第二天，又有来自奇瑞、PTV Group、西门子、智驾科技、地平线、广汽研究院、楚航科技、知行科技、华为的近十位专家围绕芯片、毫米波雷达等自动驾驶关键技术，系统开发，仿真测试方法等发表主题演讲，旨在通过交流思想，碰撞智慧，探寻自动驾驶规模化应用的实现路径。

技术市场双落地 ADAS进入快速普及期3

首先是技术层面，一些关键技术正逐渐获得突破。如德赛西威智能驾驶辅助事业单元总经理李乐乐所言，近几年在雷达、芯片、算力、算法等核心领域，技术提升均十分明显。“另外，在与主动安全相关的法规制定方面，近两年政府也在积极推进，加上社会因素、商业模式等方面的因素，我们认为自动驾驶在未来几年将迎来爆炸式发展。”

以芯片为例，据地平线副总裁、智能驾驶产品线总经理张玉峰透露，早在前两年地平线的芯片就被批量运用在美国顶尖的自动驾驶驾驶车队上。今年3月，地平线征程2芯片率先搭载在长安UNI-T车型上。据悉，基于地平线AI芯片以及感知算法，长安UNI-T实现了包括视线亮屏、分心提醒、疲劳监测、唇语识别、智能语音拍照等智能化功能，拥有出色的人机交互体验。

市场层面情况改善更为明显。“目前ADAS的搭载率，大概已经达到了30%，这是最新的数据，未来的五年，装配率将进一步提高，从30%增长到80%。换言之，这是一个很大的增量市场。” 福瑞泰克总裁张林博士表示。“特别是在商用车领域，从去年到今年，国家出台了一系列法规，要求客车、重型卡车等强制安装AEB等ADAS系统。在法规的驱动下，大量ADAS功能将实现从之前的零配置到100%配置突破，从而促进行业迅猛发展。”

*图片来源：福瑞泰克

不仅如此，今年初国家还发布了《智能汽车创新发展战略》，其中对智能汽车产业未来几年的发展目标、配套法律法规的出台等制定了很明确的顶层设计，张林认为这也是推动中国自动驾驶产业发展很重要的助推剂，尤其是中国选择的“智慧的车+聪明的路”的技术路线，有望将自动驾驶推向更广阔的市场。

智驾科技联合创始人叶春兰也认为，随着政策法规的逐步完善、消费者对乘用车的各种体验需求不断提升，为自动驾驶发展提供了重要助力，现在自动驾驶已不再是PPT或Demo演示状态，行业更多的要求在于如何落地。“目前来看，多场景商业落地的方向是大势所趋，其中包括ADAS千亿级市场的规模化落地，还有L4级场景细分的落地。”

在知行科技创始人兼首席执行官宋阳看来，现在自动驾驶已经进入了市场启动期，L2级自动驾驶在今年以前已经有广泛的落地，但是装机率还不是很高，预计未来3——5年装机率会逐步提高，进入准标配阶段。到2025年左右，L4级别以上的无人驾驶会开始落地，不过首先在半封闭场景应用。

自动驾驶发展渐入佳境 挑战亦不容忽视

尽管近两年自动驾驶发展渐入佳境，但要真是实现这项技术规模化商用，特别是高级别自动驾驶汽车的大规模量产，还存在多重挑战。

奇瑞汽车智能车技术中心资深总工程师高继勇博士就指出，无论L2自动驾驶还是L2.5自动驾驶，最大的难点还是应用层软件，不是硬件，也不是常说的技术软件。而对于L3，他认为最难的是城市交通场景，因为城市道路往往会面临很多问题。比如很多道路没有车道线，该怎么开？这个时候虚拟出车道线就十分重要。另外还有十字路口，很多城市的红路灯存在故障常年不修理，这对于L3自动驾驶汽车来说也很难识别。“所以我认为用于城市场景的L3自动驾驶汽车的实现难度甚至远大于用于运营的Robotaxi。当然，L3在私家车上确实有量产，但却是在争议中研发和量产。”

