特斯拉车展维权事件背后，自动驾驶亟待立法

随着人工智能和自动驾驶技术的迅速发展，一个采用全自动驾驶系统的交通时代，似乎就要到来。

01 自动驾驶时代很快就会到来

目前，国内已有多家公司进行自动驾驶研究，如百度、华为、大疆，有的公司L4级自动驾驶的测试里程已经超过1000万公里。

至于投身智能电动汽车制造的公司，那就更多了。连造手机的小米，日前也宣布正式进入造车领域。这些公司有别于传统汽车制造产业的一点就是，部分或今后可能更多地采取自动驾驶技术。

可以想象，未来无论是技术研发、生产制造还是用户消费，都会逐渐转向自动驾驶技术。今后，在路上跑的，无论货车、客车还是私家车，都会慢慢被配备自动驾驶系统的机动车所替代。

但是，随之而来的可能会是一个普遍的疑问：自动驾驶车辆，出了事谁负责？

自动驾驶一旦出事，车主会觉得，我都没驾驶，为什么要我负责？保险公司觉得，我保的是人，既然不是人开的，就该自动驾驶厂家负责。但如果让厂家负责，责任巨大，厂家一套自动驾驶系统的利润，显然无法覆盖这套系统运行3年、5年、10年的赔偿风险。更何况，自动驾驶系统极其复杂，很难证明是自动驾驶判断失误，还是事故本身就无法避免。

这两年，特斯拉在国内外每出一起事故，几乎都会引来不少关注，其中一个很重要原因就在于，特斯拉采用了自动驾驶辅助系统。

近日，三名特斯拉车主在上海车展期间维权，也是引起舆论沸沸扬扬。当时，其中一位女车主张女士身穿“刹车失灵”T恤站到车顶上痛斥特斯拉的“傲慢”。

此前，张女士家人驾驶特斯拉在国道上行驶发生交通意外，张女士认为是特斯拉刹车失灵所致，但在与特斯拉方面进行交涉时，并不顺利。特斯拉方面连行车数据都拒绝交给车主。

可见，如果不界定清楚相关责任，厘清法律关系，别说全自动驾驶难以上路普及，配备自动驾驶辅助系统的车辆，也会引发一连串纠纷。

与其他行业多少有相关法律可以约束，可以让子弹先飞一会不同，自动驾驶普及的前提，是法律。而如今，相关立法几乎是一片空白，自动驾驶的数据归属，交通事故的责任认定，都存在模糊地带。所以，进行相关立法，已经迫在眉睫。

02 立法的目的不是制约，而是开道

对自动驾驶的立法，涉及很多层面，这里不可能一一涉及。

但首先要解决一个问题，就是立法的目的是什么。

很多人认为自动驾驶不安全，这其实是错觉。

采用自动驾驶技术的车辆撞死人的新闻会轰动全球，但世界上每天都有3000多个人死于人驾驶的汽车的车祸。人性与传播规律的共同作用之下，社会舆论对自动驾驶这样的新事物是苛刻的。

但真相是，自动驾驶技术，只要在统计上安全性高于人，就是对交通安全整体上的提升。

安全第一，这从来都是人类的错觉。在人类的选择中，安全，在很多数场景中，都不是无条件的绝对第一位。安坐家中比坐飞机、火车更安全、顶配的车也比“乞丐”版更安全，而轿车，也比骑着电瓶车带孩子更安全，但基于成本与需求，不那么安全的选择，也是合理。

所以，自动驾驶技术带来的好处，哪怕是在方向盘后面玩手机，其安全性在统计上不差于人类，也终会克服此次事件中体现出现的人类的多疑，进而克服所有的伦理、立法问题。

所以，立法的目的是开道，而非制约。具体来说，需要立法在数据归属，事故责任方面，厘清义务与权利，从而保障行业发展。

03 数据归谁

数据归属是立法的基础。

首先，数据能产生利益。当你的车能自动驾驶了，消费者不用再手忙脚乱的一边查手机，一边开车。这个时候，你要去哪里吃饭、看电影，不说它决定你的选择，起码会影响到你的选择。这就是流量的入口。这种流量会与大平台的生态作用，产生更大的效益。

而且，自动驾驶是一个实践与提升相互促进的过程，也是一个数据成为生产力的典型行业。车跑在路上，不仅仅产生导航数据，还会产生视频、声音数据。这些数据的发掘，有无数可能。

其次，更多的出行数据，能更好的训练神经网络，带来更多的安全。从另一个角度看这个问题，就是数据能确定责任。这似乎指向数据应归政府监管机构，从产权上说，是把数据产权公共化。

不过，人类一直试图设计更好的产权模式，进行的社会实验代价惨重。但最终，都回归了最不坏的模式，也即自发形成的模式：谁能控制，谁就拥有。因为数据与其他财产公共化一样，会形成公地悲剧。生产上会陷入低效，使用上会被滥用。

如果数据归政府托管，那么，没有搜查令这一法律门槛，自动驾驶时代，就无须交通警察，因为每一个车上都坐着一个交通警察。

如果数据归公司所有，那么，如何解决责任问题？其实，数据归公司，并不影响在事故中责任的确定。司法需要时，可以用搜查令的方式。

比如，4月17日晚，美国得克萨斯州发生了一起交通事故，一辆特斯拉Model S型汽车在公路行驶时撞上一棵树并起火，车内两名男子死亡。为调查事故，4月20日，美国得克萨斯州哈里斯县警方对特斯拉发出搜查令，以获取在德州发生事故车辆的所有数据。

