現(xiàn)在無人駕駛的熱潮，起源于 2005 年，美國國防部舉辦的 DARPA Grand Challenge 。04 年的第一屆沒有選手跑出來，但是 05 年在荒野的比賽，有多支隊(duì)伍成功跑完，斯坦福大學(xué)和卡耐基梅隆大學(xué)獲得了第一、二名。

1. 無人駕駛行業(yè)的現(xiàn)狀分析

1.1 The origin: DARPA

現(xiàn)在無人駕駛的熱潮，起源于 2005 年，美國國防部舉辦的 DARPA Grand Challenge 。04 年的第一屆沒有選手跑出來，但是 05 年在荒野的比賽，有多支隊(duì)伍成功跑完，斯坦福大學(xué)和卡耐基梅隆大學(xué)獲得了第一、二名。

而 2007 年的 DARPA Urban Challenge ，把挑戰(zhàn)放到了城市路況中，這次是卡耐基梅隆大學(xué)，斯坦福大學(xué)和弗吉尼亞理工大學(xué)分別獲得了第一，二，三名。

(圖 01 兩屆非常關(guān)鍵的 DARPA Challenge，推動(dòng)了無人駕駛在學(xué)術(shù)界的研究)

通過美國國防部的比賽，向世人證明了無人駕駛技術(shù)上的可能性。

1.2 Google 延續(xù)了 DARPA 的技術(shù)，從 09 年一直在不斷的研發(fā)

Google 看到 DARPA 中無人駕駛技術(shù)的未來，于 2009 年將斯坦福 AI Lab 的負(fù)責(zé)人，也是 DARPA 中斯坦福大學(xué)隊(duì)原型車的負(fù)責(zé)人 Sebastian 招到 Google，和他的原班人馬一起，繼續(xù)無人駕駛領(lǐng)域的研究。Google X 于 2010 年 1 月正式成立。

（圖02 斯坦福大學(xué) AI Lab的負(fù)責(zé)人 Sebastian）

（圖03 Google 早年的無人車）

從 09 年到 2016 年 6 月，Google 的無人車?yán)塾?jì)行駛了 2,777,585 公里。光 2016 年 8 月這一個(gè)月，無人車就行駛了 202,777 公里。

截止到現(xiàn)在，Google 的無人車已經(jīng)累計(jì)行駛了 500 萬公里。最新的技術(shù)實(shí)力，可以達(dá)到平均連續(xù) 8000 公里 1 次人工干預(yù)的水平。

2016 年 12 月，Google 正式將 Google X 中的無人駕駛業(yè)務(wù)分拆出來，成立了獨(dú)立公司 Waymo。

(圖04 無人駕駛從 GoogleX 中獨(dú)立出來，成立了子公司 Waymo)

由于 Google 對無人駕駛技術(shù)的大力推進(jìn)，在硅谷大家都能看到最前沿的技術(shù)似乎已經(jīng)能很快的得到普及。目前，Google 的無人駕駛技術(shù)還是公認(rèn)世界最高的水平。

1.3 Tesla 的探索—激進(jìn)的先驅(qū)者

Tesla 從 2014 年底的車型開始，就為用戶提供可選的“輔助駕駛包”。采用的是Mobileye 提供的 ADAS 技術(shù)。

隨后，由于技術(shù)路線上的差異，Tesla 于2016 年 7 月終止了和 Mobileye 的合作。目前 Tesla 的技術(shù)路線主要依靠 8 個(gè)環(huán)繞攝像頭，1 個(gè)毫米波雷達(dá)和12個(gè)超聲波傳感器。

Tesla 的野心越來越大，宣稱要在 2017 年末實(shí)現(xiàn)完全無人駕駛，而 2019 年全面上路。

（圖05 Tesla 的 Autopilot --主要基于攝像頭來做識(shí)別）

(圖06 Tesla 當(dāng)時(shí)的合作伙伴，Mobileye 的設(shè)備)

(圖07 專業(yè)做 ADAS 的企業(yè) Mobileye)

(圖08 Tesla 的多傳感器方案)

僅靠最簡單的 ADAS 系統(tǒng)，在光照好的條件下也可以實(shí)現(xiàn)相當(dāng)高的精度，但是業(yè)內(nèi)普遍認(rèn)為其安全性不達(dá)標(biāo)。

