真正的自动驾驶离我们有多远？

说起这个问题，自动驾驶其实离我们并不会太遥远，因为不管从之前的谷歌还是特斯拉公司，都是在尝试实现真正的自动驾驶，但是由于之前自动驾驶功能引起的事故频发，使得整个市场都对于自动驾驶的到来前景感到蒙上了一层阴影。特斯拉更是在前不久把官网上的自动驾驶信息撤了下来。但是在这个过程中，越来越多的车企也加入到了研发自动驾驶的技术中来，在互相竞争中肯定也会实现技术的突破和发展。虽然现在真正的全自动驾驶并没有普及，不过那些之前进行测试实验的厂商也是积累了很多的经验，相信随着以后人工智能技术的不断发展，真正的自动驾驶肯定会在不远的将来普及到汽车领域，给人们带来更加便捷的服务。

特斯拉的自动驾驶一直受到大家的关注，但是好景不长，特斯拉在美国的自动驾驶发生了车祸，车主不幸身亡。这样一来，大家对自动驾驶这项技术除了充满期待之外还有一丝怀疑。那么真正自动驾驶会离我们有多远呢？ 而最近自动驾驶又重新回到大众的视野当中来，有很多著名的厂商奥迪，比亚迪，甚至于苹果谷歌这类的公司仍然在研究自动驾驶。自动驾驶的研发需要耗费大量的时间以及金钱，甚至像特斯拉一样需要付出生命的代价。就目前来说自动驾驶分为L1-L4。L1称为辅助驾驶，L4才可以称为自动驾驶。目前所有汽车制造厂商仅仅达到L2的程度。所以来说在可以预见的未来自动驾驶离我们还是有一段时间。尤其是自动驾驶从实验室阶段到实际操作阶段还需要大量的模拟，实验。尤其是遇到向我国这种电动车乱穿插的路况更是给自动驾驶增添了不少的难度。 虽然目前来说自动驾驶离我们还非常遥远，但是我们人类对这项解放我们双手双脚的理念还是非常关注，无论自动驾驶离我们多远我们都愿意耐心地等待。

除了新能源之外，自动驾驶也是现在的一个大热门。包括宝马、福特、谷歌、沃尔沃以及百度等传统豪强汽车厂商以及互联网巨头都加入了自动驾驶汽车的研发研制和生产，那么真正的自动驾驶离我们有多远？实际上按照目前的情形来看，真正的自动驾驶离我们还有一段时间。目前仅有少数汽车公司可以达到L3级别的自动驾驶，而L3自动驾驶是在某些特定条件下可以自动驾驶，但是驾驶员必须准备好重新取得驾驶控制权，也就是说在这个等级下，实际上驾驶员还是必须时刻保持警惕，随时取回车辆控制权的，并不是真正的自动驾驶。在L3尚未真正实现突破的前提下，达到L5级别的自动驾驶即在所有条件下都能完成的所有驾驶任务，方向盘、油门刹车等等都取消掉，人在车上只是乘客，在现在只是天方夜谭。因为目前的汽车智能技术虽然得到了长足的发展，但是面对各种复杂的路况以及令人意想不到的突发情况，现在的汽车智能技术仍然没办法很好地处理，安全性还是大问题。但是，自动驾驶仍然是未来的发展方向，我们就耐心等待真正的自动驾驶的来临。

