自動駕駛的進化觀后感（自動駕駛的進化觀后感怎么寫）

今天給各位分享自動駕駛的進化觀后感的知識，其中也會對自動駕駛的進化觀后感怎么寫進行解釋，如果能碰巧解決你現在面臨的問題，別忘了關注本站，現在開始吧！

本文目錄一覽：

• 1、自動駕駛改變未來讀后感
• 2、造車新勢力蔚小理的自動駕駛進化之路
• 3、自動駕駛的未來樂觀嗎？
• 4、汽車輔助駕駛頻出交通事故，“自動駕駛”距離我們還有多遠？
• 5、華為自動駕駛技術全球首次公開試乘，你對自動駕駛是什么印象？
• 6、《無人驅》：我們為何要發展自動駕駛技術？

自動駕駛改變未來讀后感

第一、肯定會改變城市規則的，大家都越來越不用聚在市中心了，為了住的更舒服，郊區肯定更舒適啊。對了，還有郊區嗎？

第二、連帶效應，人們的消費習慣會不會回到從前呢？大型購物中心、戶外廣告牌會不會也更重要呢？最簡單的，能否買得起自動駕駛，有成為人們社會地位的象征呢？

第三、再往下想想看：出租車司機、滴滴出行、汽車修理工、交警、這些職業都會消失嗎？

第四、繼續往前走：未來，比如Uber這樣，每個人通過智能手機都可以隨便使用任何一輛汽車，只是不再擁有所有權而已，隨便用。小區停車位是什么？停車場是什么樣的？加油站和修車廠等等，這些多出來的這么多的空間，能怎么利用呢？

造車新勢力蔚小理的自動駕駛進化之路

英偉達CEO黃仁勛曾提出“電動化”與“智能化”將對 汽車 產業帶來顛覆性的變化，如今“電動化”的戰場硝煙未止，“智能化”的戰爭便已經打響。

自動駕駛作為智能 汽車 的大腦，是實現“智能化”至為重要的一環，是 汽車 進化為智能體的必由之路，可以認為， 得自動駕駛者得“天下”。

在各路自動駕駛玩家中，國內的造車新勢力是一股不容小覷的力量，目前以小鵬、蔚來、理想三家處于相對領先地位。

蔚小理均采用漸進式的路線，即從低等級的自動駕駛起步，逐步擴展功能和場景覆蓋，最終進化為全場景的完全自動駕駛。

不過，蔚小理對于實現自動駕駛進化的思路以及速度存在差異，從整體上看，小鵬目前領先于其他兩家，蔚來略領先于理想， 本文將嘗試對這三家企業的自動駕駛進化之路進行解讀。

01 小鵬

快速迭代保持領跑，重點深耕泊車場景

小鵬從創始之初就一直致力于做中國的自動駕駛第一，小鵬 汽車 董事長何小鵬在中國電動 汽車 百人會論壇上自豪地說道，小鵬在智能駕駛領域比絕大多數公司領先2-3年。

2018年12月 小鵬首次推出輔助駕駛系統Xpilot2.0 ，搭載于小鵬首款智能 汽車 G3，計算平臺采用Mobileye EyeQ4芯片，感知硬件系統包含1個前視攝像頭、4個環視攝像頭、3個毫米波雷達和12個超聲波雷達。

在當時，小鵬經過調研認為在自動駕駛最主要的三大系統行車、泊車與主動安全中，泊車系統的功能成熟度相對是比較低的。

自動駕駛產品開發部總監肖志光提出：“我們看到了其中很多用戶痛點，之前的泊車系統經常識別不到車位，且操作不便捷，那這些地方我們可以去攻關，真正解決用戶的痛點?！?

因此，除了落地基礎的ADAS功能外， 小鵬選定智能泊車作為其自動駕駛進化之路的“制勝法寶”。

小鵬是國內最早 將視覺感知能力融入自動泊車 的車企，車輛可以通過攝像頭識別周圍的車位線等，與雷達系統的感知能力進行融合完成泊車，這使得小鵬可以實現垂直、水平、斜方位、無劃線等所有泊車場景下的自動泊車和遙控泊車能力。

這項能力到目前仍然是領先于蔚來和理想的。

然而由于Mobileye比較封閉的特性，最重要的感知算法基本為“黑盒”，導致車企對于算法的開發自由度很低，也很難觸及到用戶使用過程中產生的數據，對于小鵬這種很早就計劃要做全棧自研的車企，顯然是無法滿足其訴求的。

因此小鵬 決定改用英偉達的Xavier芯片作為計算平臺 ，Xavier是英偉達2020年量產的首款高等級自動駕駛芯片，算力30Tops，遠高于EyeQ4的2.5Tops，最關鍵的是英偉達的芯片是開放式的，車企在其提供的開發環境內較高的自主開發性并可以獲得底層的感知數據。

擺脫了“黑盒”的束縛 ，小鵬開始施展拳腳，正式開啟“全棧自研”之路。（注：這里說的“全棧自研”是指以此為方向，并不代表已完全落地，事實上，目前能做到全棧自研的公司只有特斯拉，國內車企可以實現部分自研）

2021年1月小鵬推出P7車型，搭載Xavier芯片，并新增3個前視攝像頭、4個側視攝像頭、1個后視攝像頭， 構建了360度全方位環繞感知能力 ，而蔚來和理想事實上直到今年才完成此項能力構建。

小鵬在P7車型中配備升級后的自動駕駛輔助系統Xpilot3.0，支持NGP高速領航輔助駕駛功能，即在高速場景下可以實現高精地圖覆蓋范圍內的點到點自動駕駛， 由此小鵬已實現“泊車+高速”雙場景覆蓋 。

