編者按：不知從何時起， 自動駕駛從一個還需要維琪百科解讀的新興名詞開始成為車圈兒乃至普通群眾茶餘飯後的談資，
編輯丨AutoR智駕 吳鵬飛
今天（5月25日）， 在聯想之星未來之旅之「人工智慧」暨Comet Labs智慧交通實驗室中國推介會上， Comet Labs發佈智慧交通研究報告。
報告對自動駕駛的歷史、現狀做了梳理。
這份梳理意圖溯本清源， 但有些老生常談。 在這份看似精細的報告中缺乏回答一個基本問題， 人類為什麼需要自動駕駛， 以及這些投入自動駕駛的團隊如何實現盈利是最現實的問題。
智駕曾在2014年的第一期雜誌裡對自動駕駛的發展進行過剖析。
*圖文資料截止於2014年， 點擊查看
以下則是今天聯想之星和Comet Labs的報告全文：
自2016年起， 一切圍繞“自動駕駛”的概念和故事開始比以往更頻繁地進入公眾視野：從Uber與富豪共同打造無人汽車， 到Alphabet將Waymo從Google X中拆分；從特斯拉Autopilot 1.0的意外事故， 到新加坡nuTonomy的無人駕駛計程車在本土上路；從高通收購恩智浦， 到英特爾收購Mobileye；從ADAS到車聯網；從雷射雷達到高精度地圖……
截至2017年第一季度， 全球前14大技術公司裡， 已經有12家宣佈開發自動駕駛相關的技術；在汽車領域， 全球前14家的整車廠之中， 已有13家宣佈要進軍自動駕駛領域。 自動駕駛的時代， 已經來臨。
業內領先的技術公司以及諸多在近兩年成長起來的初創企業， 都對自動駕駛投入了巨大的人力、物力和財力， 積極地推動自動駕駛技術革新的浪潮。 在這一交叉屬性明顯的領域， 需要整車廠（OEMs）和零部件以及技術提供商進行合作， 通過研發技術、升級產品， 乃至並購等方式， 保持在業內的競爭力。 除此以外， 自動駕駛的車輛共用和租賃服務因具備更佳的用戶體驗， 其優勢和價值已經開始顯現。
從三個角度理解“自動駕駛”
關於如何界定“自動駕駛”的概念， 一直是汽車行業的熱議話題。 隨著行業熱度的提升， 近年來相關概念的引用和使用產生了一些混亂， “自動駕駛”、“無人駕駛”、“自我駕駛”、“自動化汽車”等詞均在不同場合被提及。
1）從技術元素的角度
自動駕駛描述的是一個目前人類想像力所能達到的理想駕駛狀態， 是一個結果。 在實現的途中， 需要融合和運用多種技術， 主要涉及到人工智慧演算法技術、雲技術以及機器人技術。 其中任意兩種技術的結合， 都是廣義自動駕駛概念的外延， 或者是實現自動駕駛的底層基礎。
2）從原理的角度
所有的控制系統都是由感測器、控制器、執行器組成的，即對應感知資訊、決策、執行三個功能模組。人類駕駛即是如此，自動駕駛亦是如此。
3）從行業標準的角度
關於如何界定“自動駕駛”的概念，一直是汽車行業的熱議話題。隨著行業熱度的提升，相關概念的引用和使用產生了一些混亂，為了解決這個問題，行業的做法是分級。目前行業內普遍採用的分級標準是美國汽車工程師學會（SAE，即Society of Automotive Engineers）J3016國際標準。
該標準來自2016年9月19日美國交通部與國家公路交通安全管理局（NHTSA）聯合推出的《美國自動駕駛汽車政策指南》。該指南的推出，意味著此前頗為權威的NHTSA五級分級標準未成為聯邦標準。兩個標準的區別主要是，在“有條件自動化”與“完全自動化”之間SAE多分了一級為“高度自動化”。
自動駕駛的行業發展歷程
從1925年世界上第一輛“無人駕駛汽車”的誕生到2015年前後，自動駕駛行業在幾個關鍵事件的驅動下，經歷了階進式的發展。
