技术宅对智驾多年观察，你想知道的都在这儿了（转载）

 

开篇闲扯：这篇文章憋了好几年

兄弟们，翻出这篇草稿的时候我自己都吓一跳，文件属性显示创建时间是2019年3月，tmd居然快六年了。当时写了个开头就扔那儿了，后来每次想起来就加点东西，改改删删，结果越写越长，总觉得不够完善不好意思发出来。这次趁着元旦假期把它整理完了，算是给自己这些年折腾自动驾驶的一个交代吧。混恩山这么多年，从最早刷WRT54G开始，到后来玩软路由、NAS、HomeAssistant，现在又迷上了自动驾驶，说实话这玩意儿比刷固件有意思多了，涉及的东西太丰富了。我不是什么专业人士，就是个普通的技术爱好者，开过几辆带辅助驾驶的车，研究过一些资料，也踩过不少坑，今天就把这些经验和感受分享给大家。文章比较长，建议收藏慢慢看，如果对你有帮助的话点个赞让更多人看到，有说得不对的地方也请各位老哥指正。

初识自动驾驶：从怀疑到入坑的心路历程

说起来我第一次知道自动驾驶这个概念，还是2016年的事儿。那会儿刚买了辆新车，在论坛上找行车记录仪固件的时候，看到有人在讨论特斯拉的Autopilot。当时我心里就一个反应：这玩意儿靠谱吗？车自己开？别逗了，连个红绿灯都识别不了吧？后来出于好奇心，我开始在网上搜各种资料，从YouTube上看国外车主的测试视频，到研究技术文档，越看越觉得这东西不简单。2017年的时候去上海车展，专门跑去特斯拉的展台体验了一把，虽然只是在停车场里转了几圈，但那个自动泊车功能确实把我震撼到了，方向盘自己在那儿转，车自己倒进车位，当时围观的人一堆，大家都在那儿哇哇叫。从那以后我就彻底入坑了，开始关注这个领域的各种新闻，研究各家的技术路线，看论文看到头秃。

2019年的时候我终于下决心换车了，就是为了体验辅助驾驶功能。当时纠结了好久，特斯拉Model 3刚国产，价格还挺贵的，最后咬咬牙还是买了，主要是冲着Autopilot去的。提车后第一次在高速上开NOA（Navigate on Autopilot），那种感觉真的很神奇，手搭在方向盘上，车自己跟着前车走，自己变道超车，虽然偶尔会有点犹豫，但大部分时候都挺稳的。记得有一次跑长途，从杭州到南京，全程400多公里，我就挂着NOA，脚基本不用踩油门刹车，到了服务区才发现整个人轻松多了，以前跑长途腿都是僵的。但是也出过惊险情况，有次在匝道口，车突然要并到快车道超大货车，我赶紧接管打回来，吓出一身冷汗。从那以后我就明白了，这玩意儿是辅助驾驶不是自动驾驶，你要是真撒手不管那是找死。

自动驾驶的分级介绍

很多人搞不清楚自动驾驶到底分几级，经常被4S店的销售忽悠，说什么"我们这车是L2.5级别的"、"准L3级别"之类的，其实都是瞎扯淡。业内公认的标准是SAE（美国汽车工程师学会）定的，从L0到L5一共六个级别，这个必须搞清楚。L0级别就是传统的手动挡或者自动挡，啥辅助都没有，顶多有个ABS防抱死、ESP车身稳定系统这种被动安全装置。L1级别是最基础的驾驶辅助，要么帮你控制方向盘（比如车道保持），要么帮你控制速度（比如定速巡航、ACC自适应巡航），只能二选一。现在十万出头的国产车基本都有L1功能了，这个不稀奇。

L2级别就开始有意思了，可以同时控制方向盘和速度，也就是说车能自己沿着车道线走，还能跟着前车加减速。但是注意，L2还是需要驾驶员时刻监控路况的，你的手必须放在方向盘上，眼睛必须看着前方，随时准备接管。特斯拉的Autopilot、小鹏的NGP、蔚来的NOP、理想的NOA，这些吹得天花乱坠的功能，统统都是L2级别，没有一个例外。很多车主以为开了这些功能就能玩手机、看视频，那是真的在作死。国内外出过多少事故了，基本都是车主过度信任系统导致的。我自己开Model 3的时候就养成习惯了，哪怕挂着Autopilot，眼睛也要盯着路，手要虚握方向盘，遇到复杂路况马上接管，千万别等车自己判断。

L3级别是个很尴尬的存在，理论上在特定条件下（比如高速公路、拥堵路况）可以完全自动驾驶，这时候驾驶员可以不用盯着路面，可以看手机、看书，但是系统如果处理不了的话会提前告诉你接管。听起来很美好对吧？但实际上L3在全球范围内真正量产的车型非常少，奔驰的Drive Pilot算一个，但也有很多限制条件，只能在特定的高速路段使用，而且时速不能超过60km/h。为啥L3这么少？因为责任认定太麻烦了。如果车在自动驾驶状态下出了事故，算谁的？厂商负责？那厂商不得吓死？如果驾驶员没及时接管呢？所以很多厂商干脆跳过L3，直接研究L4。国内目前还没有真正的L3量产车，那些宣传"准L3"的都是在玩文字游戏，本质上还是L2。

L4级别是高度自动化，在特定区域内可以完全自动驾驶，不需要人类干预。比如Waymo在凤凰城、旧金山跑的那些无人出租车，百度在武汉、北京测试的Apollo，都是L4级别。但注意，L4有个前提叫"地理围栏"，就是说只能在划定的区域内自动驾驶，出了这个区域就不行了。而且L4的车一般都装了一大堆传感器，成本非常高，短期内不可能大规模民用。至于L5级别，那就是科幻级别了，理论上可以在任何道路、任何天气条件下完全自动驾驶，车里都不用装方向盘。但是以目前的技术水平来看，L5在我们有生之年能不能实现都是个问号，保守估计至少还得二三十年。所以大家买车的时候一定要搞清楚，别被销售忽悠了，现在市面上能买到的民用车，最高就是L2级别，连L3都没有。

