新能源汽车大变局？中美日欧自动驾驶拼刺刀，中国优势有多大？
今年9月华为、特斯拉、大众、宝马、英特尔、现代等数十家世界顶尖公司齐聚慕尼黑车展，拿出自家招牌的自动驾驶技术，那场面可真是八仙过海-各显神通。大家的目的不言而喻，就是要在欧洲这高山上敲鼓,名震四方，所以场面是相当火爆。今天我们就来谈谈人类距离无人驾驶还有多远？华为能否在众多企业脱颖而出？
各家自动驾驶技术百家齐放2021年9月6日，第一届慕尼黑车展迎来了首秀。新老汽车生产商们济济一堂，在车展上华山论剑，一较高低。其中，新能源和自动驾驶是竞争最激烈的两个领域。新能源自不必提，自欧盟拟定2035年燃油车，各家汽车生产商卯足了劲儿，想要在这一全新的市场占有一席之地。而自动驾驶技术，则可能改变人类历史，在这个板块各个厂商厮杀得更为惨烈。
不过，当前自动驾驶技术并不成熟，虽然分了六个级别，分别为L0级别是全程人为驾驶；L1级别有一定的驾驶辅助功能，增加了安全性，比如ABS防锁死刹车系统；L2级别的自动驾驶也是目前各大车厂主流，能够在一定条件下实现车辆的转向和速度控制，但对于复杂路况安全性不够，驾驶员仍然要主导驾驶过程。
目前大多数企业只能实现L2级别的技术，到了L3以后的自动驾驶技术才开始登堂入室。因为L3级别能够解决大多数路况，不需驾驶员专注于驾驶了。L4级别已经相当安全，但仍保留了驾驶员的操作权限，能够让驾驶员操控驾驶过程。但这个操控一般是驾驶员的主观要求，而非驾驶安全的客观需要。
L5级别的自动驾驶技术稳定性和安全性大大高于人类驾驶，实现了驾驶全过程的自动化，驾驶员逐渐失业，我们完全变成了乘客。这时也为机器提供了更高的要求，就是人机交互，目的是和乘坐的人员高效交流、察觉并调动乘客的情绪。
但是能将技术做到L3以上的企业少之又少，大部分还处于测试当中。
自动驾驶大比拼，无人驾驶真的靠谱吗？目前大多数厂商的无人驾驶技术只能做到L2-L3级别，但是却吹嘘自己的技术已经打了L5。尤其是特斯拉口出狂言，计划建立自己的无人出租车队。资本虽然看好，但技术专家却普遍唱衰。
原因是特斯拉过于依赖视觉技术，信息来源过于单一。目前人类驾驶汽车，主要有三个器官参与，分别是眼睛、大脑、双手。眼睛和耳朵观察路况信息，大脑综合路况和目的地给出驾驶方案和实时决策，双手双脚则负责实施决策，实现加减速、转弯、变道等操作。
自动驾驶系统也是类似的，由感知层、决策层、执行层组成。感知层是眼睛，收集周围环境信息和车内信息，通过各种传感器实现。传感器类型包括激光雷达、摄像头、毫米雷达波、高精地图、卫星定位和惯性传感器等。感知层的各类传感器收集信息，并立即传送到决策层。
决策层是大脑，对收集到的路况信息进行汇总、处理，并根据路况给出决策，控制汽车下一步的运行。决策算法包括模糊处理、强化学习、神经网络和贝叶斯网络技术等。控制指令下一步传送到执行层。
执行层是双手，控制指令下达后，通过线缆传送到相关模块执行，比如加减速、制动、转向等操作。三个层级协同就能实现自动驾驶，但理论运用到实际中往往要经历一番争论。
感知层有两种技术路线。一种是仿生路线，以视觉感知为主。传感器布置以摄像头为主，以毫米波雷达、激光雷达为辅助。特斯拉就是这种路线，这也是前段时间各大机关单位禁止特斯拉进入的原因。
另一种方案是激光雷达为主，毫米波雷达、超声波传感器、摄像头辅助。谷歌、华为均采用摄像头、毫米波雷达、激光雷达等传感器系统。利用移动大数据中心和人工智能解决面对的问题。
中国车商也普遍利用雷达、摄像头、激光雷达、自动驾驶高性能计算单元、一站式软件和人机交互方案等方法，解决自动驾驶的问题，因为信息来源更多源，安全性更高。所以这套技术被主流传统车企所接受。
大众和技术公司Argo AI合作研发了一辆自动驾驶测试车，载客和运货都可以，号称自动驾驶级别达到了L4。这辆测试车全身有6个激光雷达、11个普通雷达和多个摄像头，实现对400米内的无死角监控。该车计划在2025年实现量产。
韩国现代汽车和loniq5电动车公司合作，开发了一款L4级别的无人驾驶出租车。该车有30多个传感器，包括LiDAR摄像头、雷达和激光雷达，可辨别前方300米内的路况信息。
除此之外，埃孚公司则专注于信息处理，其展示的超级计算机也是自动驾驶行业内的最强选手。它可以通过拓展平台处理各类传感器信号，处理路况信息，并且通过深度学习积累经验。
别克则更加专注于车联网，让车辆在驾驶过程中可以实现城市交通信息交互共享。简单来说就是和周边的信号灯、车辆进行通讯，更好地辨别路况信息。
相较之下特斯拉的自动驾驶的信息来源比较单一，主要依赖摄像头的视觉技术，但是这样成本低，但是摄像头对光线要求较高，容易受到天气影响，雾天、下雨时安全性会大幅下降。激光雷达准确度更高，对光线要求不高，但是对天气的要求也比较高。
