私家车除却本身价值的不断下降，私家车本身的存在既有环境污染问题、资源浪费问题，也引起了道路不堪重负等等问题。自动驾驶技术的发展，目的就是要解决以上问题，让未来的出行更有效率、性价比、安全、环保、易用。

自动驾驶的终极形态一定是无人驾驶，车辆就是一个公共的移动出行空间。但如此美好的未来出行场景，可能在三四十年内不一定普遍看到。

自动驾驶囊括了机器人、AI、高清地图、控制系统、汽车制造、操作系统等非常多的技术领域，有非常多的科技公司在各个领域都进行了尝试。有以Waymo为代表的直接从无人驾驶领域开始的，也有以特斯拉为代表的自下而上发展的。

在两个不同的方向上，都存在技术、产业链难题，李开复认为，人机共同驾驶有着诸多不确定性的技术、法律、道德问题，因此实施起来挑战更多。

以Waymo为例，员工曾在公司的允许下驾驶自动驾驶车辆出行，公司规定驾驶员需要掌管驾驶权、监控行驶，但实际行驶中就会有很多员工离开驾驶位，进行其它的活动。

人是最大的不确定性因素，人机共驾要克服的远不止技术的难题。正是意识到了这一点，谷歌才下决心直接做L4/5级自动驾驶。

创新工场CEO李开复对此也表示赞同，虽然完全的无人驾驶取代人类驾驶尚需时日，但避免让人介入的自动驾驶系统，会比人机共驾系统实现起来更为容易。

商业化联手传统巨头

L4/5级自动驾驶的前景，非常美好，这也促使了近年来非常多的初创公司进入了赛道。从OEM、Tier1，到传感器、控制、决策、执行方案供应商，层出不穷。但贯穿行业整个上下游，普遍存在的问题是，如何在自动驾驶技术发展的过程中分到一杯羹？

除了遥不可及的L5级完全的无人驾驶，L4级自动驾驶是当下产业链的制高点。以创新工场投资的四家L4自动驾驶公司为例，涉足了无人出行、无人卡车、无人摆渡车、自主泊车等落地场景，也有部分L3的高速公路自动驾驶解决方案等等。

这些自动驾驶公司有一个共同点——选择行业细分领域，同传统巨头携手。

驭势科技除了同白云机场合做的无人车项目，还在全球第三大的机场同时开始在无人物流方面车辆的部署，希望能够最近的时间量产。（注：2017年阿联酋迪拜国际机场年旅客吞吐量达到了8820万人次，排名全球第三，根据2018年上半年数据统计，迪拜名次未变）。

AutoX在中国跟物流公司和主机厂，就像美团、中通快递、东风、上汽集团等等，落地无人汽车园区物流等等。Momenta则定位于Tier2，目前正与多家国际国内车企和Tier 1展开合作，落地解决方案。

无人驾驶技术的落地商业化，离不开同行业传统巨头的合作，在整体方案成本高企的当下，也只有B端客户有能力尝试性试用。但这种试用，当下能带来的经济效应，对于合作双方而言都还有限。

广州公交集团羊城通有限公司董事长、总经理谢振东表示，即使目前的方案从200万降到了80万，公交公司依然难以承受大规模推广。

Momenta累计完成融资超2亿美金，估值超10亿美金，团队规模约600人，但进行中的自主泊车、高速解决方案尚缺造血能力。

产业链自下而上要解决的问题还有很多，正常发展与过度扩张之间如何平衡？资本与实际产业化推进的速度如何相得益彰？目前的市场是否过热？在资本失去耐心之前，初创公司什么时候能够产生正向盈利？

今年以来，自动驾驶公司已经明显感受到了资本的寒意，有限的资本仅仅愿意投向头部公司，这并不是出于看好投入与产出，而是在对不可预知的未来下人云亦云的赌注。

自动驾驶的行业发展速度，成熟速度，关乎创业公司的生死，赶早赶晚都不妥，找准自己的节奏最为关键。今年资本和创业公司的表现，可以看出是在降速缓行，准备迎接接下来青黄不接的3年。

技术仍是瓶颈

市场未成熟，背后多是技术未成熟。那么当下L4级自动驾驶的水平是什么样？

中国自动驾驶领域的多项政策和商业突破都是在广州最先试水落地，比如中国首例自动驾驶汽车暴雨中穿越隧道的记录是在广州产生的；中国首辆无人驾驶出租车在广州上路。

今年6月，广州市交委发布了《广州市关于智能网联汽车道路测试有关工作的指导意见（征求意见稿）》，广汽研究院智驾技术部负责人郭继舜认为，广州的测试法规是目前国内最开明的无人驾驶路测法规。根据计划，广州开发区无人驾驶汽车2019年将量产500-1000辆。

雄心勃勃的计划背后，OEM却如履薄冰。郭继舜透露，对于自动驾驶技术，OEM更多的是看重数量可观的量产项目。在OEM内部，都有覆盖全部自动驾驶等级的研发、规划团队，希望能够解答自动驾驶技术在量产上的难题。

也因此发现，低等级辅助驾驶系统的商业化，来的会更容易。从辅助驾驶系统扩展到高等级自动驾驶系统，技术上有一定的延续性，但难度不会因此降低。

因此尽管广汽计划在2020年的第一季度量产第一辆L3智能驾驶汽车，但主控芯片目前看来也有延期的风险。

L3以上必备的激光雷达，问题也远远不只是厂商所抱怨的产销量与价格之间的悖论，而是整体激光雷达行业还未普遍解决数以百万计产品稳定性、可靠性、车规等一系列的问题。

L4级的自动驾驶系统，当下是一个奢侈品，而奢侈的背后，隐藏着的是产业链的不完善。传感器领域没有性价比高的方案，规划决策的软件算法日新月异，控制执行远未达到令行禁止。

