自動駕駛，當下汽車圈最熱門的話題之一。筆者想了很久，結合自己一段時間以來與自動駕駛的親密接觸，發覺可以用兩句話來概括，一是正如比爾·蓋茨說的：“人們總是高估了未來一到兩年的變化，低估了未來十年的變革”；二是就像威廉·吉布森說的：“未來已來，只是尚未流行”。把這兩句箴言結合起來，便是筆者今天所看到的自動駕駛。
自動駕駛，當下汽車圈最熱門的話題之一。筆者想了很久，結合自己一段時間以來與自動駕駛的親密接觸，發覺可以用兩句話來概括，一是正如比爾·蓋茨說的：“人們總是高估了未來一到兩年的變化，低估了未來十年的變革”；二是就像威廉·吉布森說的：“未來已來，只是尚未流行”。把這兩句箴言結合起來，便是筆者今天所看到的自動駕駛。
當今，自動駕駛技術已經成為整個汽車產業的最新發展方向。很快，2020 年左右，過去積累的自動駕駛技術科研成果及工程進步都將成為現實。自動駕駛汽車即將進入 10-20 年混合模式的時代，隨著自動駕駛汽車與人工智能的深度融合，自動駕駛汽車可以實現高度智能化，真正實現 L4+ 級的自動駕駛技術。在享受科技成果的同時，我們也需要認識到，自動駕駛技術可以帶來無限憧憬，但也會給社會生活帶來巨大的衝擊，同時，還面臨著巨大挑戰。
自動駕駛，當下汽車圈最熱門的話題之一。筆者想了很久，結合自己一段時間以來與自動駕駛的親密接觸，發覺可以用兩句話來概括，一是正如比爾·蓋茨說的：“人們總是高估了未來一到兩年的變化，低估了未來十年的變革”；二是就像威廉·吉布森說的：“未來已來，只是尚未流行”。把這兩句箴言結合起來，便是筆者今天所看到的自動駕駛。
當今，自動駕駛技術已經成為整個汽車產業的最新發展方向。很快，2020 年左右，過去積累的自動駕駛技術科研成果及工程進步都將成為現實。自動駕駛汽車即將進入 10-20 年混合模式的時代，隨著自動駕駛汽車與人工智能的深度融合，自動駕駛汽車可以實現高度智能化，真正實現 L4+ 級的自動駕駛技術。在享受科技成果的同時，我們也需要認識到，自動駕駛技術可以帶來無限憧憬，但也會給社會生活帶來巨大的衝擊，同時，還面臨著巨大挑戰。
挑戰之一，便是量產。在科學技術爆發式發展的時代，先進的技術成果能否落地量產愈發關鍵，因為這樣才能進入應用領域或者產業化。其次，技術成果到產品生產是不是成熟，工藝是不是過關，產品量產後有沒有成本優勢...這些都是我們經常忽略卻又重要的知識點。
本期的《新出行課堂》邀請到了自研的小鵬汽車自動駕駛產品負責人黃鑫先生，一起來聊聊自動駕駛背後的那些事兒。是時候走近科學了～
自動駕駛，當下汽車圈最熱門的話題之一。筆者想了很久，結合自己一段時間以來與自動駕駛的親密接觸，發覺可以用兩句話來概括，一是正如比爾·蓋茨說的：“人們總是高估了未來一到兩年的變化，低估了未來十年的變革”；二是就像威廉·吉布森說的：“未來已來，只是尚未流行”。把這兩句箴言結合起來，便是筆者今天所看到的自動駕駛。
當今，自動駕駛技術已經成為整個汽車產業的最新發展方向。很快，2020 年左右，過去積累的自動駕駛技術科研成果及工程進步都將成為現實。自動駕駛汽車即將進入 10-20 年混合模式的時代，隨著自動駕駛汽車與人工智能的深度融合，自動駕駛汽車可以實現高度智能化，真正實現 L4+ 級的自動駕駛技術。在享受科技成果的同時，我們也需要認識到，自動駕駛技術可以帶來無限憧憬，但也會給社會生活帶來巨大的衝擊，同時，還面臨著巨大挑戰。
挑戰之一，便是量產。在科學技術爆發式發展的時代，先進的技術成果能否落地量產愈發關鍵，因為這樣才能進入應用領域或者產業化。其次，技術成果到產品生產是不是成熟，工藝是不是過關，產品量產後有沒有成本優勢...這些都是我們經常忽略卻又重要的知識點。
本期的《新出行課堂》邀請到了自研的小鵬汽車自動駕駛產品負責人黃鑫先生，一起來聊聊自動駕駛背後的那些事兒。是時候走近科學了～
一分鐘梳理課堂要點：
A）如何比較準確且通俗地理解自動駕駛？其實自動駕駛最主要的感知、規劃計算、定位、控制四大模塊就相當於我們的眼睛、大腦、小腦、手和腳。我們人類怎麼開車，未來的自動駕駛就怎麼開車。
B）做 L2 級的分為兩種：簡單來說就好比是遊戲中單機版和聯網版，傳統做 ADAS 考慮到匹配效率，可以理解為單機版。真正做自動駕駛要考慮架構的擴展性和更多的融合，會更復雜，開發成本也更高。
C）主機廠們如何製造帶有自動駕駛功能的車型？1、整套從供應商採購集成，快且省事，但沒差異化；2、部分自主研發，比如感知用成熟供應商的，其他的模塊自己開發，有一定的自主權；3、完全自主研發。
D）L3 級自動駕駛量產最難在感知，視覺系統或將戰勝激光雷達成為 winner。
E）L4 級自動駕駛量產最難的突破在行為預測，目前來看 2024 年前很難有大規模量產的 L4。
F）傳統意義上的高精度地圖也許是個過渡期的存在，但實時構建高精度地圖的技術應用將持續存在。
自動駕駛，當下汽車圈最熱門的話題之一。筆者想了很久，結合自己一段時間以來與自動駕駛的親密接觸，發覺可以用兩句話來概括，一是正如比爾·蓋茨說的：“人們總是高估了未來一到兩年的變化，低估了未來十年的變革”；二是就像威廉·吉布森說的：“未來已來，只是尚未流行”。把這兩句箴言結合起來，便是筆者今天所看到的自動駕駛。
當今，自動駕駛技術已經成為整個汽車產業的最新發展方向。很快，2020 年左右，過去積累的自動駕駛技術科研成果及工程進步都將成為現實。自動駕駛汽車即將進入 10-20 年混合模式的時代，隨著自動駕駛汽車與人工智能的深度融合，自動駕駛汽車可以實現高度智能化，真正實現 L4+ 級的自動駕駛技術。在享受科技成果的同時，我們也需要認識到，自動駕駛技術可以帶來無限憧憬，但也會給社會生活帶來巨大的衝擊，同時，還面臨著巨大挑戰。
挑戰之一，便是量產。在科學技術爆發式發展的時代，先進的技術成果能否落地量產愈發關鍵，因為這樣才能進入應用領域或者產業化。其次，技術成果到產品生產是不是成熟，工藝是不是過關，產品量產後有沒有成本優勢...這些都是我們經常忽略卻又重要的知識點。
本期的《新出行課堂》邀請到了自研的小鵬汽車自動駕駛產品負責人黃鑫先生，一起來聊聊自動駕駛背後的那些事兒。是時候走近科學了～
一分鐘梳理課堂要點：
A）如何比較準確且通俗地理解自動駕駛？其實自動駕駛最主要的感知、規劃計算、定位、控制四大模塊就相當於我們的眼睛、大腦、小腦、手和腳。我們人類怎麼開車，未來的自動駕駛就怎麼開車。
B）做 L2 級的分為兩種：簡單來說就好比是遊戲中單機版和聯網版，傳統做 ADAS 考慮到匹配效率，可以理解為單機版。真正做自動駕駛要考慮架構的擴展性和更多的融合，會更復雜，開發成本也更高。
C）主機廠們如何製造帶有自動駕駛功能的車型？1、整套從供應商採購集成，快且省事，但沒差異化；2、部分自主研發，比如感知用成熟供應商的，其他的模塊自己開發，有一定的自主權；3、完全自主研發。
D）L3 級自動駕駛量產最難在感知，視覺系統或將戰勝激光雷達成為 winner。
E）L4 級自動駕駛量產最難的突破在行為預測，目前來看 2024 年前很難有大規模量產的 L4。
F）傳統意義上的高精度地圖也許是個過渡期的存在，但實時構建高精度地圖的技術應用將持續存在。
自動駕駛千萬條 弄清地定義第一條
自動駕駛是什麼？這是永遠繞不開的提問三連第一彈。顧名思義，自動駕駛是指依靠計算機、傳感器代替人類進行部分駕駛操作的技術。
而承載這項技術的主體便是自動駕駛汽車（Automated Vehicle；Intelligcnt Vehicle；Autonomous vehicles；Self-piloting automobile；），又稱智能汽車，或輪式移動機器人，是一種通過計算機實現自動駕駛的智能汽車。
根據全球通用的標準，我們對不同的自動駕駛等級進行評級，也就是我們在廣告宣傳單上經常可以看到的 L2、L3，那麼具體如何劃分誰是 2 誰是 3 呢？參見下表：
自動駕駛，當下汽車圈最熱門的話題之一。筆者想了很久，結合自己一段時間以來與自動駕駛的親密接觸，發覺可以用兩句話來概括，一是正如比爾·蓋茨說的：“人們總是高估了未來一到兩年的變化，低估了未來十年的變革”；二是就像威廉·吉布森說的：“未來已來，只是尚未流行”。把這兩句箴言結合起來，便是筆者今天所看到的自動駕駛。
當今，自動駕駛技術已經成為整個汽車產業的最新發展方向。很快，2020 年左右，過去積累的自動駕駛技術科研成果及工程進步都將成為現實。自動駕駛汽車即將進入 10-20 年混合模式的時代，隨著自動駕駛汽車與人工智能的深度融合，自動駕駛汽車可以實現高度智能化，真正實現 L4+ 級的自動駕駛技術。在享受科技成果的同時，我們也需要認識到，自動駕駛技術可以帶來無限憧憬，但也會給社會生活帶來巨大的衝擊，同時，還面臨著巨大挑戰。
