汽车财经网9月29日讯，谷歌无人驾驶车最近遭遇了一场“惨烈”的车祸。谷歌无人驾驶测试车在美国山景城与一辆巴士相撞，测试车严重受损，最终不得不借助拖车才离开现场。

日前，谷歌已经发布声明，称其无人车在这起事故中无责。但任凭谷歌指责对方车辆违反交通规则，车祸就是车祸，消费者期待的答复无非是“绝不会有下次”。谷歌们能够给出这种承诺吗？

无人驾驶车能不能吃一堑长一智？

没有人愿意看到车祸的发生，但车祸提供的数据却意义重大。车祸中传感器及其他部分的数据，可以大大提高无人车的性能。

最近的一个例子就是，一辆特斯拉Model S电动汽车车主乔舒亚-布朗今年五月曾使用自动驾驶系统行驶在一条州际公路上，在行驶至一个没有安装红绿灯的十字路口时一辆大型牵挂型卡车突然左转横在布朗特斯拉车前。但车辆传感器却将白色卡车误判为“天空”而没有进行制动从而导致了事故的发生，特斯拉驾驶员、车主布朗当场毙命，62岁的卡车司机弗兰克-巴尔塞则没有受伤。

事故之后，特斯拉工程师便仔细研究了视频录像及车辆各个传感器收集到的数据，包括雷达及声呐记录，并很快推出了软件更新包以避免其他特斯拉车辆发生类似问题。该更新包立刻被推送到各种车型的特斯拉无人车上，理论上，凡是安装了更新包的特斯拉无人车，现在都可以准确无误地辨别“白色卡车”与“天空”。

不过，无人驾驶车的学习绝不仅限于事故发生时。

“车队学习”如何最大化数据价值？

无人驾驶车上的软件随时随地都在从现实世界提供的数据中学习，在此过程中，无人驾驶车对道路、其他车辆、树木等周边事物的判别会越来越精准，做出转向、制动等决策的反应也会越来越准确和灵敏。最终，所有这些信息都会传送到一个“中央大脑”，从而对其他无人车的“智能”进行全面更新，这种被成为“车队学习”的信息共享技术，就好比你的手指被滚烫的炉子烫到时，你的胳膊、脚、膝盖都会知道滚烫的炉子是碰不得的。

数据是“车队学习”的无价之宝，但数据也恰恰是这种方法的痛点所在。撞车事件后，特斯拉并没有同谷歌、Uber、通用等分享这一数据。理论上，这就意味着这些企业的无人驾驶车很可能都要犯一遍同样的错误。

编辑：汽车财经网 蔡义敏