9月2号的消息，加州参议院通过了一项新法案，禁止特斯拉在智能驾驶的广告里包含“自动驾驶”等字眼儿。

这个立法是加州参议院交通委员会主席莉娜（Lena Gonzalez）发起的，在成为正式法律之前，还需要州长加文（Gavin Newsom）签字。

为什么突然对特斯拉提出这么严格的限制呢？因为自2016年以来，特斯拉的对外介绍始终是FSD（Full Self Driving），也就是全自动驾驶。从名字上看确实有一定的误导性，很容易让用户觉得特斯拉已经实现L5级的全自动驾驶了。

严格来说，特斯拉已经商业化提供的是L2级自动驾驶，针对部分早期用户的FSD的Beta版本介于L2和L3之间，仍然需要驾驶员需要始终观察环境、随时接管，出了事故责任算驾驶员的。

相比之下，在对外介绍自动驾驶能力的时候，通用、福特、宝马、梅赛德斯等公司显得更加小心翼翼。都说树大招风，正是因为这个名称，让特斯拉一直走在监管的红线上，这次参议院也是以"虚假宣传"为由出手审查。

不过，就算这次法案通过，只是解决了特斯拉的宣传和营销问题，并没有从产业角度去解决科技的安全性问题。科技在早期应用的阶段确实会带来一些负面，比如自动驾驶导致的事故。但不能因为对科技的了解不足，就迟迟不予认可，这样反而阻碍了创新。

从监管层面上来看，及时出台政策，让监管在科技创新当中发挥作用，既不阻碍创新，也不逃避责任，真正为未来科技护航，需要有相当多的研究和深入的考量。

比如在自动驾驶的监管上，要深刻地理解人工智能技术的特点，那就是缺乏人类这样的推理能力。现在几乎所有主流的人工智能，都是依赖大量的数据训练形成的模式识别，是归纳不是推理。

这导致训练自动驾驶时，需要大量的长尾数据，也就是小概率甚至是百年难遇的偶发情况。比如之前一辆特斯拉汽车直接撞上了一架喷气式飞机，原因是此前的系统训练里，工程师万万想不到竟然会有飞机停在路上，也就不存在类似场景的训练，车辆就不能识别。

有人曾提出可以像人类考驾照一样去考核自动驾驶，这其实不够严谨。我们考驾照的时候，有的项目是必考项，比如倒桩、侧方位停车；有的是选考项，比如曲线行驶、直角转弯等等，一般是从十多个选考项里抽几项出来考，不同的地区规则略有不同，但基本大同小异。

为什么人类可以随机选考，自动驾驶不行呢？因为人类有推理能力，10项里面的3项都通过了，考官会觉得你另外7项也能做到。但是自动驾驶没有推理能力，任何一项都不能漏掉。如此一来，自动驾驶测试的场景数量要成百上千倍地增加，要尽可能多地用不同的罕见事故场景来做训练和测试。

从哪里可以找来长尾测试场景呢？我认为虚拟场景路测就非常重要了。比如，在现实中搞一架喷气式飞机到马路上很难，在虚拟世界里就很容易；想测试雪地自动驾驶能力也不用非要等到下雪；虚拟世界的道路可以创造无限种可能，考官可以随心所欲设置路牌、行人、障碍物、天气等因素，进化速度无疑快多了。

未来这些小概率场景还可以分级，明确哪些是三级的，哪些是四级的，只有通过了所有四级场景测试的才能叫四级自动驾驶，这样也可以避免今天对自动驾驶能力定义不清的问题，让公众对自动驾驶更加了解，也更加信任。

而目前来看，自动驾驶分级的定义非常模糊，车企就能用模棱两可的宣传来夸大自己的自动驾驶水平，可能会误导消费者。一个统一的评判标准，细化到哪些具体场景可以处理、技术水平处于什么级别，这些都需要交通监管机构来完善和确立。

所以，这次加州直接叫停“自动驾驶”名称的做法其实有待商榷。因为我们是可以通过对技术的深入理解来分析出来，自动驾驶的分级评判应该如何去做的。但是，你没有对它做严格的能力认证和技术测试，单纯从监管层内部投票来否定特斯拉的产品名称，只说别人不合格，却没研究出来怎么才能合格，这样的监管怎么看都觉得有些草率了，至少不是亲创新（Pro-innovation）的。

相比来看，中国已经在各个城市做自动驾驶试点了，对自动驾驶产业持更加开放包容和鼓励的态度，更加支持创新、推动创新。我认为未来要想得到更好的发展，还要看清科技创新的特征，出台更好的测试方案，把对科技的监管做得更到位，这样既支持了科技的普及，也消除掉了大众的担忧。