商业化落地的条件正在逐渐具备。一方面，近几年技术发展在持续降低自动驾驶方案成本，激光雷达、价格不断下降，也在提高摄像头对路况的解决能力；另一方面，中美欧日等各地区都在抓紧制定无人驾驶相关法律和法规，清除无人驾驶汽车上路的法律障碍；此外，从国外到国内，各企业都高调推进无人驾驶汽车道路实测，并为之设计概念车或量产小部分样车，大量路测数据让无人驾驶方案日趋成熟，无人驾驶汽车从概念走向落地。
7月20日，在2018青城山中国生态高峰论坛上，重庆长安汽车股份有限化研究院副院长何文预计，无人驾驶技术将会呈现爆发式增长。“尤其现在是L1和L2，我们估计到2025年L1将达到90%左右，L2级从今年开始到2025年也会呈爆发式的增长，”何文说道，“ L3与L4智能驾驶开发路线也逐步清晰，产业化步伐加快，现在大家基本统一了认识，L3与L4并行推进，L3面向消费者，L4是从运营市场切入，解决最后一公里的问题。”
根据美国汽车工程师协会（SAE）标准，无人驾驶分为六个等级（L0至L5），第1级（L1）至第2级（L2）是辅助驾驶阶段，而第3级（L3）至第5级（L5）是无人驾驶阶段。目前量产车当中，无人驾驶级别多在L3以下，2017年下半年上市的新奥迪A8，号称是全球首款支持L3级别无人驾驶的汽车。特斯拉虽然曾经号称自己的Autopilot 2.0硬件平台能支持L5级全自动驾驶，但出现几次事故以后，特斯拉已不再着力宣传这一点。
何文表示，从近期数起开启无人驾驶后发生的事故来看，当前汽车厂商还存在过渡宣传的现象，夸大现有功能，从而误导了部分车主。“技术路线还不成熟，感知系统无法适应复杂多变的环境，”何文认为，无人驾驶汽车在国内落地还面临多重挑战，“第一个是法规，法律和法规如何对无人驾驶汽车进行约束还有很多空白，需要更进一步研究来完善法规；第二个，在中国交通设施和交通标志的设计与无人驾驶需求还存在比较大差距，中国各种道路交互与通行要素不统一，复杂多变，导致道路测试难以覆盖所有路况，比如匝道、隧道建设的不统一，带来识别的困难；第三，基础设施与无人驾驶发展缺少协调统筹，我们的基础设施很少考虑无人驾驶的特点，已完成的交通基础设施也很难准确获取信息；第四，智能驾驶引入的开放互联将带来信息安全问题，也是智能汽车发展的重要威胁，国外已然浮现过因为黑客攻击导致汽车出现事故的案例。”
驭势科技CEO吴甘沙也表示，目前无人驾驶生态远不成熟，离替代人类还有很大的距离。Waymo路测里程已超越800万英里，但根据兰德公司2016年的推演，无人驾驶系统要线%）人类行驶里程平均事故率（每1亿英里有1.09次致命事故）水平，需要完成的路测里程数是110亿英里，才能在统计学上验证该平台是安全的。“这几乎是不可完成的任务。解决的思路，第一是通过来替代，在云服务器上，一天可以在模拟器里跑100万英里，当然模拟不能完全取代路测，所以我们大家都希望建立飞轮效应，开放区间L4级无人驾驶不可行，但可以放到封闭环境去跑，在封闭的环境获得更多的数据，从而提升算法。”
吴甘沙分析，影响无人驾驶场景的因素可以分成三个纬度，即可靠性、开放性与安全舒适性，不同无人驾驶场景，对三维参数要求不同。无人驾驶的物流应用对于舒适性没有需求，相对约束条件较少；自动代客泊车也不需要舒适性，但其环境开放程度较高，系统健壮性需要提高；高速无人驾驶应用场景相对封闭，更可预测，但对舒适性要求较高。
吴甘沙还对扩展封闭场景应用拓展做了设想，他表示，可以在车载控制器里跑两套算法，一边是产品算法，一边是模拟算法，以此来解决路测数据不够的问题。“在停车场内部做无人驾驶，一旦车开出停车场，就变成有人驾驶，在有人驾驶的同时，不让传感器和控制器闲着，系统在开放道路跑L4的算法，并做模拟决策，但不反馈。把模拟决策跟有人驾驶的决策做比较，如果显著不同，就把数据传回来。不断在开放道路上在有人驾驶的情况下，做L4测试，装机数量越多，数据就越多。”
这种封闭或半封闭场景的自动驾驶应用，都是当前商业化落地前景比较好的方向，西井科技率先落地的应用就是港口自动运输。但西井科技CEO谭黎敏认为，封闭场景并不意味这解决方案一定就最简单，“在港口要做到的车辆控制和定位精度是两公分，因为我们的车辆需要跟大型机械去做交互，需要用港基的设备去抓集装箱，在这样的一个过程当中，系统对设备的精度要求非常高，集装箱锁孔就是两到五公分大小，所以很有难点。”
从现场投票结果来看，大家也比较一致地认为，物流、自动代客泊车与高危作业环境等特定应用场景的无人驾驶落地会比较快。针对投票结果，AImotive执行顾问Tony King-Smith给出的解释是，物流与自动泊车经济效益立等可见，所以产业推进速度很快，“物流可以一天24小时持续作业，因此无人驾驶在物流业中有非常好的经济效益，所以我们已看到无人驾驶在物流配送领域的应用。”
在国内公司大多将资源投入封闭场景无人驾驶时，国外的Waymo与通用汽车等，都慢慢的开始准备在开放场景做无人驾驶出租车商业试水。当然，在技术基础、道路环境与法律和法规等方面，中美区别较大，所以没办法直接比较这两种途径的优劣。但有一点是相同的，最终商业化决定能否成功落地的，都不是技术，开放场景的无人驾驶商业化，更依赖健全的法律和法规与完善的基础设施建设，而封闭场景的无人驾驶商业化，更依赖对应用环境的透彻理解，以及行业资源。
文章出处：【微信号：TechSugar，微信公众号：TechSugar】欢迎添加关注！文章转载请注明出处。
的发展路径，业内任旧存在两种主要观点：一种是单车智能，强调车辆自身的智能化
应用实例 /
给出了自己的答案。通过将道路的实时交通信息应用进来，能够更好的降低单车智能对于过多传感器的依赖和
的推动最开始的根本原因之一是为了【安全】，据国外研究表明，其中95%事故与人的因素相关，近70%由人的因素造成，所以
“十问十答” /
1200字彻底掌握运算放大器电路的关键参数选型计算：共模抑制比 CMRR
HTTPDNSLib-for-iOS HTTPDNSLib的iOS版本
【「算力芯片 高性能 CPU/GPU/NPU 微架构分析」阅读体验】--了解算力芯片CPU