无人驾驶还有多远？

#“车路云”一体化提速，哪些股受益？#  $无人驾驶(BK0802)$  #无人驾驶大市场催生强后劲#  $路畅科技(SZ002813)$  $智能汽车ETF(SZ159889)$  

近年来，全球多家汽车制造商和科技公司都在紧锣密鼓地推进自动驾驶技术的研发，这一趋势显著加速了汽车行业的智能化步伐。自动驾驶的未来展现出了无限的潜力和可能。
然而，在许多人眼中，“自动驾驶”这个词虽然充满了未来科技的气息，却也伴随着一种复杂的情感——既充满期待，又心存疑虑。人们不禁会思考，自动驾驶技术的难度到底有多大？如果系统出现故障该如何应对？它能否超越人类驾驶员，为我们提供更加安全的行车环境？

01

自动驾驶，难实现吗？

要解答这个问题，我们首先需要了解自动驾驶的分级标准。根据国际自动机工程师学会的定义，汽车自动驾驶技术共分为六个级别，从L0至L5。在这些级别中，L1和L2被视为驾驶辅助技术；而L3级别则是一个重要的分界点，标志着自动驾驶的开始。在L3级别及以上，汽车已经具备了自动驾驶的能力，但值得注意的是，在L3级别，当系统需要时，人类驾驶员仍然可以接管控制权。进一步来说，L4级别的车辆能在绝大多数场景下实现自动驾驶，且无需人类驾驶员的介入；而L5级别则代表着最高等级的自动驾驶，即车辆可以在任何场景下实现完全自动驾驶。

资料来源：国际自动机工程师学会

关于自动驾驶技术的研究，其历史可追溯到上世纪五十年代。然而，直至当前，多数车企的自动驾驶技术仍然停留在L2级别，即辅助自动驾驶阶段。行业内普遍观点认为，通过不断的技术迭代与升级，从L2级别逐步演进，最终有望实现L4高级别的自动驾驶。然而，这一过程并非一蹴而就，预计L2与L4级别的自动驾驶技术将在未来一段时间内并存。

显然，实现自动驾驶并非易事，它是一项极其复杂的系统工程。这一工程涉及传感器技术、计算机科学、人工智能、通信技术、导航定位技术、机器视觉以及智能控制等多个学科领域的融合。同时，软硬件的发展以及政策环境的支持，都对自动驾驶技术的进步产生着至关重要的影响。

02

实现路径，有几种？

自动驾驶的实现，不仅只有一种方式。

在自动驾驶技术的探讨中，毫末智行数据智能科学家贺翔为我们揭示了两种主要的技术路径。第一种是以激光雷达为主导的融合感知方案，这种方案融合了激光雷达、摄像头和毫米波雷达等多种传感器，形成了一个完整的感知体系，这一方案被华为、小米、蔚来等车企所采纳。而另一种则是纯视觉感知路线，它主要依赖于视觉信息，以特斯拉为代表。

不论是哪种技术路径，它们的核心都围绕着感知、决策和执行这三个关键环节。我们可以将自动驾驶系统与人驾驶汽车进行类比。在驾驶过程中，我们的眼睛（或耳朵）负责感知周围环境，大脑则负责根据感知到的信息做出决策，而手脚则负责执行这些决策。同样地，自动驾驶系统也通过其传感器来感知环境，通过计算单元来做出决策，并通过执行机构来控制车辆的运行。

资料图

自动驾驶系统的“感官”包括高清摄像头、激光雷达、毫米波雷达、超声波雷达等感知系统，它们如同车辆的“眼睛”和“耳朵”，能够迅速且精确地识别车辆、行人、交通信号灯以及障碍物等环境信息，确保系统能够“洞察万物”。上述提到的两种技术路径，实际上就是在环境感知这一关键领域所做的不同选择，而环境感知则是后续决策和执行环节的基础。

自动驾驶的“大脑”则是由“芯片”和算法构成，它们负责做出决策：如何安全驾驶？哪条路线效率更高？这些都是“大脑”在“理解路况”后给出的答案。而控制系统则扮演着执行者的角色，如同自动驾驶的“手”和“脚”，确保决策得到准确无误的执行。

