当前，无人驾驶汽车量产仍然还属于无人区，全球范围内没有超过五十辆。与此同时，自动驾驶路测开放、车路协同、V2X建设、环境感知、数据协同、决策控制和产学研合作等都正紧锣密鼓加速研发。“大家一听到自动驾驶就眼睛发亮，但能给消费者真真实实获得感的是量产。”中国工程院院士李德毅日前谈及自动驾驶的商用推广和实现时说道。
L3、L4级别是部分自动驾驶，L5级别才是完全自动驾驶。奥迪A8和GM都发布了L3级别自动驾驶车型。商用场景下的自动驾驶、自动泊车都很有意义，是短期、中短期可以实现的。
美国SEA发布的L0到L5的分级是业内比较认可的。很多车企都推迟了L3、L4、L5的实现时间，但奥迪和GM推出的车型都已实现L3。自动泊车、停车场和其他商用场景的自动驾驶是可以较快实现的，也是很有意义的。
L3级别在按部就班推进，但高精地图、智能交通产业上都有自己路线图。
预测时间是很难的，高精地图、摄像头、激光雷达等传感器支撑，和智能交通领域的不同专家都有不同的规划和自身线路图。
软硬件解决方案的很长产业链。机器学习和AI算法技术的突破还要继续，大数据的分享、传感器数据分享、融合还是很大瓶颈。对环境感知、判断、决策是比较难的技术。
因为机器学习和AI算法像成长中的孩子一样，需要长时间慢慢完善。自动驾驶对环境的感知、判断、决策输入和控制在不断提升，但还需要不断努力，现在还尚未成熟。人类可以感知环境，这是人类和机器的差别。很多车厂从早期只关注摄像头，变为引入高精度地图等在内的超视距支撑。高精地图是车辆可以读懂的机器语言，是给车辆行驶提供支撑的语言和一种输入。而且还可以考虑无须联网和线下可实现的解决方案。
很多车厂也在布局L3、L4级别自动驾驶，所以并不是说车企没有涉及L5的目标。
每个车企来讲，各个阶段的布局都是在进行中，只是发布的量产车更多集中在某一阶段，比如L3级别。但总体来看，每个车企还是平衡地布局每个级别的自动驾驶的。
由人或机器来接管只是一个选择，两者只是说法不同而已。L3可以向L4或是L2靠拢都可以。
安全是自动驾驶的根本，任何单一设备都不能实现自动驾驶。车企如何选择激光雷达的配备，是车企根据商业化的自身决策。
对于地图信息采集来说，激光雷达是采集车的必备，虽然部分车企选择替代激光雷达、选择其他雷达采集数据，但HERE地图科技目前还是配备了激光雷达。另外，也采用众包方式、视频采集方式、毫米波雷达方式共同融合采集。但对于车企来说，车企根据商用化成本和自身实力会有不同选择。
两者都需要加强法律监管，但如何在测试前提供更多素材让车辆学习更为重要。素材的正确性同时需要法律规范，需要让车辆学会正确合规的驾驶行为，不能学习违规行为，这就是法律监管应该负责的领域。所以两者要齐步走。
开放合作共赢是当前的趋势，两者都不会放弃话语权。开放数据平台共享两者数据尤为重要。
HERE目前推出了开放大数据云平台，把车企、互联网的数据共享到统一平台，让更多方共享使用。车厂青睐互联网公司的大数据、用户界面设计和交互、互联网思维，但车企的大数据对互联网公司也很重要，所以两者正在慢慢融合。
L4、L5级别才算是真正自动驾驶，L3以下只是智能辅助驾驶。目前特斯拉、沃尔沃、丰田雷克萨斯、奔驰、宝马都是达到L3级别的。真正完全自动驾驶，只是可以演示，完全开放场景下的实现，还是很难的。
现在，对自动驾驶的严格定义争论不一，从智能交通领域出发，自动驾驶、智能驾驶、智能驾驶系统的意义不同。系统自动操作的驾驶行为才是自动驾驶。所以L4、L5才是真实自动驾驶，低级别的只是辅助自动驾驶。
L3级别可能在1-2年之内达到，L4级别的成熟和部分场景商用需要到2025年。L5级别完全自动驾驶是未来的愿景，现在很难说何时实现，需要未来交通系统支撑。
L4级别是针对部分场景的，智能交通领域认为，自动驾驶商业化要从“商业驾驶”自动化开始。如果要实现L5级别完全自动驾驶，这更是一个愿景。只有实现自动化的交通系统、轨道交通系统才能实现L5级别。所以，全开放场景下的L5级别自动驾驶还是愿景。而如果是特定场景下的商用自动驾驶还是很有希望实现的。
