2020年，突如其來的新型冠狀病毒給汽車行業蒙上了一層灰，卻帶來了限定場景自動駕駛的“春天”：武漢市青山區吉林街上，京東物流自主研發的智能配送車每天往返于配送點和醫院之間;湖北仙桃，無人快遞車“漢馬”承擔起了其市區郵政的投遞任務;廈門金龍廠區，百度Apollo的自動駕駛小巴阿波龍變身送餐員，為員工進行快餐配送服務……
技術不能永遠關在籠子里，在這個自動駕駛前行之路充滿坎坷的節點，這場疫情無疑為自動駕駛企業提供了一次“實戰”的機會，讓自動駕駛在正式商業落地之前，能對技術的完善度，產品的成熟度進行更多檢測。
當然，當前無論從技術的發展還是應用的可行性來看，自動駕駛離大眾消費者還是太遠。它需要解決包括技術、安全、法律法規以及成本在內的多個問題。
眾所周知，自動駕駛在行駛時，是依靠各種各樣的傳感器來收集周邊信息。盡管傳感器的發展已經極為迅速，但仍存在視覺盲點。此外5G技術還未大面積普及，云端數據延時也會帶來安全隱患。更深層次的問題，即便技術上能夠做到安全，自動駕駛也還不能真正在道路上行駛。至少目前國內的自動駕駛汽車和道路之間的協同只停留在示范區，還未有哪個地方政府真正對自動駕駛汽車開放了道路。
另外，現有法律也不適宜自動駕駛，尤其是在人車界線不明確的L3和L4之間，車輛出事，責任在誰?這些都需要完善的法律法規來說明。而最為現實的則是成本以及利潤問題，激光雷達、芯片等軟硬件設施還沒大規模量產，車企購買相關設備，費用頗高……此外，包括高精地圖、自動駕駛運營過程中的配套基礎設施建設等方面都還面臨較大挑戰。
不過，值得慶幸的是，這些年，在政府、企業等各方的協同下，難題正在逐漸被攻克。
可量產關鍵技術逐漸成熟
對于自動駕駛而言，傳感器和地圖層面的技術尤為關鍵。
作為自動駕駛的“眼睛”，傳感器有多種類型，常見的主要是攝像頭、超聲波雷達、激光雷達、毫米波雷達，而這些不同種類的雷達中，激光雷達擁有十分重要的地位。其不受光線等環境因素的影響，能精確獲得前方物體的三維位置信息，高精度識別周圍信息。但由于激光雷達的成本較高，遲遲沒辦法量產。
然而近年來隨著激光雷達技術的成熟，大量科技公司的入局，已經有激光雷達價格低至100美元，盡管其在性能上并不能與高達數萬美元的產品相比較，但做到如此價格已屬不易。更為關鍵的是，由此業界看到了激光雷達成本降低的可能性，曾經的激光雷達量產之困、成本降低之難，或許并沒有那么難解。未來，激光雷達的價格下降幅度可期，達到可量產的100美元-1000美元級別的水平，或許已然不遠。
感知技術之外，精確的定位不僅是自動駕駛的基礎，還是核心。故而，高精地圖成為了自動駕駛領域炙手可熱的“風云人物”。除了傳統的圖商，諸如BAT等科技巨頭以及BBA等傳統車企，都在紛紛借助收購、投資或者合作等手段進入高精度地圖領域，甚至還誕生了一大批初創型企業，如Momenta、寬凳、晶眾等。目前已經有二十幾家企業拿到了國內的高精地圖繪測資質，包括最新入局的華為、順豐和京東物流等。相信隨著越來越多的企業的入局，高精地圖的精確度會有更明顯的提升，可適用的場景也會越來越多。
法律法規體系愈發完善
隨著自動駕駛技術的越發成熟，相關的自動駕駛標準也開始上路，自動駕駛已并非無“標”可依。
不久前，韓國便一馬當先，發布《自動駕駛汽車安全標準》，其主要內容包括：L3級別自動駕駛汽車的自動車道保持，汽車行駛過程中針對在突發情況下駕駛員的狀態監控，以及未及時做出人工反應時自動減速、啟動緊急警告信號，消減危險等輔助功能等，韓國也因此成為全球首個為L3自動駕駛制定安全標準并制定商用化標準的國家。
當然，除韓國以外，美國交通部(USDOT)也公布了最新的自動駕駛汽車準則4.0(AV 4.0)，這是美國自2016年以來的第四個版本。其他西方國家亦紛紛在完善相關法律標準：西班牙于2014 年對交通條例進行了修改;德國聯邦參議院也于2017年發布相關法案。
在自動駕駛法律層面，中國也從未停止探索的腳步。去年7月，工信部便發布公告稱，根據國家標準和行業標準制修訂計劃，相關標準化技術組織已完成了《道路車輛先進駕駛輔助系統(ADAS)術語及定義》、《道路車輛盲區監測(BSD)系統性能要求及試驗方法》、《乘用車車道保持輔助(LKA)系統性能要求及試驗方法》3項汽車行業推薦性國家標準的制修訂工作，現在只待進一步結合社會各界意見，做最終的發布。
多個國家有關自動駕駛法律的相繼出臺，無疑為自動駕駛帶來黎明的曙光，也開啟了自動駕駛又一重要里程碑。
車輛場景實測等智能化基礎設施規模擴大
自動駕駛落地困難，還面臨安全性的問題：如何證明自動駕駛系統的高度安全性和可靠性，是當前幾乎所有自動駕駛玩家面臨的難題。
其實證明很簡單，無非就是大量的測試，用數據說話，畢竟實踐是檢驗真理的唯一標準。
1.真實場景的大量測試
