什么是人工智能自动驾驶汽车？

　　自动驾驶汽车（外文名，Autonomous vehicles；Self-driving automobile ）又称无人驾驶汽车、电脑驾驶汽车、或轮式移动机器人，是一种通过电脑系统实现无人驾驶的智能汽车，自动驾驶成熟技术设备的汽车。自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。预测至2025年：
　　全球自动驾驶汽车销量将占汽车总销量的0.2%。预测至2035年：
　　随着无人驾驶变成现实，全球自动驾驶汽车销量占汽车总销量的比率将上升到9.2%。
　　自动驾驶汽车全球总销量将由2025年的23万辆上升至1180万辆，而无人驾驶的全自动化汽车将于2030年左右面世。
　　研究还预测，到2050年之后，几乎所有汽车或将是自动驾驶汽车或自动驾驶商务汽车。
　　什么是人工智能自动驾驶汽车？
　　自动驾驶汽车（Autonomous vehicles；Self-driving automobile ）又称无人驾驶汽车、电脑驾驶汽车、或轮式移动机器人，是一种通过电脑系统实现无人驾驶的智能汽车。在20世纪已有数十年的历史，21世纪初呈现出接近实用化的趋势。
　　自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。
　　2019年9月，由百度和一汽联手打造的中国首批量产L4级自动驾驶乘用车——红旗EV，获得5张北京市自动驾驶道路测试牌照   。9月22日，国家智能网联汽车（武汉）测试示范区正式揭牌，百度、海梁科技、深兰科技等企业获得全球首张自动驾驶车辆商用牌照。2019年9月26日，百度在长沙宣布，自动驾驶出租车队Robotaxi试运营正式开启。
　　2019年10月，新华社记者试乘了一辆自动驾驶汽车，怀着忐忑不安的心情进入了繁忙的以色列特拉维夫街道。整个试乘过程中，记者总体感觉安全、平稳和舒适 。
　　研发思路
　　安全性
　　自动驾驶汽车一直配备了驾驶员。我们训练有素的驾驶员会一直跟随汽车，他们可以像解除巡航控制一样轻松地接管汽车。此外，我们也有训练有素的软件操作人员坐在乘客座位上，监控软件运行状况。在所有测试进行之前，我们都会派出驾驶员，驾驶普通汽车了解路线和路况。通过加入道路标记和交通标志等功能，车载软件能够提前熟悉周围环境及特殊之处。在工作之前也提前告知当地警方。
　　能源消耗
　　自动驾驶汽车能够促使人们拼车，极大的减少汽车的使用，创造＂明天的高速公路火车＂。这些高速公路火车能减少能源消耗，增加主要道路的运力。在节约时间方面，美国交通运输部估计，每一工作日，人们平均花费52分钟在上下班路上。未来，人们可以以更有效率的方式使用这些时间。
　　结构性能
　　自动驾驶汽车使用视频摄像头、雷达传感器，以及激光测距器来了解周围的交通状况，并通过一个详尽的地图（通过有人驾驶汽车采集的地图）对前方的道路进行导航。
　　激光雷达
　　车顶的＂水桶＂形装置是自动驾驶汽车的激光雷达，它能对半径60米的周围环境进行扫描，并将结果以3D地图的方式呈现出来，给予计算机最初步的判断依据。
　　前置摄像头
　　自动驾驶汽车前置摄像头谷歌在汽车的后视镜附近安置了一个摄像头，用于识别交通信号灯，并在车载电脑的辅助下辨别移动的物体，比如前方车辆、自行车或是行人。
　　左后轮传感器
　　很多人第一眼会觉得这个像是方向控制设备，而事实上这是自动驾驶汽车的位置传感器，它通过测定汽车的横向移动来帮助电脑给汽车定位，确定它在马路上的正确位置。
　　前后雷达
　　后车厢的主控电脑谷歌在无人驾车汽车上分别安装了4个雷达传感器（前方3个，后方1个），用于测量汽车与前（和前置摄像头一同配合测量）后左右各个物体间的距离。