这也间接说明一个现状，目前的整个自动驾驶产业链非常不成熟，在软硬件上都无法提供符合OEM要求的量产零部件。因此虽然从理论上而言，L4比L3少了人为不确定性因素的干扰，相对更容易处理，但当下的产业链、技术尚未准备好迎接L3级，何谈OEM量产L4？

谢振东坦言：目前的自动驾驶技术，还无法让人信服，也因此政府部门在出台相应的法规时，会谨小慎微。如何破解端的智能不足，还需要产业链上下游共同思考、努力。

端智能不够、V2X来凑

汽车的单车智能依然不能胜任特殊场景、天气、以及一些系统失效的场景，折中的方案便是，通过V2X车路协同，给车辆更多道路环境、行人的信息，弥补单车获取信息的瓶颈，同时通过远程控制，使得车辆自动驾驶系统在特殊情况下可以由远程操控员接管，大大降低系统的失效风险。

广州联通在广州建了50个5G基站，未来还将建设更多的基站，优先覆盖一些自动驾驶系统测试区，广州市计划2018年-2021年打造成为网络城市，在2020年要大规模5G商用，但这个过程并不容易。

5G具有大通道、低时延、可靠链接的特性，下行速度能达到20G/秒，上行10G/秒。广州联通副总经理廖江表示：5G基站工作在高频段，所以建的基站非常密集。它跟原来的2/3/4G基站有很大的不一样，不管从设备的功耗大小，还是到整个运营商网络改造，都有非常多的挑战。

国际通信标准上是3GPP制定，5G标准会随着其制定而冻结，最新的R15版主要解决高清方面的业务，包括部分跟车联网有关的，但是真正跟车联网最大密切相关的标准还没有最后的确定，预计2019年才会发布。及5G下V2X更丰富的技术测试、试验甚至应用，要在这个版本的协议出来之后才能实质进行。

5G的推进，与相关的通讯模块、芯片也有关系，但目前5G的手机尚未出现，工业领域的5G模块会滞后一些，汽车应用同理，因此5G下V2X的商用，会比预想中的时间久。

以上，L4级自动驾驶的商业化，更多的会是以特定行业小规模试验性使用为开端，OEM暂时不会参与到这个环节中。自动驾驶公司无论是自运营还是委托他人运营，通过这部分小批量应用，也难获得可观的营收。这个时间可能会持续3到5年，甚至更长的时间。熬过了这段时间，资本、梦想才有了兑现的机会。

人才艰难炼就

市场，技术不完善的背后，急需大量的人才来改善行业，但无论OEM还是初创公司，符合要求的人才寥寥无几。为此，每年的毕业季，这些公司都会像迁徙的候鸟一般，从北京到硅谷、从哈佛到MIT觅食。

在国内，珠三角的理工类顶级院校并不多，而这种前沿的深度学习、卷积神经网络的学科，往往先生根发芽于名校，其次再向其它院校扩展。新学科的设立不仅需要大量的人力、物力、财力，还需要优秀的老师抚育。名校容易获得申请经费，优秀的教授也愿意择木而栖。

中山大学数据科学与计算机学院无人系统研究所所长黄凯无奈的表示，国内一个新学科的设立要经过上面的审核，通常的周期是4年左右，这已经非常不适合当下的技术发展速度。其申请设立的自动驾驶相关的请求，学校也未予回复。今年他所带的无人驾驶方向的研究生有5个，毕业的3个分别去了驭势、商汤、事业单位。

除了国内院校在体制上不灵活的一些问题，师资匮乏也是老大难的问题。这一点在澳门大学、香港科技大学也普遍存在。解决这些问题，除了向在国际知名院校也属于珍稀人才的教授抛出橄榄枝，也没有太多行之有效的方法。加之AI人才薪资水平水涨船高，愿意从事教育行业，安于清贫的凤毛菱角。

培养自动驾驶的人才，除了基础设施不完善，还有教育的软实力。如何才能批量有效的提高学生的科研、工程实践能力?不仅考验学校，也考验企业。

香港科技大学电子及计算机工程系教授冯雁表示，学生能力的成长，依靠理论和实践共同影响。理论可以通过不同形式的上课获得，但具体独立解决问题的能力，还是要依靠有经验的老师、公司前辈工程师来指导，能避免走许多弯路。

人才的成长需要时间和实践，没有捷径可以走，但在物欲横流的时代，学生很难经得住诱惑，也就容易迷失。冯雁的两个学生，就曾高薪供职两家大型企业，一年后又回炉读博。

为了加快培养人才，出现了企业与院校的合作，其中也存在不少问题。企业看重的是短期利益回报，相应的研究领域也会注重短期，而院校的研究则更倾向于长远的暂时没有利益变现的领域，如何调和双方之间的矛盾？

香港科技大学的做法是，政府提供丰厚的资金，同企业一起支持学校的科研，企业可以出资，不限比例。学生可以做企业相关的前沿研究，发表相关的论文，在这个过程中既补足了企业科研的补足，也提升了学生的能力。

自动驾驶涉及多学科技术，从生物学、自动化、机械化、计算机到电子信息科学等等都有涵盖，人才的培养需要在一个系统性的框架下进行，才更有效。但目前大部分院校学科的建设尚处初期，各学科难以形成合力。

结语：

自下而上，自动驾驶在人才的培育、技术的发展、产业链的成长方面，无论学院派，还是产业派，都认为未来有太多的功课要做，补课需要时间。行业在被资本打了鸡血，争夺头条喧嚣之后，即将迎来冬天。

来源： 高工智能汽车