业界第一款具备真正意义上的自动驾驶能力的量产车——全新奥迪A8 2017年7月才姗姗来迟。作为整个自动驾驶的第一个量产玩家，奥迪尽管已经走在了行业最前沿，但目前实现的还是3级的自动驾驶，也就是说这是一种在限定环境条件下，需要驾驶员始终有接管能力的自动驾驶，距离无限条件无需接管的自动驾驶还有相当长的路要走。

回头看历史，猛然发觉第一届DARPA自动驾驶挑战赛已经是十年前的事了。对比互联网产业，十年前支付宝还没有手机支付业务，而微信根本还没诞生，再看现在，支付宝和微信已经全面占领了我们的生活。为什么汽车工业的动作慢如蜗牛？自动驾驶到底难在哪里？

事实上，早在车企开始宣传“世界上第一款量产L3级别汽车”的时候，我们就应该揭穿他们的把戏。

自动驾驶的级别从L1到L5（SAE），清晰而直观，是大家讨论自动驾驶行业的一个基准。但是，它也很容易误导人。让人以为自动驾驶的技术会一级一级获得突破，最终迎来一辆L5级别的汽车，可以带我们到任何地方去。

醒醒吧，真实的技术部署从来不会按这样的“计划方案”发展。而且，这个行业里的公司“怎么说的”和“怎么做的”完全不是一回事。你能听到很多人，在画一张同样的大饼：我们在研发自动驾驶，我们将率先发布某个级别的汽车，我们将推出最先进的自动驾驶汽车叫车服务。

不要轻易相信他们说的话。看看这些公司实际是怎么做的，你就能明白，这个行业里最有代表性的三家公司分别是英特尔的 Mobileye、特斯拉和 Google 的 Waymo，他们才真正代表了自动驾驶技术部署的三种实际路线。

如果你熟悉SAE自动驾驶技术级别定义中的L5，你就知道我们说的是，在所有场景下都可以工作、永远都不需要人干预的自动驾驶汽车。换言之，人只能作为乘客，驾驶的任务完全交给汽车。

它与L4的唯一区别就是，L4能适应的场景依然是有限的，而L5“没有限制”。

看明白了吗？从L4到L5，不过是一种典型的“线性”思维类推出来的结果，与古人想要速度更快的马，没有什么区别。在实际的技术部署中，首先是我们大部分人等不到这种汽车出现的那天；其次等它出现的时候，或许地球上更流行的是飞行汽车或者其他新型的私人交通工具。

我们看看实际的技术部署会是什么样的。例如，有一种收垃圾的自动驾驶汽车，它只能在限定的范围内工作，就是到固定的地点收完垃圾，然后把垃圾集中放到固定的地方，接着自己回停车场充电，等待第二天执行同样的任务，全程不需要人干预。请问这种汽车我们称之为L4，还是L5有什么区别吗？

再比如，一种自动驾驶的货车，大部分路程都在高速公路上，完全自动驾驶，只有在出高速之后的一小段市内路程，需要人来“监督”继续驾驶到卸货的地方。请问这种汽车我们称之为L3，还是L4有什么区别吗？

现在，很多公司展开的自动驾驶测试已经表明，不同地方的技术难度是不一样的。高速公路比城市环路简单，城市环路比开放的城市道路简单，开放的城市道路也比胡同或小县城电动自行车穿梭其中的环境要简单。所以，当我们讨论自动驾驶的时候，本身就应该把地点等因素考虑进去，而不是简单地类推出一辆终极的、无所不能的L5汽车。

稍微开一下脑洞，很有可能的场景是，当我们向系统输入目的地之后，系统会告诉我们，“今天的路程全程不用你来管，放心睡觉吧”。或者会告诉我们，“今天大部分的路都不用你管，但有一小段我没十足把握，到时候需要你帮忙”……自动驾驶的三种实际部署路线自动驾驶领域的很多公司在展开研究、在讲他们的故事，但是谈到“看得见、摸得着”的实际部署路线，最有代表性的就是 Mobileye、特斯拉和 Waymo 这三家公司。

用上边的流程图，我们看下这三种实际技术部署路线的区别。

首先，Mobileye+传统车企走的是“谨小慎微，但求无过”的实际部署路线。从2017年就开始宣传，号称全球首款L3级别量产车的奥迪A8，今年上市后的真实情况是什么样的呢？就是连ACC自适应巡航这样的功能，都只在最顶配车型上提供。更别说传说中L3级别的 Traffic Jam Pilot 功能，实际情况是全系都没有，需要选装才行，然后在大部分国家连选配都不能选。