自动驾驶其实现在离我们还是比较远的，尽管现在已经有好几个厂商都推出了自动驾驶的试验，但是仍然不完备，而且有个别厂商已经退出这个领域了。

L1级别：能持续提供转向或加速和制动控制，但只在限制条件和特定情况下提供。自适应巡航控制系统被认为属于1级自动驾驶，该系统可控制加速和制动，从而使汽车在公路上与前方车辆保持一定距离，但人类驾驶员仍然需要负责驾驶中的所有其他方面。L2级别：L2级别自动驾驶也是辅助驾驶系统，但既提供转向，也提供加速和制动控制，同样是在限制条件下提供。由于人类驾驶员需要定时干预，但该级别的自动驾驶程度仍然不高。特斯拉最初的Autopilot虽然是比较先进的一个系统，但被认为属于2级自动驾驶系统。L3级别：在这个级别，自动驾驶是我们开始进入实际自动驾驶的级别，该级别的自动驾驶是“有条件的自动驾驶”，这意味着只有在一定条件下自动驾驶系统才能运行。但一旦开始运行，汽车就完全自动驾驶。通用汽车公司新的Super Cruise系统就属于3级自动驾驶。同样，特斯拉最新版本的Autopilot也属于该级别，而全新奥迪A8也能达到L3级别，而L3级与L2级自动驾驶的差异在于自动驾驶的程度：系统运行时，人类驾驶员通常无需进行干预，但仍需在一定程度上保持警惕，以在系统提示需要人类接管时介入。L4级别：在这个级别的自动驾驶属于“高度自动驾驶”，一般来说，我们使用4级自动驾驶来描述完全自动驾驶的系统。除了某些特殊情况，一般无需人类干预，依靠特殊地图工作的自动驾驶汽车，只要是有地图的地方，这类汽车都能实现完全自动驾驶，而无需人类干预，但并非在任何地方都能自动驾驶，可肯定的是，目前大部分汽车厂家都在研发L4级别的自动驾驶车辆。L5级别：这个级别的自动驾驶属于完全自动驾驶，只要是人类能够驾驶的地方，该级别汽车都能自动驾驶，只要有可通行的道路，这种车能去任何地方，任何时候都无需人类驾驶员干预。看到了吧，其实完全实现自动驾驶距离我们的生活还相当遥远，我们需要攻克的难题还有很多，但随着科技的不断发展，人类对于智能系统的探索也在不断进步，一切能够最大程度解放人类双手，实现轻松生活的科技都是最热门的研究对象，而在汽车领域里，自动驾驶技术就成为了所有工程师优先攻克的对象。不过目前看来，自动驾驶技术虽然发展迅速，不少厂商甚至给出了明确的时间表，但真正量产化或是搭载在普通汽车上却并不仅仅需要技术的支撑，相关法律法规、基础建设的配套与支持，看起来都是更需要时间来解决的复杂问题，而由此引发的许多社会问题也将在所难免，当然，现在考虑这些还为时过早，但为了迎来真正的自动驾驶时代，我们有理由报以期待。

