自动驾驶攻破的难点在哪，何时能到 Level 5？
自动驾驶的难点，就像是隐藏在迷雾中的巨兽，它们形态各异，但都让我们的前行充满挑战。
首先，感知和理解的“黑箱”。让汽车像人一样“看懂”世界，这绝非易事。摄像头、雷达、激光雷达，这些传感器就好比我们的眼睛、耳朵和触觉，它们能捕捉到海量的数据，但如何将这些杂乱无章的信号转化为对周围环境的准确理解，这就是人工智能的功劳了。
复杂场景的识别与判断： 我们生活在一个动态万变的世界。一条狗突然从路边蹿出来，一个小孩在路中间玩球，一场突如其来的大雨导致路面积水，甚至是一片落叶被风吹起挡住了视线——这些都是自动驾驶系统需要瞬间识别并做出正确反应的情况。特别是那些非标准、罕见的“边缘案例”，它们可能只在极少数情况下发生，但一旦发生，后果不堪设想。比如，一个穿着 cosplay 服装的人，或者一个正在进行街头表演的队伍，这些都可能超出训练数据的范畴，让系统感到困惑。
天气和光照的挑战： 传感器在恶劣天气下的表现会大打折扣。大雨、大雪、浓雾都会严重影响激光雷达的探测距离和精度，也会让摄像头拍摄到的图像模糊不清。夜间驾驶、隧道出入口的光线剧烈变化，对系统的视觉感知能力是极大的考验。即使是强烈的阳光直射，也可能导致摄像头“失明”。
语义理解的深度： 不仅仅是识别“这是辆车”，“这是个行人”，自动驾驶还需要理解更深层次的语义。比如，这个行人是不是要去过马路？这辆车是不是要变道？路边的标志牌是禁止停车还是限速？交通信号灯的含义是明确的绿色、黄色、红色，但有时候信号灯可能损坏，或者被遮挡，系统如何判断？
其次，决策和规划的“智慧”。有了对环境的感知，下一步就是如何做出最安全、最合理的决策。这涉及到在无数种可能的路径和动作中，选择最优的那一个。
博弈论下的交互： 道路上不仅仅有自动驾驶汽车，还有人类驾驶员、骑自行车的人、行人。他们都有自己的意图和行为模式，而且很多时候是难以预测的。自动驾驶系统需要理解这些“对手”的意图，并预测他们的下一步行动，然后在复杂的交通流中找到一条安全且高效的路径。这就像一场精密的博弈，需要考虑多方因素，做出最优的“出招”。
长远规划与实时调整： 自动驾驶需要能够在复杂的导航任务中进行长远规划，比如在交叉路口选择哪个车道，在拥堵路段如何绕行。同时，它也需要能够根据实时的交通信息和周围车辆的动态进行快速的重新规划和调整。如何平衡“稳健”与“效率”，如何在保证安全的前提下做到“聪明”的变道超车，都是巨大的挑战。
道德困境的“电车难题”： 这是自动驾驶领域一个经典的哲学难题，也是现实世界中可能遇到的极端情况。当车辆面临不可避免的事故时，它应该优先保护乘客，还是优先保护行人？如何设定这种优先级，是一个涉及伦理、法律和社会价值观的问题，目前还没有一个普遍认同的解决方案。
再者，执行与控制的“精准”。做出决策后，还需要通过精确的转向、加速和制动来将决策付诸实践。
车辆动力学与精确控制： 车辆的动力学特性非常复杂，尤其是在湿滑路面、高速行驶或者紧急制动时。如何实现对车辆的精准控制，确保在各种工况下都能平稳、安全地行驶，需要精密的车辆模型和控制算法。
执行器和系统的冗余与可靠性： 自动驾驶系统的每一个组成部分——传感器、计算单元、执行器（转向、刹车等）——都必须高度可靠，并且具备冗余设计。任何一个关键部件的失效，都可能导致灾难性的后果。如何确保这些系统的长期稳定运行和故障检测能力，是至关重要的一环。
