道阻且长 我们距离真正的无人驾驶还有多远？

近日，北京2020年自动驾驶车辆道路测试资格公布：丰田汽车研发中心（中国）有限公司获得资格，并投入4辆车。在这份名单上，还有百度、小马智行、戴姆勒、奥迪，以及美团点评子公司三快在线，共有6家企业。

得益于5G网络的商用和推广，将无人驾驶再一次推上了风口浪尖处。除了上述所提到的几家企业之外，2020年本该是很多科技和汽车厂商推出量产无人驾驶汽车的重要节点。但当2020年过半时回首看去，只能看到受疫情影响的世界和这背后严峻的国际局势，关于自动驾驶的话题，很少再被提及。

不可否认的是，2016年无人驾驶的突然出现给我们带来了很多惊喜，Waymo、Uber的无人驾驶路测曾让业内为之一振，也让许多汽车企业倍感压力。之后我们见证了Waymo和Uber向汽车企业采购几千几万台汽车用于无人驾驶车辆研发、改制和生产，也见证了通用汽车和福特汽车对无人驾驶的巨额投入。

但随着时间的流逝，无人驾驶车辆造成的车祸、对于安全员的讨论、企业之间对于“出走者”的诉讼等，渐渐让叹息多于惊喜。

即便到科技发展如此迅猛的今天，我们也不得不承认，无人驾驶的发展之路，远比我们想象的要艰难。那么。在无人驾驶真正商用到来前，我们还有哪些需要做的？

硬件的规模化量产需求难以满足

如果用L4或者L5级别的无自动驾驶汽车当作文章的主角，即马路上跑的全部是不需要人类接管的车辆，那么这些车一定会装备大量的传感器，包括激光雷达、毫米波雷达以及多个摄像头等等。

如今的无人驾驶汽车与正常汽车在数量上相比，根本不值一提。如果真的要急速扩大无人驾驶汽车的规模，传感器的生产规模也必须跟上。对于传感器制造商来说，是一个比较大的问题。

就激光雷达来讲，最著名的生产厂商Velodyne的产品多年来已经得到实际的验证和使用，技术比较成熟，市场上处于领先地位。但因受到繁复的精密光学装调工作量的影响，目前Velodyne的产能严重受限，远远跟不上市场的需求。

如果把规模扩大到数百万辆？恐怕不是一件短期内能完成的事。

软件的算力得不到发展

多传感器的问题同时也埋下了下一个问题的隐患，那就是芯片的性能。如果需要更全面的了解外部路况信息，就需要部署更多的传感器。更多的传感器就对融合提出了更高的要求，而且在高速度的情况下，由于路况信息的变化，所带来的数据信息也更为海量。

根据英特尔的测算，一台无人驾驶的汽车，配置了GPS、摄像头、雷达和激光雷达等传感器。这些设备每天将产生约4TB待处理的传感器数据，如此巨大的数据量必须有强大的计算设备来支撑。而即使是这样的顶级GPU企业，也在算力和功耗的平衡上几乎达到了天花板。

所以近年来，专用计算平台更多的走进人们的视野，包括谷歌投入应用的AI专用芯片TPU、国内顶尖创业公司地平线推出BPU，特斯拉也在投入巨资进行无人驾驶芯片的研究。在短时间内，这都将是无人驾驶要跨越的巨大技术障碍。

V2X之前的交互问题

如果利用V2V（车对车）通信让车辆之间交互，可能对于无人驾驶交通状况有一定帮助。但现在，使用V2V通信技术的无人驾驶汽车基本不存在。一旦扩大规模，成千上万辆无人驾驶汽车在道路上行驶，相互之间都发射出V2V的电子信号，会不会发生数据爆炸性增长？

与Waymo产生直接竞争的自动驾驶公司Cruise曾被寄予厚望。Cruise曾表示在2019年底推出大规模无人驾驶出租车服务，但丝毫不出意外的是，这项服务被推迟，其CEO称将进一步扩大Cruise在旧金山的测试基础设施，为将来大规模推出无人驾驶出租车服务做准备。

Cruise 的例子证明，规模化推出自动驾驶，不是件容易的事。反观国内，已推出无人驾驶出租车服务的百度，在长沙首批投放了 45 辆量产车，在特定路段提供试乘体验。

另一家无人驾驶公司小马智行（Pony.ai）CEO彭军表示：「无人车行业的分水岭就在于规模数量，100辆无人车就是一个门槛，很多公司达不到这一步，就会融资困难被淘汰掉。」

总结

其实在真正的无人驾驶到来之前，我们所能预见的困难远不止这些，交通法规的健全、道路设施的完善、AI技术的不断成熟等，都将会是这条路上的决定瞬间。

况且当技术研发已经发展到比较成熟的时候，规模化也许是无人驾驶行业当中最要紧的事。造出一辆无人驾驶汽车，或者研发出一套无人驾驶的系统，只是产业的开头。

如何能将梦想照进现实，才是重中之重。