在上海舉行的世界人工智能大會（WAIC）上，特斯拉首席執行官埃隆·馬斯克（Elon Musk）表示，特斯拉非常有信心在一年內完成的L5級別自動駕駛的基礎框架和功能。

然而，他真的能在一年內實現這一要求嗎？

自動駕駛等級區分

在若干年的發展中，自動駕駛已經有了明確等級區分：

1、L1：對車輛進行簡單的監控，如ACC自適應巡航、胎壓監測、交通標識識別、信號燈識別、自動剎車、防抱死系統等；

2、L2：通常配備ACC自適應巡航、車道保持系統、自動剎車輔助系統、自動泊車系統等。部分情況下，駕駛員可以短暫離開方向盤。

3、L3：特定環境中實現自動駕駛的操作，可以根據實際路況和行車環境自動選擇行車路線；

4、L4：無需駕駛員操作，所有操作均由車輛自我控制；

5、L5：自動駕駛的終極目標，在任何場景下，都不需要用戶參與操作，車輛實現完全自主操作。

而馬斯克則是要在一年內達到這一目標，馬斯克表示：“特斯拉目前的研發進度非常接近5級自動駕駛技術，這意味著未來Model 3 ／ Y ／ S ／ X能夠在駕駛員零輸入（或注意力）的情況下進行自行駕駛。同時，我對L5級別自動駕駛的高度自治非常有信心，因此我認為L5將很快來到我們身邊?！?/p>

L5真的那么“容易”嗎？

要實現自動駕駛，并非是給車輛裝幾個攝像機即可實現，同時還得與GPS定位、道路交通、人員／車輛檢測等多個技術及法規相結合。

簡單點說，車輛在行駛過程中，必須知道周邊有什么、自己在哪里、需要走向什么地方、怎么走，只有能分析這些的汽車，才能被稱為L5等級的自動駕駛。

但反觀特斯拉，據美國標準顯示，特斯拉在自動駕駛領域中，目前還處于L3等級的位置，也就是其車輛并無法完全觀察到周邊路況并作出分析，對于路面的觀察還是以駕駛員為主。一旦遇到危險，需要駕駛員第一時間做出反應，并采用手動駕駛。

在一年內，從L3到L5，其需要大量技術的全面進步，但就從目前的發展而言，這一希望極為渺茫。

1、識別問題

識別問題極為麻煩，特別是在實際場景中的應用，由于反光、逆光等原因，圖像識別的難度會直線上升——在若干年前，特斯拉就因為識別錯誤問題，導致車輛撞上大貨車。同時，由于視頻識別需要耗費大量大力算力，一旦算力不足，必然導致數據滯后；

2、激光雷達

為了彌補視頻識別問題，激光雷達被作為補充加載在車輛中。雖然在近幾年的發展中，激光雷達技術被進一步突破，特別是固態激光雷達，被應用在大量的自動駕駛技術中。但不可否認的是，激光雷達并非沒有缺點：

（1）旁瓣問題，光柵衍射除了中央明紋外還會形成其他明紋，這一問題會讓激光在最大功率方向以外形成旁瓣，分散激光的能量；

（2）加工難度高，光學相控陣要求陣列單元尺寸必須不大于半個波長，一般目前激光雷達的工作波長均在1微米左右，故陣列單元的尺寸必須不大于500nm。而且陣列密度越高，能量也越集中，這都提高了對加工精度的要求，需要一定的技術突破；

（3）接收面大、信噪比差：傳統機械雷達只需要很小的接收窗口，但固態激光雷達卻需要一整個接收面，因此會引入較多的環境光噪聲，增加了掃描解析的難度。

3、高精度定位

高精度定位如何實現？除了GPS＼北斗等衛星定位系統，同時還需依靠地圖、激光、基站等定位。雖然目前有部分衛星定位企業宣稱已經實現厘米級定位，但在實際應用中，并不一定能實現這一要求。

同時，在遇到隧道等環境時，衛星定位將遇到斷鏈的情況，將影響衛星定位系統的正常運作。

除此之外，在自動駕駛中，還有大量問題急需處理，而在短時間內，這些技術將很難實現。

對于馬斯克的的這一“豪言”，似乎并沒有太多的說服力——除非是在美國洲際公路，畢竟那里的道路條件相對簡單。但在國內的，還需經過至少一年以上的測試，L5等級的自動駕駛才能正式落地。

延伸閱讀：

自動駕駛要解決什么問題？僅僅是解放駕駛員的雙手嗎？

在自動駕駛的設想中，人們希望的是合理分配駕駛服務、解決道路擁堵問題、提升運輸效率，但自動駕駛真的能實現這一要求嗎？

在合理分配行車服務中，滴滴走在了前列，其通過人、車、路的合理安排，從而有序和及時的把服務提供給每一個人。

在他們的布局相對簡單——通過人們呼叫乘車服務，從而讓周圍駕駛員接單，并把車停在指定位置，等待用戶的出行。在長時間的運作中，滴滴可以對城市不同時間段用車需求量告知駕駛員，從而提供及時有效的服務。

而對于自動駕駛來說，其將面臨著一系列的問題：

1、車輛使用率：為了增加車輛的使用效率，車輛必須不斷在路上行走，將進一步增加道路使用率；

2、維護：由于車輛的長時間使用，導致車輛磨損進一步增加，這使車輛需要更多的時間進行各類維護，從而使成本直接上升。

除此之外，自動駕駛還面臨安全、天氣、頻譜分配等問題的影響，這對于自動駕駛而言，還有較長的一段路要走。

而緩解交通的目的，似乎并未實現。
? ? ? ?責任編輯:pj