挑戰之一，便是量產。在科學技術爆發式發展的時代，先進的技術成果能否落地量產愈發關鍵，因為這樣才能進入應用領域或者產業化。其次，技術成果到產品生產是不是成熟，工藝是不是過關，產品量產後有沒有成本優勢...這些都是我們經常忽略卻又重要的知識點。
本期的《新出行課堂》邀請到了自研的小鵬汽車自動駕駛產品負責人黃鑫先生，一起來聊聊自動駕駛背後的那些事兒。是時候走近科學了～
一分鐘梳理課堂要點：
A）如何比較準確且通俗地理解自動駕駛？其實自動駕駛最主要的感知、規劃計算、定位、控制四大模塊就相當於我們的眼睛、大腦、小腦、手和腳。我們人類怎麼開車，未來的自動駕駛就怎麼開車。
B）做 L2 級的分為兩種：簡單來說就好比是遊戲中單機版和聯網版，傳統做 ADAS 考慮到匹配效率，可以理解為單機版。真正做自動駕駛要考慮架構的擴展性和更多的融合，會更復雜，開發成本也更高。
C）主機廠們如何製造帶有自動駕駛功能的車型？1、整套從供應商採購集成，快且省事，但沒差異化；2、部分自主研發，比如感知用成熟供應商的，其他的模塊自己開發，有一定的自主權；3、完全自主研發。
D）L3 級自動駕駛量產最難在感知，視覺系統或將戰勝激光雷達成為 winner。
E）L4 級自動駕駛量產最難的突破在行為預測，目前來看 2024 年前很難有大規模量產的 L4。
F）傳統意義上的高精度地圖也許是個過渡期的存在，但實時構建高精度地圖的技術應用將持續存在。
自動駕駛千萬條 弄清地定義第一條
自動駕駛是什麼？這是永遠繞不開的提問三連第一彈。顧名思義，自動駕駛是指依靠計算機、傳感器代替人類進行部分駕駛操作的技術。
而承載這項技術的主體便是自動駕駛汽車（Automated Vehicle；Intelligcnt Vehicle；Autonomous vehicles；Self-piloting automobile；），又稱智能汽車，或輪式移動機器人，是一種通過計算機實現自動駕駛的智能汽車。
根據全球通用的標準，我們對不同的自動駕駛等級進行評級，也就是我們在廣告宣傳單上經常可以看到的 L2、L3，那麼具體如何劃分誰是 2 誰是 3 呢？參見下表：
自動駕駛涵蓋哪些關鍵技術？
並不繁雜，主要分為四類就可以講清楚：
1、環境感知。相當於人類的眼睛與耳朵，處於自動駕駛汽車與外界環境信息交互的關鍵位置，是實現自動駕駛的基礎。現在感知陣營分為兩大技術流派：以特斯拉為主的視覺派、以自動駕駛創業公司為主的激光雷達派，當然，最近越來越多的後者也在推出自己的可“量產”的視覺方案，也說明越來越多的人想明白了要做量產真正需要關注什麼了。
環境感知技術通過利用攝像頭、激光雷達、毫米波雷達、超聲波傳感器等車載傳感器，輔以 V2X 和 5G 等技術獲取汽車所處交通環境信息和車輛狀態信息，為自動駕駛汽車的決策規劃進行服務。
2、高可靠度的絕對定位、相對定位。有了環境感知還不行，還需要知道自己在哪，絕對定位和相對定位都很重要，至於哪個比例更高，取決於你的開發能力和成本接受度。因為不僅需要獲取車輛與外界環境的相對位置關係，還需要通過車身狀態感知確定車輛的絕對位置與方位。
3、規劃計算。就是你把這麼多的外部信息接收到之後，怎麼來做一個決策，下達指令車應該怎麼開。就好比我右前方有一個車，它是怎麼開的，我應該怎麼開才是安全的，它會不會變道？如果它插到我前面來，我應該怎麼辦？這跟我們人開車的時候，腦子裡面在不停的琢磨一樣。因為在技術上太複雜了，這麼表達比較容易理解。感知和規劃都需要有強大的計算能力來支撐。
目前市面上自動駕駛主流芯片分為兩種，一個是 Mobileye 的 EyeQX 系列，另一個是英偉達 Drive 系列。當然了，特斯拉剛剛發佈的 FSD 芯片也是很強大的。我們也希望，能夠早日看到國產的計算芯片，比如華為。
4、控制。再好的感知與運算規劃能力，如果不能完成控制執行，那還是邁不開腿。因此自動駕駛汽車的車輛控制系統是行駛的基礎。這一塊，國產也很匱乏。
自動駕駛，當下汽車圈最熱門的話題之一。筆者想了很久，結合自己一段時間以來與自動駕駛的親密接觸，發覺可以用兩句話來概括，一是正如比爾·蓋茨說的：“人們總是高估了未來一到兩年的變化，低估了未來十年的變革”；二是就像威廉·吉布森說的：“未來已來，只是尚未流行”。把這兩句箴言結合起來，便是筆者今天所看到的自動駕駛。
當今，自動駕駛技術已經成為整個汽車產業的最新發展方向。很快，2020 年左右，過去積累的自動駕駛技術科研成果及工程進步都將成為現實。自動駕駛汽車即將進入 10-20 年混合模式的時代，隨著自動駕駛汽車與人工智能的深度融合，自動駕駛汽車可以實現高度智能化，真正實現 L4+ 級的自動駕駛技術。在享受科技成果的同時，我們也需要認識到，自動駕駛技術可以帶來無限憧憬，但也會給社會生活帶來巨大的衝擊，同時，還面臨著巨大挑戰。
挑戰之一，便是量產。在科學技術爆發式發展的時代，先進的技術成果能否落地量產愈發關鍵，因為這樣才能進入應用領域或者產業化。其次，技術成果到產品生產是不是成熟，工藝是不是過關，產品量產後有沒有成本優勢...這些都是我們經常忽略卻又重要的知識點。
本期的《新出行課堂》邀請到了自研的小鵬汽車自動駕駛產品負責人黃鑫先生，一起來聊聊自動駕駛背後的那些事兒。是時候走近科學了～
一分鐘梳理課堂要點：
A）如何比較準確且通俗地理解自動駕駛？其實自動駕駛最主要的感知、規劃計算、定位、控制四大模塊就相當於我們的眼睛、大腦、小腦、手和腳。我們人類怎麼開車，未來的自動駕駛就怎麼開車。
B）做 L2 級的分為兩種：簡單來說就好比是遊戲中單機版和聯網版，傳統做 ADAS 考慮到匹配效率，可以理解為單機版。真正做自動駕駛要考慮架構的擴展性和更多的融合，會更復雜，開發成本也更高。
C）主機廠們如何製造帶有自動駕駛功能的車型？1、整套從供應商採購集成，快且省事，但沒差異化；2、部分自主研發，比如感知用成熟供應商的，其他的模塊自己開發，有一定的自主權；3、完全自主研發。
D）L3 級自動駕駛量產最難在感知，視覺系統或將戰勝激光雷達成為 winner。
E）L4 級自動駕駛量產最難的突破在行為預測，目前來看 2024 年前很難有大規模量產的 L4。
F）傳統意義上的高精度地圖也許是個過渡期的存在，但實時構建高精度地圖的技術應用將持續存在。
自動駕駛千萬條 弄清地定義第一條
自動駕駛是什麼？這是永遠繞不開的提問三連第一彈。顧名思義，自動駕駛是指依靠計算機、傳感器代替人類進行部分駕駛操作的技術。
而承載這項技術的主體便是自動駕駛汽車（Automated Vehicle；Intelligcnt Vehicle；Autonomous vehicles；Self-piloting automobile；），又稱智能汽車，或輪式移動機器人，是一種通過計算機實現自動駕駛的智能汽車。
根據全球通用的標準，我們對不同的自動駕駛等級進行評級，也就是我們在廣告宣傳單上經常可以看到的 L2、L3，那麼具體如何劃分誰是 2 誰是 3 呢？參見下表：
自動駕駛涵蓋哪些關鍵技術？
並不繁雜，主要分為四類就可以講清楚：
1、環境感知。相當於人類的眼睛與耳朵，處於自動駕駛汽車與外界環境信息交互的關鍵位置，是實現自動駕駛的基礎。現在感知陣營分為兩大技術流派：以特斯拉為主的視覺派、以自動駕駛創業公司為主的激光雷達派，當然，最近越來越多的後者也在推出自己的可“量產”的視覺方案，也說明越來越多的人想明白了要做量產真正需要關注什麼了。
環境感知技術通過利用攝像頭、激光雷達、毫米波雷達、超聲波傳感器等車載傳感器，輔以 V2X 和 5G 等技術獲取汽車所處交通環境信息和車輛狀態信息，為自動駕駛汽車的決策規劃進行服務。
2、高可靠度的絕對定位、相對定位。有了環境感知還不行，還需要知道自己在哪，絕對定位和相對定位都很重要，至於哪個比例更高，取決於你的開發能力和成本接受度。因為不僅需要獲取車輛與外界環境的相對位置關係，還需要通過車身狀態感知確定車輛的絕對位置與方位。
3、規劃計算。就是你把這麼多的外部信息接收到之後，怎麼來做一個決策，下達指令車應該怎麼開。就好比我右前方有一個車，它是怎麼開的，我應該怎麼開才是安全的，它會不會變道？如果它插到我前面來，我應該怎麼辦？這跟我們人開車的時候，腦子裡面在不停的琢磨一樣。因為在技術上太複雜了，這麼表達比較容易理解。感知和規劃都需要有強大的計算能力來支撐。