同年6月小鵬對其主打的自動泊車能力進行了大幅提升， 通過OTA推送了“VPA記憶泊車”功能 ，被官方稱為是“首個量產且不依賴于停車場改造的最后一公里泊車功能”。

所謂VPA記憶泊車，是指系統可以自動記憶車主常用的停車路線，在不需要駕駛員干預的情況下，將車輛從設定路線的起點自動開往設定路線的終點， 是L3級自動駕駛功能 。

小鵬的VPA以視覺感知輸入為主，通過視覺神經網絡處理算法構建停車場的“語義地圖”，包含停車場內的車道線、柱子等各種核心元素，將實時感知到的元素與記憶中的元素進行“匹配”，進而不斷調整行車路線以接近記憶路線，直至完成泊入車位。

在擁有泊車和高速兩大場景的高階自動駕駛能力后， 小鵬繼續發力城區場景 ，引入激光雷達傳感器，與攝像頭視覺感知融合，打造更具安全冗余的感知能力，釋放城區場景NGP輔助駕駛能力，落地于小鵬P5車型。

至此， 小鵬自動駕駛能力已初步覆蓋泊車、高速、城區三大核心場景。

小鵬的快速迭代之路仍在繼續，今年2月，小鵬通過OTA進一步升級記憶泊車功能，新增跨樓層記憶泊車、記憶路線可分享、泊車過程中可沿途搜尋并泊入空閑車位等能力。

小鵬也因此 基本實現了“自動泊車”向“自主泊車”的進化。

為了更進一步打通各場景下的自動駕駛能力，小鵬將再次升級計算平臺， 將Xavier芯片替換為英偉達最新的OrinX芯片 ，單顆芯片算力達到254TOPS，打造出Xpilot4.0， 實現真正意義上的全場景、點到點的導航自動駕駛 ，首次搭載最新軟硬件系統的是小鵬最新款車型G9，將于今年6月正式發布。

整體來看，小鵬以智能泊車作為持續深耕的功能，這個選擇是有效的，一方面國內泊車費時費力，是用戶開車的痛點問題之一，另一方面停車場屬于超低速場景，在自動駕駛能力還不夠完善時相對風險較低， 小鵬在泊車域成功實現卡位 。

同時， 小鵬從一開始便提出要逐步全棧自研的思路，并以高頻次快速迭代，是最早實現高速、泊車、城區全場景自動駕駛能力覆蓋的車企。

小鵬的自動駕駛能力在國產造車新勢力中目前是處于領先身位的，隨著蔚來、理想的奮力追趕，如何持續保持領先優勢是小鵬需要研究的課題。

02 蔚來

硬件能力高舉高打，率先落地高速領航

蔚來是國產造車新勢力的先行者 ，2017年12月便首次發布了 第一代自動駕駛系統NIO Pilot ，搭載于蔚來首款車型ES8，包括后來的ES6和EC6均使用這套輔助駕駛系統。

NIO Pilot的計算平臺同樣選用的Mobileye的Eye Q4，初代感知系統采用3個前視攝像頭、4個環視攝像頭、5個毫米波雷達及12個超聲波雷達在內共計22個傳感器組成，這個配置是要高于小鵬和理想的初代感知硬件。

2019年6月蔚來通過OTA推送了 NIO Pilot的第一次重大升級 ，新增了包含高速自動輔助駕駛、擁堵自動輔助駕駛、轉向燈控制變道、道路交通標識識別、車道保持功能、前側來車預警和自動泊車輔助系統在內的7項功能。

需要注意的是，這次升級的幾項功能仍是L2級以下的低階自動駕駛水平，包括其中的高速自動輔助駕駛，僅是在實現自適應巡航（ACC）的車速控制和車距保持功能的基礎上，增加了車道保持的轉向輔助功能。

蔚來真正實現較高水平的自動駕駛能力，是在2020年10月融入高精地圖后， 釋放的高速場景下點對點領航輔助駕駛功能 ，這個時間點要早于小鵬和理想，是 國內首家實現NOA高速領航落地的公司 。

對于蔚來自動駕駛能力的進化之路而言，這是一個重要的節點， 標志著蔚來開始邁向L3時代 ，與小鵬選擇泊車場景作為切入點不同，蔚來率先選擇切入的場景是高速。

隨后蔚來 升級視覺融合全自動泊車功能 ，不過僅支持水平和垂直兩類常見車位自動?？?，對于斜方位或者無劃線的車位無能為力，屬于L2級別，整體性能距離小鵬有較大差距。

第二代自動駕駛平臺NT2.0的問世，是蔚來另一個重要節點。

2021年1月，在蔚來NIO DAY上，李斌發布了NT2.0以及基于此平臺打造的 NAD自動駕駛系統 ，NAD的全稱是NIO Autonomous Driving，從Assisted Driving（輔助駕駛）到Autonomus Driving（自動駕駛），表明了李斌對這套系統的定位。

李斌曾提到，以NT1.0搭載的硬件架構，其傳感器和運算能力無法實現 L4 級自動駕駛，也不會宣布可以做到L3，他認為NT2.0作為蔚來研發的新一代技術平臺，會是行業內最先進的量產自動駕駛技術。

NT2.0和NAD的落地標志著蔚來吹響加速向無人駕駛進軍的沖鋒號角 ，配備此系統的最新款車型ET7已于今年3月落地交付。

NAD系統在硬件層面延續了蔚來“高舉高打”的特點 ，計算平臺由Mobileye升級為更為開放的英偉達，共計搭載4顆英偉達Orin芯片，包括兩顆主芯片、一顆備份芯片和一顆群體智能與個性訓練專用芯片，整體構成蔚來超算平臺NIO Adam，算力高達1016TOPS。

在感知層面， 蔚來打造Aquila超感系統 ，NAD在NIO Pilot基礎上拿掉一個前視攝像頭，但新增兩個瞭望塔式側前視、兩個側后視和一個后視，并且攝像頭由180萬像素升級為800萬高清攝像頭，構建360度全視角高清感知能力，同時新增一個激光雷達，作為視覺感知的冗余，整體稱得上豪華。

同時值得注意的是， 蔚來在NAD中還額外增加了C-V2X感知模塊 ，是國內第一個在新車搭載V2X的車企，V2X即車聯網，用以實現人、車、路和云平臺之間的連接與通訊，表明蔚來在發力單車智能同時，已經開始布局車路協同。

