真正的无人驾驶汽车何时实现？或许需要20年

2018年底，网易智能联合网易讲讲推出年终策划《问道无人驾驶》，邀请十二位大咖线上辩论无人驾驶行业发展。此篇根据十二位大牛在网易讲讲话题《 无人驾驶汽车在技术上还有哪些挑战？ 》整理，为系列策划第 二 篇。

整理 | 定西、杜瑶、姚怿立

责编 | 小羿

近日，十二位无人驾驶（自动驾驶）创业公司 CEO在网易讲讲“问道无人驾驶”话题上 持续进行了火爆的讨论 。大家围绕无人驾驶带来的伦理道德争议 、技术挑战等方面 进行了讨论。

无人驾驶技术真的能否缓解城市交通拥堵问题吗？目前无人驾驶技术上的最大难点是什么 ？ 实际路测时候遇到哪些新的技术问题，如何解决？何时 能够达到 Level 5 级别的真正的无人驾驶？带着这些问题，来看看十二位大牛如何回答。

无人 驾驶到底能不能解决交通拥堵问题？众说纷纭

对于无人 驾驶技术真的能否缓解城市交通拥堵问题，十二位大咖的回答中出现了截然相反的论调 。 地平线创始人兼 CEO 余凯表示： “ 无人驾驶的一个很重要的目标就是城市交通的高效管理。无人驾驶与 V2X、共享汽车等技术与商业模式结合，将大大提高交通出行的效率，有效缓解城市交通拥堵。”? 驭势科技创始人兼 CEO 吴甘沙也积极地认为 无人驾驶 +共享出行+城市大脑三者的结合，完全可以消灭城市拥堵。

领骏科技 CEO 杨文利也表示： “ 无人驾驶技术普及之后， 路面上的车辆从竞争关系转换为合作关系， 车辆之间可以进行充分的沟通与协调。于此同时，在比较大范围的尺度内，城市的交通流可以由调配中心统一协调，实现交通的智能化，缓解交通拥堵情况。 ”

同样， Drive.ai CEO?Bijit Halder也 相信自动驾驶汽车将在三个方面帮助缓解交通拥堵，分别是减少汽车数量，增加利用率；有效的驾驶习惯及有效使用现有的道路网络；以及减少每天的往返行程。 MINIEYE 创始人兼 CEO 刘国清和 Bijit Halder 观点类似 ? ，他认为无人驾驶可以 大幅度降低人类对于私家车的需求 ,从而降低车辆保有量，如果保有量降低一个数量级，那么整个交通效率一定会有很大的改善。

同时，小马智行 Pony.ai创始人兼CEO 彭军也认可无人驾驶在解决交通拥堵方面可能做出的贡献，他说： “ 首先，自动驾驶技术成熟后， 交通事故率大大降低，减少了制造交通拥堵的一大元凶。再者， 车辆的所有 /使用 权 关系 很有可能发生变更，公共交通 及共享出行 将变得更加受欢迎 ， 创造价值的同时极大提高了汽车的利用率，更多人的出行需求得到满足，私家车的拥有量大幅下跌，路面上汽车的绝对数量随之降低。 另外 ，自动驾驶汽车对 “指令”的 执行力使得行驶的速度与间距都会得到优化，道路的通畅性将是前所未有的。 ” 智行者 创始人兼 CEO张德兆也认为， 标准化车行路径和行车时间，就可以解决拥堵问题。

而 AutoX创始人兼CEO 肖健雄和 飞步科技 Fabu.ai创始人兼CEO 何晓飞的回答则相对保守，肖健雄认为 无人驾驶能一定程度上缓解交通拥堵，但并不会带来明显提升。 同样，何晓飞也认为： “ 无人驾驶技术只是不同程度地代替了汽车内的人类驾驶，优化的是与传统驾驶相关的安全和效率问题。 城市交通拥堵是一个复杂的问题，与道路规划设计、汽车保有量、限行调控政策、人车路权分配等多个因素都息息相关。 ”

禾多科技创始人兼 CEO 倪凯则更加实际，他并不看好无人驾驶在短期内解决交通拥堵方面的作用。倪凯表示： “ 至少 5年内，无人驾驶技术对城市交通拥堵问题不会有明显的帮助乘坐自动驾驶汽车在路上花的时间甚至还略长 ”，但他也表示这并不意味着自动驾驶会浪费用户的时间。他举例说：“ 比如高速公路上的自动驾驶，自动驾驶系统的驾驶策略可能会比人类司机开车来的保守，那我们自己开车 1小时的路程，用禾多科技的HoloPilot可能要多花5分钟。但是在高速的途中，司机可以解放双手，做自己的事情，还是拥有了更多的时间。”