汽车控制系统、感知能力和自主决策都是非常难的技术。即使摄像头、激光雷达密布但感知环境仍是难点，让汽车和人类一样自主准确决策是最难达到的。
环境感知强调全息感知，摄像头、激光雷达的智能水平还不够。很多人类不经意间完成的判断，对于机器是很难得。Inteligence容易达到，但Smart这种机灵是很难的，很难达到真正像人类的水平。自动驾驶的技术路径历来分为单车智能和车路协同两种。依靠车辆自身实现自动驾驶，抑或是依靠车路两端智能实现，我认为还是车路协同、联网智能化更为现实。
从高精地图来说，和目前常用的导航地图差别很大。高精地图需要识别出道路标志线、车道。高精地图需要达到厘米级精度才可以称为高精地图，这样就可以告诉车辆具体的停车位置，引导车辆直接进入特定区域，这样的自动驾驶更易于实现。
V2X的作用则在于实时传输动态路况信息，比如前方是否拥堵、是否交通管制，以往是建立专用网络，成本和运营难度很大，等到5G普及，带宽和速度是可以支撑自动驾驶，现在4G还不足以满足需求。
很难说谁对谁错，这是基于不同企业的自身优势而做出的选择。互联网企业并不造车，车厂也并不擅长软件研发。而且车企也开始转型做“出行服务商”。
互联网公司最关心感知、软件，所以会避开传统汽车制造的技术要点。传统汽车则会从自身擅长的汽车制造和升级来布局，所以都是根据自身所长来做。另外，像丰田一样的车企，开始转型做出行服务商，比如共享汽车等，这也是车企看到消费者用车需求和心理的转变而做出的提升。
L3和L4的智能水平相差不大，L3和L4的差别只在于由人或是系统接管，所以两个级别的差别只是说法不同。只要系统可靠，究竟由谁来接管只是一个选择。
究竟由人类接管还是机器接管并不重要，只有达到完全的五个维度智能才是达到自动驾驶，所以前三级别只是智能辅助驾驶，L4、L5才是完全自动驾驶。当前纠结由谁来接管，还是因为技术水平不过关。真正自动驾驶应该是由机器全程自我判断，前进、停止或其他操作，不应再提醒由人类接管。只有完全达到系统自行判断、自行接管，才能人类介入，这也是自动驾驶达到成熟。
技术的可靠性、商用的成本是最大制约因素。视频和毫米波雷达较为低廉，但同时还需要车路协同支撑道路感知。自动驾驶的实现还是在特定场景、大城市中更易实现。
车企对于传感器研发更专业，但这一技术的可靠性和应用成本是决定因素，以往性能好的激光雷达都需要十几万，这样的成本肯定是很少车企能承担的。所以为了实现产业化，视频传感器和毫米波雷达更为常用，另外还需要车路协同、路测提供补充信息，只有融合信息后才能支撑自动驾驶。这样一来，在城市道路中，凭借地理信息和道路建设水平今后可以实现自动驾驶，或者是矿山、高速路等特定场景可以实现自动驾驶。
后者更为容易施行，但时间较长。违反交通规则行为的治理还需要长时间治理，所以当前应该多多加强测试、提升自动驾驶技术智能化，应该基于海量测试、大量学习提升技术，再谈法律。自动驾驶机器很难识别车、行人是否正常合规以及碰瓷等行为，机器还是很难和人类一样识别准确。
人工智能很难达到像人脑一样眼脑合一，目前这样的实际成果还没有看到。比如看到行人是否正常、行人身份的识别，这些都是很难的。所以应该海量测试、训练机器学习，最终提高自动驾驶水平和稳定性。车企是发生事故时首要承担责任的，所以车企更有动力提升车辆性能和自动驾驶安全性。
主导权在于消费者和市场需求。技术创新上无法限制某一行业或公司不能进入。
传统车企优势在于汽车载体的生产，离开车辆载体，所有智能无从谈起，所以车企很强势。互联网公司优势在于系统平台。但总的来说，满足消费者需求才能有前景。比如出租车和网约车的选择时，只有出行服务便捷，才能让消费者喜欢和青睐。
谷歌、特斯拉、奥迪、宝马都在自身的路径上前进着，谁也不能限制他人进入技术升级和市场，所以便捷、安全、高效、可靠的智能交通体系和服务才是未来目标。
