高級自動駕駛路線之爭漸熱硬件先吃紅利？

張書琛

一個被瞄準多年的技術高地，正迎來關鍵一步。

2018年，在美國亞利桑那州坦佩市，49歲的伊萊恩·赫茨伯格推著自行車過馬路時，被一輛Uber自動駕駛汽車撞倒，不治身亡。這是自動駕駛汽車有記錄以來全球第一起死亡事故，不僅導致Uber終止了在亞利桑那州的自動駕駛技術測試，也讓本就承受著苛刻目光的自動駕駛技術一度陷入停滯。

直到2020年，經歷過低谷的新能源車企在疫情后迎來爆發(fā)，智能化逐漸接棒電動化成為下一個熱點，自動駕駛隨之提速。不同于傳統(tǒng)車企，采用全新電子電氣架構后，智能汽車主機廠主動開始比拼算力和自動駕駛性能，沖擊更高級別的自動駕駛技術。特斯拉稱Autopilot輔助駕駛功能已經讓行車安全達到美國平均水平的8.9倍，國內造車新勢力也將在2022年持續(xù)推出接近L3級別的高級自動駕駛車型。

在這一背景下，車輛感知端的數據精度要求再度提高，數據收集所依賴的傳感器需求不斷攀升，重感知、高精度的激光雷達產業(yè)鏈受到車企、科技企業(yè)以及資本青睞。

盡管完全自動駕駛落地商用仍面臨重重挑戰(zhàn)，且路徑不一，但激光雷達路線短期內仍將是主流。不過在量產前，測評標準不統(tǒng)一、動輒上萬元的價格，仍將在一段時間內拖累激光雷達的“上車”。

汽車智能化升級，激光雷達地位上升

什么是汽車智能化？在通常定義中，汽車智能化包括人類通過智能座艙與車端進行交互，實現無人化的駕駛體驗;在人類雙手被解放的同時，智能座艙將致力于打造舒適的第三空間，實現智能互聯新服務。

在這兩個智能化發(fā)展主線上，智能座艙的商業(yè)落地能力更優(yōu)，成為主機廠向智能終端轉變過程中的首選。畢竟在新一代年輕消費者的考量中，汽車空間內的體驗感也成為重要指標之一，各家車企也樂于強調自家的智能座艙功能。

百度在去年11月29日宣布，將于2023年推出的集度汽車，其首款車型將采用由百度和高通共同開發(fā)的智能座艙系統(tǒng);2020年12月2日，上汽名爵上市新車MG ONE，其亮點之一是首款搭載洛神智能座艙系統(tǒng)的車型;同一天，小康股份旗下金康賽力斯發(fā)布首款搭載華為鴻蒙智能座艙的SUV。

與手機廠商在攝影功能上的內卷類似，有限空間內如何做到“人無我有，人有我優(yōu)”成了車企的新目標之一。據2021年中國新發(fā)布乘用車車型顯示， 智能座艙的滲透率已達到50.6%，其中滲透率最高的車型價位區(qū)間為20萬-25萬元，高達58.4%，所有含智能座艙的車輛中，中控彩屏的滲透率高達97.9%。

座艙智能化程度如何，對于中國消費者來說也有著不一樣的權重。一位大眾汽車集團監(jiān)事會成員分析ID系列產品在國內市場遇冷的原因時曾提到，ID車型應更加貼近中國市場需求，尤其是軟件功能方面，“德國消費者可能并不在意車內有沒有卡拉OK等諸如此類的功能，中國汽車產品如果沒有，消費者會感到失望”。

除了能夠投潛在車主所好，主機廠在這一領域加速內卷的另一個原因還在于，其實現難度相對較低，發(fā)揮空間更大。智能座艙功能的落地是指將駕駛信息、抬頭顯示、車載信息娛樂和高級駕駛輔助系統(tǒng)整合到單一芯片的多域控制系統(tǒng)中，并不涉及底盤控制，安全壓力小。

而與行車安全息息相關的智能駕駛，在很長一段時間內發(fā)展遠落后于智能座艙，尤其是L3及以上高級別智能駕駛應用。

按照國際自動機工程師學會自動駕駛分級定義，L1和L2為輔助自動駕駛，輔助自動駕駛系統(tǒng)能夠應對部分交通場景，但仍需人類駕駛員監(jiān)管;L3級是技術的分界點，達到L3級意味著在部分場景下，駕駛權將移交給機器，其間出現事故將由系統(tǒng)承擔責任。現在，行業(yè)內最接近L3級的代表是特斯拉正在逐步推廣的FSD（Full Self-Driving）新版本，預計可應用于城市復雜交通場景。

