無人駕駛還有多遠？

沈忱++湯禹成

無人駕駛不是輔助駕駛，產業(yè)化尚有三道壁壘

你準備外出，打開手機上的APP，點擊“出行用車”，并輸入目的地。出家門后，你耐心等待專屬無人駕駛汽車的到來。車內沒有司機，沒有方向盤，甚至沒有剎車和油門。待你坐上車后，汽車會自動前往之前輸入的地點，路上都是這樣的無人駕駛汽車，你可以躺下休息，看看電影，不費吹灰之力便能到達。然后在APP上輕擊“停車”，汽車就能自動尋找車位。泊完車后，還可以讓車自己出去找加油站，等你回來。

這種場景目前還只能在科幻小說里實現，現實世界中，能夠用來量產的無人駕駛技術還處于初級階段。無人駕駛產業(yè)化難點可分為三層：人與車、車與車、車與環(huán)境，這三道壁壘層層漸進。

人與車難點在于，如何界定人與車的關系和事故定責;而車與車之間，數據共享存疑，以及商業(yè)模式仍不明朗;至于車與環(huán)境互聯(lián)互通，則需要推動汽車產業(yè)和電子信息產業(yè)的深度融合，打破行業(yè)間的壁壘。

僅靠整車廠或者互聯(lián)網企業(yè)閉合系統(tǒng)下的研發(fā)，肯定不足以成就無人駕駛，這需要整個體系齊力協(xié)作。

汽車也是機器人

無人駕駛就是通過越來越多的電子電器技術，把汽車真正地變成裝在四個輪子上的電腦，通過車載智能系統(tǒng)感知周圍環(huán)境，能夠完全接管車輛控制及無人駕駛，從而最終實現智能駕駛系統(tǒng)。這套智能系統(tǒng)主要由三部分組成：感知模塊、中央決策模塊和底層控制模塊。

你甚至可以把無人駕駛汽車看成一個高度智能化的出行機器人，它擁有人類關于行動的眾多感官。

最核心的子模塊是中央決策模塊，類似于人腦中的中樞神經。汽車的行為決策都由它完成，包括路徑規(guī)劃、導航、信息融合和路徑跟蹤等。通過一個小黑盒子，即域控制器對由感知模塊搜集來的信息進行整合，再做分析和決策，形成自主駕駛、避障、超車等行為。

感知模塊則更像人類的感受器。人通過眼睛、耳朵、鼻子，去感知這個世界的光色聲味，自動駕駛汽車則依靠由攝像頭、激光雷達、雷達、GPS等組成的環(huán)境感知模塊收集環(huán)境信息，去感知路況、道路信息。

感知模塊收集完數據，再由中央決策模塊分析后，信息抵達了最后的底層控制模塊，相當于人的四肢，控制車輛行駛速度、角度，使車輛適應環(huán)境的改變，按照決策的路線安全行駛。

由上至下，智能駕駛系統(tǒng)需要各層模塊的信息整合，互相作用，才能讓無人車運轉起來。

就像人出門還得帶地圖和雨傘一樣，除了智能駕駛系統(tǒng)，無人駕駛汽車還需要借助外力。在感知模塊中，傳感器和傳感融合技術僅是獲得數據，感知外界情況的第一步。配上高精度的地圖，能夠及時修正數據上的誤差，辨識車輛的準確位置并導航，同時高精度地圖也能夠核對數據，并幫助汽車精確監(jiān)測周邊環(huán)境。

比如谷歌無人駕駛汽車的賣點很大程度在于谷歌地圖。中國信息通信研究院副院長張延川告訴《財經》記者，云端詳細地圖導航可以精確地告知路況、街景。高精度地圖導航、駕駛指令，背靠的是強大的云端計算能力。

專用短程通信技術（DSRC）、4G/5G、GPS等技術構成的協(xié)同式環(huán)境感知模塊，將車輛周圍信息傳到云端大數據進行分析決策，在云端做進一步的融合、機器學習、分析等，并將這些信息再次下發(fā)給即將到達該區(qū)域的車輛。自動駕駛汽車可以提前知道前方5公里發(fā)生了交通事故，10公里處有臨時的施工，而在20公里以外已經開始下雨。