按照國際上眾多車企的時間表，2016年至2018年是自動駕駛汽車走向市場化的時間段，因此2016年也被業界看作“自動駕駛元年”。回顧這一年，整車廠和技術服務提供者開始深入合作，產業鏈日臻完善。
自動駕駛的產業鏈
產業鏈中的玩家，可大致劃分為整車廠（OEMs）、零部件/技術提供商，以及運營和服務提供者。
整車廠和技術供應商的合作關係
科技界與整車廠的合作目前主要有兩種模式：一是傳統的供應商模式，即科技企業進入整車廠的供應鏈，向其供貨；二是更加平等的合作關係，雙方各取所長。通過合作關係圖我們發現：在海外，美國和德國的傳統車企在與科技公司的合作展開得更早也更廣泛；在國內，一方面，百度通過提供完整的軟硬體和服務解決方案，已經走在了國內科技公司與整車廠合作的前面，另一方面，攜手晶片廠商和高精度地圖廠商，是國內的整車廠目前最迫切的合作切入點。
ADAS不是真正的自動駕駛，但它是實現“自動駕駛”的基礎
ADAS 是 Advanced Driver Assistance System 的縮寫，即“高級駕駛輔助系統”。
ADAS 不是一項配置，而是幾項配置協調作用的系統，利用安裝在車上的各式各樣感測器，在汽車行駛過程中隨時來感應周圍的環境，收集資料，進行靜態、動態物體的辨識、偵測與追蹤，並結合導航儀地圖資料，進行系統的運算與分析，從而預先讓駕駛者察覺到可能發生的危險，有效增加汽車駕駛的舒適性和安全性。
ADAS 硬體的核心是感測器（攝像頭、雷達等）和處理器，軟體核心是演算法。
ADAS 主要起到的是駕駛輔助的功能，目前主要實現在 SAE 標準的 L0-L3 階段，所以不是真正的“自動駕駛”，但它卻是實現“自動駕駛”的基礎。ADAS 系統除具有預警功能外，還可以在緊急情況下干預駕駛員操作，避免碰撞等交通事故的發生。
展望自動駕駛的未來，Comet Labs 認為：
一、降低雷射雷達的成本對自動駕駛固然意義重大，但降低成本的問題可能不是真正的難點
雷射雷達在過去幾年因缺乏民用應用場景，沒有人過度關注成本問題，但在自動駕駛應用民用化的推動下，已經產生了至少兩種降低成本的方法：
一是採用低線數雷達配合其他感測器，即感測器的融合；
二是用固態雷射雷達來替代因機械旋轉部件昂貴而導致高成本的傳統雷射雷達。因此，在產業鏈各方有足夠的重視和投入的情況下，雷射雷達成本問題的技術進步，可能會在比人們所預期的更短的時間內實現。
二、多感測器融合的過程會異常艱難
為滿足ADAS應用的高性能需求，多感測器的融合已經成為業內共識的趨勢。目前感測器融合的方案已呈現出趨同的趨勢，未來競爭的核心也主要集中在演算法的研究上，但感測器融合的過程必將會異常艱難：
其一，需要大量投入人力和財力完成融合的系統架構；
其二，以電腦視覺為主的系統只能做到L3，而在L4面對更複雜的情況時必然會產生更加龐大難以處理的資料量；
其三，感測器融合之後會產生融合演算法的問題，在捕捉到巨大資料量的情況下要面臨決策和取捨。訓練深度神經網路的人工智慧演算法，讓機器自己去學習和建模，仍然是最佳的方案。
三、核心基礎設施的升級需儘快實施
隨著自動駕駛技術逐漸被主流汽車廠商採用，核心基礎設施的升級需要被提上日程並儘快實施。基礎設施升級涉及到很多方面——從噴繪新的、更清晰的車道分隔線，到整合新的感測器和通訊模組。自動駕駛汽車需要能獲取足夠多關於所處環境的資訊，以便進行預判、制定決策以及作出反應。
當前的基礎設施為人類駕駛員提供資訊的方式並不一定適合自動駕駛汽車。針對人類駕駛員，我們使用不同的顏色、標誌、信號燈、障礙物和車燈閃爍方式提供資訊；而對自動駕駛汽車來說，這些資訊輸入將與環境結合，進而提供與道路狀況相關的更多資訊——感測器能監控車流資訊，而汽車之間也能進行通信。