就在这几天上市的福特福克斯2018款，也号称支持L2级别的 Co-Pilot360智能辅助驾驶系统，“入门车型配了顶级科技配置”。实际情况呢？同样连最顶配车型也没有包括ACC自适应巡航在内的Co-Pilot360系统，而且只有最顶配车型才能选装。换言之，传统车企宣传自己的技术很厉害，但实际上却不怎么敢让你用。

对这种情况，汽车之家的创始人李想，在微博上曾有过评价：“传统汽车品牌和特斯拉在辅助驾驶/自动驾驶上最大的区别是：传统汽车品牌的消费者连用都不敢用，所以特别特别特别的安全。特斯拉的车主们每天辅助驾驶/自动驾驶的使用总时长，估计够所有其它汽车品牌一个月使用时长的总和。”

接下来就聊特斯拉的路线，这家明星公司可以说是走在“急于求成、蒙眼狂奔”的路上。与传统车企不同，特斯拉视自动辅助驾驶技术为核心竞争力，所以为所有车型都预装了各种传感器硬件，但车主仍然需要花钱“激活”相应的功能，包括“增强版自动辅助驾驶”和“全自动驾驶能力”两个套装。

特斯拉在行业中被普遍认为，过度宣传了自家的自动驾驶技术能力，尤其是被称为“全自动驾驶能力”的套装，对车主的误导性极强。就算不讨论之前特斯拉的两次广受关注的Autopilot致死事故（国外撞上了大货车，国内追尾道路清扫车），最近特斯拉撞上公路隔离带致死事故，也足以给特斯拉盖上“急于求成、蒙眼狂奔”的帽子。

最近的开启Autopilot撞上隔离带致死事件之后，一位车主“以身试法”实地还原了当时的场景，发现特斯拉的Autopilot系统确实应付不了当时的情况，没有正确地识别出前方的车道已经消失，需要转到另一个车道。但是如果采用Waymo 的技术方案（事先给环境建模、激光雷达和计算机视觉互为冗余等），这种情况就很有可能避免。

最后就是Waymo的“胆大心细、步步为营”路线。Waymo的车，准确的说是Waymo与克莱斯勒、捷豹合作特别定制自动驾驶汽车，是普通人现阶段根本买不起的，因为它装配了定制化的芯片和传感器，尤其是激光雷达传感器目前价格比车还贵。Waymo的方案是提前为自动驾驶车要运行的环境建模，比一般意义上的高精地图包含更多更多的环境细节信息，然后通过计算机视觉与激光雷达的算法融合，形成自动驾驶的策略和算法基础。对于特斯拉装上隔离带的情况，Waymo的优势在于它本身就应该会知道那个车道是不通的，而不需要通过计算机视觉临时来判断（再做反应可能就来不及了）。

“胆大心细”，“胆大”说的是Waymo已经开始在部分地区，邀请真实用户上路体验自己的车；“心细”说的是Waymo也只敢在自己掌握完整环境数据的地区，开展这类服务。步步为营，则说的是Waymo在美国的各个地区、各种极端环境下展开测试，通过攻克一城一寨的方式，逐步扩大技术能适应的能力范围。

三种路线的未来变数对于三种自动驾驶实际技术部署路线，行业中的人也有不同的看法。如果我们极端化描述（仅为了方便理解）这三种实际技术部署路线，总结起来就是有三种变数：

一、（可能性49%）计算机视觉突飞猛进，不依赖激光雷达和提前环境建模就能做到足够好的自动驾驶。特斯拉胜。

二、（可能性49%）激光雷达和提前环境建模成本大幅下降，便宜到所有车都可以装配。Waymo胜。

三、（可能性2%）计算机视觉没有突飞猛进，激光雷达和提前环境建模成本也没有大幅下降，自动驾驶老出问题陷入困境，ADAS回潮。

Mobileye+传统车企胜。不管怎么说，自动驾驶行业正处在黎明前的黑暗中。带我们冲破黑暗的，一定不是那些迫不及待、率先发布L5级别自动驾驶汽车的公司。

先来一张各大车企自动驾驶技术的分级图，大致了解一下目前已经量产的自动驾驶技术哪家强。

自动驾驶从L2到L5是一个相对漫长的过程，现已发布的量产车型中有处于L3的奥迪A8、处于L2.5的Tesla、还有处于L2的凯迪拉克CT6等。那么每一级别之间具体的区别和需要克服的难点到底又有哪些？那就一级一级细细道来。按照国际惯例，谈论自动驾驶级别时必须上一张SAE的分级图。

下面我用给大家解释一下各个级别到底代表着什么样的技术哪些指标能立刻区分汽车属于哪个Level为什么Level越高，对技术的要求越高.

