记者 | 李京亚 姜菁玲

编辑 | 宋佳楠

1

在美剧《硅谷》中，曾有这样一幕有趣的剧情：程序员Gilfoyle用AI聊天软件“安东之子”捉弄他的好友Dinesh。该软件能模拟独属于Gilfoyle的闷骚幽默，让Dinesh误以为是在与Gilfoyle本人聊天。发现真相后，同为程序员的Dinesh也做了一个AI机器人用来报复Gilfoyle。结果，两个AI机器人热聊了起来，还把网络给聊崩了……

这样的场景已经走入现实。美国人工智能实验室OpenAI推出的语言模型系统GPT-3就曾构建出两个人工智能之间的对话，谈论如何成为人类，令看客大呼脊背发凉。

但OpenAI并未止步于此，而是将GPT-3进化为最近风靡全网的ChatGPT，后者不仅在大量网友的“疯狂”测试中表现出各种惊人的能力，如流畅对答、写代码、写剧本、辩证分析问题、纠错等等，甚至让记者编辑、程序员等从业者都感受到了威胁，更不乏其将取代谷歌搜索引擎之说。

作为OpenAI的幕后老板，尚在主导推特变革的马斯克也公开表达了对ChatGPT的力挺，认为“我们离强大到危险的AI不远了。”

全球用户争相晒出自己极具创意的与ChatGPT交流的成果。一位网友要求ChatGPT用《坎特伯雷故事集》风格改写90年代热门歌曲《Baby Got Back》；有网友晒出ChatGPT参加美国高考SAT考试之后的得分：1020（总分1600分）；亦有网友收获了ChatGPT用《老友记》几大主角口吻创作的剧本对白。

据OpenAI的CEO，硅谷著名投资人山姆・奥特曼（Sam Altman）透露，自11月30日至12月5日，ChatGPT的用户数量已突破100万。由于太过火爆，OpenAI不得不暂时关闭了用户的测试入驻窗口。

可以说，继AlphaGo击败李世石、AI绘画大火之后，ChatGPT开启了人工智能对人类社会产生深远影响的又一扇窗。不禁让人好奇，它究竟是怎么做到的？

如果用一句话来说明ChatGPT是什么，可以将它理解为由AI驱动的聊天机器人。

外界往往认为语言学领域是人工智能派上用场的绝佳地带，而事实并非如此。截至目前，人工智能还没有找到征服语言领域的暗门，即使是谷歌、苹果这样的顶级科技公司，都面临着相关AI研究成果派不上用场的苦恼。

尚处在免费试用阶段的ChatGPT，关注度短短几天扩大到燎原之势，正是因为人们从中看到了人工智能和语言本体之间的真正接口。

那么，ChatGPT采取了什么方式达到了如此惊艳的效果呢？为何苹果的Siri至今无法生成一篇学术论文，亚马逊的Alexa无法吟出一首莎士比亚十四行诗呢？

过去十年间，谷歌、 Facebook、亚马逊、苹果和微软等硅谷科技巨头纷纷开启AI军备竞赛，先后成立专门的AI实验室，而最终业界公认的做纯AI研究的顶级实验室只有三家：背靠谷歌的DeepMind、背靠微软的OpenAI和背靠Facebook的FAIR。其中，被谷歌收购的DeepMind因拥有AlphaGo最为家喻户晓。

OpenAI在2015年底创立于旧金山，其联合创始人是马斯克以及硅谷知名孵化器Y Combinator的前掌门人奥特曼。不过，近年马斯克多以OpenAI的出资人角色出现，奥特曼才是这家公司的主导者和现任CEO。

不到五年时间，OpenAI就依靠GPT3跃升为全球AI领域顶级公司，与DeepMind并称AI圈的“双子星”。事实上，Meta的Fair实验室也一直在自然语言处理和对话型AI领域深耕，但其成果以发表论文为主，显得较为低调。今年6月，大举向元宇宙转型的Meta决定AI部门不再“集中化研究”，而是分布式下放，以便与实际业务结合，导致Fair的前途并不明朗。