　　主控电脑
　　自动驾驶汽车最重要的主控电脑被安排在后车厢，这里除了用于运算的电脑外，还有拓普康（拓普康是日本一家负责工业测距和医疗器械的厂商）的测距信息综合器，这套核心装备将负责汽车的行驶路线、方式的判断和执行。
　　参考资料：https://baike.baidu.com/item/%E8%87%AA%E5%8A%A8%E9%A9%BE%E9%A9%B6%E6%B1%BD%E8%BD%A6/4881925?fr=aladdin
　　最主要是人工智能。 人工智能就相当于驾驶者的大脑。
　　其他还会有一些辅助技术，比如激光测量，声波测量，运动传感器，GPS等等，相当于人的眼睛、耳朵、神经感觉等等。
　　目前这些辅助技术很多都已经非常成熟，甚至远超人类， 比如激光和声波测量技术， 目前都运用到很高高端车型上，可以进行ACC自动巡航。 还有夜视技术，可以帮助驾驶员在漆黑的页面看清100米开外的人、动物、障碍， 这些都远远超过人类的生理极限。
　　但是人工智能，目前还在起步阶段。也就是说，自动驾驶员的四肢、感官目前都已经很不错了，甚至超过人类了，但是还缺个脑子…
　　自动驾驶汽车（Autonomous vehicles；Self-driving automobile ）又称无人驾驶汽车、电脑驾驶汽车、或轮式移动机器人，是一种通过电脑系统实现无人驾驶的智能汽车。在20世纪已有数十年的历史，21世纪初呈现出接近实用化的趋势。
　　自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。
　　2019年9月，由百度和一汽联手打造的中国首批量产L4级自动驾驶乘用车——红旗EV，获得5张北京市自动驾驶道路测试牌照[2]。9月22日，国家智能网联汽车（武汉）测试示范区正式揭牌，百度、海梁科技、深兰科技等企业获得全球首张自动驾驶车辆商用牌照。[3]2019年9月26日，百度在长沙宣布，自动驾驶出租车队Robotaxi试运营正式开启。
　　2019年10月，新华社记者试乘了一辆自动驾驶汽车，怀着忐忑不安的心情进入了繁忙的以色列特拉维夫街道。整个试乘过程中，记者总体感觉安全、平稳和舒适
　　自动驾驶汽车（Autonomous vehicles；Self-driving automobile ）又称无人驾驶汽车、电脑驾驶汽车、或轮式移动机器人，是一种通过电脑系统实现无人驾驶的智能汽车。在20世纪已有数十年的历史，21世纪初呈现出接近实用化的趋势。
　　自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。[1]
　　2019年9月，由百度和一汽联手打造的中国首批量产L4级自动驾驶乘用车——红旗EV，获得5张北京市自动驾驶道路测试牌照[2]。9月22日，国家智能网联汽车（武汉）测试示范区正式揭牌，百度、海梁科技、深兰科技等企业获得全球首张自动驾驶车辆商用牌照。[3]2019年9月26日，百度在长沙宣布，自动驾驶出租车队Robotaxi试运营正式开启。[4]
　　2019年10月，新华社记者试乘了一辆自动驾驶汽车，怀着忐忑不安的心情进入了繁忙的以色列特拉维夫街道。整个试乘过程中，记者总体感觉安全、平稳和舒适[5]。
　　中文名
　　自动驾驶汽车
　　外文名
　　Autonomous vehicles
　　特点
　　可以依靠人工智能、视觉计算
　　定义
　　自动驾驶成熟技术设备的汽车
　　又称
　　无人驾驶汽车
　　自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。
