6月初，廣州、深圳的疫情相繼反彈。相比去年初疫情剛至?xí)r，人們沒有太多防備，也缺少從容應(yīng)對的手段，這次連高科技的無人車也派上了用場。

據(jù)南方都市報報道，在廣州海珠區(qū)、荔灣區(qū)等多個疫情重災(zāi)區(qū)，抗疫物資保障的無人駕駛車隊時而可見。而且，以百度Apollo、文遠(yuǎn)知行、小馬智行、美團(tuán)、易特智行等為代表的很多科技、互聯(lián)網(wǎng)公司，都躬身入局。

種種跡象，似乎給人們一種錯覺：無人車的時代真的要來了嗎？其實不然。

據(jù)藍(lán)科技觀察，無人車走上街頭，只是人們看到的自動駕駛汽車的冰山一角，目前多數(shù)企業(yè)前仍以技術(shù)研究為主，相關(guān)技術(shù)的應(yīng)用，以及落地后如何運(yùn)營，更是停留在“實驗室”階段，而且也面臨諸多難點。

自動駕馭專利技術(shù)井噴

藍(lán)科技注意到，目前市面的自動駕駛汽車主要應(yīng)用在無人配送上，而其商業(yè)模式及應(yīng)用目的也不盡相同。

第一種是以服務(wù)集團(tuán)內(nèi)部業(yè)務(wù)為主，比如阿里、京東、美團(tuán)等公司；第二種是以提供無人配送運(yùn)力作為盈利方向，主要代表有白犀牛、行深智能等企業(yè)；第三種則是以車輛銷售、軟硬件解決方案等進(jìn)行收費(fèi)服務(wù)如新石器、馭勢科技等。

由此可見，目前布局自動駕駛汽車的企業(yè)已經(jīng)為數(shù)不少。而且，從各企業(yè)所擁有的專利數(shù)量，也可以對其在無人駕駛汽車上的技術(shù)實力窺見一斑。

近日，根據(jù)相關(guān)數(shù)據(jù)顯示，截至2021年6月，我國有8275家公司參與了自動駕駛專利申請，專利合計40682件，其中授權(quán)專利14018件。其中百度與華為分別以2009件及1332件位居Top2，而傳統(tǒng)的新能源汽車公司比亞迪卻位居Top10。

不難看出，以百度、華為為代表的科技企業(yè)，在自動駕駛汽車技術(shù)上似乎更有優(yōu)勢。而以比亞迪為代表的傳統(tǒng)汽車企業(yè)，卻反而在自動駕駛專利方面，顯得有些薄弱。

技術(shù)大熱落地遇冷

只不過，技術(shù)領(lǐng)先的企業(yè)在自動駕駛汽車的應(yīng)用落地上，同樣無明顯突破性進(jìn)展。

以技術(shù)上處于頭部位置的百度與華為為例，百度從2013年開始布局自動駕駛，2017年推出了全球首個自動駕駛開放平臺Apollo。目前百度Apollo已經(jīng)在自動駕駛、汽車智能化、智能交通三大領(lǐng)域擁解決方案。

據(jù)了解，百度推出的“Apollo”計劃，是面向汽車行業(yè)及自動駕駛領(lǐng)域的合作伙伴提供開放的、完整的、安全的軟件平臺，幫助這類企業(yè)搭建一套屬于自己的自動駕駛系統(tǒng)。

而在2018年，在第二屆百度AI開發(fā)者大會上，百度宣布全球首款L4級量產(chǎn)自動駕駛巴士“阿波龍”量產(chǎn)下線，雖然成為了國內(nèi)無人駕駛汽車的里程碑事件，但首次交付數(shù)量僅為100輛。

無獨(dú)有偶，今年4月初，搭載華為ADS的極狐阿爾法S汽車的試駕視頻，一度引發(fā)熱潮，讓很多網(wǎng)友在看到視頻中的無人駕駛汽車能自主完成紅綠燈啟停、無保護(hù)左轉(zhuǎn)、避讓路口車輛、禮讓行人等一系列的操作。

彼時，華為輪值董事長徐直軍對外透露華為自動駕駛能夠在市區(qū)做到1000公里無干預(yù)的自動駕駛，甚至自稱體驗超過特斯拉。

不過，深入了解不難發(fā)現(xiàn)，其所謂的1000公里無干預(yù)的自動駕駛路段，只是預(yù)先設(shè)置好的測試路段，因此，這樣就斷定無人車要上路，顯然是被市場誤讀了。