无人驾驶最大的技术难点是什么？安全可靠

从技术的角度来看，无人车的实现之路到底难在哪里？现在的创业者又在重点关注什么地方？

飞步科技 Fabu.ai创始人兼CEO何晓飞表示，与其说是难点，不如说是我们关注的核心指标。在无人驾驶研发的过程中，我们最关注的指标是 速度和响应时间 。我们主要做的商用车，特别是卡车，速度越快，它们的震动及车身松散结构带来的挑战就越大。而响应时间关系着安全距离，安全是我们的首要关注。

此外，也有人认为最大的难度应该是安全，驭势科技创始人兼 CEO吴甘沙指出，目前无人驾驶技术上的最大难点是如何做到极致的 安全可靠 ，如何证明已经足够安全。 “我们将进一步提升系统的稳定性，以车规级的要求，提高卡车运输的安全性。”从安全性的角度，图森未来创始人兼CEO陈默表达了类似的观点。

AutoX创始人兼CEO肖建雄则认为最 大的难点是 感知的精准度 ，感知的精准度是 Level 4 无人驾驶的最?挑战，目前主要通过算法的提升和数据的积累解决。

当然，也有从业者认为无人车是一个复杂的工程，目前的难点还是多方面的，地平线创始人兼 CEO余凯谈到， 算法 、 数据 、 计算能力 、 测试 、 系统都还需要很长时间的改变 ，如果说最难的，我认为是 算力和测试 。 “复杂的场景变化、保障测试安全冗余、自动驾驶车辆和有人驾驶车辆的交互、安全等方面的问题都会遇到。自动驾驶事关生命安全，我们的原则是――所有这些技术问题的解决，都必须以安全为第一。”余凯说。

谈及复杂性，领俊科技 CEO杨文利表示，自动驾驶的最大难点在于 交通场景的多样性，复杂性和不确定性 。我们尝试对交通场景的的数量进行梳理和总结，其中包括了城市路况和高速路况。只是单一时间点上的单一场景元数量，就在百万以上，复杂场景的数量将会成指数上升。如何能在如此复杂多样的交通场景中做到安全可靠，是自动驾驶技术的最大难点一直。

“如何和多快能够尽可能多的覆盖各种场景和交通情况，是业界普遍需要克服的问题，高效的仿真平台和机器学习能够在一定程度上加快解决这个问题。但其实每次路测都会遇到新的技术问题，调试和测试的过程就是不断发现新问题，不断解决问题的过程。不过，在这样发现问题解决问题的迭代中，技术问题也就越来越少，安全性可靠性得到不断提升。”

而在 MINIEYE CEO刘国清看来，现在对于一些典型的场景，现有的技术已经可以很好的解决。未来相当长的时间，大家是集中在Corner Case （极端情况）的处理 上，它们可能占的比重可能小于 1%，但是如果不处理好的话，L5的级别在实际使用中就是会有较大的安全隐患。

无人驾驶路测时遇到了哪些新问题？应对人机共驾时代

在宽泛的技术难题之外，还有路测难题等着无人驾驶的创业者们。今年 4月11日，工业和信息化部，公安部，交通运输部联合发布了《智能网联汽车道路测试管理规范（试行）》，对测试主体、测试驾驶人及测试车辆等方面作出了明确要求，该规范将于5月1日正式开始执行。

该规范指出，测试车辆包括乘用车、商用车辆，但不包括低速汽车、摩托车。测试范围包括有条件自动驾驶（ L3级）、高度自动驾驶（L4级）和完全自动驾驶（L5级）。车辆应具备人工操作和自动驾驶两种模式，且能够以安全、快速、简单的方式实现模式转换并有相应的提示，保证在任何情况下都能将车辆即时转换为人工操作模式。在进行测试时，必须配备驾驶人，负责测试并在有紧急情况时实施应急措施。测试驾驶人必须具有3年以上驾驶经历、最近连续3个记分周期内无记满12分记录、无严重交通违法和交通事故记录等。

有规范可依之后，越来越多的无人车创业者加入了无人车路测大军，对于在路测中遇到了问题， Drive.ai CEO Bijit Halder谈到，由于在可预见的未来，自动驾驶汽车需要与人类驾驶员共享道路， 因此自动驾驶技术最大的困难是预测其他驾驶员的行为 。自动驾驶汽车仅仅做到安全驾驶是不够的，在其他人类司机正在危险驾驶时，它仍然要保证自身的安全。我们用了很多年的时间，利用非语言和文化的指令来训练自动驾驶，在不同的特定地点进行测试，以使技术趋于成熟。因为，在同一个国家不同城市的驾驶习惯可以有很大的不同，更不用说在人口 密集的城市地区和人口较少的次城市地区驾驶的区别。

