自動駕駛是人工智能最有前途的應用之一，也是目前復雜度最高的應用。自動駕駛的分享分三個部分：應用情況、技術簡介、由無人駕駛溢出的機會。
這部分談談：自動駕駛的發展在其他行業推動的變化。
自動駕駛就像星際旅行，現階段重要的不是什么時候達到L4、L5，而是向這個目標努力的過程中，驅動了產業各個環節的技術創新，而這些技術創新將溢出到各行各業，產生豐富的價值。
自動駕駛的整車已經在工礦、港口、農業、長途貨運、公交等運輸場景中開始商用的探索。
產業園區、商區、景區也在尋找低速無人駕駛的低成本解決方案，除了提供接駁服務，也為行動不便人士提供單人駕駛服務。
自動駕駛整車的功能，很多也可以作為ADAS功能單獨使用。
ADAS有些功能已經比較成熟，如：自適應巡航（ACC）、主動緊急制動（AEB）、自動泊車（APS）、車道保持（LKS），很多車型上已經應用。有一些裝配率還不高，如：
下坡輔助DAC，在連續下坡中啟用發動機制動，防止剎車系統負荷過大。
夜視輔助系統，在光線微弱的時候，用紅外線圖像幫助駕駛員提高能見距離。
前/后方十字路口交通警示FCTA/RCTA，檢測前、后方兩側的來車，在倒車出庫、通過視線被遮擋的十字路口時，防止側方來車的碰撞。
交通標志識別和智能車速控制，根據道路要求限速，防止車輛超速行駛。
……
這些功能會提升駕駛的安全性、乘坐的舒適性和操控的效率，是消費者愿意為之付費的技術，相關的技術方案企業，也就有動力把這些功能做成模塊，實現成熟的量產。其中的不少模塊會產生溢出效應，在其他領域也得到應用。例如：
無人物流中心的AGV（自動導引運輸車），使用車距/車速檢測和碰撞預警、智能車速控制、車輛之間的通信V2V等技術，加上科學的儲位和路徑規劃，就可以進一步提高單車速度，提升整體的可靠性和效率。
室內的服務機器人、樓宇內或樓宇間的短距離無人遞送、安防巡檢機器人、道路清掃機器人，使用行人檢測、路標識別、360度障礙物檢測、車道保持等技術，就可以更安全、可靠性的完成工作，同時還能實現更靈活的部署。
如果以人為著眼點，ADAS的一些檢測和預警功能，應該也可以幫助行動障礙、視覺障礙的人，更安全、自如的出行。
自動駕駛使用了攝像頭、激光雷達、毫米波雷達、超聲波雷達、慣性傳感器等傳感器。
這些傳感器在車輛上使用，需要創新性的解決一些問題：滿足車規。傳感器需要能夠在-40℃ ~80℃溫度范圍內正常工作，在震動和沖擊時保持穩定工作，需要在8年的設計壽命內保持正常、穩定工作。
全時、全域、全天候。汽車的設計，需要考慮一年365天，一天24小時，在所有陸地道路（一般可以排除極地），在雨、雪、風、寒、暑等各種天氣條件條件下工作。
高精度。為了能夠識別100米甚至更遠的物體“是什么”，傳感器對100米以內所有物體的感知精度需要達到厘米級別。
低時延。為了安全駕駛，從異常出現到采取制動或轉向動作，時延不超過0.2秒。
小型化。為了美觀和整體結構安全，所有傳感器硬件都需要足夠小，以便“隱藏”在保險杠內、左/右/中央后視鏡內、前/后擋風玻璃旁等位置。
低成本。成本方面沒有絕對的標準，但7萬美金一個的傳感器，顯然是無法大規模商用的。
很多行業，時延僅僅意味著體驗：做了一個操作之后，多久會得到反饋。快當然體驗很好，做不到也沒啥大影響，用戶通常會選擇再操作一次。
汽車行業，時延是安全性的要求——100米范圍出現異常，到傳感器感知到圖像，到程序分析圖像識別出異常，到程序決策需要采取制動動作，到指令發到制動系統——整個過程需要在0.2秒之內完成，超過了就是事故。（太過靈敏導致頻繁制動，這倒是體驗問題了）
