進入2018年以來，行車事故、融資減少等關于自動駕駛的負面消息連連。就在日前，中國市場上最受關注的蔚來汽車，決定召回近4803臺有自燃隱患的ES8。
自動駕駛汽車的發展并不是一帆風順，新造車勢力在艱難探索;與此同時，備受挑戰的傳統車企逐漸放下了傲慢守舊的態度，投入到新技術的研發中。
本周，小鵬汽車Chief Scientist & AI 中心副總經理郭彥東剛剛從美國參加完CVPR回國。CVPR是世界頂級的計算機視覺會議，是自動駕駛相關公司最關注的學術盛會之一。
讓郭彥東很有感觸的一點是，他在大會上竟然看到了老牌車企、奔馳母公司戴姆勒的展位，“以前車企比較少參加視覺方面的會議，證明各界對感知的關注度越來越高。”
自動駕駛在讓整個汽車行業發生改變。實際上，如果以2009年Google啟動自動駕駛項目為開端，自動駕駛技術已經發展了整整10年。10年間，自動駕駛技術如何推動了行業演進?未來10年又將向哪兒發展?會遇到哪些困難?圍繞這些話題，搜狐科技“智研所”沙龍第5期邀請到了小鵬汽車首席科學家兼AI中心副總經理郭彥東、視車科技創始人黃博淵以及北京科技大學工業設計系教授覃京燕，共話自動駕駛過去以及未來的10年。
“智研所”沙龍現場
商業化“難產”
今年4月，特斯拉公司掌門人馬斯克曾表示，激光雷達是一個沒有意義的設備，未來將會被自動駕駛汽車淘汰。馬斯克相信攝像頭和圖像識別具有強大的能力，特斯拉在此之前宣布研發出了行業最先進的自動駕駛視覺識別芯片，能夠處理攝像頭捕捉到的路面信息。一時間，“激光雷達無用論”在圈內傳開。
郭彥東表示，馬斯克此番言論，無非是兩個原因，一是成本，二是量產的一致性，歸根結底是商業化成本的問題。
激光雷達造價高昂，馬斯克幾乎是在創立特斯拉之初就旗幟鮮明地反對激光雷達。
但在過去的10年里，激光雷達可以說是自動駕駛中最重要的零件，甚至可以說，激光雷達就是此前10年自動駕駛技術的標志。然而隨著AI圖像識別技術的演進，針對汽車感知的部分，行業內分為了兩個派系——“雷達派”和“攝像頭派”。
馬斯克的言論遭到了Waymo首席技術官杜高峰的反駁：“在自動駕駛汽車的傳感器系統中，攝像頭、雷達和激光雷達是相輔相成的，同時，激光雷達的成本也在下降。”
覃京燕對此向搜狐科技“智研所”表示，一個很關鍵的問題是，每種技術都有窗口期，“當你把技術、成本、商業模式等各方面都考慮進來時，我們要知道這個技術所使用的環境到底給了你多少窗口期。”
如此看來，告別單純依靠激光雷達，擁抱“攝像頭+圖像識別”可以成為劃分自動駕駛過去10年與未來10年的分水嶺。
從自動駕駛全產業鏈來看，整車生產公司、解決方案供應商、出行服務商等已經構成了生態雛形。百度、Pony.ai、Roadstar.ai等追隨Waymo做自動駕駛車隊，也有馭勢、Momenta、騰訊等專注于提供高級別自動駕駛解決方案的商業路徑，阿里、華礪智行則專注于道路協同。
賽場上的玩家基本上已經形成細分產業格局，其中，傳感器層面的競爭相對更佳激烈。因為自L3級別往后，系統操作會需要傳感器收集到的數據進行深度學習，模擬實際場景并不斷進行重復演練。傳感器是決定技術升級的關鍵。
不同公司選擇了不同的商業落地模式。特斯拉賣車，谷歌就堅決不賣車。前者希望汽車擁有更多的功能，AI助力賣車，后者則一開始就要做成出行平臺。
從各大自動駕駛企業的宣傳口徑來看，2018至2019年是“自動駕駛商業化元年”被高頻次提及。自去年開始，百度首款L4級自動駕駛巴士Apollo量產下線;AutoX在硅谷，已經提供了同城的無人車配送服務;飛步科技實現城際貨運無人駕駛……
然而，這些都是特定場景下的商用車案例，大規模乘用車應用仍舊面臨不少的問題。
除了成本，安全是另一大待解決的問題，但事實是，乘用車的安全保障絕不是某一家公司能夠解決的問題，這需要社會各部門的共同協作，比如配套的基礎設施建設、法律法規等。
“現在到了必須制定新的社會契約的階段。我們人類所掌控的所有物資流動、資金流動和信息流動，怎么去和人工智能所掌控的三大流之間形成契約關系。”覃京燕說道。
格局已定，市場冷靜