另外在激光雷达、图像传感器、毫米波雷达等关键技术领域，目前也都还存在一定的挑战。例如在激光雷达领域，据Ouster业务发展总监刘志刚介绍早期激光雷达面临几个比较大的挑战是价格太贵，且性能往往达不到需求。“车子速度越快，肯定希望激光雷达的分辨率越高，但是当一台激光雷达的价格远远超过一台车的价格的时候，对激光雷达的发展肯定是一个巨大的瓶颈。” 为此，Ouster一直在积极改进激光雷达性能。

*激光雷达，图片来源：Ouster

图像传感器方面，豪威集团中国区汽车电子业务部总经理刘琦指出目前功能安全、功耗和信息安全是需要重点关注的。毫米波雷达方面，据楚航科技CTO张我弓介绍主要挑战在于市场对产品的迭代速度及成本有很高的要求。

大陆集团自动驾驶及安全事业群未来解决方案及战略规划部中国区负责人徐弢则认为，除了技术上的挑战，自动驾驶现阶段还面临法规、责任划分、研发成本、伦理道德、网络安全、公众认知和社会接受度等多个方面的难题。

“比如法规方面，最基本的《道路交通安全法》里根本没有考虑自动驾驶系统作为驾驶员的情况，这是一个很大的阻碍，包括转向，连L2.5完全脱手都没有具体的法规支持，因为转向目前不允许全助力转向，不过最新的法规有一个增补条例。规则标准化方面，主要包括封闭/开放道路的测试标准，及一些商业规则的部署和定义等等，这块目前也在逐渐完善。还有责任划分，特别是L3，是一个责任划分不明确的区间，存在很多界定不清的东西。 ”徐弢指出。

汉高（中国）投资有限公司汽车电子大中华区技术经理蔡焕新从高可靠性电子材料在自动驾驶领域的应用出发，指出目前自动驾驶产业面临挑战主要有三点：稳、热、准。“稳”即自动驾驶汽车无可避免会遇到一些泥泞或者崎岖的道路，使得传感器不得不长期在振动的环境下工作，如果没有很好的解决方案，传感器的性能会受到较大的影响。“热”即车辆在行驶过程中会受到太阳暴晒，另外设备运行中也会产生大量的热，这些会对设备的散热效率提出较大的挑战。“准”即未来摄像头等传感器会朝着更高清更高分辨率的方向发展，要达到这样的目标，势必要配合高精度的工艺制成。为此，汉高分别推出了底部填充材料、导热界面材料和NCA材料。

*图片来自：西门子

PTV Group 中国区总经理沈畅和西门子工业软件自动驾驶产品线大中华区总监黄汉知更多是从自动驾驶仿真测试角度出发，分析自动驾驶目前在发展过程中存在的问题。其中沈畅认为，从第二阶段高级场景开始，就需要对车辆进行训练，使其具备结构化学习能力，然后进一步迭代，进入第三阶段和第四阶段。但是在这两个阶段，自动驾驶汽车无可避免会遇到一些特殊的交通场景，如何让自动驾驶汽车获得对这类特殊场景的处理能力，是亟待突破的问题。

“不可能天天把一辆无人驾驶汽车放到测试场运营，也不可能将整个道路清空，就让一个Robotaxi车队来测试，自动驾驶汽车无可避免要融入到整个城市交通当中，而且这个过程是渐进的，不是说今天一闭眼明天一睁眼，路上全是无人驾驶汽车，这不可能。更可能的是在城市道路上会有一定比例的人类驾驶的小汽车，一定比例的无人驾驶汽车，还有一部分比例的智能网联无人驾驶汽车。所以大家要做好各种不同属性的车辆在城市道路里运行的准备，然后再去测试无人驾驶的算法、技术或硬件的可靠性。”沈畅表示。

