虽然当地的执法机关调看Uber自动驾驶汽车的车载摄像头拍摄的行车记录后，可以推测此次交通事故的主要责任在于横穿马路不守交通规则的行人，Uber并无过错。但是，从综合数据看来，自动驾驶车辆的交通事故率并没有传说中那么低，这也使普通民众对该项技术的信任打了折扣。前段时间，Uber的自动驾驶汽车在转弯时撞上了对面的车辆；2016年特斯拉自动驾驶汽车与前方的道路清扫车发生追尾事故，致使特斯拉车主去世；同年，在美国山景城谷歌的自动驾驶车辆与公交车发生碰撞，所幸并无造成人员伤亡……
谈及自动驾驶汽车的安全性能问题，首先我们要看看这项智能交通技术的具体情况。这项技术主要包括三大环节：感知、决策、控制。感知实际上是一个获取数据的过程。就像一个经验丰富的司机，他需要用肉眼观看前方路况或者通过导航获取路况信息，而自动驾驶汽车则通过激光雷达和摄像头获取实时路况信息，采集路面数据。电脑分析数据然后基于数据控制车辆行驶。但是，正如一个合格的可以在公共路面驾驶汽车的司机，在拿到驾照之前需要反复练习以及考笔试和路试，那么一辆合格的自动驾驶汽车在上路之前则需要进行大量的测试。虽然愿景是美好的，但是一起又一起的交通安全事故让人不禁要问，传统车企和互联网企业究竟谁才能提高自动驾驶汽车安全性能呢？全球各大传统汽车制造厂商和互联网科技巨头都雄心勃勃地定下2020年推出“无人驾驶汽车”，这能否成真呢？
传统车企：研发成本高如果说我们上述的案例涉及的自动驾驶技术只是停留在L3（高度自动驾驶）、L4（超高度自动驾驶），那么这里所说的2020年实现的无人驾驶则指向一个更高的目标—L5（完全无人驾驶）。L5级别是完全的无人驾驶，而此次Uber交通事故中，自动驾驶汽车处于自动驾驶模式，而驾驶座位是有备份司机。也就是说，自动驾驶汽车在遇到紧急情况时，人类司机可以进行干预动作，但是即便如此事故依旧难以避免，那么L5级别的无人驾驶汽车在环境观察和汽车操控则需要更高的技术支持。要突破安全性能的瓶颈，传统的汽车制造厂商有先天的优势，它们手里有大量的造车数据，有优良的先天造车基因与经验，在造车技术方面也趋于成熟。但是要涉足无人驾驶领域，车辆行驶过程中的感知、决策都需要先进的技术，例如高精度的地图数据库、三大传感器的融合和先进的AI芯片。尤其是AI决策芯片，研发高性能低能耗的AI芯片一直是无人驾驶领域的一大难题。L3到L4级别的升级都需要提升50倍的计算量，而NVIDIA的自家生产的L3级别的芯片单个售价都高达10000美元，如果成本难降，消费者很难负担得起高昂的芯片费用。而要提升计算量，研制更先进的芯片需要的是资源的投入，而传统车企的利润率不及互联网企业。
互联网企业：造车能力不强互联网科技企业大多有造车梦，如果无人驾驶技术终将在未来落地，那么科技巨头们都希望抢占先机，分到第一杯羹汤。但是造车技术难，造车能力不强，风险也不小，都搁置了早在2014年提出的“Project Titan”造车项目。毕竟研发、生产、买固定资产设备、组建工程师团队……一切从零开始的话，成本高，风险也大，那么2020年要实现无人驾驶技术，无异于让一个刚刚会认字的人去考哈佛大学，其难度可想而知。但是互联网科技企业有芯片研发的技术优势和研发拓展的财力。高精度的地图数据库、三大传感器的融合和先进的AI芯片等无人驾驶的关键技术，都需要互联网科技企业不断研发开拓，AI决策芯片算法的难题也有赖他们去攻坚拆弹。