四、智慧交通生態中出現突破性的事件對自動駕駛的實現至關重要
全球各國各地的交通環境會受到包括自然環境，政府的城市規劃、政策，以及道德、民族文化等多方面因素的影響。如何讓自動駕駛系統與交通環境適配，會成為一個長久的課題。
智慧城市、節能汽車、電動汽車、車聯網等智慧交通生態中的任何一個環節的突破性進展，乃至政府政策的引導（比如雄安新區的智慧城市、智慧交通的定位），都會大幅推進自動駕駛實現的進程。
點評：近幾年來，關於自動駕駛的討論層出不窮，伴隨著資本洶湧，車企集體患上了自動駕駛焦慮症。而福特CEO馬克·菲爾茲的被解職，一家傳統車企的三年轉型之路，可以說沒有為公司帶來現實的利潤，反而股份重挫近40%。
智慧駕駛技術是否會成為一款車的標配，眾多車企是否需要一擁而上事實上是這些車企們集中探討的問題。在軟體時代，或者說數位化時代，真的有人可以壟斷這一技術存在很大的疑問。
科技視角、極客精神
《AutoR智駕》為新汽車而生
關注汽車的智駕時代上智駕網（http://www.autor.com.cn）
合作or新聞線索提供，聯繫郵箱：editor@autor.com.cn
2）從原理的角度
所有的控制系統都是由感測器、控制器、執行器組成的，即對應感知資訊、決策、執行三個功能模組。人類駕駛即是如此，自動駕駛亦是如此。
3）從行業標準的角度
關於如何界定“自動駕駛”的概念，一直是汽車行業的熱議話題。隨著行業熱度的提升，相關概念的引用和使用產生了一些混亂，為了解決這個問題，行業的做法是分級。目前行業內普遍採用的分級標準是美國汽車工程師學會（SAE，即Society of Automotive Engineers）J3016國際標準。
該標準來自2016年9月19日美國交通部與國家公路交通安全管理局（NHTSA）聯合推出的《美國自動駕駛汽車政策指南》。該指南的推出，意味著此前頗為權威的NHTSA五級分級標準未成為聯邦標準。兩個標準的區別主要是，在“有條件自動化”與“完全自動化”之間SAE多分了一級為“高度自動化”。
自動駕駛的行業發展歷程
從1925年世界上第一輛“無人駕駛汽車”的誕生到2015年前後，自動駕駛行業在幾個關鍵事件的驅動下，經歷了階進式的發展。
按照國際上眾多車企的時間表，2016年至2018年是自動駕駛汽車走向市場化的時間段，因此2016年也被業界看作“自動駕駛元年”。回顧這一年，整車廠和技術服務提供者開始深入合作，產業鏈日臻完善。
自動駕駛的產業鏈
產業鏈中的玩家，可大致劃分為整車廠（OEMs）、零部件/技術提供商，以及運營和服務提供者。
整車廠和技術供應商的合作關係
科技界與整車廠的合作目前主要有兩種模式：一是傳統的供應商模式，即科技企業進入整車廠的供應鏈，向其供貨；二是更加平等的合作關係，雙方各取所長。通過合作關係圖我們發現：在海外，美國和德國的傳統車企在與科技公司的合作展開得更早也更廣泛；在國內，一方面，百度通過提供完整的軟硬體和服務解決方案，已經走在了國內科技公司與整車廠合作的前面，另一方面，攜手晶片廠商和高精度地圖廠商，是國內的整車廠目前最迫切的合作切入點。
ADAS不是真正的自動駕駛，但它是實現“自動駕駛”的基礎
ADAS 是 Advanced Driver Assistance System 的縮寫，即“高級駕駛輔助系統”。
ADAS 不是一項配置，而是幾項配置協調作用的系統，利用安裝在車上的各式各樣感測器，在汽車行駛過程中隨時來感應周圍的環境，收集資料，進行靜態、動態物體的辨識、偵測與追蹤，並結合導航儀地圖資料，進行系統的運算與分析，從而預先讓駕駛者察覺到可能發生的危險，有效增加汽車駕駛的舒適性和安全性。