　　人工智能的定义可以分为两部分，即人工和智能。人工比较好理解，有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，人工系统就是通常意义下的人工系统。
　　多年来，技术的进步使得交通运输变得更加便利。像物联网应用这样的汽车技术已经改变了驾驶体验。
　　这方面的主要成就之一就是自动驾驶汽车，因此对自动驾驶汽车感到兴奋是再正常不过的。然而，我们也必须仔细评估使用这些车辆的利与弊。
　　1、无差错驾驶
　　自动驾驶汽车内的车载计算机系统可以在几秒钟内进行了无数次计算。该系统背后的技术复杂而高效。车载计算机会告诉你当前的速度，附近汽车的活动，甚至你离物体有多远。换言之，计算机的精度导致无差错驾驶。
　　2、增强道路安全
　　大多数交通事故是人为失误造成的。自动驾驶汽车将人为因素排除在外，大大减少了交通事故。事实上，谷歌的自动驾驶汽车已经行驶了超过7万英里的无事故里程。汽车内部的现代传感器技术使汽车能够精确扫描周围环境，进而可以显著改善道路安全。
　　3、对环境更有利
　　自动驾驶汽车好的一个方面是不依赖任何一种有害的化石燃料，相反，这些汽车使用电做为主要能源。因此，这些汽车更环保，维护成本也很低。此外，自动驾驶汽车消耗更少的电池电量，产生零排放，从而有助于减少空气污染。
　　4、昂贵
　　自动驾驶汽车它们非常昂贵，用于制造这些汽车的复杂技术成本高得令人难以置信。目前，无人驾驶汽车是普通用户无法企及的。然而，最终制造这些汽车的技术也会越来越便宜。
　　5、技术故障的风险
　　汽车在使用一段时间后，很有可能在编程过程中出现故障。这些小故障或漏洞在手机和电脑中可能不是很大的问题，然而，驾驶自动驾驶汽车时出现故障可能会导致危险事故。
　　说到无人驾驶，人工智能就必须要用到高传输速度质量的无线网络，目前最快的无线网络就是5G，目前全球正加速向5G时代迈进，展望未来，拥有极高速率、极大容量、极低时延的第五代移动通信技术，将给人们的生产和生活带来更为巨大的变化。
　　报道称，在今年6月，中国移动、上汽集团和华为共同在上海演示了全球首个基于3GPP 5G技术的自动驾驶和远程驾驶：驾驶员远程遥控30多公里之外的车辆，搭载在车辆上的摄像头通过5G网络,将多路高清视频实时传达到远程驾驶台;驾驶员对车辆的操控信号，通过5G网络瞬时传达到几十公里外的无人驾驶车辆上。
　　在该次测试中，多路高清视频可及时上传到远程控制端，帮助驾驶员及时准确判断路况;同时，5G网络使车辆控制信号传输时延控制在10毫秒以内，这意味着车速为90公里/小时情况下因时延造成的刹车误差仅为24厘米，车辆在遇到极端危险状况紧急制动时仍可最大限度保证安全。
　　分析人士表示，5G网络对于无人驾驶汽车就像氧气一般重要，5G网络的负载能力会远远强于4G，网络拥堵状况会大为减少，5G技术会为自动驾驶汽车这类高优先级用户特别考虑，保证汽车控制信号能够一直以足够快的响应速度来传输！
　　汽车自动驾驶是以模拟人类驾驶的行为作为基础，最终超越人类驾驶的一种智能行为。
　　以汽车最常见的掉头为例，如果是人类驾驶，需要拆分出来十几个步骤。评估掉头的道路变道到掉头所在的道路评估掉头需要的空，调整车辆位置观察其他可能干扰你的车辆调整速度和位置，紧跟前车，不让别的车插在你前面在其他掉头车辆后等待、缓行准备进入掉头的位置评估对向车道的车辆速度和位置检查周围所有车辆（防止有后车突然包插）开始掉头，同时观察周围车头开始进入新的道路检查周围车辆，防止对向有车冲过来车身大半进入新的道路如果有问题，比如对向车道的车辆不减速，停止车辆等候车身完全进入新车道，在新的道路上加速
　　整个流程的所有步骤，对一个熟练的驾驶员来说，基本都是凭借本能完成，甚至他可以一边聊天，一边观察周围，一边驾驶车辆掉头。