传感器这摊子事儿

要让车自己开，首先得让它"看见"周围的环境，这就得靠各种传感器了。这块我研究得比较深，因为以前玩智能家居的时候接触过不少传感器，什么人体红外、温湿度、光照度之类的，所以对这个特别感兴趣。自动驾驶用的传感器主要有这么几种：摄像头、毫米波雷达、激光雷达、超声波雷达，还有GPS和IMU（惯性测量单元）。每种传感器都有自己的优缺点，也有自己的适用场景，关键是怎么把它们融合起来用。

摄像头是最常见也是最便宜的传感器，原理和人眼差不多，通过镜头采集图像，然后用算法识别路上的物体。摄像头的好处是能看到丰富的信息，比如交通标志、红绿灯、车道线，还能识别文字，成本也很低，一个车规级摄像头也就几百块钱。特斯拉就是坚定的纯视觉派，马斯克一直强调"人类就是靠眼睛开车的，为什么机器不行？"所以特斯拉的车上装了8个摄像头，覆盖360度视野，通过强大的AI算法处理图像。但是摄像头也有明显的短板，最大的问题是受光线影响太大了。大晴天的时候效果很好，但是到了晚上、大雾天、暴雨天，摄像头基本就废了。我开Model 3的时候就遇到过，有一次晚上下大雨，高速上能见度很低，Autopilot直接退出了，提示"摄像头视野受限"，只能自己手动开。还有个问题是深度估计不准，摄像头只能拍到二维图像，要判断物体的距离得靠算法推测，误差比较大。

毫米波雷达就不一样了，它是通过发射电磁波，然后接收反射回来的信号，计算目标的距离和速度。毫米波雷达最大的优点是不受天气影响，大雾、暴雨、沙尘暴都能正常工作，而且测速非常准，误差可以控制在1km/h以内。现在大部分车的ACC自适应巡航用的就是毫米波雷达，测前车距离、速度，然后自动调整跟车距离。缺点是分辨率比较低，只能知道前面有个东西，但是分不清那是人还是车还是个纸箱子。而且毫米波雷达对静止物体的识别能力很差，高速上的护栏、路边的电线杆，雷达都可能检测不到。特斯拉之前的车都配了毫米波雷达，但是2021年开始就把雷达取消了，全改成纯视觉方案，理由是雷达和摄像头的数据有时候会冲突，融合反而增加了复杂度。但是很多人对这个决定持怀疑态度，觉得特斯拉是为了省成本。

激光雷达可以说是自动驾驶里的"顶配"传感器了，原理是发射激光束，通过测量激光反射回来的时间来计算距离，精度可以达到厘米级。激光雷达最牛的地方是能生成三维点云图，就是把周围的环境用无数个点表示出来，每个点都有精确的三维坐标，这样就能还原出非常精细的环境模型。Waymo、百度Apollo这些走L4路线的公司，车顶上都装了好几个激光雷达，远距离的、近距离的搭配使用。但是激光雷达也有缺点，最大的问题是贵，早期Velodyne的64线激光雷达要七八万美金一个，简直是天价。不过这几年国产激光雷达崛起了，禾赛、速腾聚创把价格打下来了，现在几千块就能买到不错的激光雷达。还有个问题是激光雷达对大雨、大雾也有一定影响，虽然比摄像头好，但也不是完全免疫。马斯克一直吐槽激光雷达是"crutch"（拐杖），说依赖激光雷达的公司都是在作弊，真正的自动驾驶应该像人类一样只用视觉。但是大部分公司不认同这个观点，觉得能用的工具为啥不用？

超声波雷达就是倒车雷达，这个大家都熟悉，主要用于近距离测距，一般装在车的前后保险杠上。超声波雷达便宜、可靠，但是距离很短，只有几米，主要用于泊车辅助。GPS加IMU负责定位和姿态测量，GPS告诉你在地图上的哪个位置，IMU测量车的加速度和角速度，两个结合起来就能知道车的精确位置和姿态。但是GPS也有局限性，在隧道里、高楼大厦中间、树荫下，GPS信号会变弱甚至没有，这时候就得靠IMU和其他传感器来推算位置。高精度GPS可以达到厘米级定位，但是需要RTK（实时动态差分）基站支持，成本也不低。

现在业内有两大技术路线，一个是特斯拉的纯视觉方案，只用摄像头；另一个是多传感器融合方案，摄像头、毫米波雷达、激光雷达都用上。我个人更倾向于融合方案，虽然成本高一点，但是安全性更有保障。就像人类开车，虽然主要靠眼睛，但是耳朵也很重要对吧？听到救护车的声音就知道要让路，听到异响就知道车有问题。传感器也是一样的道理，多种传感器互相补充、互相验证，才能降低误判的概率。特斯拉的纯视觉方案虽然理想很美好，但是现阶段技术还不够成熟，尤其是在极端天气下，摄像头的局限性太明显了。不过话说回来，特斯拉的数据收集能力确实强，全球几百万辆车每天都在收集数据，训练AI模型，这个优势是其他公司没法比的。

自动驾驶的算法和芯片的较量

有了传感器采集数据，接下来就要处理这些数据，做出决策，这就涉及到算法和芯片了。这块是我觉得最烧脑也最有意思的部分，因为涉及到人工智能、深度学习、神经网络这些前沿技术。自动驾驶的软件系统一般分为几个模块：感知、定位、预测、规划、控制，每个模块都有对应的算法。感知模块负责识别路上的物体，比如车、人、自行车、交通标志、红绿灯等等，这块主要靠深度学习，尤其是卷积神经网络CNN。早期用的是传统的图像处理算法，什么边缘检测、特征提取之类的，效果很差，误识别率很高。后来深度学习火了以后，自动驾驶才真正有了突破。

