百花齐放的自动驾驶，距离真正上路还有多远？

自诞生以来，自动驾驶概念一直是资本和科技创业者青睐的领域之一。在新基础设施的背景下，随着5G商用的逐渐成熟，自动驾驶领域的热度自然也就高了。

这从历年的融资数据也可以看出来。2015年以来，随着自动驾驶技术的火热开发和应用，全球自动驾驶产业投融资规模快速增长。2018年，行业投融资规模达到近年来的最高峰。

数据显示，2019年全球自动驾驶行业共发生104起融资。虽然融资规模较2018年有所下降，但融资交易笔数依然居高不下，融资交易规模屡创新高，正如Nuro获得软银愿景基金单轮9.4亿美元融资，直接将融资水平带上巅峰。

回到2020年，这是非常困难的，疫情似乎并没有影响自动驾驶领域的资本流动。2020年2月，Pony.ai获得丰田4亿美元B轮融资，融资总额接近8亿美元。另一家自动驾驶公司Momenta自成立以来也获得了超过2亿美元的融资。投资方包括腾讯、达勒姆集团、真格基金等优质资本。

随着融资事件的不断发生，“烧钱”的化学反应似乎并没有很多企业预期的那么快。很多自动驾驶的玩家还停留在L3级别，道路上仍然没有不需要人为操控的L4、L5级别的车辆(自动驾驶分类如下图所示)，这与当时很多公司在自动驾驶热潮下抛弃的“计划2020年实现L4级别自动驾驶”的豪言壮语形成鲜明对比。

图像源网络

回归本质，自动驾驶最终能在开放道路上安全行驶吗？上路前要经历哪些考验？我们什么时候能上路？

我想这些都是我们一直想知道的答案。让我们一起来讨论它们。

百花齐放，春天来了。

以上，我们讲了自动驾驶历年的融资数据。下面，我们不妨把视角转回中国。

10月21日，中国首辆常态化运营的5G无人巴士在苏州落地。此次出现的无人驾驶公交车运行在开放的城市道路上，速度可达20-50公里/小时，这种无人驾驶公交车不仅具备避让行人和车辆、自动变道、自动转弯、识别红绿灯等基本功能，还能应对各种复杂的城市交通场景，如穿越人车混杂的路口、应对车后堵车、“幽灵探头”等。

图片来自新华社，任潮摄

此前，10月12日，百度无人驾驶打车服务Robotaxi在北京正式开放。开放区域约700公里，覆盖海淀、亦庄等15个车站的测试区域。用户可以直接下单试乘，无需预约。在百度推出无人驾驶出租车服务的第二天，单站点自动驾驶出租车累计用车数量达到2608辆。

今年6月，滴滴出行也在上海推出了自动驾驶出租车服务。阿里也布局了自动驾驶业务，物流配送是主要切入点。美团也提出了自动驾驶业务的布局。先是和DeepDrive达成合作，去年又推出了“美团地图”。

早在今年4月，长沙已经全面开放无人驾驶出租车服务。

看到自动驾驶服务逐渐在国内落地，自动驾驶的商业化不言而喻。

国内自动驾驶商业化的发展离不开国家政策的大力推动。2019年12月，国内首次提出新基础设施的概念。其中5G、AI、云计算是a的核心技术……onomous驾驶软件。

自动驾驶处于这些主要领域的交汇点，是新基础设施的典型应用。再加上近年来智慧城市和智慧交通政策的不断完善，正如业内资深人士所言，自动驾驶在中国的商业化正迎来最好的机遇。

百花齐放的景象背后，预示着自动驾驶的春天已经到来。曾经在科幻电影中看到的自动驾驶汽车服务场景，如今正走进现实。

政策鼓励发展，技术成为关键。

除了自动驾驶服务的落地速度加快，我们也注意到政策因素对自动驾驶落地应用的阻力效应也在减弱。

10月28日，交通运输部新闻发言人、政策研究室主任吴在国新办发布会上表示，交通运输部将自动驾驶作为支持科技创新加快建设交通强国的重要领域之一，始终坚持“鼓励探索、宽容失败、确保安全、反对垄断”的原则，积极推进自动驾驶技术研发试点和应用。

