036：2017年对自动驾驶的十六个疑问

我在此前几期会员通讯里多次提到自动驾驶或无人驾驶带来的潜在影响，在我看来，无人驾驶不仅是科技公司竞争后移动互联网时代的重要布局，更是塑造人类未来生活的开始，毕竟，当下我们生活的城市，都是汽车推动的，而接下来的城市，将由自动驾驶汽车塑造。

a16z 合伙人 Frank Chen 日前分享了一个非常有料的视频，他以 16 个问题的形式，系统探讨了当下无人驾驶面临的机遇和挑战，并提出的一些解决思路。视频原地址在这里，英文无障碍的同学可以直接看，我这里只针对几个要点做一些补充和阐述。

自动驾驶的等级

事实上，自动驾驶是一个非常广义的概念，也是一个很容易被误解的概念。根据美国汽车工程师协会（Society of Automotive Engineers）对于驾驶的自动化程度的标准，有如下六大等级：

简单来说，Level Zero 就是纯人类驾驶，level One 则是所谓辅助驾驶，也是目前绝大多数中高级汽车可以实现的功能，诸如定速巡航之类的功能，后面几个则需要着重说一下：

• Level Two: Partial Automation，这是一种可以让汽车在某些特定情况下代替人类完成驾驶行为的等级，而驾驶员需要全程监控系统运行状况。
• Level Three: Conditional Automation，这个等级比上面更高一些，驾驶员不必全程监控，但需要在某些紧急情况下取得汽车驾驶权；
• Level Four: High Automation，这个等级更高，汽车可以应对绝大多数的驾驶任务；
• Level Five: Full Automation，所谓全自动驾驶阶段，你需要做的，就是两个字：享受。

你的自动驾驶汽车采用什么传感器？

激光雷达，毫米波雷达和摄像头是无人驾驶的三大关键传感器技术，Google、Audi和百度等公司研发的无人驾驶汽车基本都采用了激光雷达。

目前激光雷达在无人驾驶的两个重要作用，其一是3D建模进行环境感知。通过激光扫描可以得到汽车周围环境的3D模型，运用相关算法比对上一帧和下一帧环境的变化可以较为容易的探测出周围的车辆和行人。其二则是SLAM加强定位。激光雷达另一大特性是同步建图（SLAM），实时得到的全局地图，通过与高精度地图中特征物的比对，可以实现导航及加强车辆的定位精度。

但摆在自动驾驶各个巨头面前的重要挑战则是激光雷达高昂的价格，比如一款 Velodyne 64线激光雷达的价格高达 8 万美元，配备这样雷达的自动驾驶汽车，价格不会低于 30 万美元，这也意味着，其与大众市场有相当大的差距。

当然也有一些好消息，比如全球顶尖激光雷达厂家Velodyne 在去年获得百度等多家公司融资后，其新品研发速度令人刮目相看，倘若能将雷达价格降低到 1 万美元以下，毫无疑问将给行业带来巨大影响。

地图之争

过去几年，中外的地图大战基本结束，全球范围内的 Google Map 据垄断地位，苹果地图也有一些份额，在中国市场，百度和高德瓜分天下，但上述地图都是给人类看的地图，而不是给汽车看的地图，换句话说，新一轮围绕汽车的地图之争已经开始。

所谓汽车地图，或者高精地图，需要的是交通信号灯、车道标记（如白线、黄线、双车道或单车道、实线、虚线）、路缘石、障碍物、电线杆、立交桥的信息，而麻烦的是一点在于，由于很多道路不可预知的情况，比如道路施工、维修等原因，上述信息也是动态变化的，这也提出了另一个问题：汽车的地图是提前编程还是实时计算？如果是实时计算，其网络能力能否应对如此海量的传输需求？

还有哪些新技术会来到汽车？

深度学习毫无疑问是最热门的技术候选，另外模式识别，云与本地的结合等等都有不小的潜力。

不过有意思的是，我们曾经一度被震惊的波士顿机器人，从来没有采用机器学习……

谁会成为赢家？

目前的自动驾驶领域从国别上说，是中美日之争，而从切入点来说，则是传统汽车公司、新锐汽车公司和互联网公司的竞争。

不过，一个有意思的事实则是，这些公司不管来自哪里，都开始在硅谷建立了办公室，也申请在加州测试无人驾驶汽车，而未来的胜者，或许将在这其中产生？

自动驾驶的商业模式

短期来看，自动驾驶汽车的价格不会完全亲民，这意味着每人一辆自动驾驶汽车的美梦短期内还无法实现。这也是当前 Uber 、Lyft 等共享出行公司努力的方向：在自动驾驶普及前，通过共享出行占领市场[1]。

另一方面，自动驾驶本质上是软件层面、服务层面的竞争，互联网公司有着天然的优势，传统车企的命运十分危险。

自动驾驶的时间表

目前尚无明确的时间表，但 2020 年会成为重要一年，各大巨头的自动驾驶汽车或将正式商用。而接下来的 20 年，则是自动驾驶真正走入普通大众的时间。