑声）

0:11:10.677,0:11:13.788
结果呢，在机动车驾驶管理处的手册里

0:11:13.788,0:11:16.033
没有一条告诉你该怎么做，

0:11:16.033,0:11:17.916
但我们的车辆却能灵活应对，

0:11:17.916,0:11:20.431
减速并安全通过。

0:11:20.431,0:11:22.272
我们应付的不只是鸭子,

0:11:22.272,0:11:26.180
看看这只飞过我们面前的鸟，[br]汽车也会对之做出处理。

0:11:26.180,0:11:27.795
这里还有一个骑车的,

0:11:27.795,0:11:31.085
估计除了在Mountain View，[br]其他地方很难见到。

0:11:31.085,0:11:33.153
当然，我们还得应付其他驾驶员，

0:11:33.153,0:11:36.868
甚至那些幼龄的。

0:11:36.868,0:11:40.999
注意右边，那个从货车上跳下来的人。

0:11:42.210,0:11:45.389
现在，注意左边绿盒子那辆车，

0:11:45.389,0:11:48.714
它决定在最后的时刻右转。

0:11:48.714,0:11:51.245
这里，当我们变道时，我们左边的车

0:11:51.245,0:11:55.118
也同样想变道。

0:11:55.118,0:11:57.811
还有这里，我们看到一辆车闯了红灯，

0:11:57.811,0:11:59.901
我们就先让它通过。

0:11:59.901,0:12:03.755
同样这里，骑单车的人也闯红灯了，

0:12:03.755,0:12:06.501
不出所料，[br]我们的车也能安全应对。

0:12:06.501,0:12:09.102
当然还有一些莫名其妙的人，

0:12:09.102,0:12:12.645
就像这家伙一样，[br]直接就从两辆自动驾驶汽车中窜出来。

0:12:12.645,0:12:14.970
你会想问，“你脑子是怎么想的？”

0:12:14.970,0:12:16.182
（笑声）

0:12:16.182,0:12:18.113
我已经给你们看了大量的例子，

0:12:18.113,0:12:20.863
我快速地讲一下其中的一个案例。

0:12:20.863,0:12:23.363
我们现在看到的还是骑单车的人，

0:12:23.363,0:12:27.034
你们可能会发现在下面的视角，[br]我们还看不到那个人，

0:12:27.034,0:12:29.968
但车能看到：就是那里的小蓝盒子,

0:12:29.968,0:12:31.999
这来自于激光数据。

0:12:31.999,0:12:33.897
这并不是很容易理解，

0:12:33.897,0:12:36.661
那么我接下来要做的，[br]就是调出激光数据看一下,

0:12:36.661,0:12:39.000
如果你擅长分析激光数据，你能发现

0:12:39.000,0:12:40.787
曲线上的一些点，

0:12:40.787,0:12:44.099
就在那儿，[br]那个蓝色小盒子就是骑单车的人。

0:12:44.099,0:12:45.978
这会儿面对我们的还是红灯，

0:12:45.978,0:12:47.560
自行车道的灯已经变黄了，

0:12:47.560,0:12:50.778
如果你瞥一眼的话，就能看到了。

0:12:50.778,0:12:54.034
但是骑单车的人，[br]我们看到他准备穿过这个十字路口，

0:12:54.034,0:12:56.718
我们的灯已经变绿，[br]他的方向也变红了，

0:12:56.718,0:13:01.010
我们预期到这辆单车将会横穿马路。

0:13:01.010,0:13:04.752
但不幸的是，[br]我们旁边的其他司机并没有注意到。

0:13:04.752,0:13:07.909
他们开始踩油门,[br]不过幸运的是，

0:13:07.909,0:13:10.280
骑单车的人及时避开了，

0:13:10.280,0:13:13.111
然后平安地穿过了十字路口。

0:13:13.111,0:13:14.679
之后我们才又继续前进。

0:13:14.679,0:13:17.627
正如你们所见，[br]我们已取得了一些激动人心的成就，

0:13:17.627,0:13:19.529
此时我们深信

0:13:19.529,0:13:21.539
这项技术将会进入市场。

0:13:21.539,0:13:26.322
我们每天用虚拟器做[br]3百万英里的测试，

0:13:26.322,0:13:29.011
所以你就能够想象到[br]我们的车辆获得了多少经验。

0:13:29.011,0:13:31.875
我们期待这项技术能在道路上使用，

0:13:31.875,0:13:34.765
并且认为正确的选择是自动驾驶，

0:13:34.765,0:13:36.609
而非驾驶员辅助系统，

0:13:36.609,0:13:39.230
因为情况已经刻不容缓了。

0:13:39.230,0:13:41.623
就在我演讲的时间段内,

0:13:41.623,0:13:44.758
在美国的公路上已经有34人丧生。

0:13:44.758,0:13:47.126
我们多久能实现这个目标呢？

0:13:47.126,0:13:50.958
嗯，很难说，[br]因为这是个很复杂的问题，

0:13:50.958,0:13:53.172
这两个是我的儿子。

0:13:53.172,0:13:56.795
大的11岁，也就是说在四年半后，

0:13:56.795,0:13:59.372
他就能去考驾照了。

0:13:59.372,0:14:02.576
我和我的团队承诺[br]尽量不让他去考（已经不需要了）。

0:14:02.576,0:14:04.480
谢谢。

0:14:04.480,0:14:08.147
（笑声）（掌声）

0:14:08.890,0:14:11.068
克利斯·安德森（CA）：[br]克里斯，我有个问题要问你。

0:14:11.068,0:14:12.707
克里斯·厄姆森（CU）：问吧。

0:14:14.487,0:14:18.411
CA：显而易见，[br]你们的车有着让人惊奇的大脑。

0:14:18.411,0:14:22.870
在驾驶辅助和无人驾驶这场辩论上——

0:14:22.870,0:14:25.911
我是说，现在就有一场真正的辩论。

0:14:25.911,0:14:28.744
一些公司，例如，特斯拉，

0:14:28.744,0:14:30.903
正在走驾驶辅助的路线。

0:14:30.903,0:14:36.151
而你所说的，[br]就是这将是个没前途的死胡同,

0:14:36.151,0:14:41.607
因为你不能指望在这方面不断提高[br]就会在某个时候实现无人驾驶，

0:14:41.607,0:14:45.137
然后有驾驶员说[br]“这已经挺安全的了”，

0:14:45.137,0:14:47.784
然后转身去后座，[br]不幸就发生了。

0:14:47.784,0:14:50.120
CU：对，你说得对，这并不是说

0:14:50.120,0:14:53.547
驾驶员辅助系统作用不大。

0:14:53.547,0:14:55.675
它能在这个过渡阶段拯救很多生命,

0:14:55.675,0:14:59.308
但为了抓住这一变革性的机会，[br]能帮助像史蒂夫这样的人行动自如，

0:14:59.308,0:15:01.857
为了终结安全事故，

0:15:01.857,0:15:04.336
为了有机会改变我们的城市，

0:15:04.336,0:15:08.290
解决停车问题，[br]摆脱我们称为停车场的城市大坑,

0:15:08.290,0:15:09.780
这是唯一的办法了。

0:15:09.780,0:15:12.498
CA：我们会带着浓厚的兴趣[br]关注你们的进展的。

0:15:12.498,0:15:16.730
谢谢你，克里斯。[br]CU：谢谢。（掌声）