OpenAI足以与AlphaGo一战的“武器”正是GPT3，这个2020年推出的巨型语言处理模型怪兽，可以完成诸如答题、写论文、文本摘要、语言翻译和生成代码等壮举，其诞生被视作人工智能竞赛的里程碑事件。

如果梳理OpenAI的GPT（Generative Pre-trained Transformer）系列技术路线，可以探寻出OpenAI的布局思路。

OpenAI最初提出的GPT1，采取的是生成式预训练Transform模型（一种采用自注意力机制的深度学习模型），此后整个GPT系列都贯彻了这一谷歌2017年提出，经由OpenAI改造的伟大创新范式。

简要来说，GPT1的方法包含预训练和微调两个阶段，预训练遵循的是语言模型的目标，微调过程遵循的是文本生成任务的目的。

2019年，OpenAI继续提出GPT-2，所适用的任务开始锁定在语言模型。GPT2拥有和GPT1一样的模型结构，但得益于更高的数据质量和更大的数据规模，GPT-2有了惊人的生成能力。不过，其在接受音乐和讲故事等专业领域任务时表现很不好。

2020年的GPT3将GPT模型提升到全新的高度，其训练参数是GPT-2的10倍以上，技术路线上则去掉了初代GPT的微调步骤，直接输入自然语言当作指示，给GPT训练读过文字和句子后可接续问题的能力，同时包含了更为广泛的主题。

现在的ChatGPT则是由效果比GPT3更强大的GPT-3.5系列模型提供支持，这些模型使用微软Azure AI超级计算基础设施上的文本和代码数据进行训练。

具体来说，ChatGPT在一个开源数据集上进行训练，训练参数也是前代GPT3的10倍以上，还多引入了两项功能：人工标注数据和强化学习，相当于拿回了被GPT3去掉的微调步骤，实现了在与人类互动时从反馈中强化学习。

也因此，我们得以看到一个强大的ChatGPT：能理解人类不同指令的含义，会甄别高水准答案，能处理多元化的主题任务，既可以回答用户后续问题，也可以质疑错误问题和拒绝不适当的请求。

当初，GPT-3只能预测给定单词串后面的文字，而ChatGPT可以用更接近人类的思考方式参与用户的查询过程，可以根据上下文和语境，提供恰当的回答，并模拟多种人类情绪和语气，还改掉了GPT-3的回答中看似通顺，但脱离实际的毛病。

不仅如此，ChatGPT能参与到更海量的话题中来，更好的进行连续对话，有上佳的模仿能力，具备一定程度的逻辑和常识，在学术圈和科技圈人士看来时常显得博学而专业，而这些都是GPT-3所无法达到的。

尽管目前ChatGPT还存在很多语言模型中常见的局限性和不准确问题，但毋庸置疑的是，其在语言识别、判断和交互层面存在巨大优势。同属于生成式AI范畴，ChatGPT在速度上已经比DeepMind研究人员提出的聊天机器人Sparrow（麻雀）模型领先一步。

有分析指出，OpenAI一直坚定不移的只用自然文本的上文来训练模型推动了GPT3到ChatGPT的成果，其顺应了人类思考的逻辑，最终由量变推动了质变。

不少人已经注意到，ChatGPT的能力已经涉及到AI模型之间的合作：一位网友要求ChatGPT写一个描述女孩的文案，然后用ChatGPT生成的文案画出了女孩的图像。

除了GPT系列之外，Open AI其实另有一条多模态领域研究支线闻名于世，即今年发布的明星产品――人工智能图像生成器DALL-E2。以DaLL E2为代表的Diffusion Model（扩散模型）几乎完成了此前爆火的AIGC（人工智能生成内容）领域的“大一统”，为AI绘画树立了全新标杆。