而在特斯拉上海车展维权事故中，有关部门也做出指令，车主有权获得自己的车辆行驶数据。其后，特斯拉无条件交出了相关数据。

数据的归属，很大程度上是为了更方便的、更低成本的确定事故责任。

04 责任归谁

自动驾驶涉及到的法律问题很多，但归根到底就一条：出了事故，到底是拥有设备的车主负责，还是整车制造厂负责，还是自动驾驶的技术方负责，还是保险公司负责？

在上海车展维权事件中，张女士的特斯拉发生事故难以确定原因，就是因为她质疑软件可能介入操作。这还仅仅是介入操作，如果是完全自动驾驶，情况会更加复杂。

难以确定责任，是因为难以找到原因。

在这次特斯拉的事故中，并不涉及人工智能部分，争议点在于，系统是否执行了人的指令。那么，在自动驾驶的造成的事故中，争议点会是什么呢？并不会是“自动驾驶是否导致了事故”，因为这意味着自动驾驶厂商需要做出100%安全的保障，显然，这是不可能的。

实际上，在这类事故中，争议点是：“自动驾驶做出的判断是否是合理的？”换言之，自动驾驶做出这个判断的原因是什么？

找到原因，是一个巨大的难题。

目前的神经系统网络、深度学习，可以自行提升，但这其中包含了复杂的数学计算，也意味着人工智能做出的选择，以及为什么做出这样的选择，即便在理论上没有超过人类的理解力，但在现实中，却因为成本巨大，很难实现。

比如，阿尔法狗下一盘棋，只需要3个小时，但理解它为什么这么下，可能需要三十年。当机器学习被广泛使用，了解这些系统如何工作也变得异常困难。这就使得自动驾驶系统导致事故后，复现的成本很大，甚至是不现实的——设想一下定损员都有AI博士学位？

这种不透明感，以及由不透明感导致的不安全感，或许是人工智能时代，人类必须接受的一种状态。同时，这也指出了立法困境的实质：鉴别自动驾驶事故，交易成本巨大。

05 汉德公式和科斯定理

这个问题是一个立法问题，社会问题，但它的理论基础，是一个法律经济学的问题。

第一个原理是汉德公式。

在美利坚合众国政府诉卡罗尔拖轮公司一案中，法官汉德（Learned Hand）提出了著名的汉德公式：B<PL；B：预防事故的成本；L：一旦发生所造成的实际损失；P：事故发生的概率；PL：（事先来看）事故的预先损失。即只有在潜在的致害者预防未来事故的成本小于预期事故的可能性乘预期事故损失时，他才负过失侵权责任。

汉德法官论证到：当时港口为了运送战略物资异常繁忙,一旦船只缆绳松开，造成损失的概率和损害的严重程度都不可小觑(PL 很大)；而在白天派船员值守传上并不需要很大的投入(B 较小)，因此应承担侵权责任。

这就说明，自动驾驶企业去找到原因，提升安全的成本最小。但这么做的前提，就是要从立法规定上，让企业负全责。也就是，不管车辆是因为什么原因导致事故，只要不是故意为之，都由企业来埋单。

试想，如果一旦发生事故，由企业负全责，还会有扯皮和纠纷吗？

反过来，如果企业有这个负全责的压力，也就有足够的动力去提高安全系数。

第二个原理是交易成本。

所谓交易成本，指从市场上寻找、沟通、购买一项服务，为这个购买能够达成，所付出的时间和货币成本。通常来说，交易成本包括搜寻成本、信息成本、议价成本、决策成本、监督交易进行的成本等等。

交易成本与管理成本的对比，确定了企业的边界。交易成本越低的事情,越应该外部化；反之，交易成本越高，企业就应该把它放到内部进行。

既然自动驾驶企业解决安全问题的成本小，而在外部确认安全责任的交易成本高，就应该让自动驾驶企业把安全责任全部内化到其企业内。

那么，不难得到一个结论：法律所需要做的其实很简单，就是让自动驾驶企业为全部的非故意的安全事故负责。这就是汽车保险。

所以，自动驾驶必然需要每年收取包含保险义务的服务费。

自动驾驶是一个需要外部支持的系统，缴纳服务费，符合通常的商业逻辑。而且，为了避免自动驾驶厂家与保险公司扯皮，不管从常识来看，还是从交易成本理论来看，保险进入自动驾驶厂家的业务范围，也是自然而然的一件事。

于是，原本的保费，变为了交给提供自动驾驶的服务商的服务费，这就可以覆盖自动驾驶导致的事故赔偿。举个例子，车主每年把保费交给特斯拉，一旦发生非故意安全事故，特斯拉都要负责，这样双方就不会扯皮了。

这就像苹果公司的AppleCare+服务计划，消费者交一笔钱，两年内享受若干次意外损坏保修服务。如果手机坏了，直接给你换一部新手机。同理，车子坏了，出事故了，都可以找企业索赔。

这是一个巨大的现金奶牛。2017年中国汽车的保有量是3.1亿量，如果一辆车5000元的保费、服务费计算，这就是上万亿的营收。这样的话，汽车企业自然不会一味地推卸责任。

事故责任问题解决了，法律问题也就迎刃而解。当然，关于自动驾驶的法律涉及许多方面，这里只是提出一些思考方向。从人类社会的发展来看，只要有利，伦理困境、法律困境一定会被克服，而在这个过程中，商业模式会发挥巨大的作用。

刊于 科思百家 | 2021-04-30