目前市面上自動駕駛主流芯片分為兩種，一個是 Mobileye 的 EyeQX 系列，另一個是英偉達 Drive 系列。當然了，特斯拉剛剛發佈的 FSD 芯片也是很強大的。我們也希望，能夠早日看到國產的計算芯片，比如華為。
4、控制。再好的感知與運算規劃能力，如果不能完成控制執行，那還是邁不開腿。因此自動駕駛汽車的車輛控制系統是行駛的基礎。這一塊，國產也很匱乏。
如果要達成 L4，那麼以上所有模塊缺一不可。如果只是開發 L2 的話，還是有“必修課”“選修課”之分， 必修：感知、控制、定位。規劃計算裡面的中央處理單元則可以選修。
舉個例子，如今很多具備標準 L2 的車型只攻讀了必修課，所以它的 L2 無法進行後期升級或開通新功能，簡單理解就是“單機版”的 L2 自動輔助駕駛系統，其最大的優勢是在於整個匹配效率非常高，並且量產效率也是非常高的。當然了我們知道道路環境會一直變，自動駕駛系統也應該能夠不斷的學習、進化。今天大家都在談整車 OTA，最難的是，自動駕駛系統能不能 OTA？真正把這個能力做到量產，目前也只有特斯拉、蔚來和小鵬汽車。
自動駕駛，當下汽車圈最熱門的話題之一。筆者想了很久，結合自己一段時間以來與自動駕駛的親密接觸，發覺可以用兩句話來概括，一是正如比爾·蓋茨說的：“人們總是高估了未來一到兩年的變化，低估了未來十年的變革”；二是就像威廉·吉布森說的：“未來已來，只是尚未流行”。把這兩句箴言結合起來，便是筆者今天所看到的自動駕駛。
當今，自動駕駛技術已經成為整個汽車產業的最新發展方向。很快，2020 年左右，過去積累的自動駕駛技術科研成果及工程進步都將成為現實。自動駕駛汽車即將進入 10-20 年混合模式的時代，隨著自動駕駛汽車與人工智能的深度融合，自動駕駛汽車可以實現高度智能化，真正實現 L4+ 級的自動駕駛技術。在享受科技成果的同時，我們也需要認識到，自動駕駛技術可以帶來無限憧憬，但也會給社會生活帶來巨大的衝擊，同時，還面臨著巨大挑戰。
挑戰之一，便是量產。在科學技術爆發式發展的時代，先進的技術成果能否落地量產愈發關鍵，因為這樣才能進入應用領域或者產業化。其次，技術成果到產品生產是不是成熟，工藝是不是過關，產品量產後有沒有成本優勢...這些都是我們經常忽略卻又重要的知識點。
本期的《新出行課堂》邀請到了自研的小鵬汽車自動駕駛產品負責人黃鑫先生，一起來聊聊自動駕駛背後的那些事兒。是時候走近科學了～
一分鐘梳理課堂要點：
A）如何比較準確且通俗地理解自動駕駛？其實自動駕駛最主要的感知、規劃計算、定位、控制四大模塊就相當於我們的眼睛、大腦、小腦、手和腳。我們人類怎麼開車，未來的自動駕駛就怎麼開車。
B）做 L2 級的分為兩種：簡單來說就好比是遊戲中單機版和聯網版，傳統做 ADAS 考慮到匹配效率，可以理解為單機版。真正做自動駕駛要考慮架構的擴展性和更多的融合，會更復雜，開發成本也更高。
C）主機廠們如何製造帶有自動駕駛功能的車型？1、整套從供應商採購集成，快且省事，但沒差異化；2、部分自主研發，比如感知用成熟供應商的，其他的模塊自己開發，有一定的自主權；3、完全自主研發。
D）L3 級自動駕駛量產最難在感知，視覺系統或將戰勝激光雷達成為 winner。
E）L4 級自動駕駛量產最難的突破在行為預測，目前來看 2024 年前很難有大規模量產的 L4。
F）傳統意義上的高精度地圖也許是個過渡期的存在，但實時構建高精度地圖的技術應用將持續存在。
自動駕駛千萬條 弄清地定義第一條
自動駕駛是什麼？這是永遠繞不開的提問三連第一彈。顧名思義，自動駕駛是指依靠計算機、傳感器代替人類進行部分駕駛操作的技術。
而承載這項技術的主體便是自動駕駛汽車（Automated Vehicle；Intelligcnt Vehicle；Autonomous vehicles；Self-piloting automobile；），又稱智能汽車，或輪式移動機器人，是一種通過計算機實現自動駕駛的智能汽車。
根據全球通用的標準，我們對不同的自動駕駛等級進行評級，也就是我們在廣告宣傳單上經常可以看到的 L2、L3，那麼具體如何劃分誰是 2 誰是 3 呢？參見下表：
自動駕駛涵蓋哪些關鍵技術？
並不繁雜，主要分為四類就可以講清楚：
1、環境感知。相當於人類的眼睛與耳朵，處於自動駕駛汽車與外界環境信息交互的關鍵位置，是實現自動駕駛的基礎。現在感知陣營分為兩大技術流派：以特斯拉為主的視覺派、以自動駕駛創業公司為主的激光雷達派，當然，最近越來越多的後者也在推出自己的可“量產”的視覺方案，也說明越來越多的人想明白了要做量產真正需要關注什麼了。
環境感知技術通過利用攝像頭、激光雷達、毫米波雷達、超聲波傳感器等車載傳感器，輔以 V2X 和 5G 等技術獲取汽車所處交通環境信息和車輛狀態信息，為自動駕駛汽車的決策規劃進行服務。
2、高可靠度的絕對定位、相對定位。有了環境感知還不行，還需要知道自己在哪，絕對定位和相對定位都很重要，至於哪個比例更高，取決於你的開發能力和成本接受度。因為不僅需要獲取車輛與外界環境的相對位置關係，還需要通過車身狀態感知確定車輛的絕對位置與方位。
3、規劃計算。就是你把這麼多的外部信息接收到之後，怎麼來做一個決策，下達指令車應該怎麼開。就好比我右前方有一個車，它是怎麼開的，我應該怎麼開才是安全的，它會不會變道？如果它插到我前面來，我應該怎麼辦？這跟我們人開車的時候，腦子裡面在不停的琢磨一樣。因為在技術上太複雜了，這麼表達比較容易理解。感知和規劃都需要有強大的計算能力來支撐。
目前市面上自動駕駛主流芯片分為兩種，一個是 Mobileye 的 EyeQX 系列，另一個是英偉達 Drive 系列。當然了，特斯拉剛剛發佈的 FSD 芯片也是很強大的。我們也希望，能夠早日看到國產的計算芯片，比如華為。
4、控制。再好的感知與運算規劃能力，如果不能完成控制執行，那還是邁不開腿。因此自動駕駛汽車的車輛控制系統是行駛的基礎。這一塊，國產也很匱乏。
如果要達成 L4，那麼以上所有模塊缺一不可。如果只是開發 L2 的話，還是有“必修課”“選修課”之分， 必修：感知、控制、定位。規劃計算裡面的中央處理單元則可以選修。
舉個例子，如今很多具備標準 L2 的車型只攻讀了必修課，所以它的 L2 無法進行後期升級或開通新功能，簡單理解就是“單機版”的 L2 自動輔助駕駛系統，其最大的優勢是在於整個匹配效率非常高，並且量產效率也是非常高的。當然了我們知道道路環境會一直變，自動駕駛系統也應該能夠不斷的學習、進化。今天大家都在談整車 OTA，最難的是，自動駕駛系統能不能 OTA？真正把這個能力做到量產，目前也只有特斯拉、蔚來和小鵬汽車。
量產具備自動駕駛能力車型的三種方式：
1、集成型
絕大部分的國產主機廠和合資主機廠、包括造車新勢力，都是這種類型。Tier 1 提供“菜單”，主機廠根據自己的市場需求“點菜”，然後把“孩子”送過去，長大成人了再領回來。這種方式可以利用成熟的供應商能力快速落地，但結果就是幾乎都是千篇一律。
2、部分自研型
通過利用供應商成熟的感知能力，來突破這個難點。自己做一些規劃和融合方面的開發，其優勢在於靈活性比集成型更高，可以自己進行 OTA，也可以去實現部分的差異化功能。當然，研發的投入也會更高，在 0 到 1 的過程中，會更痛苦。如果真正想把自動駕駛的能力做出更大的差異化，量產節奏更快，這種方式也還是會有一定的侷限性。
3、完全自主研發型
不僅是感知，整個端到端的完全自主化，甚至連計算平臺都參與設計，毫無疑問這是最痛苦的也是最嗨皮的路線。特斯拉是典型代表，而且目前已經在量產上實現了這種系統能力的，也只有特斯拉。小鵬 P7 也將是實現端到端完全的自主研發的第一款車型。
自動駕駛，當下汽車圈最熱門的話題之一。筆者想了很久，結合自己一段時間以來與自動駕駛的親密接觸，發覺可以用兩句話來概括，一是正如比爾·蓋茨說的：“人們總是高估了未來一到兩年的變化，低估了未來十年的變革”；二是就像威廉·吉布森說的：“未來已來，只是尚未流行”。把這兩句箴言結合起來，便是筆者今天所看到的自動駕駛。
當今，自動駕駛技術已經成為整個汽車產業的最新發展方向。很快，2020 年左右，過去積累的自動駕駛技術科研成果及工程進步都將成為現實。自動駕駛汽車即將進入 10-20 年混合模式的時代，隨著自動駕駛汽車與人工智能的深度融合，自動駕駛汽車可以實現高度智能化，真正實現 L4+ 級的自動駕駛技術。在享受科技成果的同時，我們也需要認識到，自動駕駛技術可以帶來無限憧憬，但也會給社會生活帶來巨大的衝擊，同時，還面臨著巨大挑戰。