　　但对于汽车的智能AI来说，每一个步骤都要分为感知、思考、行动三个小的阶段，这些个动作都是以毫秒来计算的，不断地感知、思考、行动来完成一个个的步骤，然后所有的步骤串联起来，就完成了一个掉头。
　　那么啥叫感知？
　　感知就是对环境信息和车内信息的采集、处理和分析，也叫作环境感知。
　　环境感知的对象主要包括路面、静态物体和动态物体三个方面，涉及道路边界检测、障碍物检测、车辆、行人检测等。对于动态物体，要检测与车辆相对位置，还要对其轨迹进行跟踪和预测下一步的位置。
　　如同人驾驶车辆是主要用眼睛来观察，自动驾驶所用的感知设备包括高清摄像头（红外摄像头）、毫米波雷达、激光雷达、超声波雷达等。这些设备提供图像、视频、点云等数据，通过算法有效识别这些感知数据，祛除错误信息和冗余信息，融合出对行车驾驶有用的信息，指导车辆进行自动驾驶。
　　检测和识别是自动驾驶中环境感知的基本任务，主要是通过机器学习和计算机视觉技术来实现的。
　　感知过后就是思考。
　　采用软件（智能算法）来处理和解释感知得到的数据，做出可靠的预测，并得出一个合适且安全的驾驶策略。
　　思考之后就是行动。
　　利用算法得到预测，能精准地在交通中引导、操纵车辆。使用动力系统、转向系统、制动系统来操控车辆，使得计划中的驾驶策略得到实施。
　　下图是SAE J3016自动驾驶级别，也是业界公认的自动驾驶分级，从级别0到级别5.
　　其中级别3到级别5都属于自动驾驶，也就是说如果车辆处于自动驾驶状态，即便你在驾驶座上，也不用处于随时接管的驾驶状态，而是该干嘛就干嘛。
　　这个地方，虽然有很多汽车行业的人都知道这个分级，但却并不能很好理解这些等级的具体应用场景和实际含义。
　　其中L3等级是自动驾驶和非自动驾驶的一个分界点。
　　其特点是当功能需求时，驾驶员必须短时间内要接管驾驶。驾驶员在车辆进行L3等级自动驾驶时，不用把手放方向盘，脚放刹车上，也不用观察路况。可以喝茶，可以扭头和旁边的人聊天，也可以看书看手机，或者看着窗外景物发呆，但是驾驶员不能睡觉，因为驾驶员要处于一种可以短时间内接管驾驶的状态。
　　世界上首款拥有L3级别自动驾驶的是奥迪A8，乘客可以在L3级别自动驾驶期间做自己的事情，比如在笔记本电脑上工作，或者喝咖啡看报纸，不用关注路况，在当地法规允许的前提下进行自动驾驶。
　　奥迪A8在路况、天气不允许的情况下，会警告驾驶员，即将脱离L3驾驶状态，需要驾驶员接管。在警告信号（声音、光影报警）发出，紧接着安全带收紧，车辆开始故意颠簸，如果驾驶员还是没有接管驾驶，车辆则会自行制动，打开双闪停在车道上，同时档位回到P挡，打开车门，打开车内灯，并通过移动网络发送紧急求救。
　　但由于交通法规对于自动驾驶的事故责任归属还处于一种灰色未明确的状态，相关保险、政策都还没有跟上，所以遗憾的是，L3级别的奥迪A8最后还是没有能正式推出，2021年的奥迪A8还是阉割了L3级别的自动驾驶。
　　从现状来看，即便智能驾驶在技术和智能上能够达到L3级别，但在相关政策没有完善的前提下，车企也不敢推出L3级别的自动驾驶。
　　因为L3级别之前的驾驶，都可以叫做ADAS（高级驾驶员辅助系统），是需要驾驶员随时监管路况，第一时间接管驾驶的，这个时候如果出了任何因为决策造成的驾驶事故，毫无疑问都是驾驶员的责任。
　　而L3级别，则意味着在L3自动驾驶的过程中，出了驾驶决策造成的问题，比如前方有行人，车辆撞了上去，那么责任归属应该是车企？开发L3级别的研发机构？驾驶者？允许L3上路的当地政府？
　　所以，现有的汽车智能驾驶，还基本属于L2级别的自动驾驶，也就是我们说的ADAS。