首先，让我们来探讨融合感知路线，这是目前国内车企在自动驾驶领域普遍采用的主要方法。

简而言之，这种方法是通过在车辆上安装高清摄像头、激光雷达、毫米波雷达等多种传感器，以全面收集车辆周边的环境信息。同时，结合高精度地图的数据，为自动驾驶系统提供决策依据。

融合感知路线的优势显而易见：各种传感器能够相互协作，各自发挥其独特优势，从而为系统提供多样化的数据来源。这种多元化的信息获取方式使得感知结果更为稳定可靠，进而提升决策的精确性。例如，摄像头能够提供详尽的视觉信息，而激光雷达则能精确测量距离和速度，并且在夜间、大雾、雨雪等恶劣天气条件下仍能保持高效的识别能力，从而有效弥补了摄像头在某些环境下的局限性。

对于融合感知这种技术路线，其显著的挑战在于成本高昂。特别是高精度地图和激光雷达的配备，需要显著的资本投入。

而纯视觉路线则另辟蹊径，以“纯”为特点，仅依赖摄像头进行环境感知。这意味着，从识别物体到计算距离、速度等所有环境信息，都需依赖摄像头的捕捉和处理。然而，选择这条路线并非易事，因为系统需要处理海量的图像和视频数据，这对车端和云端的计算能力、算法优化都提出了极高的要求，可谓是对“大脑”能力的一大考验。

03

自动驾驶会有bug吗？

贺翔强调：“会有，任何机器都存在潜在的问题，我们称之为bug。这些潜在问题可能源自软件错误、硬件故障、传感器误读或数据处理中的疏漏等多种因素。”

他进一步指出，与手机或电脑偶尔的卡顿不同，自动驾驶汽车在高速行驶中若出现任何问题，都可能对乘客安全构成严重威胁。重启手机或电脑或许可以迅速恢复其正常运行，但汽车在高速运行中的任何卡顿都可能带来无法预料的后果。

“不过，我们业界已经有了相应的解决方案。”贺翔表示，安全始终是自动驾驶技术发展的首要考量。他强调，自动驾驶汽车应当配备一套兜底机制，确保在软硬件发生任何错误时，车辆能够自动执行紧急制动，或者及时通知并允许人类司机接管控制，以保障乘客和道路使用者的安全。

资料图

为了应对自动驾驶系统中可能出现的潜在问题，业内已经采取了多种策略来确保系统的稳定性和安全性。这些策略包括：

首先是持续的测试和版本更新。与手机应用需要定期更新以优化性能和用户体验相似，自动驾驶系统也必须经过不断的测试和更新，以应对日益复杂的交通环境和挑战。

其次是采用冗余系统设计。通过在车辆中配置多套独立系统，一旦主系统发生故障，备用系统能够立即启动并接管车辆控制，这种设计思路类似于飞机上的多重引擎配置，确保了系统的可靠性。

最后是算法的不断迭代与优化。通过收集和分析实际道路行驶中产生的数据，对自动驾驶算法进行持续的学习和改进，使系统能够更加智能地应对各种驾驶场景。

这些措施共同作用于降低自动驾驶系统出现问题的概率，致力于实现车辆驾驶的智能化和便捷性，让驾驶体验更加顺畅和安全。

04

自动驾驶VS人类司机，谁更靠谱？

“自动驾驶技术的诞生，旨在追求超越人类驾驶的安全性能，其核心目标便是消除人为因素导致的安全隐患。”贺翔指出，多数交通事故均源于人为失误，如超速、酒驾、疲劳驾驶、分心及情绪驾驶等。自动驾驶系统具备长时间、无分心、无疲劳、情绪稳定的运行能力，理论上能有效减少这些常见的人为错误。

“自动驾驶在反应速度和精确性上，理论上可以超越人类。”毫末智行CEO顾维灏强调，自动驾驶系统能够持续高效地监测环境，对周围环境变化即时作出反应和决策。更值得一提的是，它们还能与其他自动驾驶车辆进行通信，协同工作，共同提升道路安全。

然而，顾维灏也承认，当前自动驾驶系统在某些复杂或罕见交通场景中仍面临挑战。例如，对于未曾遇到过的场景，系统可能会做出不符合预期的决策。他举例说，近期某智能驾驶车辆因未能识别侧翻的卡车而与其相撞，这正是因为系统对这类罕见场景缺乏识别能力。

