電子發燒友網報道（文/莫婷婷）自動駕駛技術成為智能汽車的競爭焦點。百度集團資深副總裁、智能駕駛事業群組總經理李震宇曾提到，到2030年沒有自動駕駛能力的電動汽車將完全失去競爭力。只不過，當下自動駕駛汽車還處于商業化落地的過程，并且消費者對自動駕駛汽車還存在顧慮。

那么，自動駕駛汽車快速商業化落地還面臨哪些挑戰，5G技術的商用、更高階的傳感器技術、V2X能否實現自動駕駛，自動駕駛技術路線又有哪些變化呢？

L3向L4過渡，自動駕駛汽車商業化落地持續“破冰”

什么樣的自動駕駛才屬于真正實現商業化落地？業內普遍認為，沒有安全員，或者允許駕駛員在車內睡覺時，才算真正實現商業化落地?，F階段的自動駕駛還處于低級自動駕駛階段，也就是L3，不具有商業價值，并且要求駕駛員或安全員必須根據系統請求及時接管車輛，或者預測危險時主動接管車輛。而大部分乘用車還處于人機共同駕駛階段，也就是L2。只有到了L4才是高級自動駕駛階段，允許沒有安全員，或者駕駛員可以在車內睡覺。

深圳交通中心和深圳市智能網聯交通系統產業創新中心專業總工程師段進宇指出，L3的要求是非常高的，它需要傳統駕駛技術和自動駕駛技術同時并存在一輛車上，而且要求傳統的駕駛技術和自動駕駛技術能夠隨時切換。由此來看，L3處于一個較為尷尬的自動駕駛發展階段。

隨著技術的發展和市場需求的增加，業內人士開始討論自動駕駛技術、L3有沒有辦法向前推進，為什么“傳統的駕駛技術和自動駕駛技術能夠隨時切換”是L3向L4過渡時最大的挑戰之一？

從理論上來看，是因為現在的AI技術就像一個偏科生，必須依賴大量的數據學習，不具有觸類旁通的能力，這就帶來了長尾問題。一開始可以學得很快，但隨著難度越來越高，想要取得突破也就越來越難。在AI技術的局限下，智能汽車在駕駛過程中就會出現“不可預見風險”。段進宇表示，智能汽車需要進行感知、認知、網聯、決策、控制、集成與測評等測試驗證。但是AI技術存在的問題，意味著自動駕駛汽車真正上路前無法完成全部的測試驗證。

由于技術成熟度的原因，L3及以上的自動駕駛系統需要進行接管，也就是駕駛員進行干預修正接管。深圳交通中心和深圳市智能網聯交通系統產業創新中心的數據顯示，在接管類型方面深圳道路測試自動駕駛脫離接管主要由外部環境影響及人為主動干預導致，占比分別為62%、25%，而車輛本身技術原因也占有13%的比例。

細分來看車輛本身技術原因中，主要有定位及網絡通信故障，感知識別出錯，車輛剎車、駐車故障，以及決策算法缺陷。而這些都需要車載芯片、傳感器、車聯網技術、算法的配合。

為什么自動駕駛汽車無法實現商業化落地，段進宇總結了兩點。一是不安全?；趩诬囍悄艿淖詣玉{駛汽車感知能力和認知能力有限，無法適應多變的氣候和復雜的交通環境；人工智能決策沒有自我經驗和積累能力，應對復雜、動態、不確定的處理能力仍需驗證；自動駕駛技術要想達到人類駕駛水平還需要大量的數據喂養和算法訓練。二是效率低、成本高。不管是高速路段還是市區，自動駕駛汽車都需要安全員做好接管準備以保障行駛安全；安全員、自動計時系統軟硬件都是需要考慮的成本。

目前深圳已經累計開放測試道路超過201公里，累計測試里程超94萬里，企業包括小馬智行、文遠知行、元戎啟行、AutoX等，其中元戎啟行在深圳、北京都設有研發中心，和東風汽車、曹操出行等企業在全國多地開展自動駕駛相關合作，進行道路測試和試運營。今年4月，元戎啟行的L4級自動駕駛前裝方案車隊落地深圳。

在自動駕駛汽車實現商用，或者說是從L3真正轉向L4時，還需要有大量的道路測試，而這個過渡時間還得由自動駕駛技術的成熟度決定。

從單車智能到V2X，車云端一體化成為下一階段的突破方向

在很長一段時間里，為了讓自動駕駛真正實現落地，單車智能和車路協同曾在業內掀起PK熱潮。單車智能是通過傳感器的感知和高效算法決策的單車智能模式，盡管智能汽車上安裝了攝像頭、激光雷達、毫米波雷達等傳感器，但是難以解決單車視角有限，視野盲區、全局管理等問題。

因此車路協同自動駕駛技術路線（V2X）被認為是單車智能的延伸。V2X基于道路基站實現和車輛通信，并且能夠將智能汽車的運動決策和交通的調控系統協同。車路協同一方面把部分車端的各種智能系統轉移到路端，更便于監管，并且可以提供“上帝視角”。這里的“上帝視角”指的是傳感器能看到的路況，駕駛員在車里只能看到一些東西，但是路側的各種傳感器能看到的東西比駕駛員看到的還要多。

在車路協同的技術路線中，路側的感知、決策、控制主要靠路側設備、邊緣計算，可以降低車端對車載平臺的算力需求。例如對路口紅綠燈的識別及響應，可以用信號機發射它的狀態，也就是車路通信（V2I）設備與智能汽車進行通訊，而不是通過攝像頭感知紅綠燈，可以提高識別率，并且減少交通路段的光照變化多端等環境問題帶來的影響，提高通過交叉路口的安全性。

V2X是現階段的最佳路線，但是與人相比卻還是有一定差距的。深智聯曾做過一組紅綠燈時延測試，測試結果顯示紅綠燈信號平均時延僅為1.1s。但是這個數據是遠高于車內駕駛員的0.2~0.5s。

未來，如果要實現更高階的自動駕駛，還得實現從車端，到路端，再到云端的高度協同，這是最理想的自動駕駛模式。其中車端智能包括4G/5G接入模塊、傳感器、高精度定位設備、感知探頭、車載智能中控系統、疲勞測試等，路側智能包括無線接入、計算平臺、AI、大數據等配合，云端智能則需要大容量有線網絡接入、汽車云數據平臺，并且要求進行海量數據挖掘、模型訓練、智能決策等。

只不過段進宇也表示，如果說自動駕駛汽車已經成為成人的大玩具的話，智能網聯系統就是極客的大玩具。這里需要面臨技術問題，即汽車芯片、傳感器等半導體元器件還要進行車規級認證。其中汽車芯片需要通過AEC-Q100 、IATF 16949、ISO26262三種國際標準的認證。目前，國內芯片廠商正在加大對汽車芯片的投入，并且有不少產品進入認證階段，但真正上車的還不多。除了技術上的問題，還有監管等問題需要解決。而車端、路端、云端就是一個龐雜的系統，可靠性有待考量，性價比也還處在未知狀態。

小結：

自動駕駛在面臨發展機遇的同時也存在挑戰。在技術上，業內人士對自動駕駛的研究仍在進行，從L3到L4，還需要解決大量的技術問題。在自動駕駛的技術路線方面，從單車智能到車路協同，新的技術路線得益于技術的成熟得以應用，作為當下主流的方向，產業鏈上下游廠商都在朝著相同的方向前進。