目标检测是感知模块的核心任务，就是要在图像里找出所有的物体，并且给每个物体画个框，标注是什么类别。常用的算法有YOLO、Faster R-CNN、SSD这几种，各有优缺点。YOLO（You Only Look Once）的特点是快，一张图片只需要经过一次神经网络就能检测出所有物体，实时性非常好，特斯拉早期用的就是YOLO的改进版。但是YOLO对小物体的检测效果不太好，比如远处的行人、路边的石头，容易漏检。Faster R-CNN精度更高，但是速度慢，不太适合实时应用。SSD是个折中方案，速度和精度都还可以。现在各家公司基本都是在这些经典算法的基础上做魔改，针对自己的硬件平台和应用场景优化。

除了目标检测，还有语义分割、实例分割这些任务。语义分割是对图像的每个像素进行分类，判断这个像素属于路面、车道线、人行道还是其他什么东西。这样就能精确地知道可行驶区域在哪里，哪里可以走哪里不能走。常用的算法有FCN、U-Net、DeepLab系列，这些都是基于全卷积网络的。实例分割更进一步，不仅要分割出物体的轮廓，还要区分不同的个体，比如画面里有三辆车，要分别标注出来。这对于多目标跟踪很重要，要知道每辆车的轨迹，预测它们的行为。

轨迹预测是个非常难的问题，因为人的行为是不可预测的。你在路口看到个行人站在那儿，他是要过马路还是在等人？看到前面的车打了转向灯，它是真的要变道还是司机忘关了？这些情况连人类都不好判断，何况AI。现在比较流行的做法是用LSTM（长短期记忆网络）或者Transformer来建模，通过历史轨迹预测未来轨迹。Waymo的VectorNet就是个典型的例子，把道路上的所有元素（车辆、行人、车道线）都抽象成向量，然后用图神经网络来预测交互和轨迹。但是这种方法需要大量的数据训练，而且对算力要求很高。

规划模块负责路径规划和行为决策，简单来说就是决定车该怎么走。全局路径规划是从A点到B点选哪条路，这个比较简单，用传统的A*算法、Dijkstra算法就能搞定。局部路径规划比较复杂，要在动态环境下实时规划，避开障碍物、超车、变道、让行，这些都要考虑。常用的方法有RRT（快速随机树）、DWA（动态窗口法）、Model Predictive Control（模型预测控制）等。行为决策更高级一点，要判断当前该采取什么行为策略，是跟车、超车、减速还是停车，这涉及到决策树、强化学习等方法。

控制模块是最底层的，把规划的指令转化成具体的油门、刹车、方向盘操作。这块涉及到车辆动力学模型、PID控制、LQR控制等经典控制理论。别看这块比较传统，但是要做好也不容易，因为车辆的响应是有延迟的，而且不同车型的特性不一样，需要针对性调校。

说完算法再说芯片，自动驾驶对算力的需求是非常恐怖的。拿特斯拉的FSD芯片来说，算力达到了144 TOPS（每秒万亿次操作），功耗72瓦。英伟达的Orin芯片算力254 TOPS，更夸张。为啥需要这么大的算力？因为自动驾驶的神经网络模型太大了，参数动辄几千万甚至上亿，而且要实时处理8个摄像头的图像，每秒30帧，数据量巨大。特斯拉自研的FSD芯片据说是专门为神经网络推理优化的，效率比通用芯片高很多。英伟达的Orin芯片也是类似的思路，里面有专门的深度学习加速器。国产的地平线征程5芯片算力也达到了128 TOPS，价格比英伟达便宜不少，现在理想、长城都在用。华为的MDC810算力更是高达400+ TOPS，不过价格也不便宜。

现在还有个趋势是端到端学习，就是不再分什么感知、规划、控制模块，直接用一个超大的神经网络，输入传感器数据，输出控制指令。特斯拉的FSD V12据说就是朝这个方向走的，据说用了几十亿参数的模型，直接学人类怎么开车。这个思路挺激进的，理论上能学到一些难以编程的"直觉"，但是问题是黑盒，出了问题不知道为啥，而且需要海量的数据训练。我个人觉得端到端学习是个方向，但是现阶段还不够成熟，至少在安全关键系统上还不能完全依赖。

高精地图是关键的一环

很多人讨论自动驾驶只关注传感器和算法，其实高精地图也非常重要，甚至可以说是不可或缺的。高精地图和我们平时用的导航地图完全不是一回事儿，精度差了好几个数量级。普通导航地图的精度是米级的，主要标注道路的连通性，哪条路通向哪条路，有几条车道，路口在哪里，这些信息给人看的，人能根据实际情况判断。但是高精地图的精度是厘米级的，包含的信息非常详细：每条车道的宽度、曲率、坡度，车道线的类型（实线、虚线、双黄线），路沿的位置，交通标志的类型和位置，红绿灯的位置和朝向，甚至连路面的坑洼都标注出来。这些信息对自动驾驶非常重要，相当于给车提供了一个精确的参考系。

举个例子，如果没有高精地图，车只能靠传感器实时感知车道线，但是如果车道线磨损了、被大车压糊了、被雨水淹了，传感器可能就识别不出来了。有了高精地图，车可以通过GPS定位知道自己在地图上的哪个位置，然后对照地图知道车道线应该在哪里，即使实际看不到车道线也能保持在车道内。再比如红绿灯识别，如果只靠摄像头，有时候会被前面的大车挡住，或者因为逆光看不清楚，但是如果地图里标注了红绿灯的位置，车至少知道前面有个红绿灯，可以提前减速，结合V2X（车路协同）技术，甚至可以直接接收红绿灯的信号，不用靠摄像头识别。