SAE Level 0：No Automation（无自动化）

准确来说，现在我们已经很难看到 Level 0 的汽车了。要么早已报废，要么法规都禁止其上路了。无自动化意味着诸如ABS（自动防抱死）这种现在看来最基本的配置都没有。极端一点，你可以认为Level 0的车就是四个轮子加一个沙发。@吉利

SAE Level 1：Driver Assistance（驾驶员辅助）

生活中常见的车基本都属于Level 1。Level 1 称为驾驶员辅助系统，所有在驾驶员行驶过程中，对行车状态有干预的功能都叫驾驶员辅助，都属于Level 1。比如最基本的ABS，以及在ABS基础上升级而来的ESP，还有高速路段常用的定速巡航、ACC自适应巡航功能及LKA车道保持辅助。大家买车时，在底盘功能介绍中看到的各种英文缩写，或多或少都是属于SAE 规定的Level 1。

SAE Level 2：Partial Automation（部分自动化）

Level 2和Level 1最明显的区别是系统能否同时在车辆横向和纵向上进行控制。如果一个车辆能同时做到ACC+LKA（自适应巡航+车道保持辅助），那么这辆车就跨进了Level 2的门槛。

2018款的凯迪拉克CT6拥有的半自动驾驶系统“Super Cruise”就是典型的Level 2级别。该车并不具备主动超车的功能。即目前的Super Cruise仅能实现单一车道内的加减速。再来说说自动驾驶话题下不得不提的特斯拉。特斯拉过度夸大了他们系统所具备的能力。为什么称 Tesla 目前的 AutoPilot 为 Level 2.5？

因为特斯拉具备换道功能。驾驶员在确保安全的情况下，拨动转向灯杆，车辆即可依据该信号实现换道。也就是说，特斯拉的换道操作并不是全自动的，而是把这一块对环境感知的需求交给了人。特斯拉收到变道信号后会由车判断是否可安全变道后才会执行。比如前后车距离太近、实线都不会变道的。

（重点来了！敲黑板）难点：Level 1 ~ Level 21.汽车横向控制和纵向控制配合的舒适性单独的横向控制（车道保持）或纵向控制（ACC等）技术已经十分成熟，那么两者同时控制时，如何将舒适性做到最优，这就是当前遇到的挑战。

通知驾驶员接管车辆的时机选择Level 2的系统并不具备较高级别的自动驾驶功能，需要驾驶员实时监控并做好接管的准备。如何以最友好的和最恰当的交互方式通知驾驶员接管车辆，而不影响到驾驶员的心情，需要人机交互攻城狮费尽心思。

SAE Level 3：Conditional Automation（有条件自动驾驶）

有条件自动驾驶是指在某些特定场景下进行自动驾驶。比如全新奥迪A8在他们的宣传视频中就限定了十分常见的场景——堵车，该功能叫作Traffic Jam Pilot（交通拥堵巡航），功能描述如下：当车速小于或等于60公里/小时，用户可以启动道路拥堵状况下的自动驾驶功能。

在当地法律允许的情况下，车辆会完全接管驾驶任务，直到系统通知用户再次接管。这也是目前在全球范围内，在实现量产的车型中拥有的最高级别的自动驾驶能力。引用出处：全球首款自动驾驶量产车奥迪A8背后的Audi AI。

仔细想想，这些功能特斯拉通过升级软件也能实现，为什么只有Audi A8敢宣称自己达到 L3 呢？因为L3 相比 L2 最大的进步在于——不需要驾驶员实时监控当前路况，只需要在系统提示时接管车辆即可。这对于自动驾驶技术来说是一个很大的跨越，这也意味着自动驾驶系统代替人类成为了Driver & monitor。

驾驶员变为乘客，而乘客是不需要实时监控当前路况的。传感器感知技术NTSB最近刚发布的，去年五月特斯拉撞卡车交通事故的宣判结果——特斯拉Autopilot的功能限制是导致2016年5月交通致死事故的主要原因，这里的功能缺陷实际上就是传感器感知的缺陷。AutoPilot 1.0的硬件配置很难处理特殊工况，比如交叉路口。图为特斯拉因传感器感知缺陷未正确识别卡车所导致的事故。

正是因为传感器感知缺陷这种客观因素的存在，整车厂做自动驾驶时就显得尤为保守，要么增加传感器以加强感知能力，比如全新奥迪A8加的四线激光雷达；要么就通过监视驾驶员的面部状态，确保驾驶员实时观测着前方路况，比如凯迪拉克CT6。

