私家車除卻本身價值的不斷下降，私家車本身的存在既有環境污染問題、資源浪費問題，也引起了道路不堪重負等等問題。自動駕駛技術的發展，目的就是要解決以上問題，讓未來的出行更有效率、性價比、安全、環保、易用。

自動駕駛的終極形態一定是無人駕駛，車輛就是一個公共的移動出行空間。但如此美好的未來出行場景，可能在三四十年內不一定普遍看到。

自動駕駛囊括了機器人、AI、高清地圖、控制系統、汽車制造、操作系統等非常多的技術領域，有非常多的科技公司在各個領域都進行了嘗試。有以Waymo為代表的直接從無人駕駛領域開始的，也有以特斯拉為代表的自下而上發展的。

在兩個不同的方向上，都存在技術、產業鏈難題，李開復認為，人機共同駕駛有著諸多不確定性的技術、法律、道德問題，因此實施起來挑戰更多。

以Waymo為例，員工曾在公司的允許下駕駛自動駕駛車輛出行，公司規定駕駛員需要掌管駕駛權、監控行駛，但實際行駛中就會有很多員工離開駕駛位，進行其它的活動。

人是最大的不確定性因素，人機共駕要克服的遠不止技術的難題。正是意識到了這一點，谷歌才下決心直接做L4/5級自動駕駛。

創新工場CEO李開復對此也表示贊同，雖然完全的無人駕駛取代人類駕駛尚需時日，但避免讓人介入的自動駕駛系統，會比人機共駕系統實現起來更為容易。

商業化聯手傳統巨頭

L4/5級自動駕駛的前景，非常美好，這也促使了近年來非常多的初創公司進入了賽道。從OEM、Tier1，到傳感器、控制、決策、執行方案供應商，層出不窮。但貫穿行業整個上下游，普遍存在的問題是，如何在自動駕駛技術發展的過程中分到一杯羹？

除了遙不可及的L5級完全的無人駕駛，L4級自動駕駛是當下產業鏈的制高點。以創新工場投資的四家L4自動駕駛公司為例，涉足了無人出行、無人卡車、無人擺渡車、自主泊車等落地場景，也有部分L3的高速公路自動駕駛解決方案等等。

這些自動駕駛公司有一個共同點——選擇行業細分領域，同傳統巨頭攜手。

馭勢科技除了同白云機場合做的無人車項目，還在全球第三大的機場同時開始在無人物流方面車輛的部署，希望能夠最近的時間量產。（注：2017年阿聯酋迪拜國際機場年旅客吞吐量達到了8820萬人次，排名全球第三，根據2018年上半年數據統計，迪拜名次未變）。

AutoX在中國跟物流公司和主機廠，就像美團、中通快遞、東風、上汽集團等等，落地無人汽車園區物流等等。Momenta則定位于Tier2，目前正與多家國際國內車企和Tier 1展開合作，落地解決方案。

無人駕駛技術的落地商業化，離不開同行業傳統巨頭的合作，在整體方案成本高企的當下，也只有B端客戶有能力嘗試性試用。但這種試用，當下能帶來的經濟效應，對于合作雙方而言都還有限。

廣州公交集團羊城通有限公司董事長、總經理謝振東表示，即使目前的方案從200萬降到了80萬，公交公司依然難以承受大規模推廣。

Momenta累計完成融資超2億美金，估值超10億美金，團隊規模約600人，但進行中的自主泊車、高速解決方案尚缺造血能力。

產業鏈自下而上要解決的問題還有很多，正常發展與過度擴張之間如何平衡？資本與實際產業化推進的速度如何相得益彰？目前的市場是否過熱？在資本失去耐心之前，初創公司什么時候能夠產生正向盈利？