最后，也是非常重要的一点，法规、安全验证与公众接受度。即使技术能够达到要求，也需要一套成熟的法律法规来规范自动驾驶汽车的运行，并且需要对系统的安全性进行充分的验证，以及获得公众的信任。
安全验证的“不可能三角”： 如何证明一个自动驾驶系统是绝对安全的？我们不可能模拟出世界上所有的交通场景来测试。即使测试了数百万公里，也无法保证不会在下一个转弯遇到一个前所未有的情况。如何建立一个有效且可信的验证体系，是一个巨大的难题。
责任界定与法律法规： 当自动驾驶汽车发生事故时，责任应该由谁来承担？是制造商、软件开发者、车主，还是其他第三方？现有的交通法规很多是基于人类驾驶员的，需要对这些法规进行修订和完善，以适应自动驾驶的到来。
公众的信任与接受： 人们习惯了掌控方向盘的感觉，将生死攸关的决策交给机器，需要一个过程来建立信任。一次严重的自动驾驶事故，都可能引发公众的恐慌和对技术的质疑，从而延缓其普及进程。
那么，何时才能看到 Level 5 的身影？
要给出确切的时间表，实在是件极其困难的事情。这就像预测下一场大地震一样，我们可以估算概率，但很难给出精确的日期。不过，我们可以根据当前的技术发展趋势和面临的挑战来做一些推测。
Level 4 已经开始落地，但普及仍需时日。 我们现在看到的一些在特定区域（如限定的城市道路、高速公路）运行的自动驾驶出租车或货运卡车，大都属于 Level 4。它们能够在定义的运行设计域（ODD）内实现完全自动驾驶，但在 ODD 之外，仍然需要人类驾驶员介入。
Level 5，也就是完全的“全场景”自动驾驶，意味着车辆可以应对任何道路、任何天气、任何交通状况，并且无需人类干预。这距离我们还有相当长的一段路要走。
感知与理解的“终极挑战”： 能够像人类一样应对无数的“边缘案例”，需要人工智能在“理解”世界方面取得革命性的突破，而不仅仅是识别和分类。这可能需要全新的算法和计算范式。
安全验证的“圣杯”： 要达到 Level 5，我们必须能够以一种令人信服的方式证明系统的安全性，能够应对我们尚未设想到的所有情况。这可能需要结合大规模的仿真测试、实路测试以及某种形式的“形式化验证”技术。
基础设施与生态的配合： 即使技术成熟，Level 5 的普及也需要智能交通基础设施的支持，比如 V2X（车与一切通信）技术的广泛应用，以及城市交通管理系统的智能化升级。同时，整个汽车产业链和消费者也需要做好准备。
一些业内人士和专家的普遍看法是，实现大规模普及的 Level 4 可能在未来 510 年内逐步实现，而真正意义上的、全场景通用的 Level 5，可能还需要 1520 年甚至更长的时间。 甚至有人认为，在可见的未来，完全意义上的 Level 5 可能永远不会实现，因为总会有一些极端情况是人类驾驶员也难以应对的，而技术也无法覆盖到每一个细微末节。更现实的目标可能是不断提升自动驾驶的水平，在越来越多的场景下取代人类驾驶员，让出行变得更安全、更便捷。
总而言之，自动驾驶攻克的难点在于，它不仅是一项技术挑战，更是一项涉及人工智能、机器人学、计算机视觉、决策理论、法律法规、伦理道德乃至社会接受度的系统工程。这是一场马拉松，而非短跑，我们正一步一个脚印地向前迈进，但要抵达终点，还有无数的“沟坎”需要跨越。
网友意见
先来一张各大车企自动驾驶技术的分级图，大致了解一下目前已经量产的自动驾驶技术哪家强。
奔驰：这儿有点挤啊...
沃尔沃：隔壁那位兄弟，你踩着我脚了...