Tesla 的論據(jù)是，目前 Tesla 的車在 “ 輔助駕駛模式 ” 下累計(jì)行駛了 13 億英里，而目前的事故概率相當(dāng)?shù)停辽偈侨祟愅壤锍滔碌亩种弧Ｋ阅壳暗?a href="http://www.1cnz.cn/tags/自動(dòng)駕駛/" target="_blank">自動(dòng)駕駛系統(tǒng)，已經(jīng)可以實(shí)現(xiàn)強(qiáng)于人類兩倍的性能。

現(xiàn)實(shí)中， 2016 年 5 月，Tesla 的一名車主開啟自動(dòng)駕駛模式，在車上看視頻，直接撞到拖車上身亡。根據(jù)事后調(diào)查，Tesla 由于有免責(zé)聲明，要求車主對駕駛負(fù)責(zé)，而不能完全交給系統(tǒng)，Tesla 得以被判免責(zé)。

（圖9 Tesla 車在自動(dòng)駕駛模式下的嚴(yán)重事故）

(圖10 嚴(yán)重事故后損毀的車)

因此，Tesla 一方面宣稱其技術(shù)可以實(shí)現(xiàn) Level 4 以上的“完全無人駕駛”，現(xiàn)實(shí)中為了免責(zé)，則要求用戶僅將其當(dāng)做輔助駕駛來使用。

雖然 Tesla 的技術(shù)路線較為激進(jìn)，但是因?yàn)槠鋸V泛的消費(fèi)者基數(shù)，吸引到了資本市場的強(qiáng)烈關(guān)注，可以說掀起了無人駕駛的熱潮。

因?yàn)?Google 的車雖然在默默進(jìn)步，但知道，乘坐過的人較少，而 Tesla 的車，有廣大的車主基數(shù)。車主通過直觀感受，覺得光是 ADAS 系統(tǒng)就離人們想象中的無人駕駛不遠(yuǎn)了。畢竟 99% 的安全，和 99.9% 的安全，在消費(fèi)者看來其差異并不明顯。

(圖11 Tesla 的銷售店，有奢侈品的感覺)

另一方面，Tesla 極其擅長制造話題，也起到了推波助瀾的作用。

(圖12 Tesla 相關(guān)的新聞不斷)

1.4 Uber 和 Apple 的探索

2015 年 Uber CEO 正式宣布要用無人駕駛技術(shù)來提供服務(wù)，招了一些卡耐基梅隆的研究員，使用 LiDAR + 攝像頭的多傳感器融合技術(shù)。

2016 年 8 月，Uber 收購了做無人駕駛的公司 Otto。同年 9 月，Uber 正式在匹茲堡提供基于無人駕駛系統(tǒng)的出租車服務(wù)。同年 12 月，在舊金山提供同樣的服務(wù)。

截止至今，Uber 的技術(shù)還略遜一籌，實(shí)際效果沒有達(dá)到 Uber 的預(yù)期。目前 Uber 的車隊(duì)有 43 輛車，無人駕駛模式下每周行駛 20,000 英里，平均連續(xù) 0.8 英里一次人工干預(yù)。

（圖13 Uber 的無人駕駛租車）

(圖14 Uber 的無人駕駛技術(shù)受到了較大的質(zhì)疑)

Apple 于 2014 年末開始正式啟動(dòng)內(nèi)部名為“ Project Titan ”的野心勃勃的造車計(jì)劃—完全無人駕駛的電動(dòng)車。據(jù)內(nèi)部人士透露，Apple 是和一家機(jī)器人公司合作開發(fā)的技術(shù)原型車，采用最新的多傳感器融合技術(shù)。該機(jī)器人公司是 Virginia Tech spin off 出來的公司，也曾經(jīng)是 Virginia Tech 參加 DARPA Challenge 的團(tuán)隊(duì)和合作伙伴。

起初 Apple 是希望造一臺(tái)類比 Tesla 的電動(dòng)車，但 16 年戰(zhàn)略發(fā)生了變化，Apple 希望打造一臺(tái)“完全無人駕駛”的電動(dòng)車。這輛車上不會(huì)有方向盤，預(yù)計(jì)最早 2020 年投入市場。