针对百度近期在京开通的无人驾驶出租车服务，吴也表示，百度联合相关企业推出的自动驾驶出租车，是在实际道路交通环境下的技术性能测试。我们欢迎并支持相关城市和企业大力开展创新，在确保安全的前提下依法依规开展试点，加快自动驾驶技术发展。

自动驾驶汽车虽然上路了，但是和现行的法律法规还是有很多冲突，包括《道路交通安全法》、《公路法》都没有涉及自动驾驶的内容，法律也没有明确规定。比如缺乏交通责任的认定，客户购买自动驾驶汽车会有很多疑虑，影响高水平自动驾驶汽车的市场化。

但是，我们也可以从上面了解到，政策鼓励正在推动自动驾驶不断拓宽边界，向前发展。就像今年的疫情，自动驾驶被应用于疫区物资的无接触运输，而随着政策法规的出台和完善，相信会有更多地区开放测试自动驾驶汽车。

业内资深人士表示，虽然在政策上鼓励，但在技术上还有很长的路要走。现在我们已经解决了90%的技术问题，剩下的感知、决策规划、边界等问题才是关键。

在目前开放的测试场景中，我们会发现，在真实的驾驶场景中，开放试乘的道路大多是道路辽阔、人烟稀少的简单郊区，试乘的速度也很低，无人车并不是真正的“无人驾驶”。每辆车都配有安全员。如果遇到紧急情况，还是需要安全员来处理，就像百度的无人打车服务一样。

前几年有各种物流车和汽车轮渡试运营，但这些试运营都局限在园区内，没有在开放道路上落地。以今年落地苏州的无人驾驶公交车为例，它也需要按照固定路线低速行驶，最高也只能达到自动驾驶的L4级别，距离L5级别还有很大的技术空间需要突破。

说到这里，我们发现自动驾驶仍然应用在有限的环境中，目前还无法应对复杂多变的真实场景。有鉴于此，一方面，自动驾驶应用还需要更多的成功案例来获得人类社会的信任。即使现在的技术真的达到L5，也需要一段时间才能获得信任，这是创新技术必然的进化过程。

另一方面，自动驾驶仍然需要跨越边界内外的技术鸿沟。边界内是指感知和决策规划的问题，边界外是指边界的问题。

< img alt = "特斯拉、奔驰、北京、Discove……，丰田" src = "/ee img/{ HostI }/img/2023030325359703448/5 . jpg "/>

目前，在自动驾驶的感知中，虽然有多种传感器，如360度激光雷达和摄像头，但这些传感器大多输出原始数据。人类很容易通过查看摄像头和激光雷达的数据来识别内容，但对计算机来说很难。

在正常模式下，识别率很快就会达到瓶颈。这时候就需要深度学习和大量的数据来进行训练。但是由于技术的限制，计算机不可能识别不出很多明显的场景。同时，当数据量急剧增加时，计算时间会延长，系统响应会变慢，这也是无人车只能低速行驶的原因。

没有快速感知和决策规划，自动驾驶很难应对高速环境。当然，这并不是一个无法解决的问题，这属于自动驾驶技术的长尾问题。随着工业的发展，各个层面技术的不断提高，这样的问题也会迎刃而解。

但是解决边界问题可能要比前期花费更多的精力，因为边界问题可能是无限的。就像在自动驾驶车辆遇到野鸭之前，工程师甚至不知道会有野鸭的问题，但是除了野鸭、野狗、野兔子等，还有其他边界因素。那么对于自动驾驶车辆，如何正确处理这种边界问题呢？

除了不断收集数据，通过自动化工具将有效数据加工成可用模型，并带入边界内的系统，更新自动驾驶车辆在线OTA的系统，似乎没有更好的办法。这可能成为边界划分问题的一般解决办法。