今年以來，自動駕駛公司已經明顯感受到了資本的寒意，有限的資本僅僅愿意投向頭部公司，這并不是出于看好投入與產出，而是在對不可預知的未來下人云亦云的賭注。

自動駕駛的行業發展速度，成熟速度，關乎創業公司的生死，趕早趕晚都不妥，找準自己的節奏最為關鍵。今年資本和創業公司的表現，可以看出是在降速緩行，準備迎接接下來青黃不接的3年。

技術仍是瓶頸

市場未成熟，背后多是技術未成熟。那么當下L4級自動駕駛的水平是什么樣？

中國自動駕駛領域的多項政策和商業突破都是在廣州最先試水落地，比如中國首例自動駕駛汽車暴雨中穿越隧道的記錄是在廣州產生的；中國首輛無人駕駛出租車在廣州上路。

今年6月，廣州市交委發布了《廣州市關于智能網聯汽車道路測試有關工作的指導意見（征求意見稿）》，廣汽研究院智駕技術部負責人郭繼舜認為，廣州的測試法規是目前國內最開明的無人駕駛路測法規。根據計劃，廣州開發區無人駕駛汽車2019年將量產500-1000輛。

雄心勃勃的計劃背后，OEM卻如履薄冰。郭繼舜透露，對于自動駕駛技術，OEM更多的是看重數量可觀的量產項目。在OEM內部，都有覆蓋全部自動駕駛等級的研發、規劃團隊，希望能夠解答自動駕駛技術在量產上的難題。

也因此發現，低等級輔助駕駛系統的商業化，來的會更容易。從輔助駕駛系統擴展到高等級自動駕駛系統，技術上有一定的延續性，但難度不會因此降低。

因此盡管廣汽計劃在2020年的第一季度量產第一輛L3智能駕駛汽車，但主控芯片目前看來也有延期的風險。

L3以上必備的激光雷達，問題也遠遠不只是廠商所抱怨的產銷量與價格之間的悖論，而是整體激光雷達行業還未普遍解決數以百萬計產品穩定性、可靠性、車規等一系列的問題。

L4級的自動駕駛系統，當下是一個奢侈品，而奢侈的背后，隱藏著的是產業鏈的不完善。傳感器領域沒有性價比高的方案，規劃決策的軟件算法日新月異，控制執行遠未達到令行禁止。

這也間接說明一個現狀，目前的整個自動駕駛產業鏈非常不成熟，在軟硬件上都無法提供符合OEM要求的量產零部件。因此雖然從理論上而言，L4比L3少了人為不確定性因素的干擾，相對更容易處理，但當下的產業鏈、技術尚未準備好迎接L3級，何談OEM量產L4？

謝振東坦言：目前的自動駕駛技術，還無法讓人信服，也因此政府部門在出臺相應的法規時，會謹小慎微。如何破解端的智能不足，還需要產業鏈上下游共同思考、努力。

端智能不夠、V2X來湊

汽車的單車智能依然不能勝任特殊場景、天氣、以及一些系統失效的場景，折中的方案便是，通過V2X車路協同，給車輛更多道路環境、行人的信息，彌補單車獲取信息的瓶頸，同時通過遠程控制，使得車輛自動駕駛系統在特殊情況下可以由遠程操控員接管，大大降低系統的失效風險。

廣州聯通在廣州建了50個5G基站，未來還將建設更多的基站，優先覆蓋一些自動駕駛系統測試區，廣州市計劃2018年-2021年打造成為網絡城市，在2020年要大規模5G商用，但這個過程并不容易。

5G具有大通道、低時延、可靠鏈接的特性，下行速度能達到20G/秒，上行10G/秒。廣州聯通副總經理廖江表示：5G基站工作在高頻段，所以建的基站非常密集。它跟原來的2/3/4G基站有很大的不一樣，不管從設備的功耗大小，還是到整個運營商網絡改造，都有非常多的挑戰。

國際通信標準上是3GPP制定，5G標準會隨著其制定而凍結，最新的R15版主要解決高清方面的業務，包括部分跟車聯網有關的，但是真正跟車聯網最大密切相關的標準還沒有最后的確定，預計2019年才會發布。及5G下V2X更豐富的技術測試、試驗甚至應用，要在這個版本的協議出來之后才能實質進行。