而 2017 年 6 月，Apple CEO 對公眾承認(rèn)了蘋果對無人駕駛領(lǐng)域的興趣，但是否認(rèn)了造車，而是說在研究無人駕駛技術(shù)的軟件。

(圖15 Apple 的 Titan 計(jì)劃)

1.5 無人駕駛技術(shù)指標(biāo)對比—距離實(shí)現(xiàn) Level 4 還有多遠(yuǎn)？

盡管指標(biāo)的選擇有所差異，按照加州的規(guī)定，申請了無人駕駛牌照的公司需要報(bào)備各自的無人駕駛運(yùn)行情況。其中最核心的指標(biāo)，是累計(jì)無人駕駛下的里程數(shù)，和平均連續(xù)無人工干預(yù)里程數(shù)。

(圖16 Waymo，車廠代表的 Nissan 和 Uber 的指標(biāo)對比)

從結(jié)論來看，Google 的技術(shù)依然瑤瑤領(lǐng)先其他可比公司，累計(jì)行駛了 500 萬公里，而最新的技術(shù)可以達(dá)到平均連續(xù) 8000 公里 1 次人工干預(yù)。作為主機(jī)廠中比較先進(jìn)的Nissan，大概是平均 230 公里 1 次人工干預(yù)。而 Uber 的水平，大概還停留在平均1.5 公里 1 次人工干預(yù)，可以看到大家的差距還較大。

國內(nèi)的百度，據(jù)消息稱，目前水平和 Uber 相當(dāng)。

根據(jù)業(yè)內(nèi)普遍的看法，如果無人駕駛車輛的安全性能夠達(dá)到人類的 10 倍以上，就可以完全替代人。那么也許完全實(shí)現(xiàn)無人駕駛需要的技術(shù)目標(biāo)，大約在連續(xù) 10 萬公里1 次人工干預(yù)的水平。

恰恰因?yàn)?Google 的水平已經(jīng)非常高，讓資本市場看到了短期內(nèi)（3-5年）實(shí)現(xiàn)足夠安全性的可能，目前各家企業(yè)都在拼命沖刺技術(shù)的最后五公里。

1.6 蓬勃涌現(xiàn)的無人駕駛初創(chuàng)企業(yè)—向勝利發(fā)起沖鋒的號(hào)角

從 2015 年開始，不斷出現(xiàn)做無人駕駛的初創(chuàng)企業(yè)。這里我們摘取了一些典型的，做接近于 Level 4 （無人駕駛和輔助駕駛的定義見后續(xù)分析）技術(shù)的企業(yè)，供大家分析。

(圖17 根據(jù)網(wǎng)上信息收集整理的主要 Level 4 無人駕駛 startup )

可以看出，2015 年和 2016 年，有很多從大公司，大學(xué)出來的初創(chuàng)公司開始進(jìn)入該領(lǐng)域。無人駕駛系統(tǒng)的開發(fā)，呈現(xiàn)出百花齊放的狀態(tài)。無人駕駛技術(shù)的黃埔軍校，有斯坦福大學(xué)，Google，和國內(nèi)的百度。

按照上述的分析，這些研究無人駕駛 Level 4 技術(shù)的企業(yè)，都在努力試圖用各自的技術(shù)方案，實(shí)現(xiàn)安全性達(dá)標(biāo)，成本可控的“無人駕駛最后五公里”。

究竟誰能夠摘取最終的桂冠呢？我們認(rèn)為類比汽車行業(yè)的引擎，電池管理技術(shù)等核心模塊，無人駕駛技術(shù)應(yīng)該也不會(huì)呈現(xiàn)出一家獨(dú)大的情況。最終應(yīng)該有大公司，也有一些初創(chuàng)公司可以做出性能和成本達(dá)標(biāo)的產(chǎn)品。

1.7 無人駕駛還是輔助駕駛

根據(jù) SAE 的分類，無人駕駛從 Level 0 到 Level 5 。更加詳細(xì)的分類標(biāo)準(zhǔn)在網(wǎng)上已經(jīng)有很多，我們就不做詳細(xì)的科普。這里做一下簡單的定義，并且給大家舉例說明一下。

(圖18 無人駕駛的分類簡述)

根據(jù)定義，Level 2 到 Level 3 應(yīng)該劃分為“輔助駕駛”的范疇。之所以稱之為輔助駕駛，是因?yàn)檫@個(gè)等級(jí)下，駕駛員要承擔(dān)駕駛的完全責(zé)任，無人駕駛系統(tǒng)不承擔(dān)一切事故的后果。