高精地图的制作是个巨大的工程，需要专业的测绘车满城跑，车上装满了激光雷达、摄像头、GPS等设备，采集道路的详细信息。采集完之后还要进行数据处理，把原始的点云数据、图像数据转化成矢量地图，然后人工标注各种元素，什么车道线、路沿、标志牌、红绿灯，都要一个个标出来。这个过程非常费时费力，而且道路是会变化的，施工、改道、新建道路，都需要及时更新地图。所以高精地图的维护成本很高，需要定期重新采集更新。国内做高精地图的主要是百度、高德、四维图新这几家，都有导航电子地图制作的甲级资质，这个资质不是随便能拿的，涉及到国家安全。

但是高精地图也有争议，最大的反对者是特斯拉的马斯克。他认为依赖高精地图是作弊，因为不可能给全世界所有道路都做高精地图，成本太高了。而且地图的更新速度赶不上道路的变化速度，如果车只能在有地图的地方跑，那就太局限了。所以特斯拉坚持不用高精地图，完全靠视觉感知和普通导航地图。这个思路理论上是对的，但是实际上增加了技术难度，因为纯视觉方案对算法和数据的要求更高。国内的厂商基本都用高精地图，蔚来、小鹏、理想的辅助驾驶都依赖高精地图，华为最近搞的ADS 2.0宣称不依赖高精地图，但实际上还是有轻地图辅助的。

我个人的看法是，理想情况下当然是不依赖高精地图最好，就像人类开车不需要地图一样，到了一个陌生的城市也能开。但是现阶段技术还没到那个水平，有高精地图能降低难度、提高安全性，为啥不用？就好比你去一个陌生的地方，有地图导航肯定比没有强对吧？等以后纯视觉技术真正成熟了，可以不依赖地图，那当然更好。但现在就说高精地图没用，我觉得有点理想主义了。

 

我开过的那些辅助驾驶

说了这么多理论，还是得落到实际体验上。这些年我陆陆续续开过或者试驾过不少带辅助驾驶的车，有一些真实感受想和大家分享。最早开的是2019年买的Model 3，那时候Autopilot还是HW2.5硬件，功能相对简单一些，主要就是高速NOA和自动泊车。第一次用NOA的时候确实很新鲜，在高速上设定好目的地，车自己跟着导航走，自己变道超车，自己上下匝道，感觉就像科幻片里一样。但是用久了就发现问题了，首先是变道太犹豫，有时候旁边车道明明没车，它也要观察半天才变道，搞得后面的车一直按喇叭。其次是对大货车的识别不太准，有几次前面是个大货车，车突然加速要超车,结果发现超不过去又并回来，很惊险。再就是匝道口经常犹豫，有时候该下匝道了它还在主路上，得我手动打方向盘。

2021年的时候Model 3升级到了FSD Beta，功能丰富了很多,城市道路也能用了。第一次在城市里开FSD的感觉挺神奇的，车能自己识别红绿灯、礼让行人、避让电动车，甚至能在没有车道线的小路上开。但是问题也很明显，首先是太保守了，遇到加塞的车基本不敢挤，总是让，搞得后面的车疯狂按喇叭。其次是对一些特殊情况处理不好，比如路边有施工的，它不知道该怎么绕，就在那儿犹豫，最后我还是得接管。还有一次遇到个骑共享单车的横穿马路，车犹豫了一下才刹车，差点撞上，吓我一跳。总的来说，FSD在高速上的表现可以打8分，在城市里只能打6分，还有很大的改进空间。

2022年试驾过小鹏P7，主要体验了NGP（Navigation Guided Pilot）。小鹏的NGP给我的感觉是比特斯拉的NOA稳一些，变道更果断，对大货车的处理也更合理。尤其是高速上的表现,基本可以放心使用。城市NGP我在广州体验过，整体还不错，能识别红绿灯、礼让行人，变道也比较自然。但是遇到复杂路口的时候还是会懵，有一次在天河区一个7岔路口，车在那儿犹豫了好几秒，最后我还是自己接管了。小鹏的记忆泊车功能挺好用的，在小区地库录一次路线，以后每次回来车都能自己开进车位，真的省事儿。但是这个功能对环境要求比较高，如果地库里临时停了辆车把路堵了，它就不知道该怎么办了。

蔚来的NOP我也体验过，开的是ET7。蔚来的硬件配置很豪华，激光雷达、摄像头、毫米波雷达一应俱全，理论上感知能力应该很强。实际体验下来，高速NOA的表现确实不错，变道、超车都挺顺滑的，而且识别大货车很准，会主动远离。但是城市NOP我觉得还不够成熟，在北京五环上试了一段，遇到复杂路况还是会退出，需要人工接管。不过蔚来的车机交互做得不错，语音助手NOMI挺好用的，说"小憩模式"就能自动调座椅、关窗帘、放音乐，这些细节体验很好。

理想L9的AD Max也试驾过，总体感觉和小鹏、蔚来差不多，都是同一个水平。理想的营销做得好，把AD Max吹得很厉害，实际体验下来也就那样，没有质的区别。不过理想的车确实舒服，座椅、隔音、空间都很好，开长途很舒服。华为的ADS 2.0我还没试过，但是朋友开问界M9体验过，说是很厉害，不依赖高精地图也能在城市里开，而且很顺滑。等我有机会试驾了再来补充。

总结一下，现在市面上的L2辅助驾驶，在高速上基本都能用，能减轻驾驶疲劳，跑长途确实轻松很多。但是在城市复杂路况下，还是需要时刻注意，随时准备接管。千万别把辅助驾驶当成自动驾驶，手不能离开方向盘，眼不能离开路面，这是基本原则。而且不同品牌的调校风格不一样，有的激进，有的保守，需要适应一段时间。我的建议是，刚开始用辅助驾驶的时候，先在熟悉的路段试，找车少的时候试，慢慢熟悉了再在复杂路况下用。