可以看到， 蔚來實現自動駕駛進化的一貫思路就是“硬件先行” ，無論是NT1.0，還是NT2.0，都配備了高冗余的硬件系統，基于高規格硬件系統，通過正向獨立開發不斷更新軟件能力。

不過，高級別硬件能力固然可以更好地保障自動駕駛系統游刃有余地處理各類復雜任務，然而單靠硬件堆棧難以從根本上真正提升自動駕駛的能力， 再好的“裝備”如果不是給到一個“技能”足夠強大的角色，可能也難以“打贏 游戲 ” 。

NAD相比NIO Pilot不僅需要完成從高速到泊車、城市的全場景跨越，還需要完成從僅前視感知到360度環繞+激光雷達融合感知的跨越，且由于前期一直采用Mobileye封閉芯片，底層的數據積累不夠充分，這些對于蔚來都是需要面對的挑戰。

如何提升算力和數據的利用效率， 強化自動駕駛的“軟實力” ，是蔚來需要加足馬力提升的，好在蔚來具有厚實的研發基礎，近日原小鵬自動駕駛產品總監黃鑫的加入，或許可以一窺蔚來要做出改變的決心。

03 理想

后起之秀先發制人，自研發力主動安全

相比小鵬和蔚來，理想的自動駕駛之路看起來是起步更晚的，李想曾自嘲說道是由于自己創業初期融資能力差導致沒有充足的資金開展智能駕駛技術研究，這個局面在2020年理想 汽車 IPO之后才發生根本性轉折。

但或許，理想的自動駕駛之路早就開始了。

2019年4月理想落地首款量產車理想One，同樣是搭載擁有成熟ADAS方案的Mobileye EyeQ4芯片，配備1個前視攝像頭、4個環視攝像頭、1個毫米波雷達和12個超聲波雷達，具有車速、車道控制等L2級以下自動駕駛功能，整體比較基礎。

但理想有一個特點， 從一開始就標配輔助駕駛功能 ，是因為理想希望通過用戶使用持續收集駕駛場景的數據，理想擁有乙級地圖測繪資質，是造車新勢力中第一家擁有合法收集數據資格的企業。

也就是說， 理想ONE一直在使用“影子模式”獲取數據 。

數據對自動駕駛至關重要，自動駕駛底層是一種基于機器學習算法的技術，數據是算法建模與軟件落地的基礎，大量的數據采集是自動駕駛技術開發的前提。

可以說理想從采集數據開始就已經啟動了自動駕駛之路，因此我對理想自動駕駛的定位是“后起之秀，先發制人”。

在擁有充分的數據和研發資金后，理想便拋棄了相對封閉的Mobileye芯片， 轉向與支持車企自主開發感知、控制算法的地平線J3合作 ，開啟自研之路。

2021款理想ONE便是落地的車型，相比2020款，升級了前視攝像頭的性能參數，新增4個毫米波雷達，并首次融入高精地圖。

自研方向除了必備的NOA導航輔助駕駛之外，理想還 選定了AEB作為自研的重點功能 ，AEB全稱Autonomous Emergency Braking，即自動緊急制動系統， 是一種 汽車 “主動安全”技術 。

在傳統 汽車 領域，AEB已經是一個較為成熟的功能，主要依靠雷達進行障礙物識別，通過測量距離碰撞發生的時間來判斷是否選擇自動制動，由于 汽車 在行駛過程中突然剎車也是有危險的，因此AEB要求性能非常穩定，既不能不剎車，也不能亂剎車。

那為什么理想要選擇這樣一個在自動駕駛系統里并不起眼且開發難度極高的功能作為自研突破點呢？

不考慮商業競爭的因素，或許源于李想對產品力的極致追求，安全性是衡量自動駕駛能力一個很重要的性能指標，AEB雖不起眼，但卻是ADAS里 唯一一個在行車場景下隨時待命的功能 ，對于自動駕駛的安全性能有非常重要的意義。

傳統的AEB方案由于僅依靠毫米波雷達做探測，缺乏對物體的識別，容易出現誤報的情況， 理想在自研過程中將視覺能力融合進來，采用“視覺+毫米波雷達”融合感知的AEB方案， 并利用積累的巨量真實駕駛數據進行算法訓練，實現AEB功能的快速迭代和落地。

理想是全球第二個落地視覺融合方案AEB的車企，第一個是特斯拉。

2021年12月，理想正式交付自研完整版的AEB和覆蓋高速場景的NOA功能，也 標志著理想在自動駕駛方向與小鵬和蔚來正式站在同一個賽道 。

進化之路仍在繼續，2022年3月，理想發布新一款車型理想L9，硬件能力全面升級，感知層面采用高性能攝像頭作為主要感知來源，配備6顆800萬像素和5顆200萬像素攝像頭，實現360度全方位感知，同時配備激光雷達作為感知冗余，計算平臺也同樣采用算力更強大的英偉達Orin方案，搭載兩顆OrinX芯片，總算力達到508Tops。

同時 理想推出自動駕駛系統AD Max ，采用全棧自研的感知、決策、規劃和控制軟件，基于這一代系統，理想將逐步覆蓋高速、泊車、城區的全場景導航自動駕駛能力。

理想作為后來者，以主動安全為主要發力點切入自動駕駛初見成效 ，不過AEB畢竟是個低頻功能，而且用戶其實并不希望有需要用到AEB的場景，自動駕駛要想真正給用戶體驗帶來“質”的變化，在行車域和泊車域的功能是重頭戲，理想需要加速這些方面的能力落地。

面對實力強勁的競爭對手，理想仍然道阻且長。

04 有什么共性？

三家新勢力在各自制定的路線上實現自動駕駛的快速進化，雖然路線有所差異，但大的方向還是存在一些共性：

數據驅動的底層思想

數據對自動駕駛的重要性不言而喻， 算法為數據服務，算力為算法服務 ，數據是自動駕駛能力的“源泉”。

小鵬 汽車 董事長何小鵬說：“我們致力于全棧自研，堅持數據驅動并不斷創新，這是小鵬 汽車 業務的基石?！?

