自动驾驶的2022，还要迈几道“坎”？

新兴技术往往“落地”最难。许多人把2021定义为自动驾驶元年，在这一阶段，电气化、智能化趋势正冲击着传统汽车产业链，疫情让国内用户也有了很强的无人化需求。然而，骐骥一跃不能十步，要想实现L4-L5的完全自动化，自动驾驶还要走很长的路。

复盘2021年以来的自动驾驶技术，不管是AI芯片，还是车规级传感器，都呈现出多个里程碑式的进展。与此同时，技术催生了智能化场景，多产业齐发力，在疫情、贸易战、缺芯潮等黑天鹅事件的催化下，自动驾驶终端应用迸发出前所未有的需求，但新技术的诞生总是伴随着或大或小的难题。自动驾驶的2022，还要迈几道“坎”？

01、自动化算力提升难

2022年3月1日，市场监管总局针对自动驾驶功能发布的《汽车驾驶自动化分级》国家标准将正式实施。

随着自动驾驶等级的提高，所需的算力高速提升。汽车自动驾驶的智能化水平取决于算法是否强大，从L1到L5，自动驾驶每提升一个等级，算力要求也同样提升一个等级。

目前，驾驶辅助技术已经在量产车上部署，即“高级驾驶辅助系统”。全球目前的自动驾驶辅助技术还只是处于L2-L3等级之间。 

L3之前，自动驾驶所需算力较低；L3需要的AI算力达到20TOPS；L3之后，算力要求数十倍增长，L4接近400TOPS，L5算力要求更为严苛，达到4000+TOPS。每增加一级自动驾驶等级，算力需求则相应增长一个数量级。根据英特尔推算，在全自动驾驶时代，每辆汽车每天产生的数据量将高达4000GB。 

02、AI芯片上车难

随着自动驾驶汽车智能化水平越来越高，需要处理的数据体量越来越大，高精地图、传感器、激光雷达等软硬件设备对计算提出更高要求，因此在高精度的传感器之外， AI加速芯片成为主流。

评估芯片性能，算力、能耗、效率缺一不可。

目前，市面上可供选择的车规级AI芯片屈指可数。国外以特斯拉、英伟达、英特尔、Moblieye为主，而国内的华为海思、寒武纪、地平线等初创公司正“借势而起”。

2021年，车企在自动驾驶芯片的选择中开始向NVIDA倾斜，在对未来车型布局中也大量选择了NVIDA Orin X、高通骁龙Ride、华为MDC等大算力芯片，越来越多的主机厂采用高算力自动驾驶芯片。

可见，AI芯片想要“上车”，核心即“高速度，高精度，高准度”。

以奥迪A8为例，全车共有12个超声波传感器、4个全景摄像头、1个前置摄像头、4个中程雷达、1个红外摄像机。除此之外，还有超声波雷达、毫米波雷达及激光雷达。上述传感器同时工作，每秒能产生数GB环境侦测数据。

在60km/h以下，自动驾驶系统可以完成的动作包括启动、加速、转向以及制动，且一旦自动驾驶系统的操控达到极限，就会立刻通知驾驶者重新掌控驾驶。这也被认为是继特斯拉Autopilot2.0之后，从L2至L3的一项突破。

除芯片和传感器外，不得不提的就是高精度地图。

自动驾驶汽车需要准确地知道自己在地图上的位置，包括每个车道的坡度、曲率、航向、高程，侧倾的数据。车道线的种类、颜色；每条车道的限速要求、推荐速度；隔离带的宽度、材质；道路上的箭头、文字的内容、所在位置；红绿灯、人行横道等交通参与物的绝对地理坐标，物理尺寸以及他们的特质特性……所有这些信息也都需要准确的反映在高精度地图之中。

L3 及以上级别的自动驾驶汽车必须依赖其精准定位，才能够有效地弥补传感器的性能边界。对于自动驾驶来说，高精度地图是实现高度自动化驾驶的重要保障。

目前，百度、四维图新、高德占据主要份额，国内市场呈现“三足鼎立”。根据 IDC统计，2020 年国内高精度地图行业市场份额前五名公司为百度、四维图新、高德、易图通以及 Here，其中 CR3 超过 65%，呈现“三足鼎立”的局面。

03、激光雷达成本居高不下

目前，自动驾驶主流市场中存在“弱感知+超强智能”和“强感知+强智能”两大感知路径，而特斯拉采用的便是前者。

“弱感知+超强智能”是指主要依赖摄像头与深度学习技术实现环境感知，而不依赖于激光雷达。将摄像头传回的图像通过算法进行计算，再经由控制器与执行机构实现操作，这便是马斯克的选项，然而所谓的“超强智能”，则需要足够强大的终端算理和算法来提供支撑。

