猎云注：当前自动驾驶汽车正处于量产化与商业化落地的阶段。那么，从实验到量产，自动驾驶还需迈出几步才能真正走进普通大众的日常生活？本文提出，在安全保证方面，AI技术的发展是自动驾驶汽车产业落地实践的关键。自动驾驶技术的发展还需要多方核心技术的合力支撑，我国也应加大量产型L4自动驾驶汽车的产业化落地实践，加大技术创新力度与资金投入，抓住“弯道超车”的历史机遇。文章转自：腾云（ID：tenyun700）。
近年来，自动驾驶已成为各国政府、车企、互联网巨头竞相逐鹿的重要产业风口。借助移动互联网、云计算、大数据等前沿技术，自动驾驶汽车不仅能实现保障行驶安全、促进节能减排、提高交通效率等社会价值，经济价值也十分可观。
但是，当前自动驾驶汽车究竟如何真正走向市场、受到消费者认可，除了在试验室不断完善和改进技术，自动驾驶还需迈出几步才能真正走进普通大众的日常生活？今天的腾云读书会我们就来谈谈自动驾驶汽车的现在与未来。
分享嘉宾：邓志东，清华大学智能技术与系统 国家重点实验室教授。
世界范围内，自动驾驶发展到了哪一步？
目前，在全世界范围内，自动驾驶汽车正处于量产化与商业化落地的前夜，发展势头十分迅猛，已经超出预期。
具体到了什么程度呢？我们先通过几张照片来简要了解一下。
因为后文会频繁提及，所以先科普一下关于自动驾驶汽车的等级是如何划分的，详见下表。
01、行业巨头纷纷试水
▲Waymo公测
2017年10月，Google Waymo在凤凰城Chandler镇100平方英里范围内，对500辆克莱斯勒插电式混合动力L4自动驾驶汽车进行社会公测，这是L4级别的自动驾驶汽车首次进行社会公测，也是首次无驾驶员的公测，可以说是Waymo自动驾驶商业化落地的前奏。
早在一年多前的2016年9月，Uber已经在美国匹兹堡市推出城区大范围无人驾驶出租车免费载客服务，尽管上面有2名安全工程师，但商业模式却是大范围的城区，比Waymo公测的小镇要大得多。
今年年初，两大产业巨头通用和丰田分别发布了自己的自动驾驶新车。
通用的第四代量产型自动驾驶汽车Cruise AV，已经完全抛弃了方向盘、制动和油门踏板，并向美国交通运输部提交了安全申请，计划2019年实现量产，这也是首台宣称可量产的L4+自动驾驶汽车。
而丰田的Platform3.0，因为成功地将传感器都隐藏了起来，在外观上就已经征服了大批颜控。
另一后起之秀特斯拉，虽然没有发布新车，但也没有闲着，目前特斯拉的量产车中均已安装了Autopilot1.0或2.0硬件系统，其自动驾驶功能，可通过OTA（空中下载）进行从L2到L4+的软件升级，可以说已经在硬件上对自动驾驶做好了准备。
除去无人驾驶汽车方面，无人驾驶货车的研发势头也很喜人。丰田以及硅谷机器人技术公司Nuro都在年初先后推出了无人驾驶货车的概念车和测试车。
▲丰田的e-Palette L4无人驾驶货车
▲Nuro的L4无人驾驶货车
02、AI将代替眼睛和大脑
了解了自动驾驶汽车的发展状况，我们还必须要知道，自动驾驶汽车想要广泛应用，有两个问题非常关键，一个是安全，另外一个就是量产。
要实现量产，必须要有造车能力，仅靠科技巨头或创业公司闭门研究自动驾驶技术是不行的，车企必须整合进来或直接主导。同时也需要有车规级别的感知识别和计算单元，例如车规级的纯固态LiDAR和车规级的AI主控计算机。
而在安全保证方面，AI技术的发展就成为了自动驾驶汽车产业落地实践的关键，为什么呢？
平常我们开车，主要是靠手、脚、眼睛和大脑几部分协同工作：手握方向盘，脚踏制动和油门，眼睛负责对环境的感知与理解，由大脑进行决策和规划。想要替代手脚的工作，利用线控总线，去控制汽车的转向、制动和油门等执行机构就可以了。
