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

        據南方都市報報道，在廣州海珠區、荔灣區等多個疫情重災區，抗疫物資保障的無人駕駛車隊時而可見。而且，以百度Apollo、文遠知行、小馬智行、美團、易特智行等為代表的很多科技、互聯網公司，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。

        據藍科技觀察，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，目前多數企業前仍以技術研究為主，相關技術的應用，以及落地后如何運營，更是停留在“實驗室”階段，而且也面臨諸多難點。

        自動駕馭專利技術井噴

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

        第一種是以服務集團內部業務為主，比如阿里、京東、美團等公司;第二種是以提供無人配送運力作為盈利方向，主要代表有白犀牛、行深智能等企業;第三種則是以車輛銷售、軟硬件解決方案等進行收費服務如新石器、馭勢科技等。

        由此可見，目前布局自動駕駛汽車的企業已經為數不少。而且，從各企業所擁有的專利數量，也可以對其在無人駕駛汽車上的技術實力窺見一斑。

        近日，根據相關數據顯示，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，在自動駕駛汽車技術上似乎更有優勢。而以比亞迪為代表的傳統汽車企業，卻反而在自動駕駛專利方面，顯得有些薄弱。

        技術大熱落地遇冷

        只不過，技術領先的企業在自動駕駛汽車的應用落地上，同樣無明顯突破性進展。

        以技術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已經在自動駕駛、汽車智能化、智能交通三大領域擁解決方案。

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

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

        無獨有偶，今年4月初，搭載華為ADS的極狐阿爾法S汽車的試駕視頻，一度引發熱潮，讓很多網友在看到視頻中的無人駕駛汽車能自主完成紅綠燈啟停、無保護左轉、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做到1000公里無干預的自動駕駛，甚至自稱體驗超過特斯拉。

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

        自動駕駛普及應用還有三個攔路虎

        行業普遍認為，自動駕駛發展有三個層面，分別是技術研發、道路測試以及商業化。由此可見，在技術研發層面，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。其由技術走向應用，由道路測試“實驗室”走向尋常百姓家，還需要面臨技術、數據、生產及商業應用的三大攔路虎。

        隨著越來越多的企業加入自動駕駛汽車的研發隊伍，其如何走向規模化量產、實現商業化運營將是擺在各大企業面前的首要難題。

        其一，按照自動駕駛汽車技術等級，目前相關技術走向商用尚有較大距離。

        目前國內自動駕馭等級共分為0-5級六個等級。0級駕駛自動化(應急輔助)、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)

        業內人士認為，自動駕駛要進行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境、路況進行判斷和識別，并進行決策判斷，并執行車輛制動、轉向和驅動動作。

        而在現階段，L5級存在著巨大爭議，盡管很多創業公司、IT公司以及車企都把L5視作終極目標，但無論是法律、法規方面的阻礙，還是技術成熟度上的局限，都使人們意識到實現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，都需要諸多對應的解決方案，很顯然，目前的技術水平是難于支撐的。

        其二，應用場景過于復雜基礎數據卻不足，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數據采集。而新興的自動駕駛汽車，很明顯缺乏足夠的現有數據，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，就要訓練和測試足夠多的復雜場景。

        而傳感器的數據大多是非結構化數據，以圖像、視頻、點云文件、日志文件為主。面對不同的SAE級別，數據量的要求在L2、L3級別上都需要10-100PB的數據集成千上萬核的計算資源。

        更有挑戰的是，到了L5級別實現完全自動駕駛，需要超過2EB級別的數據量。如果按照1TB的硬盤來計算的話，2EB的數據量相當于200萬個1TB的移動硬盤。以目前的基礎數據量，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，采集到數據后都需要和高精地圖做匹配，高精地圖可以說是整個系統的核心。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、與道路有關的各種細微的信息，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，地圖數據需要頻繁更新。

        據報道，我國每年高速公路路網更新比例在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了規模化生產與應用，未來如果利用 V2V(車對車)通信讓車輛之間交互，產生的數據量將非常龐大。

        根據英特爾預測，2020 年，一輛無人駕駛汽車一天至少產生 4TB 的數據，在本地或是在云端，這都是一個巨大的數據量，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，數據量變成了天文數字。在中國，數字有增無減。

        因此，這些數據如何儲存及有效的處理、應用，也將對人類帶來新的挑戰。

        其三，難以規模化量產。

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

        這一方面是因為，硬件難以規模化。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、毫米波雷達以及多個攝像頭等等。這也意味著，如果真的要急速擴大無人駕駛汽車的規模，傳感器的生產規模也必須跟上。這對于現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模化外，無人駕駛汽車的批量生產，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用，其可靠性還沒有實際驗證，這也意味著存在著不可預知的風險。

        另一方面，因為傳感器在實際應用中可能出現的故障，那么就像現在的充電車難于普及一樣，也將需要在全國各地布局相應的維護傳感器、車載計算機，以及修復或更換各類零部件，這不僅需要有掌握這些新型技術的人才來匹配這樣的市場需求。也需要有并高效率的、系統化、專業化的運營團隊。

        而目前無人駕駛公司的精力都在技術研發上，對于建立全國性甚至國際化的運營團隊，幾乎沒有任何經驗。加上行業基礎數據與相關標準的缺失，也將毫無疑問會帶來極大的挑戰。

        最后，不同國家的駕駛習慣與法律條款不同，可能面臨倫理挑戰。不難理解，一套自動駕駛系統基本不可能在兩個國家使用，而且，如果車輛違反交通規則，責任歸屬也難以界定。換句話說，無人駕駛汽車很難進行規模復制，不管是地圖、區域，或者是國家。也就是說，這是一個難以形成國際標準的行業，注定會因此導致規模受限。

        結語

        在路面的車輛越來越多、道路越來越擁擠的當下，自動駕駛汽車無疑是未來的趨勢。但一個新興行業的出現，必然是一個完整的生態鏈。自動駕駛汽車從研發到應用，從生產到銷售、運營也一定是個系統工程。而目前大多數企業還只是停留在技術層面、實驗室階段。即使是有一些車型號稱已經開始量產，在藍科技看來，也不過是小批量試，距離商業化還有很遠的距離。

《電鰻快報》