黄汉知则指出，要想尽可能高地提升自动驾驶汽车的场景适应性和安全性、可靠性，必须采用基于模型的方法，也就是正向的基于模型的自动驾驶开发和测试方法论及工具链。“这个工具链的核心是在产品开发早期尽可能多的用仿真手段，尽可能早的暴露系统、算法、参数存在的问题，而不是等到产品原型甚至车辆的原型出来，量产车上市之后，再通过物理路试暴露问题，这对于任何一家车企来说都是不能承受的风险。”

从ADAS到无人驾驶 结合场景谈落地更有意义

法雷奥中国区CTO顾剑民博士认为应该从小做起，从简单、低成本的自动驾驶技术入手，以吸引足够多愿意付费的用户。“自动驾驶商业化落地的基本条件是什么？需要有人付费，天上不会掉馅饼，技术总需要有人付费，不是用户付费，就是整车厂来付费。”

具体怎么做呢？顾剑民指出有几种落地路径，首先是自动代客泊车，由于车速相对较低，场景比较可控——一般是在半封闭的停车场里，对感知系统、决策系统的压力挑战相对小一些。其次是从特定场景和特定用途开始，顾剑民指出自动驾驶有很多场景，如果抛开场景来讲自动驾驶是没有意义的。再者是无人配送，因为从安全的角度来讲，无人物流车比载人无人驾驶汽车要求相对低一些，但需求更高。比较之下，无人驾驶私家车落地所需的时间相较于无人小巴、无人出租车、无人物流车等会更长一些。

长城汽车股份有限公司技术中心主管工程师张瀛的观点与之类似。他指出未来3——5年自动驾驶可能的落地场景主要有Robotaxi、无人巴士、无人驾驶物流车、无人矿车、港口无人驾驶等，特别是用于矿区、港口的无人驾驶汽车，由于限定了场景，在某种程度上可以降低一部分落地难度。

华为MDC业务发展总监佘远飞认为在智能驾驶产业落地方面，面向个人消费者的智能驾驶是存量最大的市场，但这一块对安全和体验的要求也是最高的，且对于提升生产力没有太大的紧迫性，所以产业化落地会慢一些。而商用车由于在降本增效方面的需求十分迫切，在落地节奏上将走的相对快一些。

“我们认为在未来两年里，无人驾驶作业车随着5G网络的普及，还有整个产业链、传感器、芯片的成熟度越来越高，落地的可能性会逐步得到验证。” 佘远飞指出。至于L4和L5，他认为在未来5—10年会普遍进入我们的社会生活和生产当中。

*可实现L3自动驾驶的埃安LX，图片来源：广汽研究院

尽管如此，一些关键的技术依旧十分必要。比如激光雷达，在广汽研究院智能驾驶技术部部长郭继舜看来，之于L3级别以上的自动驾驶汽车就尤为关键。“至少在广汽的车型上，只要到了L3以上，一定会有激光雷达。因为经过功能安全分析，我们认为没有激光雷达是达不到非常好的功能安全性能的。”另外还有冗余系统，他指出高级别自动驾驶一定要有冗余系统。

滴滴自动驾驶公司首席运营官孟醒则认为将出行与自动驾驶结合在一起，三个方面很重要：第一是AI技术，第二是数据能力，第三是自动驾驶网络能力。“另外如何将感知、决策、规划等系统连接在一起做整体开发，对于我们来说也是非常难但却非常有必要的一件事。” 孟醒指出。同时还需要做更多的路测和驾驶数据，只有这两件事加在一起才能使自动驾驶系统实现最开始的愿景。

仅有这些还不够，最终还需要产业协同。“自动驾驶本身是一个非常长的产业链，很难有一家公司去通吃产业链，需要上下游合作。” 孟醒表示。

麦肯锡全球董事合伙人、麦肯锡未来出行中心中国区负责人吴听博士也认为在推动自动驾驶落地的过程中，合作能力十分重要。“每一个企业的横向纵向合作能力非常的重要，因为没有一家企业能够单打独斗，把无人驾驶这件事情完全做好。”这就需要企业在强化自身研发实力的同时，找到一个甚至一群靠谱的合作伙伴，才更有可能在自动驾驶产业化这场角逐中走到最后。