顶级技术能力之外，OpenAI能抢在谷歌和Meta之前重新书写AIGC版图，与其精细化的布局相关。

OpenAI月内的两笔收购都切中AIGC的增长点交叉地带，一桩投给了音频转录编辑器Descript ，一桩落子在AI笔记应用Mem。前者的处理场景刚好是文本、图片、音频以及视频，后者的技术底座是Transfomer模型，与ChatGPT同源。也就是说，OpenAI在打造自身处理下游任务的能力的同时，也在寻觅能承载下游任务的容器。

OpenAI的研究领域包括机器学习、自然语言处理和强化学习，其能在短短几年间迅速崛起，与创始人奥特曼对AI的创意性理解力密切相关：“十年前的传统观点认为，人工智能首先会影响体力劳动，然后是认知劳动，再然后，也许有一天可以做创造性的工作。现在看起来，它会以相反的顺序进行。”

在YC，奥特曼以激进大胆的投资风格著称，因其秉承直击腹地的简洁思维，备受创业者青睐。YC曾有创始人称奥特曼为“创业公司的尤达大师”（《星球大战》中的绝地武士导师）。

这位CEO还有着实事求是的性情，当外界对GPT-3的能力发出铺天盖地的赞美时，他反而说“GPT-3被吹捧得太过了”。此后GPT-3在一系列问答中闹出笑话、表现不佳，也印证了他的说法。

但奥特曼的冷静挡不住幕后金主马斯克对ChatGPT抱持的极大热情，他十分关注ChatGPT的商业化前景，并在推特上向奥特曼提问，“ChatGPT每回答一个问题的成本是多少？”奥特曼则如实地答道：“每次对话的平均费用可能只有几美分，我们正试图找出更精确的测量方法并压缩费用。”

实际上，谷歌和Meta等巨头目前都尚未将生成式AI领域的研究能力转化为商业化部署，作为创业公司的OpenAI却做了不少尝试。

这家公司曾希望通过API（应用编程接口）方式来推动GPT-3的技术商业化，在2020年6月就开放了GPT-3的API接口，并曾与十余家公司展开过初步的商用测试，但由于GPT-3的功能并不完善未见成效。曾有传言称OpenAI为GPT3投入了至少1000万美元，为了摆脱入不敷出的窘境，才将GPT3作为一项付费服务来推广。

据虎嗅报道，Facebook改名为Meta之后，Meta AI实验室在5月宣布开放自己的语言大模型OPT（预训练变换模型），而OPT一直对标OpenAI的GPT3。与之类似，硅谷大厂内部都有对标GPT3的产品，只是因为大厂都是关起门来做私密研究，因而不为外界所知。

某种程度上，ChatGPT采取免费试用是OpenAI准备继续打磨这款产品的信号，用户给予的反馈会帮助该模型吸取足够的信息量，从而作出更恰当的反应。

从GPT-3开始，ChatGPT及尚未出炉的GPT-4都面临训练成本过大的问题。有分析指出，是否收费是个两难决策：如果继续免费，OpenAI会无法承受，但收费又会极大减少用户基数。倘若训练成本能大幅下降，则两难自解。

此外，GPT-3历经两年商业化尝试，并未“如愿”取代记者编辑或码农的职业生涯，OpenAI也从中发现，将GPT系列作为辅助生产力工具对商业化更为合适。此前业内传言微软对这家公司的新一轮注资即将落地，届时其估值预计超过200亿美元，商业化也必将提上日程。到那时，OpenAI可以倚仗的大概率是ChatGPT，或者是通过了图灵测试的GPT4。

一片叫好声中，也不乏有人泼来冷水――程序员首选问答社区Stack Overflow日前便宣布，禁止用户复制ChatGPT的答案来回答其它用户的问题，理由是ChatGPT的答案正确比率太低，日后待社区讨论后再作出解禁决定。