两种方案都需要叠加其他雷达进行辅助，完成收集环境信息的任务。但现实是车载辅助的毫米波雷达，和视觉雷达、激光雷达的数据发生冲突时，优先哪一个数据；
对于传感器的信息数据，要转化成计算机可以理解的表达，才能让计算机解析出路况。通过物体检测、识别、3D建模、物体运动估计等算法，尽可能准确地还原环境信息、预判未来路况、做出行动指令。
一般决策层获取到多个信息，一是对感知层输入的信号进行处理，分析周边信息；二是预判未来几秒的路况，做出安全决策。不过输入的两种信息可能发生冲突，如果视觉技术提供的信息，决策层做出加速的决定，而辅助毫米波雷达给的数据，决策层却给出了刹车判断。
这个时候自动驾驶该如何选择？
所以自动驾驶在辅助性设备数据的对核心数据的补充和融合，大多数企业做得还不够完善。特斯拉的选择是优先视觉技术，所以导致前几年事故频发。这几年虽然有所改善，但是风险依旧不小。
另一个关键问题是芯片。目前5G覆盖率还不够，云计算延迟高，运行不稳定，要保证稳定快速的反应，必须依靠车载芯片来完成计算任务。
即使算法优化到最佳，L3级别的自动驾驶车载芯片也需要20GB的算力级别，随后的级别对算力的要求指数上升，L4级别需要300GB，L5级别更是要4000GB以上的算力。当前的芯片算力无疑还差得远。
我们离无人驾驶还有多远目前，蔚来、小鹏等国产品牌及特斯拉国外品牌已经将自动驾驶技术配置到了其高端车型上。
但自从自动驾驶技术上线投入使用以来，风波就从未停止。早在2016年，特斯拉的一个车主在开启自动驾驶状态时，车辆失控撞上环卫车，车主不治身亡。之后，特斯拉就将自动驾驶系统的翻译改为“自动辅助驾驶”，各大车厂也紧随其后改名，并让销售人员将其描述为辅助驾驶系统。
其原因大多数是因为执行层出了问题。执行层主要是对车辆的纵向控制和横向控制。
纵向控制即控制车辆的速度和启停，主要控制油门加减速、刹车。目前对电机、发动机、传动及制动系统的控制已经实现电子化。
横向控制是操控汽车的左右方向，即方向盘转向。横向控制在保证安全的大前提下，其目标是控制汽车在不同的车速、荷载、路况下都能保持乘坐体验。目前，横向控制也有电子化趋势，结构精简，效率提升。
但是特斯拉的“刹车门”事件，至今车商也没有给出准确的答复。国内其他造车新势力，包括小鹏、蔚来也都因为刹车有过车主维权的事情。在有人驾驶的情况下，会发生此类问题，更不用说自动驾驶了。
所以现阶段量产的新能源汽车，各大车企大力宣传自家的自动驾驶技术。另一方面，买车的消费者却被告知这只是一个辅助驾驶系统。
这体现了目前各大车厂的自动驾驶系统都存在着潜在的bug。
自动驾驶技术的难点正是在于驾驶过程中的零容错，要求运行过程中自动驾驶系统没有失误。小到剐蹭造成财产和车辆价值受损，大到紧急时刻的系统失灵危及驾驶员和乘客的生命，都不能出现。再保险的驾驶员，也难免会出现失误，更别说一项研发中的技术了。
当前的人工智能主要依靠机器学习，通过海量的训练，让系统掌握绝大部分的情况的处理方法。但这是一个黑箱，你能确定它掌握了99.99%的情况，却无法找出那万分之一的遗漏。
前段时间，林文钦在高速上开启了辅助驾驶模式，发生交通事故不幸身亡。这一事件让社会大众认识到自动驾驶技术技术目前仍不成熟。
各地政府对这一新兴技术也是持着既鼓励又谨慎的态度。一方面是产业升级的方向之一，另一方面是技术的不成熟。所以多地公布了自动驾驶技术测试路段。北京开放了123公里的测试路段，上海嘉定也开放了5.6公里的测试路段。
测试安全后，逐步开放路段，扩大自动驾驶技术在道路上的应用。
但这样的中间方案也存在一些问题，比如测试路段大多在郊区，路况简单；各个公司单独测试，造成资源浪费。
对安全性能的要求再高也不为过，所以自动驾驶技术注定还需要很长一段时间证明自己。
不过自动驾驶技术的目的是解放人力，实现物品的转移，所以应用场景不仅限于道路。目前在一些低速、重复、运货的应用场景，无人配送已经得到了应用。比如在写字楼，无人配送机器人可以配送快递、外卖；在医院，无人车用于送药、送饭；小区内，无人配送方便居民生活；社区里，无人机器人进行巡逻、测温、配送等工作。尤其是在疫情后，对人员的接触变得敏感，无人技术发挥了关键作用。
道路自动驾驶是最广泛、最复杂的无人驾驶技术的应用场景，所以对安全性的要求也是非常高。技术的迭代并非一帆风顺，不仅是技术和安全的争论，更有各方利益暗流涌动。但技术前进的脚步不会停歇，也不以谁的意志为转移。尽管目前还未投入使用，但无人技术也在慢慢进入我们的生活。我们从一部分繁重重复的劳动中解放了出来，更多的精力用于思考、创造。
未来无人驾驶必然会出现，但现在一些车企如果说自家产品拥有所谓的L3级别以上自动驾驶水平。大家就仁者见仁，智者见智吧。
与本文内容相关的文章：