理想 汽車 CTO王凱說：“車企想做到頭部，一定要做數據驅動的 科技 企業?！?

蔚來聯合創始人秦力洪說：“原生數字化企業不是個時髦，是個必須?！?

從這些變態可以看出三家企業均 將“數據驅動”作為打造自動駕駛和智能 汽車 的一個基本底層思想 。

數據驅動的關鍵是要構建數據閉環，包括數據采集、數據標注、數據訓練、數據仿真等模塊在內，共同形成由數據驅動開發和功能迭代的閉環系統，小鵬、蔚來和理想均在此發力。

未來自動駕駛的產品競爭，高效的數據閉環將成為有力的武器。

冗余配置的工程思維

人體作為一個復雜系統，冗余配置是很常見的一種形態，例如雙肺和雙腎，其中一個壞掉后不影響人體的正常運轉。

冗余配置，是指重復配置系統的某些部件，當系統發生故障時，冗余部件介入并承擔故障部件的工作，由此減少系統的故障時間。

對于自動駕駛的工程落地，蔚小理也運用了冗余配置的工程思維，在相關鏈路中的感知、計算、執行系統等環節都做了充分的冗余配置。

感知層面，小鵬、蔚來和理想均同時搭載攝像頭、毫米波雷達、超聲波雷達等多類型傳感器，并將同時配備激光雷達，不同傳感器的能力各有優勢且有重疊部分，構造出“具有冗余感知能力”的自動駕駛感知系統。

算力層面，蔚來配備四顆芯片，一顆作為冗余備份，小鵬和理想配備雙芯片互為冗余，三家的自動駕駛算力均達到500Tops以上，蔚來更是達到1000Tops+，強大的算力應用于目前的自動駕駛能力有充分的冗余空間。

執行層面，針對轉向控制系統、駐車制動系統、動力輸出系統蔚小理也都做了相應的冗余設計，確保自動駕駛控制信號正常執行。

安全是自動駕駛第一要義，冗余為安全護航。

應用場景層面的漸進式

實現全無人駕駛的路線有漸進式和跨越式兩種，一般意義上的漸進式是指自動駕駛能力上從L1-L5逐步實現。

還有一種視角是在應用場景層面的漸進，也就是說，先在部分場景落地相對高階的自動駕駛，然后不斷擴大應用場景，最終實現全場景的高階自動駕駛。

小鵬優先在泊車場景落地L3級的記憶泊車，隨后在高速和城市快速路場景落地L3級點到點導航輔助駕駛，主城區場景點到點導航輔助駕駛正在測試中，預計今年中旬會正式落地。

蔚來和理想目前已落地高速場景導航自動駕駛，并且都宣布會在最新一代自動駕駛系統中逐步落地全場景導航輔助駕駛功能。

從泊車、高速、城市快速路、主城區，到更廣泛的場景實現多域融通， 自動駕駛將逐步滲透，量變終會引發質變 。

軟硬件全棧自研的趨勢

從Mobileye到英偉達，車企選擇合作的芯片由封閉走向開放，核心原因是車企希望在數據和算法層面掌握更多自主權，隨著硬件能力逐漸趨同，智能化的競爭最終是軟件及軟硬耦合能力的競爭， 車企掌握數據和算法的自主權，更有利于實現快速迭代，打造差異化功能體驗和產品服務 。

目前蔚來、小鵬和理想均已先后啟動軟件和算法的全棧自研之路，同時對于自動駕駛核心硬件的自研也正摩拳擦掌。

早在2020年，蔚來便傳出要自主研發自動駕駛計算芯片的消息，后來因為遭遇財務危機，芯片自研的計劃暫時被擱置，2021年據36氪報道，小鵬 汽車 也已開始涉足核心芯片的自研，而理想因為近期才宣布軟件自研，硬件自研還需時日，理想對外的說法中也沒有否認過要自研芯片的可能性。

要最大限度發揮自研技術的價值， 軟硬件一體化自研或許是必由之路 ，國外的特斯拉便是這方面的先驅。

05 寫在最后

自動駕駛的賽道日漸擁擠，越來越多的玩家意識到自動駕駛 的重要性，蔚小理由于介入更早，在認知、技術、數據、經驗等多個維度都已具備一定的領先優勢和技術壁壘。

從全球來看，造車新勢力的自動駕駛能力，國外特斯拉一枝獨秀，處于霸主地位，國內以蔚小理處于第一梯隊，能力各具千秋，逐步形成階段性的“一超多強”競爭格局。

然而，自動駕駛的競爭并不會停止，在蔚小理相互之間持續競爭之外，隨著后續蘋果、小米、集度等新玩家的加入，以及傳統車企對自動駕駛能力的追趕，競爭會愈演愈烈。

競爭會加速進化，在以蔚小理為代表的造車新勢力的推進下，期待 全自動駕駛時代可以提前到來。

來源于公眾號：禾隱記（hejunnote)

自動駕駛的未來樂觀嗎？

自動駕駛汽車的研發已經成為全球熱潮。無論是像谷歌、百度、Uber這樣的互聯網巨頭，還是豐田、通用、福特這樣的老牌汽車制造商，都在以大量的人力、資金向自動駕駛領域*** 。

然而，無論是Waymo推出首個自動駕駛汽車商用服務，還是汽車制造商公布各種自動駕駛水平的原型車時間表，不少人仍然認為：對于自動駕駛汽車的未來，我們過于樂觀。

他們認為，即使自動駕駛汽車時代終將到來，也不會像許多人所鼓吹的那樣快速和順利。大西洋月刊的作者Alexis C. Madrigal對這些觀點進行了整理，認為質疑的聲音主要體現在7個方面。

