热点：道阻且长 我们距离真正的无人驾驶还有多远？

最近，北京年自动驾驶汽车道路测试资格发表:丰田汽车研究开发中心(中国)有限企业取得资格，投入4辆车。 这个名单上有百度、小马智行、戴姆勒、奥迪、美团点评企业3档在线，共有6家公司。

由于4g通信网络的商用和宣传，将无人驾驶再次推上风口浪尖。 除了上述几家公司外，年应该是许多科技和汽车制造商批量生产无人汽车的重要节点。 但是，回顾当年中期，只能看到受疫情影响的世界及其背后的严峻国际形势，很少提到自动驾驶。

的确，年度无人驾驶的突然出现给我们带来了很多惊喜，waymo、uber的无人驾驶路线测量震撼了业界，给很多汽车公司带来了压力。 之后，我们目睹了waymo和uber从汽车公司购买了数千万辆汽车用于无人车辆的开发、改装和生产，也目睹了通用汽车和福特汽车在无人驾驶方面的巨大投资。

但是，随着时间的推移，无人车辆引起的交通事故、对保安人员的讨论、对公司间离家出走者的诉讼等，比惊喜增加了叹息。

即使在科学技术飞速发展的今天，我们也必须承认无人驾驶的迅速发展道路比我们想象的要难得多。 那么。 在无人驾驶正式商用到来之前，我们有什么要做的事吗？

硬件的规模化批量生产诉讼很难满足

如果激光雷达、毫米波雷达、多个相机等不需要人类交接的车辆以在道路上行驶的l4或l5级无自动驾驶车为复印主角，这些车一定会配备大量的传感器。

现在的无人驾驶汽车与普通汽车相比在数量上完全没有价值。 如果真的要迅速扩大无人车的规模，传感器的生产规模也必须跟上。 对传感器制造商来说是个比较大的问题。

对激光雷达来说，最有名的制造商velodyne的产品经过多年实际验证和采用，技术比较成熟，在市场上处于领先地位。 但是，受复杂精密光学装置调业务量的影响，现在velodyne的生产能力受到严重限制，远远不能跟上市场的诉求。

如果把规模扩大到几百万台呢？ 可能不是短时间内能做的事。

软件的计算能力没有迅速发展

多传感器问题，还填补了以下问题的风险。 那是芯片的性能。 如果需要更全面地了解外部路况新闻，就需要引入越来越多的传感器。 越来越多的传感器对融合提出了更高的要求，而且在高速的情况下，由于路况新闻的变化，数据新闻也变得更大量。

根据英特尔的估算，无人驾驶汽车配备了gps、照相机、雷达和激光雷达等传感器。 这些设备每天生成大约4tb的应解决的传感器数据。 这样庞大的数据量必须由强大的计算设备支持。 即使是这样的顶级gpu公司，在计算能力和功耗的平衡上也几乎达到了天花板。

因此，近年来，专用计算平台进入了越来越多的人们的视野，谷歌投入应用的ai专用芯片tpu、国内大型创业企业水平线发布bpu，特斯拉也投入了大量资金进行无人芯片的研究。 这将是短时间内无人驾驶跨越的一大技术障碍。

v2x以前的交互问题

如果利用v2v (车对车)通信使车辆之间相互作用，可能会有助于无人驾驶的交通状况。 但是，现在几乎不存在采用v2v通信技术的无人车。 扩大规模的话，千万辆无人车会在道路上行驶，互相发出v2v的电子信号，数据会不会爆炸性增加？

与waymo直接竞争的自动驾驶企业游轮寄予很大的期待。 cruise在2019年末宣布了大规模的无人出租车服务，但意外的是，这项服务延期了，ceo说，将进一步扩大cruise在旧金山的测试基础设施，为将来大规模的无人出租车服务的发售做准备。

cruise的例子表明，规模化开始自动驾驶并不容易。 在反观国内，发布无人出租车服务的百度在长沙首次投入了45辆量产车，在特定的道路上提供了试乘体验。

另一家无人驾驶企业的小马智行( pony.ai)ceo彭军说:“无人车领域的分水岭是规模之大，有100辆无人车在门槛上，很多企业如果没有达到这一步，融资困难就会被淘汰。 "。

总结。

其实在真正的无人驾驶到来之前，我们能预见到的困难不止这些，交通法规的健全性、道路设施的整备、ai技术的成熟等，将是这条路的决定瞬间。

另外，当技术开发迅速成熟时，规模化可能是无人驾驶领域中最重要的事情。 制造无人车，开发无人车系统，只是产业的开始。

如何才能把梦想照到现实中，这是关键。