自動駕駛的級別從L1到L5（SAE），清晰而直觀，是大家討論自動駕駛行業的一個基準。但是，它也很容易誤導人。讓人以為自動駕駛的技術會一級一級獲得突破，最終迎來一輛L5級別的汽車，可以帶我們到任何地方去。

業界第一款具備真正意義上的自動駕駛能力的量產車——全新奧迪A8 2017年7月才姍姍來遲。作為整個自動駕駛的第一個量產玩家，奧迪盡管已經走在了行業最前沿，但目前實現的還是3級的自動駕駛，也就是說這是一種在限定環境條件下，需要駕駛員始終有接管能力的自動駕駛，距離無限條件無需接管的自動駕駛還有相當長的路要走。

回頭看歷史，猛然發覺第一屆DARPA自動駕駛挑戰賽已經是十年前的事了。對比互聯網產業，十年前支付寶還沒有手機支付業務，而微信根本還沒誕生，再看現在，支付寶和微信已經全面占領了我們的生活。為什么汽車工業的動作慢如蝸牛？自動駕駛到底難在哪里？

事實上，早在車企開始宣傳“世界上第一款量產L3級別汽車”的時候，我們就應該揭穿他們的把戲。

自動駕駛的級別從L1到L5（SAE），清晰而直觀，是大家討論自動駕駛行業的一個基準。但是，它也很容易誤導人。讓人以為自動駕駛的技術會一級一級獲得突破，最終迎來一輛L5級別的汽車，可以帶我們到任何地方去。

醒醒吧，真實的技術部署從來不會按這樣的“計劃方案”發展。而且，這個行業里的公司“怎么說的”和“怎么做的”完全不是一回事。你能聽到很多人，在畫一張同樣的大餅：我們在研發自動駕駛，我們將率先發布某個級別的汽車，我們將推出最先進的自動駕駛汽車叫車服務。

不要輕易相信他們說的話。看看這些公司實際是怎么做的，你就能明白，這個行業里最有代表性的三家公司分別是英特爾的 Mobileye、特斯拉和 Google 的 Waymo，他們才真正代表了自動駕駛技術部署的三種實際路線。

如果你熟悉SAE自動駕駛技術級別定義中的L5，你就知道我們說的是，在所有場景下都可以工作、永遠都不需要人干預的自動駕駛汽車。換言之，人只能作為乘客，駕駛的任務完全交給汽車。

它與L4的唯一區別就是，L4能適應的場景依然是有限的，而L5“沒有限制”。

看明白了嗎？從L4到L5，不過是一種典型的“線性”思維類推出來的結果，與古人想要速度更快的馬，沒有什么區別。在實際的技術部署中，首先是我們大部分人等不到這種汽車出現的那天；其次等它出現的時候，或許地球上更流行的是飛行汽車或者其他新型的私人交通工具。

我們看看實際的技術部署會是什么樣的。例如，有一種收垃圾的自動駕駛汽車，它只能在限定的范圍內工作，就是到固定的地點收完垃圾，然后把垃圾集中放到固定的地方，接著自己回停車場充電，等待第二天執行同樣的任務，全程不需要人干預。請問這種汽車我們稱之為L4，還是L5有什么區別嗎？

再比如，一種自動駕駛的貨車，大部分路程都在高速公路上，完全自動駕駛，只有在出高速之后的一小段市內路程，需要人來“監督”繼續駕駛到卸貨的地方。請問這種汽車我們稱之為L3，還是L4有什么區別嗎？

現在，很多公司展開的自動駕駛測試已經表明，不同地方的技術難度是不一樣的。高速公路比城市環路簡單，城市環路比開放的城市道路簡單，開放的城市道路也比胡同或小縣城電動自行車穿梭其中的環境要簡單。所以，當我們討論自動駕駛的時候，本身就應該把地點等因素考慮進去，而不是簡單地類推出一輛終極的、無所不能的L5汽車。

稍微開一下腦洞，很有可能的場景是，當我們向系統輸入目的地之后，系統會告訴我們，“今天的路程全程不用你來管，放心睡覺吧”。或者會告訴我們，“今天大部分的路都不用你管，但有一小段我沒十足把握，到時候需要你幫忙”……自動駕駛的三種實際部署路線自動駕駛領域的很多公司在展開研究、在講他們的故事，但是談到“看得見、摸得著”的實際部署路線，最有代表性的就是 Mobileye、特斯拉和 Waymo 這三家公司。

用上邊的流程圖，我們看下這三種實際技術部署路線的區別。

首先，Mobileye+傳統車企走的是“謹小慎微，但求無過”的實際部署路線。從2017年就開始宣傳，號稱全球首款L3級別量產車的奧迪A8，今年上市后的真實情況是什么樣的呢？就是連ACC自適應巡航這樣的功能，都只在最頂配車型上提供。更別說傳說中L3級別的 Traffic Jam Pilot 功能，實際情況是全系都沒有，需要選裝才行，然后在大部分國家連選配都不能選。