此举立刻引发了业界普遍关注，仿佛是对ChatGPT编程价值的彻底否定。与此同时，人工智能界的专家们也在激辩这些大型语言模型可能带来的负面效应，比如Meta的首席人工智能科学家Yann LeCun认为，虽然它们会有错误信息和不良输出，但并不会使文本的实际分享变得容易，而后者才是造成危害的真正原因。但也有人反驳称，这些语言系统的廉价文本生成能力必然会增加其后被分享的风险。

而在OpenAI内部，一年半前曾遭遇核心员工集体出走，创办了一家名为Anthropic的新公司，致力于提高AI安全和可解释性，目前筹资已超过7亿美元，业内亦有声音认为，这支“AI叛逆者联盟”说不定会是另一个OpenAI。

Pine 萧箫 发自 凹非寺量子位 | 公众号 QbitAI

“日赚800美元不是梦！”、“月入6万刀！”……

用ChatGPT赚钱的“门道儿”，各路博主似乎已经整明白了。

在视频网站中搜索“ChatGPT赚钱”，刷刷刷映入眼帘的全是各种免费教程，收益一个比一个大，点击率一个比一个高。

△图源：TheVerge

再看看网友们对这些用ChatGPT赚钱攻略的反馈，“Wonderful”“Awesome”“Fantastic”……

听起来不错的亚子？

看起来也有理有据，连每步操作和收益都给你想好了。

例如教你先用ChatGPT给初创公司起名，再交给Midjourney设计对应的LOGO，就能完成一整套品牌从起名到设计的服务，爽拿几千元：

不仅列出了具体的赚钱手段和预期收益，甚至贴心地给出了详细的操作步骤。

听起来有条有理，甚至让人有点心动。（手动狗头）

但ChatGPT的羊毛，真的有这么好薅吗？

做文案和写代码都能用

先来看看，各位视频和文字博主都有哪些ChatGPT“生财之道”。

整体来看，用ChatGPT赚钱也有初高阶之分――

从最简单的文案生成，到较为复杂的编写代码工作，都有博主给出对应的教程。

先来看看初阶版赚钱方法。

ChatGPT最擅长的就是文案生成，光是靠这项技能，就能延伸出十数种不同的赚钱方式：

生成销售文案创作文案大纲起文案标题撰写广告文案，如产品网站等撰写科普/观点类视频脚本，如世界上最危险的10个海滩、最美的10个城市等回复电子邮件写书……

举个栗子，内容博主Philip Taylor就分享了自己用ChatGPT写专业博客的教程。

通常来说，在专业博客上撰写一定数量的文章、获得一定订阅量后，就能收到网站支付给你的“赏金”。

作为一名财经博主，Philip Taylor在想不到好的idea时，会直接求助ChatGPT：

△图源：Philip Taylor

目前他博客里热度TOP 2的文章，主要想法就由ChatGPT生成。

还有一些比较机（wu）智（nao）的赚钱方法，就是生成问答网站上的内容答案。

当用户成为一名博主后，只需要在问答网站如Quora回答一些问题，就能搞到一点奖金。

例如国内就有UP主分享了用ChatGPT在百家号“C位直达”活动中赚钱的方法，通过回答一些比较简单的问题来获得流量：