自動駕駛普及應(yīng)用還有三個攔路虎

行業(yè)普遍認(rèn)為，自動駕駛發(fā)展有三個層面，分別是技術(shù)研發(fā)、道路測試以及商業(yè)化。由此可見，在技術(shù)研發(fā)層面，百度自動駕駛以Apollo為抓手打造平臺，華為則更多是從傳感器著手，構(gòu)建阿爾法S這樣的“Huawei inside”。

而且，無論是華為還是百度布局的自動駕駛汽車，目前都停留在道路測試方面。這也意味著，無論選用哪種模式布局無人駕駛汽車。其由技術(shù)走向應(yīng)用，由道路測試“實驗室”走向?qū)こ０傩占遥€需要面臨技術(shù)、數(shù)據(jù)、生產(chǎn)及商業(yè)應(yīng)用的三大攔路虎。

隨著越來越多的企業(yè)加入自動駕駛汽車的研發(fā)隊伍，其如何走向規(guī)模化量產(chǎn)、實現(xiàn)商業(yè)化運(yùn)營將是擺在各大企業(yè)面前的首要難題。

其一，按照自動駕駛汽車技術(shù)等級，目前相關(guān)技術(shù)走向商用尚有較大距離。

目前國內(nèi)自動駕馭等級共分為0-5級六個等級。0級駕駛自動化（應(yīng)急輔助）、1級駕駛自動化（部分駕駛輔助）、2級駕駛自動化（組合駕駛輔助）、3級駕駛自動化（有條件自動駕駛）、4級駕駛自動化（高度自動駕駛）和5級駕駛自動化（完全自動駕駛）

業(yè)內(nèi)人士認(rèn)為，自動駕駛要進(jìn)行SAE等級的升級，需要解決三大要素面臨的問題：感知層、決策層和執(zhí)行層。分別像是駕駛員的眼睛與耳朵、大腦、手與腳，各司其職對汽車所處的環(huán)境、路況進(jìn)行判斷和識別，并進(jìn)行決策判斷，并執(zhí)行車輛制動、轉(zhuǎn)向和驅(qū)動動作。

而在現(xiàn)階段，L5級存在著巨大爭議，盡管很多創(chuàng)業(yè)公司、IT公司以及車企都把L5視作終極目標(biāo)，但無論是法律、法規(guī)方面的阻礙，還是技術(shù)成熟度上的局限，都使人們意識到實現(xiàn)L5還需要很長時間。

盡管主流研究停留在L3及以下，但無論是解決哪個要素面臨的問題，都需要諸多對應(yīng)的解決方案，很顯然，目前的技術(shù)水平是難于支撐的。

其二，應(yīng)用場景過于復(fù)雜基礎(chǔ)數(shù)據(jù)卻不足，難有萬能的解決方案。

如上文所述，智能駕駛汽車上升到L3級別，就需要有決策層的解決方案。因此也需要基于大量的基礎(chǔ)數(shù)據(jù)采集。而新興的自動駕駛汽車，很明顯缺乏足夠的現(xiàn)有數(shù)據(jù)，用于輔助智能汽車做決策、判斷。因此，自動駕駛汽車想要上路，就要訓(xùn)練和測試足夠多的復(fù)雜場景。

而傳感器的數(shù)據(jù)大多是非結(jié)構(gòu)化數(shù)據(jù)，以圖像、視頻、點云文件、日志文件為主。面對不同的SAE級別，數(shù)據(jù)量的要求在L2、L3級別上都需要10-100PB的數(shù)據(jù)集成千上萬核的計算資源。

更有挑戰(zhàn)的是，到了L5級別實現(xiàn)完全自動駕駛，需要超過2EB級別的數(shù)據(jù)量。如果按照1TB的硬盤來計算的話，2EB的數(shù)據(jù)量相當(dāng)于200萬個1TB的移動硬盤。以目前的基礎(chǔ)數(shù)據(jù)量，顯然是不足的。

除此以外，高精地圖的缺乏，也會阻礙自動駕駛汽車走進(jìn)人們的生活。如前文所述的華為ADS的極狐阿爾法S汽車，不管是采用攝像頭還是激光雷達(dá)，采集到數(shù)據(jù)后都需要和高精地圖做匹配，高精地圖可以說是整個系統(tǒng)的核心。但是地圖的制作和更新，卻是個大難題。