挑戰之一，便是量產。在科學技術爆發式發展的時代，先進的技術成果能否落地量產愈發關鍵，因為這樣才能進入應用領域或者產業化。其次，技術成果到產品生產是不是成熟，工藝是不是過關，產品量產後有沒有成本優勢...這些都是我們經常忽略卻又重要的知識點。
本期的《新出行課堂》邀請到了自研的小鵬汽車自動駕駛產品負責人黃鑫先生，一起來聊聊自動駕駛背後的那些事兒。是時候走近科學了～
一分鐘梳理課堂要點：
A）如何比較準確且通俗地理解自動駕駛？其實自動駕駛最主要的感知、規劃計算、定位、控制四大模塊就相當於我們的眼睛、大腦、小腦、手和腳。我們人類怎麼開車，未來的自動駕駛就怎麼開車。
B）做 L2 級的分為兩種：簡單來說就好比是遊戲中單機版和聯網版，傳統做 ADAS 考慮到匹配效率，可以理解為單機版。真正做自動駕駛要考慮架構的擴展性和更多的融合，會更復雜，開發成本也更高。
C）主機廠們如何製造帶有自動駕駛功能的車型？1、整套從供應商採購集成，快且省事，但沒差異化；2、部分自主研發，比如感知用成熟供應商的，其他的模塊自己開發，有一定的自主權；3、完全自主研發。
D）L3 級自動駕駛量產最難在感知，視覺系統或將戰勝激光雷達成為 winner。
E）L4 級自動駕駛量產最難的突破在行為預測，目前來看 2024 年前很難有大規模量產的 L4。
F）傳統意義上的高精度地圖也許是個過渡期的存在，但實時構建高精度地圖的技術應用將持續存在。
自動駕駛千萬條 弄清地定義第一條
自動駕駛是什麼？這是永遠繞不開的提問三連第一彈。顧名思義，自動駕駛是指依靠計算機、傳感器代替人類進行部分駕駛操作的技術。
而承載這項技術的主體便是自動駕駛汽車（Automated Vehicle；Intelligcnt Vehicle；Autonomous vehicles；Self-piloting automobile；），又稱智能汽車，或輪式移動機器人，是一種通過計算機實現自動駕駛的智能汽車。
根據全球通用的標準，我們對不同的自動駕駛等級進行評級，也就是我們在廣告宣傳單上經常可以看到的 L2、L3，那麼具體如何劃分誰是 2 誰是 3 呢？參見下表：
自動駕駛涵蓋哪些關鍵技術？
並不繁雜，主要分為四類就可以講清楚：
1、環境感知。相當於人類的眼睛與耳朵，處於自動駕駛汽車與外界環境信息交互的關鍵位置，是實現自動駕駛的基礎。現在感知陣營分為兩大技術流派：以特斯拉為主的視覺派、以自動駕駛創業公司為主的激光雷達派，當然，最近越來越多的後者也在推出自己的可“量產”的視覺方案，也說明越來越多的人想明白了要做量產真正需要關注什麼了。
環境感知技術通過利用攝像頭、激光雷達、毫米波雷達、超聲波傳感器等車載傳感器，輔以 V2X 和 5G 等技術獲取汽車所處交通環境信息和車輛狀態信息，為自動駕駛汽車的決策規劃進行服務。
2、高可靠度的絕對定位、相對定位。有了環境感知還不行，還需要知道自己在哪，絕對定位和相對定位都很重要，至於哪個比例更高，取決於你的開發能力和成本接受度。因為不僅需要獲取車輛與外界環境的相對位置關係，還需要通過車身狀態感知確定車輛的絕對位置與方位。
3、規劃計算。就是你把這麼多的外部信息接收到之後，怎麼來做一個決策，下達指令車應該怎麼開。就好比我右前方有一個車，它是怎麼開的，我應該怎麼開才是安全的，它會不會變道？如果它插到我前面來，我應該怎麼辦？這跟我們人開車的時候，腦子裡面在不停的琢磨一樣。因為在技術上太複雜了，這麼表達比較容易理解。感知和規劃都需要有強大的計算能力來支撐。
目前市面上自動駕駛主流芯片分為兩種，一個是 Mobileye 的 EyeQX 系列，另一個是英偉達 Drive 系列。當然了，特斯拉剛剛發佈的 FSD 芯片也是很強大的。我們也希望，能夠早日看到國產的計算芯片，比如華為。
4、控制。再好的感知與運算規劃能力，如果不能完成控制執行，那還是邁不開腿。因此自動駕駛汽車的車輛控制系統是行駛的基礎。這一塊，國產也很匱乏。
如果要達成 L4，那麼以上所有模塊缺一不可。如果只是開發 L2 的話，還是有“必修課”“選修課”之分， 必修：感知、控制、定位。規劃計算裡面的中央處理單元則可以選修。
舉個例子，如今很多具備標準 L2 的車型只攻讀了必修課，所以它的 L2 無法進行後期升級或開通新功能，簡單理解就是“單機版”的 L2 自動輔助駕駛系統，其最大的優勢是在於整個匹配效率非常高，並且量產效率也是非常高的。當然了我們知道道路環境會一直變，自動駕駛系統也應該能夠不斷的學習、進化。今天大家都在談整車 OTA，最難的是，自動駕駛系統能不能 OTA？真正把這個能力做到量產，目前也只有特斯拉、蔚來和小鵬汽車。
量產具備自動駕駛能力車型的三種方式：
1、集成型
絕大部分的國產主機廠和合資主機廠、包括造車新勢力，都是這種類型。Tier 1 提供“菜單”，主機廠根據自己的市場需求“點菜”，然後把“孩子”送過去，長大成人了再領回來。這種方式可以利用成熟的供應商能力快速落地，但結果就是幾乎都是千篇一律。
2、部分自研型
通過利用供應商成熟的感知能力，來突破這個難點。自己做一些規劃和融合方面的開發，其優勢在於靈活性比集成型更高，可以自己進行 OTA，也可以去實現部分的差異化功能。當然，研發的投入也會更高，在 0 到 1 的過程中，會更痛苦。如果真正想把自動駕駛的能力做出更大的差異化，量產節奏更快，這種方式也還是會有一定的侷限性。
3、完全自主研發型
不僅是感知，整個端到端的完全自主化，甚至連計算平臺都參與設計，毫無疑問這是最痛苦的也是最嗨皮的路線。特斯拉是典型代表，而且目前已經在量產上實現了這種系統能力的，也只有特斯拉。小鵬 P7 也將是實現端到端完全的自主研發的第一款車型。
小鵬 P7
量產 L3 級自動駕駛最難在感知
目前 L3 正是在感知這一塊“卡脖子”，雖然激光雷達看起來是個捷徑，越來越多的視覺方案出現，也在說明這條捷徑似乎在汽車量產上，不是那麼可靠。但是做視覺需要有大量的成本投入、數據做訓練、反覆的驗證，這需要規模化的數據能力和升級能力，需要有很強的毅力。因此很大一部分是要去解決感知的問題，於是乎就誕生了兩個派別，一視覺，二激光雷達。
自動駕駛，當下汽車圈最熱門的話題之一。筆者想了很久，結合自己一段時間以來與自動駕駛的親密接觸，發覺可以用兩句話來概括，一是正如比爾·蓋茨說的：“人們總是高估了未來一到兩年的變化，低估了未來十年的變革”；二是就像威廉·吉布森說的：“未來已來，只是尚未流行”。把這兩句箴言結合起來，便是筆者今天所看到的自動駕駛。
當今，自動駕駛技術已經成為整個汽車產業的最新發展方向。很快，2020 年左右，過去積累的自動駕駛技術科研成果及工程進步都將成為現實。自動駕駛汽車即將進入 10-20 年混合模式的時代，隨著自動駕駛汽車與人工智能的深度融合，自動駕駛汽車可以實現高度智能化，真正實現 L4+ 級的自動駕駛技術。在享受科技成果的同時，我們也需要認識到，自動駕駛技術可以帶來無限憧憬，但也會給社會生活帶來巨大的衝擊，同時，還面臨著巨大挑戰。
挑戰之一，便是量產。在科學技術爆發式發展的時代，先進的技術成果能否落地量產愈發關鍵，因為這樣才能進入應用領域或者產業化。其次，技術成果到產品生產是不是成熟，工藝是不是過關，產品量產後有沒有成本優勢...這些都是我們經常忽略卻又重要的知識點。
本期的《新出行課堂》邀請到了自研的小鵬汽車自動駕駛產品負責人黃鑫先生，一起來聊聊自動駕駛背後的那些事兒。是時候走近科學了～
一分鐘梳理課堂要點：
A）如何比較準確且通俗地理解自動駕駛？其實自動駕駛最主要的感知、規劃計算、定位、控制四大模塊就相當於我們的眼睛、大腦、小腦、手和腳。我們人類怎麼開車，未來的自動駕駛就怎麼開車。
B）做 L2 級的分為兩種：簡單來說就好比是遊戲中單機版和聯網版，傳統做 ADAS 考慮到匹配效率，可以理解為單機版。真正做自動駕駛要考慮架構的擴展性和更多的融合，會更復雜，開發成本也更高。
C）主機廠們如何製造帶有自動駕駛功能的車型？1、整套從供應商採購集成，快且省事，但沒差異化；2、部分自主研發，比如感知用成熟供應商的，其他的模塊自己開發，有一定的自主權；3、完全自主研發。
D）L3 級自動駕駛量產最難在感知，視覺系統或將戰勝激光雷達成為 winner。
E）L4 級自動駕駛量產最難的突破在行為預測，目前來看 2024 年前很難有大規模量產的 L4。
F）傳統意義上的高精度地圖也許是個過渡期的存在，但實時構建高精度地圖的技術應用將持續存在。