就在這幾天上市的福特福克斯2018款，也號稱支持L2級別的 Co-Pilot360智能輔助駕駛系統，“入門車型配了頂級科技配置”。實際情況呢？同樣連最頂配車型也沒有包括ACC自適應巡航在內的Co-Pilot360系統，而且只有最頂配車型才能選裝。換言之，傳統車企宣傳自己的技術很厲害，但實際上卻不怎么敢讓你用。

對這種情況，汽車之家的創始人李想，在微博上曾有過評價：“傳統汽車品牌和特斯拉在輔助駕駛/自動駕駛上最大的區別是：傳統汽車品牌的消費者連用都不敢用，所以特別特別特別的安全。特斯拉的車主們每天輔助駕駛/自動駕駛的使用總時長，估計夠所有其它汽車品牌一個月使用時長的總和。”

接下來就聊特斯拉的路線，這家明星公司可以說是走在“急于求成、蒙眼狂奔”的路上。與傳統車企不同，特斯拉視自動輔助駕駛技術為核心競爭力，所以為所有車型都預裝了各種傳感器硬件，但車主仍然需要花錢“激活”相應的功能，包括“增強版自動輔助駕駛”和“全自動駕駛能力”兩個套裝。

特斯拉在行業中被普遍認為，過度宣傳了自家的自動駕駛技術能力，尤其是被稱為“全自動駕駛能力”的套裝，對車主的誤導性極強。就算不討論之前特斯拉的兩次廣受關注的Autopilot致死事故（國外撞上了大貨車，國內追尾道路清掃車），最近特斯拉撞上公路隔離帶致死事故，也足以給特斯拉蓋上“急于求成、蒙眼狂奔”的帽子。

最近的開啟Autopilot撞上隔離帶致死事件之后，一位車主“以身試法”實地還原了當時的場景，發現特斯拉的Autopilot系統確實應付不了當時的情況，沒有正確地識別出前方的車道已經消失，需要轉到另一個車道。但是如果采用Waymo 的技術方案（事先給環境建模、激光雷達和計算機視覺互為冗余等），這種情況就很有可能避免。

最后就是Waymo的“膽大心細、步步為營”路線。Waymo的車，準確的說是Waymo與克萊斯勒、捷豹合作特別定制自動駕駛汽車，是普通人現階段根本買不起的，因為它裝配了定制化的芯片和傳感器，尤其是激光雷達傳感器目前價格比車還貴。Waymo的方案是提前為自動駕駛車要運行的環境建模，比一般意義上的高精地圖包含更多更多的環境細節信息，然后通過計算機視覺與激光雷達的算法融合，形成自動駕駛的策略和算法基礎。對于特斯拉裝上隔離帶的情況，Waymo的優勢在于它本身就應該會知道那個車道是不通的，而不需要通過計算機視覺臨時來判斷（再做反應可能就來不及了）。

“膽大心細”，“膽大”說的是Waymo已經開始在部分地區，邀請真實用戶上路體驗自己的車；“心細”說的是Waymo也只敢在自己掌握完整環境數據的地區，開展這類服務。步步為營，則說的是Waymo在美國的各個地區、各種極端環境下展開測試，通過攻克一城一寨的方式，逐步擴大技術能適應的能力范圍。

三種路線的未來變數對于三種自動駕駛實際技術部署路線，行業中的人也有不同的看法。如果我們極端化描述（僅為了方便理解）這三種實際技術部署路線，總結起來就是有三種變數：

一、（可能性49%）計算機視覺突飛猛進，不依賴激光雷達和提前環境建模就能做到足夠好的自動駕駛。特斯拉勝。

二、（可能性49%）激光雷達和提前環境建模成本大幅下降，便宜到所有車都可以裝配。Waymo勝。

三、（可能性2%）計算機視覺沒有突飛猛進，激光雷達和提前環境建模成本也沒有大幅下降，自動駕駛老出問題陷入困境，ADAS回潮。

Mobileye+傳統車企勝。不管怎么說，自動駕駛行業正處在黎明前的黑暗中。帶我們沖破黑暗的，一定不是那些迫不及待、率先發布L5級別自動駕駛汽車的公司。

先來一張各大車企自動駕駛技術的分級圖，大致了解一下目前已經量產的自動駕駛技術哪家強。

自動駕駛從L2到L5是一個相對漫長的過程，現已發布的量產車型中有處于L3的奧迪A8、處于L2.5的Tesla、還有處于L2的凱迪拉克CT6等。那么每一級別之間具體的區別和需要克服的難點到底又有哪些？那就一級一級細細道來。按照國際慣例，談論自動駕駛級別時必須上一張SAE的分級圖。