特斯拉：唉，无敌是多么寂寞
奥迪：Tesla，你对力量一无所知
自动驾驶从L2到L5是一个相对漫长的过程，现已发布的量产车型中有处于L3的奥迪A8、处于L2.5的Tesla、还有处于L2的凯迪拉克CT6等。
那么每一级别之间具体的区别和需要克服的难点到底又有哪些？那就一级一级细细道来。
按照国际惯例，谈论自动驾驶级别时必须上一张SAE的分级图。
图片出处：LEVELS OF DRIVING AUTOMATION ARE DEFINED IN NEW SAE INTERNATIONAL STANDARD J3016
下面我用给大家解释一下
- 各个级别到底代表着什么样的技术
- 哪些指标能立刻区分汽车属于哪个Level
- 为什么Level越高，对技术的要求越高
SAE Level 0：
No Automation（无自动化）
准确来说，现在我们已经很难看到 Level 0 的汽车了。要么早已报废，要么法规都禁止其上路了。无自动化意味着诸如ABS（自动防抱死）这种现在看来最基本的配置都没有。极端一点，你可以认为Level 0的车就是四个轮子加一个沙发。@吉利
SAE Level 1：
Driver Assistance（驾驶员辅助）
生活中常见的车基本都属于Level 1。Level 1 称为驾驶员辅助系统，所有在驾驶员行驶过程中，对行车状态有干预的功能都叫驾驶员辅助，都属于Level 1。
比如最基本的ABS，以及在ABS基础上升级而来的ESP，还有高速路段常用的定速巡航、ACC自适应巡航功能及LKA车道保持辅助。
大家买车时，在底盘功能介绍中看到的各种英文缩写，或多或少都是属于SAE 规定的Level 1。
SAE Level 2：
Partial Automation（部分自动化）
Level 2和Level 1最明显的区别是系统能否同时在车辆横向和纵向上进行控制。
如果一个车辆能同时做到ACC+LKA（自适应巡航+车道保持辅助），那么这辆车就跨进了Level 2的门槛。2018款的凯迪拉克CT6拥有的半自动驾驶系统“Super Cruise”就是典型的Level 2级别。
先来看个视频：凯迪拉克CT6，SuperCruise自动驾驶系统演示
视频中可以看到，该车并不具备主动超车的功能。即目前的Super Cruise仅能实现单一车道内的加减速。
再来说说自动驾驶话题下不得不提的特斯拉。正如我在"互联网公司和汽车企业都在开发自动驾驶，你更看好谁？"中提到的那样，特斯拉过度夸大了他们系统所具备的能力。
为什么称 Tesla 目前的 AutoPilot 为 Level 2.5？
因为特斯拉具备换道功能。驾驶员在确保安全的情况下，拨动转向灯杆，车辆即可依据该信号实现换道。也就是说，特斯拉的换道操作并不是全自动的，而是把这一块对环境感知的需求交给了人。特斯拉收到变道信号后会由车判断是否可安全变道后才会执行。比如前后车距离太近、实线都不会变道的。
（重点来了！敲黑板）
难点：Level 1 ~ Level 2
1.汽车横向控制和纵向控制配合的舒适性
单独的横向控制（车道保持）或纵向控制（ACC等）技术已经十分成熟，那么两者同时控制时，如何将舒适性做到最优，这就是当前遇到的挑战。
2.通知驾驶员接管车辆的时机选择
Level 2的系统并不具备较高级别的自动驾驶功能，需要驾驶员实时监控并做好接管的准备。如何以最友好的和最恰当的交互方式通知驾驶员接管车辆，而不影响到驾驶员的心情，需要人机交互攻城狮费尽心思。
SAE Level 3：
Conditional Automation（有条件自动驾驶）
有条件自动驾驶是指在某些特定场景下进行自动驾驶。比如全新奥迪A8在他们的宣传视频中就限定了十分常见的场景——堵车，该功能叫作Traffic Jam Pilot（交通拥堵巡航），功能描述如下：
当车速小于或等于60公里/小时，用户可以启动道路拥堵状况下的自动驾驶功能。在当地法律允许的情况下，车辆会完全接管驾驶任务，直到系统通知用户再次接管。这也是目前在全球范围内，在实现量产的车型中拥有的最高级别的自动驾驶能力。
引用出处：全球首款自动驾驶量产车奥迪A8背后的Audi AI
仔细想想，这些功能特斯拉通过升级软件也能实现，为什么只有Audi A8敢宣称自己达到 L3 呢？