　　ADAS涵盖的大致功能如下：自适应巡航控制自适应灯光控制防抱死制动系统自动泊车盲点监测碰撞避免碰撞警告驾驶员困倦监测电动汽车警告声紧急状况驾驶员辅助功能防眩前照灯和像素照明倒车辅助变道辅助车道偏离警告带交通信息的导航系统夜视系统停车传感器行人保护环视系统交通信号识别
　　这里要注意的是，无论车企如何宣传自己的ADAS，说L2PLUS,L2.5,L2.9，还是L2.999999，只要不到L3，都是不允许驾驶者脱离驾驶状态的，任何因为驾驶者决策造成的事故，都和ADAS无关，只追究驾驶者本身的责任。
　　也就是说驾驶员要时刻注意路况，随时接管驾驶，手要放在方向盘上（方向盘检测，如果驾驶者手长期离开方向盘，就会报警，直到缓行停下），脚踩在刹车上，整个驾驶过程中，是不能把驾驶完全交给辅助驾驶的。
　　之前国内几家说自家自动驾驶牛的，现在基本都改了文案，把＂自动＂两字给去了。
　　当然，特斯拉大神还是大大方方地在宣传语上写了＂自动＂两字。
　　所以，现状是政府需要制定L3级别的自动驾驶的相关交通法规，有着明确规定的细则，在何种情况下，事故责任归属方是谁，确定保险赔付等细节。另一方面，也需要自动驾驶研发机构进一步推进安全冗余的设计，降低感知设备的成本，加速机器AI的深度学习，解决大部分Corner case的问题，才能让汽车在受限路况下代替人工驾驶。
　　以上都不是这两三年能够解决的问题，能够开始推广真正的L3级别的自动驾驶，怎么也得到2024-2025年了，远没有车企宣传的那么乐观。
　　而L4级别，受限条件下的自动驾驶，长时间不需要驾驶员来监管，驾驶员甚至可以在车上睡觉，完全不用监管路况，直到车辆行驶到缓冲区（脱离L4的路段），才需要驾驶员接管。这种自动驾驶级别比起L3来说，更需要硬件、软件和法规的全面升级。
　　举个例子，一辆搭载L4级别的汽车，一天仅处理日常任务就需要接受45TB的数据，这需要大量布置移动网络基础设施，需要实时更新的高清晰数字地图（精准到厘米级别）和近乎完美的路标，还要加上足够安全的无线通信技术，时间点就更要往后延续了。
　　至于L5级别，就是真正的全自动驾驶，全路况全天候全时间的自动驾驶，不用配置司机的位置，也没有方向盘和刹车、油门踏板。有的专家说，这不是10年20年内能够达到的目标。即便到了未来世界，在很多公共道路上，依旧永远都不会允许有L5级别的自动驾驶出现。
　　激光雷达在不同的光线下的使用
　　人工智能自动驾驶汽车最著名的感知系统之一，实际上是一项可以追溯到20世纪60年代的老技术。激光雷达是激光探测和测距的缩写，是在激光发明后不久发展起来的。它的第一个用途实际上是在气象学上，目的是为了解决＂湿度的问题＂其基本原理非常简单:该仪器向物体或表面发射快速光脉冲，有的达到每秒100万次甚至更多。仪器上的传感器测量每个脉冲反弹所需的时间，也就是距离。更复杂的系统可以使用这些数据在过程中创建周围环境的3D地图。
　　2016年，我们遇到了首批为人工智能自动驾驶汽车开发激光雷达系统的公司，其中包括一家有35年历史的公司，名为Velodyne。第二年，又出现9家初创公司，他们都在开发用于自动驾驶车辆的激光雷达系统。从那以后，出现了更多的新技术，有望替代旧的技术。
　　2018 年 10 月 26 日 到 10 月 27 日，由苏州高铁新城管理委员会主办，雷锋网&新智驾、数域承办、上海交通工程学会协办的全球智能驾驶峰会将在苏州相城举行。围绕当下智能驾驶的热点话题——如何打造智能汽车、智能驾驶关键技术应用以及智能驾驶核心传感器应用等，超过 30 位智能驾驶领域的学术大师、技术专家、企业代表等将分享自己的观点，探寻智能驾驶产业的未来与可能性。