无人出租车：看得见的未来？

说完了乘用车的辅助驾驶，再聊聊Robotaxi（无人出租车）。这个是我觉得最有可能先落地的自动驾驶应用场景，因为它是商业运营，有清晰的商业模式，而且可以在特定区域内运营,技术难度相对低一些。现在做Robotaxi最成熟的是Waymo，就是Google旗下的那个公司。Waymo从2009年就开始研究自动驾驶了，可以说是这个行业的鼻祖。现在Waymo在美国凤凰城、旧金山、洛杉矶等几个城市有商业化运营，而且是真正的无人驾驶，车里连安全员都没有，完全靠机器自己开。

我2023年去硅谷出差的时候，专门体验了一把Waymo。在App上叫车，几分钟后一辆白色的捷豹I-PACE开过来了，车顶上装着个硕大的激光雷达，看起来挺科幻的。上车后车门自动锁上，屏幕上显示路线，点开始就出发了。整个过程非常顺滑，车开得很稳，加速减速都很平缓，完全感觉不到是机器在开。遇到红绿灯、行人、其他车辆，处理得都很自然。唯一的问题是开得有点慢，可能是为了安全考虑，即使在没车的路上也不会开太快，感觉像个老司机在那儿稳稳当当地开。坐了15分钟，到达目的地，车自动靠边停,打开车门，整个体验非常好。要不是车里没人，根本感觉不出来和普通出租车有什么区别。

Waymo的车配置非常豪华，5个激光雷达、29个摄像头、6个毫米波雷达，算力也很强大，成本估计得好几十万美金。但是人家确实敢放开了让车自己跑，这个胆子和技术实力都很牛。国内做Robotaxi的主要是百度Apollo、小马智行、文远知行这几家。百度算是走得最快的，在北京、上海、广州、深圳、武汉等十几个城市都有测试，武汉还搞了个萝卜快跑,据说已经商业化运营了。我在北京亦庄体验过百度的Apollo，车是红旗E-HS9改装的，车顶也有激光雷达。上车之后发现主驾和副驾都有安全员，看来还不敢完全无人。整个体验下来感觉也还行,车开得挺稳的，就是遇到复杂路况的时候会犹豫，有一次在路口等左转，绿灯亮了它还在那儿观察，后面的车按喇叭了它才走。

小马智行和文远知行我都在广州试过，水平差不多，都还在测试阶段，车里都有安全员。文远知行的车是日产的，小马智行用的是丰田的，都是油改电的车型。体验下来感觉是，直线开没问题，遇到路口、变道这些需要决策的地方就比较犹豫。而且这些公司现在都只能在特定的区域内运营，出了这个区域就不行了。比如广州的生物岛,那个岛上可以叫Robotaxi，但是出了岛就不行了。这个就是前面说的L4级别的"地理围栏"限制。

Robotaxi要想真正商业化,我觉得还有几个问题要解决。首先是成本，现在一辆Robotaxi的成本太高了，如果成本降不下来，运营成本就会很高，票价也降不下来，用户就不愿意用。其次是覆盖范围，现在只能在有限的区域内运营，要想大规模推广，得覆盖更多的城市、更多的道路。再就是法律法规，现在各地的政策还不统一，有的地方允许测试但不允许商业化，有的地方允许商业化但要求必须有安全员，这些都限制了Robotaxi的发展。最后是用户接受度，很多人还是不太敢坐无人车，觉得不安全，这个需要时间来改变观念。

我个人觉得Robotaxi是有前景的，尤其是在一些特定场景下，比如园区、机场、火车站的接驳，这些场景路线相对固定，速度要求不高，很适合用Robotaxi。长期来看，Robotaxi可能会先在一二线城市的特定区域普及，然后逐步扩大范围。但是要想完全取代人类司机，我觉得至少还得十年以上。

自动驾驶卡车：被低估的金矿

除了乘用车和Robotaxi，自动驾驶卡车也是个很有潜力的方向，但是关注的人相对少一些。其实我觉得自动驾驶卡车可能比乘用车更容易落地，原因有几个。首先，卡车主要跑高速，场景相对简单，不像城市道路那么复杂。其次，卡车司机越来越难招，尤其是长途货运司机，工作强度大、收入不高、还有安全风险，年轻人都不愿意干了。如果能用自动驾驶卡车，既能解决招工难的问题，又能降低运营成本，经济账是算得过来的。再就是安全性，卡车司机长时间开车容易疲劳驾驶，每年因为疲劳驾驶导致的事故不在少数，如果用自动驾驶就能避免这个问题。

现在国内外都有不少公司在搞自动驾驶卡车。国外的图森未来（TuSimple）算是走得比较快的,他们主攻干线物流，就是高速公路上的长途运输。图森的卡车在美国已经有商业化运营了,据说能做到完全无人驾驶，在高速上一路开到目的地，中间不需要人工干预。国内的话，智加科技、嬴彻科技也在做干线物流，和一些物流公司、主机厂合作。不过国内的法规还比较严格，暂时还不允许完全无人的卡车上路，都得配安全员。

除了干线物流，还有港口、矿山这些封闭或半封闭场景，自动驾驶卡车已经开始商用了。三一重工、徐工这些工程机械厂商都在搞无人驾驶矿卡，在矿山里运矿石，完全不需要人开。我去过内蒙古的一个露天煤矿,看到那些巨大的矿卡自己在那儿跑，确实挺震撼的。矿卡的工作环境很恶劣，粉尘大、噪音大，人类司机在里面工作对身体伤害很大，用无人驾驶既能保护工人健康，又能提高效率。港口的集装箱卡车也是类似的，像上海洋山港、青岛港这些大型港口，都已经用上了无人驾驶集卡，24小时不停运转，效率比人工高很多。