自動駕駛能夠像下圍棋那么容易？計算機算法是否能真正保障乘客安全？能否應對黑客攻擊？對緩解交通擁堵和降低碳排放是否真的管用？……

這些疑問一方面會提醒我們自動駕駛的研發和商業化絕不會一帆風順；另一方面，為解決這些疑問而進行的努力其實也會推動自動駕駛技術的不斷完善和進化。

疑問1：汽車能否像人類一樣聰明？

到目前，計算機還遠沒有接近人類的智能。在某些單一任務中，例如下圍棋或識別圖片中的某些對象，其表現可優于人類，但這種技能無法推而廣之。

自動駕駛汽車的擁護者傾向于認為自動駕駛更像是“下圍棋”：一項遠低于人類理解世界所需技能的任務。但是，在2017年的論文中，羅德尼·布魯克斯（*** 的機器人學家和人工智能研究者，麻省理工學院計算機科學和人工智能實驗室的領導者）反對基于一定“邊緣情況”而提出的自動駕駛短期能力。

他寫道：“即使有一套適當的指導原則，仍然會有許多感知上的挑戰……這些挑戰遠遠超出了當前開發人員通過深度學習網絡所解決的挑戰，而且可能是比迄今為止任何人工智能系統所能展示的更加自動化的推理?！?，“我懷疑，為了做到這一點，為了妥善處理所有的邊緣情況，我們最終會希望我們的汽車像人一樣聰明?！?/p>

他仍然相信，總有一天自動駕駛汽車會取代人類駕駛員?！霸谧x到這篇文章的許多人的一生中，人類駕駛很可能會消失?！@不可能一蹴而就?！?/p>

汽車輔助駕駛頻出交通事故，“自動駕駛”距離我們還有多遠？

隨著科技水平的發展與提高，越來越多的工作能夠被機器和人工智能所代替。在汽車領域也有越來越多的汽車開發商在研發汽車的輔助駕駛功能，自動駕駛成為人們越來越常聽見的一個詞匯。但是從各大新聞軟件上不難發現，由于汽車的輔助駕駛所出現的交通事故仍然占據一個非常大的比例，自動駕駛在現在社會上的認可度也是比較低的，很多人對自動駕駛存在著非常大的偏見，自動駕駛也確實存在著很大的安全問題。小編認為自動駕駛距離進入人們的日常生活，還有一段非常遠的路程要走。

現在不少具有自動駕駛功能的汽車機價格是比較高昂的，所以這個類型的汽車銷量不太可觀，這導致了很多的汽車生產商會打著各種各樣的噱頭，在網絡上宣傳自動駕駛汽車的好處，但是就現在而言，這個行業還是不夠完善的，距離正式的進入市場并且在市場中占據重要的地位還比較遙遠。如果在未來普及了自動駕駛汽車，可能會使很多以開車為謀生手段的人員出現失業的情況，這會給人們帶來更大的生活壓力。

并且與普通的汽車相比，自動駕駛功能的汽車如果出現一些問題，需要承擔的修理費用是比較高的，修理起來是相當困難的。在這種汽車出現一個小小的故障的時候就要十分重視，否則很可能導致交通事故的發生。

不過自動駕駛汽車也具有不少的優點，例如自動駕駛汽車能夠降低交通犯罪的出現。很多人在開車的時候存在著違反交通規則的現象，這主要是為了節省自己的駕駛時間，闖紅燈、搶占車道的現象在中國也是屢見不鮮。而自動駕駛汽車由于是人為設定的程序，所以會嚴格的遵守交通規則。

華為自動駕駛技術全球首次公開試乘，你對自動駕駛是什么印象？

? ? ?人類社會的進步可以看作是生產工具的進化史。 從最初實踐的農耕時代到后來機械自動化的工業社會，從初期的電話信號到現在的萬物互聯，社會的巨大進步得益于生產工具效率的提高。 今天所說的自動駕駛，其實是社會自動化的一部分。 它最初可以在單一的情況下開拓新技術，應用于社會其他領域(物流、工廠、自動運輸)等，在未來社會結構老齡化、年輕勞動力縮小的情況下，有助于社會生產力的效率化。

世界每年因交通事故造成相當于約6000億美元的經濟損失。 作為世界人口密度最大、最擁堵的國家之一，2017年國內約26%的城市在上下班高峰期堵車。 自動駕駛技術提高了駕駛的安全性，提高了整個交通系統的效率，節約了用戶的時間。

Momenta成立于2016年，公司致力于構建自動駕駛的“大腦”。 利用團隊強大的研究能力和工程能力，Momenta已經建立了大數據平臺、大計算平臺、大測試平臺三個基礎平臺，實現了大數據和AI算法的反饋閉合目前，Momenta基于深度學習和海量數據，具備了人臉識別、行人檢測、車道檢測、可行駛區域檢測、交通標志識別、信號識別、車輛識別、自行車識別、異形車識別等一系列高精度和魯棒性的軟件算法。 另外，在產品方面，Momenta形成了服務高速環路、城市道路、停車場景的高級自動駕駛等多個場景的自動駕駛解決方案。

公司開始圍繞上述解決方案與車企和初級供應商進行合作。 更好的人工智能技術為人們創造更好的生活是Momenta的使命。 Momenta有兩個非常重要的愿景。 第一個愿景是安全的，第二個愿景是解放時間。 Momenta希望在今后十年內將交通事故率降低40%。 這意味著十年能拯救一百萬人的生命，同時希望十年內百分之百釋放司機。我覺得自動駕駛就是為了生活更加智能化。

《無人驅》：我們為何要發展自動駕駛技術？

黃恒樂 主編 技術學堂 2021-06-17 00:10

筆者7年前第一次體驗無人駕駛汽車的時候，并不了解SAE自動駕駛分級是什么（SAE J3016首版發布自2014年），只是對現場工程師的那句提醒印象深刻：“不好意思，我們提醒大家請不要碰車內任何東西，這臺工程樣車要數千萬?！?/p>

這輛 雪佛蘭EN-V 2.0給我很大的驚喜與驚訝，驚喜的是我們未來可能再也不需要把時間都浪費在通勤上了，驚訝的是美國已經研發出不需要方向盤就能開的車，是否意味著中國這個剛能造點正經車的乘用車產業，要被降維打擊一夜回到 解放 前？

