随着自动驾驶逐渐步入商业化的深水区，当前翻开任何一家车企或科技公司在该领域的发展史，几乎都有一张清晰的研发乃至商用时间表展现在大家面前，且其中多家均以2020年作为量产的关键节点，少数激进的企业甚至把商业化落地时间提到了2020年以前。仿佛就这两三年的时间，大家真的可以看到各种品牌的自动驾驶汽车在路上飞驰。
“事实并非如此”，地平线智能驾驶商务总监李星宇日前在接受盖世汽车采访时表示。“特别是目前业界对于L3、L4量产的一些宣传，在业界尚对L3、L4定义存在一些争议的情况下，就谈商业化，很不准确。”长此以往，反而会让公众和投资者对自动驾驶产生误解，出现公众在谈及自动驾驶时，经常不自觉地把自动驾驶的终极目标——无人驾驶拿来与当前的技术进行对比，事实上这两者之间还存在很大的差别。
李星宇认为，无论企业还是普通公众都应该明确，自动驾驶其实和以往任何一种普通的汽车技术无异，也是需要逐步完善，在不断趋于商业化的过程中，逐步扩充使用边界，而不是一开始就能够以一种完美的状态呈现在大家面前。从这一点上来讲，业界想要推动自动驾驶商业化，或许通过创造一种新的自动驾驶分级方法——场景分级更符合实际。
特别是技术的测试验证方面，在目前国内自动驾驶相关法律法规还未出台的情况下，不考虑场景地进行自动驾驶研发会存在诸多限制。但如果按照场景来进行开发，现在国内已经启用的一些自动驾驶试点区域，完全可以满足某些场景的研发需求。
地平线智能驾驶商务总监 李星宇
说到自动驾驶，刚好想到前几天看的一个电视画面：男二和女二驾车飞驰在川流不息的车流中，这时男二启动了车辆的自动驾驶模式，让汽车自主行驶，两人则开始忘我地深情对视……
这里尚不论屏幕中的车辆究竟属于哪一个等级的自动驾驶汽车，仅就使用场景而言，相信这一幕可以代表绝大多数人理想中的自动驾驶汽车，即在自动驾驶的车内，人们可以不用做任何事情或者做任何想做的事情，而车子自由行驶。
确实，自自动驾驶汽车概念诞生，业界就一直在向公众传递这样一个愿景，让大家相信并憧憬着总有一天，大家会坐上这样的无人驾驶汽车。可是这一天究竟什么时候能够到来呢？是被称作自动驾驶“量产大年”的2020年，还是2030年，抑或更晚？确切答案目前无人知晓。因为且不论技术的成熟度，光是匹配无人车上路的法律法规体系、基础设施配套体系等还尚在制定或建设当中，使得上路根本无从谈起。
“从这一点上来讲，如果要形容目前自动驾驶发展到了一个怎样的水平，是否可以商用，我更愿意用‘场景’这个词来描述，就是在什么样的场景下可以实现自动驾驶。”李星宇表示。
这样一来答案就很明显——低速限定区域的自动驾驶技术已经比较成熟了，驭势科技的无人车在广州白云机场、杭州来福士商城地下车库等地进行试运营，就是很好的例子。此外还有矿区、港口的搬运，自动泊车等，因为场景相对较简单，环境可控，技术上也已经可以实现。但对于一些高复杂度、高挑战性的使用场景，比如市区十字路口的人车博弈或者车车博弈，李星宇认为还需要很长的时间才能“落地”。
随后，李星宇提到了“落地”的几个关键点，包括使产品成本降低，毕竟自动驾驶产品化的最终目的是让大多数人都能消费得起；提升产品可靠性，在李星宇看来，目前公众对于自动驾驶最大的顾虑就是可靠性问题，而这个问题无法在一般条件下去论证，必须在某一限定场景下来验证，才具有现实意义；最后一点则是不断拓宽自动驾驶的适应性，即自动驾驶要从限定区域做起，但又不能仅仅局限于限定区域，企业应该看到在限定区域外，自动驾驶更大的发挥空间。
“自动驾驶在车的研发方面，讨论已经非常多，但自动驾驶的落地，如果只靠科技公司和主机厂，落地的难度就会非常大。最好的方法，是人、车和路三者协同推进”。
人的因素，这里包括车对于人的感知，以及更加智能的人车交互。比如在共享出行的应用方面，商业化运行实际上对于消费者的素质也提出了更高的要求，否则消费者不知道怎么用这辆车，很可能会做一些错误的操作，或者恶意使用，这将导致运营成本非常高，车辆损耗和维护成本会导致共享出行无法有效扩张。通过车对于人的感知，可以有效管控消费者的不良行为，有利于运营商降低运营成本。