但如何才能替代眼睛和大脑的工作？或者说如何用机器去进行环境感知和自主决策？
可以说在深度学习出现之前，我们无法想象自动驾驶汽车会真正出现。因为传统的计算机视觉方法，其模式分类能力较人类水平（human level）差距较大，因此对自动驾驶视觉环境感知能力的提升，并没有太大的作用。
但最近5年，以深度学习为核心的新一轮人工智能，在完备大数据与超强计算能力的支撑下，推动了计算机视觉向人类水平的大幅度进步。
所以现在只要有足够多的数据，就有可能实现比较接近人类环境感知的能力，而且还是多模态的，有摄像机视觉、激光雷达、毫米波雷达、红外等等。
尽管得到所谓完备的大数据（有人说对安全性高于人类驾驶员100倍的自动驾驶，应该至少有1000万公里大数据）可能很难，但AI确实可以使自动驾驶汽车的环境感知能力相较于人类水平获得较大的提升。
03、多方核心技术的合力支撑
人类开车是建立在理解或认知的基础上，但目前人工智能算法恰恰是缺乏理解能力的，它对人类能力的模拟还需要大数据的支撑。
所以，自动驾驶汽车要做到像人一样，能够可靠、敏捷地应对各种极限环境和特殊紧急情况，仅靠AI还不行，还需要多方面的核心技术形成合力支撑。例如信息化汽车平台、机器人技术、计算机视觉、大数据、云平台、高精地图、V2X车联网、5G通信和智能交通系统（ITS）等。
其中高精度地图，能达到厘米级的精度，而V2X车联网，5G通信和智能交通系统（ITS），也都是超人类能力的技术。
但如果某天AI算法获得真正的突破，有了理解能力，也许就能像人类一样不需要高精地图、车联网等技术，只靠两只眼睛就能开车，并且在正常情况下，安全性也有保障。
可惜在短期之内，想让AI算法具有理解等认知能力，恐怕很难。但目前的AI算法相比之前已经更接近人类水平了，再加上其他核心技术的合力支撑，所以短期内，即使AI没有更大的突破，L3+的自动驾驶汽车也有可能出现！
04、抓住“弯道超车”的历史机遇
自动驾驶汽车是算法、软硬件垂直整合、对安全性要求极高的工业化产品，因此需要科技公司和车企合力完成。国外目前有Waymo与克莱斯勒的合作模式，还有通用、福特等主机厂直接主导的开发模式，在这方面的进展很快。
我国也应加大量产型L4自动驾驶汽车的产业化落地实践，国内的主机厂和科技巨头要有与通用、谷歌Waymo、福特、特斯拉、优步、奥迪、丰田等一决雄雌的雄心壮志，加大技术创新力度与资金投入，引领中国自动驾驶产业的发展，抢抓我国汽车产业“弯道超车”的难得历史机遇！
互动时刻
分享结束后，有童鞋对于自动驾驶目前在普及方面的难点提出了两个疑问：
1. 技术上各厂商需要一套标准，例如算法标准，在感知障碍时，应该如何反应？降速多少？不同的厂商硬件水平不一样，相信感知技术也会参差不齐，到时候事故认定如果不再落实到车上人员，那应该落实到车辆生产商吗？
2. 有人驾驶车辆和无人驾驶车辆，更迭的过程如何实现？毕竟一辆车的价格，对于驾驶者来说相对高昂，何况新型无人驾驶车。
对此，邓志东老师认为：
①关于标准问题，其实不管是产品标准、企业标准、国家标准还是国际标准，所有标准在制定的初期都只能是自下而上，一点点形成的。
②短期内自动驾驶应该是To B而非To C，也就是要首先推出类似无人驾驶共享出租车服务这样的商业模式。对运营商来说，成本就不像对个人用户那么敏感。我认为以后共享出行应成为主流，包括传统车企、自动驾驶科技企业和类似滴滴这样的出行运营商都可以加入进来。到时无人驾驶汽车就可以被视为一台放大版的移动手机智能终端，还可以有更多的智能增值服务商加入进来。