也就是說，無人駕駛汽車是一個擁有高度學習能力的人工智能機器人。IBM全球企業(yè)咨詢服務部合伙人王濤向《財經》記者表示，云是數據存儲、交互、處理的平臺。無人駕駛汽車利用云存儲云計算等技術，可以擁有認知能力，進行修復和優(yōu)化，無需人為干預，也可以與周圍基建連接，實現共享。在大數據的支持下，機器學習的能力是無邊際的，可以支撐無人駕駛系統(tǒng)。

負責谷歌無人駕駛汽車的軟件主管Dmitri Dolgov則認為，無人駕駛汽車可以利用深度學習算法來創(chuàng)造路上行人的模型。汽車行駛的每一英里路程的情況都會被記錄下來，汽車電腦就會保持這些數據，并分析各種不同的對象在不同的環(huán)境中如何表現。有些行為可能會被設置為固定變量，如：綠燈亮，汽車行。

這些都還只是試驗階段的愿景，現階段無人駕駛技術領域應用較廣泛的是駕駛輔助系統(tǒng)，其功能包括自適應巡航、自動緊急制動、道路偏離檢測、輔助泊車、碰撞預警、緊急剎車輔助等。

當與前車之間的距離過小時，自適應巡航控制系統(tǒng)控制單元可以通過與制動防抱死系統(tǒng)、發(fā)動機控制系統(tǒng)協(xié)調動作，使車輪適當制動，并使發(fā)動機的輸出功率下降，以使車輛與前方車輛始終保持安全距離。自動緊急制動系統(tǒng)基于周圍傳感器和電子穩(wěn)定程序ESP的聯(lián)網，持續(xù)監(jiān)測車輛前方的交通情況，在即將發(fā)生追尾事故的情況下避免事故的發(fā)生或者降低事故的嚴重程度。還有自動識別交通路牌的功能，從而根據路牌控制車速，即使駕駛員給出更高的速度，也只按照這段路規(guī)定的速度行駛。

量產只是個概念

“實現全天候、全區(qū)域的無人駕駛至少要20年時間?！边@是馭勢科技聯(lián)合創(chuàng)始人吳甘沙的判斷。吳在英特爾工作了16年，專研大數據和人工智能，這兩者正是無人駕駛汽車中的精髓，趕著這一波熱潮，吳離職創(chuàng)辦了馭勢科技，提供自動駕駛系統(tǒng)的解決方案。

吳甘沙告訴《財經》記者，目前車企能實現量產的主要是高級駕駛輔助系統(tǒng)（ADAS），在特定場景，城區(qū)中低速情況下實現無人駕駛要快得多，但離真正的無人駕駛還距之甚遠。

如何準確界定無人駕駛，中國并無公認的行業(yè)標準。目前業(yè)內廣泛沿用的是美國高速公路安全管理局（NHTSA）的標準，將自動化駕駛分為五個階段（level 0-4），分別是無自動、部分自動、半自動、高度自動以及全自動駕駛，劃分以駕駛員的自由程度和無人駕駛系統(tǒng)的成熟程度為標準。

目前標榜能量產無人駕駛技術的都是汽車企業(yè)，他們口中的可供量產的技術其實是ADAS系統(tǒng)，它是無人駕駛的前驅型階段，按照國際標準，屬于自動化駕駛一級至二級的水平。ADAS系統(tǒng)可以利用傳感器、雷達、GPS等，感知周圍環(huán)境、收集數據、辨識路況，大數據上傳到云端之后，再進行計算和分析，實現了轉彎自動減速、避障、自動跟車、識別紅綠燈、路人及前方障礙等功能，以人為主，更好地服務于駕駛者。