不過隨著市場發(fā)生改變，車企開始重視算力比拼，沖擊更高級別的自動駕駛技術，L2級以上的剛需硬件也受到關注。

在今年1月在美國舉辦的國際消費電子展（CES）上，英偉達、高通、英特爾相繼推出用于ADAS（高級駕駛輔助系統(tǒng)）的智能芯片，參展廠商超過170家，同比增長12%。2021年起，不少高級自動駕駛車型就已陸續(xù)推出，包括小鵬汽車旗下的P5、上汽智己的L7、極狐阿爾法S華為版、奔馳EQS等，幾乎代表著現階段自動駕駛的發(fā)展水平和主流硬件配置?？梢源_定的是，2022年之后即將上市的智能車型普遍將以L2級及以上為主。

自動駕駛分級。圖源：企查查

隨著高級別自動駕駛逐步落地，激光雷達將實現“0-1”的進步。圖源：企查查

為了更好地適配L2+級自動駕駛場景，車輛自身需要在性能和硬件等諸多方面進行提升，這也讓曾經一度被視為錦上添花的激光雷達成為關鍵。

自動駕駛技術的最終目標是取代人類，這需要一系列軟硬件配合：感知體系代替人的雙眼，規(guī)劃體系代替大腦，控制系統(tǒng)代替手和腳。而感知正是一切判斷的起點。據智能汽車行業(yè)人士介紹，現階段大部分新能源車行車數據收集端的傳感器主要是攝像頭、雷達和紅外線傳感器，“攝像頭起到獲取圖像的功能，雷達傳感器則為汽車提供環(huán)境感知、規(guī)劃決策;雷達又細分為超聲波雷達、毫米波雷達、激光雷達”。

由于成本限制，現階段電動車主要配置的是毫米波雷達，不過隨著L2級以上的自動駕駛技術開始落地，測距精度更高、范圍更廣的激光雷達成為更優(yōu)選項。

激光雷達是由激光發(fā)射系統(tǒng)、接收系統(tǒng)、信息處理系統(tǒng)、掃描系統(tǒng)四大部分組成，通過激光雷達發(fā)射激光束，測量激光在發(fā)射及回收過程中的時間差、相位差，來確定車與物體之間的相對距離，實現環(huán)境實時感知及避障功能;同時通過激光雷達將車輛的初始位置與高精地圖信息進行比對來獲得精確的位置。從模型參數的角度來看，能增加100倍以上的安全系數。

“對于L1、L2級駕駛輔助車輛來說，傳感器用激光雷達那是降級使用。而對于高級自動駕駛車輛來說，尤其是L3級以上的自動駕駛車輛，要實現真正的行車安全，在感知的傳感器方案中，激光雷達是必不可少的傳感器之一?！?法雷奧中國CTO顧劍民解釋，對比普通雷達，激光雷達能夠利用3D建模實現環(huán)境感知和增強定位，分辨率高、細節(jié)識別清晰，性能優(yōu)勢突出，因此在開發(fā)高級別自動駕駛時，主機廠傾向于選擇以激光雷達為主、輔以其他傳感器的技術組合。

自動駕駛感知端構造。圖源：知網

據彭博財經資訊最新統(tǒng)計數據顯示，截至今年1月，全球有17家汽車制造商，共推出21款配備激光雷達的乘用車型，其中有的已經投產，有的即將上市，隨著通用汽車基于激光雷達打造的Ultra Cruise系統(tǒng)搭載到特定車型中，這一數字將持續(xù)增加。

在資本市場，硬件類公司也被視為自動駕駛商業(yè)化第一波紅利收割者。華泰證券研究員謝志才借鑒智能手機產業(yè)鏈，預計低毛利、高頻次硬件供應商的投資優(yōu)先級較高，高毛利或單體價格偏貴的零部件次之;核心軟件系統(tǒng)類公司的投資價值要等到后期國產品牌加快滲透后才會逐漸凸顯。

但在業(yè)內，針對激光雷達是否多傳感器融合方案的唯一選項，仍有不小的爭議。

純視覺路線：特斯拉孤軍奮戰(zhàn)

