近来，自动驾驶领域动态不断，技术驱动下的落地应用也逐步趋热。随着AI、IOT、5G等技术的不断创新，自动驾驶技术与应用正在进入快速发展期。

　　不过也有业内人士指出，自动驾驶规模化应用仍需破解路权、高精地图、高精定位、安全等多重难题，还要构建起智慧城市体系、产业生态体系和安全保障体系，就当下而言，最重要的是解决L4级自动驾驶规模化应用的技术难题，最大程度地提升研发效率，跨数量级的降低L4实现成本。

　　规模应用基础不断夯实

　　工信部部长苗圩曾在2018年10月18日召开的世界智能网联汽车大会上表示,预计至2020年,我国智能网联汽车的市场规模将达到1000亿元以上。巨大的市场规模背后，是自动驾驶的政策利好以及市场的多元化推动。

　　在自动驾驶技术公司Momenta MSD研发副总裁夏炎看来，自动驾驶的终局是规模化。规模化自动驾驶需要政策的“土壤”，也需要技术的“种子”，还需要资本的“化肥”。当下，自动驾驶从概念不断走向商业落地，政策“土壤”肥沃、资本“化肥”充足、技术“种子”不断突破，其规模化应用基础不断得到夯实。

　　今年2月，国家发改委等11部委联合印发《智能汽车创新发展战略》，其中提出到2025年，中国标准智能汽车的技术创新、产业生态、基础设施、法规标准、产品监管和网络安全体系基本形成。实现有条件自动驾驶的智能汽车达到规模化生产，实现高度自动驾驶的智能汽车在特定环境下市场化应用。这成为中国自动驾驶应用的顶层设计文件，也为自动驾驶的商业化和规模化制定了“日程表”。为规模化应用夯实基础。

　　在政策的支撑下，自动驾驶商业化应用也在不断推进。据夏炎了解，近 五年来，2015年起，伴随着自动驾驶技术研发应用的火热，全球自动驾驶行业投融资规模迅速增长，戴姆勒、丰田等传统汽车主机厂，谷歌、亚马逊等互联网科技巨头，以及Momenta等专注技术创新的创业型公司不断涌现。根据AI车库公布的数据显示，2019年全球自动驾驶行业共发生104起融资，其中公开披金额的融资事件共70起，融资总额为66.4亿美元。其中，中国的自动驾驶领域有59起融资事件、23亿美元，位居第二。麦肯锡研究报告显示，中国将是全球最大自动驾驶市场，到2030年，自动驾驶汽车总销售额将达2300亿美元，基于自动驾驶的出行服务订单金额将达2600亿美元。

　　“政策土壤已经肥沃，接下来交给就交给自动驾驶企业，如何用最低的成本提供最好的技术。”夏炎称，眼下业内主要攻克低成本、强技术的L4级别自动驾驶的规模化应用，这将在限定的道路及环境中，车辆可完全不需人为干预，自行完成驾驶。不过在这一过程里，通过量产车辆获得的数据，以及数据驱动的算法等降低L4级规模化成本的技术方案，对中国自动驾驶来说将成为重中之重。

　　技术原创加速落地应用

　　随着5G、大数据、人工智能等“新基建”的自动驾驶技术进步，加速了自动驾驶的规模化落地和智慧交通体系的发展。

　　今年4月,工信部、公安部、交通运输部联合制定了《智能网联汽车道路测试管理规范(试行)》,对自动驾驶测试主体、测试驾驶人、测试车辆等提出要求。这意味着,自动驾驶汽车可以在更多实际场景进行测试。

　　近来自动驾驶商业公司在上海、广州、苏州等城市场景中出现的Robotaxi，就是L4级别自动驾驶的落地测试。“以Robotaxi落地为例，规模化无人驾驶指的不是一个区域或城市，而至少是路况复杂的十个城市，每个城市至少一万辆车，否则难以商业化落地。”夏炎表示，要实现规模化L4级自动驾驶，至少要做到人类司机的安全水平，最好可以比人类司机安全驾驶水平更高一个数量级，同时还要考虑再传感器和计算单元成本。

　　也有业内人士指出，当下大数据、云计算、5G、IOT等新技术的创新发展和数字化新基建的推进，为计算规模化L4的总成本提供了新思路。今年6月Momenta推出的“飞轮式”L4，就通过“飞轮三因子”量产数据、数据驱动的算法、闭环自动化的前期大量积累，为L4技术赋能，提升研发效率、降低规模化L4的总成本。Momenta在提供量产自动驾驶解决方案的同时，也提供持续的软件算法迭代升级。在为客户解决问题、创造价值的过程中，和客户一起回收了长尾问题的数据，降低单公里数据成本。

　　“随着数字化新基建的推进以及智能网联汽车的发展，技术创新对于L4级自动驾驶规模化应用的重要性不言而喻，接下来自动驾驶所需要的智慧城市体系、产业生态体系和安全保障体系也依旧离不开新兴技术的研发，和降低成本的原创技术解决方案的推进。”夏炎认为，路权、高精地图、高精定位、安全等多重难题，将在低成本与强技术一体化的解决方案中被一一破除。

　　另外，也有业内人士指出，自动驾驶规模化应用是一个系统工程，除了飞轮式L4等原创技术方案创新外，还需要从轨道交通规划设计等基础设施、产业链联动、相关法律制度等方面共同努力，同时对于自动驾驶测试要有一定的容错空间。

分享让更多人看到