图片来自“Unsplash”
科幻电影中经常出现的自动驾驶汽车服务场景，如今正在现实中上演。
两周前，百度无人驾驶出租车服务Robotaxi正式在北京开放运营。此次开放的区域大约700公里，覆盖了海淀、亦庄等15个站点的测试区里，用户可以无需预约，直接下单试乘。
随后，百度就迎来了“热心”市民的一波“打卡”试乘热浪。据媒体报道，在百度推出无人驾驶出租车服务的第二天，单站点自动驾驶出租车的约车累计就达到了2608单。
多位体验者表示，尽管是在真实行驶场景中，但开放试乘的道路多是路广人稀环境单纯的郊区，试乘的时候车速也很较低，而且无人车也不是真的“无人”，每辆车上都配备了安全员，如果遇到紧急情况，还是要安全员来处理。
无论驾驶的效果如何，水面上的平静已然被打破，自动驾驶企业的“跑马圈地”运动已经开始了。
01 自动驾驶各家竞逐，从技术向生态升级
与百度几乎同时，2016年从谷歌分拆出来的无人驾驶汽车公司Waymo，也实现了将自动驾驶汽车带到城市街道上的承诺。它向公众开放了Waymo One服务，在凤凰城推出了一批自动驾驶汽车。
今年6月，滴滴出行也在上海推出了自动驾驶出租车服务。阿里也布局了自动驾驶业务，将以物流配送作为主要切入点。美团同样提出布局自动驾驶业务，先是和DeepDrive达成合作，又在去年推出了“美团地图”。
日前，特斯拉CEO马斯克在推特上表示将发布全自动驾驶测试版软件（FSD）。蔚来、小鹏和理想均实现了L2-L3级别的自动驾驶辅助功能，并配置在各自的车辆产品中。
关于自动驾驶技术的争夺战愈演愈烈，谁都想先站上高地，毕竟在业内看来，自动驾驶技术已成为未来汽车生态中的关键一环。
至于自动驾驶发展到了哪个阶段，要从多维度考量。
众所周知，自动驾驶就是将汽车的操控权“由人转向车”。汽车要完成人类的驾驶动作，就需要对人类眼睛、大脑和手脚的进行替代，由此诞生了以摄像头和雷达为代表的车辆感知系统、以人工智能为主的车辆决策系统和以车辆状态控制器为主的车辆执行系统。
总结起来，自动驾驶的要素主要是传感器、车辆本身等硬件方面和以人工智能为主的自动驾驶软件系统。
在车辆硬件方面，特斯拉、蔚来等新能源车企更有优势，因为车企本身拥有车辆。 在传感器方面，百度、阿里和滴滴等算法软件公司均有布局。百度在2016年，就以7500万美元投资了全球激光雷达巨头Velodyne，滴滴则选择了与Velodyne合作。而阿里达摩院则自2018年开始对传感器方面进行研发。
自动驾驶系统是基于人工智能来实现的，而人工智能需要大量的数据来作为“养料”。正因为如此，对于自动驾驶技术来说，不仅要掌握自动驾驶软件系统，还要大量的数据供人工智能深度学习。从目前来看，百度、阿里、滴滴研发了各自的自动驾驶系统。
另外，在自动驾驶下半场突围赛中，虚拟仿真也成为行业竞争的新高地。腾讯、百度、阿里、华为等国内科技企业相继投入自动驾驶虚拟仿真技术研发，实现了技术的快速迭代更新。
这样来看，自动驾驶技术有一定的突破，但互联网巨头、新能源车企、老牌车企各自为阵，在自动驾驶技术上都没有绝对的优势，而且从现实来看，进展都难言乐观。
从自动驾驶的级别区分，从L1到L5（SAE）清晰且直观，是大家讨论自动驾驶行业的一个基准。最高级别L5，意味着在所有场景下都可以工作、不需要人干预的自动驾驶汽车。换言之，人只能作为乘客，驾驶的任务完全交给汽车。