感知端升級并非僅有激光雷達這華山一條路，反對者特斯拉力挺更激進的方案——純視覺路線。

長期以來，特斯拉作為純視覺路線的代表，主張依靠攝像頭為主、毫米波雷達/超聲波雷達為輔完成數據收集，并重點開發(fā)芯片進行圖像處理。馬斯克曾對外解釋，使用神經網絡訓練攝像頭，配合毫米波雷達，憑算法即能實現視覺系統(tǒng)對激光雷達的替代，進而實現L3-L5級智能駕駛。

出于對決策來源過于繁雜的擔憂，支持者眾多的激光雷達路線從來都不是特斯拉的選擇。在創(chuàng)始人馬斯克看來，激光雷達路線的感知端既有攝像頭又有雷達，雖然傳感器越多，通過融合算法所能提供的環(huán)境信息越全面，但當不同傳感器給出的信息互相矛盾時，“究竟該聽哪個？”的問題總會出現，對決策不利。

為了鍛煉系統(tǒng)算法，特斯拉通過多個攝像頭無死角收集數據、多模型訓練數據、自研高算力FSD芯片，以及獨創(chuàng)“影子模式”等一系列解決方案，以此突破視覺系統(tǒng)的缺陷。2017年開始，特斯拉就在每輛車上預裝了自動駕駛“影子模式”，即自動駕駛系統(tǒng)處于工作狀態(tài)，會就感知到的不同狀況作出決策，但車輛并不執(zhí)行自動駕駛系統(tǒng)的命令，而是仍由人類駕駛員駕駛。特斯拉當前累計銷量已超百萬輛，這意味著每天都有大量實際路況訓練數據回傳。

馬斯克堅持認為當雷達和攝像頭不一致時，視覺的精度要高得多，這比多傳感器融合更加可靠，因此無論是在智能駕駛輔助階段還是無人駕駛，都不需要激光雷達。出于對于自身純視覺算法成熟的自信，去年5月開始，特斯拉甚至去掉了量產車上原來標配的毫米波雷達，只采用全車8個攝像頭來為特斯拉的FSD提供外部環(huán)境數據采集傳感器。

除了技術問題，激光雷達還存在車規(guī)級認證難度大、周期長，以及成本過高等問題。當前，通過車規(guī)的激光雷達僅四款，激光雷達與純視覺技術方案相比還沒有成本優(yōu)勢。數據顯示，單目攝像頭成本僅在150～600元之間，較為復雜的三目攝像頭成本通常也在1000元以內。

不過對于哪個路線更優(yōu)，行業(yè)內爭議頗多。激光雷達路線玩家認為，純視覺技術的風險正是來源于其對“化繁為簡”的執(zhí)著，容易導致數據形式過于單一、數據精度不足。

純視覺路線在實際應用中的失敗案例的確顯示出一定缺陷。隨著特斯拉取消了雷達，只使用攝像頭之后，個別交通事故中的“幽靈剎車”事件激增。今年2月18日，在接到354起有關“幽靈剎車”的投訴后，美國國家公路交通安全管理局已經啟動了對特斯拉的調查。

2020年6月1日，在中國臺灣嘉義，一輛大型貨車發(fā)生事故側翻在公路上，其他車輛均減速避讓至另一個車道繼續(xù)行駛，而一輛開啟了自動駕駛輔助系統(tǒng)Autopilot的特斯拉Model 3沒有采取任何措施，徑直撞向貨車。

廣汽研究院智能駕駛技術部部長郭繼舜分析稱，從車輛系統(tǒng)反應來看，這可能是貨車白色箱體有比較強烈的陽光反射，影響了這輛Model 3的攝像頭識別;或是因為視覺算法訓練數據的局限性，特斯拉可能并未訓練過算法識別車輛“頂部”，“即便是Autopilot開啟狀態(tài)下，車主也不應分散注意力”。

據了解，毫米波雷達主要用于測量距離和速度，但因其對金屬物體過于敏感，且分辨率不高，在決策系統(tǒng)中權重較低，一般會過濾掉其報警信號，避免“不必要的自動緊急剎車”。理想汽車CEO李想曾表示，“攝像頭+毫米波雷達”組合就像青蛙的眼睛，可敏銳察覺動態(tài)物體，但對靜止物體反應遲鈍。

業(yè)內人士曾形象地解釋過這種不同，“舉個最簡單的例子，前面的公交車后面，印著一個真人大小的照片，大部分攝像頭看到這個照片，有可能認為是一個人。如果攝像頭權重過大，可能就會緊急剎車。”