自動駕駛千萬條 弄清地定義第一條
自動駕駛是什麼？這是永遠繞不開的提問三連第一彈。顧名思義，自動駕駛是指依靠計算機、傳感器代替人類進行部分駕駛操作的技術。
而承載這項技術的主體便是自動駕駛汽車（Automated Vehicle；Intelligcnt Vehicle；Autonomous vehicles；Self-piloting automobile；），又稱智能汽車，或輪式移動機器人，是一種通過計算機實現自動駕駛的智能汽車。
根據全球通用的標準，我們對不同的自動駕駛等級進行評級，也就是我們在廣告宣傳單上經常可以看到的 L2、L3，那麼具體如何劃分誰是 2 誰是 3 呢？參見下表：
自動駕駛涵蓋哪些關鍵技術？
並不繁雜，主要分為四類就可以講清楚：
1、環境感知。相當於人類的眼睛與耳朵，處於自動駕駛汽車與外界環境信息交互的關鍵位置，是實現自動駕駛的基礎。現在感知陣營分為兩大技術流派：以特斯拉為主的視覺派、以自動駕駛創業公司為主的激光雷達派，當然，最近越來越多的後者也在推出自己的可“量產”的視覺方案，也說明越來越多的人想明白了要做量產真正需要關注什麼了。
環境感知技術通過利用攝像頭、激光雷達、毫米波雷達、超聲波傳感器等車載傳感器，輔以 V2X 和 5G 等技術獲取汽車所處交通環境信息和車輛狀態信息，為自動駕駛汽車的決策規劃進行服務。
2、高可靠度的絕對定位、相對定位。有了環境感知還不行，還需要知道自己在哪，絕對定位和相對定位都很重要，至於哪個比例更高，取決於你的開發能力和成本接受度。因為不僅需要獲取車輛與外界環境的相對位置關係，還需要通過車身狀態感知確定車輛的絕對位置與方位。
3、規劃計算。就是你把這麼多的外部信息接收到之後，怎麼來做一個決策，下達指令車應該怎麼開。就好比我右前方有一個車，它是怎麼開的，我應該怎麼開才是安全的，它會不會變道？如果它插到我前面來，我應該怎麼辦？這跟我們人開車的時候，腦子裡面在不停的琢磨一樣。因為在技術上太複雜了，這麼表達比較容易理解。感知和規劃都需要有強大的計算能力來支撐。
目前市面上自動駕駛主流芯片分為兩種，一個是 Mobileye 的 EyeQX 系列，另一個是英偉達 Drive 系列。當然了，特斯拉剛剛發佈的 FSD 芯片也是很強大的。我們也希望，能夠早日看到國產的計算芯片，比如華為。
4、控制。再好的感知與運算規劃能力，如果不能完成控制執行，那還是邁不開腿。因此自動駕駛汽車的車輛控制系統是行駛的基礎。這一塊，國產也很匱乏。
如果要達成 L4，那麼以上所有模塊缺一不可。如果只是開發 L2 的話，還是有“必修課”“選修課”之分， 必修：感知、控制、定位。規劃計算裡面的中央處理單元則可以選修。
舉個例子，如今很多具備標準 L2 的車型只攻讀了必修課，所以它的 L2 無法進行後期升級或開通新功能，簡單理解就是“單機版”的 L2 自動輔助駕駛系統，其最大的優勢是在於整個匹配效率非常高，並且量產效率也是非常高的。當然了我們知道道路環境會一直變，自動駕駛系統也應該能夠不斷的學習、進化。今天大家都在談整車 OTA，最難的是，自動駕駛系統能不能 OTA？真正把這個能力做到量產，目前也只有特斯拉、蔚來和小鵬汽車。
量產具備自動駕駛能力車型的三種方式：
1、集成型
絕大部分的國產主機廠和合資主機廠、包括造車新勢力，都是這種類型。Tier 1 提供“菜單”，主機廠根據自己的市場需求“點菜”，然後把“孩子”送過去，長大成人了再領回來。這種方式可以利用成熟的供應商能力快速落地，但結果就是幾乎都是千篇一律。
2、部分自研型
通過利用供應商成熟的感知能力，來突破這個難點。自己做一些規劃和融合方面的開發，其優勢在於靈活性比集成型更高，可以自己進行 OTA，也可以去實現部分的差異化功能。當然，研發的投入也會更高，在 0 到 1 的過程中，會更痛苦。如果真正想把自動駕駛的能力做出更大的差異化，量產節奏更快，這種方式也還是會有一定的侷限性。
3、完全自主研發型
不僅是感知，整個端到端的完全自主化，甚至連計算平臺都參與設計，毫無疑問這是最痛苦的也是最嗨皮的路線。特斯拉是典型代表，而且目前已經在量產上實現了這種系統能力的，也只有特斯拉。小鵬 P7 也將是實現端到端完全的自主研發的第一款車型。
小鵬 P7
量產 L3 級自動駕駛最難在感知
目前 L3 正是在感知這一塊“卡脖子”，雖然激光雷達看起來是個捷徑，越來越多的視覺方案出現，也在說明這條捷徑似乎在汽車量產上，不是那麼可靠。但是做視覺需要有大量的成本投入、數據做訓練、反覆的驗證，這需要規模化的數據能力和升級能力，需要有很強的毅力。因此很大一部分是要去解決感知的問題，於是乎就誕生了兩個派別，一視覺，二激光雷達。
關於是視覺還是激光雷達，這一廂恐怕一直會有爭論，因為每個人看問題的角度和思考方式都不一樣。激光雷達直接、見效快，直接輸出高精度結果，在數據規模化和標註上需求量相對更少。但是，還是避不開談量產，成本就不說了，車規也不說了。佈置怎麼辦呢？總不能家用車都頂著一個像救護車一樣的東西吧。維修和保險怎麼辦呢？以前一個追尾幾百，現在成千或上萬。你要量產，這些都是必須考慮的問題。
回過來看視覺的優勢就逐漸顯現，佈置相對靈活、擴展性好、成本適宜都是它的優勢，這對於車企來講是非常重要的。很多人會說視覺安全性低，這其實過於片面，對於汽車的安全來講，99%與 99.99%其實是一樣的，那剩餘的部分只要一出現，結果都是 Game Over。黃工表示小鵬還是更願意用發展的眼光來看待視覺技術。
自動駕駛，當下汽車圈最熱門的話題之一。筆者想了很久，結合自己一段時間以來與自動駕駛的親密接觸，發覺可以用兩句話來概括，一是正如比爾·蓋茨說的：“人們總是高估了未來一到兩年的變化，低估了未來十年的變革”；二是就像威廉·吉布森說的：“未來已來，只是尚未流行”。把這兩句箴言結合起來，便是筆者今天所看到的自動駕駛。
當今，自動駕駛技術已經成為整個汽車產業的最新發展方向。很快，2020 年左右，過去積累的自動駕駛技術科研成果及工程進步都將成為現實。自動駕駛汽車即將進入 10-20 年混合模式的時代，隨著自動駕駛汽車與人工智能的深度融合，自動駕駛汽車可以實現高度智能化，真正實現 L4+ 級的自動駕駛技術。在享受科技成果的同時，我們也需要認識到，自動駕駛技術可以帶來無限憧憬，但也會給社會生活帶來巨大的衝擊，同時，還面臨著巨大挑戰。
挑戰之一，便是量產。在科學技術爆發式發展的時代，先進的技術成果能否落地量產愈發關鍵，因為這樣才能進入應用領域或者產業化。其次，技術成果到產品生產是不是成熟，工藝是不是過關，產品量產後有沒有成本優勢...這些都是我們經常忽略卻又重要的知識點。
本期的《新出行課堂》邀請到了自研的小鵬汽車自動駕駛產品負責人黃鑫先生，一起來聊聊自動駕駛背後的那些事兒。是時候走近科學了～
一分鐘梳理課堂要點：
A）如何比較準確且通俗地理解自動駕駛？其實自動駕駛最主要的感知、規劃計算、定位、控制四大模塊就相當於我們的眼睛、大腦、小腦、手和腳。我們人類怎麼開車，未來的自動駕駛就怎麼開車。
B）做 L2 級的分為兩種：簡單來說就好比是遊戲中單機版和聯網版，傳統做 ADAS 考慮到匹配效率，可以理解為單機版。真正做自動駕駛要考慮架構的擴展性和更多的融合，會更復雜，開發成本也更高。
C）主機廠們如何製造帶有自動駕駛功能的車型？1、整套從供應商採購集成，快且省事，但沒差異化；2、部分自主研發，比如感知用成熟供應商的，其他的模塊自己開發，有一定的自主權；3、完全自主研發。
D）L3 級自動駕駛量產最難在感知，視覺系統或將戰勝激光雷達成為 winner。
E）L4 級自動駕駛量產最難的突破在行為預測，目前來看 2024 年前很難有大規模量產的 L4。
F）傳統意義上的高精度地圖也許是個過渡期的存在，但實時構建高精度地圖的技術應用將持續存在。
自動駕駛千萬條 弄清地定義第一條
自動駕駛是什麼？這是永遠繞不開的提問三連第一彈。顧名思義，自動駕駛是指依靠計算機、傳感器代替人類進行部分駕駛操作的技術。
而承載這項技術的主體便是自動駕駛汽車（Automated Vehicle；Intelligcnt Vehicle；Autonomous vehicles；Self-piloting automobile；），又稱智能汽車，或輪式移動機器人，是一種通過計算機實現自動駕駛的智能汽車。
根據全球通用的標準，我們對不同的自動駕駛等級進行評級，也就是我們在廣告宣傳單上經常可以看到的 L2、L3，那麼具體如何劃分誰是 2 誰是 3 呢？參見下表：
