让科技巨头都大呼头疼的自动驾驶技术，实现起来到底有多难？

科技进步的同时，也使得人们变得愈加懒惰，那些从前必须亲力亲为的事，很多在未来只需几个操作即可完成，比如驾驶汽车。自动驾驶汽车技术的研发，始于20世纪，至今已有数十年的历史。但近两年，自动驾驶趋于实用化，受到越来越多传统汽车厂商、科技公司、供应商的关注，巨头的抱团入局，自动驾驶风口盛行。

自动驾驶技术的六个级别

按SAE（美国汽车工程师学会）的分类标准，目前自动驾驶最高技术仅位于L3级别，如通用汽车公司新的Super Cruise系统就属于这个级别。但小编了解到，将于今年年底亮相的路虎揽胜运动版车型所搭载的自动驾驶技术已达到L4级别。

上文提及的L3和L4级别，到底是什么意思呢？不同级别的自动驾驶技术差异在哪里呢？这里的分类标准是根据特定汽车系统提供的用于描述自动化（相对于人类控制）程度来判定的，现在市面上有几种不同方式来对车辆自动化系统进行分类，如SAE和NHTSA。而为了更好地区分不同层级的自动驾驶技术，如今绝大多数主流自动驾驶研究者将SAE标准当作通行的分类原则。

在SAE分类标准中，自动驾驶技术被分为L0~L5，共六个等级。L0代表没有自动驾驶加入的传统人类驾驶，L1~L5则随自动驾驶的成熟程度进行了分级。相比完全靠驾驶员自己操控的传统驾驶，L1级别的自动驾驶能给驾驶员一些驾驶支援，比如目前已经在很多车上搭载了的自适应巡航（ACC）功能。L2同样也属于驾驶支援的范畴，在L1的基础之上，系统除了能控制加减速，同时还增加了对方向盘的控制。

L2到L3级之间，成为了辅助驾驶与自动驾驶的分界线，存在相当大的跨度。L3让道路环境的观察者由人变更为系统，环境观察和驾驶操作都由系统来完成，但人仍需对所有的系统请求进行应答。当自动驾驶技术达到L4级别时，除复杂恶劣情况外，系统能够独自应付。L5则属于真正意义上的无人驾驶，不再需要人的干预。

想要实现自动驾驶，这些而技术难点必须攻破

简单了解自动驾驶的分类标准后，我们再来聊聊其背后的技术难点。其实自动驾驶的核心并不在于车本身，而是那些数字技术。汽车上的激光雷达通过感应器发射光脉冲并接收反射来测量物体之间的距离，以此生成汽车周围环境的3D地图，而实现这项技能需要汽车具有强大的自处理能力。

据不完全估计，每辆拥有激光雷达感应器以及其他必要系统如GPS，每行驶2小时将会产生并接受约1TB的数据。这些数据绝大多数需要及时处理，对于汽车而言，1秒的延迟或将造成不堪设想的后果。因此，汽车必须具备极为强大的计算能力。

但以目前的技术来看，要及时处理这些数据是一项极为困难的挑战。虽然很多公司正在把计算任务转移至云端，但这一做法有一个很大的弊端，区域网络内传输数据至云端很有可能发生延迟。由此看来，云端计算并不是长远之计，本地直接计算处理才是良策。而谷歌为了管理这一庞大而又复杂的服务器群，开发了Borg，能够管理巨大的分布式数据中心和各种云，处理本地数据也囊括在内。

汽车在自动驾驶过程之中，在处理数据的同时，也处于不断学习的过程。正如人一样，经验决定判断，汽车若想要做出准确的判断，最好之前拥有类似的经历，也就是深度学习。这也是为什么百度在研发无人驾驶汽车时特意成立了一个深度学习研究院。不仅如此，奥迪与JKU也联手建立了一个深度学习中心 共同推进自动驾驶技术。

深度学习让传感器更加智能的操纵车辆，因为它是基于大量对于驾驶员技术分析的基础上，建立对它的一个综合理解，包括他的驾驶习惯、意图等。现在许多科技公司，包括像英伟达这样的大公司也在做大量的尝试，利用深度学习的方法进行优化系统。英伟达的打法比较激进，它是直接把传感器的输入和车的状态的输入直接关联，做这样一个预测，忽略了中间的决策部分。

大厂入局，领跑自动驾驶领域

纵观自动驾驶国内外整个发展情况，美德引领自动驾驶产业发展大潮，日本、韩国迅速觉醒，我国呈追赶态势。作为自动驾驶汽车应用的基础，美、德、日、韩、我国均在积极推进路测。各国纷纷将2020年作为重要时间节点，从目前的情况看来，届时很有希望实现自动驾驶路测的全面部署。

在研发方面，多数企业采取了网联汽车（Connected Cars）的发展路径，加快芯片处理能力、自动驾驶认知系统研发。德国博世和英伟达正在合作开发一个AI自动驾驶系统，英伟达提供深度学习软件和硬件，博世基于英伟达Drive PX技术将推出的超级芯片Xavier，可提供L4级自动驾驶技术。

在车辆通信标准方面，LTE-V、5G等通信技术成为自动驾驶车辆通信标准的关键，将为自动驾驶提供高速率、低时延的网络支撑。国内外正在协同推进的LTE-V2X成为了3GPP 4.5G重要发展方向。据悉，大唐、华为、中国移动、中国信通院等合力推动，在V2V、V2I的标准化工作方面取得了积极进展。另一方面，LTE-V2X技术也随着自动驾驶需求的发展正逐步向5GV2X演进。

从产业链的发展形势来看，目前自动驾驶发展较快的企业所并购的主要对象，为掌握自动驾驶关键技术的领军企业或初创企业。2017年3月，英特尔以153亿美元收购以色列科技企业Mobileye，后者致力于研发与自动驾驶有关的软硬件系统，是特斯拉、宝马等公司驾驶辅助系统的主要摄像头供应商，掌握一系列图像识别方面的专利。总的来看，收购领军企业或具有潜力的初创企业，迅速加快自身自动驾驶技术的积累，形成竞争优势，是当前在自动驾驶领域快速布局的捷径。

但科技的发展为我们的生活带来便捷的同时，也让我们看到了它的残忍。接二连三的自动驾驶汽车出现碰撞事件，最严重的还出现了死亡事故。以去年五月那起自动驾驶引发死亡的车祸为例，究其原因有三，一是拖挂车为白色，在强烈的日光下与天空颜色接近，导致摄像头没有发现异常；二是拖挂车下方的大面积留空区域导致雷达的探测也同时失效；而第三点则是驾驶员目光完全没有注视前方，双手也离开了方向盘。

总的来说，当前的自动驾驶技术还未完全成熟，各大厂还处于正在抓紧布局阶段，那些仅在在车展上现身的自动驾驶技术的汽车，可还远未达到可以安全上路的地步。但我们不能以对待成熟技术的眼光，看这个尚在发展阶段的自动驾驶技术。就如同VR一般，我们应该给予自动驾驶一些鼓励与支持，而不是一味地苛责其不足与痛点。多给它一点时间与空间，相信它会交出一份令你满意的答卷的。