ADAS 硬體的核心是感測器（攝像頭、雷達等）和處理器，軟體核心是演算法。
ADAS 主要起到的是駕駛輔助的功能，目前主要實現在 SAE 標準的 L0-L3 階段，所以不是真正的“自動駕駛”，但它卻是實現“自動駕駛”的基礎。ADAS 系統除具有預警功能外，還可以在緊急情況下干預駕駛員操作，避免碰撞等交通事故的發生。
展望自動駕駛的未來，Comet Labs 認為：
一、降低雷射雷達的成本對自動駕駛固然意義重大，但降低成本的問題可能不是真正的難點
雷射雷達在過去幾年因缺乏民用應用場景，沒有人過度關注成本問題，但在自動駕駛應用民用化的推動下，已經產生了至少兩種降低成本的方法：
一是採用低線數雷達配合其他感測器，即感測器的融合；
二是用固態雷射雷達來替代因機械旋轉部件昂貴而導致高成本的傳統雷射雷達。因此，在產業鏈各方有足夠的重視和投入的情況下，雷射雷達成本問題的技術進步，可能會在比人們所預期的更短的時間內實現。
二、多感測器融合的過程會異常艱難
為滿足ADAS應用的高性能需求，多感測器的融合已經成為業內共識的趨勢。目前感測器融合的方案已呈現出趨同的趨勢，未來競爭的核心也主要集中在演算法的研究上，但感測器融合的過程必將會異常艱難：
其一，需要大量投入人力和財力完成融合的系統架構；
其二，以電腦視覺為主的系統只能做到L3，而在L4面對更複雜的情況時必然會產生更加龐大難以處理的資料量；
其三，感測器融合之後會產生融合演算法的問題，在捕捉到巨大資料量的情況下要面臨決策和取捨。訓練深度神經網路的人工智慧演算法，讓機器自己去學習和建模，仍然是最佳的方案。
三、核心基礎設施的升級需儘快實施
隨著自動駕駛技術逐漸被主流汽車廠商採用，核心基礎設施的升級需要被提上日程並儘快實施。基礎設施升級涉及到很多方面——從噴繪新的、更清晰的車道分隔線，到整合新的感測器和通訊模組。自動駕駛汽車需要能獲取足夠多關於所處環境的資訊，以便進行預判、制定決策以及作出反應。
當前的基礎設施為人類駕駛員提供資訊的方式並不一定適合自動駕駛汽車。針對人類駕駛員，我們使用不同的顏色、標誌、信號燈、障礙物和車燈閃爍方式提供資訊；而對自動駕駛汽車來說，這些資訊輸入將與環境結合，進而提供與道路狀況相關的更多資訊——感測器能監控車流資訊，而汽車之間也能進行通信。
四、智慧交通生態中出現突破性的事件對自動駕駛的實現至關重要
全球各國各地的交通環境會受到包括自然環境，政府的城市規劃、政策，以及道德、民族文化等多方面因素的影響。如何讓自動駕駛系統與交通環境適配，會成為一個長久的課題。
智慧城市、節能汽車、電動汽車、車聯網等智慧交通生態中的任何一個環節的突破性進展，乃至政府政策的引導（比如雄安新區的智慧城市、智慧交通的定位），都會大幅推進自動駕駛實現的進程。
點評：近幾年來，關於自動駕駛的討論層出不窮，伴隨著資本洶湧，車企集體患上了自動駕駛焦慮症。而福特CEO馬克·菲爾茲的被解職，一家傳統車企的三年轉型之路，可以說沒有為公司帶來現實的利潤，反而股份重挫近40%。
智慧駕駛技術是否會成為一款車的標配，眾多車企是否需要一擁而上事實上是這些車企們集中探討的問題。在軟體時代，或者說數位化時代，真的有人可以壟斷這一技術存在很大的疑問。
科技視角、極客精神
《AutoR智駕》為新汽車而生
關注汽車的智駕時代上智駕網（http://www.autor.com.cn）
合作or新聞線索提供，聯繫郵箱：editor@autor.com.cn