對于L3、L4或者L5等級別的劃分，業界也還有很多討論。相比于自動駕駛的出行服務，現階段解放人的雙手雙腳更能符合市場的期待。騰訊自動駕駛總經理蘇奎峰在此次技術開放日中談到，針對傳統駕駛中存在的兩大痛點——上下班通勤擁堵和長途旅行駕駛疲勞，騰訊自動駕駛正在推進HWP與TJP結合的解決方案，在緩解駕駛疲勞和焦躁的同時，保障安全駕駛。
要實現這樣的自動駕駛，需要哪些技術呢?
感知定位是第一步
一輛自動駕駛車輛跑在路上更要隨時面對車生三問：我在哪，我將去向哪里，我要如何去。這就是自動駕駛需要解決的三大關鍵環節：感知、決策、控制，也有人將其細分為定位、感知、預測、規劃、控制，從感官上來看，定位也可以歸為感知的一部分。車輛在道路上清楚自己所處的環境，才能進行下一步的路徑規劃和行駛。
可以說，感知是實現自動駕駛的前提，更是掌握安全行駛的命脈。這就涉及到目前自動駕駛研發的兩大重要投入，一是遍布車身的各種傳感器，包括毫米波雷達、高精度攝像頭、激光雷達等，二是高精地圖。硬件的增加無疑是為了讓汽車有更靈敏的眼、耳和更敏銳的觸覺，高精地圖則比當下我們普遍使用的導航地圖多了更多精細化數據，例如車道劃分、道路曲度、坡度等，使得車輛在行駛中更清楚自己所處的位置和道路特征。
如果說傳感器的增加可以靠燒錢，高精地圖的獲得則不是有錢就能買到的了。國內擁有測繪資質的圖商僅有數十家，而僅僅提供底層地圖支持尚無法滿足自動駕駛的需求。騰訊自動駕駛總經理蘇奎峰表示，高精地圖既要存在于云端服務，也要存在于車端應用。值得一提的是，騰訊聯合多家生態伙伴，共同建設的高精地圖數據體系，能夠結合實時的交通流信息，保持地圖的“鮮度”，為自動駕駛車輛提供更精準、及時的地圖支持。
作為國內互聯網科技的最大玩家，騰訊為車企提供自動駕駛技術方案的同時，也帶著量產可行性的深度思考。針對傳感器成本過高的問題，騰訊采用多傳感器融合定位的方法，提高整個系統的性能，降低成本，從而促進自動駕駛車輛早日落地。
決策執行是第二步
人類駕駛員可以分新手和老司機，而能夠上路的自動駕駛車輛卻必須是“老司機”。
自動駕駛車輛經過怎樣的磨練才能成為老司機?根據蘭德智庫的說法，一套自動駕駛的系統需要經過110英里的驗證才能達到量產應用條件，如果進行實地測試需要消耗大量的人力物力財力。因此，另一套高性價比的測試方法顯得至關重要，也就是自動駕駛仿真模擬系統。
仿真模擬系統，在虛擬世界中不斷模擬現實道路交通狀況，并且不斷更新虛擬的場景，幫助自動駕駛系統不斷積累豐富的行駛經驗，學會應對各種復雜路況。這套聽起來跟游戲中虛擬城市很像的系統，在開發過程中的確需要一部分游戲技術，而擅長開發和經營游戲的騰訊無疑從中受益頗多。
基于在游戲方面的大量積累，融合云平臺、高清地圖、三維重建等技術，以及部分交通流的技術，騰訊打造了一個名為TAD Sim的仿真系統，集成了工業級的車輛動力學模型和專業的渲染引擎，輔以三維重建技術和虛實一體交通流，可以完成感知、決策等閉環的仿真驗證。借助這套工具，自動駕駛系統可以通過線上測試完成向“老司機”的進化。
TAD Sim多天氣多時段仿真
目前可以上路的自動駕駛車輛，只有一些測試車輛及具備輔助駕駛功能的產品，距離真正解放雙手雙腳還需要一段時間，根本原因在于自動駕駛在實施感知、決策、控制的過程中，對復雜環境的接收和處理仍需要不斷學習和完善。
為使自動駕駛系統能夠如人類駕駛員一樣應對開放環境中的各種復雜路況，包括車企、互聯網公司、政府機構等都在積極努力和推動。今年年中，寶馬中國與騰訊達成合作，雙方共同建設中國高性能數據驅動開發平臺，該平臺可針對中國復雜多變的駕駛場景進行分析處理，助力寶馬根據中國實際需求研發出更加符合本土市場的自動駕駛技術和產品。
在自動駕駛的實現過程當中，既需要騰訊這樣的科技企業的持續參與，也需要車企和道路管理運營部門的推動，共同去實現人類歷史上的下一個出行方式的新階段。