上面提到的都是用ChatGPT赚钱的简单途径，还有博主分享了进阶版赚钱方式，得具备一定基础知识才能玩的那种。

比如，写代码！

像制作一个Chrome插件，并拿去卖钱。

例如油管博主Liam James Kay，就以一个食谱转换插件为例，演示了一遍使用ChatGPT生成代码的方式。

首先，在ChatGPT输入插件的功能描述：

帮我创建一个名叫Veganize的应用程序插件，只需要阅读网页上的内容，就能将网页上的牛奶改成素食奶（植物奶一类的奶替代品，如豆浆）。

然后，使用ChatGPT生成具体的操作步骤以及代码，来编写对应的插件：

这里要求用户具备一点编程技巧，看得懂ChatGPT的代码，不然编出来的插件不一定能用。

最后，在Chrome中生成插件。大概是酱婶的：

这个博主还找了个食谱网站，试了试这个插件好不好用。看起来ChatGPT编写的代码，能很好地将食谱转换成素食版：

使用这种方法，就能批量生成各种有意思的扩展程序，比如说编写Web工具或计算器等。总结一下操作流程就是：

向ChatGPT描述插件――跟着步骤设计插件――试验下效果――卖掉（手动狗头）

除了编写插件，ChatGPT还可以助力实现更大的“野心”，即帮别人建立一个完整的商业网站。

博主Philip给出了提示词：

我需要为我的业务建立一个网站。你能帮助我设计和建立它吗？（+网站描述）

随后，根据自己的需求对ChatGPT提出修改意见，就能快速帮别人搭建一个网站，从而赚取额外的闲钱。

当然，还有个跳出文案和代码功能的ChatGPT赚钱方式，也更为简单、粗暴、“来钱快”：某宝代注册……

不过赚钱攻略千千万，实际能稳定赚钱的方式真的存在吗？

用AI干活真的靠谱吗？

这不，虽然上面这些方式听起来很诱人，依旧有网友发现了华点：

那些声称用ChatGPT月入过万的博主，到底有没有用这些方法赚到钱？

换言之，ChatGPT真的能有这么多生财之道，用它赚钱收入真的能有保证吗？

仔细观察会发现，在这些博主的视频和帖子中，对这个问题几乎都不予回答。

甚至在讲述赚钱方法的过程中，对于ChatGPT生成的内容是否准确或有用也避而不谈。

不过，倒是可以从以前的一些例子中，看出AI在内容生产以及生成代码上的效果。

先来看看文案撰写的情况。

比如说，科技网站CNET就曾开过先例，尝试用AI撰写文章，一写就是半个月。

然而，在网站内部审查时，发现AI写的文章存在大量错误。这半个月来虽然AI写了77篇稿子，平均日产5篇，然而这里面甚至有41篇经过了人工修正。

量子位也尝试用ChatGPT撰写过文章，以一篇关于数学家尤里・曼宁的文章为例。

这里我们试图将ChatGPT当成“资料库”，直接使用它来搜索相关人物的事迹：

燃鹅，ChatGPT给出的答案完全经不起推敲。上网一查，发现它给出的资料是有问题的……

除此之外，在一些论文期刊如Nature上，也已经禁止ChatGPT成为作者。而AI生成文字内容被吐槽“胡说八道”或者“生成的都是一些流利的废话”，也不是一次两次了。

