自动驾驶任重而道远。
文 | 新智驾
自动驾驶任重而道远。新智驾注意到，汽车产业链在自动驾驶技术单点突破、行业协作和具体量产落地上正在进入积极而务实的阶段。
当前，在历经渐进式还是跳跃式发展、量产自动驾驶衡量标准、是否依赖高精地图、域控制器安全冗余难题、激光雷达如何过车规等行业难题之后，自动驾驶径直进入解决长尾问题的深水区。一大趋势是，主机厂希望满足安全性和低成本，科技公司开始寻求横向合作，Tier 1、Tier 2则在另辟自动驾驶业务线的道路上集中突破，这些活力因子正驱动着汽车行业发生深刻的变革。
实际上，与国外资本继续加注自动驾驶赛道相比，中国市场正面临投资放缓的窘境，受此影响，部分自动驾驶初创公司已经感受到资本市场的寒意，继续融资出现了困难。在这种情况下，身处其中的每个参与者除了静待技术破局和资本市场回暖，还需要对行业和自身发展有所洞察。
近日，新智驾整理了涵盖国内主机厂、科技公司、学术界，以及对中国市场兴趣浓厚的国际Tier 1、Tier 2等代表公司的高管、负责人的最新观点，他们对自动驾驶现状和未来方向的描述部分一定意义上代表了整个行业的发展节奏。
学术界专家
▐ 国家千人计划特聘教授、悉尼科技大学教授、澳大利亚联邦政府科学与工业研究院资深首席研究员、IEEE Fellow 毛国强 ：
自动驾驶的安全性和可靠性面临巨大挑战，智慧公路不仅是解决当前交通问题的有效手段，还是未来智能网联驾驶乃至无人驾驶的必要选择，是最终实现“零”拥堵，“零”事故终极目标的先决条件。智慧公路要结合物联网的泛在感知、通信与大数据分析、人工智能，充分实现智慧公路“有感觉”、“会思考”、“能反应”。
▐ 中国香港科技大学自主驾驶中心主任刘明：
02
目前无人驾驶技术分为两大类，一类是以深度强化学习为主的模式，另一类是工程模块化系统，但两者各有优劣势。将两者结合在一起是低速无人驾驶的技术路线的最佳选择。目前，自主物流系统是无人驾驶领域最容易落地的行业，进一步细化可以包括最后一公里的递送、监控、和仓内的点到点运输。
主机厂
▐ 沃尔沃汽车集团亚太区主动驾驶技术负责人张立存：
03
在实现自动驾驶的过程中，路端信息的加入是一个必需的过程，因为仅靠单车的智能，很多典型的驾驶场景是无法满足安全驾驶需求的。不过这两条路线的落地时间会有较大的差别，目前来看，一定是先从单车的智能化开始，然后逐步应用在部分场景、部分区域，之后随着场景的扩充，加入路端信息，形成车路协同。
▐ 比亚迪汽车智慧生态研究院副院长 焦海涛
04
）
焦海涛认为，从来没有一个行业像智能汽车这样横跨了这么多学科与技术。大数据、人工智能和区块链，将会是车生活、应用方面的核心技术。
而智能汽车一定是开放的车辆，比亚迪的任务就是把车辆基础打造好，包括计算力，以太网，OTA以及相应的感应系统，从而把车辆的可靠性做好。
通过用区块链技术和比亚迪开放的接口获取到车辆行驶的数据，尤其是新能源汽车行驶的数据，把这些数据转换成碳减排的数据，形成碳分，通过碳分和合作伙伴一起打造一个生态，对新能源汽车的车主给予奖励。在下一代新的技术浪潮中，比亚迪主要的目标就是作为智能汽车硬件标准平台提供商，与开发者、开放平台进行未来的合作。
Tier1
▐ 采埃孚工程技术中心总监 綦平：
05
传统汽车刹车、转向两者之间独立，但进入到自动控制过程中，汽车主要核心是以汽车动态学原理为导向，从行驶方向，如纵向和横向的动态作为控制基础。我们要将车控制到什么状态，同是要兼顾执行器的动态，给汽车一定的指令，彼此之间要进行相互的关联。
这时就需要强大的“大脑”进行处理，原来由驾驶员单独控制的这些子系统的工作，需要由采埃孚的“协调员”—cubiX综合管理。
▐ 伟世通全球首席架构师王凯：
06
对于一个架在科技公司和主机厂之间，起到桥梁作用的自动驾驶平台，生态系统的丰富性尤为重要。此外，随着自动驾驶的全面发展，互联网车辆不断增加，数据处理压力也会不断增加，我们的策略是当车辆跨过L3级自动驾驶后，车辆可以保证永久更新和并受到监控。
▐ 法雷奥中国区CTO 顾剑民
07
在自动驾驶分级L0到L5中，我们认为，目前挑战最大的是从L2到L3的这样一个跨越，原因有很多。首先是因为我们现在已经量产的在路面上跑的车辆搭载的大多是L2或L2以下的系统，包括特斯拉和沃尔沃。严格意义上讲L2不是自动驾驶，它只是驾驶辅助而已。L3是人机共驾，从L2到L3，这是一个很大的跨越。这里面有很多原因，有技术上的、性能上的，也有鲁棒性的要求，还有验证方面的，从L2到L3并不是我们想象的稍微增加一些验证工作量。
自动驾驶整体解决方案商
▐ 腾讯自动驾驶总经理苏奎峰：
08