同时，有效的交互能够让消费者准确了解自动驾驶的使用方法和使用边界，这对于共享出行和私家车都很重要。尤其是私家车，如果消费者清楚地知道自动驾驶的局限性，就可能会避免越界使用带来的严重后果，特斯拉去年在弗罗里达发生的致命事故，正是由于消费者对于Autopilot功能的越界使用导致的。调查表明，事发前37分钟的行程中，驾驶员的手仅有25秒被检测到手握方向盘，并且超速驾驶！复盘这起事故，Autopilot的名字很容易让公众误以为这是自动驾驶系统，但其实际上属于辅助驾驶系统，而致命事故的发生，又导致了公众对于自动驾驶的负面认知，这是对整个行业的伤害。而在最新的Model 3上，已经内置了对驾驶员监控的摄像头，特斯拉官方尚未对此摄像头的功能做出说明，但可以预期的是，该摄像头将用来对Autopilot的越界使用进行感知并做出相应限制。
Model 3已经内置了对驾驶员监控的摄像头
AR+HUD有助于通过交互让驾驶员更好地了解自动驾驶的能力边界
在路方面，包括了广义的交通基础设施，共享出行最理想的模式就是点到点出行，比如从家里直接到办公室，车辆在停车场的出入库都是由自动驾驶来完成，这样最为高效。但是，目前停车也是城市交通的核心难题之一，这里面最难的不是停车本身的操作难，运营商们目前最头疼的是车位很难找。如果使用车辆自身的传感资源去找空车位，其实是非常有挑战的，很多停车场的车位并不都是开放的，有些属于私人专用，自动驾驶系统不但需要找到空车位，还得区分一个车位是否是专用的，这个其实非常不容易。但如果停车场通过V2X或者5G直接为该车辆分配一个车位，这件事就会非常容易。另外，停车场的环境比较复杂，遮挡也很多，直接从场端加装感知摄像头，通过V2X发送实时结构化信息给到车辆，也可以显著提升自动驾驶的可靠性。
再举一个例子：红绿灯的识别，事实上这个问题看似简单，但实际上却非常有挑战性。福特的自动驾驶车需要人为干预的事件中，70%是由于红绿灯的识别问题导致的，因为遮挡、背景光、道路结构、红绿灯形态等都会影响车辆对于红绿灯的判断。如果有了V2X技术，采用电子红绿灯发广播信号，这个问题可以很容易地解决。反过来，自动驾驶的感知系统如果没有来自V2X的辅助，为了达到所需要的高可靠性和足够的性能，将会非常复杂而且成本较高，并且有可能造成新的拥堵。
毫无疑问，车的自主感知能力是自动驾驶的基础，就像飞机即使收不到塔台的信号也得飞行一样，但路侧（RSU）的改造会有效提升自动驾驶的可靠性，并显著降低自动驾驶的单车成本。
“只不过建立V2X需要时间，且需要政策环境、基础设施、供应商、整车厂、运营商等一起推动，而自动驾驶本身就不是短时间可以落地的。所以我完全不相信到2020年，真正意义上的自动驾驶能够落地。”李星宇表示。
自动驾驶作为一种比以往任何汽车技术都要复杂的高精尖科技，由于系统的复杂性，使得商业化难度大大增加。但另一方面，行业对于自动驾驶定义的不清晰，也是阻碍自动驾驶商业化进程的一大因素。
虽然目前大家形容自动驾驶，主要使用的是美国SAE的自动驾驶分级标准，这项标准也并不那么准确，尤其是对于L3、L4的描述，概念十分模糊，由此使得部分企业一度认为L3自动驾驶汽车根本没有存在的必要，可以直接跳过，研发更高级别的L4自动驾驶。再加上部分企业在描述各自的自动驾驶技术时，仅仅以“自动驾驶”为宣传重点，而弱化了技术等级，一定程度上对公众和投资者也造成了误解。
“其实很多时候公众以为的自动驾驶汽车，并不是企业马上能交付给大家的量产产品，两者之间差别很大。”李星宇担忧道。“所以，我认为我们在未来应该创造一种新的自动驾驶分级方法，就是场景分级。”即按照不同的自动驾驶汽车使用场景，如无人泊车、定点物流、特定的“最后一公里”、厂区通勤等开展自动驾驶研发，用于特定环境。
在李星宇看来，汽车行业已经在这样做了，像前面提到的驭势科技的摆渡车，智行者对限定区域内低速无人驾驶的关注，以及图森未来的无人驾驶货运卡车，都是这一领域的先行者。接下来业界要做的是，对公众进行合理引导，让大家从过去根据功能定义自动驾驶转向依据场景来定义自动驾驶，扭转公众对于自动驾驶的预期。
“当前，公众将自动驾驶这件复杂的事情简单化了，大多数人想象的自动驾驶汽车是：我可以驾驶一辆自动驾驶汽车去任何地方。这其实把自动驾驶的使用边界最大化了，所以也有很多人不相信自动驾驶，毕竟这是对现阶段汽车产品形态、使用方式、交通体系乃至法律法规的一种彻底颠覆，要实现太难了。”