2月10日，美国监管机构表示，特斯拉正在美国召回 578607 辆汽车，因为行人可能无法听到汽车驶近时所发出的必要警报声。

除此之外，特斯拉在不同场景仍存在一定问题，如驶入了电车轨道、远距离停车、无法辨认某些交通标志、撞上护柱等。想要实现高精度的环境感知，还有更多的细节性技术难点需要研究和攻破。

与特斯拉在“摄像头+人工智能”上的执着不同，国内许多自动驾驶顶流势力把传感器的赌注押在了激光雷达上，走一条“强感知+强智能”的路。谷歌Waymo、百度Apollo、Uber、福特汽车、通用汽车等自动驾驶企业，以及传统车企，都处在“强感知+强智能”的技术阵营中。

其中，百度选择了禾赛，包括基于dTOF的机械旋转式（Pandar系列）和MEMS微振镜（GT系列）等相对成熟的产品；华为激光雷达技术路线选择的是半固态的MEMS微振镜技术路线。

2022年初，蔚来预计发布的ET7、ET5等全新车型中也配备了1个超远距高精度激光雷达，以及7颗800万像素高清摄像头、4颗300万像素高感光环视专用摄像头、5个毫米波雷达、12个超声波传感器、2个高精度定位单元和V2X车路协同。

当前，机械式激光雷达的价格十分昂贵，Velodyne在售的64线/32线/16线产品的官方定价分别为8万/4万/8千美元。

据预计，2022年至2025年，全球乘用车市场激光雷达需求量将由22万颗提升至2134万颗，渗透率将由2021年的0.2%增至2025年的14%，彼时成本有望下降。 

04、政策法规落地难

技术落地，安全先行，自动驾驶离真正的“成熟”还有一定的距离。当高度有序的程序控制和高度无序的有人驾驶相结合，立法就变得复杂起来。方向盘的控制权该交给谁，成为自动驾驶领域的一个问题。 

对于新技术的接纳，国内往往采取较为稳健的策略。

2021年，工信部网安局、市场监管总局质量发展局出台了众多汽车网络安全的相关政策，不过我国尚未出台专门的自动驾驶数据法律规范，与其相关的规定分散在其他法律中。

目前，国内仍然缺乏专门的自动驾驶数据法律法规，汽车在采集地理信息时数据归属权仍不清晰，“重要数据”具体定义还未明确。

相较于国内，2021年12月，德国在法律层面认可L3自动驾驶上路。

与此同时，奔驰成为了欧洲第一家满足UN-R157法规的车企，成为了全球第一家以在开放道路上使用L3辅助驾驶的品牌，但这也仅限干在德国的高速公路上使用该功能。

根据SAE对L3级自动驾驶的定义，L3级自动驾驶开启时，如果出现意外事故，驾驶员不需要负责，而是车企对此负责。

为了避免各种意外情况发生，奔驰还是对L3级自动驾驶的开启条件作了严苛的规定，该系统仅可以在时速低于60km/h的状态下开启，虽然该系统分许驾驶员双手离开方向盘，但是仍然要保持双眼观察路面情况，以便随时接管车辆。

目前，UN-R157法规的缔约国有欧盟国家、英国、日本、韩国、澳大利亚等，奔驰的L3级自动驾驶车辆都可以在这些国家销售。

新兴技术往往“落地”最难。许多人把2021定义为自动驾驶元年，在这一阶段，电气化、智能化趋势正冲击着传统汽车产业链，疫情让国内用户也有了很强的无人化需求。

然而，骐骥一跃不能十步，要想实现L4-L5的完全自动化，自动驾驶还要走很长的路，有很多技术在最初也是不被看好的。待到商业落地的条件足够成熟，希望自动驾驶向更加开放的场景迈进。

本文来自微信公众号“一视财经”（ID:yishicaijing），作者：晓宇，编辑：西贝，36氪经授权发布。

相关推荐

自动驾驶的2022，还要迈几道“坎”？
体验共享经济成为新风口前，还要过这几道坎
第四范式的四道坎
推低价iPhone、攻印度市场：苹果迈5G手机断顿的坎
自动驾驶，2022再无红利
不造车的华为还有几个坎要迈
Disney+要实现2024年盈利，还需迈过几道坎？
Uber联合沃尔沃发布新一代自动驾驶汽车
百万销量后，特斯拉卷向自动驾驶
特斯拉计划2022销量增长50%，2.5万美元的新车未在计划中

网址: 自动驾驶的2022，还要迈几道“坎”？ http://www.xishuta.com/newsview59294.html