“自動駕駛正在進入最好的時代！”

在近期舉辦的第二屆全球智能駕駛峰會上，蘇州智加科技有限公司總裁鄭皓指出，自動駕駛產業正迎來三大利好：一，資本、技術、生態資源更加集中，協同發力；二，自動駕駛技術不再單打獨斗，人工智能相關的基礎設施普及能夠加速自動駕駛的發展，進而推動全世界認同和支持；三，社會發展與技術發展相輔相成，政策智慧與技術發展交互呼應，通過技術安全務實的落地。

毋庸置疑，自動駕駛正在加速進化，然而對于身處自動駕駛產業一線的企業來說，要推動自動駕駛向前，尤其是實現全自動駕駛的量產，其中的難關切實存在，并顯得極難攻克。

感知技術難度不小

在此次峰會上，江蘇省新能源汽車創新聯盟執行理事長殷國棟表示，自動駕駛的關鍵技術包括智能感知、決策、控制。不過在這些過程中，困難非常多，“我們所研究的場景與實際場景是不對稱的，真實場景是非常復雜的，開發者要帶著一種謹慎的態度對待這種事情。”

感知是自動駕駛的第一環，一個自動駕駛系統的整體上表現好壞，很大程度上都取決于感知系統的好壞。目前來看，感知技術主流方案包括攝像頭、激光雷達、毫米波雷達、導航系統等。

而正如殷國棟所言，單個傳感器已經無法適應自動駕駛精準的感知需求，目前業界大多在研究多傳感器融合的感知技術方案，“傳感器的類型越來越多，無論幾種，一定要分類清楚，最終做到信息融合，以適應真正的應用場景。”

Roadstar.ai首席科學家周光曾在某次演講中指出，簡單的傳感器融合，無外乎就是每個傳感器的數據能大致在空間跟時間上能得到對齊，而多傳感器融合技術的核心就在于高精度的時間以及空間同步。

而眾所周知，無人駕駛當中，毫米波雷達、激光雷達和超聲波都是完全不同的傳感器，讓他們實現高精度的時間以及空間同步無疑是非常難的，相關技術提供商還需要對機器人技術以及機器學習優化技術有非常深的理解。

值得一提的是，在感知系統中，高精度地圖也發揮著不可小覷的作用，它所采集的環境信息，例如車道標志、路緣等信息，可與通過以上感知技術方案所獲得的信息相互印證，從而實現“多傳感器融合”的效果，獲得更為準確的位置信息。

Deepmap大中華區總經理劉澍泉表示，從用途上來說，傳統地圖更多在于導航搜索，包括目視導航，而高精地圖包括環境感知、定位、路徑規劃、車輛控制，它有更多的發揮空間，它能夠降低感知過程的難度。

大唐高鴻車聯網總監張杰則指出，現在單車主要靠毫米波雷達、激光雷達、攝像頭等一些傳感器，這些都可以認為是一種視覺傳感器。在人類駕駛員看不到的地方，它也是沒有能力感知的，鬼探頭成為難以應對的場景。

“車輛需要獲得周圍車輛行駛意圖，沒有通信手段是難以實現的。在投放的早期，一定會面臨和有人駕駛的這樣一個混合交通狀況，有一些人類駕駛員行為還是不夠規范，在正常運行道路上面有一些工程車輛，這些車輛的一些信息，包括尾燈位置、信號標識都和常規乘用車有很大不同，想要識別他們啟動或者是停止的意圖，對自動駕駛來說還是一個比較困難的事情。”

而在這時候，V2X就能幫上忙了。張杰在演講中提到，使用C-V2X之后可以提供一個環境全息感知，可以把單車感知范圍從車上移動到路端，這有很多好處：一方面它安裝角度變高了，站的高看的遠，自然探測距離遠遠大于單車，另外可以以靜制動，因為它是一個靜止點去觀測，所以在很多判斷上會比單車一些攝像頭有更多圖像處理的優勢。并且在一些復雜路段，可以從多個角度進行傳感器部署，實現多傳感器信息融合。

人工智能也并非易事

人工智能逐漸被認為是實現自動駕駛汽車的關鍵所在，是推動自動駕駛商業化的核心。

IEEE Fellow、中科院無線傳感網與通信重點實驗室主任先楊旸認為：“未來，整個環境當中都會發生智能化的改造，所謂的云物邊緣和傳感器網絡的融合，使得我們的計算變的無處不在。有了無處不在計算以后，我們才可以有無處不在的智能。”

然而人工智能顯然并非易事。

希迪智駕工程副總裁黃英君指出，不同的場景所適用的感知算法，以及決策和規劃算法差距都非常大，因此很難拿出一套通用全棧L4級自動駕駛架構，滿足所有這些場景，很多時候要定制，而如若需要定制，模塊訓練使用不同場景，包括適應不同芯片、不同平臺，都是問題。