自動駕駛涵蓋哪些關鍵技術？
並不繁雜，主要分為四類就可以講清楚：
1、環境感知。相當於人類的眼睛與耳朵，處於自動駕駛汽車與外界環境信息交互的關鍵位置，是實現自動駕駛的基礎。現在感知陣營分為兩大技術流派：以特斯拉為主的視覺派、以自動駕駛創業公司為主的激光雷達派，當然，最近越來越多的後者也在推出自己的可“量產”的視覺方案，也說明越來越多的人想明白了要做量產真正需要關注什麼了。
環境感知技術通過利用攝像頭、激光雷達、毫米波雷達、超聲波傳感器等車載傳感器，輔以 V2X 和 5G 等技術獲取汽車所處交通環境信息和車輛狀態信息，為自動駕駛汽車的決策規劃進行服務。
2、高可靠度的絕對定位、相對定位。有了環境感知還不行，還需要知道自己在哪，絕對定位和相對定位都很重要，至於哪個比例更高，取決於你的開發能力和成本接受度。因為不僅需要獲取車輛與外界環境的相對位置關係，還需要通過車身狀態感知確定車輛的絕對位置與方位。
3、規劃計算。就是你把這麼多的外部信息接收到之後，怎麼來做一個決策，下達指令車應該怎麼開。就好比我右前方有一個車，它是怎麼開的，我應該怎麼開才是安全的，它會不會變道？如果它插到我前面來，我應該怎麼辦？這跟我們人開車的時候，腦子裡面在不停的琢磨一樣。因為在技術上太複雜了，這麼表達比較容易理解。感知和規劃都需要有強大的計算能力來支撐。
目前市面上自動駕駛主流芯片分為兩種，一個是 Mobileye 的 EyeQX 系列，另一個是英偉達 Drive 系列。當然了，特斯拉剛剛發佈的 FSD 芯片也是很強大的。我們也希望，能夠早日看到國產的計算芯片，比如華為。
4、控制。再好的感知與運算規劃能力，如果不能完成控制執行，那還是邁不開腿。因此自動駕駛汽車的車輛控制系統是行駛的基礎。這一塊，國產也很匱乏。
如果要達成 L4，那麼以上所有模塊缺一不可。如果只是開發 L2 的話，還是有“必修課”“選修課”之分， 必修：感知、控制、定位。規劃計算裡面的中央處理單元則可以選修。
舉個例子，如今很多具備標準 L2 的車型只攻讀了必修課，所以它的 L2 無法進行後期升級或開通新功能，簡單理解就是“單機版”的 L2 自動輔助駕駛系統，其最大的優勢是在於整個匹配效率非常高，並且量產效率也是非常高的。當然了我們知道道路環境會一直變，自動駕駛系統也應該能夠不斷的學習、進化。今天大家都在談整車 OTA，最難的是，自動駕駛系統能不能 OTA？真正把這個能力做到量產，目前也只有特斯拉、蔚來和小鵬汽車。
量產具備自動駕駛能力車型的三種方式：
1、集成型
絕大部分的國產主機廠和合資主機廠、包括造車新勢力，都是這種類型。Tier 1 提供“菜單”，主機廠根據自己的市場需求“點菜”，然後把“孩子”送過去，長大成人了再領回來。這種方式可以利用成熟的供應商能力快速落地，但結果就是幾乎都是千篇一律。
2、部分自研型
通過利用供應商成熟的感知能力，來突破這個難點。自己做一些規劃和融合方面的開發，其優勢在於靈活性比集成型更高，可以自己進行 OTA，也可以去實現部分的差異化功能。當然，研發的投入也會更高，在 0 到 1 的過程中，會更痛苦。如果真正想把自動駕駛的能力做出更大的差異化，量產節奏更快，這種方式也還是會有一定的侷限性。
3、完全自主研發型
不僅是感知，整個端到端的完全自主化，甚至連計算平臺都參與設計，毫無疑問這是最痛苦的也是最嗨皮的路線。特斯拉是典型代表，而且目前已經在量產上實現了這種系統能力的，也只有特斯拉。小鵬 P7 也將是實現端到端完全的自主研發的第一款車型。
小鵬 P7
量產 L3 級自動駕駛最難在感知
目前 L3 正是在感知這一塊“卡脖子”，雖然激光雷達看起來是個捷徑，越來越多的視覺方案出現，也在說明這條捷徑似乎在汽車量產上，不是那麼可靠。但是做視覺需要有大量的成本投入、數據做訓練、反覆的驗證，這需要規模化的數據能力和升級能力，需要有很強的毅力。因此很大一部分是要去解決感知的問題，於是乎就誕生了兩個派別，一視覺，二激光雷達。
關於是視覺還是激光雷達，這一廂恐怕一直會有爭論，因為每個人看問題的角度和思考方式都不一樣。激光雷達直接、見效快，直接輸出高精度結果，在數據規模化和標註上需求量相對更少。但是，還是避不開談量產，成本就不說了，車規也不說了。佈置怎麼辦呢？總不能家用車都頂著一個像救護車一樣的東西吧。維修和保險怎麼辦呢？以前一個追尾幾百，現在成千或上萬。你要量產，這些都是必須考慮的問題。
回過來看視覺的優勢就逐漸顯現，佈置相對靈活、擴展性好、成本適宜都是它的優勢，這對於車企來講是非常重要的。很多人會說視覺安全性低，這其實過於片面，對於汽車的安全來講，99%與 99.99%其實是一樣的，那剩餘的部分只要一出現，結果都是 Game Over。黃工表示小鵬還是更願意用發展的眼光來看待視覺技術。
在未來的 3-5 年，我們平常所忽略的毫米波雷達也會有很多進步和提升，任何技術的發展都不是孤立的，而是相補相融的，也許兩三年後視覺+毫米波雷達，會跟我們今天看到的，有很大的不一樣。
量產 L4 級自動駕駛最難在行為預測
L4 最難的不是感知，因為 L3 的量產就是在跨越這個關卡。L4 最難的是在行為預測，如何讓自動駕駛系統真正像人一樣，對道路上所有交通參與者都能觀察、分析、判斷、響應，就像下圍棋，所有的可能性，指數級的計算。目前來看，2024 年前量產推出 L4 級別民用車的可能性不大。
來到 L4，與之相關的還有要在政府層面大力推動的 V2X，從行業來看，V2X 無疑非常有利於實現自動駕駛，但從自動駕駛本身量產來看，核心還是要發展車輛自身的能力，感知、行為預測等都是必不可少的，而 V2X 則作為個錦上添花的建設。
高精地圖與自動駕駛
高精地圖固然是一個好東西，其擁有比 GPS 導航系統擁有至少 10 倍以上的精度，但在不少主機廠的工程師看來，在最終實現完全自動駕駛的終點上，並非依賴高精地圖，也就是說高精地圖的作用在逐步實現自動駕駛的路上的作用是呈拋物線狀的，所起的作用隨著自動駕駛不斷進階而下降。
自動駕駛，當下汽車圈最熱門的話題之一。筆者想了很久，結合自己一段時間以來與自動駕駛的親密接觸，發覺可以用兩句話來概括，一是正如比爾·蓋茨說的：“人們總是高估了未來一到兩年的變化，低估了未來十年的變革”；二是就像威廉·吉布森說的：“未來已來，只是尚未流行”。把這兩句箴言結合起來，便是筆者今天所看到的自動駕駛。
當今，自動駕駛技術已經成為整個汽車產業的最新發展方向。很快，2020 年左右，過去積累的自動駕駛技術科研成果及工程進步都將成為現實。自動駕駛汽車即將進入 10-20 年混合模式的時代，隨著自動駕駛汽車與人工智能的深度融合，自動駕駛汽車可以實現高度智能化，真正實現 L4+ 級的自動駕駛技術。在享受科技成果的同時，我們也需要認識到，自動駕駛技術可以帶來無限憧憬，但也會給社會生活帶來巨大的衝擊，同時，還面臨著巨大挑戰。
挑戰之一，便是量產。在科學技術爆發式發展的時代，先進的技術成果能否落地量產愈發關鍵，因為這樣才能進入應用領域或者產業化。其次，技術成果到產品生產是不是成熟，工藝是不是過關，產品量產後有沒有成本優勢...這些都是我們經常忽略卻又重要的知識點。
本期的《新出行課堂》邀請到了自研的小鵬汽車自動駕駛產品負責人黃鑫先生，一起來聊聊自動駕駛背後的那些事兒。是時候走近科學了～
一分鐘梳理課堂要點：
A）如何比較準確且通俗地理解自動駕駛？其實自動駕駛最主要的感知、規劃計算、定位、控制四大模塊就相當於我們的眼睛、大腦、小腦、手和腳。我們人類怎麼開車，未來的自動駕駛就怎麼開車。
B）做 L2 級的分為兩種：簡單來說就好比是遊戲中單機版和聯網版，傳統做 ADAS 考慮到匹配效率，可以理解為單機版。真正做自動駕駛要考慮架構的擴展性和更多的融合，會更復雜，開發成本也更高。
C）主機廠們如何製造帶有自動駕駛功能的車型？1、整套從供應商採購集成，快且省事，但沒差異化；2、部分自主研發，比如感知用成熟供應商的，其他的模塊自己開發，有一定的自主權；3、完全自主研發。
D）L3 級自動駕駛量產最難在感知，視覺系統或將戰勝激光雷達成為 winner。
E）L4 級自動駕駛量產最難的突破在行為預測，目前來看 2024 年前很難有大規模量產的 L4。
F）傳統意義上的高精度地圖也許是個過渡期的存在，但實時構建高精度地圖的技術應用將持續存在。
自動駕駛千萬條 弄清地定義第一條
自動駕駛是什麼？這是永遠繞不開的提問三連第一彈。顧名思義，自動駕駛是指依靠計算機、傳感器代替人類進行部分駕駛操作的技術。
