前言：

近年來(lái)自動(dòng)駕駛汽車(chē)發(fā)展則是進(jìn)步顯著，以至于一種聲音對(duì)于自動(dòng)駕駛汽車(chē)10年內(nèi)普及完成持肯定態(tài)度，不過(guò)另一種聲音自動(dòng)駕駛汽車(chē)距離現(xiàn)實(shí)生活還比較遙遠(yuǎn)，至少10年內(nèi)無(wú)法實(shí)現(xiàn)全民普及。

不安全的自動(dòng)駕駛發(fā)展再快也無(wú)濟(jì)于事

有一部分行業(yè)內(nèi)部人士認(rèn)為，并不是說(shuō)L4級(jí)未來(lái)不能實(shí)現(xiàn)，而是十年之內(nèi)，普通道路上的L4級(jí)自動(dòng)駕駛汽車(chē)量產(chǎn)很難實(shí)現(xiàn)。

目前L5級(jí)自動(dòng)駕駛汽車(chē)處于萌芽期，L4級(jí)自動(dòng)駕駛汽車(chē)處于概念期，預(yù)測(cè)L4級(jí)產(chǎn)業(yè)化、規(guī)�；瘧�(yīng)用應(yīng)該還是10年之后，包括麥肯錫、法國(guó)YOLE等咨詢公司都表示，至少2030年以后才能實(shí)現(xiàn)L4級(jí)的量產(chǎn)。

L4級(jí)自動(dòng)駕駛要實(shí)現(xiàn)落地，一定不能忽視車(chē)路協(xié)同，人和車(chē)、車(chē)和車(chē)、車(chē)和路之間需要默契配合，這些都需要信號(hào)的支持，而十年之內(nèi)不可能實(shí)現(xiàn)讓所有汽車(chē)能開(kāi)到的地方都有信號(hào)。

從輔助自動(dòng)駕駛技術(shù)到完全自動(dòng)駕駛技術(shù)都可以應(yīng)對(duì)，而實(shí)現(xiàn)不了的是L4級(jí)和L5級(jí)自動(dòng)駕駛所應(yīng)對(duì)復(fù)雜場(chǎng)景，自動(dòng)駕駛的終極挑戰(zhàn)是辨別人的意圖，而這些都是10年內(nèi)無(wú)法解決的問(wèn)題。

因此，L4級(jí)自動(dòng)駕駛汽車(chē)實(shí)現(xiàn)量產(chǎn)的故事很美好，但10年之內(nèi)或者可預(yù)見(jiàn)的短期內(nèi)難以全面普及。

摩爾定律下的自動(dòng)駕駛速度

無(wú)人駕駛的熱度已經(jīng)持續(xù)了好幾年，有些樂(lè)觀的公司稱今年或者明年就將實(shí)現(xiàn)商用。不過(guò)關(guān)于無(wú)人駕駛的真正落地時(shí)間的預(yù)測(cè)，近兩年從非常樂(lè)觀迅速轉(zhuǎn)向謹(jǐn)慎。

自動(dòng)駕駛公司W(wǎng)aymo利用技術(shù)發(fā)展的指數(shù)性作為假設(shè)，試圖找到無(wú)人駕駛發(fā)展的摩爾定律，進(jìn)而推導(dǎo)出實(shí)現(xiàn)無(wú)人駕駛的時(shí)間表。

去年Waymo的數(shù)據(jù)是每次技術(shù)失效可行駛11017英里，這大概相當(dāng)于每失效前可走10的4四次方英里。

從Waymo數(shù)據(jù)擬合出來(lái)的曲線來(lái)看，模型大部分情況擬合都比較好，Waymo的MPD與指數(shù)擬合的疊加，指數(shù)曲線正好對(duì)應(yīng)每16個(gè)月性能翻番。

很多無(wú)人駕駛的失效只是導(dǎo)致受傷而不是致命的，如果假設(shè)無(wú)人車(chē)失效從來(lái)都不會(huì)導(dǎo)致致命事故的話，前面的預(yù)測(cè)就可以減少4年，但仍然需要12年才可以達(dá)到人類的表現(xiàn)。

哪怕每16個(gè)月表現(xiàn)成倍增長(zhǎng)，無(wú)人車(chē)也要用16年的時(shí)間才能趕上人類水平，也就是2035年。那些宣稱今年或者明年就能實(shí)現(xiàn)無(wú)人車(chē)的說(shuō)法看起來(lái)就比較可疑了。