而重感知、高精度的激光雷達可以補足這一短板。激光雷達優(yōu)勢之一在于可以作為汽車的“拐杖”，通過主動探測的方式直接實現物體和路況建模，哪怕是黑暗環(huán)境下依然可以探清周邊物體并且測距，保證安全。它的核心原理之一是用ToF（光飛行時間法）測量法，向外發(fā)射并回收激光脈沖，通過測量激光到達每個物體和返回時所需時間，形成龐大的點云，得到周圍物體的立體信息，構建出三維環(huán)境模型。相較攝像頭和毫米波雷達，激光雷達數據更加精準。

特斯拉Model 3開啟Autopilot模式后未分辨出前方障礙物

“同樣的情況下，如果引入了激光雷達的話，則會是攝像頭、雷達多重驗證后才會得出結論，就會知道公交車后不是一個人。”該業(yè)內人士表示，更重要的是，企圖在對攝像頭的訓練中窮盡所有障礙物是一件幾乎不可完成的任務。不管測試多少路程，收集多少數據，長尾問題的本質就是無窮無盡，因此激光雷達作為數據補充不可缺少。

從短期來看，激光雷達依然會在自動駕駛技術發(fā)展中期受到追捧。招銀國際研究部經理白毅陽認為，綜合對比雙方優(yōu)劣，主流技術路線依然會傾向于激光雷達路線，“一方面，產業(yè)鏈上公司的協(xié)同合作將促使激光雷達技術進度及降本速度快于市場預期;另一方面，數據維度代表信息豐富度和差異化程度，與數據量同樣重要”。

車路協(xié)同能否彎道超車？

除了升級改造車輛軟硬件，“路”的智能化也成為實現高級別駕駛的一種可能，甚至承載著中國自動駕駛技術后來居上的期望。

所謂車路協(xié)同其實很好理解，即車是智能車，路也需是智能路：借助新一代的通信技術將車與周邊的一切事物連接起來，實現車輛與車輛、車輛與路側基礎設施、車輛與行人等交通參與者、車輛與云服務平臺的全方位連接和信息交互。而實現的可能就在中國。

在國內車企的設想中，未來智能道路兩側會布置5G基站和服務器，攝像頭和雷達等感知設備也從車上轉移到路上，信息通過5G網絡傳送給車輛，車輛據此作出駕駛決策。將部分感知和計算功能從車轉移給路或云端。

對于車子來說，有了車路協(xié)同的加持，相當于擁有“天眼”，可以提前全面獲知實時路況信息，做出更精準的決策，突破單車感知決策瓶頸。

比如說，車輛可以提前知道前方紅綠燈狀態(tài)，然后完成加速、減速操作;通過車車互聯，可以提前感知到前車位置速度，提前判斷來往車輛意向;而通過人車互聯，將行人狀態(tài)進行檢測，數據回傳到車內，提前提醒車輛有行人通過，減速慢行。

其實車路協(xié)同并不是一個新概念，早在1990年-2000年間，歐美就已經有大量學術論文進行過研究論證。但受制于彼時的通信技術、硬件等條件，這股熱潮很快偃旗息鼓。

在2018年下半年，車路協(xié)同概念突然在我國獲得了政府的支持和巨頭的押注。9月6日，阿里巴巴宣布與交通部公路科學研究院成立車路協(xié)同聯合實驗室。兩周之后，阿里巴巴牽頭組建了一個包括汽車企業(yè)、通信運營商等在內的“2038超級聯盟”。

同月，中國移動宣布成立“5G自動駕駛聯盟”，初期成員有機構40余家;百度也宣布跟進，并于2019年1月9日正式發(fā)布車路協(xié)同開源方案，如今百度的無人駕駛出租Apollo已落子北上廣深等六座城市，在城市道路上進行車路協(xié)同測試和試運營。

2019年，包括科技部、工信部、交通部在內的多部委推出了一系列重大項目和政策支撐， 9 月，中共中央、國務院更是印發(fā)《交通強國建設綱要》，其中就提到要“加強智能網聯汽車（智能汽車、自動駕駛、車路協(xié)同）研發(fā)，形成自主可控完整的產業(yè)鏈”。

