自動駕駛概念從誕生以來一直都是資本和技術創業者青睞的領域之一。新基建大背景下，伴隨著5G商用的逐漸成熟，自動駕駛領域的熱度自然是居高不下。

而這一點，從歷年的融資數據也可以看出。2015年起，伴隨著自動駕駛技術研發應用的火熱，全球自動駕駛行業投融資規模迅速增長，2018年行業投融資規模達到近年來峰值。

根據數據顯示，2019年全球自動駕駛行業共發生104起融資，雖然融資規模相比2018年有所下滑，但融資筆數仍然是居高不下，融資單筆規模也是屢創新高，就如Nuro獲得軟銀旗下愿景基金9．4億美元單輪融資，直接將融資水平拉至頂峰。

回到非常不容易的2020年，疫情似乎也沒有影響到自動駕駛領域資本的流轉。2020年2月，Pony．ai（小馬智行）獲得豐田投資的4億美元B輪融資，總融資額接近8億美元，另外一家自動駕駛公司Momenta，自從成立至今也已經獲得超過2億美元融資，投資方包含騰訊、戴勒姆集團、真格基金等高質量資本。

融資事件的不斷發生，＂燒錢＂發生的化學反應似乎并沒有很多企業預想得那么快。自動駕駛的很多玩家仍卡在L3級別，路面上仍然沒有看到不需要人控制的L4、L5級車輛（自動駕駛分級如下圖所示），與當時自動駕駛熱潮下，很多公司撂下＂計劃在2020年實現L4級別的自動駕駛＂ 的豪言壯語形成鮮明對比。

回歸本質，自動駕駛最終能否在公開道路上安全行駛？上路前還要經歷哪些考驗？何時才能上路？

我想這些才是我們一直想要知道的答案，下面我們一起探討下。

百花齊放，春天已來

上面我們說了自動駕駛歷年來的融資數據，下面我們不妨把視角轉回國內。

10月21日，全國首個常態化運營的5G無人公交在蘇州落地。此次亮相的無人公交在開放的城市道路上運行，且速度可達20—50千米／時。這輛無人公交車除了具備避讓行人車輛、自動變道、自動轉向、紅綠燈識別等基本功能，還能應對各類城市復雜交通場景，例如穿行人車混雜的路口、應對后車加塞、＂鬼探頭＂等。

此前，10月12日，百度無人駕駛出租車服務Robotaxi正式在北京開放運營。此次開放的區域大約700公里，覆蓋了海淀、亦莊等15個站點的測試區里，用戶可以無需預約，直接下單試乘。在百度推出無人駕駛出租車服務的第二天，單站點自動駕駛出租車的約車累計就達到了2608單。

今年6月，滴滴出行也在上海推出了自動駕駛出租車服務。阿里也布局了自動駕駛業務，將以物流配送作為主要切入點。美團同樣提出布局自動駕駛業務，先是和DeepDrive達成合作，又在去年推出了＂美團地圖＂。

而早在今年4月，長沙已經全面開放了無人駕駛出租車服務。

眼看著自動駕駛服務在國內陸續落地，自動駕駛的商業化已經不言而喻。

國內自動駕駛商業化的發展，離不開國家政策的大力推動。2019年12月，國內首次提出了新基建的概念，其中5G、AI、云計算這三大板塊正是自動駕駛軟件的核心技術。

而自動駕駛處于這幾大領域的交匯點，是新基建的典型落地應用。加上近年來不斷完善的智慧城市、智慧交通相關政策，正如行業資深人士所說，自動駕駛在國內的商業化落地正迎來最佳的時機。

百花齊放的景象背后，預示著自動駕駛的春天已經到來。曾經在科幻電影中才能看到的自動駕駛汽車服務場景，如今正在走進現實。

政策鼓勵發展，技術成為關鍵

除了自動駕駛服務落地速度加快，我們還注意到，因政策因素對自動駕駛落地應用產生的阻力效應也在減弱。

10月28日，交通運輸部新聞發言人、政策研究室主任吳春耕在國新辦發布會上表示，交通運輸部將自動駕駛作為科技創新支撐加快建設交通強國的重要領域之一，始終堅持＂鼓勵探索、包容失敗、確保安全、反對壟斷＂的原則，積極推進自動駕駛技術的研發試點和應用工作。

針對于近期在北京開放的百度無人出租車服務，吳春耕還表示，百度和有關企業推出的自動駕駛出租車，是一種在實際道路交通環境下的技術性能測試。我們歡迎和支持有關城市、企業大力開展創新，在確保安全的前提下，依法依規開展試點，加快推進自動駕駛技術發展。

雖然自動駕駛汽車上路，其與現行法律法規仍存在諸多沖突，包括《道路交通安全法》、《公路法》等都不涉及自動駕駛方面的內容，沒有明確法律界定。例如交通責任的認定缺失，客戶購買自動駕駛汽車會有很多疑慮，將影響高級別自動駕駛汽車實現市場化。

但我們從上面也可以了解到，政策鼓勵正推動自動駕駛不斷拓寬邊界，向前發展，就如今年疫情下，自動駕駛被應用在疫區物資的無接觸輸送上，而隨著政策法規的相繼出臺和完善，相信也將會有更多地區開放測試自動駕駛車輛。