一方面，高精地圖的制作成本極高。高精地圖不簡單的是采集紅綠燈的高度、與道路有關(guān)的各種細(xì)微的信息，甚至從窨井蓋的位置，到車道的寬度，到斜坡傾斜的角度，幾乎無所不包。另一方面，地圖數(shù)據(jù)需要頻繁更新。

據(jù)報道，我國每年高速公路路網(wǎng)更新比例在30%左右，所以高精地圖就必須要不斷更新，其投入的成本之高，也是無法估量的。

而且，即便自動駕駛汽車實現(xiàn)了規(guī)模化生產(chǎn)與應(yīng)用，未來如果利用 V2V（車對車）通信讓車輛之間交互，產(chǎn)生的數(shù)據(jù)量將非常龐大。

根據(jù)英特爾預(yù)測，2020 年，一輛無人駕駛汽車一天至少產(chǎn)生 4TB 的數(shù)據(jù)，在本地或是在云端，這都是一個巨大的數(shù)據(jù)量，需要大量的存儲。假如按照美國汽車保有量 2.5 億輛計算，2.5 億乘以 4TB 再乘以一年 365 天，數(shù)據(jù)量變成了天文數(shù)字。在中國，數(shù)字有增無減。

因此，這些數(shù)據(jù)如何儲存及有效的處理、應(yīng)用，也將對人類帶來新的挑戰(zhàn)。

其三，難以規(guī)模化量產(chǎn)。

通過上文百度自動駕駛汽車量產(chǎn)下線僅100量，以及2018年3月，國際自動駕駛汽車頭部企業(yè)Waymo 表示到2020年將增配2萬輛搭配自動駕駛技術(shù)的捷豹 I-PACE車型，也不難看出，無人駕駛汽車的規(guī)模化量產(chǎn)存在巨大的困難。

這一方面是因為，硬件難以規(guī)模化。要知道，如果將 L4 或者 L5 級別的無自動駕駛汽車視為未來無人車上的主角，也即馬路上跑的全部是不需要人類接管的車輛，那么這些車一定會裝備大量的傳感器，包括激光雷達(dá)、毫米波雷達(dá)以及多個攝像頭等等。這也意味著，如果真的要急速擴(kuò)大無人駕駛汽車的規(guī)模，傳感器的生產(chǎn)規(guī)模也必須跟上。這對于現(xiàn)階段的傳感器制造商來說，無疑是一個比較大的問題。

除了無人駕駛車需要大量的傳感器阻礙其規(guī)模化外，無人駕駛汽車的批量生產(chǎn)，瓶頸也非常明顯。一方面，傳感器裝載在車輛后，能否承受不間斷的應(yīng)用，其可靠性還沒有實際驗證，這也意味著存在著不可預(yù)知的風(fēng)險。

另一方面，因為傳感器在實際應(yīng)用中可能出現(xiàn)的故障，那么就像現(xiàn)在的充電車難于普及一樣，也將需要在全國各地布局相應(yīng)的維護(hù)傳感器、車載計算機(jī)，以及修復(fù)或更換各類零部件，這不僅需要有掌握這些新型技術(shù)的人才來匹配這樣的市場需求。也需要有并高效率的、系統(tǒng)化、專業(yè)化的運(yùn)營團(tuán)隊。

而目前無人駕駛公司的精力都在技術(shù)研發(fā)上，對于建立全國性甚至國際化的運(yùn)營團(tuán)隊，幾乎沒有任何經(jīng)驗。加上行業(yè)基礎(chǔ)數(shù)據(jù)與相關(guān)標(biāo)準(zhǔn)的缺失，也將毫無疑問會帶來極大的挑戰(zhàn)。

最后，不同國家的駕駛習(xí)慣與法律條款不同，可能面臨倫理挑戰(zhàn)。不難理解，一套自動駕駛系統(tǒng)基本不可能在兩個國家使用，而且，如果車輛違反交通規(guī)則，責(zé)任歸屬也難以界定。換句話說，無人駕駛汽車很難進(jìn)行規(guī)模復(fù)制，不管是地圖、區(qū)域，或者是國家。也就是說，這是一個難以形成國際標(biāo)準(zhǔn)的行業(yè)，注定會因此導(dǎo)致規(guī)模受限。