事实上，过去任何一种交通工具的出现，都是逐步扩展使用边界的，飞机如此，火车如此，甚至现在这两种交通工具依然有使用边界。所以，汽车产业也应该遵循这一技术发展规律，即在不同发展阶段有不同的使用边界，通过这一规律督促车企在现有成本约束条件和现在的技术条件下，落地某些有商业价值的自动驾驶应用。而当前自动驾驶的商业价值，用李星宇的话来说，就是限定场景下的自动驾驶，这也是地平线一直以来努力的方向。据悉，今年7月份，地平线的自动驾驶原型车已首次公开亮相，目前自动泊车的方案也已经测试完成。
“除此之外，我们也应该意识到，自动驾驶的落地，最开始一定是toB而不是“toC。”言外之意即，消费者能够直接买到的自动驾驶私家车，将会在自动驾驶分时租赁、自动驾驶摆渡车之后来到大家身边。
随着业界对自动驾驶的研发不断深入，近两年越来越多的企业开始意识到，自动驾驶不是一家企业可以完成，而必须开放协作，由多家企业合力推进。特别是2017年，汽车产业和科技领域围绕自动驾驶展开的合作比比皆是，仅百度一家，就凭借阿波罗计划，与近70家企业建立了合作伙伴关系，商用协同现象明显。
“过去我们看自动驾驶，企业大多都是自己做，包括百度，也一度封闭。但是今年，整个产业的协同进化让我感触特别深刻。可以看到，目前自动驾驶领域大家都是先彼此绑定，再一起开发，推进量产进程，即先有客户后有产品。而过去的模式，则是先有产品后有客户。”这样做的一个好处是，在车企对上游关键资源如激光雷达企业、算法企业投资的过程中，使得一些走在自动驾驶相关技术前沿的初创公司，有机会接触到一些优秀的传统车企，双方优势互补，加快自动驾驶落地进程。
同时，这样的产业协同也有利于车企间信息共享。虽然在很多车企眼里，未来数据会像石油一样宝贵，但随着自动驾驶领域的企业由个人战逐渐转为阵营战，阵营内部的数据共享也正不断成为可能，并随着共享不断放大其本身的价值。
“从这一点上来讲，未来可能会出现专业的数据处理公司，因为目前我们所谈的海量数据不过是原始‘矿石’，要想这些‘矿石’发挥应有的价值，必须对这些数据进行进一步的处理，让数据发挥应有的效果。目前阿波罗平台、上海汽车城已经在推进一些数据共享相关的工作，国家层面也有数据共享计划，比如成立数据银行。”李星宇认为，在商业协同的大背景下，企业想要获得更大的价值，就不应该固步自封，而应该开放合作。
此外，业界还应该呼唤新的标准法规。目前国内在自动驾驶领域还没有一个正式的标准，这使得国内企业在自动驾驶路测方面一直处于灰色地带。同时，针对自动驾驶汽车也需要不同于传统汽车的测试验证标准，这一整套的法律法规体系都亟待重建。以及不同供应商之间产品的兼容性、互通性问题，都是技术革新无法忽视的问题。
不过值得欣慰的是，李星宇表示，政策层面国家已经有多项标准法规在同步推进。至于产品兼容性方面的问题，则会随着品牌的减少逐渐消除。“我认为自动驾驶时代，不太可能会出现像目前这么多的汽车品牌，共享出行的趋势将使得运营商品牌本身比车的品牌更突出，正如我们对于航空公司的认知远胜于对于飞机公司的认知一样，共享单车更是如此。”
这也是为什么Uber、滴滴等出行品牌大举投入自动驾驶技术研发的原因。在未来，出行品牌将有更大的话语权，去定义符合共享出行的自动驾驶车型，进而增强其核心竞争力，他们将处于食物链的顶层。这是一场赢者通吃的竞争，整个汽车行业的供应商关系也将重塑，拥有AI核心技术的公司将有巨大的成长机会。
今天的自动驾驶研发领域，人工智能处理器正成为自动驾驶竞争的主战场，不仅是整个自动驾驶的计算平台的核心，也是自动驾驶走向产品化的关键。处理器领域的三大巨头：Intel, 英伟达和高通，全都在这个领域下重注。英伟达的股价在2两年内增加了十倍，很大程度上靠的就是这个。
或许是早早地明白了这一点，作为国内唯一一家同时拥有人工智能算法和芯片的企业，地平线自2015年成立，就明确了围绕深度学习处理器打造核心竞争力的发展路线。发展到现在，地平线基于算法和芯片技术，部署了两条智能驾驶路线，一条是在FPGA平台上做ADAS研发，目前已经有比较完善、稳定的版本；另一条路线则是符合中国高频刚需场景的自动驾驶，据悉不久就会有相关的落地应用方案发布。
李星宇透露，地平线的战略，就是围绕人工智能处理器，加上自己有优势和积累的算法，构成完整的自动驾驶汽车大脑，地平线首款人工智能芯片也将不久后正式发布。在未来，地平线希望能够为中国的自动驾驶提供处理器，带来低功耗、高性能的优势。自动驾驶不仅是一种针对交通出行的颠覆性技术，也关乎国家安全，国产处理器的诞生，无疑为自动驾驶的自主可控增添了一枚重重的砝码。
正在生成分享图...
nebula