行業資深人士表示，政策上雖然是鼓勵的，但技術上還有一段很長的路要走，我們現在已經解決了90％的技術問題，剩下的感知和決策規劃、邊界化問題是關鍵。

在目前開放的測試場景中我們會發現，在真實行駛場景中，開放試乘的道路多是路廣人稀環境單純的郊區，試乘的時候車速也很較低，而且無人車也不是真的＂無人＂，每輛車上都配備了安全員，如果遇到緊急情況，還是要安全員來處理，就如百度的無人出租車服務。

而前幾年已經有各種物流車、擺渡車試運營，但這些試運營都只局限在園區里頭，并未在公開道路中落地行駛。而就拿今年落地在蘇州的無人公交來說，其也需要按照固定路線中低速行駛，最高也只能達到L4級別自動駕駛，距離L5級別仍有很大的技術空間需要突破。

說了這么多，我們發現，自動駕駛仍然是應用在限定的環境下，目前并不能應付復雜多變的真實場景。針對于這一點，一方面是因為自動駕駛應用仍然需要更多成功案例去獲取人類社會的信任，即使目前的技術真正達到了L5，獲取信任也需要一定的時間，這是創新性技術必然的演化過程。

另一方面，自動駕駛仍需要跨越邊界內和邊界外的技術鴻溝，邊界內指的是感知和決策規劃的問題，邊界外指的是邊界化問題。

目前在自動駕駛的感知上，雖然有多種傳感器，比如360度激光雷達和攝像頭，但這些傳感器大多都輸出原始數據。人類看攝像頭和激光雷達的數據很容易能出識別內容，但計算機很困難。

普通模式下識別率會很快達到瓶頸，這時候就需要深度學習，以及大量的數據進行訓練，而當下受技術所限，電腦并不能無法識別很多顯而易見的場景。同時，當數據量猛增時，計算時間會延長，系統響應變慢，這也是無人車只能低速行駛的原因。

做不到快速的感知和決策規劃，自動駕駛就難以應對高速環境，當然這并不是無法解決的問題，屬于自動駕駛技術的長尾問題。隨著產業發展，各層技術不斷精進后，這類問題也將會解決。

而邊界化問題則有可能需要花費比前期更多的精力去解決，原因在于邊界化問題有可能是無窮的。就如自動駕駛車輛遇上野鴨子之前，工程師甚至不知道會有野鴨子的問題，而除了野鴨子、還有野狗子、野兔子等邊界外因素，所以面對這類邊界化問題，自動駕駛車輛該如何正確處理呢？

除了不斷收集數據，通過自動化工具將有效數據加工成可用模型，并納入邊界內系統，對自動駕駛車輛實行在線OTA的系統更新外，似乎并沒有更好的辦法。這或許會成為解決邊界化問題的通用辦法。

不管是邊界內還是邊界外的技術問題，解決技術問題除了時間因素外，更重要的還是數據因素。只有經過大量數據的檢驗和優化，自動駕駛系統才有可能更穩定，才有可能無限接近人類期望的L5級別。

特斯拉與奔馳，你更喜歡哪一個？

上面說到了數據因素是解決技術問題的關鍵，有兩位玩家值得我們關注，一個就是＂新玩家＂特斯拉，一個就是＂老玩家＂奔馳。

據了解，如今特斯拉正在大張旗鼓地宣傳其全自動駕駛軟件，稱其車輛有著最先進的自動駕駛功能，近期表示其自動駕駛系統將有重大升級，今年有望達到L5級。

就在上周，據國外媒體報道，特斯拉向一小部分車主推出了＂完全自動駕駛（FSD）＂軟件，他們將在公共道路上測試這款軟件，允許車輛在繁忙的城市內通勤中進行自動駕駛。但在其網站上隱藏著一份免責聲明，稱這一價值8000美元的系統并不能使車輛自動駕駛，司機仍然需要對它進行監督。

這些相互矛盾的信息讓該領域的專家指責特斯拉進行了欺詐且不負責任的營銷，這可能會使道路更加危險，因為到今年年底，該系統將向多達100萬名電動汽車司機推送。

而在另一面，梅賽德斯·奔馳公司表示，他們已經開發出了一個類似的系統，但是并未允許公眾在道路上使用這個系統。該公司工程師需要通過資格認證考試，才能成為測試駕駛員，而測試自動駕駛系統，還需要通過另外一個考試。

這家德國企業不希望客戶成為他們的試驗品，對車輛的處理器、軟件和機器進行測試，從而讓系統隨著時間的推移獲得更多能力，他們希望車輛可以先獲得工程師的驗證，在驗證了車輛和系統的可靠性之后，再將其開放給公眾。

奔馳和特斯拉所采用的方式，一個較為保守，另一個較為激進，但是兩家公司的目的相同，都是為了將高度自動化駕駛技術推上公共道路。小編也相信，隨著各路玩家不斷加注自動駕駛賽道，技術問題的突破指日可待，而自動駕駛必將更快地走進現實。

那么，特斯拉與奔馳，你更喜歡哪一個呢？
責編AJX