目前 Level 2 的 ADAS 系統(tǒng)的成本價(jià)降到 1,000 人民幣以內(nèi)，前裝的售價(jià)也在數(shù)千人民幣以內(nèi)，可以算是得到了較好商業(yè)化的汽車智能化配件。海外有著名的 Mobileye，國內(nèi)也有很多做 ADAS 系統(tǒng)的對標(biāo)企業(yè)正在努力趕超。

Level 2 的技術(shù)雖然可以實(shí)現(xiàn)全面的駕駛輔助，但是由于對安全性的要求較低，效果很多時(shí)候是根據(jù)駕駛員的主觀感受而決定的，可以說技術(shù)門檻也相對較低。目前很多主機(jī)廠，都在研發(fā)自己的 ADAS 系統(tǒng)，對 Mobileye 進(jìn)行替換。

Level 3，是在 Level 2 的基礎(chǔ)上，增加了更多的傳感器，提高安全系數(shù)后，能夠在部分路況下完全接管汽車的控制的系統(tǒng)。比如說一輛車從市區(qū)開到高速公路，在高速公路上可以實(shí)現(xiàn)無人駕駛下的定速巡航（Tesla 已經(jīng)提供這項(xiàng)功能）。但是其問題是，由于適應(yīng)的路況較為少，而且系統(tǒng)還是要求在發(fā)出請求后人類駕駛員必須在六秒鐘之內(nèi)接管，無法實(shí)現(xiàn)真正的人類替代。

對于國內(nèi)目前涌現(xiàn)出來，做低速無人車如機(jī)場擺渡車，園區(qū)高爾夫車等等的企業(yè)，由于行駛速度非常低（10 km/h），安全性的要求也會(huì)低很多。一般而言，我們將其技術(shù)歸類到 Level 2 到 Level 3 。

而 Level 2，Level 3，雖然有著較為可見的應(yīng)用，他們所需要的技術(shù)和 Level 4 以上還是涇渭分明的。也許和很多人想象得不同，并不能實(shí)現(xiàn)從 Level 2 向 Level 4 的逐漸升級(jí)。Level 4 的主要技術(shù)，是要實(shí)現(xiàn)在市區(qū)環(huán)境下的完全無人駕駛—這需要系統(tǒng)具備極高的安全性。而 Level 4 的最大特征，在于給定事先定好的區(qū)域，就可以實(shí)現(xiàn)“完全無人駕駛”。這樣的話，商業(yè)上可以實(shí)現(xiàn)對人類駕駛員的替代，可以改變傳統(tǒng)的生產(chǎn)關(guān)系。而 Level 2，Level 3 的技術(shù)，最終還是“幫助”人類駕駛員把車開得更好而已。

正因?yàn)?Level 4 有著巨大的技術(shù)挑戰(zhàn)和相應(yīng)的更廣闊的市場空間，目前 Level 4 無人駕駛技術(shù)是市場關(guān)注的焦點(diǎn)。

2. 無人駕駛行業(yè)的現(xiàn)狀分析

2.1 車載傳感器一覽

無人車使用的傳感器，大的來說有以下這些類別：激光雷達(dá)，攝像頭，GPS （包括差分 GPS），IMU （慣性制導(dǎo)），毫米波雷達(dá)，超聲波雷達(dá)等等。

雖然人類可以只通過視覺和聽覺就實(shí)現(xiàn)駕駛，但是機(jī)器人缺乏能夠有效識(shí)別場景的大腦，需要通過更強(qiáng)的“五感”，來彌補(bǔ)這個(gè)缺陷。傳感器，可以說是無人駕駛汽車的眼睛和耳朵。

(圖19 車載傳感器的案例)

2.2 主要傳感器之 LiDAR

而現(xiàn)在不同傳感器類別中，源自于 DARPA 的激光雷達(dá)( LiDAR )，被認(rèn)為是無人駕駛最重要也是最必不可缺少的傳感器。相比起其他傳感器，他最大的優(yōu)勢在于對于空間的測量非常精確，可以保證相對高的安全系數(shù)。

(圖20 傳感器的優(yōu)劣勢對比)

(圖21 Velodyne 的 64 線，32 線和 16 線 LiDAR )