很多行業，公布的時延指標是一個平均值，時延0.2秒，意味所有操作的時延是一個正態分布，分布最密集的區間在0.2秒附近。
但汽車行業，時延0.2秒，意味著幾乎不允許有超過0.2秒的例外，每次處理都要在0.2秒內完成。
所以，在網聯優先的擁躉為5G網絡5ms的延時興奮時，單車智能的支持者只關心：究竟在99.99999%的情況下，時延被控制在什么范圍內？
車用傳感器在可靠性、性能、精度方面的要求遠超一般民用產品，對尺寸、成本則要求是民用級別的，而車載市場又是公認的巨量市場，這有力的推動了相關傳感器尋求顛覆性的解決方案。最典型的是激光雷達和毫米波雷達。
激光雷達最大的問題是成本，目前是尋求用固態激光雷達替代機械激光雷達，把成本降到2000美金以下，最新的車規級產品已經可以做到數百美金。
毫米波雷達最大的問題是遠距離的探測精度，目前主要是從算法和更高頻段兩個方面，最新的探測精度已經可以做到5厘米甚至1厘米以內。
低成本、高精度的傳感器在其他領域也有發揮空間，例如：
在臥室、病房、衛生間等不適合部署攝像頭的區域，使用毫米波雷達探測生命體，當精度足夠時，通過體態和體征可以實現識別身份，起到監護、安防的作用。
服務、遞送、物流等機器人，有不少已經使用了激光雷達的SLEM特性，讓機器人的部署更快捷、靈活。
測繪、遙感、大氣監測這些原本非民用的領域，使用激光雷達后數據獲取成本降低，有機會出現針對農林漁業、旅游和其他民用領域的服務。
無人機植保、交通行為監測等領域，毫米波雷達的應用已經十分普遍。
目前自動駕駛涉及的傳感器、深度學習、執行機構、通訊、模擬和路測等技術。
深度學習是最大的短板，涉及的芯片、算法架構、訓練框架等方面，國內缺失的比較多。這個方面主要是技術型公司的機會。
其他方面，美國雖然有比較強的先發優勢，但并未壟斷，國內技術并不落后，部分細分賽道有和頭部公司同等級的量產能力。技術型、產品型公司都有機會。
自動駕駛有幾個專屬的細分技術領域：
訓練庫和仿真駕駛平臺。自動駕駛產品的測試不是只依賴路測，頭部企業在實驗室仿真測試的里程，數百倍于路測里程。這個領域還沒有專業玩家，但是一個商用的訓練庫和仿真駕駛平臺，對自動駕駛的成熟很有幫助。
高精地圖。自動駕駛的定位、導航依賴高精地圖。這個領域已有先行者，但是構建高精地圖的工作量非常大，可以容納更多的、不同地域、完成不同工作的參與者。
V2X。自動駕駛最終會更安全、更高效，原因之一就是因為V2X讓車輛有了“上帝視角”。國內傾向于采用3GPP的V2X規范，這個規范目前還在制定階段，相應的商用產品大約會在2022年發布。規范主要由各國電信標準化委員會、汽車工程學會、通信設備制造商、整車制造商參與制定。其他企業目前保持跟進即可。
圖片來源：2019中國人工智能產業白皮書（德勤）
雖然完全自動駕駛還沒有那么快顛覆我們的出行，但是在追求自動駕駛的過程中實現的功能，比如主動緊急制動、自適應巡航、車道保持、AR導航、自動泊車等，還是實實在在讓駕駛更輕松了。
未來自動駕駛將以“潤物細無聲”的姿態，從看得見、看不見的地方，逐漸滲透進人們的工作和生活。
人們可能很快會在交通樞紐、景區、園區等場所體驗到自動駕駛，在工作中用到自動駕駛的技術減輕工作強度、提高安全性。
在這個過程中，消費者對自動駕駛的技術會從最早的好奇，最終走向信任。
在自動駕駛的發展過程中，政府將起到非常關鍵的作用。試驗場的建設是自動駕駛商用的必要條件，法規的建立和完善是自動駕駛應用的基礎保障。這些方面中國都比較有優勢。
粵公網安備 44030502007885號