不过，顾维灏对未来充满信心。他表示，随着自动驾驶技术的不断学习和优化，其安全性有望持续提升，并最终实现超越人类驾驶安全性能的目标，甚至可能达到人类驾驶的十倍以上。

05

如何影响我们生活？

顾维灏深入探讨了自动驾驶技术为社会带来的多重益处。他强调，自动驾驶不仅有望显著减少由人为失误引发的交通事故，更能通过智能优化行驶路线和速度，减少不必要的停车和急刹车，从而提高交通流畅度和整体效率。这一技术将助力构建更为灵活、高效的多模式交通网络，实现传统交通模式的现代化升级。

尤为值得一提的是，自动驾驶技术将为老年人、残疾人及无驾驶能力者提供更多出行的便捷与自由，进一步提升他们的生活质量。同时，它将使驾驶者从驾驶任务中解脱出来，将通勤时间转化为休息或娱乐的宝贵时光。

随着自动驾驶车辆的普及，城市规划和交通基础设施也将逐步适应这一变革。例如，随着车辆自主寻找停车位或返回指定地点，对停车场和停车空间的需求可能会逐渐减少，这将对城市的空间利用和规划产生深远影响。

总之，自动驾驶技术所带来的变革将深远影响我们的日常生活、商业运作和社会结构，引领我们迈向一个更为安全、高效和环保的未来。

06

当下发展困境几何？

虽然自动驾驶技术承载着丰富的未来愿景，但在迈向全面商业化和广泛普及的道路上，我们仍需面对一系列现实挑战。

成本问题无疑是自动驾驶技术商业化的核心障碍之一。自动驾驶的软硬件开发、海量数据采集、技术测试和验证等各个环节均需要巨大的资金和时间投入，这直接影响了其成本效益比，并制约了其快速普及的步伐。

顾维灏在探讨自动驾驶的政策与法规环境时指出，当前自动驾驶领域在法律责任、安全标准、隐私保护等方面的法规框架尚不够明确。这种不明确性在自动驾驶车辆的测试、实际应用以及责任划分等方面造成了显著的困扰。具体来说，当人类驾驶者与自动驾驶车辆发生交通事故时，责任归属的问题便显得尤为复杂，难以简单地归咎于驾驶者或是车辆制造商。这都需要法律法规进行明确界定，以提供一个公正、合理的解决途径。

此外，顾维灏还指出，不同国家和地区的法律、标准差异也为自动驾驶车辆的全球推广带来了不小的挑战。为确保自动驾驶技术的健康发展与广泛应用，需要国际间加强合作，共同制定统一的标准与规范，以消除这些障碍。

另外，当前行业还面临一个共同的挑战，那就是如何让消费者愿意为自动驾驶的相关功能买单。

虽然多家车企和自动驾驶公司已成功推出泊车和高速辅助驾驶功能，但真正让消费者深刻体验并认可自动驾驶技术的关键在于城市场景。毕竟，城市环境才是人们日常生活中最常用到的出行场景。如果自动驾驶技术无法在高频、刚需的城市场景中实现，那么所有关于其商业化的规划都将是纸上谈兵，难以落地。

07

完全自动驾驶，还有多远？

这两年，我国陆续出台了一系列如《关于开展智能网联汽车准入和上路通行试点的通知》《自动驾驶汽车运输安全服务指南（试行）》等支持自动驾驶发展的政策，此外，从中央到地方对智慧公路、车路协同等发展也十分重视，多条智慧道路已建成并开启试运行。

国内众多车企和科技企业也都在推出基于量产的高阶智驾产品，展示出中国自动驾驶技术的商业化和量产潜力。

目前，北京、上海、广州、深圳、重庆、武汉，就连山西的最小地级市阳泉等地，都开展了无人驾驶示范区。没有司机的出租车、巡逻车、环卫车等L4级的自动驾驶（完全自动驾驶），在这些地方可以看到。

但目前多数自动驾驶仍处于L2级的辅助驾驶阶段，发展最快的也就在L3级的先导阶段，贺翔认为，我们距离真正完全自动驾驶的量产还有一定距离。

“这中间需要一次质的飞跃。”顾维灏如是说，说来说去，想要真正走入每个人的生活，破解当下发展困境是关键，技术、成本、法律法规、公众接受度等都需要有质的改变。“只有到那个时候，真正的完全自动驾驶（L5级）才能走入我们的生活。”

部分素材参考来源：中国之声