下面我用給大家解釋一下各個級別到底代表著什么樣的技術哪些指標能立刻區分汽車屬于哪個Level為什么Level越高，對技術的要求越高

SAE Level 0：No Automation（無自動化）

準確來說，現在我們已經很難看到 Level 0 的汽車了。要么早已報廢，要么法規都禁止其上路了。無自動化意味著諸如ABS（自動防抱死）這種現在看來最基本的配置都沒有。極端一點，你可以認為Level 0的車就是四個輪子加一個沙發。@吉利

SAE Level 1：Driver Assistance（駕駛員輔助）

生活中常見的車基本都屬于Level 1。Level 1 稱為駕駛員輔助系統，所有在駕駛員行駛過程中，對行車狀態有干預的功能都叫駕駛員輔助，都屬于Level 1。比如最基本的ABS，以及在ABS基礎上升級而來的ESP，還有高速路段常用的定速巡航、ACC自適應巡航功能及LKA車道保持輔助。大家買車時，在底盤功能介紹中看到的各種英文縮寫，或多或少都是屬于SAE 規定的Level 1。

SAE Level 2：Partial Automation（部分自動化）

Level 2和Level 1最明顯的區別是系統能否同時在車輛橫向和縱向上進行控制。如果一個車輛能同時做到ACC+LKA（自適應巡航+車道保持輔助），那么這輛車就跨進了Level 2的門檻。

2018款的凱迪拉克CT6擁有的半自動駕駛系統“Super Cruise”就是典型的Level 2級別。該車并不具備主動超車的功能。即目前的Super Cruise僅能實現單一車道內的加減速。再來說說自動駕駛話題下不得不提的特斯拉。特斯拉過度夸大了他們系統所具備的能力。為什么稱 Tesla 目前的 AutoPilot 為 Level 2.5？

因為特斯拉具備換道功能。駕駛員在確保安全的情況下，撥動轉向燈桿，車輛即可依據該信號實現換道。也就是說，特斯拉的換道操作并不是全自動的，而是把這一塊對環境感知的需求交給了人。特斯拉收到變道信號后會由車判斷是否可安全變道后才會執行。比如前后車距離太近、實線都不會變道的。

（重點來了！敲黑板）難點：Level 1 ~ Level 21.汽車橫向控制和縱向控制配合的舒適性單獨的橫向控制（車道保持）或縱向控制（ACC等）技術已經十分成熟，那么兩者同時控制時，如何將舒適性做到最優，這就是當前遇到的挑戰。

通知駕駛員接管車輛的時機選擇Level 2的系統并不具備較高級別的自動駕駛功能，需要駕駛員實時監控并做好接管的準備。如何以最友好的和最恰當的交互方式通知駕駛員接管車輛，而不影響到駕駛員的心情，需要人機交互攻城獅費盡心思。

SAE Level 3：Conditional Automation（有條件自動駕駛）

有條件自動駕駛是指在某些特定場景下進行自動駕駛。比如全新奧迪A8在他們的宣傳視頻中就限定了十分常見的場景——堵車，該功能叫作Traffic Jam Pilot（交通擁堵巡航），功能描述如下：當車速小于或等于60公里/小時，用戶可以啟動道路擁堵狀況下的自動駕駛功能。

在當地法律允許的情況下，車輛會完全接管駕駛任務，直到系統通知用戶再次接管。這也是目前在全球范圍內，在實現量產的車型中擁有的最高級別的自動駕駛能力。引用出處：全球首款自動駕駛量產車奧迪A8背后的Audi AI。

仔細想想，這些功能特斯拉通過升級軟件也能實現，為什么只有Audi A8敢宣稱自己達到 L3 呢？因為L3 相比 L2 最大的進步在于——不需要駕駛員實時監控當前路況，只需要在系統提示時接管車輛即可。這對于自動駕駛技術來說是一個很大的跨越，這也意味著自動駕駛系統代替人類成為了Driver & monitor。

駕駛員變為乘客，而乘客是不需要實時監控當前路況的。傳感器感知技術NTSB最近剛發布的，去年五月特斯拉撞卡車交通事故的宣判結果——特斯拉Autopilot的功能限制是導致2016年5月交通致死事故的主要原因，這里的功能缺陷實際上就是傳感器感知的缺陷。AutoPilot 1.0的硬件配置很難處理特殊工況，比如交叉路口。圖為特斯拉因傳感器感知缺陷未正確識別卡車所導致的事故。

正是因為傳感器感知缺陷這種客觀因素的存在，整車廠做自動駕駛時就顯得尤為保守，要么增加傳感器以加強感知能力，比如全新奧迪A8加的四線激光雷達；要么就通過監視駕駛員的面部狀態，確保駕駛員實時觀測著前方路況，比如凱迪拉克CT6。