　　奥迪全球的自动驾驶研发自2009年便已开始，从盐湖城画出四环到派克峰爬山赛，从霍根海姆赛道的赛车自动驾驶到旧金山到拉斯维加斯的高速自动驾驶。自动驾驶技术在奥迪不断演进，不断走向量产。所以在所有内容开始的之前，我想强调一下文章的范畴覆盖：我们想讨论的是自动驾驶的量产技术。因为在研发概念期间 ，很多前沿科技都是可以试验的。而推向客户的量产汽车，对技术成熟度的要求就是另一标准了从交通和复杂的地理纬度来考虑问题更合适，我们需要给自动驾驶系统予以一定的限制，才能有除了测试场之外一个相对明确的目标。这个明确的目标可以指引这个公司在一个方向上去迭代自身的系统，把相关的内容做细，而不是追求一个很全的很的系统。目前能够发挥现有系统的技术能力和效用的是在限定场景下实现的。
　　其中之一是2016年成立的硅谷初创公司Aeva。去年10月，该公司获得了4,500万美元的A轮投资，其中包括一家知名风险投资公司Lux Capital。总融资金额高达4850万美元。在两位前苹果工程师的带领下，Aeva的激光雷达系统做了一件大多数人都做不到的事情:它不仅记录了物体到目标的距离，还记录了该物体移动的速度，判断该物体是一个孩子或来袭的导弹，这一点尤为重要。
　　该系统实际上只发射一束稳定的光束，而不是数以百万计的光脉冲，这有助于跟踪移动的物体。据VentureBeat报道，这种传感器不仅能提供更大的范围和更好的分辨率，而且受到天气或其他激光传感器的干扰很小。
　　总部位于悉尼的Baraja也对激光雷达进行了新的研究。该公司本月筹资3,200万美元，筹资总额达到3,360万美元，红杉中国(Sequoia China)是最新一轮融资的牵头公司之一。Baraja称其新技术为光谱扫描激光雷达，使用＂简单的高中物理＂，利用光和棱镜之间的相互作用
　　该仪器利用了智能手机摄像头中使用的光学级硅玻璃等现成组件，该公司表示，这将有助于整合和扩大光谱扫描激光雷达。
　　基于激光雷达的感知系统
　　激光雷达广泛应用的关键之一是提供一种固定仪器，而不需要传统机电系统中非常昂贵的移动部件，后者的成本可能高达7.5万美元。如果要真正实现的自动驾驶汽车，激光雷达是不可或缺的。
　　总部位于旧金山附近的AEye是一家有六年历史的初创公司，已经筹集了大约5900万美元，包括11月份的4000万美元B轮。投资者包括英特尔、空中客车和风险投资公司凯鹏华盈，所有这些公司都在2017年6月参与了价值1600万美元的A轮。这位CEO是美国宇航局前工程师，他职业生涯的大部分时间都在洛克希德马丁公司为战斗机设计监视、侦察和防御系统。
　　AEye，顾名思义，已经开发了一种名为iDAR(＂i＂代表智能)的自动驾驶汽车计算机视觉系统，该系统使用固态激光雷达包和高分辨率、低光相机相结合。相机像素和激光雷达体素的实时集成，该公司称之为动态vixels，意味着数据在传感器层面处理得更快。目前的技术路线之争，主要是基于激光雷达的自动驾驶系统和基于摄像头的自动驾驶系统，一条较高硬件成本和一条较低硬件成本在实践中不断的竞争和比较，这对于芯片、算法和系统的整合和测试能力要求比较高。
　　激光雷达：基于激光，在纵向与横向分辨率均较高，擅于区分物体（区分宽度和高度）摄像头 ：利用摄像头创建车辆周边环境的图像，之后利用高级算法对环境和潜在障碍物做出解析。能够辨识环境并对物体做出分类，能计算物体的尺寸。
　　更好的感知横穿马路的人或物体
　　我们下一个初创企业项目将不再局限于硬件方面。从哈佛孵化出来的Perceptive Automata成立于2015年，位于波士顿郊外。该公司已通过四轮公开融资获得2000万美元，其中包括2018年10月的1600万美元a系融资，其中包括丰田(Toyota)和现代(Hyundai)。Perceptive Automata明白，人工智能自动驾驶汽车普及的最大障碍是人类。丰田AI Ventures的吉姆·阿德勒解释说：
