自动驾驶规模化落地还有哪些“路障”

（原标题：自动驾驶规模化落地还有哪些“路障”）

在描绘未来智能生活的小说或电影里，自动驾驶汽车是未来世界的“标配”。而现在，随着人工智能技术的不断发展，这一未来场景正在逐渐走进现实。

今年6月，中国首例自动驾驶汽车在广州完成暴雨穿越隧道测试，而此前首辆无人驾驶出租车也已在广州上路。7月，百度公司董事长兼CEO李彦宏宣布其L4级无人车“阿波龙”正式量产……无人货运卡车、无人驾驶摆渡车等越来越多的成功试验似乎传递着这样的信号：自动驾驶将近。

自动驾驶是近几年汽车领域最火热的风口之一。麦肯锡最新研究报告显示，至2030年，中国自动驾驶相关的新车销售及出行服务创收将超过5000亿美元。传统主机厂、互联网巨头、出行公司纷纷拥抱市场、卡位圈地。各类场景测试接续落地，大家都在探索如何实现自动驾驶技术的规模化商业应用，如何让人得以真正从方向盘上“解绑”。

自动驾驶究竟距离规模化应用还有多远？哪些“路障”仍横亘在前？近日，在2018自动驾驶全球高峰论坛上，数家自动驾驶企业及产业链上下游企业齐聚广州，共同探讨自动驾驶的“上路”之道。

自动驾驶还处于“BP机阶段”

“如果以从‘大哥大’到智能手机的发展过程来类比，现在自动驾驶基本上还处于BP机的阶段。”飞步科技创始人兼CEO何晓飞表示，“无人驾驶最核心的技术在于‘无人’，这对自动驾驶系统对速度和响应时间的控制能力提出了很高的要求，我们目前的水平还不够高。”

这一判断与自动驾驶公司AutoX创始人兼CEO肖健雄的看法相同，他认为，自动驾驶现在还处于非常早期的阶段，很多配套的产业链条尚不成熟，很多部件还不能依靠分工合作来完成，L4级及以上水平的自动驾驶大规模应用还需要不短的时间。

按照美国汽车工程师协会根据系统对于车辆操控任务的把控程度所做的分类，汽车自动驾驶系统分为L0～L5共6个级别。在这样的等级划分中，L4级指高度自动驾驶，即在大多数场景下自动驾驶能够实现。而现有的市场上的量产载人车型基本应用的是高级驾驶辅助系统（ADAS），还远未到无人的水平。

据了解，目前自动驾驶领域的企业多在载货以及封闭场景的载人方面探索，比较成熟的场景基本局限于企业园区、矿场、小区等。而相较于无人载货，载人的发展则更为缓慢。

今年11月，文远知行与广州公交集团白云公司在广州大学城试运行自动驾驶出租车，不久即被交通主管部门叫停。“自动驾驶的运营场景需要非常细致的考虑，比如怎么去接客人、车门怎么打开、安全如何保障等问题”，文远知行联合创始人兼CE0韩旭指出，自动驾驶要考虑的问题非常多，想实实在在改变人们的生活，还需要一段时间。

余下10%的技术需要90%的努力

在对于自动驾驶的憧憬中，安全可靠是最基本的底线，这直接考验技术的成熟程度。

L4级自动驾驶系统实现规模化“上路”，需要同时满足安全可控和技术可达两个目标，构建感知层、决策层和执行层技术架构，包括智能芯片、操作系统、应用软件、场景定义等流程，以及配套基础设施均相对成熟的产业生态支持。

广汽研究院智驾技术部部长郭继舜认为，从技术层面来讲，目前量产还面临着三个主要难题。第一，感知不够准。在保证成本可控的前提下，现有的传感器可准确识别较大物体，但对于恶劣天气或复杂路况的感知判别能力尚无法支撑实际使用。第二，决策能力不足，自动驾驶需要在场景测试中学习尽可能多的场景处理方式，包括各种复杂路况，以决定车辆的行驶状态和路线。第三，车辆的可操控性还需提升。在脱离人类控制时，当操作系统下达指令之后，车辆在多长时间内能够完成指令，“也就是说能不能保证数以万计的车的执行能力，这还是一个问题”。

其中，是否拥有足够的场景积累被视为自动驾驶“上路”的关键之一。Monenta（中国的一家自动驾驶公司）合伙人孙环表示，目前，人类司机平均行驶1亿公里大约会发生13起致命交通事故，而对于自动驾驶的期待是致命事故率降低一个量级，要达到足够的置信度需要多达百次的重复实验，这意味着以一套比人更加安全的无人驾驶系统行驶需要测试的总里程数要达到千亿公里，这对于现有的任何一家自动驾驶企业来说，都是个艰巨的挑战。

千亿里程的场景积累被广州公交集团羊城通有限公司董事长、总经理谢振东认为是自动驾驶从“聪明的车”到实现“车的智能”的重要界限。在他看来，现在的自动驾驶技术发展已经很快了，基本已经完成了90%的技术积累，“但是未来的路还有很长，因为剩下的10%的工作需要我们拿90%的努力来实现，那就是把人、车、路和环境在实际中结合起来。”

人才是最重要的缺口

在自动驾驶领域中，AI技术的发展至关重要，而想在技术上寻求突破，人才就成了关键。高盛2017年11月发布的《全球人工智能产业分布》报告显示，2017年全球新兴人工智能项目中，中国占51%，数量上已经超越美国。但全球人工智能人才储备，中国却只占5%左右。

“一才难求”的情况成为人工智能发展的最大短板。据创新奇智联合创始人兼CEO徐辉介绍，在其公司的近期招聘中，为找到一位合适的人工智能算法工程师，足足面试了185位候选人，仍没有找到称心如意的。“从更长远的意义上来看，人才可能是比技术、芯片都要更加稀缺和宝贵的资产。”他说。

高校被视作AI人才的“摇篮”，但香港科技大学电子及计算机工程系教授冯雁表示，AI人才的缺乏，并不是开设一两门课就能够解决的。她解释道，因为单纯的理论学习并不能赋予学生解决实际应用问题的能力，“目前的可行办法是在AI公司进行在职培训，这就要求公司本身具有一定的人才储备。”

此外，她指出，就香港科技大学而言，一部分专业教师选择投身行业，学校本身也非常缺乏教授AI专业的优秀师资。澳门大学副校长倪明选表示，他们也面临着同样的难题，“好的AI老师都被挖走了，我们找老师也非常痛苦。”

另外，中山大学数据科学与计算机学院无人系统研究所所长黄凯认为，人工智能在落地时必须不同行业进行交叉的特征，要求人才培养需要跨学科进行，而目前交叉学科的人才培养框架尚不成熟，加上高校教学设计周期较长，教学大纲一般四、五年调整一次，与现实需求难免形成一定落差。