無人駕駛汽車要真正到達L5級別，核心在等待一次“涌現”，而這個時刻預測會發生在L3階段，因為大范圍由機器負責的自動駕駛系統必須突破L3階段由多個維度組成的“大壩”。但是并不是說，我們一定要用這種方式才能達到落地效果，因為L4階段還有一個“小池塘”，這就是限定范圍L4自動駕駛。那么，在中國國情下，自動駕駛還要解決哪些問題呢?
復雜環境問題
要說中國國情，最難的仍然是復雜的交通環境。
數據顯示，截至今年6月，中國機動車保有量達3.6億輛，其中，汽車保有量達2.7億輛，占機動車總量的75%。這個數據可能已經超過美國，中國躍升成為世界上汽車最多的國家。
城市方面，汽車保有量超過100萬輛的城市共有69個，與去年同期相比增加3個。其中，汽車保有量超過200萬輛城市31個，超過300萬輛城市12個。像北京的機動車保有量直逼650萬輛，每天有大量的汽車行駛在路面上，路況非常復雜，剮蹭等現象時有發生。
這些都還沒有算上不可感知內容，比如前面正在發生人員追逐或者爭斗，路面突然塌陷等等，這些情況自動駕駛車可能并不知道，環境的復雜性，可以確認的超出了目前視覺深度學習任何可部署感知網絡的理論容量。
關于涉及國內大范圍的自動駕駛道德規范，法律準則都是缺失的。有人說，這不對，從2017年開始，全國各地都出臺了很多新的政策，鼓勵自動駕駛發展，但仔細研究一下不難發現，這些政策聚焦點大多還是綱領文件和建設目標，但無一例外地都避開了道路安全法等法律層面的實質性內容。
小到測繪法禁止高精度地圖部署城區和部分城市高架，大到《中華人民共和國道路交通安全法》《中華人民共和國公路法》等禁止了在公路上進行自動駕駛實驗，并認定自動駕駛車不能承擔肇事責任。這些法律法規的限制幾乎就可以把整個自動駕駛系統“包了餃子”。
這也導致了自動駕駛車輛，無法在真正意義上的開放道路當中行駛。無人駕駛法律法規的完善和修訂，相關的倫理規范的界定，都充滿著嚴峻的挑戰。基建設施的缺失
目前高等級的自動駕駛，由于大規模部署，需要對成本嚴格控制，因此局部感知力受限，時常需要基建設施“待攤”一部分成本。
先修路再跑車，乍看像是彌補單車感知能力的曲線救國之法，實際上是自動駕駛走出當前困境的出路之一。從“聰明的車”到“智慧的路”，本質上是通過“5G+車路協同”實現融合創新，達到“1+1>2”的共振效應。
此外，一旦打開了“上帝之眼”，智能汽車與路側傳感器、云服務平臺等相互融合、互通有無，將極大降低智能汽車的準入門檻和造價成本。5G車路協同無疑是眼下自動駕駛產業化落地的最佳路徑。
但大范圍的基建設施部署仍然是一個巨大的問題。哪怕城市全部都改善基礎設施，但要在農村普及并達到相應標準，估計還是難度有點大的。
復雜環境、法律缺失、基建設施不完善這“三座大山”，對自動駕駛的大范圍落地都是致命的影響。但是好在方法總比困難多。
一個中國司機跑去美國開車，由于風俗、習慣、駕駛規則不同，估計很長一段時間內都還是有些危險的，更別說機器了。如果我們假定L4級別可以是一個局部地區應用，情況就有了明顯的改觀，這也許正是短期內解決問題最合理的方案。
針對第一個環境復雜性問題，雖然有限范圍內會存在很多極端案例，但是由于限定范圍，復雜性問題得到有效控制, 可控的包括增加針對性的安全設施、提醒標志、控制交通參與者的流向等，并且由于范圍確認，哪怕不可控制的天氣因素，仍然可以通過營運方案來控制。另外由于有限空間，場景變化被限定在一個更小范圍，可以有效緩解目前深度學習網絡的參數容量壓力。
針對第二個法律缺失問題，各個城市紛紛發布了自己的智能網聯示范區以及相關的管理辦法。針對“沒有駕駛員”不符合相關要求這一點，大部分的地方性規范均給出了相似的意見：默認測試駕駛員為車輛駕駛員，根據道路交通安全管理部門的認定結果，由其承擔相應的法律責任。針對不能在公共道路測試這一項，各地網聯示范區的道路均被合理地進行了一定的隔離和控制，因此可以認為是“封閉”的，而非公共道路。
針對第三個基礎設施缺失問題，只要在有限范圍內，無論多么密集的路側系統，成本都是可控的。5G設備、路側傳感器或是各類傳統交通設施設備的部署，足夠支持應對局部感知解決不了的問題，比如“鬼探頭”;或是在車輛故障后，通過5G視頻遠程控制，遠程司機亦能夠將車輛駛離相關位置。