“我们需要研究自动驾驶技术的许多方面来解决这个问题。例如，我们需要更好地理解周围的环境，不仅要快速收集详细和多样化的数据，而且要以有意义的方式解释这些数据。由于自动驾驶汽车的行动会影响到其他人类驾驶员的行动，我们还需要为车辆设计一个更灵敏、更自然的运动规划。”?Bijit Halder 说。

Bijit Halder认为驾驶是一个复杂和动态的问题，我们不可能考虑到驾驶时的所有变量。即使是在已知道路上的短程行驶，它的核心技术问题仍是如何处理这种变量，更不用说复杂路况下的的长途行驶了。这些变量主要有三个来源:环境的变化，如天气状况和交通模式;人类司机、骑自行车者和行人的行为;道路状况，如车道的封闭及建筑施工。实际路况测试的关键是，培养可以归纳化处理、且能够强有力地承受这些变量的技术。

同样，智行者创始人兼 CEO张德兆表示，在路测过程中，现在无法解决复杂交通场景下的行人、车辆交互的行为。驭势科技创始人兼CEO吴甘沙也谈到，路测中的问题主要还是在 多智能体（众多不守规则的人类司机）、复杂拥堵环境中如何做到安全，又不肉 。

飞步科技则遇到了更为细节的问题，飞步科技 Fabu.ai创始人兼CEO何晓飞指出，在实际路测的时候，我们的司机经常会因为不习惯而碰到方向盘或者踩下刹车，导致自动驾驶程序突然停止并退出。这可能是我们之前都没有想到的：我们为所有可能的技术问题做好了预案，却可能 忽视了 “人”自身的状态 。当然，很多问题对我们都很重要，它们帮助无人驾驶的系统不断迭代升级，做到更好。

何时才能实现 Level 5 级别的无人驾驶？ 1 0-20 年

针对何时能够到达 Level 5的问题，多数行业大咖达成了一致，借用驭势科技联合创始人、CEO吴甘沙的原话来说，就是“实现Level 5还需要10年以上”。

而禾多科技创始人兼 CEO倪凯的回答则显得有些悲观，他表示，实现Level 5的无人驾驶，可能需要20年时间，城市工况下的L4达到成熟阶段还需要10年左右。

但他也认为，这并不是说要等上 10 年才能享受到自动驾驶技术，自动驾驶的落地是从限定场景开始的，是一个不断迭代和积累的过程。他举例了禾多科技聚焦的两个场景 ――高速公路的自动驾驶（L3.5）和智能代客泊车（L4），并预言这两者将较早实现落地。

与禾多科技专注于特定场景化自动驾驶研究类似，图森未来专注于研发在高速和港口等场景内运行的无人驾驶卡车，它表示，这些场景本身相对较少地存在交通拥堵问题，此外，通过与智能路侧设备的交互，道路的车辆容载率可以获得极大的提升，在一定程度上缓解道路拥堵问题。

可以预见的是， 专注特定场景的无人驾驶汽车将于 Level 5 无人 车 之前 首先问世，并实现产业化 。

对此，领骏智驾杨文利也表达了相似的观点， “某些固定场景、某些特定功能的自动驾驶，会很快得到广泛应用”，同时，关于如何实现L5的问题，他与Drive.ai CEO Bijit Halder有着类似的观点：需要车载智能、5G通讯网络、基础设施、法律法规等诸多因素的全面成熟。

地平线余凯和刘国清则分别从技术层面和战略层面分析了 L5落地的难点，余凯认为，越往高级别自动驾驶方向走，系统要解决的问题就会越复杂。目前，自动驾驶每提升一个层次，它的算力需求就要上一个数量级。到了5级自动驾驶的时候，算力需要达到一千多万亿次。一旦算力取得突破，软件和场景应用的迭代速度会非常快。

MINIEYE CEO刘国清则表示，自动驾驶涉及的技术太多了，而这些具体的细分技术方向离L5需要的技术水平都还有差距，无论是感知还是计算芯片，又或是控制策略和控制系统，甚至连测试到目前为止都没有一个成熟和高效的方案。他认为，“如果能够高效、低成本地进行L4\L5级别无人驾驶的测试，帮助发现更多的Corner Cases，测试效果就会比较理想，但目前这块，国内和国外都做的不是很完备。”

无人驾驶的世界会到来吗？欢迎加入网易讲讲《问道无人驾驶》的讨论中来，还有机会获得网易 2019精美台历。

《 无人驾驶汽车在技术上还有哪些挑战？ 》 话题 参与地址： https://c.m.163.com/news/motif/HT1545788164797.html

关注网易智能公众号（smartman163），为你解读AI领域大公司大事件，新观点新应用。