因为L3 相比 L2 最大的进步在于——不需要驾驶员实时监控当前路况，只需要在系统提示时接管车辆即可。这对于自动驾驶技术来说是一个很大的跨越，这也意味着自动驾驶系统代替人类成为了Driver & monitor。驾驶员变为乘客，而乘客是不需要实时监控当前路况的。
难点：Level 2 ~ Level 3
1.传感器感知技术
NTSB最近刚发布的，去年五月特斯拉撞卡车交通事故的宣判结果——特斯拉Autopilot的功能限制是导致2016年5月交通致死事故的主要原因，这里的功能缺陷实际上就是传感器感知的缺陷。AutoPilot 1.0的硬件配置很难处理特殊工况，比如交叉路口。图为特斯拉因传感器感知缺陷未正确识别卡车所导致的事故。
图片出处：Inside the Self-Driving Tesla Fatal Accident
正是因为传感器感知缺陷这种客观因素的存在，整车厂做自动驾驶时就显得尤为保守，要么增加传感器以加强感知能力，比如全新奥迪A8加的四线激光雷达；要么就通过监视驾驶员的面部状态，确保驾驶员实时观测着前方路况，比如凯迪拉克CT6。
2.法规
上次Apollo发布会，百度当着全中国的面在开放道路测试自动驾驶技术，被请喝茶了。目前中国还是不允许自动驾驶车在开放及高速道路测试的，所以在法规正式发布之前，自动驾驶还只能到封闭的试车场中测试。这一点国外走在前列。
SAE Level 4：
High Automation（高度自动驾驶）
无论是国外的Waymo、Uber还是国内的Baidu L4事业部做的都是Level 4自动驾驶技术的研究。它们的自动驾驶汽车有一个很明显的共同点，就是头上顶着一个大大的激光雷达。如下。
激光雷达提供了极高精度和极其丰富的感知信息，这使自动驾驶车自如处理极端工况成为可能。激光为主，视觉为辅，再加上车上各种功能冗余的传感器及高精度电子地图，在开放道路上实现A点到B点的自动驾驶不再遥远。
难点：Level 3 ~ Level 4
1.传感器成本
激光雷达的成本短期内还降不下来，这也是 L4 自动驾驶汽车还未普及的重要原因之一。Waymo在今年年初宣布将激光雷达成本降低90%，希望低成本激光传感器早日到来。
2.极高鲁棒性的自动驾驶算法及稳定的计算平台
Level 4的自动驾驶算法准确性和精确性需要达到，甚至超过人类的认知水平，这就需要的是极具鲁棒性的算法和稳定的计算平台。确保自动驾驶汽车即使遇到突发情况也能较好应对。
3.高精度地图采集资质
这一项难点国外并不存在，但是国内确实是一个很大的壁垒（国防考虑）。除了大家耳熟能详的BAT有地图测绘资质外，国内有测绘资质的图商寥寥无几。近几年随着自动驾驶的发展，想在国内发展自动驾驶技术，图商说不定会成为稀缺资源。可以的话，推荐大家自己去调研国内有测绘资质的几家图商，买点他们的股票，看涨~
这也是我司和图商合作的一大原因，报道如下。
上汽携手光庭信息发力高精地图 智能驾驶助汽车龙头“换挡加速”
4.乘坐人员接纳度
现在让你去乘坐一辆没有方向盘，随时都无法接管的汽车，心里多少会有些忐忑吧。因此人类的接纳程度也是自动驾驶普及的一个大难点，需要时间建立信任。
Level 5：
Full Automation（完全自动驾驶）
相信很多人都会对 L4 和 L5 感到困惑，其实两者很容易区分，观察他们的可行驶范围即可。
大家看下图。
图中的大圆弧是自动驾驶 Level 4 所限定的区域，小圆圈是汽车的感知范围。
t时刻，汽车依然在大圆弧内，自动驾驶系统正常工作；
t+1时刻，已靠近边界，自动驾驶系统即将失效，并发出警报；
t+2时刻，汽车开出了边界，这时自动驾驶系统完全失效，安全停车。
图片来源：无人驾驶汽车的黎明 https://www.bilibili.com/video/av12429465
那么L5的功能该如何描述？
只要给出一个GPS坐标点，L5的自动驾驶车就能到你指定的地方，无论这地方的法规是靠右行驶还是靠左行驶，自动驾驶车都能轻松应对。即全工况、全区域的自动驾驶。
难点：Level 4 ~ Level 5
1.高精度地图众包更新生态
自动驾驶技术十分依赖高精度电子地图，所用到的电子地图一定要确保实时且易于更新。未来每一辆在路上行驶的自动驾驶车，不仅是用于正常通勤，同时也是地图信息的采集车，实时将当前地图信息反馈至云端供其他自动驾驶汽车使用。