供职于导航电子地图及软件供应商HERE Technologies大中华区汽车导航首席技术架构师，是高精度地图、汽车导航、车联网服务及自动驾驶的资深产品专家。
L3、L4级别是部分自动驾驶，L5级别才是完全自动驾驶。奥迪A8和GM都发布了L3级别自动驾驶车型。商用场景下的自动驾驶、自动泊车都很有意义，是短期、中短期可以实现的。
美国SEA发布的L0到L5的分级是业内比较认可的。很多车企都推迟了L3、L4、L5的实现时间，但奥迪和GM推出的车型都已实现L3。自动泊车、停车场和其他商用场景的自动驾驶是可以较快实现的，也是很有意义的。
L3级别在按部就班推进，但高精地图、智能交通产业上都有自己路线图。
预测时间是很难的，高精地图、摄像头、激光雷达等传感器支撑，和智能交通领域的不同专家都有不同的规划和自身线路图。
软硬件解决方案的很长产业链。机器学习和AI算法技术的突破还要继续，大数据的分享、传感器数据分享、融合还是很大瓶颈。对环境感知、判断、决策是比较难的技术。
因为机器学习和AI算法像成长中的孩子一样，需要长时间慢慢完善。自动驾驶对环境的感知、判断、决策输入和控制在不断提升，但还需要不断努力，现在还尚未成熟。人类可以感知环境，这是人类和机器的差别。很多车厂从早期只关注摄像头，变为引入高精度地图等在内的超视距支撑。高精地图是车辆可以读懂的机器语言，是给车辆行驶提供支撑的语言和一种输入。而且还可以考虑无须联网和线下可实现的解决方案。
很多车厂也在布局L3、L4级别自动驾驶，所以并不是说车企没有涉及L5的目标。
每个车企来讲，各个阶段的布局都是在进行中，只是发布的量产车更多集中在某一阶段，比如L3级别。但总体来看，每个车企还是平衡地布局每个级别的自动驾驶的。
由人或机器来接管只是一个选择，两者只是说法不同而已。L3可以向L4或是L2靠拢都可以。
安全是自动驾驶的根本，任何单一设备都不能实现自动驾驶。车企如何选择激光雷达的配备，是车企根据商业化的自身决策。
对于地图信息采集来说，激光雷达是采集车的必备，虽然部分车企选择替代激光雷达、选择其他雷达采集数据，但HERE地图科技目前还是配备了激光雷达。另外，也采用众包方式、视频采集方式、毫米波雷达方式共同融合采集。但对于车企来说，车企根据商用化成本和自身实力会有不同选择。
两者都需要加强法律监管，但如何在测试前提供更多素材让车辆学习更为重要。素材的正确性同时需要法律规范，需要让车辆学会正确合规的驾驶行为，不能学习违规行为，这就是法律监管应该负责的领域。所以两者要齐步走。
开放合作共赢是当前的趋势，两者都不会放弃话语权。开放数据平台共享两者数据尤为重要。
HERE目前推出了开放大数据云平台，把车企、互联网的数据共享到统一平台，让更多方共享使用。车厂青睐互联网公司的大数据、用户界面设计和交互、互联网思维，但车企的大数据对互联网公司也很重要，所以两者正在慢慢融合。
中国智能交通协会副理事长兼秘书长，国家智能交通产业技术创新战略联盟理事长。长期从事智能交通系统的研究与实践，国家863计划现代交通技术领域主题专家。
L4、L5级别才算是真正自动驾驶，L3以下只是智能辅助驾驶。目前特斯拉、沃尔沃、丰田雷克萨斯、奔驰、宝马都是达到L3级别的。真正完全自动驾驶，只是可以演示，完全开放场景下的实现，还是很难的。
现在，对自动驾驶的严格定义争论不一，从智能交通领域出发，自动驾驶、智能驾驶、智能驾驶系统的意义不同。系统自动操作的驾驶行为才是自动驾驶。所以L4、L5才是真实自动驾驶，低级别的只是辅助自动驾驶。
L3级别可能在1-2年之内达到，L4级别的成熟和部分场景商用需要到2025年。L5级别完全自动驾驶是未来的愿景，现在很难说何时实现，需要未来交通系统支撑。
L4级别是针对部分场景的，智能交通领域认为，自动驾驶商业化要从“商业驾驶”自动化开始。如果要实现L5级别完全自动驾驶，这更是一个愿景。只有实现自动化的交通系统、轨道交通系统才能实现L5级别。所以，全开放场景下的L5级别自动驾驶还是愿景。而如果是特定场景下的商用自动驾驶还是很有希望实现的。
