當前，自動駕駛處于尷尬的境地：一方面，自動駕駛是前沿技術，誰走在前面，誰的創新能力就會獲得社會認可；另一方面，因為不能落地，帶來了經濟效益自然有限，誰又有如此多的錢可燒。本文從技術、路況，法規等影響落地的因素入手進行分析。

　　一、落地，還有漫長的路要走

　　早在2009年，谷歌的Waymo就啟動無人駕駛研發，試圖將這項激動人心的技術帶給全人類。然而，理想很美好，現實很殘酷，十幾年的打拼并沒有帶來自動駕駛的商業化運營突破。

　　但是，自動駕駛，經過近幾年的發展，已經步入研發和測試階段，入局企業更如雨后春筍般地涌現，各自在其領域取得了不菲的業績。就目前而言，自動駕駛正處在由“L2智能輔助駕駛”邁向“L3、L4自動駕駛”的關鍵階段，毫不夸張地說，自動駕駛已步入下半場，到了落地為王的競爭階段，但離真正的商業化運營，還有很長的路要走。

　　自動駕駛實現規模化商業運營，決定于技術的可行性，即能否勝任各式復雜場景，產業鏈是否成熟，容錯空間有多大，如果發生事故后果將會有多嚴重等等。

　　要把自動駕駛推進下去，眼下的重點是解決好技術、安全和可靠性問題。技術不成熟，企業量產就不可能。當追逐風口的浮躁散去，關于自動駕駛的思考逐漸回歸技術本源，需要技術和運營層面的不斷突破。自動駕駛技術本身難以落地，需要轉化為可感知、可使用的產品與服務。自動駕駛企業應開展技術角逐，盡可能多得從技術創新中攫取利潤。

　　目前的技術做不到全場景，各大企業雖然有冗余，但無法實現感知、決策和執行的全冗余，關鍵時刻，人員還是要接管。比如，夜間光線不好的道路施工區域、停在路邊的車突然開門等，都是實現城區自動駕駛時需要解決的典型問題。

　　在技術可行之前，需要海量的行駛數據支撐。覆蓋廣泛的測試網絡能帶來海量的行駛數據，有利于研發團隊快速提升自動駕駛車輛的算法完善度。廠商則往往是拉著測試車天南海北地跑，通過堆積測試里程提高數據獲取量。

　　在公開道路測試里程上，Waymo在2020年1月就達到了2000萬英里；同時，在仿真模擬器上跑了70億英里的駕駛里程。百度的L4 級自動駕駛累計測試里程突破 1000 萬公里，是全球唯一自動駕駛測試里程突破千萬公里的中國企業。

　　然而，這還遠遠不夠，為了讓自動駕駛系統的可靠性達到99.9999%，研發人員必須在多種場景進行反復測試，以提高系統的可靠性。然而，在政策允許的場景中測試，就像在封閉賽車場上跑圈，到了下一個場景，還得繼續跑。

　　比如，百度盡管今年五月在“首鋼園”試行所謂的商業化載客實驗，但脫離園區的自動駕駛如何實現robotaxi，如何接入真實出行場景，百度仍然難有答案。

　　無論你怎么測試，在一個開放的道路區域，你永遠會遇到各式各樣的不同的新問題：比如，天氣的變化，路況的變化，道路車輛行為的變化，人的行為的變化等等。

　　自動駕駛是一個依靠技術驅動的行業。隨著場景的逐步多元，其對算法精度要求之高、算法廣度要求之多勢必讓人咂舌，而對于不可預見的長尾場景的處理，挑戰非常巨大。如果不能解決這樣的場景，將嚴重影響實際的駕乘體驗與技術落地進程。

　　自動駕駛未來的比拼，核心是技術的比拼，誰能滿足更多場景的實際需求，誰就能在這場競逐中走到最后。有人認為，今后的5~10年時間，自動駕駛技術將迎來轉折點，營造生態、積累數據，是當前應該專心做的事。

　　如何選擇商業化的實現路徑，也是重要一環。因為一旦選錯，可能就會走許多彎路。在諸多賽道中，自動駕駛卡車正被越來越多的人視為最具商業落地領先性的產品，其中一個原因是載物而不是載人，對安全性的要求不是那么苛刻。出租車上路載客，因城區道路場景內長尾場景多變復雜，將成為自動駕駛實現100%技術落地的最后角落。

　　沒有規模就不會形成產業鏈，在真正進行商業化運營之前，不會真正產生有規模的用戶價值。

　　二、商業化，是一項系統工程

　　自動駕駛是顛覆性技術，其落地是一項系統工程，不僅需要技術，安全，更需要路況與法規。

　　自動駕駛上路，不是依靠某一家公司就可以解決問題，首先需要一個系統級的頂層設計。光有車，沒有一個好的路況，好的法規，無人駕駛其實也很難做。

　　當前，車路協同已經成為我國自動駕駛大規模商業化應用的主流路線。6月11日，第11屆中國汽車論壇上，中國汽車工業協會常務副會長兼秘書長付炳鋒表示，現在中國已經明確走車路協同的路線。車路協同能讓自動駕駛行車更安全、行駛范圍更廣泛、落地更經濟，讓自動駕駛規模化、商業化落地門檻大大降低。