被高估的自動(dòng)駕駛與被低估的算法

圍繞邊緣的人工智能處理器，公司的首要核心，還是自動(dòng)駕駛。在攀登這個(gè)高峰的過(guò)程中，一路都會(huì)有收獲，包括智慧城市、智慧零售、智能制造，都是邊緣處理器的應(yīng)用場(chǎng)景。

車(chē)載端的感知的計(jì)算，未來(lái)一方面是在路端，通過(guò)傳感器，邊緣計(jì)算去感知復(fù)雜的車(chē)流。同時(shí)車(chē)端也有邊緣計(jì)算，去感知周?chē)�的情況，這種V2V通訊可以了解到全面的路況動(dòng)態(tài)，從而去達(dá)到未來(lái)比較高效的交通系統(tǒng)，也許未來(lái)的交通路口是這樣的。

數(shù)據(jù)后期的分類標(biāo)定、數(shù)據(jù)質(zhì)量以及算法，存著在很多的不確定因素。而公眾和監(jiān)管機(jī)構(gòu)都堅(jiān)持，自動(dòng)駕駛汽車(chē)需要測(cè)試數(shù)億至數(shù)千億公里，才能驗(yàn)證它們?cè)跍p少交通事故方面的可靠性，這無(wú)疑加大了AI應(yīng)用在自動(dòng)駕駛的難度。

由于算力的局限，致使AI訓(xùn)練過(guò)程變得很長(zhǎng)。數(shù)據(jù)量超出硬件承載的上限，AI就無(wú)法表現(xiàn)得老練得體。也因?yàn)橥瑯拥脑�因，人們必須事先篩選數(shù)據(jù)，避免硬件崩盤(pán)。

解決自動(dòng)駕駛汽車(chē)技術(shù)中的難題

自動(dòng)駕駛汽車(chē)無(wú)疑將開(kāi)啟了交通運(yùn)輸行業(yè)的新時(shí)代，但整個(gè)行業(yè)尚需解決一些技術(shù)難題，方可真正實(shí)現(xiàn)能夠商業(yè)化的自動(dòng)駕駛技術(shù)，有必要減輕駕駛負(fù)擔(dān)，并使駕駛的過(guò)程變得更安全。

ADAS功能的標(biāo)配化會(huì)使駕駛員在工況超出ADAS處理能力的情況仍然盲目依靠它。例如，自適應(yīng)巡航控制技術(shù)在汽車(chē)直接跟隨另一輛行駛中的汽車(chē)時(shí)能夠運(yùn)行良好，但它通常不能發(fā)現(xiàn)靜止的物體。

不幸的是，現(xiàn)實(shí)生活中的情況以及受控實(shí)驗(yàn)都表明，對(duì)自動(dòng)化過(guò)于信任的駕駛員最終會(huì)以撞上靜止的汽車(chē)或其他物體而告終。ADAS目前可實(shí)現(xiàn)的功能有限，而這正是許多早期用戶所沒(méi)有真正領(lǐng)會(huì)理解到的。

安全專家擔(dān)心，半自動(dòng)駕駛汽車(chē)的駕駛員可能會(huì)在自動(dòng)駕駛模式下進(jìn)行閱讀或發(fā)短信等活動(dòng)，從而在被要求接管汽車(chē)控制權(quán)的瞬間會(huì)缺乏對(duì)環(huán)境必要的感知。

隨著駕駛員又再次操控汽車(chē)，他們必須立即評(píng)估周?chē)�環(huán)境、確定車(chē)輛在其中的位置、分析其所面臨的危險(xiǎn)狀況并選定一個(gè)安全的行動(dòng)方案。

而當(dāng)車(chē)速達(dá)到65英里／小時(shí)（約合104公里／小時(shí)）時(shí)，汽車(chē)只需不到4秒的時(shí)間便可駛過(guò)相當(dāng)于標(biāo)準(zhǔn)足球場(chǎng)長(zhǎng)度的距離，且駕駛員將控制權(quán)交給汽車(chē)的時(shí)間越長(zhǎng)，再次進(jìn)入駕車(chē)狀態(tài)的過(guò)程也會(huì)越長(zhǎng)。

