无人驾驶时代来临，汽车保险业又将如何变革？
编者注：本文的作者Christopher Kelvin Lee是Albus Insurance的联合创始人兼CEO。2017年4月25日，他在加州首府萨克拉门托见证了即将实施的无人驾驶车辆监管条例的出台。
早期的无人驾驶车辆与早期快速帆船航运非常类似。帆船的设计架构对外高度保密，不仅如此，海上贸易路线的竞争也异常激烈，每家航运公司往往争得头破血流，不可开交。
之后，航运公司不再满足于现状，他们希望打造出一艘速度更快，船体更坚固的运输货船，以及规模化的造船厂（前身结合了铁路劳工组织和T型装配线），而这些方案的设计诀窍恰恰是一个公司需要高度保守的秘密。从航运的方方面面，体现出的都是那个时代久违的时代精神。
早期，西方各国政府在战争中取得的胜利，以及通过签订各类不平等条约获取巨额的利益，这都让这种航海热情持续发酵。各个国家受诱惑力巨大的经济利益驱使，大力发展海军力量，建立海上军队执行条约，确保自身在新殖民地经济贸易的垄断地位，其中新世界尚未开发的财富更是让资本主义国家趋之若鹜。
今天，个中收益仍居高不下。就像过去的航海时代一样，船只需要通过不断航行去探索世界，发掘财富，现代无人驾驶汽车亦是如此，必须时刻保持运行，继续前进，从而最大限度地发掘它的潜力。
当我撰写这篇文章的过程中，收到了关于知识产权的诉讼，于是基于民营公司的估值以及上市公司的市值的AV战略也因此受到影响。
在监管体制内，一些体制的盲区尚未得到很好的解决。大体上，基本监管体制的执行由多数社会人群负责，只有很小一部分交由制定基本规则的监管机构执行。
先是由加利福尼亚公路巡逻队和各种执法机构负责进行监管执行，再交由法院解决纠纷，明确执法解释，接着工程师须进行执法安全测试，最后的消费者则是监管执行的主体目标。
不过，那些在游戏中买得起皮肤的玩家最担心的就是投入的钱打水漂，因此相当关注该游戏公司的风险管理：公司财务状况的好坏与商业成功和金融责任方（贷款人，保险公司，投资人）休戚相关。
然而，总结过去的竞争，我发现有两个重要的非工程发明帮助推动英国公司赶超法国和西班牙同行业公司：一是有金融创新的股份制公司，二是有保险创新的风险集团。
今天，我们面对着同样的压力。新形式的融资方式及保险方式需要相互结合，从而做到真正推动自主技术产业发展。同时，也要伴随着适当的政策制定，这样一来，便于创始人或公司部门分配奖励和共担风险。
但是，尽管人类的进步建立在一系列风险承担之上，但通过反复暴富和经济崩溃的周期之后，政府才专门对此现象做出审慎的回应，做出调控。
著名的“南南海泡沫事件”将英国股份公司的发展带入了迷途。英国南海公司案发生在1720年，是世界证券市场首例由过度投机引起的经济事件，“泡沫经济”一词也是源于此案。1720年，“泡沫法案”的通过对股份有限公司的设立提出了许多限制条件，从而也遏制了英国股份公司的发展，除非获得皇家特许经营证。同样的，为了弥补经济损失和死亡损失，于1774年劳埃德咖啡馆迁入皇家交易所，专营海上保险的劳合社便诞生了。
虽然我们现在正处于了解AVs潜在优势和缺点的早期阶段，不过我们还是希望我们今天的决策者可以根据英国政府的调控手段，从中吸取一些经验和智慧。
可能的结果
Pontiac散热器外壳，CA 1937。Pontiac曾是红极一时的品牌汽车制造商，通用汽车公司旗下品牌之一，1926年到2010年之间销售火爆，如今已经消失在大众的视野里。由于这种模式的转变，今天许多产业的经济利益濒临险境，其中不乏银行，保险公司，汽车制造商以及其他新兴公司。