一周前，文遠知行WeRide攜旗下合資公司文遠粵行發布了中國首份L4級自動駕駛出租車Robo-Taxi的試運營報告。文遠粵行試運營首月，即2019年12月01日至31日，共完成8,396個出行訂單，零安全事故，日均出行服務270.8次，單天最多訂單達到438單，服務訂單總里程達41,140公里，共服務4,683名用戶。
作為自動駕駛領域當之無愧的領頭羊，在今年的CES展上，Waymo也宣布其無人駕駛車隊已經在公共道路上行駛了 2000 多萬英里(3218萬公里)，目前已載客超過10萬人，且現階段每個月已經有1500名的穩定用戶，遠遠領先于其競爭對手。
此外，百度、Cruise小馬智行、智加科技等諸多企業也已在自動駕駛測試方面做了諸多的工作，而這將會為自動駕駛測試帶來更多更為真實可靠的數據，也勢必將加速自動駕駛的商業化落地。
2.多地自動駕駛測試場所的建立
要想更多的自動駕駛汽車上路，單單靠企業的努力顯然是不夠的，還需要各地政府的支持。截止目前，北京、重慶、上海、廣州、武漢、深圳、江蘇等各地方已出臺相關政策、放開路測，為自動駕駛商業化推波助瀾。
據不完全統計，截止目前，國內已經頒發了近300張路測牌照，包括傳統車企，造車新勢力、互聯網巨頭、科技公司等都獲得了數額不等的測試牌照。更有甚者，如武漢、北京等地已經準許自動駕駛車輛進行載人、載物測試。無疑，國家層面的推動，對自動駕駛里程數的積累有著舉足輕重的作用。自動駕駛車輛，只有不斷的測試，才能增強數據的可靠性，行駛的安全性。
3.仿真測試技術趨于成熟
美國著名智庫蘭德公司曾經估計,如果想讓一輛L5級別的自動駕駛車輛正式上路,需要經過110億英里的測試。這就意味著即便是一支擁有100輛測試車的自動駕駛車隊，7X24小時一刻不停歇地測試，要想完成110億英里的測試里程也需要花費大約500年的時間。所以，如果依靠真實的路測，顯然是不夠的。故而，虛擬仿真測試成為了積累自動駕駛汽車測試里程的重要手段之一。
仿真測試，簡單的來說就是通過傳感器仿真、車輛動力學仿真、高級圖形處理、交通流仿真、數字仿真、道路建模等技術模擬路測環境，建立現實靜態環境與動態交通場景的數學模型，讓自動駕駛汽車與算法在虛擬交通場景中進行駕駛測試，其最大化地覆蓋場景，以在短時間內實現現實生活中難以達到的測試里程。更為重要的是，它可以解決現實路測中的諸多局限，尤其是針對一些在實際道路上基本沒有辦法測試的極端場景。
近年來，隨著谷歌、英偉達、百度、騰訊等科技巨頭的入局，以及5G通訊技術的到來，仿真測試數據接收延時問題得到了極大的解決。此外，該領域也涌現出了一批新創玩家，如AAI、51WORLD、Cognata、Panosim、Parallel Domain、RightHook以及剛剛被Waymo收購的Latent Logic等，令仿真測試技術越來越成熟，測試場景也越來越接近真實場景。
企業相繼入局，拉快自動駕駛量產進度條
自動駕駛很難實現量產的一定離不開現實的因素：制作成本太高，尤其是尚處在探索階段時期，因為沒有一家公司能夠憑借一己之力解決智能汽車產業化的問題。由于自動駕駛涉及面廣、技術要求高，單個企業難以形成有效的競爭力。要想盡早完成這項浩大工程，就必須集合車企、供應商、互聯網以及諸多科技公司，發揮好行業的力量，從而加速相關方案的落地。
好在，現如今越來越多的企業看到了自動駕駛的商機，紛紛入局，不僅有傳統車企、初創科技公司、BAT也加入了這一戰場，更多ICT(信息和通信技術)巨頭，如華為、蘋果等亦紛紛進入自動駕駛領域，全場景布局汽車產品。而有關成本的問題，隨著企業的通力合作、大面積的量產以及商業模式的完善，一定是往更低的趨勢前行的。
當然，如果非要給自動駕駛何時到來一個確切的時間的話，諸多企業已經給出了明確的量產時間，2020-2022年或將是自動駕駛車型量產大年。
在今年紅旗H9的發布會上，該企業就明確表示新紅旗將會在2020年實現L3級自動駕駛量產，2021年實現L4級別的量產;同樣要在2020年實現L3級自動駕駛量產的還有吉利、廣汽;此外，通用此前也發布了一款量產車Origin，按照通用汽車的預計，將于2021年底，最晚于2022年開始生產Origin;大眾則計劃2021年推出L4級別自動駕駛汽車;奔馳與寶馬將分別于2020年與2021年推出L4、L5級別自動駕駛汽車;沃爾沃和福特不約而同地將量產時間定在了2021年。
除了傳統車企之外，造車新勢力也紛紛公布自己的自動駕駛的量產時間。
小鵬汽車計劃2020年實現高速自動駕駛量產，搭載車型小鵬P7車型;威馬汽車也將在2020年實現L3級自動駕駛的量產及搭載;零跑汽車則表示在2020年前，全系車型可通過軟件升級到L3級別自動駕駛功能;奇點汽車預計2020年實現L3自動駕駛量產落地，同時計劃在后期通過OTA方式升級到L4;特斯拉也表示將在2020年實現自動駕駛。
蓋世小結：自動駕駛已然離我們越來越近了，這個曾處在襁褓里的“新生兒”，很快就要自己站起來了。相信隨著車企量產時間表的落地，自動駕駛商業化步伐也會越來越快。或許，自動駕駛車輛“飛入尋常百姓家”也并非是很遙遠的事情。