　　Perceptive Automata使用行为科学技术来描述人类驾驶者理解其他人类心理状态的方式，然后训练深入学习模型以获得这种人类能力。
　　因此，Perceptive Automata公司正在开发传感器背后的算法。换句话说，这家初创公司的平台可以凭直觉知道，在一个正在看手机横穿马路的青少年没有看到对面驶来的汽车的时候，这个系统可以正确地预测，然后控制汽车在没撞到这个青年之前停下来。
　　感知系统与传感器融合
　　总部位于特拉维夫的VayaVision也在人工智能自动驾驶汽车感知系统的软件领域探索。这家以色列公司成立于2016年，去年10月筹集了800万美元的种子期融资，三菱是其原始数据融合感知系统的早期投资者之一。这听起来有点像AEye，它的软件包(目前称为VayaDrive 2.0)融合了来自激光雷达、相机甚至雷达的原始数据，利用计算机视觉和其他计算工具，围绕自动驾驶汽车创建一个精确的3D模型。
　　如何做到这一点？VayaDrive从像激光雷达这样的距离传感器获取数据，并将信息分配给高分辨率相机的每个像素这使得自主车辆能够接收有关物体大小和形状的关键信息，因此它们可以被识别为车辆、人或来袭导弹。
　　热成像仪用于感知系统
　　另一家以色列公司又把我们带回硬件方面。2015年成立的AdaSky去年11月从一家专门从事汽车零部件的韩国公司获得了2000万美元。正如你可能对高度军事化的初创国家所期待的那样，AdaSky的高分辨率热成像仪利用了军事技术。该平台被称为Viper，通过物体辐射的热能和它们的体温来收集远红外线信号。计算机视觉算法对信号进行处理，提供准确的目标检测和场景分析。
　　热像仪比其他类型的传感器有优势，不仅比激光雷达和雷达的分辨率更高，而且在恶劣的天气条件下性能更好。
　　谷歌旗下的 Waymo 正式拿到美国首个商业自动驾驶打车服务执照，2018年1月，亚利桑那交通部正式批准 Waymo 的交通网络公司地位。拿到执照后，Waymo 的自动驾驶版克莱斯勒 Pacifica 就展开商业的用车服务，能在亚利桑那接送乘客了，用户可通过手机应用或网站叫车。在自动驾驶的领域里面，可以分区域去对比技术和实施者联盟。在整个阵营里面，美国这边的思路总体是直接采用全栈的自动驾驶技术，把车辆集成之后通过打车服务推向市场。欧洲总体是偏向于演进的技术，日韩处在跟随期；中国这里是几个具体往前推，在硅谷为支撑点也是往前进行。基于出发点不同，自动驾驶落地的时间和应用的节奏也会出现大的差异。目前来看，以美国技术公司主导的技术方向会操作更快一些。在未来的技术分工中包含：
　　Layer 5: 内容和服务提供商Content & Services Provider
　　Layer 4: 移动服务提供商 Mobility Provider
　　Layer 3: 车队运营者 Fleet Operator
　　Layer 2: 整车企业Automotive OEM
　　Layer 1: 自动驾驶系统提供商 Self-Driving System Provider
　　整车企业做自动驾驶，开发高阶的自动驾驶的软件和相关联的联盟，最终的目的是要能够成里自己的子公司，进入第一层核心层自动驾驶系统提供商，然后根据自身的影响力去整合车辆制造，往后端的车队运营和移动服务的提供商开始渗透。
　　而高科技公司，如Waymo，则尝试从第一层开始往上走，与美国汽车经销商AutoNation达成了协议，由他们来管理和维护自己的自动驾驶车队。把位于凤凰城克莱斯勒的Pacifica自动驾驶车队外包给了安飞士巴吉进行维护，提供车队提供常规换油、存放以及清洁等服务。车辆制造，则是从FCA和捷豹路虎购买车辆进行改装。