虽然每家公司对未来市场都会有自己独到的预测及看法，不过许多投资者还是倾向于公司的制胜之道，即必杀技，以及公司未来的愿景。同时，一些公司董事会成员和市场专家也有自己的主观想法，决策者需要衡量这些意见，统筹兼顾，因此决策过程变得难上加难。
以下是经过筛选的三个主要的主题路径。每个主题独立存在，但并不会相互排斥：
1. 软件木马
现有的制造商可能会希望在无人驾驶车辆上部署所需的硬件技术，简单地“关闭”以前及未来的硬件建构的功能。
此项策略便于人类辅助巡航控制或是驾驶系统（2级）基本上绕开车辆监管制度的监督，利用那段时间升级成熟的软件系统。当所有的监管制度以及软件系统准备就绪时，简简单单的软件更新都可以使得4级自主驾驶车辆拥有完美穿过川流不息的车流的能力，达到目的地。
不过，在此之前，这项技术将最有可能切换至2级或是3级状态，而保险和诉讼则更多的是体现在人机交互测试或是适宜的驱动程序参与程度。
2. 现金充裕
大公司基本的融资渠道有：通过单独的生产线获得收入；向私人投资者提供股权融资渠道或公共募股或是借贷融资。这些公司将自己的现金储备和风险自留能力作为自己的竞争优势，然而，这些优势留存并不长久，稍纵即逝。
不过说到底，研发部门还是有着100亿美元的预算上限。如果公司后来真的找到一个可再生能源的基金补助，将其转化成自身的创收，那么预算上限将会大幅度缩水。
投资的另类回报是将研发成果商业化以及通过运营robotaxi或是车队产生临时流动收入获取资金而形成的压力。最终对任何人来说，亏本生意就是调研的失败，尚未在市场里取得成功。
3. AV奖章
一些管理大型车队（救护车、公共汽车、卡车、出租车和豪华轿车等）的商业化车队运营商，慢慢开始地进化成为经过认证且有着自身特色的AV运营商。这些现存的车队运营商通过融资及投保等方式满足他们的运营需求，从而获得一些有明确的需求的最终客户。
一些现金充裕的公司往往在经过研发过程后，开始出现资金短缺的危机。所以他们希望通过向商业化车队运营商销售或租赁自主汽车来获得一定资金，从而改变现状。
政策制定者提出驾驶自主车辆的司机需要经过专业的训练，拿到特定执照，或者拥有对应的奖章。条款中认为自主车辆首先会被商业公司所应用采纳，然后随着车辆的普及，再慢慢转向消费者群体。
车队运营商自掏腰包支付安全培训、保险、融资和驾驶许可证的费用，只是为了吸引第一波消费者，从而实现经济效率最大化。这种势头将引领潮流，甚至可以强大到足以让消费者以后没有任何兴趣去购买自己的个人汽车，同样的，他们也不想再支付救护车的费用。
这类新型汽车的成本可能是普通汽车的5–10倍，值得一提的是，它的市场营销策略是先培养出一批专业化的人才，随着车辆的普及再进行收费，放长线钓大鱼。
或者在未来某一天，我们可以很容易地看到Path 1出现在大街小巷，随着自主驾驶技术的成本慢慢下降，消费者将放弃购置汽车的念头，而是更愿意去租一辆，在第二年再换一辆新的。
这种营销模式和苹果公司推出的iPhone升级程序的套路差不多，通过完成简单的融资和签订保修合同几个步骤，之后每年你都可以得到一个崭新且升级iPhone。
投资专家
包括巴菲特在内的一些投资者，已公开表示自动驾驶汽车的到来对汽车保险公司Geico造成了不小的负面影响。还有一些投资人则设想自主驾驶车辆在未来或许可以取代公共巴士系统。
权威人发表讲话时说道：“一天工作结束时，消费者和企业老板将会找到回家的最为通畅的绝佳路径，无论这条路是不是单一路线，还是组合路径。”
不论如何，自主驾驶车辆都拥有巨大的潜在利益：当地政府可以用更高效的运输工具取代空巴士，提升载客效率；在每一个火车站旁边设置一个robotaxi站点，能大大增加乘客运载量；愈加方便的运输方式以及更加低廉的价格可能是最终缓解加利福尼亚高速公路拥堵的关键。