因此，汽車(chē)制造商必須開(kāi)發(fā)更好的人機(jī)界面，以確保新技術(shù)將挽救更多的生命而不是引發(fā)更多的事故。

安全和便利之間的矛盾

自動(dòng)駕駛面臨安全與便利的雙重矛盾�，F(xiàn)實(shí)中，人們對(duì)安全事故的敏感，甚至一度讓主機(jī)廠乃至科技公司對(duì)自動(dòng)駕駛躊躇不前。

未來(lái)的汽車(chē)作為軟件和數(shù)據(jù)的載體，數(shù)據(jù)的類型將會(huì)多種多樣：地圖數(shù)據(jù)，氣象數(shù)據(jù)，汽車(chē)診斷數(shù)據(jù)，急救信息，定位信息，娛樂(lè)互聯(lián)等等�？傊�，不管通信如何發(fā)展，都是用來(lái)服務(wù)數(shù)據(jù)的。

不同的數(shù)據(jù)對(duì)應(yīng)不同的網(wǎng)絡(luò)功能，系統(tǒng)性能，安全，用戶體驗(yàn)，比如車(chē)輛定位和娛樂(lè)視頻對(duì)于智能汽車(chē)來(lái)說(shuō)，網(wǎng)絡(luò)性能的要求肯定是不一樣的。自動(dòng)駕駛數(shù)據(jù)需要高接入容量，低延遲和高速率，但對(duì)氣象數(shù)據(jù)來(lái)說(shuō)，這些也不是最迫切的。

車(chē)聯(lián)網(wǎng)具備了很多的內(nèi)涵，未來(lái)的通信技術(shù)帶來(lái)的大帶寬只是顯而易見(jiàn)的優(yōu)點(diǎn)之一，汽車(chē)的智能化還任重道遠(yuǎn)，培育萬(wàn)物互聯(lián)和低時(shí)延的場(chǎng)景需求還要時(shí)日。

底層技術(shù)不足以支撐重大事件

通常來(lái)講，敢于直接向全自動(dòng)駕駛發(fā)起挑戰(zhàn)的，大多擁有很強(qiáng)的技術(shù)人才和資金后盾。這也可以理解為，缺乏后盾或者亟待盡快盈利的公司，很自然地會(huì)選擇從低級(jí)別向高級(jí)別循序漸進(jìn)的方式去研發(fā)自動(dòng)駕駛。

自動(dòng)駕駛場(chǎng)景上的復(fù)雜性，決定了深度學(xué)習(xí)相比于傳統(tǒng)機(jī)器學(xué)習(xí)方法有得天獨(dú)厚的優(yōu)勢(shì)，隨著車(chē)聯(lián)網(wǎng)的普及和大數(shù)據(jù)技術(shù)的發(fā)展，深度學(xué)習(xí)被行業(yè)定義為未來(lái)解決自動(dòng)駕駛落地的關(guān)鍵武器之一。

不過(guò)，由于深度學(xué)習(xí)所依賴的大數(shù)據(jù)和計(jì)算量及其近似黑盒的難解釋性，又使得深度學(xué)習(xí)在自動(dòng)駕駛實(shí)際應(yīng)用場(chǎng)景中經(jīng)常處于萌芽的階段。

現(xiàn)階段自動(dòng)駕駛底層的技術(shù)，仍不能支撐、解決和處理重大交通問(wèn)題，很多問(wèn)題尚未暴露出來(lái)，等到大規(guī)模商用的時(shí)候，可能會(huì)暴露出更多無(wú)法預(yù)料的問(wèn)題，而這些問(wèn)題往往決定著行業(yè)的生死。

結(jié)尾：

目前自動(dòng)駕駛引發(fā)的倫理之爭(zhēng)、信息安全、交通事故的權(quán)責(zé)歸屬、商業(yè)化之路等問(wèn)題都需要整個(gè)行業(yè)冷靜下來(lái)思考。

不過(guò)，自動(dòng)駕駛是汽車(chē)工業(yè)的夢(mèng)想，未來(lái)一定會(huì)實(shí)現(xiàn)，至于何時(shí)實(shí)現(xiàn)沒(méi)有正確答案。無(wú)論它早來(lái)還是晚到，整個(gè)產(chǎn)業(yè)鏈都需要長(zhǎng)期的巨額投入，包含各種技術(shù)的融合，以及高精地圖、5G通信技術(shù)等，還有相關(guān)法規(guī)和行業(yè)標(biāo)準(zhǔn)的建立。