　　不同的商业部署模式对公司的建立自动驾驶的相关内容也完全不同，如下图所示在2018~2019年部署相关的自动驾驶服务，哪怕是小范围的都需要集中在驾驶里程和城市环境&驾驶工况上做很多的积累。这也是Waymo和GM在自动驾驶里程和测试车队上面比较领先的原因。通过这个阶段的优化，在2018年开始两家都会在一定范围内展开商业运营。从这个层面来看，需要有政府的运营许可，开了这个头以后，接下来的路径会相对更为清晰。这方面Waymo跑得更快： Waymo与初创保险公司Trov建立合作，为自动驾驶保驾护航；Trov将为使用Waymo无人驾驶服务的乘客提供各项商业保险，包括财务损失险、行程延误险、医疗费用报销等项目。
　　中国的特殊情况，包括大量的老龄和无驾照人口，为通过自动驾驶满足私享出行创造出强劲的需求。政府也有动力推广自动驾驶汽车，考虑到这将带来显而易见的好处，如缓解城市交通拥堵以及减少污染。自动驾驶出租车运营成本或将远低于当前的按需出行服务，而到2030年中国的自动驾驶出租车总收入或达到当前的新车销售水平。中国的道路安全现状远不如发达国家。政府将智能网联汽车视作提升道路安全的一个重要途径。中国的驾照普及率在主要国家中最低。人口的迅速老化和老年抚养比的上升催生了对私享出行的需求，而专职司机供应将受到限制。
　　未来10余年的时间里自动驾驶技术将为大众市场所接受。到 2030 年，自动驾驶各生态系统将实现 1.3-2.8 万亿美元的总收入。中国在自动驾驶出租车市场和自动驾驶相关收入中分别占 35%和 25%的份额，多重因素的共同作用将令自动驾驶在中国市场的吸引力提升，同时也将提高中国在自动驾驶竞赛中的竞争力。这些因素包括：
　　1）中国人口日趋老龄化且无驾照人口占比高；
　　2）道路交通事故率高；
　　3）超大型城市存在拥堵和污染问题；
　　4）中国政府有较为积极的战略；
　　5）监管环境宽松；
　　6）公众乐于接受新技术；
　　7）通信基础设施优良；
　　8）相关企业反应快，资本市场看重创新
　　从车辆来看，未来随着电动汽车的综合成本摊销，在每公里的运行中，其成本节约还是很明显的。而自动驾驶系统则取代了司机的人力成本，未来自动驾驶移动出行服务能够达到耕低的成本。按照信息整合模式的自动驾驶出租车将提供一种更经济和体验更好的出行服务。
　　从技术层面来看，不同的整合者的竞争将在工程设计、测试验证和软硬件设计层面展开。不同层级的公司，都在向投资者和公众阐明未来的技术进展的预期。说实话，随着Waymo进入中国，中国车企也和其他汽车企业一样宣布202X年能达到L3或者L4没有太大的意义，需要根据国内的实际的情况来调整技术储备和运营实践结合的路子。确定谁是开发主体，构建核心的软件和系统整合能力，尽量把国内能用上的技术培养起来。这块的国外技术，很难买回来。结论正如我们在这里可以看到的那样，制造能像人类一样看到世界的机器绝非易事。解决方案不仅必须是安全的，而且必须是可扩展和负担得起的。这些用于人工智能自动驾驶汽车的新感知系统有望实现这一切，甚至更多。一些人可能会陷入死胡同，但另一些人肯定会成为未来的一部分。
　　在人工智能和大数据加速发展的背景下，其实未来智能汽车很可能会是这个样子的，不会去描述这个功能那个功能，而是强调交互性和机器本身的学习能力。车联网仅凭声音、手势甚至运行数据，就能主动为驾驶者提供最佳操作选择，不需要用户去学习太多操作上的东西。每个驾驶者的需求都有所不同，不管有什么偏好，汽车都能顺应着驾驶者的偏好进行学习和习惯养成，最终达到人车心神合一的境界，这也许才是未来智能汽车发展的主要方向。中科智谷依托中科院自动化所，对接国际、国内人工智能方面的一流资源，共同研究开发自动驾驶技术