自动驾驶卡车还有个好处是可以搞车队编组，就是一辆有人驾驶的头车带着几辆无人驾驶的卡车，像火车一样编组行驶。这样既能保证安全（有人监控），又能提高效率（减少风阻、节省燃油）。国外已经有公司在测试了，国内估计也快了。我个人很看好自动驾驶卡车的前景,觉得这个比乘用车的自动驾驶更容易实现商业化。主要是因为场景相对简单、商业模式清晰、经济效益明显，这些都是很重要的因素。

安全问题：怎么看待自动驾驶事故

聊了这么多自动驾驶的好处，但是不得不提安全问题。这几年自动驾驶事故时不时就上新闻，每次出事故都会引起大量讨论。特斯拉的Autopilot出过不少事故，国内外都有，有追尾大货车的、有撞护栏的、有撞消防车的，每次都会被媒体大肆报道。2018年Uber的自动驾驶测试车在亚利桑那撞死了一个行人，导致Uber暂停测试很长时间，这个事件对整个行业影响很大。去年Cruise在旧金山撞到行人并且拖行了一段距离，直接被吊销了牌照，公司大幅裁员。这些事故每次都会引发人们对自动驾驶安全性的质疑：这玩意儿真的靠谱吗？会不会还不如人类司机？

关于安全性，我觉得得辩证地看。从统计数据来看，特斯拉公布的数据是开启Autopilot时每行驶几百万英里才发生一起事故，而人类驾驶平均每几十万英里就一起事故，从这个角度看Autopilot是比人类更安全的。但是这个数据有个问题，Autopilot主要在高速上用，而高速本来事故率就比城市道路低，所以不能简单对比。而且统计里把轻微剐蹭和重大伤亡事故混在一起算，也不太合理。Waymo的数据相对靠谱一些，他们在凤凰城运营了好几年，累计行驶了几百万英里，没有发生重大伤亡事故，只有一些小的剐蹭，从这个角度看确实比人类司机安全。

但是这里有个关键问题：社会对机器犯的错和人类犯的错，容忍度是不一样的。人类司机出事故，大家觉得是意外，是人为失误，除非是严重的醉驾、毒驾，否则一般不会上纲上线。但是机器出事故，大家会质疑整个技术，会觉得这个技术不成熟、不安全，应该禁止。这其实是个心理问题，人们对未知的东西有天然的恐惧和排斥。举个例子，飞机失事会上头条新闻，全世界关注，但是每年因为车祸死亡的人数是飞机失事的几百倍，却很少有人关注。为什么？因为大家觉得坐飞机把命交给机器，出事了无能为力；开车自己掌控，出事了怪自己技术不好。

还有个问题是责任认定。人类司机出事故，责任很明确，谁违章谁负责，撞了人赔钱、吊销驾照、坐牢,都有明确的法律规定。但是自动驾驶出事故，责任怎么认定？L2级别的还好说，驾驶员负全责，因为L2明确规定了驾驶员必须时刻监控路况。但是L3以上呢？如果车在自动驾驶模式下撞了人，算厂商的责任？那厂商肯定不干啊，我一个卖车的，凭什么要承担这个风险？而且产业链这么长，传感器是另一家供应商的、芯片是另一家的、算法是另一家的，出了事故责任怎么分？所以现在L3以上的车很少，很大原因就是法律责任理不清。

还有个伦理问题，就是所谓的"电车难题"。假设前方突然冲出一个人，如果直行会撞死他，但是左边是悬崖右边是公交站台，车该怎么选择？撞人、冲下悬崖还是撞站台？如果是人类司机，这种情况下凭本能做决定，事后不会追究。但是AI的决策逻辑是提前设定的，是工程师在写代码的时候就决定好的，那么工程师怎么决定？优先保护车内乘客还是路人？保护老人还是小孩？这些问题没有标准答案，但是又必须做出选择。

我个人的看法是，自动驾驶在某些特定场景下（比如高速巡航、拥堵路况）已经比人类司机更安全了，但是在复杂城市路况下还不如有经验的老司机。关键是要正确定位自动驾驶的能力边界，L2就是L2，不能过度依赖，手不能离开方向盘。L4可以在特定区域内做到无人驾驶，但是出了那个区域就不行。至于完全自动驾驶（L5），现在还远远不够,技术上、法律上、伦理上都有很多问题没解决。

法律法规：一个绕不开的话题

自动驾驶的发展，技术是一方面，法律法规是另一方面，甚至可以说法律法规比技术更重要。因为再牛的技术，如果法律不允许上路，也没用。现在全球各国对自动驾驶的态度不太一样，有的比较开放，有的比较保守。美国各州法规不一致，加州、亚利桑那、德州这些州比较开放，允许自动驾驶测试，允许无安全员测试，甚至允许商业化运营。但是也有些州比较保守，要求必须有安全员，或者干脆不允许测试。中国这几年对自动驾驶的态度越来越开放了，北京、上海、深圳、广州、武汉等城市都发放了测试牌照，允许企业在指定区域内测试。

2021年工信部发布了《智能网联汽车生产企业及产品准入管理指南（试行）》，明确了智能网联汽车的准入要求，这是个很大的进步。但是目前国内还没有针对L3以上级别自动驾驶的完整法律框架，很多问题还处在灰色地带。比如责任认定的问题，如果L3车辆在自动驾驶模式下出事故，责任到底怎么算？现在还没有明确的法律规定。再比如数据安全问题，自动驾驶车辆会采集大量数据，包括摄像头拍到的路人、行驶轨迹、车内对话等等，这些数据怎么管理？能不能给政府？能不能商业化使用？这些都需要法律明确。

