自动驾驶概念自诞生以来，一直是资本和科技创业者青睐的领域之一。新基建背景下，随着5G商用的逐渐成熟，自动驾驶领域的热情自然会保持高涨。而这一点，从历年的融资数据也能看出。2015年以来，随着自动驾驶技术的快速发展和应用，全球自动驾驶产业投融资规模快速增长。2018年，行业投融资规模达到近年高峰。数据显示，2019年全球自动驾驶行业共有104笔融资，虽然融资规模较2018年有所下降，但融资数量依然居高不下，单笔融资规模也屡创新高。软银愿景基金9.4亿美元的单轮融资直接将融资水平推向了顶峰。回到非常艰难的2020年，疫情似乎并未影响到自动驾驶领域的资金流向。2020年2月，小马智行获得丰田4亿美元B轮融资，融资总额近8亿美元。另一家自动驾驶公司Momenta自成立以来也获得了超过2亿美元的融资，投资方包括腾讯、戴姆勒集团、真格基金等优质资本。随着融资事件的不断发生，“烧钱”的化学反应似乎并没有很多企业预想的那么快。很多自动驾驶玩家还停留在L3级别，道路上还没有不需要人为控制的L4、L5车辆（自动驾驶分类见下图），而在自动驾驶的热潮下当时多家企业抛下“计划”，与2020年实现L4级自动驾驶的说辞形成鲜明对比。图片来源互联网回归本质，自动驾驶到底能不能在开阔的道路上安全行驶？上路前必须经历哪些考验？什么时候上路？我想这些都是我们一直想知道的答案。下面一起来探讨一下。百花齐放，春已至。上面我们提到了自动驾驶历年的融资数据。接下来，我们不妨将视角转回中国。10月21日，全国首辆正常运营的5G无人驾驶公交车落地苏州。此次亮相的无人驾驶公交车在开阔的城市道路上行驶，时速可达20-50公里。除了避让行人车辆、自动变道、自动转向、红绿灯识别等基本功能外，这款无人公交车还可以应对各种复杂的城市交通场景，比如通过人车混杂的路口，应对后面有堵车，“幽灵交通”等等。探》等。图片来自新华社，任超摄。此前，10月12日，百度无人出租车服务Robotaxi在北京正式开业运营。开放区域约700公里，覆盖海淀、亦庄等15个站点的试验区。用户无需预约即可下单试乘。百度推出自动驾驶出租车服务后的第二天，单站自动驾驶出租车累计接单量达到2608辆。6月，滴滴出行还在上海推出了自动驾驶出租车服务。阿里也布局了自动驾驶业务，将以物流配送为主要切入点。美团也提出布局自动驾驶业务，先是与DeepDrive达成合作，并在去年推出了“美团地图”。早在今年4月，长沙就全面开通了无人驾驶出租车服务。眼看自动驾驶服务逐渐在中国落地，自动驾驶的商业化程度不言而喻。国内自动驾驶商业化的发展离不开国家政策的大力推动。2019年12月，我国首次提出新基建概念，其中5G、人工智能、云计算三大板块是自动驾驶软件的核心技术。自动驾驶处于这些主要领域的交汇点，是新基建的典型应用。加上近年来智慧城市、智慧交通相关政策不断完善，正如业内资深人士所说，中国自动驾驶商业化正迎来最佳时机。百花盛开的背后，预示着自动驾驶的春天已经到来。曾经只能在科幻电影中看到的自动驾驶汽车服务场景，如今正在走进现实。政策鼓励发展，技术成关键除了自动驾驶服务加速落地，我们也注意到，政策因素对自动驾驶应用的阻力作用也在减弱。10月28日，交通运输部新闻发言人、政策研究室主任吴春耕在国新办新闻发布会上表示，交通运输部将自动驾驶列为科技攻关的重要领域之一。以创新支撑和加快交通强国建设，始终坚持“鼓励探索、容忍失败、保障安全、反对垄断”的原则，积极推进自动驾驶技术研发试点和应用。对于近期在北京开通的百度无人驾驶出租车服务，吴春耕还表示，百度与相关企业推出的自动驾驶出租车，是在实际道路交通环境下进行的技术性能测试。我们欢迎和支持有关城市和企业大力创新，在确保安全的前提下，依法合规开展试点，加快发展自动驾驶技术。自动驾驶汽车虽然上路了，但与现有的法律法规还有很多冲突，包括《道路交通安全法》、《公路法》等不涉及自动驾驶，也没有明确的法律定义。例如，由于缺乏交通责任认定，客户在购买自动驾驶汽车时会有很多疑虑，影响高级别自动驾驶汽车的市场化。但从上文我们也可以了解到，政策鼓励正在推动自动驾驶不断拓展边界、前行。