人类出行的最终愿景:自动驾驶大规模落地，离我们还有多远

10月11日晚，百度宣布其无人驾驶出租车服务（Robotaxi）在北京开放运营，在接待数以百计的消费者试乘后，百度提了一个最核心的问题——"你是否愿意接受付费？"

这个问题，引申出这篇文章想要探讨的一个观点：自动驾驶大规模商用，离我们还有多远？

01

2020年，自动驾驶的黄金年份

自动驾驶发展至今可以分为三个阶段，从最开始的代表人类尖端科技，赚足眼球；随后资本短期内看不到量产希望，逐渐趋于冷静；最后就是近一两年政策开始引导，自动驾驶热度再度爆发。

今年2月，国家发改委等11个部委联合发布《智能汽车创新发展战略》，明确了智能汽车的愿景和主要任务，提出到2025年，实现有条件自动驾驶的智能汽车达到规模化生产，实现高度自动驾驶的智能汽车在特定环境下市场化应用。

更近一点的是今年11月，《节能与新能源汽车技术路线图2.0》确立了智能网联汽车发展愿景和总体目标：到2025年CA级智能网联汽车的销量占比将要超过50%；2030年CA占比超过70%,HA车辆占比超过20%；2035年各类网联式高度自动驾驶车辆将会广泛运行于中国广大地区。

华泰证券分析师认为，政策驱动下，2020年—2030年将迎来自动驾驶发展的"黄金十年"，国内车企的L3级别可量产车型有望在2020-2021年逐渐推出。

而资本市场也给予了自动驾驶行业最热烈的回应，以特斯拉为例，支撑其销量不足丰田零头，市值却拉开丰田三个身位的最关键因素，就是其领先行业的智能化水平。而其中，自动驾驶，又是最关键的一环。

但一个产业想要实现自我驱动发展，就势必需要由政策驱动转向需求驱动，商业化落地时间，以及商业化落地模式，是摆在所有自动驾驶赛道上玩家们的难题。

02

技术、法规，双双拦路

首先需要明白的一点，自动驾驶技术想要落实到大规模商用，那么等级至少是需要L4级以上的自动驾驶能力，但从目前的技术来看，我们还有一段距离。

难度主要有两点：系统的鲁棒性以及商用落地的成本

其中系统鲁棒性问题又可以分为传感器精度问题以及AI算法问题，前者的主要问题是传感器的精度达不到我们的理想状态，当前传感器的扫描存在时间误差，需要配合CPU等运算硬件来进行运算或者是优化。

无论是激光雷达、高精度摄像头，都会受到传感器物理性质的限制，比如沙尘天气就将极大的影响摄像头工作。

另一方面，AI算法当前也有很多问题待解决，机器相比人类驾驶员，系统最大的缺点就在于不可对当前环境进行预估评判，对于人类驾驶员来讲，如果看见马路旁有小孩子玩耍，会下意识将脚放在刹车上，以应对危机情况，但自动驾驶系统并不会。

同时，当前自动驾驶技术只能应对训练过的场景，而对于复杂多变的真实道路交通环境，没有任何一家企业能说自己的系统能够完全应对。

这就需要自动驾驶系统需要极高性能的AI算法，以此支撑其推理甚至像人类一样具有学习能力。

根据权威机构测算，自动驾驶算法想要达到人类驾驶员水平，至少需要累计177亿公里的驾驶数据来完善算法。

商用化成本过高也是一方面，目前包括Waymo、Uber还是国内的Baidu L4事业部做的都是Level 4自动驾驶技术的研究都是基于激光雷达的基础上，但短期内激光雷达的成本更不降不下来，为自动驾驶商业化落地增加了阻碍。

此外，除开技术问题，法律法规也成为自动驾驶大规模商业化的掣肘，虽然今年3月国家出台了自动驾驶分级标准，但相关安全标准、商业化标准制定、法律法规更是没有一个明显的结果。

技术的不成熟加上法律法规的不完善，为自动驾驶商业化落地增加了更多的不确定性。

03

行业的探索

毫无疑问，自动驾驶技术如果大规模普及，那么率先落地的必然会是无人驾驶出租车服务（Robotaxi）（或是卡车）。

事实上，目前已经有多家公司在Robotaxi上进行探索试运营，今年6月，上海智能网联汽车规模化载人示范应用启动，滴滴出行首次面向公众开放了自动驾驶服务。

国内的初创公司小马智行更是早早就在美国加州拿到了自动驾驶运营牌照，在今年2月1日至4月30日期间共完成4253个订单，总运营里程接近3万英里。

其他包括百度、文远知行等自动驾驶行业里比较知名的企业，都已经开始了在无人出租车上的探索。

但值得注意的是，以上所有的试运营都需要安全员，前段时间AutoX在网上秀无人驾驶出租车路试视频，但深圳交警转手就声明未允许其合法上路。

所以以上的所有，都只能叫做测试，并非是一个成熟的产品或者模式，更谈不上自动驾驶的大规模应用。

那么回到文章开头，自动驾驶大规模应用，离我们还有多远呢？

我的答案是不确定，法律法规问题可以在某个时间节点确立，但技术的突破就没有一个准确时间了。自动驾驶汽车想能大规模上路，技术条件、法律法规甚至民众接受度，缺一不可。

写在最后：

作为当前最具想象空间的技术之一，自动驾驶一直被认为是人类出行远景上的终点站，近几年政策资本双双加持，的确加速了行业的发展，但技术难题依旧是困扰在自动驾驶落地面前，想要实现大规模商业落地，还有很长一段路要走。