2020年 2 月，國家 11 部委更是聯合印發(fā)《智能汽車創(chuàng)新發(fā)展戰(zhàn)略》，表示要構建先進完備的基礎設施體系，重點推進智能化道路基礎設施、車用無線通信網絡、車用高精度時空基準服務能力、道路交通地理信息系統(tǒng)、大數據云控基礎平臺建設。

從規(guī)劃時起，中國的自動駕駛就強調“智能網聯”，而車路協(xié)同正是智能網聯汽車發(fā)展的基礎設施。隨著各省“十四五”規(guī)劃的推進，車路協(xié)同無疑將加速智能網聯汽車發(fā)展。去年交通運輸部、工業(yè)和信息化部、公安部聯合發(fā)布的《智能網聯汽車道路測試與示范應用管理規(guī)范（試行）》自2021年9月1日起施行以來，包括重慶、天津、北京、上海在內的城市紛紛發(fā)布相關法規(guī)，為智能網聯汽車在開放道路開展道路測試與應用提供制度支撐。

企業(yè)也在攜手涌入這個前景無限的新領域。“如果高級別自動駕駛技術普及，無人駕駛出租車的商業(yè)化前景會更明朗，甚至成為主要出行方式，那時私家車就不再是必需品?！痹陔妱悠囶I域工作十年的朗銘認為，這將改變整個汽車行業(yè)，況且車路協(xié)同不再是車企孤軍奮戰(zhàn)，而是5G、智慧城市等概念的整合，芯片廠商、設備廠商都將參與其中。

車路協(xié)同部分發(fā)展支持政策。圖源：企查查

中國市場的制度優(yōu)勢也是企業(yè)愿意投入的主要原因之一，車路協(xié)同需要進行海量的基礎設施改造和重建，相比于遲遲無法推進的歐洲國家，中國擅長“集中力量辦大事”的特點給了行業(yè)信心。“中國自動駕駛領域起步晚，但政策層敢于嘗試，并且愿意投資基礎設施。”朗銘預測，這種另辟蹊徑很有可能讓中國在自動駕駛領域彎道超車。

但現實中，想讓不同行業(yè)步調一致困難重重。車路協(xié)同的上下游產業(yè)鏈長且復雜，包括設備制造商、車聯網公司、圖商及定位系統(tǒng)提供商、整體解決方案提供商;也有網絡通信服務商、云計算服務商、出行服務商、車企、政府機構等多種角色。在標準制定話語權上，各行業(yè)聯盟、企業(yè)博弈不斷。

從研發(fā)成本來看，如果沒有政策補貼，車企也很難有動力改造車輛。小鵬汽車自動駕駛產品總監(jiān)黃鑫談及車路協(xié)同技術發(fā)展時曾表示，目前并不會把自動駕駛押寶在車路協(xié)同上，一個是出于技術的擔憂，一個則是從商業(yè)成本上考慮：“如果太依賴車路協(xié)同技術就像閉上眼睛等副駕來指揮一樣，而且這一技術非常依賴網絡，一旦斷開或者延遲都會出問題;況且為了實現車路協(xié)同，車企在成本上可能需要增加300%-500%，對于量產來說并不劃算?！?/p>

無論車路協(xié)同或是單車智能，都離不開彼此的共同發(fā)展，這也意味著如果車輛的研發(fā)定義無法與智慧道路相融合，所謂車路協(xié)同不過是偽概念。

激光雷達下沉，降本更要合規(guī)

車與路的升級都離不開軟硬件，尤其是隨著L3級自動駕駛車輛進入放量期，數據收集端的傳感器需求增量在新能源車銷量攀升和數據精度要求提高的背景下具有確定性。景順長城研報預測，激光雷達2020年至2025年5年復合增速將達到159%，遠超平視顯示系統(tǒng)（HUD）和存儲器。

但走向大規(guī)模應用之前，高成本和車規(guī)級依然限制著激光雷達的“上車”?！昂糜茫怯貌黄稹笔菢I(yè)內對激光雷達的普遍看法，2007年，激光雷達龍頭企業(yè)Velodyne剛剛推出機械旋轉式HDL-64E（64線束）激光雷達時，谷歌出價高達8萬美元。線束數量是衡量激光雷達性能的重要指標，線束越高，掃描測量環(huán)境越精準。