再来看看生成代码的情况。

现在，知名编程问答网站Stack Overflow禁止用户使用AI来回答问题。

这是因为AI生成的代码和解析过程看起来有理有据，然而一经过运行or审查，就会发现各种bug。

这样一来，如果上传者用ChatGPT等AI批量生成回答、且完全不验证自己的答案，那么这个社区就会变得乌烟瘴气。

在那些“如何用ChatGPT赚钱”的视频下面，也经常能看见网友的调侃：

ChatGPT赚的什么钱？

但无论视频博主们如何利用ChatGPT赚钱，用ChatGPT能不能赚钱、用什么方式赚钱，它成为流量代名词已经是板上钉钉的事实了。

仅用2个月时间，ChatGPT的活跃用户就已经破亿。

如今，它取代了之前的Web3和NFT，一跃成为当下吸引投资的“最受欢迎词汇之一”。

数字媒体公司BuzzFeed在宣传与OpenAI建立合作关系、用ChatGPT写稿后，股价一度暴涨。

至于ChatGPT背后的OpenAI，吸金量更是扶摇直上。

发布ChatGPT后，OpenAI的估值翻了接近一倍。

据福布斯介绍，OpenAI的估值在2021年还是140亿美元左右，到今年1月已经飙升至290亿美元。

包括Founders Fund和Thrive Capital等风投公司被曝正在与OpenAI沟通，计划购买至少3亿美元股票。

尽管OpenAI去年的收入只有接近8000万美元，但据路透社介绍，这家公司表示他们在2024年收入将会达到10亿美元。

至于ChatGPT这波会揽收多大的流量、或者说带来多大的影响力，从这几年GPT-3发布后的使用情况可见一斑。

据数智前线介绍，清华大学计算机科学与技术系长聘副教授黄民烈，就曾经分析过GPT-3以来，OpenAI系列模型的影响力所在：

在GPT-3之后，OpenAI所有的模型都没有开源，但它提供了API调用。在这个过程中，它干了一件事，就是建立起了真实的用户调用和模型迭代之间的飞轮，它非常重视真实世界数据的调用，以及这些数据对模型的迭代。当然，在此过程中，它也养活了美国一大帮创业公司，建立了一个生态。

据OpenAI透露，截至2021年3月，已有超过300多个应用使用了GPT-3接口，将其用在搜索、对话、文本内容填充等功能上。

现在，“升级版GPT-3”即ChatGPT不仅能作诗写文，在代码生成和内容解释上也展现出了不错的应用效果。

One More Thing

直接问ChatGPT怎么用它赚钱，会得到这样的回答：

如果试试换种问法？

看来上面这些“靠ChatGPT年入百万”的视频，文案确实是自己写的（手动狗头）。

中新网12月21日电 (记者 孟湘君)从AlphaGo的“棋艺”，到自动驾驶的“车技”，从调侃ChatGPT的“会聊天就多聊点”，到讨论AI绘画生成的二次元图像有多惊艳或搞笑，人工智能，似乎正越来越多地成为人们关注的焦点。

但同时，对于人工智能“不够聪明”、“存在危险”等声音，也持续浮现。现在很火的一些人工智能运用，未来会取代人类的工作吗？它们还能更“聪明”吗？要让人工智能用起来放心又舒心，还可以怎么做？

清华大学国强教授、智能产业研究院(AIR)首席研究员聂再清，对中新网记者分析了当前走红的一些人工智能应用发展前景，以及需要注意的问题。

资料图：聂再清。受访者供图

ChatGPT“有进步”，离图灵测试还有多远？

Open AI此前发布了一款AI聊天机器人ChatGPT，因为突出的智能对话能力，可以说是火遍全球。聂再清在试用这款机器人后，有不少体会。

他表示，之前聊天机器人在业界比较成果的应用是运用基于任务型的对话，通过意图理解、超值填充，把问题参数抽出来，然后去回答用户问题(智能客服)或帮用户完成一个智能家居的操作(AIoT语音助手)。这种任务型聊天机器人，还是比较成功的。已经能够通过语音交互，帮助用户完成很多重复性的工作。

跟以前聊天机器人技术比起来，ChatGPT最让人印象深刻的就是每次回答问题(可以是开放域的问题)，它都能用像模像样的人话来答问，同时也会对上下文有一定程度的理解。不看具体知识点的话，看上去好像回答得很专业。

OpenAI官网介绍ChatGPT为一种”优化对话的语言模型“。图片来源：OpenAI官网截图

聂再清同时指出，如果提问人对问题答案没有了解的话，会觉得ChatGPT“回答得都不错”；但对于一些不常见，提问人又知道答案的问题，ChatGPT很可能“会用一本正经的口气，编出错误答案”。

他表示，这款机器人本质上还是一个基于统计的语言模型，应该没有真正理解开放域的问题。它在处理开放域的问题上实际上还是基于概率，基于前一个值来生成下一个值。要通过图灵测试，还要继续努力。至于如何改进，聂再清指出，如果能把能回答问题的正确知识放到它说的话中去，“那就厉害了”。

AI绘画背后，离艺术家还有多远？

与聊天机器人类似的，还有最近在短视频平台走红的AI绘画。这是一种将海量二次元画面预录入，通过大数据寻找画面构图、形状、色彩等方面的相似元素，按照AI 解读生成新画面的应用。在短视频平台上，一键操作，就可以把网友们的照片转换成二次元画面，输出结果有很大随机性，经常让人啼笑皆非，但网友乐此不疲。