自动驾驶的成败其实考验的是一个公司在系统资源方面的整合能力，包括底层系统工程化能力等等。另外，其中的核心技术是对数据的利用效率，无论是做决策、还是感知层，公司的技术最终要体现在数据的利用效率上。所以，能够把数据利用效率提高、把数据价值挖掘得更高、相应的工作积累更深等要素综合在一起的公司才有核心竞争力，而不是短期内做一个模型，或者做一个小的算法来获得竞争力。
▐ 嬴彻科技创始人兼CEO马喆人 ：
09
L3级自动驾驶最理想的落地场景是行驶在城市间高速公路上的货车。一个非常成熟的L3即有人值守的自动驾驶技术可以把现有的城际大货车全年总经营成本节约大约12%～15%，大约可节省10万～15万人民币。假设一辆车是四年的寿命，就可以节省40万～60万人民币。在技术完全成熟的时候，这可以为产业节省很多。
▐ 文远知行联合创始人兼CEO韩旭：
010
自动驾驶车与传统汽车不同，不应用私家车的量产标准来衡量自动驾驶。量产概念不是简单的数量问题，在保证安全的前提下，有足够的技术和信心把安全员从车上拿掉，这才是量产的标志。
▐ 智加科技高级副总裁、中国区总经理容力：
011
要实现L4级别的自动驾驶（即无人驾驶）就需要经历原型期、工程验证期、设计验证期、生产验证期和量产五个阶段，这一周期至少就需要五年。同时，汽车产业的链条足够长，需要制造商、技术公司和运营商的通力合作。
可以看到，整个汽车行业技术发展和消费者对自动驾驶的理解和接受度均处于初期阶段，但趋势不可逆转，自动驾驶技术就像一个潘多拉魔盒，一旦打开便再难关上。
高精度地图
▐ 四维图新高级副总裁孟庆昕
012
在孟庆昕看来，作为汽车工业的顶尖科技，自动驾驶汽车离不开高精度地图。她指出，高精度地图拥有高速与普通路场景兼容的产品标准，厘米级的数据精度，多维度的数据更新技术，以及实时在线的数据分发服务，是自动驾驶系统中实时的、高可靠性同时也是不可或缺的传感器。
在高精度地图领域，为满足自动驾驶地图实时更新的需求，OEM厂商及合作伙伴会将车辆实时产生的传感器数据上传至云端，方便图商更新自动驾驶地图，同时图商也将实时更新的地图数据上传至云端，再按需下发给车辆。自动驾驶车辆感知到的实时环境数据、和自动驾驶系统及自动驾驶地图的先验信息及知识，每辆车每天都会产生数以T计的数据。
5G技术的高速率、低时延的传输方式将便利跟自动驾驶相关的数据上传及下发功能，并形成自动驾驶的生命循环，使得端和云之间的界限变得模糊，传输的提速会大幅度提高云上信息储量和丰富程度，存储和算法的界限也将开始重叠，高精度地图的上传下发问题也将迎刃而解。
▐ DeepMap COO及产品负责人 罗维：
传统地图授权的方式，是地图厂商通过运营测绘车队扫描道路绘制地图，然后它会向所有的客户授权同一份基本一致的地图。在这种情况下，客户其实是得到了一份使用授权，但并不具有数据的所有权。同时这些客户也不具有数据相关的一些衍生权限，这不止是针对传统像TomTom、Here这样的传统厂商，比如Mobileye的客户遇到的情况也是这样的。
Mobileye的案例也说明，在地图领域，有时候整个系统就像一个黑盒子，你看不到地图的原始数据，也无法拿到基于原始数据衍生的一些信息。这对自动驾驶来说是一个很大的挑战，而自动驾驶的技术核心是怎样获取到更多的数据，来不断训练你的系统，来进行测试和模拟等等。
自动驾驶芯片
▐ 英伟达自动驾驶中国区负责人董方亮：
013
英伟达认为，自动驾驶安全的边界尤为重要。因为自动驾驶需要在特定条件才能实现。从驾驶的行为来讲，自动驾驶首先是一个车辆，是一个智能体。
首先要保证功能安全。即保证端到端的安全，在整个系统满足车辆车规安全的前提下，。还要从计算平台、软件、架构上保证车辆的安全，比如在感知模块运用人工智能算法、用深度学习算法保证安全和高可靠性。在感知算法上，英伟达会用多种网络做校验，这个结果能够保证较高的感知稳定性和准确率。
另外，自动驾驶要做大量测试的工作，测试代表了几个方面：首先要建立场景库，然后要做虚拟测试的工具和平台。如此一来，场景库能够保证做尽量多的测试，保证自动驾驶的行为能够尽量在场景库里被验证和测试。模拟与仿真的系统能够极大补充路测的不足，能够保证智能驾驶的安全性。
英伟达对于自动驾驶的布局更多的在芯片和测试方面进行着手。除了与丰田合作以共同推出自动驾驶模拟云平台之外，还与ARM、恩智浦、通用汽车和丰田汽车等成立自动驾驶汽车计算联盟（AVCC），以共同发展符合自动驾车汽车需求的系统架构及运算平台。
▐ 地平线副总裁、Auto产品线副总裁张玉峰：
018
目前来看，宣传达到L3级别的车其实更多还是在L2.5或者是L2 的水平上。L2级别跨越到L3级别还面临着法律法规和人机交互等多重挑战。根据市场反馈，真正的L3级别自动驾驶的量产还是要往后推迟3年左右，大约在2022年左右。在整个业界来看，L4、L5还是面临很多技术挑战的，例如很多常规的场景和安全性都是挑战。