　　通過智慧高速項目建設自動駕駛專用車道，再通過技術手段實現自動路車協同，這是自動駕駛基礎性的新工作。

　　目前這方面的工作已經開啟，主線科技成功中標《高速公路智能車路協同系統集成應用》，成為“自動駕駛專用車道設計及貨車列隊控制“課題的負責單位。今年3月，蘑菇車聯與衡陽市政府達成戰略合作，雙方在智能終端、車路協同、自動駕駛及智慧交通領域展開深度合作，推動城市級自動駕駛大規模落地和商業化運營。

　　眾所周知，自動駕駛的落地，需要海量的測試數據。但測試，需要在合規的前提下進行，所以這個很大程度取決于當地法規的完善程度。如今，很多自動駕駛企業都已躍躍欲試，尋求更加開放、合法的真實道路測試乃至商業化運營，然而技術和法規之間的同步需要時間，更需要強有力的依據支撐，例如技術安全性、可靠性的測試評價證明，這需要政府和企業共同去努力。

　　2020年文遠知行已經獲得了廣州、武漢、鄭州等地的自動駕駛路測牌照，滴滴自動駕駛已經在上海、北京、美國加州等多個地方獲得自動駕駛道路測試資格。

　　真正商業化落地之前，是政策體系的開放，目前，許多政策還需進一步完善，比如保險、基礎設施等等。可喜的是，目前，北京，深圳、廣州、長沙等城市推動政策落地的力度、節奏超過預期。

　　4月13日，北京市智能網聯汽車政策先行區正式開設，并發布了《北京市智能網聯汽車政策先行區總體實施方案》。在這一先行政策中，明確鼓勵經過充分驗證的智能網聯汽車在政策先行區率先開展試運行并提供商業運營服務，企業在商業運營過程中可提供收費服務。

　　目前國內還尚未允許無人駕駛出租車上路載客，商業化運營還不被批準，但從地方角度，已有嘗試，文遠知行于今年2月獲得廣州市交通運輸局頒發的網約車運營許可證，選擇與白云出租汽車集團合作，完成了從自動駕駛測試車到法規許可的營運車輛的跨越，目前已能在最熱鬧，最缺出租車的廣州市區，實現商業化載客。

　　總之，自動駕駛到底什么時候能做到規模的商業化，其實不完全取決于企業，政府政策、基礎設施、法律法規、道路開放、甚至如高精度地圖都是牽制因素。但我們相信，隨著技術、生態的發展，相關政策體系也會不斷完善成熟。

　　三、分級調整，難解落地困局

　　5月3日，SAE International（國際汽車工程師協會），聯合ISO（國際標準化組織），再次更新了自動駕駛分級標準，這也是SAE在7年內第四次更新分級標準。

　　行業和用戶最熟悉的自動駕駛分級是SAE 制定的規則，從L0-L5共六個等級。由于SAE前三次分級不清晰，對L3級的定義比較模糊，這次分級重新進行了定義，明確了L1、L2必須稱作輔助駕駛，L3、L4、L5才能稱作自動駕駛。

　　就L3來說，明確增加對駕駛員接管能力監測和風險減緩策略的要求，大大降低了門檻；但L4更難了，新規要求在L4的場景下，車輛不會要求駕駛員做任何接管，但意味著，一旦L4出現事故，責任全是車企的。

　　在本次更新之前，許多車輛的水平都是介于L2-L3之間，新的分級之后，國內在自動駕駛領域領先的車企紛紛表示將在年內量產搭載激光雷達的車型，以實現L3級別的自動駕駛功能。自動駕駛本身技術沒變，以前車企只能宣傳L2.X，現在可以嘗試宣傳L3了。

　　這對宣傳有用，但對實際落地幫助不大，甚至增加了難度。L4是指在特定區域內的完全自動駕駛，這意味著車輛已經不要方向盤、剎車，更不會要安全員。

　　2020年10月，Waymo宣布，取消其在亞利桑那州鳳凰城郊區運營的Robotaxi業務上的安全員，是L4的一次嘗試，給業界帶來了一片樂觀的期待，認為Robotaxi的規模化復制指日可待。

　　然而，直到今年7月，Waymo的無人駕駛車隊規模大概還是700輛。基本上，可以確定，哪怕到2022年，Waymo將Robotaxi規模商業化運營的可能性都等于0。

　　從傳統理念上看，自動駕駛從L1到L5是循序漸進的過程。然而，目前市場上各個企業的切入角度不同，有采取漸進式發展，也有直接瞄向L4/L5。殘酷的現實是，截至目前，直接做L4級自動駕駛的商業模式還沒有一家跑通。在AI能力沒有出現質變之前，直接做L4級自動駕駛系統，恐怕難以實現。

　　也有車企，拋開SAE分級，自己定義自動駕駛功能級別，如特斯拉，如小鵬都以場景為主，自己定義自動駕駛功能級別。

　　但是，無論怎么分級，最終其實都是為了把這個技術放到一種可以落地運營的應用場景當中去，況且，目前SAE 分級標準和工信部的《汽車駕駛自動化分級》國標都沒有法律效應，無法對于自動駕駛責任主體進行判定。分級的調速，難解自動駕駛落地困局。

　　結語：現有技術下，全球普遍停留在L3級別，離完全的自動駕駛還有差距。換言之，目前的自動駕駛汽車依然離不開人的參與，真正完全取代人，還很遙遠，目前要做的是，一步一個腳印地共同推進自動駕駛技術的研發和商業化落地。