我们离真正的自动驾驶还有多远？

越来越多的人开始关注自动驾驶，也有越来越多的人明白当前各大车厂宣传的辅助驾驶，其实离真正的自动驾驶还很远。

前瞻如特斯拉，激进如造车新势力，积累如传统大厂，都没有十足的信心，给出一个自动驾驶完全落地的明确时间。那么自动驾驶走进现实，还面临着哪些问题？

首先要解决的是汽车“我在哪里”的问题。摄像头、毫米波雷达、激光雷达、GPS、IMU（惯性测量单元）都是解决这个问题的重要硬件单元，其中摄像头是应用人工智能算法的核心零部件，可以完成图像分类、目标定位、目标检测和语义分割四项工作。

不过理论与实际总归有距离。当汽车需要去识别复杂环境下的车辆、行人、自行车以及道路标志等目标时，无论是人工智能的训练深度还是推断能力都有所欠缺，摄像头背后的人工智能还远没有人脑的识别能力成熟。

其次，即使进行了精确识别，能否给出正确合理的决策指令，也是自动驾驶模块所面临的一大考验。比如在车流复杂的十字路口，比如行人自行车乱窜的小路上，再比如路遇碰瓷行为，这些都是目前封闭园区测试条件下的自动驾驶无法适应的工况。

最后是执行层的问题。自动驾驶汽车需要解决方向盘（转向）、油门/刹车（制动）两个问题，能够实现纵向和横向的同时控制，也就是L3级自动驾驶。不过在传感器有干扰、执行器有误差、变速车轮非线形的情况下，极限状态的自动驾驶还无法实现。

这些还只是自动驾驶具体到单车需要解决的问题，从广义上讲，自动驾驶主要由以下三个使用场景：高速公路场景下的私家车自动驾驶、用于城市路况下的共享出行以及局部或者是封闭场景下，如自动泊车或是厂区、港口、机场等低速自动驾驶技术的应用。

所以要实现自动驾驶技术的产业化，就不仅要解决车本身的问题，更要构建“人-车-路-云”一体化的智能网联大生态。路是路、车是车的传统交通时代已经结束，车路一体化的建设是未来自动驾驶产业发展的重点。

产业走到这一步，就不只是单靠车企和供应商的力量能推动的了的。一方面，车企需要通过与地方政府积极合作，诸如在江苏南京、浙江桐乡等地与省市政府一同推进示范、实验工程。高速公路是自动驾驶的重要应用场景，而高速公路又隶属交通主管部门管辖，再加上高速公路的建设周期长，从规划设计到落地起码要3年时间，与政府的合作效率很大程度上决定着产业发展的速度。

另一方面，整个产业需要一套统一完善的标准，中国地大物博，要规范每个区域的“人-车-路-云”标准，也是非常大的挑战。

除了传统车企和造车新势力外，一些通信科技巨头也有着自己的想法，比如华为。

最近，华为成立了智能汽车事业部，致力于成为 Tier1 供应商，在车联网平台、数据中心、C-V2X 车路协同方案、汽车通讯以及电池管理等方面向主机厂直接提供服务。可以理解为，特斯拉等车企是从最基层的单车技术出发，解决“个体”的问题；而华为则更希望以Tier1供应商的身份扮演一个统一交通生态的构建者，解决“种群”的问题。

华为认为行业首先要解决的问题是不同高度宽度车辆的道路标准不一、有轨电车与乘用车混行、洒水车类市政工程车辆道路作业等等。这需要车辆通过高精度地图实现实时管理，比如在有路障的情况下，高精度地图能给车辆提供一条虚拟车道线，帮助车辆绕开障碍物。

同时，道路建设要更加规范，比如双向车道中间设立明显的隔离带，将红绿灯和道路围栏标准化，都能提高地图以及车辆摄像头识别的效率。还有早晚高峰的动态流量、人流预警、突发交通事故等各种突发状况，都可以在高精地图中实现统一高效的云显示和处理。

其次是建立一套统一的法规和标准体系，包括自动驾驶测试的法规、L3/L4级自动驾驶商用的法规，以及保险等等。

当然，随着各行各业的顶尖企业不断加入到这个游戏中，自动驾驶所面临的问题也许会被定义的越来越多——入局者变多，各自的利益诉求也会使游戏变得更加复杂。所以要在车企、供应商和政府之间建立如此多的统一标准，其间需要消耗的时间谁也无法想象。但好的一面是，你的看法再加上你我的看法，终归会促使技术向更加缜密周全的方向成熟发展。无论是“个体”还是“种群”，都是带我们进入完全自动驾驶时代的关键一环。