感謝這幾年來中國GDP的穩健增速，我才有底氣寫后文提到的蕩氣回腸的內容。

在智能化大勢之下，我們的自主品牌汽車產業沒死，正在奮力抗爭，且勢頭并不差。

我們為何要發展自動駕駛？

因為重工業是國際話語權。

很抱歉一開頭就說這么沉重嚴肅的話題，但必須如此才能讓文章思路更加清晰。

中國是汽車工業的后來居上者，不過只是產銷量連續11年稱霸世界第一席位，技術與質量可還沒能力封狼居胥。簡單來說，中國是“汽車大國”而非“汽車強國”。

筆者在國際貨幣基金組織官網找了一組新的2020年名義GDP數據，大家了解一下全球Top 10經濟體當前的情況：

2020/2019名義GDP排行（結算貨幣：美元） 2020名次 國家/地區 2020年名義GDP 占全球比例 2019名次 國家/地區 2019名義GDP 占全球比例 全球 83.84萬億 全球 87.75萬億 1 美國 20.80萬億 24.80% 1 美國 21.42萬億 24.41% 2 中國 15.22萬億 17.77% 2 中國 14.34萬億 16.34% 3 日本 4.91萬億 5.85% 3 日本 5.08萬億 5.79% 4 德國 3.78萬億 4.51% 4 德國 3.84萬億 4.38% 5 英國 2.63萬億 3.14% 5 印度 2.87萬億 3.27% 6 印度 2.59萬億 3.09% 6 英國 2.82萬億 3.21% 7 法國 2.55萬億 3.04% 7 法國 2.71萬億 3.09% 8 意大利 1.84萬億 2.19% 8 意大利 2.00萬億 2.28% 9 加拿大 1.60萬億 1.90% 9 巴西 1.83萬億 2.09% 10 南韓 1.58萬億 1.88% 10 加拿大 1.73萬億 1.97%

此前IMF預測中國在2020年的全球經濟占比是17.77%，實際上中國一擼袖子加把勁干出了18.15%。

我們再掃一遍上面列表中的10個國家，沒有任何一個是能脫離汽車工業而繁榮的。

我們不要小看印度，它可是全球第五大工業國，同時也是全球第五大汽車工業國；也不要覺得加拿大汽車工業沒地位，那可是全球前十的汽車工業大國。

再看下表的人均GDP，數據依然來自IMF?？梢钥吹竭@四等發達國家里面，實際上有話語權的國家都是有強大汽車工業基礎的，瑞典應該是唯一的例外。

2020人均GDP排行（結算貨幣：美元） 2020名次 國家/地區 2020年

人均GDP 經濟狀態 2020名次 國家/地區 2020年

人均GDP 經濟狀態 1 盧森堡 109602 極度

發達

國家 13 奧地利 48634 高度

發達

國家 2 瑞士 81867 14 芬蘭 48461 3 愛爾蘭 79669 15 德國 45466 4 挪威 67989 16 比利時 43814 5 美國 63051 17 加拿大 42080 6 新加坡 58484 深度

發達

國家 18 圣馬力諾 41683 7 丹麥 58439 19 以色列 41560 8 冰島 57189 20 法國 39257 穩健

發達

國家 9 卡塔爾 52751 21 英國 39229 10 澳大利亞 51885 22 日本 39048 11 荷蘭 51290 23 新西蘭 38675 12 瑞典 50339 24 阿聯酋 31948

想要說話擲地有聲，你手頭得有汽車工業。

因此，發展自動駕駛也是大國博弈的需要。

我們把時間線放長一點看，第一次和第二次工業革命重新劃定了這個世界由誰剝削誰，結果分贓不均就打了兩次世界大戰（實際上是同一場），接下來是第三次工業革命，世界格局從熱戰變冷戰，幾十年后冷戰落幕，現在大國之間只打經濟戰。

美國、中國、歐盟，三者已成經濟三極。中國GDP已經有美國72.8%了，并約等于沒了大英之后的歐盟總體GDP。每一極都在汽車領域爭奪話語權，美國有太空霸權、衛星定位、高精地圖、自動駕駛、芯片技術等硬核優勢，后起的中國有完整的制造業鏈路和崛起中的智能汽車產業氛圍，歐盟哪哪都不弱就虧在不是統一政權。

汽車工業是最考驗綜合國力的產業，上下游數百個門類、數千家企業參與，才能造出一臺車。大眾集團2020年營收2714億美元，德國全境GDP總量3.78萬億美元，大眾集團占德國經濟比重高達7.18%，“富可敵國”就是說的這種情況。

所以，國與國之間的爭斗，必然要涉及汽車領域。要打擊他國汽車，欲加之罪何患無辭，豐田剎車門、現代油耗門、大眾排放門，這些在美國市場發生的事件，就是外企不肯屈服于美國政府，直接被強權打壓了。

除了是大國博弈的棋子，自動駕駛技術的研發還能減輕駕駛負擔（提升產品競爭力）、提升行車安全、通行效率、為社會創造高薪就業崗位，但這些都不是重點，國家之間的利益制衡才是。

汽車工業之爭的下一階段就是電動化與智能化，而智能化的關鍵在自動駕駛，我們今天要聊的話題。

L3是不是走進了死胡同？資本騙局or法律黑洞？

筆者還記得2017年奧迪發布D5世代A8時的盛況，第一款量產SAE L3級自動駕駛系統基于第四代 奧迪A8 （D5）誕生了。雖然當初我已經預判過這套系統入華之后并不能使用，但并未預料到它在西方國家也沒能自由跑起來。

后來，江湖傳言說是“花10億歐元解決了L3”的奧迪自動駕駛項目組，被整合至統一的大眾集團Car.Software車載軟件開發部門，一個開啟自動駕駛新時代的功勛項目組就這樣消失在汽車歷史中。別急，其實對于奧迪而言是明降暗升啊，因為Car.Software的總部因此從狼堡遷至英戈爾施塔特，奧迪成為了集團的智能化大腦中樞。