在技術上，輔助駕駛和無人駕駛是兩個軌道，輔助駕駛無法通過技術改良進入到無人駕駛階段。“輔助駕駛往往工作在光線充足、封閉和結構化較好的道路上，對障礙物的類型有先驗的假設，而無人駕駛則不對光照、天氣狀況、障礙物和道路有所假設，在中國的復雜路況下尤其是個挑戰(zhàn)?！眳歉噬潮硎尽ｏ@然，這需要在感知和認知技術上做大跨步的革新，放大廣義視覺感知能力、運用多傳感器融合，采用包括深度學習和強化學習在內的人工智能技術。

上海交通大學汽車工程研究院副院長殷承良教授對不少車企提出的無人駕駛概念持保留意見。比如上汽和北汽宣稱自己做出了無人駕駛汽車，殷認為這只是輔助駕駛技術在某種意義上的延伸，“無非是傳感器比之前多了幾個，車的信息內容比之前豐富了，完全不是具有顛覆意義的智能汽車，更不要提熱議的互聯(lián)網汽車了”。

汽車電子巨頭博世給諸多車企提供傳感器、車身電子穩(wěn)定系統(tǒng)等重要車載零部件，連他們都不敢輕言無人駕駛汽車的量產。

博世中國執(zhí)行副總裁徐大全對《財經》記者表示，技術層面下一步能實現的，首先是自動代客泊車功能。到2018年，駕駛者就可以通過手機APP一鍵停車，車會自己在停車場找空位，泊車完畢再反饋到手機。其次是高速公路上的高度自動駕駛，只談技術，2020年就可以實現。而真正的自動駕駛，量產未可期，需要配套的城市高精度地圖、大數據、認知計算、車車通信等技術，至少十年后才能成熟。

目前無人駕駛汽車的量產顯然還突破不了第三階段（即高度自動駕駛）：在高速公路、城郊道路等復雜路況下，可以脫離駕駛者的控制，實現部分路段自動駕駛。

那么，搭載互聯(lián)網企業(yè)的無人駕駛系統(tǒng)是不是一條捷徑呢？也不是。

谷歌早在2012年就宣稱，無人駕駛技術上沒有難度，然而幾年過去了，谷歌的無人駕駛汽車在積累了150多萬英里的路測里程以后，足跡遍布復雜路況如山、公路、平地等，這些數據和技術并沒能轉化為量產。

最大的痛點在于商業(yè)模式談不攏。2014年，谷歌就與一眾車企（包括奧迪、通用汽車、本田、現代）成立了“開放汽車聯(lián)盟”，力圖推動安卓操作系統(tǒng)進入車載平臺，但是車企似乎并不樂于推動實質進展。

互聯(lián)網企業(yè)依托汽車打造一個通用的車載平臺，獲得用戶數據，這等于讓互聯(lián)網企業(yè)摁住汽車企業(yè)的命脈，后者可能因此淪為一個硬件代工商。

在埃森哲戰(zhàn)略董事總經理沈軍看來，整車企業(yè)未來發(fā)展的數字化戰(zhàn)略一定是以車企自身為主，跟外部的數據源連接，打造更廣的生態(tài)系統(tǒng)。車企會和互聯(lián)網企業(yè)進行戰(zhàn)略合作，以打通數據鏈，在這個過程中既有合作又有競爭，車企會極力避免成為代工廠。

既然利益分割談不攏，干脆各干各的?；ヂ?lián)網企業(yè)正迎頭趕上，要么找弱勢品牌代工，要么自己造車，車企如沃爾沃，則是沿襲車企主導的思路，從輔助駕駛漸進過渡到無人駕駛。

破壁進行中

無人駕駛產業(yè)化難點分為三層，即人與車、車與車、車與環(huán)境的壁壘，層層漸進。

人與車難點在于如何界定人與車的關系、事故定責;車與車的數據共享存疑，以及商業(yè)模式不明朗;車與環(huán)境互聯(lián)互通，需要推動汽車產業(yè)和電子信息產業(yè)的融合，打破行業(yè)間的壁壘。

無人駕駛的實現需要自上而下的頂層設計，法律問題、道路交通是無人駕駛上路的最大挑戰(zhàn)，只有法律界定了問責、駕駛系統(tǒng)設計、改善道路環(huán)境，才能讓無人駕駛汽車真正產業(yè)化。