(圖22 LiDAR 眼中的世界)

目前全球的 LiDAR 供應(yīng)幾乎被 Velodyne 壟斷。價(jià)格昂貴，最便宜的 16 線 7,900 美金，最貴的 64 線 80,000 美金一臺(tái)。

機(jī)械式激光雷達(dá)通過高速旋轉(zhuǎn)，能夠通過點(diǎn)云形成對周邊空間環(huán)境的準(zhǔn)確感知，各家無人駕駛廠商需要開發(fā)自己的點(diǎn)云特征識(shí)別技術(shù)。

2.3 LiDAR 開發(fā)的激烈競爭

目前全球范圍內(nèi)，技術(shù)比較成熟的廠商還只有源自 DARPA 的 Velodyne 一家。但是也有數(shù)不盡的初創(chuàng)公司誕生，試圖挑戰(zhàn) Velodyne 的壟斷地位。

而 LiDAR 本身，也有一個(gè)最新的技術(shù)方向，就是摒棄 Velodyne 的機(jī)械旋轉(zhuǎn)設(shè)計(jì)，用相控陣技術(shù)實(shí)現(xiàn)固態(tài)的激光雷達(dá)。固態(tài)的激光雷達(dá)雖然最高線數(shù)只能到達(dá) 16 線。但是更易量產(chǎn)，成本也可以做得更低。被普遍認(rèn)為是激光雷達(dá)的究極解決方案。最終的成本，可以降到 100 美金一個(gè)，和攝像頭相仿。

(圖24 Quanergy 開發(fā)中的固態(tài) LiDAR )

(圖25 Lumina 開發(fā)中的固態(tài) LiDAR 的效果圖)

(圖26 Quanergy 規(guī)劃中的固態(tài)產(chǎn)品和價(jià)格)

2.4 只采用攝像頭是否靠譜— Deep Learning 的能力邊界在哪里

今年由于 DNN（Deep Neural Network），也就是深度學(xué)習(xí)技術(shù)的進(jìn)步，有很多基于此的新算法誕生。很多學(xué)者說僅僅依靠 DNN 技術(shù)，就可以實(shí)現(xiàn)類似人類的駕駛—只依靠攝像頭的視覺信息，實(shí)現(xiàn) Level 4 級(jí)別的無人駕駛。

其代表，就是來自于 Princeton 大學(xué) AI 領(lǐng)域的教授肖建雄創(chuàng)立的 Auto X，和來自于斯坦福大學(xué) AI Lab，著名 AI 三駕馬車吳恩達(dá)太太創(chuàng)立的 Drive.ai。

然而，也許是發(fā)現(xiàn)只依靠視覺信息和 DNN 無法實(shí)現(xiàn) Level 4 要求的安全性，加上攝像頭單一傳感器的局限性，這兩家企業(yè)目前都已經(jīng)改變了當(dāng)初宣稱的做法。

AutoX 說他們是“Camera First ”，未來 LiDAR 降價(jià)后會(huì)加上 LiDAR。而 Drive.ai說他們在使用 DNN 算法來識(shí)別 LiDAR 產(chǎn)生的點(diǎn)云—而不是僅僅用在攝像頭上。

從我們的角度看來，因?yàn)?LiDAR 降價(jià)是個(gè)必然到來的事情，因?yàn)閮r(jià)格高昂而不用LiDAR，降低系統(tǒng)整體的安全性與可靠性，可能得不償失。

(圖27 AutoX 的車，有多個(gè)攝像頭 )

(圖28 AutoX 的車載攝像頭陣列 )

(圖29 Drive.ai 的車，可以看到六個(gè) 16 線 LiDAR 組成的陣列)

(圖30 Drive.ai 的 LiDAR 下的識(shí)別圖像，DNN 適用的對象也延伸到了點(diǎn)云數(shù)據(jù))

2.5 Level 4 無人駕駛的新技術(shù)體系—多傳感器融合和 DNN 算法

Google 開始做無人車是在 2009 年，基于斯坦福參加 DARPA 比賽時(shí)候的原型車。由于 2009 年攝像頭的算法效果并不好，導(dǎo)致 Google 在今后的開發(fā)上，非常依賴LiDAR。不斷對 LiDAR 算法遇到的 corner case（例外）進(jìn)行算法層面的補(bǔ)充，也就是打補(bǔ)丁。而且，為了提高安全性，Google 甚至自己制造了世界上唯一的 128 線LiDAR。也就是說，Google 的技術(shù)體系中，高線數(shù) LiDAR 是必不可缺的主傳感器。