自動駕駛歷經十年孕育，市場上主要玩家的角色已經基本成型，競爭格局已基本穩定，互聯網巨頭、主機廠及技術公司各占一方。
最先入局的谷歌和百度憑借自身作為互聯網巨頭的優勢，以技術驅動，主要采取從主機廠購置汽車改裝，建立自有自動駕駛車隊的業務模式。
以谷歌的Waymo為例，作為行業的開疆者和龍頭企業，其商業場景主要聚焦于Robotaxi、最后一公里及技術授權，其中Waymo的自動叫車服務已經在美國亞利桑那州鳳凰城郊區的四個地區啟動。
此后，無人駕駛比賽才剛剛開始，Uber創建自動駕駛、特斯拉上市、通用收購Cruise，中國逐漸涌現出大量自動駕駛創業公司，Waymo可以說是那條鯰魚，攪動了汽車行業局面，同時掀起了針對自動駕駛技術的研究。
在2018年，自動駕駛前十年的技術發展達到Gartner曲線的第一個峰值，經過了高速成長并走向成熟的階段。從技術層面來看，激光雷達、毫米波雷達等傳感器技術及深度學習、軟件算法逐漸成熟，為針對不同場景的主機廠及科技公司提供了不斷迭代的技術支持。
更重要的是，在這個過程中，自家已經基本摸清了各自的技術演進路線。
通過各企業官網，搜狐科技“智研所”發現，目前，多數國內傳統主機廠均計劃在今年實現L2級別自動駕駛汽車的量產，比如廣汽、長安、上汽、北汽等，而新車企也已在準備具備L2級別的智能汽車量產，對于ADAS量產上車方面，絕大部分廠商的“deadline“同樣設置在了今年。
針對更高級別的L3及L4自動駕駛，傳統主機廠仍保持較為保守的態度，相比于新興科技公司和互聯網公司直接瞄準L4的做法，傳統車企更傾向于按部就班地從L2一步步進行技術演進。
在自動駕駛領域，國際上通用的標準是以SAE(美國機動車工程師學會)制定的L0-L5六個階段為主。
相比于L1的單一功能自動化和L2的部分系統自動化，L3級別要求在特定環境下，系統完成全部動態操作，駕駛員只在特殊情況發生時，給予系統回應。
由于從L3級別開始，自動駕駛技術難度高，芯片及設備的研發投入如若無法落地、不能量產，將導致單次投入成本高。
所以也可以說，L3是自動駕駛領域技術的分水嶺，目前大多數商業公司的火力都集中在該級別的技術落地。
當然，也不乏部分車企彎道超車，比如被通用收購的Cruise，便直接進擊L4自動駕駛。
對于這種技術研發的“越級”現象，郭彥東向搜狐科技“智研所”表示，最直接的影響因素是應用場景，“L4、L5的目的更多是為了園區的‘全無人’，在貨運、碼頭、封閉園區等場地更有應用場景，而交出給用戶的乘用車則使用場景和時間不受車企控制。”
由于場景及時間的不確定性，增加了技術適應各種場景的難度，所以真正的乘用車“全無人”自動駕駛需要漫長的技術研發過程去實現，目前絕大多數量產車的技術集中在L1-L3的自動駕駛，“車企傾向于把1-3級稱為輔助駕駛或者高級輔助駕駛ADAS系統。”郭彥東說道。
援引Mobileye CTO Amnon Shashua曾經講過的一句話：“真正阻止自動駕駛落地，或者說自動駕駛真正的挑戰來自于長尾的corner cases。”什么是長尾的corner cases?其指的是存在一部分情況，其中每種情況出現的次數都不多，但這些情況的種類卻很多。
比如一些特殊天氣造成的可視范圍的縮短;比如中西方的路牌排列方式不一樣，中國路牌顯示方式跟道路垂直，西方是平行的。類似的“corner cases”都會導致人工智能感知的誤判，進而造成交通意外。
乘用車自動駕駛車輛能否量產，對于像小鵬這樣自研系統的新車企來說至關重要，不僅關乎商業化，從技術角度講，不能量產的情況下，也很容易造成“閉門造車”的局面。
自動駕駛車輛OTA全要仰仗交付給消費者之后的車輛及配備的車載系統，“每一輛車都有一個4G通信模塊，收集到的數據反饋給人工智能平臺，更新迭代再送回到車，從小數據到大數據平臺，通過大量用戶去使用，進行幾次OTA的過程來進化車的智能。”
大公司、主機廠、出行服務商、技術公司，每一方都有幾大巨頭林立，很難說哪一家引領了自動駕駛過去十年的發展，但可以肯定的是，自動駕駛作為重資本產業，進度發展一定是緩慢的，一輪輪高額融資和居高不下的估值背后，產品及技術研發和社會各方的協同作用才是根基。