无论是边界内还是边界外的技术问题，解决技术问题比时间因素更重要。只有经过大量数据的测试和优化，自动驾驶系统才能更加稳定，无限接近人类所期望的L5水平。

特斯拉和奔驰你更喜欢哪个？

如上所述，数据因素是解决技术问题的关键。有两个玩家值得我们关注，一个是新玩家特斯拉，一个是老玩家奔驰。

据了解，特斯拉现在正在大张旗鼓地推广其全自动驾驶软件，称其车辆拥有最先进的自动驾驶功能。最近又说其自动驾驶系统将大幅升级，今年有望达到L5级别。

就在上周，据外媒报道，特斯拉向少数车主推出了“完全自动驾驶(FSD)”软件，他们将在公共道路上测试这款软件，允许车辆在繁忙的城市通勤时自动驾驶。但其网站上隐藏着一个免责声明，称这个价值8000美元的系统无法让车辆自动驾驶，仍需司机监督。

这些相互矛盾的信息使得这一领域的专家指责特斯拉欺诈和不负责任的营销，这可能会使道路更加危险，因为到今年年底，该系统将被推送给多达100万名电动汽车司机。

另一方面，奔驰表示，他们已经开发了类似的系统，但不允许大众在道路上使用。该公司的工程师需要通过资格考试才能成为试车手，要测试自动驾驶系统，还需要通过另一场考试。

这家德国公司不希望客户成为他们的试验品，测试车辆的处理器、软件和机器，以便系统可以随着时间的推移获得更多能力。他们希望车辆能先经过工程师验证，在验证车辆和系统的可靠性后，再向公众开放。

奔驰和特斯拉采用的方法一个保守，一个激进，但两家公司的目的是一样的，都是将高度自动驾驶技术推上公共道路。边肖也相信，随着各路玩家不断加入自动驾驶赛道，技术难题的突破指日可待，自动驾驶也一定会更快走进现实。

那么，特斯拉和奔驰，你更喜欢哪个？

自诞生以来，自动驾驶概念一直是资本和技术青睐的领域之一……y企业家。在新基础设施的背景下，随着5G商用的逐渐成熟，自动驾驶领域的热度自然也就高了。

这从历年的融资数据也可以看出来。2015年以来，随着自动驾驶技术的火热开发和应用，全球自动驾驶产业投融资规模快速增长。2018年，行业投融资规模达到近年来的最高峰。

数据显示，2019年全球自动驾驶行业共发生104起融资。虽然融资规模较2018年有所下降，但融资交易笔数依然居高不下，融资交易规模屡创新高，正如Nuro获得软银愿景基金单轮9.4亿美元融资，直接将融资水平带上巅峰。

回到2020年，这是非常困难的，疫情似乎并没有影响自动驾驶领域的资本流动。2020年2月，Pony.ai获得丰田4亿美元B轮融资，融资总额接近8亿美元。另一家自动驾驶公司Momenta自成立以来也获得了超过2亿美元的融资。投资方包括腾讯、达勒姆集团、真格基金等优质资本。

随着融资事件的不断发生，“烧钱”的化学反应似乎并没有很多企业预期的那么快。很多自动驾驶的玩家还停留在L3级别，道路上仍然没有不需要人为操控的L4、L5级别的车辆(自动驾驶分类如下图所示)，这与当时很多公司在自动驾驶热潮下抛弃的“计划2020年实现L4级别自动驾驶”的豪言壮语形成鲜明对比。

图像源网络

回归本质，自动驾驶最终能在开放道路上安全行驶吗？上路前要经历哪些考验？我们什么时候能上路？

我想这些都是我们一直想知道的答案。让我们一起来讨论它们。

百花齐放，春天来了。

以上，我们讲了自动驾驶历年的融资数据。下面，我们不妨把视角转回中国。

10月21日，中国首辆常态化运营的5G无人巴士在苏州落地。此次出现的无人驾驶公交车运行在开放的城市道路上，速度可达20-50公里/小时，这种无人驾驶公交车不仅具备避让行人和车辆、自动变道、自动转弯、识别红绿灯等基本功能，还能应对各种复杂的城市交通场景，如穿越人车混杂的路口、应对车后堵车、“幽灵探头”等。