以上内容就是自动驾驶研究所需要攻破的难点，暂列这么多，以后想到继续更新。
何时能到Level 5？
在这个做预测随时都可能会被打脸的时代，仅做一个保守估计：
L4会在2025年前普及。至于L5，可能不会有，因为造出一个全世界都能跑的车子性价比不高，L4对用户来说已经够了。你真的在乎，在中国能来去自如的某辆汽车，不能在美国跑吗？
———————分割线———————
如果你有行业咨询、offer比较、求职转行咨询、技术咨询等问题，欢迎向我咨询~
知乎专栏： 无人驾驶干货铺
你这么好看，一定很会点赞~
自动驾驶无法解决的不是技术问题。而是如果有人碰瓷怎么办。就是一个人失恋了，选择跑到高速公路上，突然往车底下躺着。要是人开着车，那就无所谓。打官司也不怕。要是自动驾驶的车辆，那就麻烦了。毕竟不管因为什么原因，机器也不能杀人。只要压死一个，直接上报纸头条。
也就是解决伦理问题。就是承认机器有的时候也会出错。撞死人也没什么大不了的。
先上结论：不会出现第一辆L5级别的自动驾驶汽车。
我们想要L5级自动驾驶汽车，就像古人想要速度100迈的马车，一样愚蠢。
事实上，早在车企开始宣传“世界上第一款量产L3级别汽车”的时候，我们就应该揭穿他们的把戏，意识到这种说法和“东半球最好用的手机”没区别。
自动驾驶的级别从L1到L5（SAE），清晰而直观，是大家讨论自动驾驶行业的一个基准。但是，它也很容易误导人。让人以为自动驾驶的技术，会一级一级获得突破，最终迎来一辆L5级别的汽车，可以带我们到任何地方去。
醒醒吧，真实的技术部署从来不会按这样的“计划方案”发展。而且，这个行业里的公司“怎么说的”和“怎么做的”完全不是一回事。你能听到很多人，在画一张同样的大饼：我们在研发自动驾驶，我们将率先发布某个级别的汽车，我们将推出最先进的自动驾驶汽车叫车服务。
不要轻易相信他们说的话。看看这些公司实际是怎么做的，你就能明白，这个行业里最有代表性的三家公司分别是英特尔的 Mobileye、特斯拉和 Google 的 Waymo，他们才真正代表了自动驾驶技术部署的三种实际路线。
不会出现第一辆L5汽车
如果你熟悉SAE自动驾驶技术级别定义中的L5，你就知道我们说的是，在所有场景下都可以工作、永远都不需要人干预的自动驾驶汽车。换言之，人只能作为乘客，驾驶的任务完全交给汽车。
它与L4的唯一区别就是，L4能适应的场景依然是有限的，而L5“没有限制”。看明白了吗？从L4到L5，不过是一种典型的“线性”思维类推出来的结果，与古人想要速度更快的马，没有什么区别。在实际的技术部署中，首先是我们大部分人等不到这种汽车出现的那天；其次等它出现的时候，或许地球上更流行的是飞行汽车或者其他新型的私人交通工具。
我们看看实际的技术部署会是什么样的。例如，有一种收垃圾的自动驾驶汽车，它只能在限定的范围内工作，就是到固定的地点收完垃圾，然后把垃圾集中放到固定的地方，接着自己回停车场充电，等待第二天执行同样的任务，全程不需要人干预。请问这种汽车我们称之为L4，还是L5有什么区别吗？
再比如，一种自动驾驶的货车，大部分路程都在高速公路上，完全自动驾驶，只有在出高速之后的一小段市内路程，需要人来“监督”继续驾驶到卸货的地方。请问这种汽车我们称之为L3，还是L4有什么区别吗？
现在，很多公司展开的自动驾驶测试已经表明，不同地方的技术难度是不一样的。高速公路比城市环路简单，城市环路比开放的城市道路简单，开放的城市道路也比胡同或小县城电动自行车穿梭其中的环境要简单。所以，当我们讨论自动驾驶的时候，本身就应该把地点等因素考虑进去，而不是简单地类推出一辆终极的、无所不能的L5汽车。
稍微开一下脑洞，很有可能的场景是，当我们向系统输入目的地之后，系统会告诉我们，“今天的路程全程不用你来管，放心睡觉吧”。或者会告诉我们，“今天大部分的路都不用你管，但有一小段我没十足把握，到时候需要你帮忙”……
自动驾驶的三种实际部署路线
自动驾驶领域的很多公司在展开研究、在讲他们的故事，但是谈到“看得见、摸得着”的实际部署路线，最有代表性的就是 Mobileye、特斯拉和 Waymo 这三家公司。
用上边的流程图，我们看下这三种实际技术部署路线的区别。