目前中国还是不允许自动驾驶车在开放及高速道路测试的，所以在法规正式发布之前，自动驾驶还只能到封闭的试车场中测试。这一点国外走在前列。

SAE Level 4：High Automation（高度自动驾驶）

无论是国外的Waymo、Uber还是国内的Baidu L4事业部做的都是Level 4自动驾驶技术的研究。它们的自动驾驶汽车有一个很明显的共同点，就是头上顶着一个大大的激光雷达。如下。

激光雷达提供了极高精度和极其丰富的感知信息，这使自动驾驶车自如处理极端工况成为可能。激光为主，视觉为辅，再加上车上各种功能冗余的传感器及高精度电子地图，在开放道路上实现A点到B点的自动驾驶不再遥远。

难点：Level 3 ~ Level 4

1.传感器成本激光雷达的成本短期内还降不下来，这也是 L4 自动驾驶汽车还未普及的重要原因之一。Waymo在今年年初宣布将激光雷达成本降低90%，希望低成本激光传感器早日到来。

2.极高鲁棒性的自动驾驶算法及稳定的计算平台

Level 4的自动驾驶算法准确性和精确性需要达到，甚至超过人类的认知水平，这就需要的是极具鲁棒性的算法和稳定的计算平台。确保自动驾驶汽车即使遇到突发情况也能较好应对。

3.高精度地图采集资质这一项难点国外并不存在，但是国内确实是一个很大的壁垒（国防考虑）。除了大家耳熟能详的BAT有地图测绘资质外，国内有测绘资质的图商寥寥无几。

近几年随着自动驾驶的发展，想在国内发展自动驾驶技术，图商说不定会成为稀缺资源。可以的话，推荐大家自己去调研国内有测绘资质的几家图商，买点他们的股票，看涨。

4.乘坐人员接纳度

现在让你去乘坐一辆没有方向盘，随时都无法接管的汽车，心里多少会有些忐忑吧。因此人类的接纳程度也是自动驾驶普及的一个大难点，需要时间建立信任。

Level 5：Full Automation（完全自动驾驶）

LEVEL5：车企看看就好

Level 5全自动驾驶（无人驾驶），没有使用条件限制，无需监控和控制，甚至没有方向盘等控制机构。是汽车驾驶自动化系统研发的终极目标。研发难度极大，成本极高，需要非常强大的感知和决策能力，全天候工作。

之前，Level 5研发的领头羊就是Google，Google把互联网软件公司的优势发挥的淋漓尽致，但同时也看到，经历了这么多年的研发，Google的无人驾驶小车依然“步履蹒跚”。

传统主机厂在研发Level 2-3之后，也逐渐重视Level4和5，有车企的底子和供应商支持，进展神速！赶超Google我认为是迟早的事…Level5难度首先来自于感知，虽然有多种传感器，比如360度激光雷达和摄像头，但这些传感器输出大量原始数据。

普通人看摄像头和激光雷达的数据很容易识别出里面的内容，但电脑就很困难。普通的模式识别识别率会很快达到瓶颈，这时候就需要深度学习，需要大量的数据进行训练，而当今深度学习以及人工智能并没有给识别工作带来质的飞跃。很多显而易见的场景，电脑就是认不出来。同时当数据量增多时，计算的时间也会延长，系统响应变慢，这就导致这些无人车只能低速行驶。

另一大难题是决策控制。主流方式是专家系统，把所有的经验进行总结，归纳为代码。但驾驶场景万万千千，极难穷尽，遇到没见过的场景干脆就没响应了。于是另一种方式，人工智能成为解决问题的唯一希望。但纯靠人工智能进行决策控制还处于“扯淡”阶段，同样需要大量数据进行训练，而这种训练又不像训练人类驾驶员，能够互动沟通，讨论自身问题。

训练这个系统就像对牛弹琴，让牛看你弹个千百遍，然后说，牛，该你了！牛会怎么弹其实你是不知道的，同样这个训练后的人工智能系统到底做出啥响应也是不确定的，一旦出错，你还没法回溯（就像你没法问牛你为啥这么弹）。

最佳的方式似乎是结合专家系统和人工智能，但如果结合又是难点。说到Level5，不得不说，未必是所有主机厂的最终选择。其成本极高，带来的客户收益未必比L2高太多。

所有很多主机厂都说不会研发没有方向盘的无人驾驶车，驾驶是每个爱车人的权利。这类车更多的是未来出行或者交通的新方向，而且只要限制车的行驶区域，比如封闭的校园或场馆，限制行进速度，这些降级的Level5 还是应该很快就能面试的。如果让Level5真像人类驾驶员一样开车，恐怕要很久很久了。

未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能，互联网和脑科学交叉研究机构。

未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）云脑研究计划，构建互联网（城市）云脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。