现在国内汽车圈最火的除了新能源和车联网以外，自动驾驶应该也是一个非常热门的话题。不过在主机厂，我们不会称之为自动驾驶，而是会简称为“ADAS”。不仅仅是造车新*，还有一些互联网公司也在花重金研发ADAS，那么真正的自动驾驶离我们还有多远？未来造车新*能够研发出没有方向盘的汽车来吗？■ 什么是ADAS？ADAS的英文全称是Advanced Driver Assistance Systems。从字面上就可以看出，ADAS并不是我们所理解的“自动驾驶”，直译过来应该是驾驶员辅助系统的意思。按照北美标准，把ADAS从Level1到Level5分成了5级，可能未来要到Level5才能实现我们理想状态中的、没有方向盘的全无人驾驶。▲美国SAE（汽车工程师协会）为ADAS定下的标准。目前市面上，我们能买到的拥有最先进ADAS系统的特斯拉，也只能将将做到Level 2的级别。新一代的奥迪A8号称可以做到Level 3 ，不过目前量产的版本，厂方只是宣称配备了具备Level 3功能的硬件配置，并没有开通软件功能，而软件还在研发迭代中，需要等到后续成熟完善后再给车辆升级。▲丰田的e-Palette目前也只停留在概念阶段，虽然丰田给出了对未来的美好思考，但实际实现还有很长的路要走。■ 自动驾驶的刚性门槛——机器学习的数据积累要了解ADAS的开发过程和方法，就要大概了解以下AI人工智能的算法原理。虽然AI听起来很高大上，其实作为文科生代表的“罗辑思维”，在2018跨年演讲上就用最通俗的语言解释了AI的实现原理：AI实际上是用电脑算法模拟了人类的思维方式，通过机器学习（就好比人类从婴儿阶段就开始不断接受外界各种事物，形成自己的判断）让机器的判断力不断的进步。过程中可能会犯错，但经过大量的数据积累（也叫训练），机器能做出的判断，理论上可以接近或达到人类的水平。所以，用AI人工智能的方式开发自动驾驶汽车就可以把过去的不可能变成可能。很多人觉得自动驾驶的核心在于AI的算法逻辑。其实不然，人工智能最大的特点就是算法显得并不那么重要，重要的是机器学习的量有多少。机器学习的量越大，能够做出判断的准确率就越高。所以各大车厂或互联网公司开发ADAS的核心在于要做大量的机器学习。这种机器学习既可在测试场（封闭道路条件下）进行，也可直接在公路上进行，当然，后者的效果最好，但存在一定的风险性。这也是为什么百度的阿波罗计划很早就提出免费开发平台给主机厂使用，其目的就是为了更多的进行机器学习。■ 自动驾驶的硬件门槛——成本高昂的硬件需求很多人都知道，要想实现更高级别的ADAS就需要给车辆配备非常多的传感器，诸如：多个毫米波雷达、多个高精度摄像头甚至激光雷达。这些传感器会产生大量的数据，电脑除了需要处理毫米波雷达产生的距离数据、摄像头传来的图像数据以外，激光雷达可以实时扫描车辆360度的景物并实时生成3D数模，可以想象这样的数据量有多大。而这些数据都需要通过计算机来处理，判断并且实时生成伺服信号控制车辆。▲激光雷达实时生成的3D建模，目前单个激光雷达的成本高达数千至数万美元。除了这些价格高昂的传感设备，在伺服机构上还需要足够的冗余设计。比如当电脑可以直接控制转向系统操控车辆之后，原有的转向系统一旦发生故障，必须有冗余的转向硬件可以马上投入工作。制动系统也是同样的道理，如BOSCH的iBooster系统和Continental的MK系列，在正常的刹车系统失效后，ESP可临时取代原有刹车系统完成必须的制动，而这两个系统都必须独立设计。▲ 拥有足够冗余设计的刹车系统。■ 目前进展到什么样了？完全自动驾驶离我们有多远？如果说硬件配置可以花钱花成本解决的话，目前自动驾驶最大的障碍就是软件的成熟度了。开过特斯拉的朋友肯定体会过特斯拉ADAS的先进之处。在城市堵车时，它可以完全实现油门刹车的自动控制，实现自动跟车功能；在高速上也可以自动保持车道、自动与前车保持车距；甚至驾驶者只需要触发转向灯，它就能实现自动变道和自动超车。如果亲身体验过特斯拉的这些功能，似乎会觉得自动驾驶已经离我们很近了。我在和开发ADAS的工程技术人员沟通需求的时候，曾经提出过一个假设：既然特斯拉已经实现了自动变线和自动超车，我们如果要实现ADAS性能Leading的话，为什么不能再进一步让它能够自动识别和进入匝道？工程师给我的回复是：这个太难了。的确，要实现这个用户看似顺理成章的需求，意味着除了要有足够多的硬件冗余，足够多的机器学习以外，车辆还要能够实现V2X通信（车辆与基础设施的通信），还需要有高精度地图支持。前两者可能花钱和时间可以实现，但后两者不是主机厂靠一己之力可以做到的。▲V2X技术场景演示：车车通信、车与道路设施的通信。▲ 高精度地图可以精确到每个车道、每个路牌，红绿灯、匝道信息等，并且精度是毫米级的。完全自动驾驶离我们到底有多远？如果真正深入了解自动驾驶的原理机制，以及这个行业的发展现状的话，我只能说离我们还很远。现在各大主机厂都在尽可能实现L3的突破，但即便实现L3，其实也不是真正意义上的自动驾驶，只是在一些特定条件下可以实现全无人驾驶。那么这个特定条件当然就很苛刻了，比如：堵车的时候、高速巡航的时候。除此之外大部分使用场景还是需要人来控制。之所以现在各大主机厂把ADAS吹得神乎其神，无外乎是为了展现自己的科技实力，以获得资本市场和地方*在资源上的支持。我曾经与MIT（麻省理工学院）开发人工智能的专家交流过目前AI的瓶颈到底是什么。得到的答复是：“最主要的瓶颈是我们目前计算机的运算能力”。科学家从理论上已经验证了AI的潜力，只要有庞大的运算能力，人工智能完全可以替代人，不过这个庞大的运算能力可能是目前人类科技还无法实现的。所以真正的自动驾驶离我们还比较遥远，因为除了运算能力，还包括基础设施的支持（V2X通信），传感器（激光雷达）和伺服机构（冗余设计）的成本等等，都需要相当长的时间才能商业化。

真正的自动驾驶离我们到底有多远？如果真正深入了解自动驾驶的原理机制，以及这个行业的发展现状的话，我只能说离我们还很远。现在各大主机厂都在尽可能实现L3的突破，但即便实现L3，其实也不是真正意义上的自动驾驶，只是在一些特定条件下可以实现全无人驾驶。那么这个特定条件当然就很苛刻了，比如：堵车的时候、高速巡航的时候。除此之外大部分使用场景还是需要人来控制。之所以现在各大主机厂把ADAS吹得神乎其神，无外乎是为了展现自己的科技实力，以获得资本市场和地方*在资源上的支持。

谷歌（现Alphabet）、沃尔沃、福特、宝马、百度等全世界20多家企业都已经宣称，2021年将会实现SAE L4级别部分自动驾驶汽车的量产，实现是早晚的事。但是，就目前而言，还需要一个明确的法律框架来引导这项技术的最终落地。自动驾驶技术的发展和普及，依然任重道远。