谷歌向我们证明，至少从技术角度来讲，无人驾驶汽车已经成为现实。这些独立自主的交通工具能够应付不可测的突发事件，比如胡乱跑马路的行人，骑飞车的自行车手，还有交通堵塞。设想十年以后大街小巷都是这些技术革新的产物，真是让人痛并快乐着；我们还需要适应。
可以先对比下无人机驰骋的万里晴空。地面交通环境较之更为广大、更具变化性，然而管理条例却要少得多。车主们能照着他们选择的路线去任何地方。旅行计划不预知；至于速度，尽管说起来有道路交规控制着，却常常不可预测，且没有连贯性。所有的这一切，让那些拿了驾照、训练有素的人类司机们常常陷入要撞车的节奏。设想一下，当我们把一辆无人驾驶汽车扔进这个人类司机开着的车堆里会是什么样子。这是一个高度复杂的动态网络，需要实时工具的管理以保证安全和高效。
为了做到这点，应该有两个网络层。兼容安全性和高效性。第一层是一个一个的汽车。谷歌在这方面做得非常卓越。第二层我将其称之网络层——即总体上的无人驾驶汽车舰队。如果我们能够正确地计划、执行网络层，并且运用调试化原则，事实上我们只需要少得多的交通工具就能满足日常所需了。
路上车少了，单个车辆层面面临的就是小得多的安全风险，拥堵和废弃垃圾也会减少。假以时日，其产生的蝴蝶效应当然会延伸至运输和公共交通领域，促使其降价。
这一网络需要是高度结构化的，然而又能利于快速采用，修改起来方便，能够满足交通和安全层面的公共需求。
一辆无人驾驶汽车识别出一个公路胡乱跑、及时刹车是一回事。整个无人驾驶汽车形成的有机网络能够及时应付一辆车刹车形成的蝴蝶效应，则是另一回事，试看情景推导：另一辆车也跟着刹闸了；人类司机驾驶的汽车追尾了，没及时刹闸，一头撞上了前面的无人驾驶汽车；因为这起事故造成了堵车；形成了后续的延误；快递公司需要调剂自身计划，因为他们兑现不了当天送达的承诺了；公交系统管理者则需要让上班族们及时上班。
随着我们不可逆转地进入一个随需应变的世界，这个世界里混杂着人类和各种人工智能，因此，我们必须在单一资源、单一递送或递送线路之上，高屋建瓴地思考问题。使用既得的大数据将社会运营进行实时的流水化处理，这是种处理持续变幻环境的非常有效的方式，它能够将交通工具的效用最大化。