隨著國內科技企業(yè)不斷進入，發(fā)力轉換技術路線，激光雷達的成本終于開始下探。

禾賽科技、速騰聚創(chuàng)、大疆、華為等國產品牌都瞄準了成本更低的混合固態(tài)和固態(tài)激光雷達。華為計劃大規(guī)模生產的96線束激光雷達即為一款混和固態(tài)雷達，這類激光雷達不需要旋轉也可以調節(jié)線束發(fā)射方向，但角度有限，與360度機械旋轉式相比，實際上是降低了性能。如果想實現360度覆蓋，需要配備3個激光雷達。

不過混合固態(tài)和固態(tài)激光雷達可嵌入車身，體積小，也便于生產，大幅降低了激光雷達成本。業(yè)內人士稱，加上軟件，小鵬的激光雷達成本也可以控制在1萬元以內。據了解，當前國產激光雷達報價已經壓至8000元以下，但如果要實現真正的普及，“成本須降至數百元”。

激光雷達的部件成本包括收發(fā)模組、人工調試、機械裝置和控制模組等，發(fā)射、接收模塊在成本中的占比最大，超過六成，其次是人工調試成本。

業(yè)內普遍認為，激光雷達降本主要有三種方式：一，通過大規(guī)模量產分攤成本;二，通過自研，降低元件成本;三，技術調整，由成本較高的機械式向純固態(tài)遷移等等。

擁有強大工業(yè)制造能力的華為，讓激光雷達的成本下行再度提速。早在2020年末，華為首次發(fā)布96線束車規(guī)級高性能激光雷達時，就曾表示要將其成本壓低到200美元（約1270元），與早期動輒上萬美元的價格相比，完全不是一個量級。

降本現曙光，但對于這個賽道上所有的供應商來說，如何實現車規(guī)級批量生產，仍然是最大的“攔路虎”。

激光雷達是一類新的汽車零部件，目前面臨著缺乏統(tǒng)一測評標準的難題，但汽車產品有整體性安全要求，激光雷達“上車”也要滿足相應條件。比如，車規(guī)級激光雷達的工作溫度要跨越105攝氏度至零下40攝氏度，而在雨雪霧等極端天氣下，激光雷達性能可能會受到影響，導致掃描不出正確3D圖像，嚴重時系統(tǒng)還會作出致命決策。

車企當然會選擇最符合車規(guī)級的技術路線，但在實際操作中，各家車企也沒有統(tǒng)一的激光雷達車規(guī)標準。蔚來新車型ET7就選擇了自動駕駛性能優(yōu)先，裝載了體積較大的激光雷達，同時為了獲得更大的視場角還選擇將其放置在車頂，犧牲了車輛造型、風阻表現。

蔚來新車型選擇了前裝激光雷達

為了進一步將低成本、高可靠性的激光雷達融入自己的定制化車型中，車企也開始以投資的方式入局激光雷達行業(yè)。公開資料顯示，小鵬汽車、尚頎資本（上汽參股基金）投資了MEMS激光雷達公司一徑科技，李斌控制的蔚來資本投資了激光雷達初創(chuàng)公司Innovusion（圖達通），比亞迪則入股了激光雷達明星公司速騰聚創(chuàng)（RoboSense）。

2021年10月，全國汽車標準化技術委員會電子與電磁兼容技術委員會正式開展國家標準《車載激光雷達性能要求及試驗方法》的起草工作。但該標準至今尚未正式推出，為產品能否如期量產裝車埋下隱患。

結語

在新能源汽車已經跨過20%滲透率的當下，僅僅糾結于續(xù)航里程已經不能滿足用戶需求，探尋汽車智能化成為應有之義。而自動駕駛的商業(yè)化提速，也讓作為L3-L5級自動駕駛技術的關鍵硬件——激光雷達受到高度關注。不過，激光雷達上車需要滿足車規(guī)級要求，經受嚴苛驗證，成本較高仍將是持續(xù)的挑戰(zhàn)。

無論是追隨者眾的激光雷達路線，還是特斯拉力挺的純視覺路線，抑或是更長遠的車路協(xié)同，安全性仍是重中之重，也是自動駕駛的初衷。只有感知端軟硬件持續(xù)升級，才能支撐自動駕駛技術越發(fā)嚴苛的標準要求。但無論哪種感知方案，最終落地的關鍵還在于主機廠在需求、場景與成本三者之間的平衡。

另一方面，單車智能是必需的，但在自動駕駛的場景中，總是會遇到一些瓶頸，如果能有高精度定位、高精度地圖甚至是車路協(xié)同等技術加持，相信自動駕駛必然會為人類出行發(fā)展帶來更多可能。