目前中國還是不允許自動駕駛車在開放及高速道路測試的，所以在法規正式發布之前，自動駕駛還只能到封閉的試車場中測試。這一點國外走在前列。

SAE Level 4：High Automation（高度自動駕駛）

無論是國外的Waymo、Uber還是國內的Baidu L4事業部做的都是Level 4自動駕駛技術的研究。它們的自動駕駛汽車有一個很明顯的共同點，就是頭上頂著一個大大的激光雷達。如下。

激光雷達提供了極高精度和極其豐富的感知信息，這使自動駕駛車自如處理極端工況成為可能。激光為主，視覺為輔，再加上車上各種功能冗余的傳感器及高精度電子地圖，在開放道路上實現A點到B點的自動駕駛不再遙遠。

難點：Level 3 ~ Level 4

1.傳感器成本激光雷達的成本短期內還降不下來，這也是 L4 自動駕駛汽車還未普及的重要原因之一。Waymo在今年年初宣布將激光雷達成本降低90%，希望低成本激光傳感器早日到來。

2.極高魯棒性的自動駕駛算法及穩定的計算平臺

Level 4的自動駕駛算法準確性和精確性需要達到，甚至超過人類的認知水平，這就需要的是極具魯棒性的算法和穩定的計算平臺。確保自動駕駛汽車即使遇到突發情況也能較好應對。

3.高精度地圖采集資質這一項難點國外并不存在，但是國內確實是一個很大的壁壘（國防考慮）。除了大家耳熟能詳的BAT有地圖測繪資質外，國內有測繪資質的圖商寥寥無幾。

近幾年隨著自動駕駛的發展，想在國內發展自動駕駛技術，圖商說不定會成為稀缺資源。可以的話，推薦大家自己去調研國內有測繪資質的幾家圖商，買點他們的股票，看漲。

4.乘坐人員接納度

現在讓你去乘坐一輛沒有方向盤，隨時都無法接管的汽車，心里多少會有些忐忑吧。因此人類的接納程度也是自動駕駛普及的一個大難點，需要時間建立信任。

Level 5：Full Automation（完全自動駕駛）

LEVEL5：車企看看就好

Level 5全自動駕駛（無人駕駛），沒有使用條件限制，無需監控和控制，甚至沒有方向盤等控制機構。是汽車駕駛自動化系統研發的終極目標。研發難度極大，成本極高，需要非常強大的感知和決策能力，全天候工作。

之前，Level 5研發的領頭羊就是Google，Google把互聯網軟件公司的優勢發揮的淋漓盡致，但同時也看到，經歷了這么多年的研發，Google的無人駕駛小車依然“步履蹣跚”。

傳統主機廠在研發Level 2-3之后，也逐漸重視Level4和5，有車企的底子和供應商支持，進展神速！趕超Google我認為是遲早的事…Level5難度首先來自于感知，雖然有多種傳感器，比如360度激光雷達和攝像頭，但這些傳感器輸出大量原始數據。

普通人看攝像頭和激光雷達的數據很容易識別出里面的內容，但電腦就很困難。普通的模式識別識別率會很快達到瓶頸，這時候就需要深度學習，需要大量的數據進行訓練，而當今深度學習以及人工智能并沒有給識別工作帶來質的飛躍。很多顯而易見的場景，電腦就是認不出來。同時當數據量增多時，計算的時間也會延長，系統響應變慢，這就導致這些無人車只能低速行駛。

另一大難題是決策控制。主流方式是專家系統，把所有的經驗進行總結，歸納為代碼。但駕駛場景萬萬千千，極難窮盡，遇到沒見過的場景干脆就沒響應了。于是另一種方式，人工智能成為解決問題的唯一希望。但純靠人工智能進行決策控制還處于“扯淡”階段，同樣需要大量數據進行訓練，而這種訓練又不像訓練人類駕駛員，能夠互動溝通，討論自身問題。

訓練這個系統就像對牛彈琴，讓牛看你彈個千百遍，然后說，牛，該你了！牛會怎么彈其實你是不知道的，同樣這個訓練后的人工智能系統到底做出啥響應也是不確定的，一旦出錯，你還沒法回溯（就像你沒法問牛你為啥這么彈）。

最佳的方式似乎是結合專家系統和人工智能，但如果結合又是難點。說到Level5，不得不說，未必是所有主機廠的最終選擇。其成本極高，帶來的客戶收益未必比L2高太多。

所有很多主機廠都說不會研發沒有方向盤的無人駕駛車，駕駛是每個愛車人的權利。這類車更多的是未來出行或者交通的新方向，而且只要限制車的行駛區域，比如封閉的校園或場館，限制行進速度，這些降級的Level5 還是應該很快就能面試的。如果讓Level5真像人類駕駛員一樣開車，恐怕要很久很久了。