自动驾驶，如何行稳致远？

　　从特斯拉新工程总部出发，中途通过谷歌地图搜索扎克伯格家地址并导航，借助新版FSD系统全程“代驾”，45分钟的路程中，只上手干预一次……近日，美国特斯拉公司首席执行官埃隆·马斯克直播亲测自动驾驶，将自动驾驶这一现代技术再次推到台前。

　　埃隆·马斯克直播自动驾驶中图源：Youtube

　　从“最初一公里”到“最后一公里”，科技优化着人们的出行体验。对于自动驾驶，很多人理解的是无需人类操控，车辆可自主驾驶。的确，这是自动驾驶最理想的状态。可现在，它真能“起飞”吗？世界各国大力研发自动驾驶技术的环境下，又该怎样给其“立规矩”？

　　自动驾驶不是简单的“机器开车”

　　或许从字面上看来，自动驾驶就是让机器人或系统来开车。实际上，自动驾驶系统是通过车载传感系统感知道路环境，并根据感知所获得的道路、车辆位置和障碍物信息，控制车辆的转向和速度，从而使车辆能够安全、可靠地在道路上行驶并到达预定地点的功能。

　　2022年11月6日，乌镇街头的自动驾驶网约车。图源：光明网

　　要想实现无人驾驶，就要考虑感知层、决策层和执行层三个方面，分别对应人类的眼睛、大脑和手脚。感知层是眼睛，可以通过传感器（激光雷达、摄像头、毫米波雷达、高精地图等）来采集驾驶员行驶过程中涉及到的驾驶信息；决策层是大脑，对获取到的信息进行计算，制定相应的控制策略；执行层则是手脚，执行其收到的包含“加减速、转向”等在内的控制策略。

　　自动驾驶的6个等级图源：量子位

　　总的来说，就是运用各类高新技术，代替驾驶员感知周围环境并做出决策，这在国际上被划分为L0～L5共6级，等级越高，自动化程度也就越大，真正的自动驾驶要到L3以上。

　　拿数据处理这项技术来说，它在获取信息分析数据后，需要快速做出判断指令，帮助汽车规划路线。据统计，L3级别的ADAS系统，需要50-100PB的海量数据和5000-25000 核的计算资源；到了 L5 级别实现完全自动驾驶，则需要超过2EB级别的数据量和100000 核的计算资源，这就需要自动驾驶应用和服务提供商具备强大的计算能力。

　　此外，多传感器融合、数据安全保密等相关技术也还有待增强。只有通过多方加持，才能实现看似简单的自动驾驶。

　　AI大模型加入，建构“探路”神经网络

　　自动驾驶的复杂性在于，道路交通是多变的，几乎不会处于完全相同的场景。交通流量、过路行人、当下天气，甚至不同地区的驾驶规范，都会给自动驾驶系统带来海量的数据变量。搭建一个大规模的“智能神经网络”显得尤为重要，而AI大模型成了“主力军”之一。

　　自动驾驶数字概念图图源：Baidu

　　自动驾驶需要通过真实世界的数据来训练、测试和验证模型算法的安全性和准确性，其过程需要大量数据支持和复杂的驾驶环境。生成式AI可以为自动驾驶模型训练提供高质量合成数据，实现数据增强和数据模拟，解决数据匮乏、数据质量等问题，从而让驾驶更安全。

　　在马斯克整个直播过程中，他反复强调的一点就是，无论是最开始遇到的红色立柱、减速带，还是后面遇到的骑行路人、环岛路口，FSD系统都不是靠任何一行控制代码来完成决策的。“FSD只是看了非常多的视频，然后完成了训练，得到了一个神经网络。”通俗来说，就是通过“喂”海量的高质量驾驶数据进行训练才能起到一定作用。

　　“我认为未来全人类80%-90%的算力都会用在神经网络上。”马斯克表示，AI训练需要把算力集中在一个地方，避免数据传输带宽的瓶颈，也会带来很大的电力负担。

　　“自动”背后，安全仍是重中之重

　　当前，全球政府、企业都在积极推进布局自动驾驶技术研发落地。美国特斯拉、谷歌等企业在自动驾驶领域的布局也相对较早，前者已在全球范围内开展了自动驾驶出租车服务试点，后者则通过旗下的Waymo公司，致力于研发高度自动化的无人驾驶汽车。同时，美国也很重视发展车路云协同自动驾驶，提出了网联自动驾驶（CAV）的概念。

　　图源：Waymo

　　与美国类似，欧洲智能网联汽车发展起源于ITS，并逐步通过车辆的智能化、网联化实现车与交通系统的协同发展，其高度重视单车智能与车路云协同自动驾驶协同发展。此外，欧盟委员会曾于2018年发布《通往自动化出行之路：欧盟未来出行战略》，明确提出到2020年在高速公路上实现无人驾驶，在城市中心区域实现低速无人驾驶；到2030年普及高度自动驾驶。

　　日本在车路协同方面，基础设施优势较强，通过ITS发展协同推动智能网联汽车产业进步。2011年，就开始使用基于Smartway项目发展而来的ITS SPOT System，这套系统为智能车路提供了自适应巡航、安全行驶、盲区检测、道路汇集援助、电子付费等服务，这些道路基础设施为发展车路云协同自动驾驶提供了良好基础。

　　无人驾驶出租车、无人配送车、无人零售车、无人接驳车……位于中国北京城东南的北京市高级别自动驾驶示范区虽然设立不到三年，却已经把城市变成了创新场，多种前沿无人驾驶场景纷纷落地。数据显示，截至今年3月，示范区内测试企业达19家，入网车辆数量达578辆，累计自动驾驶里程达到1449万公里。

　　百度Apollo无人驾驶出租车图源：Baidu

　　但即便如此，现阶段自动驾驶技术还存在一些问题和挑战，如在复杂的交通环境中以及在极端天气和路况下自动驾驶的准确性和安全性等。

　　2021年，由中国汽车技术研究中心有限公司联合同济大学、百度Apollo编制的《自动驾驶汽车交通安全白皮书》是全球首个关注自动驾驶汽车道路交通安全性的研究报告，通过系统分析对比了人类驾驶和自动驾驶事故原因，科学地提出了“自动驾驶比人类驾驶更安全，但并非零事故”的观点，为“自动驾驶提升道路交通安全”提供了理论支撑。

　　2022年11月6日，乌镇街头的自动驾驶网约车。图源：光明网

　　其次是法律法规的制定和规范缺失，目前全球各国对自动驾驶技术的法律法规尚未完善，对于自动驾驶技术的监管还有很多问题需要解决。同样的，自动驾驶技术的成本也相对很高，目前只有一些高端车型配备研发自动驾驶技术，面向大众消费市场的普及还需要一些时间。

　　几年前，你是否可以想象在中国北京可以坐上无人驾驶的出租车？几年后的今天，它成为了现实。尽管还存在法律法规、规模成本、安全性能等多方面的限制，但谁又能预测，在AI等技术的加持下，未来的自动驾驶会发展到什么程度？