而自动驾驶的很多玩家仍卡在L3级别，并没有企业有新的突破。威马汽车合伙人闫枫表示，所谓L1、L2、L3只是车企自我在意的技术指标，现阶段L3级别很尴尬，L4更只是一个概念。当前应该做的，就是做好L2级别的高频应用场景，否则都是扯淡。
由此可见，行业整体技术并未完全成熟，大规模商业化只是萌芽。在这个被硝烟笼罩的战场上，还没有人能成为真正的“赢家”。
02 自动驾驶，梦想照进现实的难题
从国内自动驾驶产业开始火爆，很多公司就纷纷抛出智能化战略，计划在2020年实现L3级别的自动驾驶。时至今日，设想跟现实还是相差非常远，技术问题首当其冲。
自动驾驶要做到L5级别是非常困难的，光“感知”一项就不容易突破。虽然有多种传感器，比如360度激光雷达和摄像头，但这些传感器大多都输出原始数据。
人类看摄像头和激光雷达的数据很容易能出识别内容，但计算机很困难。
普通模式下识别率会很快达到瓶颈，这时候就需要深度学习，以及大量的数据进行训练，而当下受技术所限，电脑并不能无法识别很多显而易见的场景。
同时，当数据量猛增时，计算时间会延长，系统响应变慢，这也是无人车只能低速行驶的原因。
此外，高精地图和定位也有不小的问题。高精地图要做到绝对可靠是一个产业难点，现在还没有一个高精地图真正完全可靠，能达到车规级。据专家测试，如果完全依靠GPS定位，成功率只有70%左右。特殊的天气、特殊的路况、特殊的区域，都会让自动驾驶有局限性。
在技术不成熟背后，关键是场景复杂对自动驾驶的制约。单用一套通用算法很难覆盖复杂多样的交通场景，需要将多场景问题进行分解细化，并有针对性的解决。可是，如果针对一千种场景要开发一千种算法的话，对任何一个自动驾驶团队都会是灾难。
与此同时，世界各国对自动驾驶法律法规尚属探索阶段。L2-L3级别自动驾驶汽车，会沿用本国相关法律进行责任分配规则，但对于L4以上级别，包括中国及其他世界各国均还在探索之中。
这也意味着，就算一些车企及算法公司研发L4级别的自动驾驶汽车，也需要等到相关法律法规的出现才能上路。
在我国，部分地区陆续开放有道路测试区域、颁发试运营牌照等，但自动驾驶汽车高速公路测试、载人测试以及地图应用等方面尚受到严格限制。
由于各地法规方面的限制，即便是科技巨头，也只能在小范围内试运营，这又陷入了上述的技术问题，无法提供更多的数据，供计算机进行深度学习。
技术、法规等方面的不成熟，注定了商业化落地的困难，原本一哄而上的行业热潮正迅速冷却。对于很多公司而言，“撑”到盈利之时就是目标。
这对科技巨头来说并不是什么难事，即便暂时无法投入大量资金，也至少会保证新项目“不倒”。但对于初创公司来说，似乎只剩下融资一条路径，可是如今的市场环境不乐观。自2017年以来，我国私募股权投资市场募集总额呈下降态势，2019年跌幅达到30%。
2019年，由曾任百度首席科学家吴恩达亲自参与运营的明星自动驾驶公司Drive.ai因融资不顺，宣布永久关闭。今年6月，头部自动驾驶公司Zoox也因“资金链断裂”卖身亚马逊，但其收购标价还不及上一轮融资估值的一半。
国内自动驾驶公司还在“苦撑”，尚有“余粮”的自动驾驶企业，大都开始与出行平台合作推出“RoboTaxi”，形成了另一种“潮流风向”。滴滴认为，自动驾驶商业落地生态里面比较好的一个场景Robotaxi。
从商业模式上来说，理论可行但落地艰难，人工智能的发展程度，立法的完善度等都会对此产生影响。对消费者来说，坐车的体验度、乘车的便利度，都会影响前期的选择。这注定自动驾驶的路径可能会比想象的更长一点。