图片来自新华社，任潮摄

此前，10月12日，百度无人驾驶打车服务Robotaxi在北京正式开放。开放区域约700公里，覆盖海淀、亦庄等15个车站的测试区域。用户可以直接下单试乘，无需预约。在百度推出无人驾驶出租车服务的第二天，单站点自动驾驶出租车累计用车数量达到2608辆。

今年6月，滴滴出行也在上海推出了自动驾驶出租车服务。阿里也布局了自动驾驶业务，物流配送是主要切入点。美团也提出了自动驾驶业务的布局。先是和DeepDrive达成合作，去年又推出了“美团地图”。

早在今年4月，长沙已经全面开放无人驾驶出租车服务。

看到自动驾驶服务逐渐在国内落地，自动驾驶的商业化不言而喻。

国内自动驾驶商业化的发展离不开国家政策的大力推动。2019年12月，国内首次提出新基础设施的概念。其中5G、AI、云计算是自动驾驶软件的核心技术。

自动驾驶处于这些主要领域的交汇点，是一个典型的应用……新的基础设施。再加上近年来智慧城市和智慧交通政策的不断完善，正如业内资深人士所言，自动驾驶在中国的商业化正迎来最好的机遇。

百花齐放的景象背后，预示着自动驾驶的春天已经到来。曾经在科幻电影中看到的自动驾驶汽车服务场景，如今正走进现实。

政策鼓励发展，技术成为关键。

除了自动驾驶服务的落地速度加快，我们也注意到政策因素对自动驾驶落地应用的阻力效应也在减弱。

10月28日，交通运输部新闻发言人、政策研究室主任吴在国新办发布会上表示，交通运输部将自动驾驶作为支持科技创新加快建设交通强国的重要领域之一，始终坚持“鼓励探索、宽容失败、确保安全、反对垄断”的原则，积极推进自动驾驶技术研发试点和应用。

针对百度近期在京开通的无人驾驶出租车服务，吴也表示，百度联合相关企业推出的自动驾驶出租车，是在实际道路交通环境下的技术性能测试。我们欢迎并支持相关城市和企业大力开展创新，在确保安全的前提下依法依规开展试点，加快自动驾驶技术发展。

自动驾驶汽车虽然上路了，但是和现行的法律法规还是有很多冲突，包括《道路交通安全法》、《公路法》都没有涉及自动驾驶的内容，法律也没有明确规定。比如缺乏交通责任的认定，客户购买自动驾驶汽车会有很多疑虑，影响高水平自动驾驶汽车的市场化。

但是，我们也可以从上面了解到，政策鼓励正在推动自动驾驶不断拓宽边界，向前发展。就像今年的疫情，自动驾驶被应用于疫区物资的无接触运输，而随着政策法规的出台和完善，相信会有更多地区开放测试自动驾驶汽车。

业内资深人士表示，虽然在政策上鼓励，但在技术上还有很长的路要走。现在我们已经解决了90%的技术问题，剩下的感知、决策规划、边界等问题才是关键。

在目前开放的测试场景中，我们会发现，在真实的驾驶场景中，开放试乘的道路大多是道路辽阔、人烟稀少的简单郊区，试乘的速度也很低，无人车并不是真正的“无人驾驶”。每辆车都配有安全员。如果遇到紧急情况，还是需要安全员来处理，就像百度的无人打车服务一样。

前几年有各种物流车和汽车轮渡试运营，但这些试运营都局限在园区内，没有在开放道路上落地。以今年落地苏州的无人驾驶公交车为例，它也需要按照固定路线低速行驶，最高也只能达到自动驾驶的L4级别，距离L5级别还有很大的技术空间需要突破。