首先，Mobileye+传统车企走的是“谨小慎微，但求无过”的实际部署路线。从2017年就开始宣传，号称全球首款L3级别量产车的奥迪A8，今年上市后的真实情况是什么样的呢？就是连ACC自适应巡航这样的功能，都只在最顶配车型上提供。更别说传说中L3级别的 Traffic Jam Pilot 功能，实际情况是全系都没有，需要选装才行，然后在大部分国家连选配都不能选。
就在这几天上市的福特福克斯2018款，也号称支持L2级别的 Co-Pilot360智能辅助驾驶系统，“入门车型配了顶级科技配置”。实际情况呢？同样连最顶配车型也没有包括ACC自适应巡航在内的Co-Pilot360系统，而且只有最顶配车型才能选装。换言之，传统车企宣传自己的技术很厉害，但实际上却不怎么敢让你用。
对这种情况，汽车之家的创始人李想，在微博上曾有过评价：“传统汽车品牌和特斯拉在辅助驾驶/自动驾驶上最大的区别是：传统汽车品牌的消费者连用都不敢用，所以特别特别特别的安全。特斯拉的车主们每天辅助驾驶/自动驾驶的使用总时长，估计够所有其它汽车品牌一个月使用时长的总和。”
接下来就聊特斯拉的路线，这家明星公司可以说是走在“急于求成、蒙眼狂奔”的路上。与传统车企不同，特斯拉视自动辅助驾驶技术为核心竞争力，所以为所有车型都预装了各种传感器硬件，但车主仍然需要花钱“激活”相应的功能，包括“增强版自动辅助驾驶”和“全自动驾驶能力”两个套装。
特斯拉在行业中被普遍认为，过度宣传了自家的自动驾驶技术能力，尤其是被称为“全自动驾驶能力”的套装，对车主的误导性极强。就算不讨论之前特斯拉的两次广受关注的Autopilot致死事故（国外撞上了大货车，国内追尾道路清扫车），最近特斯拉撞上公路隔离带致死事故，也足以给特斯拉盖上“急于求成、蒙眼狂奔”的帽子。
最近的开启Autopilot撞上隔离带致死事件之后，一位车主“以身试法”实地还原了当时的场景，发现特斯拉的Autopilot系统确实应付不了当时的情况（参见上面的gif图），没有正确地识别出前方的车道已经消失，需要转到另一个车道。但是如果采用Waymo 的技术方案（事先给环境建模、激光雷达和计算机视觉互为冗余等），这种情况就很有可能避免。
最后就是Waymo的“胆大心细、步步为营”路线。Waymo的车，准确的说是Waymo与克莱斯勒、捷豹合作特别定制自动驾驶汽车，是普通人现阶段根本买不起的，因为它装配了定制化的芯片和传感器，尤其是激光雷达传感器目前价格比车还贵。
Waymo的方案是提前为自动驾驶车要运行的环境建模，比一般意义上的高精地图包含更多更多的环境细节信息，然后通过计算机视觉与激光雷达的算法融合，形成自动驾驶的策略和算法基础。对于特斯拉装上隔离带的情况，Waymo的优势在于它本身就应该会知道那个车道是不通的，而不需要通过计算机视觉临时来判断（再做反应可能就来不及了）。
“胆大心细”，“胆大”说的是Waymo已经开始在部分地区，邀请真实用户上路体验自己的车；“心细”说的是Waymo也只敢在自己掌握完整环境数据的地区，开展这类服务。步步为营，则说的是Waymo在美国的各个地区、各种极端环境下展开测试，通过攻克一城一寨的方式，逐步扩大技术能适应的能力范围。
三种路线的未来变数
对于三种自动驾驶实际技术部署路线，行业中的人也有不同的看法。如果我们极端化描述（仅为了方便理解）这三种实际技术部署路线，总结起来就是有三种变数：
一、（可能性49%）计算机视觉突飞猛进，不依赖激光雷达和提前环境建模就能做到足够好的自动驾驶。特斯拉胜。
二、（可能性49%）激光雷达和提前环境建模成本大幅下降，便宜到所有车都可以装配。Waymo胜。
三、（可能性2%）计算机视觉没有突飞猛进，激光雷达和提前环境建模成本也没有大幅下降，自动驾驶老出问题陷入困境，ADAS回潮。Mobileye+传统车企胜。
不管怎么说，自动驾驶行业正处在黎明前的黑暗中。带我们冲破黑暗的，一定不是那些迫不及待、率先发布L5级别自动驾驶汽车的公司。
作者 / 郝晓茹的公众号（ihaoxiaoru）
原文链接：
类似的话题
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 tinynews.org All Rights Reserved. 百科问答小站 版权所有