总之，不管AVs属于谁，它都是最好的公共财产。
消费者对于AV技术的需求逐渐上升，意味着加利福尼亚可能登顶交通排行榜榜首，甚至超过一些像新加坡一样以最有效的交通基础设施闻名于世界的城市，以及像京津冀这样吸收了大量投资的大型地区。
尽管一个城邦在建立专向性经济补贴方面可能更加灵活，一个中央党政府也更有权利向单一的目标倾注数百亿美元，然而加利福尼亚作为一个州，却以其独有的创新性和实验性继续蓬勃发展。但我们同时也必须留心，我们的行动会对其余50个州以及更大的联邦制度产生影响。
CalSTA和DMV必须对商业利益保持中立态度，这有利于根据监管条例提前得出可能的结果，然后在2017第四季度或2018第一季度进一步实施。如果企业和消费者在满足消费者对于燃料研发需求的过程中，遇到障碍或是想到其他切换战略，从而另辟蹊径来提升效率。对此，我们也不会感到意外。
当电车难题遇上模拟法庭
有一个哲学问题流行一时：人工智能在拯救乘客生命与拯救非乘客财产之间，如何进行抉择。
还有一个在法律界流传颇广的一个问题就是：算法失误要如何承担后果。然而，没有事故原因，相应原告律师，以及作为参考的实际案例法，一切都是摸着石头过河，可能多年之后，我们才能找到真正的答案。在那之前，行之有效的方法可以是借助“深度学习”或“神经网络”相关的算法，运用数学策略来推演解决方案。
而大规模数学问题的自主演算必将导向机器学习。 机器学习需要大量收集数据的支持，自动驾驶汽车背后的这些技术必须经过大量训练才能有所成效。此外，许多神经网络或深度学习算法通常是NP完备性质的，这意味着解决这些算法所需的时间将随着问题规模的增长而快速增长。
即使拥有最先进GPU的超级计算机，也无法确定的处理一些决策。 从法律学者的角度来看，这需要当事人来进行决定，因为他们才是决策的责任者。毕竟，机器只能进行概率推算，做出不确定性的决定。
最终，专注于算法甚至可能是一个错误。人们可能不需要找到完美的解决方案。找到比传感器数据更精确的解决方案可能实质上并无必要。如果用户知道车辆位置还差1毫米距离达到停车完美方案，他们会选择执行么？不会，人们往往会选择立即停下。
许多人认为，NYC四级自主驾驶是智能自驾的最高标准，这一等级要求实现与驾驶员的眼睛接触，同时理解行人的身体语言。
“最安全”的自主技术可能并不一定意味着“最佳”自主技术。在某些情况下，我们希望实现自主驾驶员与人类驾驶员无差别化。
虽然这些问题很有意思，但不一定利于解决头年存在的安全、法律责任和保险方面等问题。虽然在CalSTA和车管局的评测中，可能会进行有关里程和脱离接触的检测，但这种程度的安全预防措施仅仅是表面的。
系统故障或代码故障随时可能发生。而除了工程师本身或最终的驾驶人外，没有人会考虑到监测潜在的风险。只有在公众意外事故发生之后，产品责任专家才会将这些“缺陷”分享给公众所知。
机器培训
自主驾驶领域所食的最大苦果就是在制度决策者与投资者选择了相同的投资方式。
“自治”一词混淆了公职人员。我们都想实现车辆的自主驾驶，但是所有研发车辆从一开始就不是“自主”的，也不能简单地将这些研发车标记为自动驾驶车。
如今，只需要研发、测试程序和一台原型车就可以进行大量机器培训。深入学习和神经网络框架的成长必须经历数亿公里模拟驾驶的训练。传感器布置和线控驱动系统必须经过大量的测试。此外，每个制造商都需要严格测试边缘案例，并修复可能由于天气条件、新的运营领域和道路状况变化引起的错误，以及由人类驾驶员或人类行为造成的各种未知情况。
当前新一代自动驾驶汽车的研发、测试和原型车与前几代的差异在于：前者需要在实地道路条件下进行机器学习，而后者可以在闭路训练设施中完成。