说到这里，我们发现自动驾驶仍然应用在有限的环境中，目前还无法应对复杂多变的真实场景。有鉴于此，一方面，自动驾驶应用还需要更多的成功案例来获得人类社会的信任。即使现在的技术真的达到L5，也需要一段时间才能获得信任，这是创新技术必然的进化过程。

另一方面，自动驾驶仍然需要跨越边界内外的技术鸿沟。边界内是指感知和决策规划的问题，边界外是指边界的问题。

目前，在自主驾驶的观念中……ng，虽然有各种各样的传感器，比如360度激光雷达和摄像头，但这些传感器大多输出的是原始数据。人类很容易通过查看摄像头和激光雷达的数据来识别内容，但对计算机来说很难。

在正常模式下，识别率很快就会达到瓶颈。这时候就需要深度学习和大量的数据来进行训练。但是由于技术的限制，计算机不可能识别不出很多明显的场景。同时，当数据量急剧增加时，计算时间会延长，系统响应会变慢，这也是无人车只能低速行驶的原因。

没有快速感知和决策规划，自动驾驶很难应对高速环境。当然，这并不是一个无法解决的问题，这属于自动驾驶技术的长尾问题。随着工业的发展，各个层面技术的不断提高，这样的问题也会迎刃而解。

但是解决边界问题可能要比前期花费更多的精力，因为边界问题可能是无限的。就像在自动驾驶车辆遇到野鸭之前，工程师甚至不知道会有野鸭的问题，但是除了野鸭、野狗、野兔子等，还有其他边界因素。那么对于自动驾驶车辆，如何正确处理这种边界问题呢？

除了不断收集数据，通过自动化工具将有效数据加工成可用模型，并带入边界内的系统，更新自动驾驶车辆在线OTA的系统，似乎没有更好的办法。这可能成为边界划分问题的一般解决办法。

无论是边界内还是边界外的技术问题，解决技术问题比时间因素更重要。只有经过大量数据的测试和优化，自动驾驶系统才能更加稳定，无限接近人类所期望的L5水平。

特斯拉和奔驰你更喜欢哪个？

如上所述，数据因素是解决技术问题的关键。有两个玩家值得我们关注，一个是新玩家特斯拉，一个是老玩家奔驰。

据了解，特斯拉现在正在大张旗鼓地推广其全自动驾驶软件，称其车辆拥有最先进的自动驾驶功能。最近又说其自动驾驶系统将大幅升级，今年有望达到L5级别。

就在上周，据外媒报道，特斯拉向少数车主推出了“完全自动驾驶(FSD)”软件，他们将在公共道路上测试这款软件，允许车辆在繁忙的城市通勤时自动驾驶。但其网站上隐藏着一个免责声明，称这个价值8000美元的系统无法让车辆自动驾驶，仍需司机监督。

这些相互矛盾的信息使得这一领域的专家指责特斯拉欺诈和不负责任的营销，这可能会使道路更加危险，因为到今年年底，该系统将被推送给多达100万名电动汽车司机。

另一方面，奔驰表示，他们已经开发了类似的系统，但不允许大众在道路上使用。该公司的工程师需要通过资格考试才能成为试车手，要测试自动驾驶系统，还需要通过另一场考试。

这家德国公司不希望客户成为他们的试验品，测试车辆的处理器、软件和机器，以便系统可以随着时间的推移获得更多能力。他们希望车辆能先经过工程师验证，在验证车辆和系统的可靠性后，再向公众开放。

奔驰和特斯拉采用的方法一个保守，一个激进，但两家公司的目的是一样的，都是将高度自动驾驶技术推上公共道路。边肖也相信，随着各路玩家不断加入自动驾驶赛道，技术难题的突破指日可待，自动驾驶也一定会更快走进现实。

那么，特斯拉和奔驰，你更喜欢哪个？

标签：特斯拉奔驰北京发现丰田

汽车资讯热门资讯