回到主題。以美國為首的自動駕駛行業當初定義自動駕駛等級的時候，并未發覺L3居然是一個非常尷尬的分級（下圖是筆者畫的，供形象理解），它的尷尬之處在于任由人類駕駛員“撒手不管”，但又要求人類駕駛員“必要時必須立刻回來接管”，無法形成邏輯閉環，有巨大的安全風險。

在這里，我們簡單匯總下SAE規則下自動駕駛等級的異同：

L1：解放腳? （基本是人類在開）

L2：解放腳、手? （限定條件內人機混開，基本是人類在開）

L3：解放腳、手、眼? （限定條件內人機混開，基本是系統在開）

L4：解放腳、手、眼? （全區域由系統開，特殊情況除外）

L5：解放腳、手、眼? （全區域/全時域由系統開）

P.S. 2021年1月1日施行的《汽車駕駛自動化分級》國家標準也對自動駕駛進行了分級，整體規則與美國SAE標準保持一致。

到了L3之后，就要完成自主代客泊車AVP（Automated Valet Parking）、交通擁堵引導TJP（Traffic Jam Pilot）、高速公路引導HWP（HighWay Pilot）這些主要的功能，可是L3有個最大的問題——L3的交通事故權責模糊不清。

簡單來說，L0-L2是人類駕駛員全責，L4-L5是汽車智能系統全責， L3是一灘永遠吵不清的糊涂賬。

因此，現在很多車企都在說自家的自動駕駛輔助系統是L2.5、L2.9、L2.99等等，無論什么話術，意思就是“沒到L3”，所以車企暫時不需要負責。

實現L4的難度有多高？

因此，目前有不少部分達到L3功能但只能按照L2來使用的車型，比如四代奧迪A8、特斯拉FSD Bate版、 蔚來ET7 、 智己L7 、小鵬P5、極狐阿爾法S HI版等等。

現在業界有可能直接跳過權責模糊不清的L3，直接把L4投放到市場上。目前已有車企決定這樣子做了。像谷歌這種解決方案供應商則不同，他們不需要把研發成果綁定在現售車型上循序漸進迭代更新，沒有包袱的他們選擇了直奔L4。

整車L4水平，需要在全場景下實現包括自主代客泊車AVP、交通擁堵引導TJP、高速公路引導HWP在內的所有功能，也就是車子自己能走能停完全不需要人類交涉。當然，L4是可以保留車輛操縱單元的，在特殊情況下可交給人類操縱，比如地震海嘯造成車輛通訊的情況。

先說AVP。之前我們聊過小鵬的自動泊車，而小鵬一直都是以此為豪的企業，泊車成功率不低。小鵬此前的方案是利用汽車傳感器進行室內地圖建模，這種在非市政道路收集地圖數據的方式也避開了法律屏障，雖然看起來精度并不高，但也算是一個不錯的開始。

今年6月4日， 小鵬P7 通過OTA更新的VPA停車場記憶泊車（Valet Parking Assist）。

這里我們就要科普一個概念：AVP分為兩個分支，一支叫H-AVP（云端自我學習泊車），經過SLAM系統訓練之后完成地圖建模了就能持續使用，也就是來一次以后就隨時來，小鵬、 奔馳 、威馬在整；而更高階的P-AVP（云端高精地圖泊車）只需駕駛員開到停車場門外就可以離開駕駛席，車子自己會按照高精地圖的指引找車位泊入，暫時還沒車企能量產。

小鵬這次的更新是VPA停車場記憶泊車，功能實現上與W223世代 奔馳S級 和 威馬W6 還是有所不同的。

小鵬的VPA是自研完成的停車場記憶泊車功能，它的記憶線路可以達到1km，一臺車可以學習100個停車場的泊位，不過單個停車場只記憶1個泊位，還不如少點車場但每個多點泊位比較實在，而且小鵬的VPA只支持泊車入庫，不支持出庫。還有一點筆者有點理解不了的是，小鵬VPA不支持跨層泊車、沿線出庫、全程APP車外操作也就算了，為何僅支持地庫泊位，在地面泊位用不了，W223和W6倒是沒有這個限制。

從使用場景來看，威馬目前開放的H-AVP能夠在地面/地下停車場內任何地方都可以進行學習，不限起點位置，不限車場數量，單個車場可設定5條不同的入庫/出庫路線，可以跨層，駕駛者不用在車上，只需要通過手機一頓操作能完成車輛的泊入和泊出，對于那些過窄的、停好之后無法開門出來的停車場景來說很實用。除了目前已經開放的H-AVP，威馬官方還透露將會在年內通過OTA將P-AVP推送給用戶。

威馬的AVP是與國內自動駕駛實力擔當的百度Apollo平臺聯手深度研發的，有百度“王牌”做背書，以后的P-AVP還有百度高精地圖加持。小鵬是沒有參與進來的，威馬則有百度高精度地圖加持，所以實現P-AVP更容易一些。包括奔馳在內的海外品牌想進入中國做自動駕駛，以后應該得用中國高精地圖才行，現在連 特斯拉 都被要求把服務器建在大陸境內了，可見高精度地圖在自動駕駛中也扮演著十分重要的角色。

此外，要玩P-AVP，還要等室內基站通信硬件整起來才行，這需要更多的基建設施配合。

接下來聊交通擁堵引導TJP和高速公路引導HWP。TJP和HWP的速域不同，再加上自動車道變換（ALC，Automotive Lane Change），就是全速域的“有限自動駕駛功能”。

TJP的決策和執行是一大難題，標定不好的TJP策略就會出現起步與制動的動作太過生硬，快了體感難受，慢了被旁邊車子加塞，一來一去就暈車了……

HWP+ALC就是現在很多新勢力在談的“高速領航功能”，蔚來叫NOP，小鵬叫NGP、特斯拉叫NOA、日產叫ProPilot、通用叫SuperCruise，反正都是一個意思。目前這項技術進展很快，實際使用起來比較便捷，人類駕駛員介入的頻率并不高，小鵬官方給出的NOP介入頻率是0.66次/100km，實測接近1次/100km，也即是平均開100km才需要接管。

