让我们从技术角度透视这起致命事故——事实是，现在的自动驾驶汽车恐怕没有厂商宣传的那么神通广大。
　　当下的自动驾驶汽车从外观来看依然没有脱离常规汽车的设计思路，不过它们“身上”通常遍布各种传感器，车内则藏着多台性能强悍的计算机。车载传感器阵列一般由摄像头、雷达和激光雷达组成，它们会将采集到的数据回传给车载计算机系统。
　　如果非要打个比方，自动驾驶汽车的视角就像在玩一款上世纪80年代风格的第一人称赛车游戏。
　　在它们眼中，世界是一个拥有X、Y和Z轴的三维格栅。在从A点行驶到B点时，自动驾驶汽车会利用高精度GPS穿过格栅。当然，其他车载系统也必不可少。
　　举例来说，车载激光雷达会向各个方向发射激光，并利用激光的飞行时间来描绘自己周边的“图像”，就像靠回波躲避障碍的蝙蝠。除此之外，摄像头还会紧盯道路标线并不断回传数据保证车辆不跑偏。
　　总的来说，这设计得非常精妙，但它并不完美。
　　图像识别有瑕疵
　　自动驾驶汽车会使用深度神经网络算法来“识别”图像。
　　当激光雷达识别一个障碍，摄像头就会拍摄一张照片，随后计算机利用深度神经网络识别出图像的含义。如果识别出“停止标识”，车辆就会减速并在合适的位置刹停。
　　工程师还专门设计了双保险，如果识别结果不如预期，车辆内置的地图就要派上用场，它会给车辆提供准确的停车坐标。但GPS也有自己的弱点。
　　不过，深度神经网络战绩并不辉煌，它会将黑人错认为黑猩猩。实验室的测试结果也显示，只要稍作改变，深度神经网络就会不起作用了。一些对人来说简单的小改装，比如在停止标识上贴一个闪耀的独角兽贴纸，可能就会造成图像识别错误。
　　自动驾驶汽车视力还没达到 2.0
　　在刚刚修建完毕的公路上，自动驾驶汽车识别起标线来毫无压力，但在年久失修、标线已经有些斑驳的老路上，他们就会彻底蒙圈。
　　一个残酷的事实是，基础设施建设和维护是一个“烧钱”的无底深渊，崭新的道路并非大多数。在雪地或其它恶劣天气中，自动驾驶汽车“眼睛”也不能进行非常精准的识别。
　　举例来说，被各路专家热捧的激光雷达就有自己的极限，在雨雪或尘埃漫天的天气中，激光束遇到空气中的微粒就会发生反弹，反馈错误的数据。
　　汽車大脑反应不够快
　　在日常通勤中，你肯定见过停在路边的救火车和垃圾车等，对人来说这种庞然大物太容易识别了，但对自动驾驶汽车来说它们却近乎隐形。这是为什么？
　　因为自动驾驶汽车有停止和启动的问题，它们的计算能力有限，为了维持运转，只能放弃对那些静止物体未来动作的判断。因此，如果路边的救火车突然动起来，自动驾驶汽车可能就会反应不及造成追尾事故。
　　虽然自动驾驶汽车搭载的超级计算机的算力以微秒来算，但它暂时还不会进行计算能力的调配，必须按顺序处理数据。因此，如果自动驾驶汽车撞上目标巨大的消防车也别奇怪。更重要的是，自动驾驶汽车可没有自我保护的本能，它无法应对那种电光火石般的情况，要么撞上消防车，要么失控撞上路边的行人。
　　GPS太脆弱
　　对自动驾驶汽车来说，如果GPS信号没了，恐怕危险就会随之而来。
　　如果你了解信号干扰器，恐怕就会脊背发凉，因为一个能装进口袋的GPS干扰器50美元就能从网上买到。在美国，有不少卡车司机就是使用这种设备逃脱过路费。
　　自动驾驶汽车还要靠GPS导航，如果一辆高速上的自动驾驶校车旁边突然出现一辆装了干扰器的卡车呢？