然而，研发、测试和原型车优化的这一阶段的测试很少被制造商自己定义，更不用说监管机构。为了更多的引起投资者兴趣和消费需求，每个制造商都会强作镇定，对测试阶段保有信心。
事实上，每个制造商在操作设计领域都有一定的信心。高信任度得分的样本将被列出,但这种抽样并没有统计意义。
我们应该知道，即使在未来5年，在自动驾驶汽车商业部署的最后阶段，所有的这些机器仍需要继续训练和完善。制造商可能想会选用人类驾驶员来充分训练自动驾驶技术。最重要的是，在培训机器期间，必须有人对该训练负责。在自动驾驶中，工作人员可能采取的操作形式有：在测试车后座上、在跟进车辆上或在远程指挥塔中等。
尽管如此，即使是有人控制这些系统，在在终端监控系统或是单位功能屏幕处仍将有空闲工程师进行辅助控制，他们将担负在驾驶责任方面的责任。如果公众和政府官员明白这一点，那么我们可以提出一个非常务实的解决方案，实现政策制定者、制造商和消费者共赢。在商业环境下，保险可能在商业汽车和个人汽车之间转移。
在经验丰富的业内人士眼中，他们既看到了网络风险的上涨，也看到了技术变革对整个保险生产线和价值链产生的影响。
我们认为，保险和贷款行业对此了解得更快，我们就可以越快地扩展测试。
向航空业取经
务实的解决方案来自航空业，因为目前的商业航空公司大都是自动飞行的，尽管航空业没有人向公众宣传这种“自主飞行模式”。如果飞机从天空掉下来，监管机构很容易发现安全问题，相较而言，设定道路规则比设定航空驾驶规则要难得多。因为航空只需规范国内两个主要飞机制造商，而汽车行业制造商数量繁多，而且还在日益增长中，规范难度更大。如果业主不自觉报告缺陷，那么将没有人会知道在测试中会有严重的安全缺陷。
而在航空方面，这一行业趋向成熟，在排除安全系统故障、冗余、确保安全程序后，飞机才能出售给商业运营商。更不用说航空飞机早已实现商业化，为顾客服务了。
尽管政策制定者很容易搭上创新机会，并遵循安抚硅谷或底特律的规则，但对于那些投保方面的财务负责人来说，这是一场噩梦。责任承担的问题很难解决，但不妨参考航空工业的明智立法，通过试点和庞大的航空案例法和立法来解决。明确地向客户中划定制造商、车主和测试员担负的财务责任。
简单地说，像波音公司这样的公司承担制造航空飞机的责任，而例如美国联合航空公司则实施了“运输合同”，确保航空驾驶员训练有素，有正确的训练和超越机制。
虽然可以从航空中获得更多的经验和教训，但这里想说明限制自动驾驶发展的不应该是人的智商或机器学习能力的不足，也不应该是监管或缺乏保险，而应是制定好首个游戏规则，向合作共同安全标准方面和目标迈进。
我们需要确保决策者、金融家、保险公司、消费者和新闻界能与制造商携手工作，将10倍的速度加快自动驾驶的发展。
CalSTA和DMV的主要问题是扩大问题解决的方法，并采取FAA和NASA的理念。后两个机构在防止灾难性事件上投入了大量精力。“关键事件控制”，这一来自英国律师的术语，可能对我们实现目的具有重大实际意义。
对于航空而言，飞机目前有水平、垂直、横向和射流之间等的距离要求，而目前的传统车辆还没有。航空与道路之间的区别在于，当在空中出现问题时，错误报警和安全系统会给飞行员几分钟的时间进行恢复。即使飞机突然发生灾难性的故障，航空航天工业努力合作制定程序和标准也将派上用场。而在道路上，事故就发生在几秒钟之内。解决关键事件控制对于保险公司而言至关重要，公共安全的监管机构应对这方面有所考虑。
在这里，我们以航空业做个结论，当赖特兄弟开始研发飞机的时候，那是一个没有监管、没有保险的时代，但确实他们确实在美国土地上取得了巨大成就，而处于同一梦想起飞沃土的自动驾驶业，也必将同样获得成功。