不過，以上TJP和HWP暫時均不能達到L4級別，只能在特定條件下（合適的路況/天氣）進行約等于L3級別的自動駕駛。

如今奧迪A8、 蔚來ES6 、特斯拉 Model 3 、小鵬P7、 廣汽埃安 LX、 長安UNI-T 、日產 天籟 等等車型都可以執行TJP、HWP、ALC，但因為傳感器配置并不甚完備、高精度地圖與定位技術還沒到位等原因，除了A8之外的車型都要求駕駛員隨時隨地立即接管車輛（L2-L3之間）；A8則在限定條件下（特定的道路等級、光照、車流速度等）可由L3系統完全控制車輛，駕駛員同樣需要隨時接管；進化成L4之后，系統隨意開，除非有極少的特殊情況才需要駕駛員介入，比如奔馳W223和威馬W6的無人泊車。

比如，下面的gif圖展示的是L4自動/無人駕駛技術，是廣州企業文遠知行在這次廣州疫情防控中，使用無人駕駛車送飯到疫情隔離區。（現場實拍gif獲授權自汽車之家）

L5是沒有ODD（Operational Design Domain，設計方案運作域）的，意思是無論任何的道路狀況（車道線、道路附著系數、圍欄等）、環境（能見度、天氣等）、前方可行駛區域（收費站、施工等）等等，L5都是可以免除人類駕駛者介入的。

因為自動駕駛的研發初衷就是更加安全和便捷，L1和L2級自動駕駛輔助系統已經幫我們降低了一部分事故概率，L3目前是禍是福還不知道，因為無法形成嚴謹的邏輯閉環（人究竟還要不要全神貫注呢？），L4還沒有整車完成L4自動/無人駕駛研發的量產案例，無所不能的L5還有很遠才來。

我們現在可以知道的是，L4的實現成本會非常高；我們暫時不能知道的是，整車實現L4的量產產品何時才能來臨，這需要L4系統在泊車/行駛、城市/市郊、低速/高速、國內/國外、晴空萬里/惡劣天氣等等所有情況下都管用。

關于倫理與法規的思考

烏伯林根空難（überlingen Disaster）在十多年前揭示了空中交通管制系統的處置失當將會引發何種等級的人類災難。

空管員Peter Nielsen的指揮不當與光學碰撞預警系統的檢修固然是兩大緣由，但促使俄羅斯Tu-154客機與德國757貨機碰撞的另一個原因也不能被忽略：如果兩個飛行機組都按照空中防撞系統（TCAS）的提示分別進行拉高與降低，事故將不會發生；但由于俄羅斯機組“以人類命令為先”的原則，按照Nielsen的錯誤指示而非TCAS的正確指示執行，最終釀成了72人死亡的災難——最后一位是空管員Peter Nielsen，死于刺殺。

自動駕駛技術對于人類而言并非新鮮事物，我們已經堅信這項技術長達大半個 世紀 。若溯源的話，最早能追溯到上世紀10年代在美國誕生的第一臺電動陀螺穩定裝置（自動駕駛儀的雛形）。即使60年代的阿波羅飛船已經用上了數字化自動駕駛儀，半個世紀后的俄羅斯人依然堅信人類犯錯的幾率比人工智能要小得多——歷史事實是，單單俄羅斯航空這一家公司，血手之上就有超過8200條人命，遠遠高于第二名法蘭西航空的1783名。

從Autopilot一詞便可知曉，汽車工業所武裝的“自動駕駛”，技術淵源依然是航空與航天產業。我們可以用“陸上交通比空中交通復雜千萬倍”的理由去埋汰乘用車/商用車自動駕駛技術的“滯后”，卻一直不肯相信“人工智能”一定比“人類駕駛”更加安全，即使99.9%以上的失事航班俄羅斯籍飛行員并未抱著伏特加瓶子睡著在崗位上。

2005年，Google X實驗室就已開啟了谷歌無人汽車計劃（Google Driverless Car Project），2009年開始上路測試，約有23輛車分9種模型在測試。測試項目分為自動駕駛和人為干預的手動駕駛，行駛里程超過320萬公里，至2017年只造成18次事故，其中絕大多數都是被追尾（測試車極速才40km/h），無重大人員傷亡，這是第一次AI判斷出錯——320萬公里1次車體剮蹭輕傷，不知哪位人類駕駛員敢上前邁一步接受AI的挑戰？

只是，即使自動駕駛技術已經如此先進，我們還是無法把命交給AI。將AI變成Siri可以，變成小孩子的聊天機器人可以，變成咖啡廳上點心的服務員可以，但要讓我們把交通工具的控制權完全交出給AI，連方向盤、油門、制動都摘掉，恐怕多數駕駛者暫時還不能被接受。

目前，汽車工業大國們對AI造成交通事故的法律定義都是模糊的，這是一個誰都可以碰、誰都不敢碰的灰色地帶。你可以研發自動駕駛汽車，甚至美國/德國某些州的政府還讓你“合法”上路，但這并不代表合法解決事故糾紛。傳統的汽車廠商都是很保守的，一個自動駕駛項目動輒數十億美元的成本，很有可能就會被一兩個死亡時間毀掉，而自動駕駛是不可能讓死傷幾率等于0%的——雖然自動駕駛已經被認定為“比人類駕駛安全非常多”。

因為當事故主體是“人”的時候，我們可以通過制約人的社會契約來解決糾紛，法律、法規、習俗、慣例甚至情面；但當事故主體是一臺會思考的“汽車”時，適用于人類的社會契約就失效了，我們可以用金錢懲罰來制裁電子程序和自動駕駛汽車的制造商，但無法用牢獄去懲罰一套電子程序。

帶著未解的疑問，我們結束今天的議題。

（圖/文/攝：黃恒樂）

@2019

自動駕駛的進化觀后感的介紹就聊到這里吧，感謝你花時間閱讀本站內容，更多關于自動駕駛的進化觀后感怎么寫、自動駕駛的進化觀后感的信息別忘了在本站進行查找喔。