5G的推進，與相關的通訊模塊、芯片也有關系，但目前5G的手機尚未出現，工業領域的5G模塊會滯后一些，汽車應用同理，因此5G下V2X的商用，會比預想中的時間久。

以上，L4級自動駕駛的商業化，更多的會是以特定行業小規模試驗性使用為開端，OEM暫時不會參與到這個環節中。自動駕駛公司無論是自運營還是委托他人運營，通過這部分小批量應用，也難獲得可觀的營收。這個時間可能會持續3到5年，甚至更長的時間。熬過了這段時間，資本、夢想才有了兌現的機會。

人才艱難煉就

市場，技術不完善的背后，急需大量的人才來改善行業，但無論OEM還是初創公司，符合要求的人才寥寥無幾。為此，每年的畢業季，這些公司都會像遷徙的候鳥一般，從北京到硅谷、從哈佛到MIT覓食。

在國內，珠三角的理工類頂級院校并不多，而這種前沿的深度學習、卷積神經網絡的學科，往往先生根發芽于名校，其次再向其它院校擴展。新學科的設立不僅需要大量的人力、物力、財力，還需要優秀的老師撫育。名校容易獲得申請經費，優秀的教授也愿意擇木而棲。

中山大學數據科學與計算機學院無人系統研究所所長黃凱無奈的表示，國內一個新學科的設立要經過上面的審核，通常的周期是4年左右，這已經非常不適合當下的技術發展速度。其申請設立的自動駕駛相關的請求，學校也未予回復。今年他所帶的無人駕駛方向的研究生有5個，畢業的3個分別去了馭勢、商湯、事業單位。

除了國內院校在體制上不靈活的一些問題，師資匱乏也是老大難的問題。這一點在澳門大學、香港科技大學也普遍存在。解決這些問題，除了向在國際知名院校也屬于珍稀動物的教授拋出橄欖枝，也沒有太多行之有效的方法。加之AI人才薪資水平水漲船高，愿意從事教育行業，安于清貧的鳳毛菱角。

培養自動駕駛的人才，除了基礎設施不完善，還有教育的軟實力。如何才能批量有效的提高學生的科研、工程實踐能力?不僅考驗學校，也考驗企業。

香港科技大學電子及計算機工程系教授馮雁表示，學生能力的成長，依靠理論和實踐共同影響。理論可以通過不同形式的上課獲得，但具體獨立解決問題的能力，還是要依靠有經驗的老師、公司前輩工程師來指導，能避免走許多彎路。

人才的成長需要時間和實踐，沒有捷徑可以走，但在物欲橫流的時代，學生很難經得住誘惑，也就容易迷失。馮雁的兩個學生，就曾高薪供職兩家大型企業，一年后又回爐讀博。

為了加快培養人才，出現了企業與院校的合作，其中也存在不少問題。企業看重的是短期利益回報，相應的研究領域也會注重短期，而院校的研究則更傾向于長遠的暫時沒有利益變現的領域，如何調和雙方之間的矛盾？

香港科技大學的做法是，政府提供豐厚的資金，同企業一起支持學校的科研，企業可以出資，不限比例。學生可以做企業相關的前沿研究，發表相關的論文，在這個過程中既補足了企業科研的補足，也提升了學生的能力。

自動駕駛涉及多學科技術，從生物學、自動化、機械化、計算機到電子信息科學等等都有涵蓋，人才的培養需要在一個系統性的框架下進行，才更有效。但目前大部分院校學科的建設尚處初期，各學科難以形成合力。

結語：

自下而上，自動駕駛在人才的培育、技術的發展、產業鏈的成長方面，無論學院派，還是產業派，都認為未來有太多的功課要做，補課需要時間。行業在被資本打了雞血，爭奪頭條喧囂之后，即將迎來冬天。