还有个问题是测试标准和认证流程。现在自动驾驶汽车上路，需要通过各种测试，获得测试牌照。但是测试标准是什么？怎么证明你的车是安全的？是跑够多少公里就行？还是要通过特定的测试场景？目前各地的标准不太一样，没有统一的国家标准。而且现在的测试主要是封闭场地测试和开放道路测试，但是封闭场地测试的场景毕竟有限，不可能覆盖所有可能的情况。开放道路测试又有安全风险,万一出事故怎么办？所以这个平衡很难把握。

欧洲对自动驾驶比较保守，要求很严格。欧盟有个UN R157法规，专门针对L3级别的自动驾驶，要求非常详细，从传感器冗余到数据记录到人机交接，都有明确规定。德国是欧洲里走得比较快的，已经允许L3在特定高速路段使用，但是时速不能超过60km/h，而且要求必须有驾驶员监控系统，确保驾驶员能及时接管。这个标准虽然严格，但是从安全角度来说是合理的，毕竟涉及到人命关天的事情，谨慎一点总是好的。

我个人觉得，法律法规应该跟上技术发展的步伐，既不能过于保守，扼杀创新，也不能过于激进，忽视安全。应该建立一套完整的标准体系，明确不同级别自动驾驶的技术要求、测试标准、责任认定、数据管理等方面的规定。同时要加强监管，对违规的企业严厉处罚，对出现安全问题的产品及时召回。只有这样，自动驾驶才能健康发展。

产业链盘点：谁在闷声发大财

自动驾驶是个巨大的产业，涉及的环节非常多，从上游的传感器、芯片供应商，到中游的算法公司、地图公司，再到下游的整车厂、运营商，每个环节都有玩家。这几年随着自动驾驶的火热，产业链上的公司也都赚得盆满钵满，当然也有不少烧钱烧死的。芯片这块，英伟达可以说是最大的赢家，他们的Drive平台基本垄断了高端市场，从Waymo到蔚来到小鹏，都在用英伟达的芯片。最新的Orin芯片算力达到254 TOPS，价格嘛，据说单颗要好几千美金,一套方案下来得小几万。但是人家确实牛，软硬件生态做得很完善，用起来省心。

高通也在发力，他们的Snapdragon Ride平台主打性价比,算力也不错，价格比英伟达便宜。通用的Super Cruise、宝马的一些车型用的就是高通的方案。国产芯片这几年进步很快，地平线的征程系列芯片已经装车量产了，理想、长城、奇瑞都在用。地平线的优势是本土化支持好，而且和国内车企合作紧密，能根据需求定制方案。华为的MDC智能驾驶计算平台也很厉害，算力高、集成度高，问界、北汽用的就是华为的方案。特斯拉最牛的是完全自研芯片，FSD芯片是专门为神经网络推理优化的，据说效率比通用芯片高好几倍，而且成本低，只给自己用。这种垂直整合的策略确实有优势，但是其他车企学不来，因为研发投入太大了。

激光雷达这块，早期是Velodyne一家独大，他们的64线激光雷达卖七八万美金一个，简直是暴利。但是这几年竞争激烈了，价格一路狂跌。国产的禾赛、速腾聚创把价格打下来了，现在几千块就能买到不错的激光雷达。禾赛的AT128算是目前的旗舰产品，128线、200米探测距离，理想L9用的就是这个。速腾聚创的M1也不错，小鹏、蔚来都在用。华为也有自己的激光雷达，96线，集成度很高，问界、阿维塔在用。现在激光雷达的价格战打得很激烈,对车企来说是好事，成本降下来了，对供应商来说就比较惨了，利润越来越薄。

算法公司这块，Mobileye算是老大哥了，Intel旗下的公司,传统L2方案的霸主，全球几千万辆车用的都是他们的方案。但是Mobileye有点跟不上潮流了,还是传统的视觉+雷达方案，在高级辅助驾驶领域逐渐被特斯拉、蔚小理这些新势力超越。国内的算法公司有Momenta、轻舟智航、小马智行、文远知行这些,都拿了不少融资，估值也很高。但是说实话，这些公司的商业化还在探索阶段，目前主要是烧钱做研发，啥时候能盈利还不好说。

整车厂这块，传统车企和新势力都在发力。传统车企像通用、福特、丰田、大众，投入都很大，但是进展相对慢一些，可能是体系太大了，转身比较难。新势力就灵活多了，特斯拉自不必说，已经甩开其他车企好几条街了。国内的蔚来、小鹏、理想,在辅助驾驶方面也做得不错，虽然和特斯拉还有差距，但是进步很快。华为虽然不造车，但是ADS方案据说很牛，问界、阿维塔都在用。小米刚发布的SU7也搭载了自动驾驶功能，但是具体效果还得等实际体验。

地图公司这块，百度、高德、四维图新是国内三大家，都在做高精地图。高精地图的制作和维护成本很高，需要大量投入，但是目前变现渠道有限，主要是卖给车企。随着越来越多的车企搞自己的地图（比如特斯拉不用高精地图），地图公司的日子可能会越来越难过。不过地图公司也在转型,不只是做地图，还提供定位服务、路径规划服务，甚至做自动驾驶的整体解决方案。

总的来说，自动驾驶产业链很长，每个环节都有机会，但是竞争也很激烈。芯片和传感器这种上游硬件，技术门槛高、先发优势明显，容易形成寡头垄断。算法和方案这种中游环节，竞争最激烈，大家都在拼技术、拼价格、拼落地能力。整车厂是最终客户，话语权最大，现在越来越多的车企选择垂直整合，自己做芯片、自己做算法，这对供应商来说不是好消息。