而承載這項技術的主體便是自動駕駛汽車（Automated Vehicle；Intelligcnt Vehicle；Autonomous vehicles；Self-piloting automobile；），又稱智能汽車，或輪式移動機器人，是一種通過計算機實現自動駕駛的智能汽車。
根據全球通用的標準，我們對不同的自動駕駛等級進行評級，也就是我們在廣告宣傳單上經常可以看到的 L2、L3，那麼具體如何劃分誰是 2 誰是 3 呢？參見下表：
自動駕駛涵蓋哪些關鍵技術？
並不繁雜，主要分為四類就可以講清楚：
1、環境感知。相當於人類的眼睛與耳朵，處於自動駕駛汽車與外界環境信息交互的關鍵位置，是實現自動駕駛的基礎。現在感知陣營分為兩大技術流派：以特斯拉為主的視覺派、以自動駕駛創業公司為主的激光雷達派，當然，最近越來越多的後者也在推出自己的可“量產”的視覺方案，也說明越來越多的人想明白了要做量產真正需要關注什麼了。
環境感知技術通過利用攝像頭、激光雷達、毫米波雷達、超聲波傳感器等車載傳感器，輔以 V2X 和 5G 等技術獲取汽車所處交通環境信息和車輛狀態信息，為自動駕駛汽車的決策規劃進行服務。
2、高可靠度的絕對定位、相對定位。有了環境感知還不行，還需要知道自己在哪，絕對定位和相對定位都很重要，至於哪個比例更高，取決於你的開發能力和成本接受度。因為不僅需要獲取車輛與外界環境的相對位置關係，還需要通過車身狀態感知確定車輛的絕對位置與方位。
3、規劃計算。就是你把這麼多的外部信息接收到之後，怎麼來做一個決策，下達指令車應該怎麼開。就好比我右前方有一個車，它是怎麼開的，我應該怎麼開才是安全的，它會不會變道？如果它插到我前面來，我應該怎麼辦？這跟我們人開車的時候，腦子裡面在不停的琢磨一樣。因為在技術上太複雜了，這麼表達比較容易理解。感知和規劃都需要有強大的計算能力來支撐。
目前市面上自動駕駛主流芯片分為兩種，一個是 Mobileye 的 EyeQX 系列，另一個是英偉達 Drive 系列。當然了，特斯拉剛剛發佈的 FSD 芯片也是很強大的。我們也希望，能夠早日看到國產的計算芯片，比如華為。
4、控制。再好的感知與運算規劃能力，如果不能完成控制執行，那還是邁不開腿。因此自動駕駛汽車的車輛控制系統是行駛的基礎。這一塊，國產也很匱乏。
如果要達成 L4，那麼以上所有模塊缺一不可。如果只是開發 L2 的話，還是有“必修課”“選修課”之分， 必修：感知、控制、定位。規劃計算裡面的中央處理單元則可以選修。
舉個例子，如今很多具備標準 L2 的車型只攻讀了必修課，所以它的 L2 無法進行後期升級或開通新功能，簡單理解就是“單機版”的 L2 自動輔助駕駛系統，其最大的優勢是在於整個匹配效率非常高，並且量產效率也是非常高的。當然了我們知道道路環境會一直變，自動駕駛系統也應該能夠不斷的學習、進化。今天大家都在談整車 OTA，最難的是，自動駕駛系統能不能 OTA？真正把這個能力做到量產，目前也只有特斯拉、蔚來和小鵬汽車。
量產具備自動駕駛能力車型的三種方式：
1、集成型
絕大部分的國產主機廠和合資主機廠、包括造車新勢力，都是這種類型。Tier 1 提供“菜單”，主機廠根據自己的市場需求“點菜”，然後把“孩子”送過去，長大成人了再領回來。這種方式可以利用成熟的供應商能力快速落地，但結果就是幾乎都是千篇一律。
2、部分自研型
通過利用供應商成熟的感知能力，來突破這個難點。自己做一些規劃和融合方面的開發，其優勢在於靈活性比集成型更高，可以自己進行 OTA，也可以去實現部分的差異化功能。當然，研發的投入也會更高，在 0 到 1 的過程中，會更痛苦。如果真正想把自動駕駛的能力做出更大的差異化，量產節奏更快，這種方式也還是會有一定的侷限性。
3、完全自主研發型
不僅是感知，整個端到端的完全自主化，甚至連計算平臺都參與設計，毫無疑問這是最痛苦的也是最嗨皮的路線。特斯拉是典型代表，而且目前已經在量產上實現了這種系統能力的，也只有特斯拉。小鵬 P7 也將是實現端到端完全的自主研發的第一款車型。
小鵬 P7
量產 L3 級自動駕駛最難在感知
目前 L3 正是在感知這一塊“卡脖子”，雖然激光雷達看起來是個捷徑，越來越多的視覺方案出現，也在說明這條捷徑似乎在汽車量產上，不是那麼可靠。但是做視覺需要有大量的成本投入、數據做訓練、反覆的驗證，這需要規模化的數據能力和升級能力，需要有很強的毅力。因此很大一部分是要去解決感知的問題，於是乎就誕生了兩個派別，一視覺，二激光雷達。
關於是視覺還是激光雷達，這一廂恐怕一直會有爭論，因為每個人看問題的角度和思考方式都不一樣。激光雷達直接、見效快，直接輸出高精度結果，在數據規模化和標註上需求量相對更少。但是，還是避不開談量產，成本就不說了，車規也不說了。佈置怎麼辦呢？總不能家用車都頂著一個像救護車一樣的東西吧。維修和保險怎麼辦呢？以前一個追尾幾百，現在成千或上萬。你要量產，這些都是必須考慮的問題。
回過來看視覺的優勢就逐漸顯現，佈置相對靈活、擴展性好、成本適宜都是它的優勢，這對於車企來講是非常重要的。很多人會說視覺安全性低，這其實過於片面，對於汽車的安全來講，99%與 99.99%其實是一樣的，那剩餘的部分只要一出現，結果都是 Game Over。黃工表示小鵬還是更願意用發展的眼光來看待視覺技術。
在未來的 3-5 年，我們平常所忽略的毫米波雷達也會有很多進步和提升，任何技術的發展都不是孤立的，而是相補相融的，也許兩三年後視覺+毫米波雷達，會跟我們今天看到的，有很大的不一樣。
量產 L4 級自動駕駛最難在行為預測
L4 最難的不是感知，因為 L3 的量產就是在跨越這個關卡。L4 最難的是在行為預測，如何讓自動駕駛系統真正像人一樣，對道路上所有交通參與者都能觀察、分析、判斷、響應，就像下圍棋，所有的可能性，指數級的計算。目前來看，2024 年前量產推出 L4 級別民用車的可能性不大。
來到 L4，與之相關的還有要在政府層面大力推動的 V2X，從行業來看，V2X 無疑非常有利於實現自動駕駛，但從自動駕駛本身量產來看，核心還是要發展車輛自身的能力，感知、行為預測等都是必不可少的，而 V2X 則作為個錦上添花的建設。
高精地圖與自動駕駛
高精地圖固然是一個好東西，其擁有比 GPS 導航系統擁有至少 10 倍以上的精度，但在不少主機廠的工程師看來，在最終實現完全自動駕駛的終點上，並非依賴高精地圖，也就是說高精地圖的作用在逐步實現自動駕駛的路上的作用是呈拋物線狀的，所起的作用隨著自動駕駛不斷進階而下降。
按文章開篇的說法，完全自動駕駛可以類比人類駕駛，人在開車時永遠是駕駛員根據看到的去做出駕駛動作，自動駕駛也是類似。道路上的情況是實時變化的，高精地圖再清晰，面對國內基建神速，也無法做到實時去更新地圖數據，如若採集成本則非常高昂。所以最終依賴的還是車輛的傳感器對路上的其它交通參與者進行識別，從而做出相應的駕駛動作。
自動駕駛，當下汽車圈最熱門的話題之一。筆者想了很久，結合自己一段時間以來與自動駕駛的親密接觸，發覺可以用兩句話來概括，一是正如比爾·蓋茨說的：“人們總是高估了未來一到兩年的變化，低估了未來十年的變革”；二是就像威廉·吉布森說的：“未來已來，只是尚未流行”。把這兩句箴言結合起來，便是筆者今天所看到的自動駕駛。
當今，自動駕駛技術已經成為整個汽車產業的最新發展方向。很快，2020 年左右，過去積累的自動駕駛技術科研成果及工程進步都將成為現實。自動駕駛汽車即將進入 10-20 年混合模式的時代，隨著自動駕駛汽車與人工智能的深度融合，自動駕駛汽車可以實現高度智能化，真正實現 L4+ 級的自動駕駛技術。在享受科技成果的同時，我們也需要認識到，自動駕駛技術可以帶來無限憧憬，但也會給社會生活帶來巨大的衝擊，同時，還面臨著巨大挑戰。
挑戰之一，便是量產。在科學技術爆發式發展的時代，先進的技術成果能否落地量產愈發關鍵，因為這樣才能進入應用領域或者產業化。其次，技術成果到產品生產是不是成熟，工藝是不是過關，產品量產後有沒有成本優勢...這些都是我們經常忽略卻又重要的知識點。
本期的《新出行課堂》邀請到了自研的小鵬汽車自動駕駛產品負責人黃鑫先生，一起來聊聊自動駕駛背後的那些事兒。是時候走近科學了～
一分鐘梳理課堂要點：
A）如何比較準確且通俗地理解自動駕駛？其實自動駕駛最主要的感知、規劃計算、定位、控制四大模塊就相當於我們的眼睛、大腦、小腦、手和腳。我們人類怎麼開車，未來的自動駕駛就怎麼開車。
B）做 L2 級的分為兩種：簡單來說就好比是遊戲中單機版和聯網版，傳統做 ADAS 考慮到匹配效率，可以理解為單機版。真正做自動駕駛要考慮架構的擴展性和更多的融合，會更復雜，開發成本也更高。
