自动驾驶竞争的核心焦点是什么?

自动驾驶竞争的核心焦点在L4等级上，自动驾驶的功能效果可以分为6个等级：从L0至L6。目前主要是集中在从L3向L4等级迈进的阶段，竞争的核心焦点就是L4。所谓L3是指有条件自动驾驶。例如在外部环境比较稳定的高速公路，驾驶员可以完全放开方向盘。但L3 需要人类驾驶员在必要时候随时接管，所以依然需要人类驾驶员在驾驶室。而L4是高度自动驾驶。L4可以认为是限定区域内的无人驾驶，在自动驾驶感知信息来源比较充分的区域，可以没有司机，汽车可以自动运行，甚至不再需要装方向盘。L5是完全自动驾驶。在所有路段完全无人驾驶。

自动驾驶技术层面的风险有哪些?

其一，自动驾驶依然是“薛定谔的安全”。美国加州有一个自动驾驶路测，路测中有一个每10万公里安全员干预次数，至今依然没有0次干预的自动驾驶技术，安全员干预的问题包括：高精度地图问题、视觉感知障碍、软件稳定性问题、感知系统问题导致紧急刹车、运动轨迹需要优化、未正确识别红绿灯、车道错误、误识别等。自动驾驶技术似乎到达了一个瓶颈。

其二，迷雾中的高精度地图。高精度地图是自动驾驶技术的标配，但当前高精度地图依然是一个高壁垒的领域，采集数据的成本很高，而随着道路的变化，高精度地图还要不断修正地图信息。即便是这些问题都解决了，政策上对一些高精度地图数据的开放是有限制的，这就使得自动驾驶车辆往往无法量产。不过Robotaxi业务对于高精度地图数据的要求确实有所降低，因为是在一定城市区域内运行，高精度地图企业只要采集本地高精度地图信息即可，并保证高精度地图数据及时更新，但这方面就需要政府对某块地区的高精度地图信息的完全开放。

其三，仿真路测和现实路测。在技术上，可以参考美国加州的做法，通过路测数据来发放运行许可，路测数据应该由官方确定。从理论上说，自动驾驶需要上百亿公里的路测数据才能达到安全门槛。但现实中并非如此。2021年8月，谷歌Waymo的数据里程是3600万公里，仿真里程是320亿公里。2022年7月百度的Apollo测试里程达到2700万公里，仿真里程也达到10亿公里级别。现实路测里程不足，则仿真模拟里程来凑。仿真里程说到底还是在一个虚拟环境中的驾驶数据。由于自动驾驶的核心是单车智能中的AI视觉神经网络，而深度学习神经网络是AI机器学习的一种，所以自动驾驶的发展依赖于行驶数据的积累。仿真虚拟环境还是不能替代现实路测，因为现实远比仿真环境更不可测、问题更多。

其四，测试环境和开放环境并不相同。量产的自动驾驶车辆面临的环境更加复杂，用户并非专业人士，他们不知道何时要去接管自动驾驶车辆，也不会去维护系统，保持系统的稳定性。工业上有个词汇，叫鲁棒性，指在异常和危险情况下系统生存的能力。测试往往在稳定环境中运行，而现实并不存在所谓的稳定环境。

关键词： 薛定谔的安全 自动驾驶路测 安全员干预次数 自动驾驶技术