汽车控制系统、感知能力和自主决策都是非常难的技术。即使摄像头、激光雷达密布但感知环境仍是难点，让汽车和人类一样自主准确决策是最难达到的。
环境感知强调全息感知，摄像头、激光雷达的智能水平还不够。很多人类不经意间完成的判断，对于机器是很难得。Inteligence容易达到，但Smart这种机灵是很难的，很难达到真正像人类的水平。自动驾驶的技术路径历来分为单车智能和车路协同两种。依靠车辆自身实现自动驾驶，抑或是依靠车路两端智能实现，我认为还是车路协同、联网智能化更为现实。
从高精地图来说，和目前常用的导航地图差别很大。高精地图需要识别出道路标志线、车道。高精地图需要达到厘米级精度才可以称为高精地图，这样就可以告诉车辆具体的停车位置，引导车辆直接进入特定区域，这样的自动驾驶更易于实现。
V2X的作用则在于实时传输动态路况信息，比如前方是否拥堵、是否交通管制，以往是建立专用网络，成本和运营难度很大，等到5G普及，带宽和速度是可以支撑自动驾驶，现在4G还不足以满足需求。
很难说谁对谁错，这是基于不同企业的自身优势而做出的选择。互联网企业并不造车，车厂也并不擅长软件研发。而且车企也开始转型做“出行服务商”。
互联网公司最关心感知、软件，所以会避开传统汽车制造的技术要点。传统汽车则会从自身擅长的汽车制造和升级来布局，所以都是根据自身所长来做。另外，像丰田一样的车企，开始转型做出行服务商，比如共享汽车等，这也是车企看到消费者用车需求和心理的转变而做出的提升。
L3和L4的智能水平相差不大，L3和L4的差别只在于由人或是系统接管，所以两个级别的差别只是说法不同。只要系统可靠，究竟由谁来接管只是一个选择。
究竟由人类接管还是机器接管并不重要，只有达到完全的五个维度智能才是达到自动驾驶，所以前三级别只是智能辅助驾驶，L4、L5才是完全自动驾驶。当前纠结由谁来接管，还是因为技术水平不过关。真正自动驾驶应该是由机器全程自我判断，前进、停止或其他操作，不应再提醒由人类接管。只有完全达到系统自行判断、自行接管，才能人类介入，这也是自动驾驶达到成熟。
技术的可靠性、商用的成本是最大制约因素。视频和毫米波雷达较为低廉，但同时还需要车路协同支撑道路感知。自动驾驶的实现还是在特定场景、大城市中更易实现。
车企对于传感器研发更专业，但这一技术的可靠性和应用成本是决定因素，以往性能好的激光雷达都需要十几万，这样的成本肯定是很少车企能承担的。所以为了实现产业化，视频传感器和毫米波雷达更为常用，另外还需要车路协同、路测提供补充信息，只有融合信息后才能支撑自动驾驶。这样一来，在城市道路中，凭借地理信息和道路建设水平今后可以实现自动驾驶，或者是矿山、高速路等特定场景可以实现自动驾驶。
后者更为容易施行，但时间较长。违反交通规则行为的治理还需要长时间治理，所以当前应该多多加强测试、提升自动驾驶技术智能化，应该基于海量测试、大量学习提升技术，再谈法律。自动驾驶机器很难识别车、行人是否正常合规以及碰瓷等行为，机器还是很难和人类一样识别准确。
人工智能很难达到像人脑一样眼脑合一，目前这样的实际成果还没有看到。比如看到行人是否正常、行人身份的识别，这些都是很难的。所以应该海量测试、训练机器学习，最终提高自动驾驶水平和稳定性。车企是发生事故时首要承担责任的，所以车企更有动力提升车辆性能和自动驾驶安全性。
主导权在于消费者和市场需求。技术创新上无法限制某一行业或公司不能进入。
传统车企优势在于汽车载体的生产，离开车辆载体，所有智能无从谈起，所以车企很强势。互联网公司优势在于系统平台。但总的来说，满足消费者需求才能有前景。比如出租车和网约车的选择时，只有出行服务便捷，才能让消费者喜欢和青睐。
谷歌、特斯拉、奥迪、宝马都在自身的路径上前进着，谁也不能限制他人进入技术升级和市场，所以便捷、安全、高效、可靠的智能交通体系和服务才是未来目标。
联系方式：
联系电话：010-88558920
邮箱：guoyj@staff.ccidnet.com
本期出品方：
赛迪网
赛迪网