德國漢堡科學院院士張建偉表示：“大家都說中國人臉識別技術最強，但是在汽車量產方面，模糊場景識別是一個非常重要的一個題目，但是在這種模糊人臉識別里頭，現在人工智能深度學習算法是做不到準確識別，未來，強人工智能對汽車以及對自動駕駛還是有非常大的挑戰。”

與此同時，他也指出，下一步人工智能和未來駕駛的結合是多種最新前沿技術的融合，包括AI、IOT、虛擬現實，機器人可穿戴設備、5G通訊這些都會給未來自動駕駛新技術帶來新突破。

華夏芯（北京）通用處理器技術有限公司CTO John Glossner表示，從高層角度來講，智能駕駛中最核心應該是處理器，也能夠驅動著相關智能駕駛設計核心，應該是以這些處理器功能為關注的，也要考慮到如何把AI應用到這些智能駕駛中。

而針對企業布局，大眾問問CEO張人杰表示：“我始終認為一個企業要想生存，必須要集中，不能發散，可以發散，當你非常強大的時候，你如果是華為，你可以嘗試一下，但是大家可以看到，即使是華為，成功的點無非就是兩個：通訊設備和手機。現在很多AI企業說我要賦能百業，意味著對每一個行業都很精通，事實上每一個人只能對一小塊領域比較擅長，你要想做好整個垂直領域整合，必須要專注聚焦于一個領域。”

5G還要再等等

實現靠譜的自動駕駛，目前主要有兩種主流方向：單車智能和車路協同。前者主要與激光雷達等各種感知技術以及AI技術等相關，而后者由于是要通過網絡讓所有交通參與者（包括路標、信號燈、騎行者以及行人等）實現在線互聯，因此需要5G網絡技術的支持。

清華大學計算系教授、中國自動化學會智能自動化專委會主任鄧志東指出，今年是中國正式進入5G商用元年，正式頒布了商用牌照。5G有什么特點？增強了移動帶寬、高可靠、低時延、大連接、廣覆蓋。“4G解決人與人之間連接，5G不僅可以解決人與人之間連接，還可以人與物之間的連接，實現互聯互通，因為它具有非常高的連接數。”

中國移動（上海）產業研究院副院長陳豫蓉表示，跟4G相比，5G將在智能網聯汽車方面實現非常多的突破，促進整個車載的導航系統，車內娛樂系統升級，推動整個車路協同的發展，為自動駕駛鋪平道路。5G為車路協同會帶來什么樣的變化？應該會有什么樣的趨勢呢？我們理解有三大方面：

一，整個場景會更加精細化。限定場景下車路系統這種技術將率先落地，比如說我們的說的高速公路，礦區，港口，園區等等。這點在業內外都得到了普遍的認同，像自主泊車，定點接送，快速公交，有限地域無人駕駛出租車，很可能成為自動量產首個商業化應用場景，進而利用自動駕駛這樣的優勢創造出來嶄新的需求、巨大的產業和全新的生態。

二，車路協同化。過去是單車智能化，我們在一輛車上安裝了高清攝像頭，毫米波雷達等等各種設備，讓整車變的更加智能。這樣車的反應是有一些局限性，今天走向了車路協同，隨著自動駕駛級別的發展，單車智能對芯片，對算力的要求會成一個指數級的上升。車路協同是什么平臺呢？它實現是人，車，路，云這樣一個協同，它會具備邊緣計算的能力。通過邊緣計算的一個算力卸載，我們實現一個自動化算力均衡分布，實現整個單車智能的升級，這也是自動駕駛未來的一個主要技術路線。

三，推廣會是一個漸進的過程。可以肯定，面向更高級別自動駕駛，可能它對道路的配套升級改造要求，對產業鏈資源整合的要求，對前沿技術的突破要求，以及法律法規等等相應配套，都有更高的需求，這決定了它的推廣不是一蹴而就的過程。將來車路協同技術落地，首先是從區域化、場景化開始，逐步再推廣到全場景、全區域，是一個漸進的過程。

大眾問問CEO張人杰則從商業模式方面闡述了5G的難點，“現在大家談5G談的比較熱，但是5G是不是真的能產生價值？其實依賴于商業模式，現在4G比較成功了，因為每一個月花費已經能夠讓運營商去支撐它目前4G網絡運營，但是大家想一想，5G投資是巨大的，5G基站數目是現在的數十倍。在這種情況下，意味著運營商要投入更多的錢去建這樣的基礎設施，如果你的商業模式，如果運營商還是只能收到每月幾十塊錢、幾百塊錢花費，那么運營商肯定會虧損，對于汽車也是一樣，汽車在新場景下必須要有新的商業模式。”