比如今年疫情期间，自动驾驶被应用到疫区物资的无接触配送中。相信会有更多地区开放测试自动驾驶汽车。业内资深人士表示，虽然政策鼓励，但技术方面还有很长的路要走。我们现在已经解决了90%的技术问题，剩下的感知、决策规划、边界问题才是关键。在目前的开放测试场景中，我们会发现，在真实驾驶场景中，开放试乘的道路多为郊区，道路宽阔，人烟稀少。每辆车都配备了一名安全员，如果有紧急情况，还是需要安全员来处理，就像百度的无人出租车服务一样。过去几年，各种物流车、班车都有试运营，但这些试运营仅限于园区内，并未落地公共道路。并以今年落地苏州的无人驾驶公交车为例。它还需要按照固定路线以中低速行驶，最高级别只能达到L4级别的自动驾驶。L5级之前还有很大的技术空间可以突破。说了这么多，我们发现自动驾驶的应用环境还是有限的，目前还不能应对复杂多变的真实场景。如此看来，一方面是因为自动驾驶应用还需要更多的成功案例才能获得人类社会的信任。即使现在的技术真的达到了L5，也需要一定的时间才能获得信任。这是创新技术的必然演变。过程。另一方面，自动驾驶还需要跨越边界与边界之间的技术鸿沟。边界是指感知和决策规划的问题，外部是指边界问题。目前，在自动驾驶的感知中，虽然传感器种类繁多，如360度激光雷达、摄像头等，但这些传感器大多输出的是原始数据。人类很容易识别摄像头和激光雷达数据的内容，但计算机很难。在正常模式下，识别率会很快达到瓶颈。这时候就需要深度学习和大量的数据进行训练。但是，由于技术限制，计算机无法识别许多明显的场景。同时，当数据量急剧增加时，计算时间会延长，系统响应变慢，这也是无人车只能低速行驶的原因。如果没有快速的感知和决策规划，自动驾驶将难以应对高速环境。当然，这不是无解的问题，属于自动驾驶技术的长尾问题。随着行业的发展和各级技术的不断提升，此类问题也将得到解决。边界问题可能需要比前一段时间更多的精力去解决，因为边界问题可能是无限的。就像在自动驾驶汽车遇到野鸭子之前，工程师们甚至不知道会有野鸭子。除了野鸭，还有野狗、野兔等界外因素。因此，面对这样的边界问题，自动驾驶车辆应该如何正确应对呢？除了不断收集数据，通过自动化工具将有效数据处理成可用模型，并入边界系统，实现自动驾驶车辆在线OTA系统更新，似乎没有更好的办法。这可能成为边界化问题的通用解决方案。不管是境内技术问题还是境外技术问题，除了时间因素，解决技术问题更重要的因素是数据因素。只有通过大量数据的检验和优化，自动驾驶系统才能更加稳定，无限接近人类所期待的L5级别。特斯拉和奔驰，你更喜欢哪个？前面说过，数据因素是解决技术问题的关键。有两位玩家值得我们关注，一位是“新玩家”特斯拉，一位是“老玩家”奔驰。据了解，目前特斯拉正在大张旗鼓地宣传其全自动驾驶软件，声称其车辆拥有最先进的自动驾驶功能，并于近日表示其自动驾驶系统将有重大升级，有望在今年达到L5级。年。就在上周，据外媒报道，特斯拉向一小群车主推出了“全自动驾驶（FSD）”软件，他们将在公共道路上测试该软件，让车辆在繁忙的城市通勤。自动驾驶仪。但隐藏在其网站上的是一份免责声明，称8,000美元的系统并不能使车辆自动驾驶，司机仍然需要对其进行监督。这些相互矛盾的信息让该领域的专家指责特斯拉进行欺诈和不负责任的营销，这可能会使道路变得更加危险，因为该系统将在年底前推广到多达100万名电动汽车司机。.另一方面，梅赛德斯-奔驰表示已开发出类似的系统，但尚未允许公众在道路上使用。该公司的工程师需要通过认证考试才能成为试驾员，测试自动驾驶系统还需要单独考试。这家德国公司不希望客户成为他们的试验品，测试车辆的处理器、软件和机械，以便系统随着时间的推移获得更多功能。他们希望车辆首先由工程师进行验证。在确认车辆和系统的可靠性后，将向公众开放。梅赛德斯-奔驰和特斯拉采取了比对方更为保守的方法，但两家公司的目标相同，都是将高度自动化的驾驶技术引入公共道路。小编也相信，随着各路玩家不断加入自动驾驶赛道，技术难题的突破指日可待，自动驾驶必将更快走向现实。那么，特斯拉和奔驰，你更喜欢哪一款呢？