C）主機廠們如何製造帶有自動駕駛功能的車型？1、整套從供應商採購集成，快且省事，但沒差異化；2、部分自主研發，比如感知用成熟供應商的，其他的模塊自己開發，有一定的自主權；3、完全自主研發。
D）L3 級自動駕駛量產最難在感知，視覺系統或將戰勝激光雷達成為 winner。
E）L4 級自動駕駛量產最難的突破在行為預測，目前來看 2024 年前很難有大規模量產的 L4。
F）傳統意義上的高精度地圖也許是個過渡期的存在，但實時構建高精度地圖的技術應用將持續存在。
自動駕駛千萬條 弄清地定義第一條
自動駕駛是什麼？這是永遠繞不開的提問三連第一彈。顧名思義，自動駕駛是指依靠計算機、傳感器代替人類進行部分駕駛操作的技術。
而承載這項技術的主體便是自動駕駛汽車（Automated Vehicle；Intelligcnt Vehicle；Autonomous vehicles；Self-piloting automobile；），又稱智能汽車，或輪式移動機器人，是一種通過計算機實現自動駕駛的智能汽車。
根據全球通用的標準，我們對不同的自動駕駛等級進行評級，也就是我們在廣告宣傳單上經常可以看到的 L2、L3，那麼具體如何劃分誰是 2 誰是 3 呢？參見下表：
自動駕駛涵蓋哪些關鍵技術？
並不繁雜，主要分為四類就可以講清楚：
1、環境感知。相當於人類的眼睛與耳朵，處於自動駕駛汽車與外界環境信息交互的關鍵位置，是實現自動駕駛的基礎。現在感知陣營分為兩大技術流派：以特斯拉為主的視覺派、以自動駕駛創業公司為主的激光雷達派，當然，最近越來越多的後者也在推出自己的可“量產”的視覺方案，也說明越來越多的人想明白了要做量產真正需要關注什麼了。
環境感知技術通過利用攝像頭、激光雷達、毫米波雷達、超聲波傳感器等車載傳感器，輔以 V2X 和 5G 等技術獲取汽車所處交通環境信息和車輛狀態信息，為自動駕駛汽車的決策規劃進行服務。
2、高可靠度的絕對定位、相對定位。有了環境感知還不行，還需要知道自己在哪，絕對定位和相對定位都很重要，至於哪個比例更高，取決於你的開發能力和成本接受度。因為不僅需要獲取車輛與外界環境的相對位置關係，還需要通過車身狀態感知確定車輛的絕對位置與方位。
3、規劃計算。就是你把這麼多的外部信息接收到之後，怎麼來做一個決策，下達指令車應該怎麼開。就好比我右前方有一個車，它是怎麼開的，我應該怎麼開才是安全的，它會不會變道？如果它插到我前面來，我應該怎麼辦？這跟我們人開車的時候，腦子裡面在不停的琢磨一樣。因為在技術上太複雜了，這麼表達比較容易理解。感知和規劃都需要有強大的計算能力來支撐。
目前市面上自動駕駛主流芯片分為兩種，一個是 Mobileye 的 EyeQX 系列，另一個是英偉達 Drive 系列。當然了，特斯拉剛剛發佈的 FSD 芯片也是很強大的。我們也希望，能夠早日看到國產的計算芯片，比如華為。
4、控制。再好的感知與運算規劃能力，如果不能完成控制執行，那還是邁不開腿。因此自動駕駛汽車的車輛控制系統是行駛的基礎。這一塊，國產也很匱乏。
如果要達成 L4，那麼以上所有模塊缺一不可。如果只是開發 L2 的話，還是有“必修課”“選修課”之分， 必修：感知、控制、定位。規劃計算裡面的中央處理單元則可以選修。
舉個例子，如今很多具備標準 L2 的車型只攻讀了必修課，所以它的 L2 無法進行後期升級或開通新功能，簡單理解就是“單機版”的 L2 自動輔助駕駛系統，其最大的優勢是在於整個匹配效率非常高，並且量產效率也是非常高的。當然了我們知道道路環境會一直變，自動駕駛系統也應該能夠不斷的學習、進化。今天大家都在談整車 OTA，最難的是，自動駕駛系統能不能 OTA？真正把這個能力做到量產，目前也只有特斯拉、蔚來和小鵬汽車。
量產具備自動駕駛能力車型的三種方式：
1、集成型
絕大部分的國產主機廠和合資主機廠、包括造車新勢力，都是這種類型。Tier 1 提供“菜單”，主機廠根據自己的市場需求“點菜”，然後把“孩子”送過去，長大成人了再領回來。這種方式可以利用成熟的供應商能力快速落地，但結果就是幾乎都是千篇一律。
2、部分自研型
通過利用供應商成熟的感知能力，來突破這個難點。自己做一些規劃和融合方面的開發，其優勢在於靈活性比集成型更高，可以自己進行 OTA，也可以去實現部分的差異化功能。當然，研發的投入也會更高，在 0 到 1 的過程中，會更痛苦。如果真正想把自動駕駛的能力做出更大的差異化，量產節奏更快，這種方式也還是會有一定的侷限性。
3、完全自主研發型
不僅是感知，整個端到端的完全自主化，甚至連計算平臺都參與設計，毫無疑問這是最痛苦的也是最嗨皮的路線。特斯拉是典型代表，而且目前已經在量產上實現了這種系統能力的，也只有特斯拉。小鵬 P7 也將是實現端到端完全的自主研發的第一款車型。
小鵬 P7
量產 L3 級自動駕駛最難在感知
目前 L3 正是在感知這一塊“卡脖子”，雖然激光雷達看起來是個捷徑，越來越多的視覺方案出現，也在說明這條捷徑似乎在汽車量產上，不是那麼可靠。但是做視覺需要有大量的成本投入、數據做訓練、反覆的驗證，這需要規模化的數據能力和升級能力，需要有很強的毅力。因此很大一部分是要去解決感知的問題，於是乎就誕生了兩個派別，一視覺，二激光雷達。
關於是視覺還是激光雷達，這一廂恐怕一直會有爭論，因為每個人看問題的角度和思考方式都不一樣。激光雷達直接、見效快，直接輸出高精度結果，在數據規模化和標註上需求量相對更少。但是，還是避不開談量產，成本就不說了，車規也不說了。佈置怎麼辦呢？總不能家用車都頂著一個像救護車一樣的東西吧。維修和保險怎麼辦呢？以前一個追尾幾百，現在成千或上萬。你要量產，這些都是必須考慮的問題。
回過來看視覺的優勢就逐漸顯現，佈置相對靈活、擴展性好、成本適宜都是它的優勢，這對於車企來講是非常重要的。很多人會說視覺安全性低，這其實過於片面，對於汽車的安全來講，99%與 99.99%其實是一樣的，那剩餘的部分只要一出現，結果都是 Game Over。黃工表示小鵬還是更願意用發展的眼光來看待視覺技術。
在未來的 3-5 年，我們平常所忽略的毫米波雷達也會有很多進步和提升，任何技術的發展都不是孤立的，而是相補相融的，也許兩三年後視覺+毫米波雷達，會跟我們今天看到的，有很大的不一樣。
量產 L4 級自動駕駛最難在行為預測
L4 最難的不是感知，因為 L3 的量產就是在跨越這個關卡。L4 最難的是在行為預測，如何讓自動駕駛系統真正像人一樣，對道路上所有交通參與者都能觀察、分析、判斷、響應，就像下圍棋，所有的可能性，指數級的計算。目前來看，2024 年前量產推出 L4 級別民用車的可能性不大。
來到 L4，與之相關的還有要在政府層面大力推動的 V2X，從行業來看，V2X 無疑非常有利於實現自動駕駛，但從自動駕駛本身量產來看，核心還是要發展車輛自身的能力，感知、行為預測等都是必不可少的，而 V2X 則作為個錦上添花的建設。
高精地圖與自動駕駛
高精地圖固然是一個好東西，其擁有比 GPS 導航系統擁有至少 10 倍以上的精度，但在不少主機廠的工程師看來，在最終實現完全自動駕駛的終點上，並非依賴高精地圖，也就是說高精地圖的作用在逐步實現自動駕駛的路上的作用是呈拋物線狀的，所起的作用隨著自動駕駛不斷進階而下降。
按文章開篇的說法，完全自動駕駛可以類比人類駕駛，人在開車時永遠是駕駛員根據看到的去做出駕駛動作，自動駕駛也是類似。道路上的情況是實時變化的，高精地圖再清晰，面對國內基建神速，也無法做到實時去更新地圖數據，如若採集成本則非常高昂。所以最終依賴的還是車輛的傳感器對路上的其它交通參與者進行識別，從而做出相應的駕駛動作。
道路上的情況是實時變化的，高精地圖再精準，面對咱們國內的修路施工頻率，也是挑戰很大的。所以最終依賴的還是車輛的傳感器對路上的其它交通參與者進行識別，從而做出相應的駕駛動作。高精度地圖的高投入和不確定性回報，也一定程度影響了參與者們的積極性。
編輯總結 /
本期新出行課堂為大家帶來了非常多有關自動駕駛的乾貨與知識點，再次感謝小鵬汽車黃鑫工程師的精彩分享。自動駕駛將為汽車工業帶來長久以來最為重大的一次變革，汽車行業可以有各種不同的行為方式和合作模式，這是我們之前從未遇見過的情況，也歡迎大家與我們一起討論，沒有準確答案，只有擁抱未來的渴望。靠譜好用的自動輔助駕駛技術在小鵬汽車是一個必須實現的目標，能在中國品牌中看到一個奮力攀登自動駕駛高峰的新造車企，總歸是很好的。