而近年來，主要有以下三個(gè)新的動(dòng)向。

A. 多顆低線數(shù) LiDAR 對高線數(shù) LiDAR 的模擬和替換

由于高線數(shù) LiDAR 的生產(chǎn)工藝要求極高，Velodyne 和谷歌的產(chǎn)量有限，而且成本非常高，導(dǎo)致使用 LiDAR 的技術(shù)方案普及遇到很大的苦難。近年來，有很多初創(chuàng)公司發(fā)現(xiàn)通過組合好多顆 16 線的 LiDAR，也能達(dá)到不遜于單顆高線數(shù) LiDAR 的效果。

(圖31 多顆 LiDAR 陣列對 64 線 LiDAR 的替代案例)

B. 多傳感器，尤其是 LiDAR 和攝像頭的算法融合

由于近年計(jì)算機(jī)視覺和深度學(xué)習(xí)算法的發(fā)展，攝像頭的圖像識(shí)別能力相比 2010 年前后有了質(zhì)的飛躍。在傳統(tǒng)使用 LiDAR 為主傳感器的 Level 4 無人駕駛，和采用更便宜的攝像頭為主傳感器的 Level 2 ADAS 方案的基礎(chǔ)上，有了將 LiDAR 和攝像頭數(shù)據(jù)進(jìn)行融合的新嘗試。通過 LiDAR 和攝像頭這兩種傳感器的優(yōu)勢互補(bǔ)，可以用更加低性能的傳感器，實(shí)現(xiàn)更高的安全性。

(圖32 攝像頭和 LiDAR 數(shù)據(jù)的深度融合示意圖)

C. 對于 LiDAR 點(diǎn)云數(shù)據(jù)，采用 DNN 算法

Google 的時(shí)代，DNN 還沒有得到廣泛的應(yīng)用。所以 Google 對于點(diǎn)云的識(shí)別，采取的還是類似于 Computer Vision 的算法—提取特征。但是由于最近 DNN 的效果逐漸得到證明，也有一些新的嘗試，用 DNN 來做點(diǎn)云數(shù)據(jù)的學(xué)習(xí)，并且識(shí)別物體。這個(gè)效果雖然還有待驗(yàn)證，但是我們相信最終這個(gè)方法在數(shù)據(jù)量大了以后會(huì)超越傳統(tǒng)的特征識(shí)別算法。

(圖33 DNN 在 LiDAR 數(shù)據(jù)中的應(yīng)用例)

(圖34 Nvidia 的 DNN 方案)

2.6 無人駕駛是泡沫嗎？

對于無人駕駛普及而言，最關(guān)鍵的因素是性能和價(jià)格。

從價(jià)格的角度，業(yè)內(nèi)普遍認(rèn)為最貴的激光雷達(dá)，會(huì)在今后五年內(nèi)價(jià)格降低到不礙事的程度。

現(xiàn)在問題的關(guān)鍵因素在于，無人駕駛是否能符合大家的預(yù)期，在可預(yù)見的短期內(nèi)達(dá)到技術(shù)的成熟。

近年，谷歌的技術(shù)已經(jīng)達(dá)到了 8,000 公里一次人工干預(yù)的水平。這個(gè)水平對于很多人而言，已經(jīng)非常接近于實(shí)現(xiàn)了 Level 4 。而 Tesla，更是激進(jìn)的認(rèn)為僅靠攝像頭和超聲波雷達(dá)，毫米波雷達(dá)的方案，就已經(jīng)能夠?qū)崿F(xiàn)兩倍于人的駕駛能力。讓我們保守一點(diǎn)，假設(shè)連續(xù) 100,000 公里一次人工干預(yù)是 Level 4 無人駕駛的基礎(chǔ)要求。

(圖35 技術(shù)的發(fā)展預(yù)測圖，黃線是 Google 的方案，紅線代表新的技術(shù)體系)