“把任何照片变成二次元这个功能本身，还是蛮有意思的”，谈到AI绘画，聂再清认为，这是人工智能一个有趣的产品开发方向。

资料图：世界VR产业暨元宇宙博览会上，一名女子观看“元宇宙艺术”里的艺术作品。　刘占昆 摄

但同时，聂再清指出，作画是有逻辑的，AI画作的过渡、线条、细节上与真人相比，还是有差距。最主要的是，艺术来源于生活的沉淀，真正的艺术家的艺术价值，来自其作品背后的感染力。

他进一步指出，虽然AI也可能碰巧画出一些貌似有感染力的作品，但要在特定情境下要求其画作必须具备某种感染力，难度还是非常大的。总体而言，AI绘画可能对以商业营销为主、从事重复性劳动、不纯粹追求艺术价值的画手有威胁，但要取代真正的画家、艺术家，还言之过早。

自动驾驶离大规模落地，还有多远？

在生活中人们越来越多听到或者接触到的另一个项工智能应用，就是自动驾驶。如今街头能实现自动或半自动驾驶的车辆越来越多，但相关车辆出现险情，也常见诸报端。

一边是科技发展，一边是风险防范。如果要让L5全自动驾驶实现社会面的大规模落地，聂再清认为，有几大“注意事项”。

第一，他指出，最重要的一点，就是基础设施的建设和完善。

如果要自动驾驶，道路和现在是不一样的，比如说未来道路所有信号都数字化并且直接发送到车上，告知车辆现在是红灯，那也就没必要在视觉上识别红绿灯了；比如前方有事故，道路系统可以自动提示所有事故后方的车辆全部知晓。

他同时指出，现在自动驾驶和人类驾驶员如果同时存在的话，需要面临的一个关键问题，实际上就是人跟车、人跟机器间的博弈还没有搞清楚。机器要准确判断人类驾驶员的每一个意图，现在还比较困难。聂再清希望，基础设施可以有比较大的改进，改进后，如果真正能做到所有上路的车都是自动驾驶，事故率应该会降低很多。

资料图：第19届东博会上，自动驾驶巴士模型吸引市民关注。　俞靖 摄

第二，一旦自动驾驶大规模落地，需要有一个远程控制中心和“云代驾”，来覆盖所有路段。

聂再清表示，虽然到时人不再“开”车了，但在云端一定要有人能监控各地路况、车况是否正常，有没有问题。如果出现问题，远程控制中心和“云代驾”机构人员要发挥作用，管理好情况。比如，他设想交警未来可以在“云上”处理交通事故，以及车辆出现系统性故障时，通过远程恢复等。

第三，要实现自动驾驶，需要一套完善的安全测试体系、一个新功能灰度内测的体系。

对此，聂再清指出，无人车的安全等级到底达没达标，新功能上线会不会带来大规模伤害等，一定是一步步地先做测试，从无人路段测试，到线上小范围路段内不断放开的一个过程。建成这样一个体系要完善，要能够快速迭代，同时要保证安全。否则自动驾驶系统会面临更新问题，一更新就可能出错，所以答好这道题，也很重要。

第四，聂再清强调，要做好系统故障的容错机制。假设届时自动驾驶道路系统出现一个系统性故障，就可能导致几万辆车同时受影响。有了容错机制，就可能将系统回滚到前一个版本，要保证这种机制不能出错。

第五，自动驾驶大规模测试之前，最好还要有一个机制，就是任何自动驾驶决策是可解释的。聂再清举例称，这意味着人如果有需要，可以随时随地查询自动驾驶车辆的每一个决策及其决策的具体理由，也可以随时随地接管机器的决策，形成一套人机对话和协作机制，这样才能大大地提升自动驾驶的安全性。(完)