法律方面美國已有松動。美國高速公路安全管理局（NHTSA）近期公布決議支持谷歌無人駕駛汽車，稱其符合聯(lián)邦法律，并且確認無人駕駛汽車的司機可以是自駕系統(tǒng)，而不是車主本人。這意味著，原本規(guī)定的無人駕駛汽車必須配備方向盤和剎車這一條件不復存在，這堪稱無人駕駛立法上里程碑式的一步。

而中國在立法這塊暫時缺失。吳甘沙認為，無人駕駛立法可謂和風勁吹，世界范圍內的變化會推動國內的立法者和意見領袖往這個方向去努力，雖然中國國情和路況更復雜、起步慢，但一旦形成了統(tǒng)一意志，能行得更快。

無人駕駛汽車要落到實處，還得從行業(yè)內開始改變，打破第二層壁壘，即車與車之間互聯(lián)不暢。車輛通過車聯(lián)網，大約1公里之內的局域網，可以形成車對車（V2V）、車對基站（V2I）的互聯(lián)，統(tǒng)稱為V2X，車輛的運動軌跡都能掃描到，可以互相感受到來者是否想要轉向、變道。車變成了有生命的個體，可以聽見、看到、感受到，進而做預測、決定、下指令。

張延川表示，V2X通信的主要目的是保證汽車安全駕駛，能使車輛迅速了解道路環(huán)境和車況，車與車之間進行信息交互，避免車輛碰撞和預見路況，是自動駕駛的必要組成部分。

然而車企一開始并不熱衷，在這個網絡中，每一輛入網的車可以成為一個網絡節(jié)點，具有移動性。但目前控制器局域網絡（CAN）是汽車內通信核心，傳送著大量關鍵運行數據，車企希望的是構筑一個封閉花園，而不是開放體系，這樣可以提防外部風險，也可以最大化利益。

波士頓咨詢的一份報告里也提到，汽車工程師一開始認為V2X的作用極為有限。自動駕駛汽車在他們看來，應該是相互獨立的。車聯(lián)網缺乏可信賴的通信網絡，難以界定用戶的隱私數據，要用好V2X通信，還得先解決這些硬傷。

這一壁壘也并非牢不可破。車內新增的安全模塊可以保證每條V2X信息的可靠，同時建立V2X安全認證的升級機制，杜絕存儲個人信息。目前歐美正建立基站，進行V2X通訊測試，車輛可以通過WiFi熱點或無線電進行溝通，V2X系統(tǒng)已經實現了道路預警、實現道路信息實時共享。

美國交通部預計2020年推出V2X法規(guī)，更重要的是，有主流車企開始松口：通用汽車打算2017年開始前裝V2X設備。

如何準確界定無人駕駛 ，中國并無公認的行業(yè)標準。

第三層壁壘是車與環(huán)境的互聯(lián)不通。無人駕駛汽車在這張廣袤的地圖中行走，需要智慧城市的輔助，更需要廣泛覆蓋的網絡作為載體。

在駕駛的過程中，路況、交通信息、導航實時信息的收發(fā)、用戶娛樂系統(tǒng)數據與云端的傳輸以及其他各種APP應用，都必須要有穩(wěn)定的數據網絡才能保證暢通無阻，無人駕駛必須有很強的通信能力。5G通信服務能夠在毫秒內做出控制，比現有的4G快50倍左右，才能使無人駕駛汽車等實時應用成為可能。

由于現有4G移動通信網絡在低時延、高可靠、低功耗、大連接等數據業(yè)務上能力不足，不能全面滿足無人駕駛汽車的技術要求，政府正在大力推動5G移動通信網絡標準化進程?！斑@方面中國走在世界前列，目前國家層面計劃5G的第一個運用就是無人駕駛。5G網絡標準成熟和產業(yè)化時間約在2020年，正與全球無人駕駛汽車上路的時間表相吻合?！睆堁哟ū硎?。