根據(jù)剛才所述，采用新的技術(shù)架構(gòu)下，我們認(rèn)為 Level 4 無人駕駛技術(shù)，有希望在 2025 年之前的某個(gè)時(shí)間，達(dá)到足夠好的安全性。而無人駕駛是否破滅，則要取決于圖中虛線所代表的未來的技術(shù)進(jìn)展。

另外，根據(jù) Gartner 著名的 Hype Cycle 來看，無人駕駛已經(jīng)處于泡沫期的最后階段。而他們的預(yù)測中，無人駕駛的普及需要遠(yuǎn)大于 10 年的時(shí)間。Gartner 對于無人駕駛技術(shù)還是抱著相對保守的態(tài)度。

(圖36 Gartner 著名的 Hype Cycle 圖)

最終無人駕駛是否會(huì)是一個(gè)泡沫，有待于接下來三年內(nèi)技術(shù)的進(jìn)步來揭開這個(gè)謎題。我們團(tuán)隊(duì)對無人駕駛技術(shù)的未來，充滿信心。

3. 中國市場的獨(dú)特性

3.1 中國道路的技術(shù)挑戰(zhàn)

目前世界的無人駕駛路測，主要是在硅谷地區(qū)。而中國的道路交通情況，相比起硅谷，或者其他發(fā)達(dá)國家，路況更加復(fù)雜。目前主流的無人駕駛算法，都需要解決 corner case 的問題，無論是通過不斷更迭算法打補(bǔ)丁的方式，還是通過 DNN，收集數(shù)據(jù)來解決，都需要實(shí)際上接觸大量的 corner case，才能夠?qū)崿F(xiàn)。

因此，把硅谷的算法平移到中國，是一定會(huì)失敗的。比如 Google 在舊金山灣區(qū)跑得很完美的無人車，開到德州就問題百出了，更不要說來中國了。

(圖37 中美路況的對比)

因此，中國市場急需要針對中國的路況而開發(fā)的系統(tǒng)，不在中國進(jìn)行大規(guī)模的路測收集數(shù)據(jù)，就無法實(shí)現(xiàn)在中國本土的 Level 4 無人駕駛落地。

3.2 中國的無人駕駛發(fā)展現(xiàn)狀

根據(jù)工信部推出的《中國制造 2025 》的規(guī)劃，中國 2020 年，2025 年關(guān)于無人駕駛的目標(biāo)如下：

在《中國制造 2025 》重點(diǎn)領(lǐng)域技術(shù)路線圖中，智能網(wǎng)聯(lián)汽車分為 DA、PA、HA、FA 四個(gè)級(jí)別，其中， PA 指部分自動(dòng)駕駛，HA 指高度自動(dòng)駕駛， FA 指完全自主駕駛，駕駛權(quán)完全移交給車輛。

2020 年，汽車信息化產(chǎn)品自主份額達(dá) 50%，DA、PA 整車自主份額超過 40%，掌握傳感器、控制器關(guān)鍵技術(shù)，供應(yīng)能力滿足自主規(guī)模需求，產(chǎn)品質(zhì)量達(dá)到國際先進(jìn)水平。啟動(dòng)智慧交通城市建設(shè)，自主設(shè)施占有率 80% 以上。

2025 年，汽車信息化產(chǎn)品自主份額達(dá) 60%，DA、PA、HA 整車自主份額達(dá) 50% 以上；自主智能卡車開始大規(guī)模出口。制定中國版完全自主駕駛標(biāo)準(zhǔn)，基于多源信息融合、多網(wǎng)融合，利用人工智能、深度挖掘及自動(dòng)控制技術(shù)，配合智能環(huán)境和輔助設(shè)施實(shí)現(xiàn)自主駕駛，可改變出行模式、消除擁堵、提高道路利用率，綜合能耗降低 10%，減少排放 20%，減少交通事故數(shù) 80%，基本消除交通死亡；FA 智能化裝備率 10%，自主系統(tǒng)裝備率 40%。

另一方面，國內(nèi)也有很多企業(yè)，高校，開始自主研發(fā) Level 4 無人駕駛系統(tǒng)。典型的比如百度，Volvo，國防科大和上汽等。很多都已經(jīng)實(shí)現(xiàn)了較長距離的高速公路實(shí)驗(yàn)，以及封閉區(qū)域內(nèi)的實(shí)驗(yàn)。

(圖38 中國部分企業(yè)，高校，研究所的無人駕駛車路測)