未来预测：自动驾驶什么时候能普及

这是大家最关心的问题：自动驾驶到底啥时候能真正普及？能不能在我们有生之年实现科幻电影里那种完全无人驾驶的场景？说实话这个问题很难回答，因为涉及的因素太多了。技术上，现在的自动驾驶还有不少瓶颈要突破。极端场景的处理能力还不够，暴雨、大雾、冰雪路面，传感器性能会大幅下降，算法的鲁棒性也不够。混合交通场景很难搞，路上有守规矩的也有不守规矩的,有机动车也有非机动车，有正常行人也有鬼探头，这些情况人类司机都需要靠经验判断，AI就更难了。长尾问题是最头疼的，99%的常见场景都能搞定，但是剩下1%的罕见场景很棘手，比如道路施工临时改道、交警手势指挥、异常物体（沙发、轮胎掉在路上）,这些AI都很难处理。

成本也是个大问题，现在一套L4级别的自动驾驶系统，成本至少几万块，要普及到普通车上，成本得降到几千块甚至更低才行。好消息是传感器价格在快速下降，激光雷达从十几万降到几千块，芯片的算力也在不断提升，价格反而在下降，这是典型的摩尔定律在起作用。规模化之后，成本还会继续下降。法律法规也是个制约因素，现在全球范围内对L3以上级别自动驾驶的法律框架都不完善，责任认定、数据管理、伦理问题都没有明确的答案。这些问题不解决，自动驾驶就不可能大规模商业化。

基础设施也需要跟上，V2X（车路协同）需要大量投入，要在路上安装智能路侧设备，要建设5G网络，要做高精地图覆盖，这些都需要政府和企业共同投入。中国在这方面做得比较积极，很多城市都在搞智慧交通、车路协同示范区，但是覆盖范围还很有限。用户接受度也很重要，现在很多人还是不太敢用自动驾驶，觉得不安全，不如自己开踏实。这个观念的转变需要时间，需要自动驾驶技术真正成熟、安全性得到验证，大家才会逐渐接受。

根据我这些年的观察，我做个大胆的预测。短期内（2025-2027年），L2+级别的辅助驾驶会成为20万以上车型的标配，城市NOA会覆盖更多城市，Robotaxi在一线城市会小规模商业化。中期（2028-2030年），L3会开始量产上车，但是限定在高速、拥堵等特定场景，自动驾驶卡车会在高速上大规模跑起来，成本会继续下降，10万级别的车也能有不错的辅助驾驶功能。长期（2030年以后），L4会在部分城市的特定区域实现，无方向盘的车会开始出现，但是完全的L5级别自动驾驶，我觉得至少还得十到二十年，甚至更久。

有个段子说：自动驾驶永远都是五年后就能实现，这话已经说了十五年了。虽然是玩笑话，但是确实反映了现实，自动驾驶的难度比大家想象的要大得多。不过我还是保持乐观的，虽然完全自动驾驶遥遥无期，但是辅助驾驶技术在不断进步，已经能给我们的驾驶带来很大的便利了。而且在一些特定场景下，比如园区、港口、矿山、高速货运，自动驾驶已经开始商用了，这些都是看得见的进步。

写在最后：一个技术宅的碎碎念

不知不觉写了这么多，手都快断了。看了一下字数统计，已经两万多字了，可能是我在恩山发过的最长的帖子了吧。能坚持看到这里的朋友，给你点个赞。自动驾驶这个话题真的太大了，涉及的技术、产业、法律、伦理方方面面太多，这篇文章肯定有很多不足之处，有些地方可能说得不够准确，有些观点可能也比较主观，欢迎大家在评论区讨论指正。我不是什么专业人士，就是个普通的技术爱好者，这些年陆陆续续体验过一些产品，研究过一些资料，踩过一些坑，今天把这些经验和感受分享出来，希望对大家有帮助。

作为一个从刷路由器固件开始玩技术的老用户，我见证了很多技术从概念到落地的过程。从最早的WiFi路由器，到智能家居，到NAS，再到现在的自动驾驶，每个阶段都有不同的乐趣。自动驾驶对我来说不仅是个交通工具的进化，更是一个技术爱好者的playground。研究传感器、研究算法、研究芯片，试驾不同品牌的车，对比不同的技术路线，这个过程本身就很有意思。当然，作为普通用户，我更关心的是这项技术能给我们的生活带来什么改变。能不能让开车变得更轻松、更安全？能不能让老年人和残疾人也能享受驾驶的自由？能不能减少交通事故、缓解交通拥堵？如果这些能实现，自动驾驶就是有价值的。

最后给大家几点建议。如果你想体验辅助驾驶，买车的时候优先考虑配置高一点的版本，传感器多、算力强的肯定比乞丐版体验好。但是不要迷信宣传，什么L2.5、准L3都是营销话术，本质上都是L2,你必须时刻监控路况。刚开始用的时候一定要谨慎，先在熟悉的路段试，先在车少的时候试，慢慢熟悉系统的特性。永远不要完全信任系统，手不能离开方向盘，眼不能离开路面，随时准备接管。遇到复杂路况、极端天气，该关就关，别逞强。记住，这是辅助驾驶不是自动驾驶，你才是负责的那个人。

如果你对自动驾驶技术感兴趣，想深入了解，可以多看看论文、技术博客、开源项目。像Apollo、Autoware这些开源项目都很不错，可以学到很多东西。也可以关注一些业内的公众号、知乎大V，他们会分享很多一手资讯和深度分析。有条件的话多试驾不同品牌的车，实际体验是最直观的。还有就是保持理性，不要被营销话术忽悠，也不要因为某次事故就全盘否定这项技术。自动驾驶是个长期的、渐进的过程，需要时间来完善。

好了，就写到这里吧。如果这篇文章对你有帮助，麻烦点个赞、收藏一下，让更多人看到。如果有问题或者不同看法，欢迎在评论区讨论，咱们一起学习进步。最后再次提醒：开车注意安全，辅助驾驶只是辅助，千万别撒手不管！

转载https://www.key-iot.com.cn/drive/997.html 作者：David Tao Fans

原标题：憋了6年的自动驾驶笔记终于发出来了，据说是全网最详细的